Investigaciones de Economía de la Educación

NÚMERO 6

Coordinador:
Antonio Caparrós Ruiz
1
 A la memoria de María Jesús San Segundo

@ De los textos, sus autores

@ De la presente edición, AEDE
Julio 2011

http://www.pagina-aede.org

Edita: Asociación de Economía de la Educación

Diseño gráfico: quesabenadie estudio creativo
ISBN: 978-84-695-0585-4

2
Investigaciones
de Economía
de la Educación
Número 6
Julio 2011

Coordinador:
Antonio Caparrós Ruiz

3
La Asociación de Economía de la Educación (http://www.pagina-aede-org) fue fundada en Barcelona
el 30 de marzo de 1992, con objeto de agrupar a profesionales e investigadores que centren su
interés y dedicación en temas relacionados con el campo de la Economía de la Educación. Es una
asociación sin fin de lucro, de carácter voluntario y sus fines son los siguientes:

a) Promover y difundir los estudios de Economía de la Educación y formar y perfeccionar expertos

en esta materia.

b) Promover contactos e intercambios profesionales, confrontando los trabajos e investigaciones

sobre el tema entre las diversas personas e instituciones interesadas en el mismo, tanto nacionales
como de otros países.
a

c) Organizar, por sí sola o en colaboración con otras organizaciones o entidades, congresos o

reuniones y otras actividades científicas de Economía de la Educación.

d) Editar publicaciones relacionadas con la materia y mantener o promover la formación de

bibliotecas especializadas sobre la misma.

e) Promover la formación de una base de datos estadísticos homogénea y procurar su mantenimiento

y actualización.

f) Cualquier otra función relacionada con el campo específico de la Economía de la Educación,

quedando excluido todo ánimo de lucro.

4
Presentación

XX Jornadas de la Asociación de Economía de la Educación

Antonio Caparrós Ruiz

Presidente de la Asociación de Economía de la Educación

Las XX Jornadas de la Asociación de Economía de la Educación (AEDE), celebradas en la Facultad

de Ciencias Económicas y Empresariales de la Universidad de Málaga los días 30 de junio y 1 de
julio del 2011, han constituido un punto de encuentro para más de un centenar de investigadores
en el campo de la Economía de la Educación. Desde los orígenes de la AEDE, y como se reflejan
en sus estatutos, la Asociación siempre ha deseado que las Jornadas se conviertan en un foro de
intercambio de ideas no sólo nacional si no también internacional. Así, las Jornadas siempre han
contado con participantes de Portugal (cabe resaltar que las XI Jornadas de AEDE se celebraron
en Lisboa) y con una importante presencia de Economistas de la Educación de Latinoamérica. En
los últimos años, también ha habido un incremento de los economistas de la educación de países
europeos, especialmente desde el gran impulso que representó las XIX Jornadas de la Asociación
celebradas en Zaragoza.

En estas Jornadas, a parte de tener una gran representación de economistas de la educación

que desarrollan su actividad en las universidades españolas, se ha contado con la participación
de investigadores internacionales de las siguientes universidades y centros de investigación:
Maastricht University (Holanda), University of Piemonte Orientale (Italia), University of Ljubljana
(Eslovenia), German Institute for Economic Research (Alemania), University College of Dublin
(Irlanda), Universidad de la República (Uruguay), Universidade de Lisboa (Portugal), Universidad
de Santiago de Chile (Chile), Uninorte (Brasil), Universidad Autónoma de Sinaloa (México),
Universidad Autónoma de Baja California (México), Universidad Nacional del Sur (Argentina),
University of Kent (Reino Unido), Universita’ degli Studi di Milano (Italia), University of Warsaw
(Polonia), Université Paris 13 (Francia), Politecnico di Milano (Italia) y Joint Research Centre-
European Commision (Bélgica).

A lo largo de las 16 sesiones de las XX Jornadas de AEDE, este grupo de investigadores presentaron
y debatieron sus trabajos, que previamente habían sido sujetos a un proceso de evaluación por
el comité científico de las Jornadas. Además, cada una de las comunicaciones expuestas en las
distintas sesiones fueron asignadas a comentaristas, que realizaron la discusión de los trabajos
tras su presentación.

Este libro es el nº 6 de la colección titulada “Investigaciones de Economía de la Educación”, cuyo

primer volumen surgió a partir de las XV Jornadas de AEDE celebradas en Granada, y está compuesto
por los trabajos presentados en las XX Jornadas de AEDE. El inicio del libro se corresponde con
la transcripción de la conferencia inaugural titulada “Sociedad del conocimiento, educación y

5
el prêt à porter” impartida por D. Eduardo Coba Arango, Director del Instituto de Formación del
Profesorado, Investigación e Innovación Educativa (IFIIE). En esta conferencia se aborda los retos
y cambios a los que se enfrenta la educación ante una sociedad que precisa del conocimiento
y la tecnología como elementos clave del desarrollo económico y social. Los capítulos, que
estructuran el contenido del resto de la publicación, hacen referencia a temas tratados en las
sesiones de las Jornadas, y que están presentes en los debates de política educativa que discurren
actualmente en los países desarrollados. Los capítulos del 1 al 7 están dedicados al análisis de los
factores influyentes sobre los mecanismos que determinan la oferta y la demanda de los distintos
sistemas educativos, y sobre sus resultados. En partícular, se estudian aspectos relacionados con
la producción y la eficiencia, la demanda y la elección de centro, el fracaso y el abandono escolar,
la financiación, los indicadores de calidad educativa, la equidad y, finalmente, se reflexiona sobre
la implantación del Espacio Europeo de Educación Superior en España (EEES). Los capítulos del 8 y
9 se centran, respectivamente, en el papel que ejerce el capital humano sobre la inserción laboral
de los individuos y sobre su posterior evolución en el mercado de trabajo. Por último, los capítulos
10 y 11 abordan el impacto de la educación sobre el bienestar y el desarrollo económico.

Sólo queda mostrar mi agradecimiento hacia un conjunto de instituciones y de personas que han
permitido la celebración de las XX Jornadas de la AEDE y como consecuencia la publicación de este
libro. Así, en primer lugar, agradezco a la AEDE el gran trabajo que ha realizado su junta directiva
actual, así como el esfuerzo acumulado de las anteriores. Desde las primeras Jornadas de Valencia
hasta éstas últimas de Málaga, todas han significado un proceso de acumulación de conocimientos
positivos sin el cual no hubieramos llegado al estado actual. En segundo lugar, agradezco el apoyo
institucional y financiero que la Universidad de Málaga ha ofrecido. Especial agradecimiento
hay que dar al equipo decanal y al personal de administración y servicios de la Facultad de CCEE
de Málaga, por su amabilidad y gran predisposición. También agradezco al Departamento de
Estadística y Econometría (al cual pertenezco) el ánimo y ayuda que ha mostrado desde que se
supo que Málaga íba a acoger las XX Jornadas de la AEDE. Por otra parte, agradezco al Instituto
de Estudios Fiscales la voluntad que muestra todos los años para firmar un convenio específico
de colaboración con la AEDE para la realización de la Jornadas, y a D. Eduardo Coba Arango por
haber aceptado ser el conferenciante inaugural. Por último, muestro mi máxima gratidud al resto
de componentes del comité organizador (Mª I. Aguilar, T. Galache, C. Gamero, Mª D. García, Mª
L. Navarro, M. F. Rueda, A. Torrico) y al resto de componentes del comité científico (M. Adiego,
C. Albert, J. O. Escardibul, J. J. García, R. H. Gertel, J. Grao, G. Lassibille, Mª L. Navarro, I. Neira,
Mª del C. Pérez, J. Salinas).

6
 Índice
Conferencia inaugural

p. 17 La sociedad del conocimiento, la educación y el prêt à porter

Eduardo Coba Arango, Director del Instituto de Formación del Profesorado, Investigación e
Innovación Educativa.

p. 28 / Capítulo 1. Producción educativa y eficiencia

p. 29 1. Aproximación a la eficiencia de las unidades funcionales de la rama de

Ciencias Sociales y Jurídicas del sistema universitario andaluz

Angel Torrico González, Universidad de Málaga

Teodoro Galache Laza, Universidad de Málaga
Trinidad Gómez Núñez, Universidad de Málaga
Fátima Pérez García, Universidad de Málaga
Carlos Rivas Sánchez, Universidad de Málaga
José Sánchez Maldonado, Universidad de Málaga
Rafael Caballero Fernández, Universidad de Málaga
Pedro A. Avellaneda Berteli, Universidad de Málaga

p. 40 2. El rendimiento educativo y sus determinantes según PISA: Una revisión

de la literatura en España

José Manuel Cordero Ferrera, Universidad de Extremadura

Eva Crespo Cebada, Universidad de Extremadura
Francisco Pedraja Chaparro, Universidad de Extremadura
Rosa Simancas Rodríguez, Universidad de Extremadura

p. 57 3. Grandes esperanzas (o cuando creérselo es relevante)

José García Clavel, Universidad de Murcia

Idelfonso Méndez Martínez, Universidad de Murcia

p. 70 4. Los resultados educativos españoles en PISA 2009 y sus condicionantes

José Manuel Cordero Ferrera, Universidad de Extremadura

César Manchón López, Universidad de Extremadura
Mª Angeles García Valiñas, Universidad de Oviedo

7
p. 88 5. Beyond results: What makes the difference between Argentina, Chile
and México in PISA

Santiago Gastelu, Universidad Nacional de Córdoba

Mª Luz Vera, Universidad de Córdoba
Roberto Giuliodori, Universidad Nacional de Córdoba
Héctor Gertel, Universidad Nacional de Córdoba

p. 101 6. La gestión del tiempo de ocio y estudio por parte de los jóvenes:
¿cómo afectan las nuevas tecnologías?

Diego Dueñas Fernández, Universidad de Alcalá

Carlos Iglesias Fernández, Universidad de Alcalá
Raquel Llorente Heras, Universidad Autónoma de Madrid

p. 118 7. Hell to touch the sky? Private tutoring and academic achievement
in Korea

Alvaro Choi de Mendizabal, Universidad de Barcelona

Jorge Calero Martínez, Universidad de Barcelona
Josep Oriol Escardibul Ferrà, Universidad de Barcelona

p. 135 8. La segmentación educativa en Argentina: Exploración empírica en

base a PISA 2009

Natalia Krüger, Universidad Nacional del Sur

p. 156 9. Estimación del diferencial de conflictividad escolar entre los alumnos

de educación secundaria obligatoria y no obligatoria

José Luis Albánchez Blanco, Universidad de Málaga

José Luis Iranzo Acosta, Universidad de Málaga

p. 167 10. Un análisis de los condicionantes del rendimiento académico en

Brasil a partir del SAEB-2005

Mauro Mediavilla Bordalejo, Universidad de Barcelona

Liliana Gallego, Universidad Autónoma de Barcelona

p. 185 11. ¿La sobreeducación de los padres afecta al rendimiento académico

de sus hijos?

Sandra Nieto Viramontes, Universidad de Barcelona

Raul Ramos Lobo, Universidad de Barcelona

8
p. 207 / Capítulo 2. Demanda educativa y elección de centro

p. 208 1. Educación en valores y competencias sociales: Diferencias (o no)

entre institutos públicos y colegios concertados

Manuel Antonio Muñiz Pérez, Universidad de Oviedo

Javier Suárez Pandiello, Universidad de Oviedo

p. 223 2. Publicly finance schools productivity comparison for Basque Country

through a new educational Malmquist index approach

Eva Crespo Cebada, Universidad de Extremadura

Francisco Pedraja Chaparro, Universidad de Extremadura
Daniel Santín González, Universidad Complutense de Madrid/ Instituto de Estudios Fiscales

p. 239 3. Efectos de una reasignación del porcentaje de inmigrantes en el

bienestar social educativo

Carlos Díaz Caro, Universidad de Extremadura

Daniel Santín González, Universidad Complutense de Madrid / Instituto de Estudios Fiscales

p. 258 4. Family background, gender and cohor effect on schooling

decisions

Javier Valbuena, University of Kent

p. 291 / Capítulo 3. Fracaso y abandono escolar

p. 292 1. El abandono escolar temprano en España ¿es posible su reducción?

Alberto Vaquero García, Universidad de Vigo

p. 307 2. Bullying and absenteeism among children with special needs

Cristina Vilaplana Prieto, Universidad de Murcia

p. 320 3. An open future: schooling experiences, academic difficulties and

vocational dilemmas during the first year of university

Maria Manuel Vieira, Instituto de Ciências Sociais, Universidade de Lisboa

Natália Alves, Instituto de Educação, Universidade de Lisboa
Ana Nunes de Almeida, Instituto de Ciências Sociais, Universidade de Lisboa
Isabel André, Instituto de Geografia e Ordenamento do Território, Universidade de Lisboa
Valentina Oliveira, Reitoria, Universidade de Lisboa
9
p. 335 4. El fracaso escolar en la educación secundaria: Factores que explican
las diferencias regionales

Susana Morales Sequerra, Instituto E. Secundaria Juan de Mairena, Comunidad de Madrid

Carmen Pérez Esparrells, Universidad Autónoma de Madrid

p. 353 / Capítulo 4. Financiación de la educación

p. 354 1. El modelo de financiación de la Universidad gallega 2011-2015

Sara Fernández López, Universidad de Santiago de Compostela

Alberto Vaquero García, Universidad de Vigo

p. 369 2. Austeridad financiera en la enseñanza superior en Portugal: El caso

de préstamos de garantía mutua

Luisa Cerdeira, Universidade de Lisboa, Instituto de Educação

Belmiro Gil Cabrito, Universidade de Lisboa, Instituto de Educação
Tomás Patrocinio, Universidade de Lisboa, Instituto de Educação

p. 378 3. La estructura del gasto público educativo en las comunidades

autónomas españolas

Juan Manuel Cabrera Sánchez, Universidad de La Laguna

p. 387 4. Public expenditure on education and skill formation: are there simple
rules to maximise skills?

Marcell Vaillant, Universidad de la República

Rossana Patrón, Universidad de la República

p. 398 5. Estructura, diferenciación y convergencia de los aranceles

universitarios en Chile, 1999 a 2009

Victor Salas Opazo, Universidad de Santiago de Chile

p. 422 / Capítulo 5. Indicadores de calidad educativa

p. 423 1. El sistema de indicadores educativos de México: Hacia la elaboración

de un índice de educación

Rafael Domínguez Martín, Cátedra de Cooperación Internacional y con Iberoamérica,

Universidad de Cantabria
10
 Marta Guijarro Garvi, Universidad de Cantabria
Carmen Trueba Salas, Universidad de Cantabria

p. 433 2. Universidades de clase mundial e indicadores de competitividad

económica de los países

Santos López Leiva, Universidad Autónoma de Baja California
Rosario Alonso Bajo, Universidad Autónoma de Sinaloa
José Mateo Bastidas Morales, Universidad Autónoma de Sinaloa

p. 448 3. Student’s concretion learning outcomes, satisfaction and dropout

intentions

Lola Duque, Universidad Carlos III

p. 460 4. Utilización de indicadores para la evaluación de las universidades

públicas españolas: ¿existe consenso?

Davinia Palomares-Montero, Ingenio CSIC-UPV

Adela García-Aracil, Ingenio CSIC-UPV

p. 474 / Capítulo 6. Eficiencia y equidad

p. 475 1. Equity of access to higher education in the transforming economy.

Evidence from Poland

Mikolaj Herbst, University of Warsaw

Jakub Rok, University of Warsaw

p. 495 2. Contributory education scheme: Theoretical basis and application

David Flacher, Université Paris 13

Hugo Harari-Kermade, ENC- Cachan
Léonard Moulin, Université Paris 13

p. 503 3. Efficiency of public spending in education: A challenge among italian
regions

Piergiacomo Sibiano, Politecnico di Milano

Tommaso Agasisti, Politecnico di Milano

11
p. 517 4. Directions in entrepreneurship education (EE) in Europe

Caroline Rizza, European Commission-Joint Research Centre-Econometrics and Applied

Statistics Unit-Centre for Research on Lifelong Learning
Celeste Amorim, University of Aveiro

p. 539 5. Economics of Education and Education Policymaking Processes in

Pakistan: A critical Review

Ahmed Nawa Hakro, College of Economics, Management and Information Systems, University
of Nizwa
Saadia Mesti, Leceister University

p. 549 / Capítulo 7. El Espacio Europeo de Educación Superior

p. 550 1. Investigación y estudio sobre competencias profesionales: El caso de

la Universidad de A Coruña

María Jesús Freire Seoane, Universidad de Coruña

Mercedes Teijeiro Álvarez, Universidad de Coruña
Féliz Blázquez Lozano, Universidad de Coruña

p. 563 2. Aportación de la universidad y de la experiencia laboral al desarrollo

de competencias en la juventud egresada

Julio Grao, Universidad del País Vasco/Euskal Herriko Unibertsitatea (UPV/EHU)

José Miguel Carot, Universidad Politécnica de Valencia
Marian Iriarte, UPV/EHU
José-Ginés Mora, University of London
Carlos Ochoa, UPV/EHU
Pedro José Pérez, Universitat de Valencia
Cristina Uriarte, UPV/EHU
Luis E. Vila, Universitat de Valencia

p. 577 3. La adaptación al entorno de las universidades españolas

Gonzalo Rodríguez Pérez, Universidad Autónoma de Barcelona

Inmaculada Vilardell Riera, Universidad Autónoma de Barcelona

p. 593 4. La movilidad internacional de los doctores españoles: ¿cuáles son

sus determinantes?

Diego Dueñas Fernández, Universidad de Alcalá

12
 Carlos Iglesias Fernández, Universidad de Alcalá
Raquel Llorente Heras, Universidad Autónoma de Madrid

p. 612 5. La flexiseguridad como nuevo paradigma en el ámbito educativo

español

Andrés Mínguez Vela, ESIC

p. 624 / Capítulo 8. Inserción Laboral y Educación

p. 625 1. Flexible jobs among recent graduates

Daniëlle Bertrand-Cloodt, ROA

Frank Cörvers, ROA, Meteor, NSI and Netspar
Ben Kriechel, ROA and IZA
Jesper Van Thor, ROA

p. 649 2. Did Bologna reform improve school-to-work transition of graduates?

Evidence from Slovenia

Dasa Farcnik, University of Ljubljana

Polona Domadenik, University of Ljubljana

p. 666 3. Desajuste educativo en el mercado de trabajo, un futuro próximo

Cecilia Albert Verdú, Universidad de Alcalá

Nuria Mallorquí Ruscalleda, Universidad Autónoma de Barcelona

p. 677 4. El empleo a tiempo parcial entre los jóvenes: Puente o trampa

Helena Corrales Herrero, Universidad de Valladolid

Beatríz Rodríguez Prado, Universidad de Valladolid

p. 693 5. Inserción laboral de los jóvenes en España: Inmigrantes vs nativos

Mª Dolores García Crespo, Universidad de Málaga

Antonio Casquero Tomás, Universidad de Málaga

p. 707 6. Inserción en el mercado laboral de los profesionistas en turismo

Angélica Beatriz Contreras Cueva, Universidad de Guadalaja

13
p. 718 / Capítulo 9. Mercado de trabajo y educación

p. 719 1. Nivel educativo y empleo en el periodo 2005-2009: Un análisis

comparado entre la población ocupada española y extranjera

Mª Olga González Morales, Universidad de La Laguna

Flora Díaz Pérez, Universidad de la Laguna
José Antonio Álvarez González, Universidad de la Laguna

p. 737 2. La sobrecualificación y el desajuste educativo de los titulados ¿es

una cuestión de género?

Esperanza Gracia Exposito, Universidad Complutense de Madrid

Mª Covadonga De la Iglesia Villasol, Universidad Complutense de Madrid

p. 754 3. La formación continua: Ornamento en la prosperidad y refugio en la

adversidad

Laura Hernández Lahiguera, IVIE

José Manuel Pastor Monsálvez, Universidad de Valencia & IVIE
Francisco Pérez García, Universidad de Valencia & IVIE
Lorenzo Serrano Martínez, Universidad de Valencia & IVIE
Angel Soler Guillén, Universidad de Valencia & IVIE
Irene Zaera Cuadrado, Universidad de Valencia & IVIE

p. 774 4. Trabajo y crisis: Lecciones para los programas públicos de capacitación.
Notas sobre el caso uruguayo

Andrea Doneschi, Universidad de la República

Rossana Patrón, Universidad de la República

p. 799 5. Mercado de trabajo e inclusión social en la Amazonia

Marivan Tavares Dos Santos, UNINORTE/LUREATE, Amazonas, Brasil

Maria Francisca Morais de Lima, UNINORTE/LUREATE, Amazonas, Brasil
Maria dos Reis Camelo, UNINORTE/LUREATE, Amazonas, Brasil
Elton Pereira Teixeira, UNINORTE/LUREATE, Amazonas, Brasil

p. 815 6. Un enfoque de género en la decisión de desarrollar una carrera

profesional internacional en los estudiantes de ADE ¿Hay evidencias de
“Glass Border”?

Carlos Martínez de Ibarreta Zorita, Universidad Pontificia Comillas de Madrid

Raquel Redondo Palomo, Universidad Pontificia Comillas de Madrid

14
 Eugenia Fabra Florit, Universidad Pontificia Comillas de Madrid
Antonio Rua Vieites, Universidad Pontificia Comillas de Madrid
Mª José Martín Rodrigo, Universidad Pontificia Comillas de Madrid

p. 835 7. Demografía y educación: Acceso al matrimonio y al mercado de

trabajo en España 1980-2010

Juan Antonio Cañada Vicinay, Universidad de las Palmas de Gran Canarias

p. 850 8. Educación superior y mercado de trabajo en México: Segregación por

género

Ana Lucía Escobar Chávez, Universidad Autónoma de Sinaloa

Carmen Beatríz Audelo López, Universidad Autónoma de Sinaloa
Santos Leiva López, Universidad Autónoma de Baja California

p. 868 / Capítulo 10. Impacto Económico y rendimiento de la

Educación

p. 869 1. Gender-wage gap distribution with endogenous human capital: the

Spanish case

Mª Lucía Navarro Gómez, Universidad de Málaga

Mario F. Rueda Narváez, Universidad de Málaga

p. 882 2. Educación, participación en el mercado de trabajo y bienestar

subjetivo: Estudio desde una perspectiva de género

Mª del Mar Salinas Jiménez, Universidad de Extremadura

Joaquín Artes Caselles, Universidad Complutense de Madrid
Javier Salinas Jiménez, Universidad Complutense de Madrid

p. 898 3. Rendimientos sociales de la Educación en México 2005-2010

Edna María Villareal Peralta, Universidad Autónoma de Barcelona

p. 917 4. Internal migration of foreign-born migration in Spain: A human
capital approach

Antonio Caparrós Ruiz, Universidad de Málaga

15
p. 932 / Capítulo 11. Desarrollo económico y educación

p. 933 1. La medición del capital humano de los países de la OCDE

Gregorio Giménez Esteban, Universidad de Zaragoza

Carmen López-Pueyo, Universidad de Zaragoza
Jaime Sanaú, Universidad de Zaragoza

p. 953 2. Educación y desarrollo económico en Europa

María Dolores Benítez Márquez, Universidad de Málaga

Eugenia María Cruces Pastor, Universidad de Málaga
Julia De Haro García, Universidad de Málaga
María Dolores Sarrión Gavilán, Universidad de Málaga

p. 973 3. Contribución de las actividades de educación terciaria al desarrollo

socioeconómico de su entorno: El caso de Gipuzkoa

Julio Grao, Universidad del País Vasco/Euskal Herriko Unibertsitatea, (UPV/EHU)

Marian Iriarte, UPV/EHU
José-Ginés Mora, University of London
Carlos Ochoa, UPV/EHU
Cristina Uriarte, UPV/EHU
María José Vieira, Universidad de León

p. 986 4. Determinantes del capital social

Isabel Neira Gómez, Universidad de Santiago de Compostela

Marta Portela Maseda, Universidad de Santiago de Compostela

p. 1002 5. Celtic tiger and celtic cat

Alejandro M. Fernández Castro, University College of Dublin

16
Conferencia inaugural

La sociedad del conocimiento, la educación y el prêt à porter

Eduardo Coba Arango

Director del Instituto de Formación del Profesorado, Investigación e Innovación Educativa (IFIIE)
Ministerio de Educación

Idea central: La educación está el servicio de la sociedad, ésta ha cambiado y tiene nuevas
necesidades. En esta nueva sociedad la actual educación, la que servía en el pasado, ya no nos
sirve.

Conferencia.
Buenos días a todos y todas.
Quiero empezar agradeciendo a la Asociación de Economistas de la Educación, y muy
especialmente a Antonio, su presidente, la invitación para dar esta conferencia. Es para mí un
placer estar en esta ciudad con todos ustedes hablando de una de mis pasiones, la Educación,
considero un honor que AEDE haya pensado en mí para esta conferencia, y, por supuesto, es una
responsabilidad como Director del IFIIE del Ministerio de Educación (del Gobierno de España), que
asumo con gusto.
En primer lugar quisiera hacerles un aviso.
Tal vez por mi formación, o deformación, como ingeniero metido a estas cosas de la
administración de la educación, desde mis primeras andaduras me resultó interesante la visión
y el aporte de conocimiento que hacían a la misma gentes de ámbitos diferentes, bien desde la
pedagogía o la didáctica, hasta podríamos decir desde gentes alejadas del núcleo duro de las
CC de la educación, como pueden ser los economistas de la educación. Y he de reconocer por el
contrario que, seguramente por mi también desconocimiento de dichas “CC puras”, lo que me
obligó a esforzarme por paliar este déficit, también aprendí a valorar la pedagogía, incluso para mi
sorpresa, a veces por encima de lo que lo hacían los profesionales de la docencia de otras áreas.
Siempre he pensado que en la riqueza de aportes diversos y en la búsqueda de ese equilibrio
desde diferentes visiones del mismo poliedro, hay más garantía de éxito a la hora de buscar
soluciones u opciones para avanzar. Y es desde ese rol multidisciplinar, que desde los diversos
puestos profesionales he tenido la suerte de jugar, desde el que voy a construir esta conferencia.
O como decía un maestro mío, mi aportación hoy aquí, será la de una persona que pretende algún
día saber nada de todo, en contraposición a saberlo todo de nada.
Y otra cuestión previa, es que el contenido de la conferencia está muy centrado en las
etapas de la educación no universitaria, aunque muchas de las reflexiones son perfectamente
aplicables a la universidad, e incluso utilizaré ejemplos extraídos de la misma. Y mi intención
es compartir con ustedes reflexiones personales, labradas de mi contacto privilegiado con la
investigación educativa y la toma de decisión en política educativa.
Empecemos por el título La sociedad del conocimiento, la educación y el Prêt à porter.
Espero que con el mismo haya generado al menos sorpresa y supongo que nadie dudará que
era la intención. Podría decirles que introducir el tercer concepto se me ocurrió viendo un
reportaje en TV sobre aquella pareja de humoristas, Tip y Col, que en los primeros andares de
nuestra democracia, enganchaba a la audiencia finalizando su intervención “y la próxima semana
hablaremos del gobierno”, cosa que nunca hacían, pero mantenía expectante al público durante

17
sus intervenciones. Éste no es el caso, sinceramente creo que el ejemplo de la moda y en concreto
el Prêt à porter, tiene muchas similitudes con la educación y sus nuevos retos.
Después dudé por dónde empezar, por la sociedad del conocimiento, por la educación o el
Prêt à porter ¿tienen alguna preferencia? Empecemos por el último.
Prêt-à-porter es una expresión francesa que significa textualmente «Listo para llevar». Se
refiere a las prendas de moda producidas en serie con patrones que se repiten en función de la
demanda; es, por tanto, la moda que (con diferentes calidades y precios) se ve en la calle a diario,
y donde los que la confeccionan no tienen por qué ser sastres. Es inevitable contraponer este
término al de Alta costura (Haute couture), ropa hecha a medida por grandes modistas, y, con
bastante frecuencia, de diseño exclusivo y alta calidad, donde la relación del sastre y el cliente es
constante, directa y a medida del cliente.
De alguna forma el prêt à porter es la estandarización de un servicio que hasta ese momento
sólo daban los sastres (con una formación de mayor calidad que los obreros que confeccionan
el prêt à porter) que lo hacían de forma directa, muy personalizada, pero precisamente por ello
de forma limitada en cuanto a número de clientes. Con este nuevo concepto de ropa, los trajes
o vestidos no encajan perfectamente en cada uno de los cuerpos, ni disimulan ni aprovechan
las particularidades del cuerpo de cada persona, pero se logra acceder a amplios sectores de la
población y vestirla más que aceptablemente a un coste razonable y haciendo uso de una mano de
obra que precisa una formación más sencilla y menos exigente. Si el objetivo era vestir cumpliendo
un mínimo de calidad para todos, la demanda se ha satisfecho más que razonablemente.
Volveremos sobre este concepto, pero pasemos ahora a la sociedad, y analicemos que
cambios hubo en el momento en que constituimos los sistemas educativos aún vigentes, allá por
el siglo XIX.
A principios del siglo XIX ocurren dos hechos importantes que estaban conformando el
conjunto de la sociedad europea:
• En primer lugar, los Estados nacional-liberales surgían por Europa y por sus ex-
colonias. Esto representó un cambio sustancial en la organización del Estado con nuevos estilos
para su organización interna y en sus relaciones con la emergente industria y la economía en
general.
• En segundo lugar, la Revolución Industrial trajo un nuevo desarrollo económico y,
sobre todo, nuevas necesidades de personas formadas.
Fueron los nuevos modelos organizativos que exigían el nuevo Estado liberal y la Revolución
Industrial los que estaban detrás de la profunda transformación de la educación a comienzos del
siglo XIX.
Se precisaba una minoría altamente cualificada y una gran mayoría de personas con unos
mínimos de conocimientos que las capacitasen en las reglas básicas para desenvolverse en esta
nueva sociedad y medios productivos. El objetivo de entonces era formar al conjunto de la sociedad
en unos conocimientos mínimos: leer, escribir, y poco más, suplir la necesidad de disponer de
personas capaces de entender y transmitir información en las incipientes industrias del momento.
Como anécdotas, algunos países utilizaron esta formación para reforzar la seña de identidad
nacional, exigiendo para poder contraer matrimonio que se supiese leer y escribir en la lengua
nacional, y tampoco faltaron las visiones de agoreros que opinaban que enseñar a leer y escribir
a todas las personas de la sociedad era imposible y una utopía.
Doscientos años después los sistemas educativos que construimos para satisfacer aquella
demanda, evidentemente mejorados y evolucionados, se enfrentan a una nueva situación
provocada, como la anterior “revolución”, por un cambio profundo en el contexto político,

18
social y económico. El contexto está cambiando debido a varios factores, todos ellos con fuertes
consecuencias económicas y sociales: La sociedad actual es global (no nacional), la principal
materia prima que aporta la riqueza necesaria para ampliar o mantener los niveles de bienestar
alcanzados es el conocimiento, y el futuro, incluso el más cercano es difícilmente previsible y es
muy cambiante (inestable).
Esta sociedad precisa del conocimiento y la tecnología como elementos claves del desarrollo
económico y social. Esta nueva sociedad prevé ofrecer puestos de trabajo no cualificados o de baja
cualificación sólo al 15% de sus ciudadanos, y precisa que el 85% restante sean lo más innovadores
posibles, lo más creativos posibles, lo más emprendedores posible, personas capaces de buscar
soluciones precisas en los momentos precisos a lo largo de sus vidas, en los que se encontrarán
con cambios imprevistos o nuevos problemas.
Esta nueva sociedad necesita, más aún si cabe, a la educación, a la escuela y no deja de
ser paradójico que a la vez la necesite tanto y la tenga en tan baja estima en general. Se critica
especialmente la función docente, a los profesores, y a la vez les confiamos lo más preciado para
nosotros y en la etapa de su vida más sensible. Y por otra parte, aceptamos como normal, después
de obligarnos a entregárselos, que nos devuelvan a nuestros hijos sin haber conseguido unos
objetivos que el propio sistema se ha impuesto como elementales, sin justificación de porqué no
los han conseguido (salvo las culpas del estudiante, el entorno, la familia, las TICs, etc. casi nunca
del propio sistema)….el sistema se obliga a alcanzar unos objetivos, no los cumple y ….no pasa
nada (no ponemos ninguna reclamación o denuncia).
Pero volvamos y recordemos, la educación está llamada a ser la energía de la sociedad del
conocimiento y, las escuelas, institutos, colegios y facultades parte de sus motores. ¿La educación
que actualmente tenemos está o fue diseñada para atender esta necesidad o demanda de la
sociedad? Pasemos a continuación hablar de educación.
La educación se enfrenta básicamente a un reto con dos especificaciones, una cuantitativa
y otra cualitativa: ¿el sistema educativo actual, creado en sus orígenes para formar a una minoría
en los máximos niveles y una mayoría en unos conocimientos mínimos, es capaz de invertir esa
pirámide? Y ¿el sistema educativo actual creado en sus orígenes para formar en los conocimientos
entonces conocidos, es capaz de dotar a los jóvenes de las competencias necesarias para su
desarrollo como ciudadanos innovadores, creativos, emprendedores o lo que necesiten para ser
ciudadanos activos a lo largo de sus vidas?
La respuesta a la primera pregunta es SÍ, sin duda. La respuesta es evidente, porque ya
se ha demostrado que puede ser capaz. Por ejemplo, a primeros de los años 80 había algo más de
500.000 estudiantes universitarios, y tan sólo 15 años después se llegó a 1.600.000 estudiantes.
No nos olvidemos que este país lo hizo, algunas de las personas que estamos hoy aquí lo hicieron
real, y algunos de nosotros nos beneficiamos. Si tenemos índices de fracaso o abandono escolar
altos, es decir, jóvenes cuyas cualificaciones son de nivel bajo, no se debe a la incapacidad del
sistema educativo porgarantizarles una plaza escolar. Pero sin duda, sí tiene relación con los
contenidos de la oferta educativa y la falta de motivación que este sistema ofrece para retenerlos
e ilusionarles en seguir aprendiendo, además de otros nada desdeñables factores externos a la
escuela, que tienen más que ver con los modelos sociales, familiares, etc.
La respuesta a la segunda pregunta, la que tiene que ver con la cualidad de la oferta
educativa (innovadores, creativos, emprendedores), hoy por hoy, no podemos asegurar que pueda
ser SI. Y éste es sin duda el gran reto que el sistema educativo tiene y los que nos dedicamos a él
tenemos. Reto que sin duda tienen el conjunto de países que componemos la UE, pues si no, no
se reflejaría reiteradamente en los objetivos estratégicos que el conjunto de estados nos hemos

19
impuesto para la educación 2020. Un reto que no puede esperar al otro gran reto de mejorar los
ratios de abandono, y con el que habrá que trabajar en paralelo, no vaya a ser que pongamos todo
el esfuerzo en que titulen todos nuestros jóvenes por encima de un cierto nivel y lo consigamos,
pero con una formación en conocimientos que no los capacita para la sociedad del conocimiento,
y por lo tanto pasemos de un 30% de fracaso por abandono escolar temprano, a un 100% de
fracaso por tener una cualificación no útil y desfasada con los países del entorno.
Volviendo a recordar el tercer concepto del título de esta conferencia, podemos decir que
hemos conseguido un sistema educativo prêt à porter, que permite “vestir de conocimiento” al
conjunto de la sociedad, pero que trata por igual a todos los jóvenes sin tener en cuenta sus
diferentes potenciales, lo que nos lleva a conseguir un producto de joven formado estándar de
nivel medio, como concepto contrapuesto a original, creativo, innovador, etc.
Para atender esta nueva demanda de la sociedad, la educación también debe cambiar, debe
dar la respuesta que se le precisa. La educación actual ya no nos sirve y debemos inventarnos
una nueva. Y tales son los cambios sociales y su profundidad, que a la hora de pensarla, de
imaginárnosla, de diseñarla…. recomiendo hacerlo como si fuera a ser totalmente nueva, sin
condicionarnos con los ya existente (reingeniería), porque de lo contrario podríamos correr el
riesgo de a un problema nuevo buscarle una solución vieja, que no lo resuelve. Pero sin embargo, y
más en estos tiempos que corren de limitación de recursos, a la hora de implementarla y ajustarla
debemos aprovechar todo lo bueno disponible y todo lo aprendido, para sobre este conocimiento
destilado y probado, poder construir con asiento, con firmeza y reduciendo la probabilidad de
repetir errores. Es decir, hay que ser revolucionarios a la hora de diseñar, pero hay que ser
evolutivos a la hora de implementar.
Y para atender esta nueva demanda de la sociedad ¿Qué características debe cumplir la
educación o sobre qué principios se debe apoyar?
Me voy a atrever a desglosar los que considero más destacables:
a. Si hemos dicho que una de las características de la sociedad del conocimiento es la
globalidad, debe buscar dar respuesta a necesidades, no sólo del entorno próximo, si no globales.
¿Qué es un entorno próximo? La verdad es que con el uso de las TICs el concepto de entorno ya
no está claro. Antes el entorno era 10 o 15 Km, o los 40 Km que establecimos de media en la
ordenación por provincias del s. XIX, pero ahora nuestros jóvenes reciben ofertas de trabajo y
de vida que se miden por miles de Km. Por ello a la hora de fijar objetivos para la educación y
medir su consecución, debemos trabajar en entornos globales, supranacionales e internacionales,
participando activamente en organismos y redes que trabajan y reflexionan sobre estos temas de
forma innovadora y global. Esto también tiene mucho que ver con la necesidad de favorecer la
movilidad de las personas y el reconocimiento de su cualificación, y por lo tanto tiene que ver
con la calidad de la educación o la garantía de la calidad de la educación (ser bueno y parecerlo,
o poder demostrarlo o evidenciarlo a los demás). EDUCACIÓN CON GARANTÍA DE CALIDAD
(movilidad reconocimiento).
b. Decíamos que la educación es y será mucho más la energía de la economía, y que debe
alcanzar al conjunto de la sociedad, a todos y cada uno de sus ciudadanos sin poder permitir
ningún tipo de exclusión, con el objetivo de aportar a cada uno el mayor nivel formativo posible
y obtener de cada uno el mayor aporte posible de conocimiento a la sociedad. Hablamos de una
EDUCACIÓN INCLUSIVA y ADAPTADA A CADA INDIVIDUO para sacar el máximo de cada uno.
Y aquí quisiera romper el vínculo que el término de educación inclusiva tiene con discapacidad.
Sin duda este es un ejemplo como se ha desvirtuado un concepto nuevo al asociarlo, sin duda sin
mala fe, pero con cierta ignorancia, a otro viejo. Para educación inclusiva rescato la idea original

20
de una educación que se adapta a cada individuo para desarrollar su potencial al máximo posible,
de tal manera que se adapta tanto a un joven con limitaciones para su aprendizaje, como a otro
de altas capacidades, desarrollando en cada uno su máximo posible.
c. Pasemos a otro punto. ¿Están nuestros jóvenes peor preparados que los de generaciones
anteriores? Si comparamos los curriculum de nuestros hijos con los que tuvimos nosotros, en la
etapa educativa que sea, nos ganan por goleada. Además de la actualización de algún conocimiento,
los contenidos son mayores y diversos: educación ambiental, educación para la salud, educación
financiera, etc. Es imprescindible una RACIONALIZACIÓN Y FLEXIBILIDAD del curriculum. Cada
vez añadimos más y más y todo tiene un límite. La solución: el LIFELONG LEARNING (LLL).
Visualicemos a un egresado de economía, que después de finalizar su grado ha trabajado un
año, por ejemplo, en una entidad financiera y está en una entrevista de trabajo para su segundo
empleo. ¿qué % de las preguntas que le hacen los responsables de RRHH o del departamento que
oferta el puesto de trabajo, está relacionado con el contenido de su grado y cuál con su trabajo
durante ese año previo? 20% y 80%, respectivamente ¿y si en lugar de un año es a los 4 años,
lo mismo que dura el grado? Pensemos ahora en cómo tenemos diseñados los curriculums y los
planes de estudio. Es imprescindible adaptar esa formación inicial de las personas para que sirva
de forma eficiente para formar sólo en lo que necesitan las personas en la etapa inicial de su vida
profesional.
d. Hace poco leí y no recuerdo donde, que en alguna parte de USA el 50% de los nuevos
empleos no existían hace 5 años. Pero esto no es nuevo, al principio les comenté que estudie una
ingeniería, telecomunicación en los años 80. Cuando empecé, el presidente de una multinacional
de ordenadores se preguntaba ¿que para qué iba a querer la gente un ordenador en casa? Los
cambios en el conocimiento se producen a una velocidad que es imposible tener plenamente
actualizados curriculum, pero por otra parte sin tener claro que conocimientos necesitaremos
a lo largo de la vida, o mejor dicho, teniendo asegurado que no podremos abarcar nunca en la
formación inicial de las personas (y por formación inicial entiendo desde la infantil hasta al
menos el grado universitario, o sea hasta los 23-25 años) el conjunto de conocimiento hoy en día
disponible, entonces ¿qué enseñar a los jóvenes en su formación inicial, no olvidando que existe
el LLL, para prepararlos a la vida adulta? La formación inicial de las personas deberá adaptarse a
una formación en elementos perennes que capaciten a los jóvenes para seguir formándose según
las necesidades de conocimiento que tengan a lo largo de su vida. Esos elementos perennes son
las competencias, debemos dotarles de las COMPETENCIAS BÁSICAS EN LA ETAPA OBLIGATORIA
Y COMPETENCIAS ESPECÍFICAS EN LA POSTOBLIGATORIA. Que aprendan formas de actuar. No es
nuevo enseñar a hacer cosas con lo que se sabe, en muchos casos ya se hace y se ha hecho, pero
tal vez ahora se nos ha olvidado.
Quisiera a continuación repasar 4 elementos sobre educación que son objeto de debate y
sobre los cuales parece haber consenso en que son nucleares para nuestra educación, aunque ni
mucho menos han alcanzado ni el consenso en la forma de aproximarse a ellos, ni mucho menos
en la de plantearlos.
Inserción de la educación formal en la sociedad: aprender a convivir con la educación
no formal e informal. Los marcos de cualificación.
Hemos llegado a sacralizar tanto la educación formal, la nuestra, “como la única y
verdadera”, que cuando rescatamos los conceptos de educación no formal e informal, nos pareció
como si los inventásemos de nuevo, cuando en realidad simplemente los habíamos olvidado, fruto
de los poderes y derechos que nos hemos dado a nosotros mismos, a los de la educación formal.
Hemos despreciado hasta ignorarlo, el aprendizaje en otros entornos, escudados muchas veces por

21
cuestiones meramente formales (ratios de espacios, licencias, etc. que a veces tampoco cumplíamos
nosotros mismos) sin ni siquiera plantearnos poder reconocer o acreditar el posible aprendizaje
aportado por un estudiante, simplemente porque fue adquirido en otros entornos. Recordemos
que hemos llegado a negar o retrasar durante años el reconocimiento de cualificaciones obtenidas
en instituciones prestigiosas, simplemente porque eran de otro país.
La educación formal la inventamos cuando creamos los sistemas obligatorios de educación
o en el momento que exigimos “licencias para trabajar en ciertos oficios”. O sea la educación formal
existe desde hace unos 200 años, pero ¿desde cuándo se aprende informal o no formalmente?
Y a partir de ese momento le dimos tan preeminencia que llegamos a pensar que no se podía
aprender fuera de ella, e incluso que esos aprendizajes eran perniciosos y contrarios con la
“buena educación”. Cuántas veces hemos oído a profesores o padres, incluso a veces con razón,
que todo lo bueno aprendido en el aula se desmoronaba por lo “aprendido en la sociedad”, por
ejemplo a través la TV o los actuales medios audiovisuales mucho más atractivos para los jóvenes
y potentes a la hora de trasmitir información y conocimiento. Y no nos dábamos cuenta del error
que habíamos cometido al diseñar el sistema educativo, la educación formal, al pensar que tenía
vida en sí misma, y no dentro de una sociedad conviviendo con otras fuentes de conocimiento.
¿Qué pensaríamos de un químico que se sorprende porque no coinciden los resultados de un
proceso químico realizado en un ambiente de la calle con los resultados del mismo experimento
en el laboratorio en condiciones óptimas y controladas? ¿Cuándo diseñamos los procesos de
aprendizaje de nuestros jóvenes lo hacemos pensando en que tienen que ser efectivos en el
ambiente controlado de nuestros despachos, o pensamos que deben igualmente funcionar en
cualquiera de los más de 26.000 centros de cualquiera de los municipios del país donde viven los
varios millones de estudiantes con sus amigos, familias, medios de comunicación, etc.?
En un momento en el que se exige que el aprendizaje se realice en cualquier momento de la vida
de las personas, y en unos niveles cada vez mayores, bienvenido sea venga de donde venga. En
un momento en el que vivimos globalmente, las posibilidades de origen se multiplican. En un
momento en el que debemos ser más rigurosos con el uso de los recursos disponibles, la búsqueda
de una mayor eficiencia nos lo exige.
Una de las herramientas clave, relativamente desconocida, para conseguir que el conjunto
de la población progrese en su nivel formativo a lo largo de toda su vida, y lo haga generando
sinergias entre sus aprendizajes alcanzados tanto a través de procesos de educación formal,
como de educación no formal e informal, son los “Marcos de Cualificaciones”. Un marco de
cualificaciones es una estructura en niveles, internacionalmente reconocida, que permite ubicar
a un individuo según su nivel de aprendizaje adquirido, lo que facilita su movilidad internacional
y el reconocimiento de su nivel de formación.
En estos momentos en Europa se están desarrollando dos marcos de cualificaciones: el
Marco Europeo de Cualificaciones (EQF), que forma parte de la Estrategia de Lisboa y que cubre
toda la educación formal desde la obligatoria hasta el doctorado, además de la educación no
formal e informal; y el Marco de Cualificaciones para el EEES (QF-EHEA), que forma parte del
Proceso de Bolonia y que está referido sólo a los niveles superiores de la educación formal. Los
homólogos nacionales de ambos marcos son, respectivamente, el Marco Español de Cualificaciones
(MECU) y el Marco Español de Cualificaciones para la Educación Superior (MECES).
El MECES iniciará su andadura con la casi culminada implantación de los nuevos títulos de
Bolonia, en los cuales no hay que olvidar que incorporan procesos de garantía de calidad y que,
aunque han superado el proceso de la verificación, ahora deben avanzar en el del seguimiento y
culminar a los seis años desde su implantación en el de la acreditación, procesos ambos donde el

22
MECES se convierte en una herramienta esencial para la referencia de sus resultados.
Por su parte el MECU, con un enfoque en parte más de futuro, aunque posiblemente
más potente, es una herramienta clave en la integración plena de los aprendizajes formales,
no formales e informales y, por lo tanto, en la activación de una formación permanente de los
ciudadanos a lo largo de toda su vida.
En definitiva, ambos marcos, MECES y MECU, son herramientas clave para mejorar el nivel
educativo-formativo de los ciudadanos y, por tanto, del conjunto de la sociedad, y son igualmente
claves para establecer una necesaria e imprescindible coordinación de esta formación con el
mundo laboral. Son, por tanto, instrumentos necesarios para transformarnos en una sociedad del
conocimiento, con opciones para mantener y mejorar los niveles de bienestar alcanzados.
Reforma Curricular: cambio modelo pedagógico
Decíamos antes que es necesaria la revisión y flexibilidad del curriculum, sin embargo, el
mayor reto de la reforma curricular en España no es el de la normativa legal, el reto está en el
cambio del modelo de enseñanza y aprendizaje. Cambiar de un modelo centrado en el profesor y
en los conocimientos académicos a un modelo basado en el aprendizaje de los estudiantes y en la
formación en competencias generales no es una cuestión sencilla. Un cambio tan profundo supone
nuevas actitudes del profesorado y el funcionamiento del sistema como un todo. Es difícil que
eso se lleve a la práctica en un sistema tan grande (8 millones de estudiantes), disperso (26.000
centros), en el que hay pocos incentivos para el cambio y muy poca capacidad de liderazgo en los
distintos niveles (instituciones y centros). Una vez más, el problema del modelo del sistema surge
como un freno para la adopción de una reforma necesaria.
Surgen algunas preguntas: ¿Va a ser capaz el profesorado de reformar profundamente unos
objetivos y estilos pedagógicos heredados del pasado? Aunque algunos lo hagan, el nuevo sistema
exige la cooperación de todos y cada uno en un nuevo diseño curricular, ¿cómo se va a convencer
al que no quiera seguirlo?, ¿qué herramientas o incentivos tienen las instituciones para dirigir
el proceso si todos no están de acuerdo? Al principio de los noventa hubo un intento de cambio
pedagógico que se parecía mucho al actual pero que en cierta medida fracasó por las mismas
causas que podría volver a fracasar ahora: unas estructuras nada ágiles para tomar decisiones y
un estatuto del profesorado que permite que primen los intereses de sus miembros, a favor o en
contra de los intereses de la sociedad, ¿Volverá a fracasar el cambio de modelo educativo? Nada
indica que las condiciones sean mejores que hace unos años, salvo la experiencia de algunos y
el “peso de Europa”. Esperemos que acabe bien el cambio. Otra cosa sería un daño irreparable al
futuro de la sociedad y de su economía, y por lo tanto del bienestar de sus ciudadanos.
Perfil del docente: su formación, su selección y desarrollo profesional
El profesorado es el elemento clave en un proceso de enseñanza-aprendizaje y cuatro
son los grandes aspectos en los que se debe poner la atención: a) competencias y cualidades
que corresponden al buen profesor, b) la selección y formación del profesorado, c) Inserción en
el trabajo y seguimiento de los primeros años de docencia y d) la formación permanente y la
promoción del profesorado.
a) Competencias y cualidades que corresponden al buen profesor
Existen, sin duda, definiciones teóricas de cuáles deben ser las aptitudes y/o las cualidades del
profesor, pero, en la práctica, si tales definiciones existen, no constituye un referente para la
selección del profesorado. No existe una imagen clara de lo que implica aquello que antes se
llamaba vocación y que hoy definiríamos como su perfil profesional.
Lo mismo ocurre con las competencias requeridas. El asunto es especialmente grave en Secundaria.
Las competencias se siguen remitiendo, exclusivamente, a la titulación académica y a los

23
conocimientos en una disciplina, en absoluto al conocimiento de las personas con las que el
profesor va a trabajar toda su vida (alumnos, madres y padres de familia, trabajo en equipo con
sus compañeros), ni a las situaciones de aprendizaje en las que se va a desenvolver. Tanto las
competencias como las cualidades deberían constituir el referente imprescindible de la formación
y de la promoción de los docentes.
La profesión docente, también ha de remitirse a unas responsabilidades éticas relativas,
principalmente, a su relación y compromiso con sus alumnos, con sus compañeros de trabajo, con
la verdad –del conocimiento- y con la institución a la que sirven (la escuela pública, o el centro
privado). Parece imprescindible el compromiso del profesorado con el derecho a la educación, su
implicación y compromiso con el centro donde trabajan, su conciencia social, su compromiso con
la atención personalizada a sus alumnos y con su propia formación y desarrollo profesional.
Y respecto a su relación con los alumnos, el profesor no es, ni debe ser, la única fuente de
conocimiento para ellos. Hay investigaciones que demuestran que aquellos estudiantes que han
tenido como principal fuente de conocimiento a sus profesores no han sido capaces de desarrollar
competencias relacionadas con la innovación, la creatividad o el emprendimiento. El profesor debe
convertirse en un entrenador que facilita el acceso al conocimiento y guía al estudiante, debe
canalizar y aprovechar la curiosidad de sus estudiantes adaptándose continuamente al momento
y situación del grupo que guía (como los profes de educación infantil).
b) la selección y formación del profesorado
La Ley Orgánica 2/2006 de 3 de mayo de 2006 de Educación, estableció una formación inicial del
profesorado más alineada con las prácticas y tendencias de los países referentes en la UE.
En la gran mayoría de los países, sus futuros profesores reciben la formación inicial en un centro
de Educación Superior (igual que en España), y dicha formación inicial tiene normalmente un
componente general (sobre materias concretas que el profesor va a impartir) y un componente
profesional (dedicado a la adquisición de las competencias pedagógicas necesarias y a la realización
de prácticas en un centro educativo).
La actualidad educativa en la que nos encontramos es especialmente privilegiada para
poder llevar a cabo la renovación del periodo de formación inicial del profesorado que acabamos de
indicar. Por un lado, desaparecen las diplomaturas de magisterio de tres años que se transforman
en un Grado de 240 ECTS (4 años). Y, por otro, se comienza a formar a los futuros profesores de
enseñanza secundaria mediante un Máster profesionalizador de 60 ECTS. La aprobación de la LOE
(2006) y de la LOMLOU (2007) y la implantación del EEES, entre otros factores, han permitido este
cambio que debe ser aprovechado si pensamos en la mejora de la educación.
La implementación de los cambios en la formación inicial, especialmente en el más
novedoso, la implantación del muevo máster de profesor de secundaria, no siempre ha contado
con el sosiego, la planificación y la coordinación deseables. Pero el análisis de lo que se está
haciendo en el conjunto de la UE nos indica que estamos en el buen camino, sin embargo hay que
reflexionar sobre cómo se está haciendo y aprender tanto de los aciertos como de los errores, y en
el camino y en el rodaje se deberán ir buscando las mejoras posibles.
Por otra parte, cuando pensemos en los diseños de los planes de estudio de grados o máster,
no podemos olvidar que la formación de un docente, como la de cualquier profesional, necesita
para consolidarse unos años de ejercicio real de la profesión (al menos tantos como los dedicados
a su formación académica inicial). Es decir, que la formación inicial forma parte de una formación
global que es la formación a lo largo de la vida, y que es necesario coordinar las acciones que se
propongan para cualquiera de las etapas del desarrollo profesional del docente con la pretensión
de, por una parte, no duplicar esfuerzos y, por otra, poder medir el nivel de cualificación alcanzado.

24
El profesor debe tener una formación excelente, no única en su especialidad que le ayude a
plantear sus clases de manera multidisciplinar y que le favorezca para trabajar en equipo.
La indefinición del perfil profesional del docente se traslada inmediatamente a la selección.
La oposición para el acceso a la enseñanza pública, sobre todo –de nuevo- en secundaria, y
los mecanismos de selección de los centros privados en la mayoría de los casos, se refieren
exclusivamente al dominio de “su asignatura” y a un elemental conocimiento de la legislación
educativa y, en el mejor de los casos, a algunos conocimientos teóricos sobre metodología didáctica.
Nada sobre las características del alumnado, ni sobre la actuación en situaciones concretas de
aprendizaje o de problemas de convivencia,….
El sistema de formación y reclutamiento no sólo no garantiza la preparación profesional y
la selección a priori de los mejores, sino que prolonga durante toda su carrera la indefinición del
carácter de la profesión y propicia los debates, tan inútiles como desmoralizadores, sobre en qué
consiste ser profesor, o sobre si su función es educar o instruir.
c) Inserción en el trabajo y seguimiento de los primeros años de docencia
La experiencia contrastada de muchos buenos profesores nos habla de la importancia de los
primeros contactos del profesor nuevo con su clase y del significado de los primeros años de
ejercicio en la determinación de un estilo de ejercer la profesión. Algunos centros organizan, por
su cuenta, actividades de acogida pero el sistema, como tal, no considera que este sea un asunto
capital, ni siquiera relevante y deja a la improvisación la solución de estas situaciones. Más aún,
se ha propiciado en los últimos 20 años la absurda situación de los profesores “en expectativa de
destino” que pueden pasarse los primeros diez años de su carrera emigrando de centro en centro
cada curso.
Sería interesante que se habilitase a un profesor experimentado como tutor de los
profesores recién incorporados. El profesor en cuestión facilitaría al nuevo el conocimiento de las
características del centro y de su alumnado, de la normativa general y específica por que se rige,
de las rutinas y protocolos de funcionamiento, de la relación con los padres … Y, por supuesto,
le asesoraría en las dificultades que encontrase de relación con los alumnos, de metodología, de
disciplina en el aula … Ello requeriría una rigurosa selección de los tutores, en un trabajo previo
con todos ellos para fijar metas y estrategias de trabajo y, por supuesto, en la adjudicación de un
tiempo suficiente para organizar formalmente los contactos y ayudas.
Pero un debate mayor se ha abierto con la implantación del llamado MIR-educativo, con el
cual en principio parecen estar de acuerdo responsables políticos de diferentes signos. Se trataría
de añadir a lo que hay en los centros algo que permita hacer un verdadero plan de formación.
d) La formación permanente y la promoción del profesorado
El actual sistema no ofrece estímulos, con frecuencia es muy poco exigente y no ayuda a la
satisfacción profesional y a la mejora en los rendimientos del trabajo docente. Citemos algunos
ejemplos: la antigüedad como regla única (prácticamente) de promoción salarial y de mejora
de destino y puesto de trabajo. En la enseñanza pública y en numerosos centros privados este
criterio representa, además, el factor decisivo para la asignación de cursos y grupos de docencia.
En tiempos de tanta movilidad y cambios, es preciso encontrar un equilibrio entre la estabilidad
en el empleo que proporcione a los profesores el sosiego y la independencia que su tarea requiere
y el estímulo permanente a través de la evaluación del trabajo realizado y de la rendición de
cuentas por su desempeño.
La formación permanente del profesorado se ha convertido, con frecuencia, en una rutina
encaminada a la adquisición de los puntos necesarios para la percepción de los sexenios. Hoy
sabemos, porque la experiencia de los centros más activos lo prueba y porque los estudios así

25
lo confirman que la formación en ejercicio ha de ligarse a los centros, responder a demandas y
necesidades concretas, tener una dimensión práctica prevalente y dirigirse a equipos de profesores
que trabajen juntos.
Autonomía de los centros y liderazgo
La flexibilidad en el currículum y la necesidad de ofrecer una formación más personalizada
y adaptada a cada estudiante, parece exigir una mayor autonomía a los centros a la hora de
conformar la oferta educativa para su alumnado. Incluso la necesidad de ser capaces de dar
respuestas formativas a las demandas cambiantes e innovadoras en los ámbitos de la formación
profesional, nos llevaría por el mismo camino, reducir los procesos para el diseño de las ofertas
formativas, otorgando más libertad al centro como elemento final del proceso, con el objetivo de
agilizar la respuesta a las demandas cambiantes de formación por parte de la sociedad.
De alguna forma, es lo que se ha hecho en la universidad española con la promulgación de
la LOMLOU. Eliminar o reducir la participación de los agentes distintos a las universidades (AGE
y CCAA), y aumentar la autonomía de las universidades a la hora de definir su oferta formativa y
sus contenidos. Evidentemente esta mayor autonomía lleva aparejada un mecanismo de rendición
de cuentas, con sistemas de garantía de calidad de la oferta educativa.
Pero volvamos a la idea de mayor autonomía para adaptar la oferta a las características
individuales de los estudiantes. De conversaciones con profesores, ésta adaptación al nivel del
grupo es una realidad constante, pero en general hecha de forma individual de cada profesor y
tomando como elemento de adaptación la media del grupo y no al individuo. Es decir, no suele ser
un trabajo en equipo, no es una labor de todo el centro (acordada, planificada, y ejecutada por
todo el profesorado), ni está dirigida a obtener el máximo de cada estudiante, sino más bien un
mínimo aceptable de la media del grupo. Y por supuesto, se escapa a todo control o rendición de
cuentas.
Si las deficiencias en la formación del profesorado son importantes, no lo son menos, sino
más, las que sufren los encargados del desempeño de los puestos de coordinación y dirección
didáctica y los de gobierno de los centros. Los cargos de tutor y jefe de departamento didáctico
presuponen en quienes los detentan determinados conocimientos y habilidades técnicas que
complementen las cualidades que se le suponen ya como profesor. Son puestos que tienen tareas
atribuidas que convendría precisar mejor (lo están sólo las puramente burocráticas que se refieren
a los documentos que deben cumplimentar).
Los cargos de secretario, Jefe del Departamento de orientación, Jefe de estudios y Director,
además de conocimientos de legislación educativa y procedimiento administrativo, requieren
especiales habilidades en el trato con las personas y ciertas dotes de liderazgo, o mando, en
cuanto que son los que coordinan y estimulan el trabajo de los tutores, jefes de departamento
y profesorado en general, son los encargados de exigir el cumplimiento de las normas y fijar los
límites en muchos aspectos de la vida diaria de los centros.
En resumen, la mayor autonomía debería conllevar trabajo en equipo, mecanismos rendición
de cuentas y liderazgo o profesionalización en los equipos directivos de los centros.
Para concluir, ¿es posible construir una educación de alta calidad, personalizada y adaptada
a las necesidades y máximas capacidades de cada individuo, y que a la vez alcance a todos y cada
de los ciudadanos, o son elementos incompatibles entre sí? De nuevo el ejemplo textil traído a
esta conferencia nos puede orientar en la respuesta, ya que en los últimos tiempos ha surgido
también un prêt-à-porter de lujo producido por numerosas firmas de máximo prestigio, como
Yves Saint Laurent y Chanel, que intenta combinar una mayor calidad y adaptación al cliente,
con acceso a estos productos para el conjunto de la sociedad. Y acaso los que nos dedicamos a la

26
educación, ¿vamos a ser menos capaces a la hora de desarrollar una educación que compatibilice
todas las especificaciones de diseño que la sociedad nos exige?

MUCHAS GRACIAS.

27
/ Capítulo 1. Producción educativa y eficiencia

28
1. Aproximación a la eficiencia de las unidades funcionales de la rama de
Ciencias Sociales y Jurídicas del sistema universitario andaluz

Angel Torrico González, Universidad de Málaga

Teodoro Galache Laza, Universidad de Málaga
Trinidad Gómez Núñez, Universidad de Málaga
Fátima Pérez García, Universidad de Málaga
Carlos Rivas Sánchez, Universidad de Málaga
José Sánchez Maldonado, Universidad de Málaga
Rafael Caballero Fernández, Universidad de Málaga
Pedro A. Avellaneda Berteli, Universidad de Málaga

29
Aproximación a la eficiencia de las unidades funcionales de la rama de
Ciencias Sociales y Jurídicas del sistema universitario andaluz

Angel Torrico González, Universidad de Málaga

Teodoro Galache Laza, Universidad de Málaga
Trinidad Gómez Núñez, Universidad de Málaga
Fátima Pérez García, Universidad de Málaga
Carlos Rivas Sánchez, Universidad de Málaga
José Sánchez Maldonado, Universidad de Málaga
Rafael Caballero Fernández, Universidad de Málaga
Pedro A. Avellaneda Berteli, Universidad de Málaga

Resumen
Este trabajo realiza una primera aproximación, mediante la técnica del Análisis Envolvente de
Datos (DEA), respecto a la medida de la eficiencia técnica, en su labor docente, de las unidades
funcionales pertenecientes a la rama de Ciencias Sociales y Jurídicas de las nueve universidades
públicas de Andalucía. Este estudio ayuda a explicar los aspectos más relevantes (ventajas y/o
debilidades) de las unidades evaluadas. De esta manera, nuestra investigación ofrece un modelo
que puede ayudar a la toma de decisiones por parte de los órganos de gobierno de esta importante
Comunidad Autónoma, en la medida en que suministra información detallada y objetiva de las
causas de las (in)eficiencia(s) de las áreas de conocimiento en su labor docente.

Palabras clave: Asignación, eficiencia, recursos Humanos, docencia, toma de decisiones, análisis
envolvente de datos.

1. Introducción
Al incorporarnos al Espacio Europeo de Enseñanza Superior (EEES) nuestro sistema
educativo superior ha tenido en consideración, entre otros aspectos, incrementar su eficacia,
eficiencia y responsabilidad. Para conseguir tales fines, en este proceso de convergencia el sistema
ha tenido que modernizar sus instrumentos de organización y gestión interna, incorporando
técnicas innovadoras en su proceso de toma de decisiones y estableciendo estrategias de eficiencia
para sus unidades productivas.
En este sentido, el objetivo de este trabajo, más que obtener unos resultados definitivos,
es presentar una metodología que permita realizar una evaluación empírica del grado de eficiencia
con el que cada unidad funcional de un sistema universitario emplea sus recursos disponibles
para la oferta que proporcionan. Así, consideraremos a tales unidades desde una perspectiva
microeconómica, o sea, como unidades productivas, y enfocaremos la eficiencia en los aspectos
técnicos del proceso productivo, dada, entre otras razones, la ausencia de precios de mercado
(Pedraja et al., 2001). Por sus características específicas y por las peculiaridades de la función de
producción de la educación superior, la técnica elegida es el Análisis Envolvente de Datos (Data
Envelopment Analysis, DEA); se trata de un método atractivo para realizar las estimaciones de
eficiencia de las unidades productivas de una universidad, teniendo en cuenta tanto su actividad
docente como investigadora.
De los múltiples estudios sobre la evaluación de la eficiencia en el sector público, Lovell y

30
Muñiz (2003) indican que el sector educativo es el servicio público más tratado en nuestro país
junto al sanitario. Gómez y Mancebón (2005) inciden que hay una gran variedad de aplicaciones
del DEA a la Universidad.
Nuestro trabajo es una investigación de carácter empírico donde hemos realizado un análisis
DEA contextualizado para una rama de conocimiento ya que nos permite comparar cada unidad
con aquellas que, en principio, cabe pensar que son más homogéneas, aunque correspondan a
distintas universidades.
Este trabajo está estructurado de la siguiente forma. En el apartado segundo se selecciona
la unidad de análisis, se justifican las variables inputs y outputs elegidas y se especifica el
modelo envolvente con el que se va a trabajar. En el siguiente epígrafe se aplica la metodología
que proponemos con las unidades funcionales pertenecientes a la rama de Ciencias Sociales y
Jurídicas de las nueve universidades públicas de Andalucía, con datos facilitados por la Consejería
de Innovación, Ciencia y Empresa de la Junta de Andalucía, correspondientes al curso 2006-07.
Finaliza nuestro trabajo con las principales conclusiones y las referencias bibliográficas empleadas
para el mismo.

2. Modelo DEA para los departamentos universitarios

El análisis envolvente de datos es un enfoque apoyado en técnicas de programación
matemática para evaluar la actuación de un conjunto homogéneo de entidades, unidades
funcionales o de decisión, que utilizan un conjunto común de inputs para obtener un conjunto
común de outputs. Una unidad de decisión es considerada eficiente, sobre la base de la evidencia
disponible, si y sólo si, las actuaciones de otras unidades de la muestra analizada no pueden
mejorar sus inputs u outputs sin empeorar alguno de sus otros inputs u outputs.
Las entidades objeto de estudio son los departamentos de las universidades dependientes
de la Junta de Andalucía y, por tanto, estas son las unidades funcionales pertenecientes a la
rama de Ciencias Sociales y Jurídicas de las nueves universidades públicas existentes en dicha
Comunidad Autónoma, a las que se aplicará el análisis envolvente de datos para analizar su
eficiencia técnica.

2.1 Identificación y medición de variables inputs y outputs

En primer lugar, en cuanto a la identificación y medición de inputs, hay que examinar
aquellos recursos que son utilizados por cada unidad funcional para llevar a cabo su actividad
docente. En este sentido, los indicadores de inputs más significativos deben obtenerse a partir
de los recursos materiales y humanos utilizados en el proceso de enseñanza. Respecto a los del
primer tipo, no han sido considerados en este trabajo ya que, como se trata de evaluar todos los
departamentos de las nueve universidades andaluzas y establecer comparaciones entre ellos.
En cuanto a los recursos humanos, una variable ampliamente empleada en este tipo de
trabajos es el número total de profesores de que consta la unidad funcional. Esto supone prescindir
del personal de administración y servicios adscrito al departamento ya que estos no realizan la
actividad de docencia y, su número, suele ser uniforme y no depender de la carga docente que
los profesores del mismo tengan que atender. Ahora bien, las normas que regulan la actividad
laboral del profesorado universitario establecen el número de créditos que ha de impartir cada
profesor en razón de la dedicación que tenga a la universidad. Así, a los que prestan servicio a
tiempo parcial les corresponden menos créditos y, por tanto, menos horas de docencia, lo que
supone para el departamento una menor capacidad docente que la de un profesor con dedicación
a tiempo completo. Por ello, se han separado ambos tipos de profesores dando lugar con ello a los

31
dos inputs que se van a utilizar en el modelo y que se muestran en la Tabla 1: Capacidad Docente
a Tiempo Completo (CAPDOCTC), que es la suma de los créditos que legalmente han de impartir
los profesores de una unidad funcional con dedicación a tiempo completo y Capacidad Docente a
Tiempo Parcial (CAPDOCTP), la de los que trabajan a tiempo parcial.

Tabla 1. Variables inputs y outputs utilizadas en el modelo.

1. CAPDOCTC: Capacidad docente tiempo completo

Inputs
2. CAPDOCTP: Capacidad docente tiempo parcial
1. CREFIN: Número de créditos financiables
Outputs 2. ALUNORM: Alumnos normalizados
3. ASIGOFE: Asignaturas ofertadas (troncales, obigatorias y complementarias)

Fuente: Elaboración propia.

Por otro lado, la identificación y valoración de los indicadores de outputs, resulta más
compleja y difícil que en el caso de los inputs. El problema fundamental radica en la medición
de aspectos cualitativos de las actividades docentes. Así, si se analiza el proceso productivo
en la docencia, tal como afirma Villarreal (1999), la primera cuestión a resolver es el grado de
agregación del indicador o, en otras palabras, el instante en que se va a medir el efecto de la
actividad docente. Teniendo en cuenta el objetivo de esta investigación, la elección de los outputs
se ha hecho partiendo de la base de que las unidades funcionales, en cuanto a la docencia, no se
dedican a producir titulados sino a realizar tareas formativas muy variadas que, en determinadas
circunstancias, culminan en la titulación del alumno. En consecuencia, se ha optado por emplear
outputs intermedios o de proceso, tanto aquellos que están más relacionados con el uso del
servicio como los que se refieren a los resultados obtenidos.
En relación a los primeros, y de acuerdo con la mayoría de los autores (Sinuany-Stern et
al., 1994; Pina y Torres, 1995; Arcelus y Coleman, 1997; Hanke y Leopoldseder, 1998; Torrico et
al., 2007, Kao y Hung, 2008), en el modelo se considera como indicador de proceso el que se ha
denominado Número de Créditos Financiables (CREFIN). Esta variable output es un indicador que
utiliza la administración pública educativa para determinar los fondos públicos con los que va
a financiar el servicio docente de cada universidad. Para ello calcula el acumulado de créditos
a impartir por cada asignatura troncal y obligatoria, atendiendo a su experimentalidad, ciclo y
rendimiento académico de los estudiantes según el número de opción de matrícula. También se
tiene en cuenta el número de grupos para el tamaño asignado de alumnos y las necesidades de
desdoblar grupos en función del coeficiente de experimentalidad de la misma2.
En cuanto al segundo tipo de outputs intermedios o de proceso para la docencia, los que
tratan de cuantificar los resultados obtenidos, se ha considerado que parte de los esfuerzos del
profesorado se centran, no sólo en que aprueben los discentes, sino que lo hagan en su primera
matrícula. Si bien es cierto que, hasta el presente, la demanda de las universidades españolas está
exógenamente determinada, especialmente en las titulaciones de grado, y por ello desvinculada de
la eficiencia con la que operan los centros, con la progresiva adecuación de la universidad española
al Espacio Europeo de Educación Superior, parece seguro que se va a producir una tendencia hacia
1 Bases del Modelo de Financiación de Universidades 2007-2011. Consejería de Innovación, Ciencia y Empresa. Junta
de Andalucía.

32
 una mayor competencia, sobre todo en el postgrado y en los doctorados con mención de calidad,
y esto va a suponer que la presencia de un mayor o menor número de alumnos sí tendrá que ver
con una oferta docente de calidad en la unidad funcional.
Por ello, y teniendo en cuenta lo que señalan Tomkins y Green (1988), se ha utilizado como
output de proceso el número de Alumnos Normalizados (ALUNORM) en cada unidad funcional,
variable proxy que se obtiene al agregar todos los alumnos matriculados en las asignaturas
impartidas por la misma, a los que se aplican diversos coeficientes de ponderación según sea
la primera, segunda, tercera o sucesivas veces en que estén matriculados en ella. La fórmula de
cálculo para la asignatura j sería:
Nj = Nj1 + 0,85·Nj2 + 0,50·Nj3, donde
Nj = ALUNORM = Número total de alumnos computables en la asignatura j ,
Nji = Número de alumnos de la asignatura j en i–ésima matrícula (i = 1ª, 2ª, 3ª o sucesivas
matrículas).
Finalmente, se ha considerado un tercer output denominado Asignaturas Ofertadas
(ASIGOFE), que es un indicador del número asignaturas impartidas por los profesores de la unidad
funcional de la correspondiente universidad. Mediante este output se toma en consideración
el diferente rol que las diferentes materias tienen en los planes de estudios de las diferentes
titulaciones en que los profesores del correspondiente departamento imparten docencia.

2.2 Estrategia de selección del modelo envolvente de datos.

Dado que en este campo de actividad no se conoce la forma de la función de producción y,
por tanto, el grado de sensibilidad de los outputs respecto de los inputs que inciden en aquéllos,
es aconsejable aplicar un modelo lo más flexible posible que imponga unas mínimas condiciones a
dicha función de producción. De este modo, se ha seleccionado un modelo BCC (Banker, Charnes
y Cooper. 1984) que asume la hipótesis de rendimientos variables a escala, con el cual se obtiene
una medida de la Eficiencia Técnica Pura (ETP).
Por otro lado, también se debe elegir la orientación del modelo, es decir, si se opta por
una orientación input u output. En este caso se ha decidido hacer uso de la orientación output,
con la cual se considera que el objetivo de los gestores públicos se centra en la obtención de los
mejores resultados, el servicio docente que prestan los departamentos universitarios, a partir de
los recursos de que disponen, sus profesores, que se supone les viene dado.
Teniendo en cuenta que se utilizan dos inputs y tres outputs, el modelo BCC orientación
output para calcular la eficiencia de la j-ésima unidad de decisión de un conjunto de N unidades,
es el siguiente:

2
Min ∑ ui xij
i =1
3
s.a. ∑v y k kj =1
k =1 (1)
2 3

∑u x − ∑v y
l ls r rs ≥ 0, s = 1, 2,...,N
l =1 r =1

ul ,vr ≥ ε > 0; l = 1,2; r = 1, 2,3

€ 33
 Si el valor de la función objetivo es 1 y todos los multiplicadores son estrictamente positivos,
entonces la unidad j-ésima es eficiente siendo, en caso contrario, ineficiente. Este modelo conlleva
la consideración de rendimientos variables a escala y la medida de eficiencia obtenida, es decir, el
valor de la función objetivo, se denomina eficiencia técnica.
El problema dual asociado al anterior se le conoce como la versión envolvente:

⎛ 3 + 2 ⎞
Max g ⎜ ∑ r ∑ l⎟
s s −
j = φ j + ε +ε
φ , λ ;s+r , sr− ⎝ r =1 ⎠
l =1 (2)
N N N
s.a. ∑λ x i li + sl− = xlj , ∑ λi yri − s+r = φ k yrj , ∑ λi = 1, λi ,s+r ,sl− ≥ 0,
i =1 i =1 i =1

l = 1,2; r = 1,2,3
cuya resolución, para la unidad j-ésima, da su índice de eficiencia ( φ j ), las unidades que son
referencia de la misma en la frontera (i tales que λi ≠ 0) y si existen holguras ( sr+ ,s−l )en algunas
de las restricciones. Bajo esta formulación, la unidad j-ésima es eficiente si φ j es 1 y todas las
€
holguras son nulas. €
Resolviendo el problema de programación € lineal (1) ó (2) para cada
€ unidad de decisión y,
por tanto, N veces, se obtiene la medidas de eficiencia técnica de cada € una de ellas.
La aplicación de la metodología DEA también proporciona información acerca de la
importancia relativa de cada una de las variables en el índice de eficiencia, lo que permite identificar
los puntos fuertes y débiles de cada entidad evaluada. Considerando el modelo (1), un peso
relativamente alto en el k-ésimo output (vk) indica que la unidad evaluada destaca especialmente
en ese output. Para las unidades ineficientes, pesos elevados de un determinado input y/u output
son indicativos de que, gracias a ello, su nivel de ineficiencia no es mayor. No obstante, debido
a las diferencias de medida que pueden existir entre los diversos factores empleados, el estudio
del peso en sí puede estar sesgado y, por ello, para analizar la importancia de cada factor es más
apropiado observar el efecto del peso y la medida del factor, es decir, utilizar los inputs u outputs
virtuales, que son el resultado de multiplicar el peso resultante por el correspondiente valor de
cada variable (ul x lj ,vr yrj ) . Así, cuanto más alto sea el output o input virtual alcanzado, tanto más
* *

favorable es el factor en cuestión en el índice de eficiencia resultante, representando el trade-off

de tal factor.
€
2.3 Aplicación del modelo seleccionado.
El modelo BCC antes descrito se ha aplicado a los 342 departamentos en el curso 2006-2007
de las nueve universidades públicas andaluzas de acuerdo con la información proporcionada por
la Secretaría General de Universidades, Investigación y Tecnología de la Junta de Andalucía.
En el análisis de los resultados obtenidos de la aplicación del modelo BCC a las distintas
unidades de decisión se han valorado y comparado todas las unidades funcionales que pertenecen
a una misma rama de conocimiento (Ciencias Sociales y Jurídicas) con independencia de la
universidad.
Además, se ha realizado un doble análisis: el de la eficiencia y el de la producción docente.
En el primer caso, se han determinado tanto las unidades eficientes como las ineficientes y se
las ha agrupado en intervalos según el valor de su índice de eficiencia técnica. Al analizar la

34
eficiencia de una unidad funcional, dada la enorme flexibilidad de la técnica envolvente, puede
ocurrir que una unidad sea considerada eficiente simplemente porque su perfil de producción sea
atípico. Como de lo que se trata es de discriminar las unidades genuinamente eficientes, es decir,
aquellas que usen de forma óptima sus recursos y pueden constituir un ejemplo a seguir para
las unidades ineficientes, se ha calculado la frecuencia con la que cada unidad eficiente aparece
en el grupo de referencia de las ineficientes. De este modo, cuanto mayor sea la frecuencia de
una unidad más se la puede considerar como auténticamente eficiente. Si, por el contrario, una
unidad catalogada como eficiente tiene frecuencia cero o muy baja, sería sospechosa de que lo
que le hace aparecer como eficiente es su singularidad.
En cuanto al segundo objetivo de este trabajo, es decir, la evaluación de la producción
docente, se han calculado los outputs virtuales de los diferentes departamentos. Con ello se
consigue medir la importancia relativa que cada uno de los tres outputs considerados tiene en la
producción docente global de la unidad funcional y permiten analizar las particularidades que
cada una de estas agrupaciones de departamentos en relación con el resto.

3. Resultados de la rama de Ciencias Sociales y Jurídicas.

La finalidad de este epígrafe es evaluar la eficiencia técnica de los departamentos
universitarios de las universidades andaluzas de la rama de Ciencias Sociales y Jurídicas. El número
total de unidades inventariadas es de 342 en el curso 2006-2007.
Para situar nuestro análisis estimamos conveniente proporcionar una información general
de la situación del sistema universitario andaluz para dicho curso académico. Así, en la Tabla
2, se muestra su distribución en ramas de conocimiento, se aprecia el elevado peso que ostenta
Ciencias Sociales y Jurídicas en el sistema universitario andaluz, con más del 31% de todos los
departamentos, seguida de la rama de Humanidades, que representa el 21%, aproximadamente,
mientras que las restantes ramas, Ciencias Experimentales, Enseñanzas Técnicas y Ciencias de la
Salud, sólo alcanzan alrededor del 18%, el 16% y el 12%, respectivamente.

Tabla 2. Clasificación de las ramas de conocimiento por número de departamentos

Departamentos
Rama de conocimiento 2006-2007
Número %
SYJ Ciencias Sociales y Jurídicas 342 31,55
HUM Humanidades 232 21,40
EXP Ciencias Experimentales 200 18,45
TEC Enseñanzas Técnicas 178 16,42
SAL Ciencias de la Salud 132 12,18
Total 1.084 100,00

Fuente: Elaboración propia.

En cuanto a los recursos humanos de que dispusieron las diferentes áreas, existe gran
disparidad tanto en su capacidad docente como en la forma en que se distribuye entre los dos
tipos de dedicación de sus integrantes, de acuerdo, con la información de la siguiente tabla. Los
departamentos de Ciencias Sociales y Jurídicas dispusieron de un total de 323,90 créditos anuales
de media para impartir clases de los que sólo el 15,33% de sus créditos potenciales correspondieron
a docentes con dedicación parcial.

35
 Tabla 3. Inputs de los departamentos de Ciencias Sociales y Jurídicas

Fuente: Elaboración propia.

En la siguiente tabla se muestra los valores medios de los tres outputs considerados.
En Ciencias Sociales y Jurídicas las unidades funcionales atendieron a una media anual de
2.400,70 alumnos, se financiaron 250,19 créditos y la media de asignaturas ofertadas fueron 13
aproximadamente.

Tabla 4. Outpus de los departamentos de Ciencias Sociales y Jurídicas

Fuente: Elaboración propia.

En la resolución del modelo BCC, tal y como se indica en la siguiente tabla, ofrece 30
unidades eficientes (el 8,77% del total de las 342 unidades analizadas).

Tabla 5. Indicadores de eficiencia de los departamentos de Ciencias Sociales y Jurídicas clasificados

por tramos. Curso 2006-2007.

Indicador de
Número de unidades % sobre el total
eficiencia
1 30 8,77%
1,001 - 1,099 18 5,26%
1,100 - 1,199 18 5,26%
1,200 - 1,499 57 16,67%
1,500 - 1,999 100 29,24%
2,000 - 2,999 88 25,73%
3 o más 31 9,06%
Total 342 100,00 %
Promedio de
todas las 1,890
unidades
Promedio de las
unidades 1,976
Ineficientes

Fuente: Elaboración propia.

36
 En esta tabla también se refleja la ETP por tramos: 93 unidades (el 27,19%) poseen una
tasa inferior de 1,500; 100 unidades (el 29,24%) situándose entre unos índices de 1,501 y 1,999.
Finalmente, por encima del citado índice de eficiencia, consideradas como muy ineficientes, se
encuentran 119 unidades (representan el 34,79%). Destacan 31 unidades que rebasan el índice 3
de ineficiencia.
Dada la enorme flexibilidad de la técnica envolvente, puede ocurrir que una unidad sea
considerada eficiente simplemente porque su perfil de producción sea atípico. Se hace preceptivo,
por tanto, realizar una cualificación en las unidades funcionales que han resultado eficientes,
distinguiendo cuáles se apoyan en prácticas atípicas (outliers) y cuáles pueden considerarse como
genuinamente eficientes.
En este sentido, existen diversos métodos para poder discriminar entre las unidades
con tasas de eficiencia unitaria (Cooper et al., 2000). Cabe significar que los resultados de
los distintos métodos no tienen por qué coincidir. Como lo que se pretende es discriminar las
unidades genuinamente eficientes de las disidentes, vamos a mostrar los resultados del método de
la frecuencia con la que las unidades eficientes aparecen en el grupo de referencia (peer group)
de las ineficientes, por ser el más intuitivo.
En este sentido, cuando la frecuencia es alta, podemos considerar que se trata de unidades
con auténtica eficiencia. Si, por el contrario, una unidad catalogada como eficiente sólo aparece
como referencia de sí misma, su eficiencia será sospechosa (puede alcanzar la eficiencia de forma
anómala). En este sentido, de las 30 unidades eficientes, 15 unidades funcionales se pueden
considerar como genuinamente eficientes ya que son referencia de, al menos, 20 unidades
ineficientes. En concreto, destaca la unidad 48 que es referencia de 143 unidades ineficientes, lo
que representa un 45,83% de las 312 unidades ineficientes.
Los outputs virtuales obtenidos de la resolución del modelo dual, permiten valorar el peso
relativo que tienen los tres outputs considerados en la actividad docente de las distintas ramas de
conocimiento. En esto también se aprecian diferencias notables –Tabla 6–. Así, en Ciencias Sociales
y Jurídicas los créditos financiables tienen una contribución marginal del 43,9%, constituyendo
el aspecto de su producción más relevante, seguido por el número de alumnos con el 30,0% y el
de asignaturas ofertadas, con aportaciones que superan el 26%.

Tabla 6. Outputs virtuales de los departamentos de Ciencias Sociales y Jurídicas. Curso 2006-
2007.
Output virtual 2006-2007
Créditos financiables 0,439
Alumnos normalizados 0,300
Asignaturas ofertadas 0,262

Fuente: Elaboración propia.

4. Conclusiones
Nuestro trabajo aplica la metodología DEA para evaluar la eficiencia técnica del sistema
universitario público de Andalucía, tomando como unidad de análisis, siguiendo criterios de
afinidad docente e investigadora, la unidad funcional más pequeña con capacidad de decisión,
centrándonos en las de la rama de Ciencias Sociales y Jurídicas del curso académico 2006-2007.
A partir de los datos disponibles, se ha considerado tres outputs relativos a docencia: número
de créditos financiables (CREFIN), alumnos normalizados (ALUNORM) y asignaturas ofertadas

37
(ASIGOFE). En cuanto a los recursos, tras examinar distintas opciones, nos hemos inclinado por
la capacidad docente del profesorado a tiempo completo (CAPDOCTC) y la capacidad docente del
profesorado a tiempo parcial (CAPDOCTP). En próximos estudios pretendemos disponer información
de otros outputs de proceso que consideramos relevantes para el estudio como pueden ser, por
ejemplo, porcentaje de créditos aprobados sobre créditos matriculados ó porcentaje de créditos
aprobados sobre créditos presentados.
Además, hemos optado por una orientación output, es decir, hemos analizado si las unidades
funcionales, con los recursos humanos disponibles, están ofreciendo el mayor servicio posible o
no, desde el punto de vista docente.
Los resultados obtenidos nos permiten discriminar las unidades en eficientes e ineficientes
empleando para ello la Eficiencia Técnica Pura (ETP, modelo BCC).
A partir de la información obtenida, hemos procedido a aplicar la metodología DEA para
los departamentos de la rama de Ciencias Sociales y Jurídicas. Al contextualizar el estudio, el
número de unidades relativamente eficientes es de 30, si bien con una eficiencia inferior a 1,500
se sitúan 123 (representa un 35,96%). Además, de las 30 unidades eficientes destacan 20 ya que
son referencia de más de 20 unidades ineficientes.
También cabe destacar que en esta rama del conocimiento, los créditos financiables
constituye el aspecto de su producción más relevante, seguido por el número de alumnos y el de
asignaturas ofertadas.
En resumen, la técnica DEA puede ser una herramienta apropiada que aporta objetividad y
racionalidad a los gestores universitarios a la hora de analizar la realidad para que las decisiones
que se tomen estén cada vez más y mejor informadas.

Referencias
Arcelus, F.J. y D.F. Coleman (1997): “An efficiency review of University departments”. International
Journal of Systems Science, vol. 28, nº. 7, pp. 721-729.

Banker, R.D., A. Charnes, y W.W. Cooper, (1984): ”Some models for estimating technical and scale
inefficiencies in DEA”. Management Science, vol. 30, nº. 9, pp. 1.078-1.092.

Cooper, W.W., L. Seiford, y K. Tone (2000): “Data Envelopment Analysis: a Comprehensive Text
with Models, Applications, References and DEA-Solver Software”. Ed. Kluver Academic. Boston.

Gómez, J.M. y M.J. Mancebón (2005): “Algunas reflexiones metodológicas sobre la evaluación
de la eficiencia productiva de las instituciones de educación superior”. Ekonomiaz, 60, nº. I, pp.
140-167.

Hanke, M. y T. Leopoldseder (1998): “Comparating the efficiency of Austrian Universities: a Data

Envelopment Analysis Application”. Tertiary Education and Management, vol. 4, nº. 3, pp. 191-
197.

Kao, Ch. y H-T. Hung (2008): ”Efficiency analysis of university departments: an empirical study”.
Omega, The International Journal of Management Science, nº 36, pp. 653-664.

Junta de Andalucía (2007), “Bases del modelo de financiación de universidades 2007-2011”.

Consejería de Innovación, Ciencia y Empresa. Junta de Andalucía.

38
Lovell, C.A. y M.A. Muñiz (2003): “Eficiencia y productividad en el sector público”. Papeles de
Economía Española, 95, pp. 47-65.

Pedraja, F., J. Salinas y J. Suarez (2001), “La medición de la eficiencia en el sector público”, en
Álvarez, A. (Coordinador), La medición de la eficiencia y la productividad, pp. 243-265.

Pina, V. y L. Torres (1995): “Evaluación del rendimiento de los departamentos de Contabilidad de

las universidades españolas”. Hacienda Pública Española, vol. 135, pp. 183-190.

Sinuany-Stern, Z., A. Mehrez y A. Barboy (1994): “Academic Departments Efficiency via D.E.A.”.
Computers & Operations Research, vol. 21, nº. 5, pp. 543-556.

Tomkins, C. y R. Green (1988): “An experiment in the use of data envelopment for evaluating the
efficiency of UK university departments of accounting”. Financial Accountability and Management,
44, pp. 147-164.

Torrico, A., F. Pérez, T. Galache, J. Molina, T. Gómez y R. Caballero (2007): “Análisis de la eficiencia
de las unidades productivas de una universidad”, Rect@, 8 (1), pp. 163-195.

Villarreal, E. (1999), “La utilización de indicadores de rendimiento en la financiación de la

educación superior”, en CONSEJO DE UNIVERSIDADES (1999) (Coordinador Javier Vidal García)
“Indicadores en la Universidad: información y decisiones. Plan Nacional de la Calidad de las
Universidades”, pp. 65-80.

39
2. El rendimiento educativo y sus determinantes según PISA: Una revisión
de la literatura en España

José Manuel Cordero Ferrera, Universidad de Extremadura

Eva Crespo Cebada, Universidad de Extremadura
Francisco Pedraja Chaparro, Universidad de Extremadura
Rosa Simancas Rodríguez, Universidad de Extremadura

40
El rendimiento educativo y sus determinantes según PISA: Una revisión de
la literatura en España

José Manuel Cordero Ferrera, Universidad de Extremadura

Eva Crespo Cebada, Universidad de Extremadura
Francisco Pedraja Chaparro, Universidad de Extremadura
Rosa Simancas Rodríguez, Universidad de Extremadura

Resumen
La publicación de los resultados de la cuarta oleada del Informe PISA ha vuelto a poner de
relieve la distancia que sigue existiendo entre nuestro país y nuestros principales competidores.
El evidente interés por reducir esa distancia ha dado lugar en los últimos años a la proliferación
de estudios empíricos que, tomando como base la información proporcionada por esta base de
datos, han tratado de indagar acerca de cuáles son los principales determinantes del rendimiento
educativo en nuestro país. El objetivo de este trabajo consiste en la revisión sistemática de estas
investigaciones con el propósito de clasificarlos, ordenarlos y extraer sus principales conclusiones,
cuyo interés para el desarrollo de medidas de política educativa resulta evidente.

Palabras clave: Educación, PISA, Survey, Regresión, Eficiencia.

Clasificación JEL: D20, I22.

1. Introducción

La reciente publicación de los resultados del Informe PISA 2009 ha vuelto a tener un
fuerte impacto tanto en los medios de comunicación como en la vida política del país, como
consecuencia de la discreta posición que ocupa nuestro país en comparación con los países de su
entorno más cercano2, claramente por debajo de la media de OCDE y superado por la mayoría de
los países de la Unión Europea.
Esta evidencia suele generar un clima de insatisfacción que viene acompañado por un
creciente interés por identificar los principales factores explicativos de estos resultados, con el fin
de poder instrumentar medidas de política educativa encaminadas a mejorar el rendimiento de los
alumnos (Fuentes, 2009). Lamentablemente, esta tarea no resulta sencilla. De hecho, el estudio
de estos factores constituye uno de los grandes paradigmas de la economía de la educación
desde la aparición de los primeros trabajos en este campo a mediados del siglo pasado. En el
ámbito concreto de nuestro país, si bien los esfuerzos son bastante más recientes, una abundante
literatura se ha ocupado de esta cuestión desde mediados de los años ochenta. Los primeros
trabajos que abordaron esta tarea se encontraron con una importante limitación derivada de
la escasez de información disponible sobre el rendimiento académico y sobre las circunstancias
socioeconómicas y culturales del alumnado de los centros escolares. De hecho, la mayor parte
de estos trabajos se han debido realizar sobre la base de encuestas diseñadas y aplicadas ad hoc
por cada investigador (es el caso de los estudios realizados por Mancebón, 1996; Muñiz, 2000 y
Cordero, 2006). Además, la información disponible se refería a datos agregados a nivel de escuela,
lo que implica restricciones, pues no resulta posible descomponer los distintos efectos que tienen
los servicios educativos sobre alumnos de características diferentes.
2 No obstante, autores como Marchesi (2006) o Carabaña (2007) defienden que estamos en el lugar que nos corresponde
de acuerdo a nuestro nivel socioeconómico y volumen de gasto educativo.

41
 Desde finales de los años noventa, la aparición de diversos estudios realizados a nivel
internacional como TIMSS (Trends in International Mathematics and Science Study), IALS
(International Assessment of Literacy Survey), PIRLS (Progress in International Reading LIteracy
Study) y, especialmente, PISA (Programme for International Student Assessment), supuso un
importante avance para la comunidad investigadora, al ofrecer un volumen de información amplio
y detallado a nivel de alumno, lo que hacía posible la realización de estudios más meticulosos
sobre los condicionantes del proceso de aprendizaje que tiene lugar en las escuelas. De hecho en
los últimos años, son muchos los trabajos empíricos que se han realizado en nuestro país tomando
como referencia esta base de datos.
El objetivo de este trabajo es dar a conocer las utilidades de PISA como herramienta de
análisis del rendimiento educativo y los principales factores que inciden sobre éste, obviando
por tanto otros posibles enfoques basados en las desigualdades educativas o la comparación
internacional, los cuales quedan fuera del ámbito de nuestro análisis. Con este propósito, el
trabajo analiza la utilidad de la información proporcionada por esta base de datos y examina
los diferentes enfoques que pueden adoptarse para su evaluación, mediante una revisión de los
trabajos que han utilizado este estudio en el contexto español. Esta revisión de la literatura, no
sólo nos permite identificar algunos elementos clave para explicar y comprender la realidad de la
educación secundaria en España, sino que además nos ofrece información de gran utilidad para el
diseño de políticas educativas encaminadas a la mejora del rendimiento escolar.
De acuerdo a estos propósitos, el texto se organiza de la siguiente forma. En la sección
segunda se ofrece una descripción de la información proporcionada por la base de datos PISA, junto
a una valoración de la misma basada en la literatura sobre la función de producción educativa.
La sección tercera describe y clasifica los diferentes enfoques empleados para la evaluación en
este contexto tomando como referencia los trabajos realizados en nuestro país durante la última
década. Por último, la sección final refleja las principales conclusiones que se derivan del estudio
realizado, así como sus implicaciones desde el punto de vista de la política educativa.

2. El informe PISA
El informe PISA es una iniciativa impulsada por la OCDE a finales de los años noventa con
el propósito de evaluar a escala internacional y de manera periódica las destrezas o competencias
generales que deben poseer los alumnos cuando finalizan o están a punto de finalizar la escolaridad
obligatoria, lo que justifica que se fije población objetivo a los alumnos de 15 años. La finalidad
del estudio es generar indicadores sobre aspectos relacionados con el rendimiento educativo
que puedan ser de utilidad tanto para investigadores como para los responsables políticos. Los
instrumentos empleados en la evaluación siguen unas directrices comunes, lo que permite la
comparación de los distintos indicadores. Los estudios se realizan cada tres años. La primera
evaluación tuvo lugar en el año 2000 y la última está prevista en el año 2015.
En la evaluación participan países miembros de la OCDE, junto con un grupo cada vez más
numeroso de países asociados3. El estudio evalúa el rendimiento de los alumnos en tres ámbitos:
comprensión lectora, matemáticas y resolución de problemas y comprensión de textos científicos.
No obstante, debe aclararse que no se evalúan contenidos curriculares, sino que las pruebas dan
énfasis al dominio de procesos, a la comprensión de conceptos y a la capacidad de desenvolverse
en distintas situaciones4. De esta forma se facilita la comparación entre los resultados de los
3 El total de países participantes fue de 32 en 2000, 41 en 2003, 57 en 2006 y 65 en 2009 (33 pertenecientes a la
OCDE y 327 asociados).
4 Este planteamiento ha dado lugar a una corriente crítica que considera que los mediocres resultados obtenidos
por los alumnos españoles en PISA no obedece a una peor preparación, sino a que el currículo español tiene una

42
diferentes países participantes, independientemente de las diferentes formas de organización
educativa y del currículo escolar.
En cada una de las ediciones se trata con mayor profundidad uno de los ámbitos
mencionados5. Hasta el momento han tenido lugar cuatro oleadas de este estudio (2000, 2003,
2006 y 2009), centrándose respectivamente en lectura, matemáticas, ciencias y, nuevamente, en
lectura. Esto permite una extensa y detallada visión sobre la educación de los estudiantes cada
nueve años, con una aproximación de su evolución cada tres años. No obstante, los resultados de
distintos años no son comparables, puesto que tanto los alumnos como las escuelas participantes
son distintos.
La información proporcionada por esta base de datos pretende adaptarse a la estructura
tradicional de la función de producción educativa definida por Levin (1974) y Hanushek (1979),
cuya formulación básica puede expresarse de la siguiente manera: Aij = f (Sij, Bij, Pij, Iij) ; donde
Ais representa el output del proceso educativo del alumno i en la escuela j, que depende de un
conjunto de factores representados por los inputs escolares (Sij), las características socioeconómicas
de los estudiantes (Bij), las influencias de los compañeros o efecto peer group (Pij) y la capacidad
innata del alumno (Iij).
El output educativo en PISA está representado por el resultado obtenido por los alumnos
en una prueba de conocimientos estandarizada, los denominados “test scores”. Una de las grandes
ventajas que ofrece el proyecto PISA en relación a las medidas del output educativo es que no evalúa
las capacidades o destrezas mediante una puntuación en escala continua. Este procedimiento está
basado en la teoría de la respuesta al ítem desarrollada por Rasch (1960/1980), según la cual las
dificultades de cada pregunta y las habilidades del alumno son estimadas de manera simultánea.
Dado que cada individuo responde solamente a un número limitado de ítems del test, hay que
estimar cuál sería el resultado considerando el total de los ítems utilizados en la evaluación. El
indicador resultante se define como una variable continua que utiliza como referencia el resultado
de los alumnos a escala internacional, con un valor medio de 500 puntos y una desviación
estándar de 100 puntos.
El uso de esta metodología implica que, en lugar de trabajar con un valor medio puntual
de los conocimientos de cada alumno, se utilicen cinco valores extraídos aleatoriamente de la
distribución de resultados, denominados valores plausibles (Wu y Adams, 2002), entendidos como
una representación del rango de habilidades que tiene cada estudiante. Asimismo, los propios
Manuales de Datos del Informe (OECD, 2001, 2005, 2007, 2009) establecen que, a la hora de estimar
cualquier estadístico poblacional, es necesario realizar una estimación usando cada uno de los
valores plausibles separadamente para, posteriormente, calcular el promedio de los estadísticos
obtenidos con cada uno de los valores plausibles. La opción de tomar el valor medio de los cinco
valores y calcular posteriormente los estadísticos no resultaría correcta, pues implicaría un sesgo
en la estimación.
Siguiendo con la estructura de la función de producción educativa, cabe señalar que PISA
realiza un importante esfuerzo para recopilar datos relativos a los diferentes factores explicativos
del rendimiento, como son el clima escolar, las características de los centros educativos o el entorno
familiar de los alumnos. Para este propósito PISA elabora dos cuestionarios6, uno cumplimentado
concepción demasiado academicista, lo que no favorece el aprendizaje de cuestiones útiles para la vida cotidiana
(Hernández, 2006).
5 El área principal en cada oleada ocupa aproximadamente el 66 por ciento del estudio, con dos áreas remanentes
contando cada una como 17 por ciento.
6 Existe un tercer cuestionario que deben rellenar los padres de los alumnos, aunque esta información sólo está
disponible para un número reducido de países, entre los que no se encuentra España (Ministerio de Educación, 2010,
p. 117; OCDE, 2010).

43
por la dirección del centro y otro por los alumnos7. Las variables construidas a partir de las
respuestas de ambos cuestionarios son tratadas con gran rigor, realizando las transformaciones
óptimas para el correcto análisis de los datos.
El primero de ellos proporciona información acerca de la organización escolar, los procesos
de enseñanza-aprendizaje y las prácticas educativas, es decir, los denominados inputs escolares
(Sis). Las variables que se derivan del mismo se pueden dividir en tres grandes bloques. El primero
se refiere a las características de la organización y la gestión de los centros, como pueden ser su
titularidad (centros públicos, privados o concertados), la autonomía en la gestión de los recursos
y la toma de decisiones, las prácticas de evaluación o el grado de implicación de los padres, entre
otras. El segundo incluye información acerca de los recursos humanos y materiales de los que
dispone el centro educativo (proporción entre alumnos y profesores, ordenadores disponibles,
calidad de las infraestructuras físicas del colegio8, recursos educativos, etc.). El último bloque
se centra en los procesos educativos que tienen lugar en el aula, entre los que destacan las
oportunidades de aprendizaje de los estudiantes, el tiempo que emplean en el desarrollo de las
tareas o el control del rendimiento en clase.
El segundo cuestionario recoge información acerca de las características de los estudiantes,
entre las cuales pueden señalarse el género, su nivel de autoestima y confianza para superar los
problemas, sus intereses formativos y educativos, las estrategias de aprendizaje que utilizan, el
gusto o inclinación por el estudio de una determinada materia o su relación con los profesores.
También se recopila información sobre el país de origen, tanto del alumno como de sus familiares
directos, con el objeto de analizar la influencia del porcentaje de alumnos inmigrantes y sus posibles
dificultades para el aprendizaje, aspecto que alcanza una gran relevancia en el contexto actual
de nuestro país. Por último, también se obtienen datos acerca del grado de bienestar económico
del hogar, así como del nivel educativo y la cualificación profesional de los padres. En relación
a estos últimos, debe destacarse el importante esfuerzo de homogeneización y síntesis realizado
por los técnicos de PISA, plasmado en el uso de medidas estandarizadas a nivel internacional
para establecer los niveles educativos y ocupacionales, y la construcción de un índice sintético
representativo del estatus social, económico y cultural (ESCS), que aglutina la información más
relevante sobre estos factores.
Estos datos, además de representar el factor Bis, resultan de gran utilidad para calcular
el efecto peer group (Pij), el cual puede obtenerse a partir de la información de los alumnos que
pertenecen al mismo centro educativo (j) que el alumno evaluado (i). Sin embargo, sobre lo que
PISA no ofrece apenas información es sobre las capacidades innatas del alumno (Iij), las cuales
podrían aproximarse preguntándole por su expediente académico previo. En este sentido, la única
información disponible al respecto es la condición de repetidor del alumno (distinguiendo entre
uno o más años), si bien esta condición puede estar vinculada con los criterios establecidos en el
centro y/o en la región o país al que pertenezca.
Otro aspecto importante de esta base de datos es que ofrece la posibilidad de participar
con una muestra específica a las regiones de un país, garantizando una precisión estadística
suficiente como para poder ser comparadas entre sí y con los demás países participantes en PISA.
Esta posibilidad ha sido acogida muy favorablemente en nuestro país, uno de los pioneros en la
participación de sus regiones. Así, en el año 2003 decidieron ampliar la muestra con Castilla y
León, Cataluña y el País Vasco. En 2006, además de las tres comunidades citadas, se adhirieron
Andalucía, Asturias, Aragón, Cantabria, Galicia, La Rioja y Navarra. En 2009, a la muestra estatal
7 El contenido de estos cuestionarios puede consultarse en la página web de la OCDE: www.oecd.org
8 Esta información, recogida en la variable SMATBUI, sólo está disponible para las dos primeras oleadas del Informe
(2000 y 2003).

44
se sumaron las muestras de 14 comunidades autónomas, las antes mencionadas y 4 que participan
por primera vez con muestra ampliada: Baleares, Canarias, Madrid, Murcia, además de las ciudades
autónomas de Ceuta y Melilla (MEC, 2010).
La riqueza informativa de esta base de datos ha dado lugar a una proliferación de estudios
que tienen por objeto identificar los principales factores explicativos de los resultados, tanto
desde una perspectiva de comparación internacional (Fertig y Schmidt, 2002; Fertig, 2003; Wolter
y Vellacott, 2003; Wilson, 2005; Fuch y Woessman, 2007; Santín y Jorge, 2010), como en el
ámbito doméstico de una determinada nación. Precisamente, éste es el ámbito que atrae nuestra
atención, pues consideramos que, una vez que han pasado casi diez años desde la publicación de
los primeros resultados de este Informe, llega el momento de realizar un repaso de los múltiples
trabajos que han utilizado esta base de datos en el contexto nacional como base para el análisis
de los determinantes del rendimiento educativo obtenido por nuestro país en esta prueba. La
siguiente sección ofrece un resumen de la literatura aplicada en este campo haciendo especial
énfasis en la metodología empleada en cada uno de estos estudios.

3. Opciones metodológicas y estudios empíricos en España

El planteamiento de trabajos que pretenden vincular los resultados obtenidos en PISA
con sus factores explicativos puede asumir múltiples enfoques metodológicos, según sean los
aspectos en los que estén interesados los investigadores o gestores de política educativa (McEwan,
2010). Así, si el objetivo es únicamente la identificación y cuantificación del efecto de dichas
variables explicativas sobre el output del proceso, la opción más apropiada será la estimación de
una regresión, mientras que si el interés se concentra en saber si los estudiantes están sacando
el máximo provecho de los recursos que tienen a su disposición o incurren en comportamientos
ineficientes, bien por su escaso rendimiento o por aspectos relativos al centro en el que estudian,
será necesario el cálculo de una frontera de producción formada por los mejores alumnos que
servirá de referencia al resto. Hasta el momento, estos dos enfoques, complementarios entre sí,
han sido los más utilizados en los estudios empíricos realizados en nuestro país con esta base de
datos, aunque también pueden encontrarse trabajos que se ocupan de estudiar cuestiones más
específicas como el efecto de la inmigración, las diferencias entre centros públicos y privados o los
efectos de la repetición de curso, que requieren el uso de metodologías adaptadas a los objetivos
perseguidos9.
En los dos epígrafes siguientes se explican con detalle cada una de las opciones
metodológicas mencionadas, complementando las explicaciones con una revisión de los trabajos
que han aplicado estas herramientas de análisis en el contexto español, así como las principales
conclusiones alcanzadas por cada uno de ellos.

3.1. Análisis de regresión

Este enfoque tiene por objeto determinar si existe algún tipo de relación estadística
significativa entre las variables representativas de las habilidades de los alumnos y los diferentes
factores que participan en el proceso educativo. Con esta estrategia, el objetivo primordial es, por
tanto, determinar si una variable tiene o no influencia sobre los resultados y, en caso afirmativo,
conocer el sentido (positivo o negativo) de esa influencia. Este planteamiento cuenta con una
notable tradición dentro de la literatura sobre la economía de la educación desde la publicación
del conocido Informe Coleman (1966), considerado como una referencia fundamental en este
ámbito por la gran amplitud de la muestra utilizada, de la que formaban parte más de 600.000
9 Estos estudios se han dejado fuera del análisis por la ausencia de espacio.

45
 estudiantes, 60.000 profesores y 4.000 escuelas de Estados Unidos.
Como se expuso en la sección segunda, el modelo estándar para estimar una función
de producción educativa es aquél en el que el resultado educativo en una única competencia10
depende de un conjunto de variables entre las que pueden distinguirse dos grandes bloques
representados por las características individuales y familiares del alumno, dentro de las cuales se
incluyen tanto sus propias capacidades innatas (Iij) como factores socioeconómicos (Bij), y los
factores escolares, tanto los vinculados a recursos disponibles (Sis) como con el clima escolar (Pij).
De esta forma, la especificación se puede simplificar, dando lugar al siguiente modelo:
Yij = β 0 + β1 X ij + β 3 Z j + εis ; donde Yij representa el resultado educativo del individuo i en el
centro j, Xij es un vector de características individuales y familiares del individuo i del centro j y
Zj representa al vector de características de la escuela j.
€ Para estimar este modelo, la opción más sencilla es mediante mínimos cuadros ordinarios
(MCO), aunque esta alternativa no produciría errores estándar correctos, ya que los alumnos
pertenecientes a la misma escuela presentan valores similares en las variables escolares, de modo
que la correlación promedio entre variables de los alumnos de un mismo centro será superior
a la existente entre alumnos de diferentes escuelas (Hox, 1995). Por este motivo, la mayoría
de las aplicaciones empíricas que sigue este enfoque se decanta por el uso de modelos de
regresión multinivel (Bryk y Raudenbush, 1992; Snijders, 1999; Bickel, 2007), en los que se
tiene en consideración que los alumnos forman parten o están “anidados”, en un nivel superior,
representado por las escuelas.
Los modelos multinivel permiten conocer no sólo el valor promedio de los efectos de las
variables explicativas sobre la dependiente, es decir, el valor correspondiente al conjunto de
unidades de los niveles superiores (escuelas, distritos, países, etc.), sino también la variación de
los efectos en dichos niveles. De este modo, la estimación no calcula una única recta de regresión,
como ocurre en un análisis de regresión lineal simple, sino múltiples rectas, una para cada escuela.
Esta ventaja relativa ha hecho que los propios datos del Informe PISA estén diseñados con el
propósito de facilitar la estimación de modelos multinivel, y que incluso se dedique un apartado
específico a esta técnica en el manual que acompaña a la presentación del Informe en cada una
de las oleadas.
La estrategia más utilizada para el cálculo de los resultados en este tipo de estudios
consiste en el uso de un enfoque “aditivo” en el que, a partir de una especificación básica
de partida, se van incorporando los diferentes bloques de variables explicativas paso a paso
(Dronkers and Robert, 2008). Normalmente, el primer paso consiste en la descomposición de la
varianza de los resultados en distintos niveles. En PISA, esta separación se refiere normalmente
a los estudiantes y las escuelas, pero también puede aplicarse un análisis en tres niveles (Bryk y
Raudenbush, 1988) en el caso de que se considere un estudio comparado entre varios países (Ruíz
de Miguel, 2009) o una comparación entre las regiones pertenecientes a un mismo país.
Una vez estimado este modelo, el análisis suele ampliarse con la introducción de las
variables independientes. Normalmente, las primeras son las variables explicativas a nivel de
alumno, asumiendo que el efecto de la variable explicativa (Xij) puede ser distinta entre las
escuelas (posibles cambios en la pendiente). Finalmente, el último paso consiste en la estimación
de un modelo en el que también se incluyen las variables explicativas escolares (Zlj). Por tanto,
no sólo se permiten variaciones en la constante y en la pendiente, sino interacciones entre las
variables pertenecientes a los dos niveles (alumno y escuela).
Entre los trabajos que han optado por este enfoque para analizar el rendimiento educativo
10 En el contexto de PISA este resultado está representado por cinco valores plausibles para cada competencia.

46
de los alumnos españoles en PISA se pueden distinguir entre aquellos que utilizan la información
relativa a la totalidad de los alumnos que componen la muestra, tanto para 2003 (Calero y
Escardibul, 2007; Calero et al., 2007; Salido, 2007; Rendón y Navarro, 2007) como para 2006
(Escardibul, 2008; López et al., 2009), los que optan por realizar análisis específicos para
determinados grupos de alumnos, como pueden ser los de origen inmigrante (Calero et al., 2009)
o los más propensos al fracaso escolar11 (Calero et al. 2010) y los que asumen una perspectiva de
comparación inter-regional (Agasisti y Cordero, 2011).
De acuerdo a los resultados obtenidos en estos estudios, la variación entre las escuelas
parece ser relativamente pequeña en nuestro país – en torno al 20% en PISA 2003 (Calero y
Escardibul, 2007; Rendón y Navarro, 2007) y alrededor del 15% en PISA 200612 (López et al.,
2009; Agasisti y Cordero, 2011) – en relación al conjunto de países de la OCDE, situados en
valores próximos al 35 % en ambas oleadas. Esto implica que las desigualdades en los resultados
académicos de los alumnos se pueden atribuir más a sus propias características que a las de los
centros en los que cursan sus estudios, en los que existe una gran homogeneidad en cuanto a su
dotación de recursos y la organización de la enseñanza.
Entre las variables individuales que tienen un efecto más destacado sobre el rendimiento
educativo, cabe destacar el importante papel de las variables socioeconómicas, tanto educativas
como culturales, sociales o de origen familiar (Salido, 2007), así como la notable incidencia
negativa de la condición de inmigrante (de primera generación, es decir, nacido en el extranjero y
con padres extranjeros), que se hace mucho más evidente cuando la proporción de inmigrantes en
el centro es elevada13. En el ámbito personal, destacan los efectos positivos de la edad14, ser varón,
estar motivado en el aprendizaje, así como tener conocimientos respecto a las tecnologías de la
información y la comunicación y esforzarse en el estudio (Calero y Escardibul, 2007). Mención
especial merece el hecho de estar cursando un curso inferior al que corresponde por edad en el
momento de la realización de las pruebas de PISA tiene un impacto altamente significativo y muy
negativo sobre el rendimiento de los alumnos, especialmente cuando se trata de alumnos que han
repetido más de un curso escolar (Calero et al., 2009; Agasisti y Cordero, 2011).
En el ámbito escolar, la titularidad del centro no parece tener una influencia significativa,
una vez consideradas las variables socioeconómicas y culturales asociadas a las familias y los
centros (Escardibul, 2008). Además, debe destacarse el hecho de que la mayoría de las variables
relacionadas con los recursos de los que disponen las escuelas resultan no significativas, aspecto
que parece estar claramente vinculado con la homogeneidad existente entre las escuelas en
nuestro país.
Además del análisis multinivel, existen otras técnicas de regresión que pueden ser (y
de hecho han sido) aplicadas a la base de datos PISA en diferentes estudios, tanto a nivel
internacional como en el contexto español. Entre ellas, cabe destacar el análisis de regresión
cuantílica, introducido por Koenker y Bassett (1978), mediante el cual resulta posible distinguir
los efectos de la variable explicativa sobre distintos tramos de valores de la variable dependiente.
El planteamiento de este enfoque permite ser mucho más exhaustivo que las técnicas descritas
previamente, pues considera distintos segmentos (cuantiles) dentro de la distribución completa
11 Este trabajo presenta como principal aspecto novedoso el empleo de un modelo logístico multinivel.
12 Calero et al. (2009) señalan que esta variación es el doble para los alumnos de origen inmigrante que para los de
origen nacional (23% frente al 10,5%).
13 En diferentes estudios realizados con la base de datos de 2003 (Calero y Escardibul, 2007) y 2006 (Calero et al.,
2009) se ha puesto de manifiesto que cuando la concentración de alumnos de origen inmigrante supera el 20 %, el
rendimiento de los estudiantes se ve perjudicado.
14 Este fenómeno se conoce como “efecto calendario”, esto es, los alumnos más jóvenes dentro de una misma clase
tienen más dificultades en el aprendizaje (Calero et al., 2009).

47
de la variable dependiente y estima el efecto de las variables explicativas sobre éstos, permitiendo
que existan diferentes pendientes para cada uno de estos tramos (cuantiles). Además, esta técnica
es menos sensible ante la presencia de outliers que las técnicas de regresión más clásicas. En el
ámbito concreto de estudios que emplean los datos de PISA, esta técnica nos permite comprobar
si el efecto de determinadas variables puede cambiar dependiendo de si se trata de alumnos con
buenos o malos resultados en la evaluación.
Aunque el uso de esta técnica está muy extendido en la literatura (Eide y Showalter,
1998; Fertig, 2003 o Woessman, 2004 son algunos ejemplos), en nuestro país su uso hasta el
momento ha sido limitado. En uno de los escasos trabajos que han optado por su empleo, Calero
et al. (2007), a partir de los datos de PISA 2003, analizaron el efecto de distintas variables sobre
los cuantiles que agrupaban al 10 % de alumnos con peores resultados y el 10% con los mejores
en relación al punto medio de la distribución (50%), llegando a la conclusión de que apenas se
detectan diferencias estadísticamente significativas entre los distintos segmentos. Por su parte,
González-Betancor y López-Puig (2006) destacan el claro efecto negativo que tiene sobre los
peores alumnos el hecho de que la madre sea inmigrante o tenga un bajo nivel educativo, factores
que se vuelven poco transcendentes cuando se trata de alumnos situados en el cuantil más
elevado. En un trabajo posterior (González y López-Puig, 2008), tras comparar los resultados de
las oleadas de 2003 y 2006, no encuentran diferencias significativas en los resultados, con la
excepción de las diferencias entre centros públicos y privados, consideradas como significativas
en 2003, pero que dejan de serlo en 2006.

3.2. El enfoque tipo frontera y la consideración de la ineficiencia

El concepto de función de producción frontera se interpreta como la relación técnica que
define el máximo nivel de output que se puede obtener dados unos inputs y una tecnología.
Adaptando esta idea al contexto de nuestro análisis, la función frontera representa la máxima
puntuación que puede alcanzarse en PISA teniendo en cuenta los recursos disponibles, la cual
sirve de referencia para el cálculo de la ineficiencia de aquéllos que no logran alcanzarla. El
problema básico de este tipo de análisis es que la frontera no es observable en la práctica, de
modo que ésta debe calcularse a partir de las mejores prácticas observadas de entre todas las
observaciones evaluadas.
La estimación empírica de la frontera puede realizarse siguiendo diversas aproximaciones
que, en general, suelen dividirse fundamentalmente en dos grandes grupos: técnicas no
paramétricas, basadas en modelos de optimización matemática, y paramétricas (o econométricas),
cada una de las cuales presenta sus propias ventajas y limitaciones.
Una revisión de la literatura a nivel internacional permite apreciar que la opción no
paramétrica es la preferida por la mayoría de los autores, desde los trabajos pioneros de Bessent y
Bessent (1980) y Bessent et al. (1982), en los que se trabajaba con datos agregados, hasta otros
más recientes, en los que se trabaja con datos individuales (Thanassoulis, 1999)15. La preferencia
por esta alternativa se explica por su gran flexibilidad, pues no requiere establecer ningún axioma
o pauta de comportamiento de las unidades evaluadas, sino que es suficiente con definir una
serie de propiedades formales que debe satisfacer el conjunto de posibilidades de producción.
Además, este enfoque permite incorporar el carácter multidimensional del proceso educativo con
la inclusión en el análisis de distintos indicadores de resultados (por ejemplo, en el contexto de
PISA, los resultados en matemáticas, lectura y ciencias), lo que supone una importante ventaja con
respecto a los estudios que emplean regresiones, en las que normalmente sólo se considera como
15 Véase Worthington (2001) para una revisión de trabajos sobre evaluación de la eficiencia en educación.

48
 variable explicativa el resultado en la prueba en la que se concentra la correspondiente oleada de
PISA (lectura en 2000, matemáticas en 2003 y ciencias en 2006) e incluso a la mayoría de los que
optan por la utilización de un enfoque tipo frontera con aproximaciones paramétricas.
La técnica más utilizada dentro de este enfoque es el Análisis Envolvente de Datos o Data
Envelopment Analysis (DEA) (Charnes et al., 1978), cuyo planteamiento consiste en la resolución
de un problema de programación matemática para cada unidad observada, atribuyéndole un
índice de eficiencia de acuerdo al nivel de éxito alcanzado en términos de rendimiento académico,
teniendo en cuenta su dotación individual de inputs.
Se trata, por tanto, de buscar para cada unidad una combinación lineal de otras unidades
que sea capaz de producir al menos la misma cantidad de producto en cada una de las dimensiones
consideradas, consumiendo una proporción menor de factores. En caso de que esto no sea posible,
el alumno será eficiente, mientras que si existen alumnos que, con los mismos o menores recursos,
obtienen mejores resultados el alumno es ineficiente.
El principal problema al que se enfrentan los trabajos que utilizan este enfoque es que
la técnica carece de propiedades estadísticas, por lo que no resulta posible realizar contrastes
empíricos para comprobar cuáles son las variables que tienen una mayor incidencia sobre los
resultados. Este hecho, sumado a los problemas de falta discriminación que surgen cuando el
número de variables en el análisis es elevado, convierte a la selección de los inputs en una
decisión fundamental del análisis, pues debe optarse únicamente por indicadores que tengan
un efecto significativo y positivo sobre el output. No obstante, esta limitación puede superarse
mediante el uso de modelos mixtos o de segunda etapa, en los que el índice de eficiencia individual
( θ i ) calculado mediante DEA se utiliza como variable dependiente en una regresión en la que se
pueden incluir multitud de factores explicativos (Zi): θ i = f (Z i ,β i ) + u j .
Estas estimaciones permiten identificar cuáles son las variables que influyen en el índice
€ de eficiencia (cuando la variable sea significativa), así como su signo (positivo o negativo). Una
vez conocidas las variables que influyen en€el índice de eficiencia, se puede corregir el índice
calculado inicialmente a partir de los parámetros estimados, obteniendo un nuevo valor predicho
que tenga en cuenta las características de su entorno .
Precisamente, éste es el enfoque que emplean los dos trabajos que han tratado de evaluar
la eficiencia educativa de los alumnos españoles a partir de la información proporcionada por el
proyecto PISA mediante DEA: Cordero et al. (2010) y Jorge y Santín (2010). En el primero de ellos,
se utiliza la información relativa a los resultados obtenidos en las tres materias evaluadas en PISA
por los alumnos españoles en PISA 2006, distinguiendo entre las distintas regiones participantes,
mientras que Jorge y Santín (2010) utilizan datos relativos a 18 países de la UE para la oleada del
año 2003, considerando también las tres dimensiones disponibles.
Ambos estudios concluyen que el entorno socioeconómico del alumno y el efecto
compañeros influyen positivamente sobre el resultado académico de los alumnos, mientras que
asistir a una escuela privada o concertada, la condición de inmigrante- tanto de primera como de
segunda generación- y el hecho de ser repetidor, en mayor grado si el alumno repite más de un
curso, repercute negativamente sobre la eficiencia del alumno. Jorge y Santín (2010) incorporan
además otras características del alumno y del centro como pertenecer a una familia nuclear, la
cual tiene un efecto negativo sobre la eficiencia del alumno, el sexo -varón es la categoría de
referencia- y un indicador de la disciplina en el aula, siendo estas dos últimas favorables para
la eficiencia educativa. No obstante, las chicas obtienen mejores resultados con rendimientos
variables a escala, sugiriendo que sacan mejor provecho que los varones cuando aumenta su
condición socioeconómica y la de la escuela.

49
 Como alternativa a este enfoque no paramétrico, las técnicas paramétricas parten de una
especificación a priori de la función de producción con parámetros constantes, como pueden ser
la Cobb-Douglas o translogarítmica (Callan y Santerre, 1990; Deller y Rudnicki, 1993; Bates, 1997;
Chakraborty et al., 2001). Una de las principales ventajas de este tipo de aproximaciones consiste
en la posibilidad de realizar un análisis de sensibilidad de los resultados obtenidos, así como el
cálculo de las elasticidades output-input para evaluar el feedback entre los factores empleados y
el resultado obtenido. Sin embargo, la medida de eficiencia alcanzada con esta metodología va a
depender de la forma funcional especificada inicialmente. De ahí que las críticas más extendidas
de esta metodología se basen en la estrecha vinculación entre los resultados obtenidos y los
supuestos de partida acerca de la forma funcional escogida.
La función de producción educativa puede estimarse atendiendo a diferentes especificaciones,
si bien la aproximación basada en el uso de funciones distancia estocásticas ha sido una de las
más utilizadas en la literatura en los últimos años. Entre las principales ventajas de dicha técnica
en relación a otras estimaciones paramétricas, destacan la posibilidad de incorporar procesos
multi-input y multi-output, así como el cálculo de las elasticidades output-input, lo que permite
conocer el trade-off entre los diferentes factores educativos y el resultado académico de los
alumnos. Perelman y Santín (2011a y 2011b) y Cordero et al. (2011) utilizan dicha metodología
para obtener la frontera productiva educativa de los alumnos españoles que participan en PISA
2000, 2003 y 2006, respectivamente. Los dos estudios mencionados asumen la forma funcional
traslogarítmica para estimar la función distancia con ciertas propiedades: flexibilidad, facilidad
de cálculo, homogeneidad degrado uno en outputs.
Perelman y Santín (2011a y 2011b) estiman la función de producción educativa a partir
del modelo propuesto por Battese y Coelli (1988) tras instrumentalizar la variable “tipo de
escuela” de forma que los resultados no sean sensibles al sesgo de selección al que se someten los
alumnos en la escuela concertada. Por otra parte, Cordero et al., (2011) proponen un novedoso
análisis a nivel regional a partir del modelo de Battese y Coelli (1995), el cual permite modelizar
los efectos ineficientes en función de un vector de variables ambientales. Esta aproximación
permite identificar tanto el signo como el efecto que genera cada una de las variables ambientales
consideradas sobre el nivel de eficiencia del alumno con independencia del efecto de los inputs.
Entre los resultados más relevantes que se alcanzan en estos estudios destaca la escasa
influencia de la titularidad de la escuela sobre la eficiencia del alumno. En concreto, Perelman
y Santín (2011b) obtienen que, una vez descontado el tipo de alumnado y evitado, por tanto, el
sesgo de selección, no se aprecian diferencias significativas en la eficiencia de los alumnos entre
las escuelas públicas y concertadas. Asimismo, Cordero et al. (2011) no encuentran un impacto
significativo en relación a la enseñanza pública por el hecho de asistir a un centro privado o
concertado. Por otra parte, los factores individuales que generan un mayor impacto positivo sobre
el resultado académico de los alumnos españoles son el entorno socioeconómico del alumno, el
efecto compañeros y la condición de español, especialmente para la disciplina de comprensión
lectora (Cordero et al., 2011). Perelman y Santín (2011a) destacan también la escasa relevancia
que tienen los recursos escolares, representados por los ratios de ordenadores por alumno o
profesores por alumno, en la explicación de sus resultados. En un trabajo posterior (Perelman y
Santín, 2011b), estos mismos autores señalan que la pertenencia a una familia nuclear y haber
asistido a clases de pre-escolar sí parece mejorar el resultado académico de los alumnos españoles.
Del mismo modo, observan que determinados factores relacionados con los centros educativos
como el mantenimiento de la disciplina en el aula o el tamaño de la clase mejoran el rendimiento
del alumno, especialmente en el caso de matemáticas.

50
 Respecto a los factores explicativos de la ineficiencia del alumno cabe destacar el efecto
negativo del origen inmigrante, tanto de primera como de segunda generación, y la condición
de repetidor, especialmente si el alumno ha repetido más de un curso. El tamaño de la escuela,
por el contrario, supone una mejora del rendimiento del alumno, si bien los resultados sobre el
tamaño del aula o de la calidad de los recursos educativos no son concluyentes, por lo que no
hay evidencia empírica acerca del efecto en los resultados de determinadas políticas educativas
encaminadas a la reducción del tamaño de las clases o a mejorar la calidad de los recursos con
los que cuentan los centros. Otro factor a considerar en dicho análisis es el componente regional,
ya que se observan diferencias en la eficiencia media de los alumnos entre las Comunidades
Autónomas que participan con muestra representativa en PISA 2006. De manera que, los alumnos
procedentes de Aragón, Castilla-León, Galicia y La Rioja son los más eficientes en relación al
conjunto de regiones que no tienen muestra representativa (Cordero et al., 2010b).
Finalmente, el análisis ANOVA del término error muestra en ambos artículos que las
divergencias en eficiencia se explican fundamentalmente por el comportamiento de los alumnos,
lo cual puede explicarse por una escasa motivación del alumnado, que menoscaba en una falta de
dedicación al estudio, no siendo determinante la elección de la escuela en España.

4. Conclusiones
La convicción generalizada de que una educación de mayor calidad, medida a través de
los conocimientos y capacidades demostradas por los alumnos en evaluaciones internacionales,
muestra una evidente correlación con el mayor crecimiento económico de un país, hace que una
de las prioridades de la política educativa de un país sea la indagación acerca de cuáles son los
factores que más influyen en el rendimiento escolar, como paso previo a la adopción de medidas
encaminadas a fortalecer el sistema educativo y poder disponer en el futuro de una población más
y mejor formada.
En este sentido, la riqueza de la información proporcionado por los estudios PISA constituye
una herramienta de gran utilidad, no sólo para los gestores de la política educativa, sino para
los miembros de la comunidad científica que, en los últimos años, han desarrollado multitud de
trabajos en los que se emplea esta base de datos como instrumento de análisis. En este estudio se
ofrece una clasificación de las investigaciones que han empleado esta fuente de información para
analizar los factores del rendimiento educativo en España junto una síntesis de los principales
resultados obtenidos en dichos estudios.
Sin ánimo de ser exhaustivo, en las siguientes líneas se resumen algunas de las principales
conclusiones obtenidas en los trabajos analizados, tratando de conectarlas, en la medida de lo
posible, con la instrumentación de posibles medidas de política educativa encaminadas a mejorar
el rendimiento:
• Como era de esperar, dada la preponderancia demostrada en la totalidad de los
estudios realizados en el ámbito educativo a lo largo de los últimos cuarenta años, los factores
socioeconómicos demuestran tener un peso muy relevante en la explicación del rendimiento
educativo de los estudiantes españoles. En este sentido, cabe señalar que las familias de mayor
nivel socioeconómico y cultural efectúan una elección de centro más cuidadosa, en la que utilizan
más y mejor información. En los niveles más bajos se concentran las dificultades en el acceso a
la información y una percepción más difusa (o simplemente incorrecta) de los beneficios de la
educación (Mancebón y Pérez, 2007). También la cantidad de recursos directamente monetarios
invertidos en el acceso a los centros es creciente en función del nivel socioeconómico. Este
fenómeno, en palabras de Calero y Escárdibul (2007), deriva en que “las familias compran, según

51
sus recursos, compañeros del mismo medio para sus hijos”.
• El denominado peer-effect o efecto compañero, incluido en el análisis normalmente a
través de la media de una variables representativa del entorno socioeconómico, cultural o incluso
por el nivel educativo de los padres, tiene una incidencia notable sobre los resultados educativos.
Este fenómeno conlleva el planteamiento de un objetivo claro de política educativa en relación a
la disminución de la segregación educativa en los centros, con el propósito, no sólo de mejorar los
resultados globales, sino para reducir las desigualdades existentes en los resultados.
• El evidente efecto negativo que implica la repetición de curso sobre el rendimiento educativo,
exige una reflexión adicional sobre la conveniencia de las estrategias de repetición de curso y
sus factores condicionantes, relacionados tanto con la escuela, como con la familia o las propias
aptitudes del alumno. En este sentido, quizás cabría plantearse la posibilidad alternativa de optar
por estrategias en una edad más temprana, especialmente en los casos de mayor riesgo.
• La práctica totalidad de las variables representativas de los recursos escolares tienen un
impacto no significativo sobre el resultado de los alumnos. Esta constatación exige una reflexión
más profunda acerca de la utilidad de políticas encaminadas a incrementar la cantidad de recursos
de los centros para mejorar el rendimiento académico medio de los alumnos.

Referencias
Agasisti, T. y J. M. Cordero (2010): “Student achievement in a cross-country perspective. A
multilevel analysis of OECD-PISA 2006 data for Italy and Spain”. Working paper, mimeo.

Aigner, D. J., C. A. K. Lovell y P. Schmidt (1977): “Formulation and estimation of stochastic

production function models”. Journal of Econometrics, nº. 6, pp. 21-37.

Banker, R, D., A. Charnes, y W. W. Cooper (1984): “Models for estimating technical and scale
efficiencies in data envelopment analysis”. Management Science 30 (9), pp, 1078-92.

Battese, G. E. y T. J. Coelli (1988): “Prediction of firm-level technical efficiencies with a generalized

frontier production function and panel data”. Journal of Econometrics, nº. 38, pp. 387-399.

Battese, G. E. y T. J. Coelli, (1995): “A Model for Technical Inefficiency Effects in a Stochastic

Frontier Production Function for Panel Data”. Empirical Economics, nº. 20, pp. 325-332.

Bessent, A., W. Bessent, J. Kennington y B. Reagan (1982): “An application of mathematical

programming to assess productivity in the Houston independent school district”. Management
Science, 28, pp, 1355-1367.

Bickel, R. (2007): Multilevel Analysis for Applied Research, It´s Just Regression, Guilford Press,
New York.

Bryk, A.S. y S.W. Raudenbush (1988): “Toward a More Appropriate Conceptualization of Research
on School Effects: A Three-Level Hierarchical Linear model”. American Journal of Education, 97
(1), 65-108.

Bryk, A.S. y S.W. Raudenbush (1992): Hierarchical Linear Models: Applications and Data Analysis
Methods, Sage Publications, Newbury Park, Thousand Oaks, CA.

52
Calero, J. y J. O. Escardibul (2007): “Evaluación de servicios educativos: el rendimiento en los
centros públicos y privados medido en PISA-2003”. Hacienda Pública Española, nº 183 (4/2007),
pp, 33-66.

Calero, J., O. Escardíbul, S. Waisgrais y M. Mediavilla (2007): Desigualdades socioeconómicas en el

sistema educativo español. Ministerio de Educación, Madrid.

Calero, J., A. Choi, y S. Waisgrais (2009): “Determinantes del rendimiento educativo del alumnado
de origen nacional e inmigrante”. Cuadernos Económicos del ICE, 78, pp. 281-311.

Calero, J., A. Choi, y S. Waisgrais (2010): “¿Qué determina el fracaso escolar en España? Un
estudio a través de PISA 2006”, ponencia presentada en el XVII Encuentro de Economía Pública,
Murcia.

Callan, S. J. y R. E. Santerre (1990): “The production characteristics of local public education: A

multiple product and input analysis”. Southern Economics Journal, 57 (2), pp. 468-480.

Carabaña, J. (2007): “Avisos para no quedar en evidencia comentando PISA”, artículo publicado
en El país (03/12) (http://www.iceta.org/jc031207.pdf).

Chakraborty, K., B. Biswas, y W.C. Lewis (2001): “Measurement of Technical Efficiency in Public
Education: a Stochastic and Non-Stochastic Production Function Approach”. Southern Economic
Journal, 67 (4), pp, 889-905.

Charnes, A., W. W. Cooper y E. Rhodes (1978): “Measuring the Efficiency of Decision Making
Units”. European Journal of Operational Research, vol. 2, nº 6, pp. 429-444.

Charnes, A., W. W. Cooper, A. Y. Lewin y L. M. Seiford (1994): Data Envelopment Analysis: Theory,
Methodology and Applications. Kluwer Academic Publishers, New York.

Coleman, J., E. Q. Campbell, C. F. Hobson, J. McPartland y A. M. Mood (1966): Equality of

Educational Opportunity, Washington, U,S, Office of Education.

Cooper, W.W., L. M. Seiford y K. Tone (2000): Data Envelopment Analysis: A Comprehensive Text
with Models, Applications, References and DEA-Solver Software. Kluwer Academic Press.

Cordero, J.M. (2006): Evaluación de la eficiencia con factores exógenos mediante el Análisis
Envolvente de Datos: Una aplicación a la educación secundaria en España, Tesis Doctoral,
Universidad de Extremadura.

Cordero, J.M., E. Crespo y D. Santín (2010): “Factors Affecting Educational Attainment: Evidence
from Spanish PISA 2006 Results”. Regional and Sectoral Economic Studies, vol. 10-2, pp. 55-76.

Cordero, J.M., E. Crespo, F. Pedraja y D. Santín (2011): “Exploring Educational Efficiency Divergences
Across Spanish Regions in PISA 2006”. Revista de Economia Aplicada, en prensa.

53
Dronkers, J. and P. Robert (2008): “Differences in Scholastic Achievement of Public, Private
Government-Dependent and Private Independent Schools”. Educational Policy, 22 (4), pp. 541-
577.

Eide, E. y M.H. Showalter (1998). “The Effect of School Quality on Student Performance: A Quantile
Regression Approach”. Economics Letters, Nº 58, pp. 345-350.

Escardíbul, O. (2008): “Los determinantes del rendimiento educativo en España. Un análisis a

partir de la evaluación de PISA-2006”. Investigaciones de Economía de la Educación, 3, pp. 153-
162.

Fertig, M., (2003): “Educational Production, Endogenous Peer Group Formation and Class
Composition. Evidence from the PISA 2000 Study”. IZA Discussion Paper, 714.

Fuchs, T. y L. Woessmann (2007): “What Accounts for International Differences in Student

Performance? A Re-Examination Using PISA Data”. Empirical Economics, 32 (2), pp, 433-464.

Fuentes, A. (2009): “Raising Education Outcomes in Spain”. OECD Economics Department Working
Papers, nº 666, OECD.

González-Betancor, S. y A. López-Puig, (2006). “Resultado educativo en España: ¿éxito o fracaso?”.

Investigaciones de Economía de la Educación, nº1, pp. 173-187.

González-Betancor, S. y A. López-Puig (2008): “Evolución del resultado educativo en España

según PISA 2003 y 2006”. Investigaciones de Economía de la Educación, nº 3, pp. 145-152.

Hanushek, E. A. (1979): “Conceptual and empirical issues in the estimation of educational

production functions”. Journal of Human Resources, 14, pp. 351-388.

Hanushek, E. A. (2003): “The failure of input based schooling policies”. The Economic Journal,
113, pp. 64-98.

Hoff, A. (2007): “Second Stage DEA: Comparison of Approaches for Modelling the DEA Score”.
European Journal of Operational Research, 181, pp, 425-435.

Hox, J. (1995): Applied Multilevel Analysis. Amsterdam, TT-Publikaties.

Jorge, J. y D. Santín (2010): “Los determinantes de la eficiencia educativa en la Unión Europea”.

Hacienda Pública Española / Revista de Economía Pública, 193 (2), pp. 131-156.

Koenker, R. y G. Basset (1978): “Regression quantiles”. Econometrica, 46 (1), pp. 33-50.

Levin, H. M. (1974): “Measuring Efficiency in educational production”. Public Finance Quarterly,

2, pp. 3-24.
López, E., E. Navarro, X. Ordoñez y S. J. Romero (2009): “Estudio de variables determinantes
de eficiencia a través de los modelos jerárquicos lineales en la evaluación PISA 2006: el caso de

54
España”. Archivos Analíticos de Políticas Educativas, vol. 17, pp. 1-27.

Mancebón, M.J. (1996): La evaluación de la eficiencia de los centros educativos públicos, Tesis
Doctoral, Universidad de Zaragoza.

Mancebón, Mª J., J. Calero, A. Choi, D. Pérez (2010): “Efficiency of public and publicly-subsidised
high schools in Spain. Evidence from PISA 2006”. Working Paper nº 21165, Munich Personal RePec
Archive.

Marchesi, A. (2006): “El Informe PISA y la política educativa en España”. Revista de Educación,
número extraordinario, pp. 337-355.

McEwan, P.J. (2010): “Empirical Research Methods in the Economics of Education”, in Brewer, D.
y McEwan, P.J. (eds.): Economics of Education, Elsevier Academic Press, San Diego, pp. 9-14.

Ministerio de Educación (2010): PISA 2009 Informe español, Instituto de Evaluación, Madrid.

Muñiz, M. (2000): Eficiencia técnica e inputs no controlables. El caso de los institutos asturianos
de educación secundaria. Tesis Doctoral, Universidad de Oviedo.

OECD (2001), Manual for the PISA 2000 Database, Organisation for Economic Development and
Co-operation.

OECD (2005): PISA 2003 Data analysis manual. SPSS users. Paris: Organisation for Economic Co-
operation and Development.

OECD (2007): PISA 2006 Science Competencies for Tomorrow’s World, Volumes 1 and 2, OECD,
Paris.

OECD (2009): PISA 2006 Data analysis manual. SPSS users. Paris: Organisation for Economic Co-
operation and Development.

Perelman, S. y D. Santín (2011a): “Imposing monotonicity on outputs in parametric distance

function estimations”. Applied Economics, forthcoming.

Perelman, S. y D. Santín (2011b): “Measuring educational efficiency at student level with parametric
stochastic distance functions: an application to Spanish PISA results”. Education Economics, Vol.
19 (1), 29-49.

Rasch, G. (1960/1980): Probabilistic models for some intelligence and attainment tests,
Copenhagen, Danish Institute for Educational Research, Expanded edition (1980), The University
of Chicago Press.

Rendón, S. y E. Navarro (2007): “Estudio sobre el rendimiento en matemáticas en España a partir

de los datos del informe pisa 2003. Un modelo jerárquico de dos niveles”. Revista Electrónica
Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, vol. 5, (3), pp. 1-19.

55
Ruíz de Miguel, C. (2009): “Las escuelas eficaces: un estudio multinivel de factores explicativos
del rendimiento escolar en el área de matemáticas”. Revista de Educación, 348, pp. 355-376.

Seiford, L.M. y R. M. Thrall (1990): “Recent Developments in DEA: The Matematical Programming
Approach to Frontier Analysis”. Journal of Econometrics, 46 (1/2), pp. 7-38.

Simar, L. y P. W. Wilson (2007): “Estimation and Inference in Two-Stage, Semiparametric Models

of Production Processes”. Journal of Econometrics, 136, pp. 31-64.

Snijders, T.A.B. (1999): Multilevel Analysis: An Introduction to Basic and Advanced Multilevel
Modeling, Sage Publications, London.

Thanassoulis, E. (1999): “Setting achievements targets for school children”. Education Economics,
7(2), 101-119.

Woessmann, L. (2004). “The effect of heterogeneity of central exams: Evidence from TIMMS,
TIMMS-Repeat and PISA”. CESIFO Working Paper, Nº 1330.

Worthington, A. C. (2001): “An Empirical Survey of Frontier Efficiency Measurement techniques

in Education”. Education Economics, vol, 9, nº 3.

56
3. Grandes esperanzas (o cuando creérselo es relevante)

José García Clavel, Universidad de Murcia

Idelfonso Méndez Martínez, Universidad de Murcia

57
Grandes esperanzas (o cuando creérselo es relevante)

José García Clavel, Universidad de Murcia

Idelfonso Méndez Martínez, Universidad de Murcia

Resumen
Son numerosas las encuestas en las que se pregunta por las expectativas que los encuestados
tienen sobre determinados acontecimientos por llegar o incluso se les pide que predigan su
comportamiento en el futuro. Estudios previos han demostrado que la expectativas individuales
contienen información relevante no disponible en las variables objetivas habitualmente utilizadas
como regresores. Expectativas no sólo de los alumnos sino también de su entorno: familia y
profesores. Es bien conocido, por ejemplo, el efecto Pigmalion descrito por Rosenthal y Jacobson
en 1968, que muestra el efecto que tienen las expectivas de los profesores en el rendimiento de
los estudiantes.
En este trabajo, usando la información contenida en PISA 2009, pretendemos cuantificar la
relevancia de las expectativas individuales en el análisis de los determinantes del rendimiento
educativo. Estudiaremos el poder explicativo que las expectativas de los estudiantes sobre el nivel
de estudios que, como máximo, esperan completar tienen a la hora de explicar su rendimiento
escolar presente. Asimismo, analizaremos los determinantes individuales, familiares y del
entorno de las expectativas sobre nivel educativo futuro y contrastaremos la endogeneidad de las
expectativas en la determinación del rendimiento escolar.

Palabras clave: expectativas

1. Introducción
1.1 Las expectativas en la literatura
Las expectativas de un individuo recogen mucha información que es relevante para éste
a la hora de tomar decisiones futuras. Por eso, han sido poco a poco incorporadas como variables
explicativas en diversos campos, a medida que se ha podido disponer de datos longitudinales. Por
poner un ejemplo, los datos del Health and Retirement Study (HRS) gestionados por la University
of Michigan, que sigue a más de 22,000 americanos de más de 50 años, permitió a Honig (1996)
analizar las probabilidades subjetivas de estar trabajando a tiempo completo pasado los sesenta,
y estudiar la relación de ese dato con el establecimiento de planes de pensiones. Campbell y otros
(2007) aplicaron conceptos similares para ilustrar como la percepción de inseguridad laboral
del sujeto es un buen indicador de la probabilidad de terminar perdiendo el trabajo, y como eso
repercute en la negociación salarial.
Sucintamente, podríamos clasificar las expectativas subjetivas en dos grandes grupos.
Por una lado, los estudios en los que las expectativas de los propios sujetos han sido usadas
directamente como variables explicativas. Por ejemplo los estudios sobre diferencias de género a
la hora de planificar el futuro laboral a partir de las expectativas subjetivas actuales (Shapiro y
Shaw, 1987; Gronau, 1988) o los de Berheim y Levin (1989) en los que las expectativas subjetivas
sobre los beneficios futuros fueron usados para explicar el patrón de ahorro actual. Estos modelos
tienen un problema claro de endogenidad: las expectativas subjetivas del individuo son función
de la información que posee, información que también es relevante a la hora de que ocurran
los sucesos de una manera o de otra. En resumen, tratar las expectativas subjetivas como una
variable exógena sin más puede llevar a sesgos de endogenidad, además del consabido problema

58
de la causalidad. Por eso, antes de acometer el problema de cómo influyen las expectativas
en el rendimiento académico –que es el objetivo de este trabajo- analizaremos qué elementos
intervienen en la formación de las expectativas.
Precisamente esto es lo que hace el segundo gran grupo de trabajos sobre expectactivas:
las coloca como variable dependiente que hay que analizar empíricamente para determinar sus
variables explicativas. El objetivo de estos trabajos está muchas veces relacionado con el estudio de
la racionalidad de las decisiones de los individuos, comparando las expectativas de los sujetos con
lo que realmente ocurrió después. Así, el trabajo de Hamermesh (1985) sobre las probabilidades
subjetivas manifestadas por el individuo de estar vivo a una determinada edad. O los trabajos
de Berheim (1989) a partir de los datos de HRS sobre las propias predicciones sobre la edad de
jubilación y el plan de ahorro familiar elegido. Quizás lo que incluya el modelo a través de las
expectativas sea la probabilidad de ocurrir el suceso futuro, apunta van der Klauw (1997).
En este trabajo hablamos de esa repercusión sobre el rendimiento académico de los
estudiantes, empleando los datos del cuestionario ampliado de PISA 2009 (concretamente el
questionnaire on educational career) que algunos países16 completaron. Entre los estudio previos
que abordan el estudio de las expectativas sobre los resultados del proceso educativo podemos
citar el de Ainley y otros (2002), que analizan como influye las expectativas que tienen los
jóvenes lectores por el título del libro en su interés por la lectura, es evidente la asociación, que
confirma por otra parte lo esperado en cuando a los gustos de chicos y chicas. Algo más cercano
a este trabajo sería el de O’Brien y Paczynski (2006), que estudiaron para el caso de los jóvenes
polacos la repercusión de sus esperanzas de continuar estudiando pasados los matura exams
sobre su rendimientos educativos, y cómo el cambio legislativo que supuso la introducción de un
nivel inferir de enseñanza secundaria y el retraso de unos años en la elección de las Secondary
Vocational School en ese país ha influido en los datos, ya que ahora, a la edad de 15 años que
los examina PISA, esos jóvenes están todavía en escuelas generales donde las expectativas de
seguir estudiando son más altas y eso puede estar influyendo en la mejora experimentada en el
rendimiento del país, apuntan. Algo similar encuentra para Alemania Carey (2008) que señala
que los cambios introducidos en el sistema educativo alemán en algunos Länders para combinar
el Hauptschule y el Realschule en un sólo tipo de escuelas, dirigido a reducir la segregación
socioeconómica y tratar de evitar el riesgo de que todos los estudiantes se agrupen en una única
escuela con bajas expectativas, repercute positivamente en el rendimiento.

1.2 Las expectativas y PISA

En PISA 2000, la única pregunta del cuestionario de estudiantes que estaba relacionada
con las expectativas laborales del sujeto era la de What kind of job do you expect to have when
you are about 30 years old? que se respondía de manera abierta, y que ha ido apareciendo
y desapareciendo a lo largo de las diversas versiones de PISA. Por ejemplo en el año 2003,
desapareció del cuestionario general para ser sustituida por Which of the following do you expect
to complete? que permitía afinar mucho más en las expectativas de los estudiantes y su posible
repercusión en el rendimiento. Afortunadamente la pregunta se incluyó en el nuevo cuestionario
sobre educational career.
En PISA 2006 empezaron a recogerse también las opiniones de los padres respecto a los
resultados que la educación que sus hijos estaban recibiendo a la hora de encontrar un trabajo,
16 Hemos estimado el modelo para datos italianos, por la disponibilidad de datos. Nos parecía a los autores de este
trabajo que, de todas las variables que recogen expectativas en PISA 2009, era la pregunta “Cuál es el nivel educativo
que piensas alcanzar” del Questionnaire on Educational Career la más adecuada. Por desgracia, las siete preguntas que
forman este cuestionario sólo fueron respondidas por algunos países, entre los que no estaba España.

59
así como las expectativas de los propios alumnos de trabajar en un futuro en algún empleo
relacionado con el mundo científico. Estas variables se encontraron relevantes en el rendimiento.
Por ejemplo, para el caso español, los alumnos con expectativa de trabajar en una profesión
relacionada con la ciencia (un 28%, por cierto) obtienen una puntuación media más de cuarenta
puntos superiores a la media española, y casi 60 puntos superior a los que no desean tener un
trabajo relacionado con la ciencia. Respecto a los padres, el que estos tuvieran o no un trabajo
científico repercutía en las expectativas de los estudiantes de tener un futuro relacionado con
las ciencias, así como en las expectativas de los padres en que sus hijos tuvieran una profesión
científica. También recoge PISA 2006 información sobre los directores de los centros educativos,
y la percepción que estos tienen de sus alumnos, y sus profesores. En concreto, la disposición de
estos últimos para esforzarse en la educación, en fomentar un clima apropiado, etc.
En PISA 2009, las expectativas se miden subjetiva e indirectamente en varios ítems. Hay
expectativas en los alumnos, en los padres, en los profesores y en los directores de escuelas. Hay
expectativas para la vida académica, pero también expectativas en la calidad de la escuela. En
este trabajo nos centraremos sólo en las expectativas de los alumnos sobre el grado académico que
esperan obtener como máximo. Estamos ante una expectativa de sucesos endógenos, en el sentido
de que las expectativas actuales del sujeto influyen en el resultado final. Presuponemos que
los datos de expectativas educativas incorporan información sobre características de los sujetos
que de otra manera no serían detectables. Y esas características son relevantes a la hora del
rendimiento académico. Son los intangibles de la educación. En resumen nos planteamos: ¿son las
expectativas de las personas acertadas? ¿revelan las expectativas alguna información relevante?
Una vez terminado se estudia la capacidad predictiva de las expectativas, a la hora explicar su
rendimiento educativo.

2. Desarrollo
En primer lugar veremos qué factores afectan a la formación de las expectativas, y en
segundo lugar, hasta qué punto esas expectativas repercuten en el rendimiento obtenido por
el alumno. Los datos de PISA 2009 permiten contrastar el efecto marginal de varias de ellas
(estudios de los padres, composición familiar, medios económicos…) sobre las expectativas.

2.1 Presentación del modelo

2.1.1 La Variable a Explicar
Como ya se ha indicado en la introducción, la encuesta PISA 2009 recoge información
relevante sobre las expectativas de los profesores respecto a los alumnos (schQ17); de los alumnos
respecto a sus estudios futuros (car5); de los alumnos respecto a la utilidad de la lectura (stQ27);
de los padres respecto a la utilidad de la lectura (paQ6); de los padres respecto al trabajo de la
School (paQ14); y de los alumnos respecto a la utilidad futura de la School (stQ33). Toda esta
información pensamos que es relevante y que aporta información sobre una parte del modo de ser
de los estudiantes que repercute en su rendimiento académico que no es directa y objetivamente
observable.
Sin embargo, en esta primera aproximación al tema, vamos a centrar nuestro estudio
en una de estas variables: la Q5 del cuestionario educational career de PISA 2009. En concreto,
analizaremos de qué depende que un estudiante espere completar los niveles ISCED 5B (que en
el caso italiano suponer completar la Istruzione e Formazione Tecnica Superiore, IFTS) o ISCED
5A, que son los estudios universitarios. A ambos niveles se llega después de haber obtenido el
diploma di istruzione secondaria superiore, aunque para el primer caso, el IFTS, es posible también

60
matricularse acreditando –por ejemplo por haber estado trabajando en materias similares- los
conocimientos necesarios.
Una última apreciación respecto al sistema educativo italiano, que nos parece relevante
para este estudio: aunque también allí es obligatoria la instrucción hasta los 16 años, al terminar
la Scuola Secondaria di Primo Grado (a los 14 años) los estudiantes ya deciden de algún modo su
futuro profesional: quién desee acometer en el futuro estudios universitarios entrará en el Licei,
mientras que el resto puede elegir entre diversos Institutos técnicos, incluso una Formazione
Professionale di Base que finalizará a los 17 y está pensada en cualificar al estudiante para
que pueda empezar a trabajar a esa edad. Los cinco años de este ciclo, tanto en Licei como los
Institutos Técnicos, se cierran con el antes llamado Esame di Maturità, que desde enero de 2007
se denomina l’Esame di Stato.

2.2.2 Las Variables Explicativas

Las variables explicativas son de tres tipos. El primer grupo lo forman las variables
relacionadas con las características socioeconómicas del individuo. El segundo grupo de explicativas
está formado por las variables que caracterizan las escuelas. Finalmente, incorporamos al modelo
información relativa a las características de la región italiana en la que se encuentra localizado el
centro de enseñanza.

3. Resultados
3.1 ¿Una generación con pocas expectativas?
Este estudio emplea como variable dependiente el curso académico que se espera
completar. Como ilustra el gráfico 1, el porcentaje de estudiantes que piensa que alcanzarán el
nivel universitario es de un 45.4%, con importantes diferencias según género: para las chicos la
proporción es del 40.9% mientras que para las chicas es del 59.1%. Las diferencias también se
perciben cuando consideramos el nivel de estudios de los padres. Así, mientras que sólo un 23.5%
de aquellos cuya madre tiene solo nivel 1 de instrucción esperan completar estudios universitarios
(un 22.8% si es el padre el que tiene ese nivel 1 de estudios) un 64.3% espera obtener titulación
superior si su madre también la tiene (un 62.1% para el caso del padre universitario). También es
interesante la relación entre familia y expectativas: en la familia nuclear, el porcentaje de los que
esperan completar estudios universitarios es del 45.7%, frente al 37.6% de las familias mixtas –lo
que quiera que eso signifique- y un 43.2% de las familias monoparentales. Contrariamente a lo
que esperábamos, los chicos son más sensibles a la situación de la estructura familiar y, mientras
que para las chicas pasar de una familia nuclear a una familia mixta supone una caída desde el
52.4% al 50%, para el caso de los chicos, la proporción de estudiantes que consideran que van a
alcanzar un título superior pasa de 38.7% si la estructura familiar es nuclear, hasta un 26.2%.

61
Gráfico 1. Porcentaje de estudiantes que esperan completar estudios universitarios

Lógicamente, la trayectoria personal del estudiante también influye en las expectativas, y la

variación según el curso académico en el que se encuentren, como se observa en la siguiente tabla:

Tabla 1. Relación entre curso actual y expectativas de completar estudios universitarios

Sí No
grado 9 Recuento 351 1394 1745
% dentro de grade 20,1% 79,9% 100,0%
% dentro de expected 5a 6 3,6% 11,8% 8,0%
10 Recuento 9100 10312 19412
% dentro de grade 46,9% 53,1% 100,0%
% dentro de expected 5a 6 92,3% 87,1% 89,5%
11 Recuento 407 135 542
% dentro de grade 75,1% 24,9% 100,0%
% dentro de expected 5a 6 4,1% 1,1% 2,5%
Total Recuento 9858 11841 21699
% dentro de grade 45,4% 54,6% 100,0%

Entre los alumnos que van un curso adelantados y están en el Grado 11, el porcentaje de
alumnos que esperan completar estudios universitarios sube hasta un 75%, a pesar de que sólo sean
un 4,1% del total de estudiantes que esperan obtener la titulación universitaria. Sería interesante
determinar cómo es posible que un número tan elevado de estudiantes estén en ese grado, quizás
relacionándolo con su mes de nacimiento, o algún otro aspecto del sistema educativo de ese país.

62
3.2 ¿Cuáles son los factores relevantes en la formación de las expectativas?
Como ya hemos indicado anteriormente, en este trabajo analizamos los factores determinantes
de la expectativa de alcanzar estudios superiores, esto es, estudios universitarios o el equivalente
a la formación profesional de grado superior en España. Nos centramos en estos niveles educativos
por ser los que registran una correlación cuantitativamente más elevada y estadísticamente más
significativa con la nota obtenida por los alumnos en las distintas disciplinas examinadas: lengua,
matemáticas y ciencias.
Entre los potenciales factores determinantes que consideramos en las regresiones se
encuentran características del estudiante y de su entorno familiar como el sexo del menor, su
mes de nacimiento, el nivel educativo alcanzado por sus padres, la situación laboral, la categoría
ocupacional y el estatus socioeconómico de los mismos, el tipo de familia en la que vive (nuclear
o extensa) o si convive con otros hermanos o familiares. Asimismo, controlamos por el origen
del estudiante y, en concreto, incluimos tres variables indicadoras que informan de si el menor
es inmigrante de primera o de segunda generación así como si en el hogar familiar se habla
habitualmente el idioma del país en el que residen.
La trayectoria académica del estudiante se mide a través de la nota obtenida en el examen
estandarizado de cada asignatura y de un conjunto de indicadoras que informan del grado y
programa de estudios que cursa, si ha repetido algún curso, si ha cambiado de centro educativo, si
ha perdido al menos un mes de clase en algún nivel educativo y si asistió a la guardería antes de
ser escolarizado.
Las características del hogar del estudiante pueden condicionar de forma evidente no sólo
su rendimiento educativo sino también sus expectativas al respecto. Estas características están
lógicamente relacionadas con las características de los padres pero pueden aportar información
relevante no contenida en las indicadoras de nivel educativo o situación laboral de los padres.
Entre las características que consideramos en la estimación se encuentran: el número de libros
que hay en el domicilio del estudiante, si dispone de un lugar adecuado para el estudio, si tiene
un ordenador que puede utilizar, si tiene acceso a internet o si dispone de consola o de teléfono
móvil.
También incluimos como regresores un amplio conjunto de variables que describen el centro
escolar en el que cursa sus estudios el encuestado. La titularidad pública o privada del centro,
la proporción de estudiantes varones o inmigrantes escolarizados en el mismo, la proporción de
repetidores, las ratios de ordenadores por estudiante y estudiantes por profesor, la medida en
que los padres de los alumnos se preocupan por la calidad de la educación que reciben sus hijos
y las condiciones de respeto al profesor y adecuado comportamiento en las que se desarrollan
cotidianamente las clases entran en el conjunto de potenciales determinantes de las expectativas
educativas. Asimismo, controlamos por la presencia de biblioteca, de ordenadores disponibles para
los alumnos y de conexión a internet en el colegio, por el grado de urbanización de la zona en la
que está ubicado el centro y por el tiempo semanal de formación en la materia examinada.
La actitud del estudiante ante las materias examinadas, la utilidad que percibe sobre el
estudio que de las mismas realiza o la medida en la que lee por placer, estudia entendiendo la
materia o simplemente memorizándola, son variables que proporcionan información potencialmente
relevante y complementaria a la contenida en las variables ya mencionadas. Esta información
permite aproximar mejor el tipo de estudiante cuyo rendimiento y expectativas estamos analizando.
En concreto, construimos variables que informan de si el estudiante considera una pérdida de
tiempo lo aprendido en clase o si por el contrario considera que le será de utilidad a la hora de
buscar un empleo. También incluimos información sobre si lee por placer, termina los libros cuya

63
lectura comienza, participa en actividades que se organizan en el centro como, por ejemplo, grupos
de discusión, busca información relacionada con la escuela o lo aprendido en ella en internet o si
memoriza lo que estudia.
Finalmente, incluimos un conjunto de variables que informan sobre si los padres realizaban
determinadas actividades con el estudiante cuando éste estudiaba enseñanza primaria. Entre las
actividades contempladas se encuentran: leer libros, contar historias, cantar canciones, hablar
sobre las lecturas realizadas, etc., actividades que pueden favorecer el desarrollo cognitivo del
menor y potenciar su gusto por el estudio y, por tanto, su rendimiento académico.
Los resultados obtenidos al estimar un modelo de elección discreta tipo Probit se presentan
en la Tabla 3 del anexo. Destacamos que se trata de resultados preliminares en los que estamos
trabajando en este momento. En concreto, presentamos efectos marginales calculados a partir de
los coeficientes probit estimados y del valor promedio de los regresores.
Las estimaciones obtenidas sugieren una relevancia directa limitada de las características
de los padres y del entorno familiar en las expectativas educativas del estudiante. En concreto,
controlando otras variables, el nivel educativo y la situación laboral de la madre no guardan una
correlación estadísticamente significativa con la expectativa educativa superior del hijo. Respecto
al padre, encontramos que su situación laboral sí que guarda relación con la distribución en la
muestra de la expectativa de alcanzar estudios superiores. En concreto, el indicador de que el padre
está ocupado en uno de los dos primeros grupos de la clasificación de ocupaciones, esto es, en uno
de los dos grupos salarialmente mejor remunerados, está positiva y estrechamente correlacionado
con la probabilidad de que el hijo afirme que espera obtener un título educativo superior. Otra
variable que aproxima el nivel de renta del hogar, como es el montante gastado por el padres en
el último año en servicios educativos, también guarda una relación positiva y estadísticamente
significativa con la expectativa educativa del hijo.
Un resultado interesante es que los inmigrantes de primera generación manifiestan en una
proporción superior su deseo de obtener un título educativo superior. Este resultado no se obtiene
para los hijos de padre extranjero, cuyas expectativas no difieren en promedio de las obtenidas
para hijos de italianos. En esta misma línea se interpreta la correlación negativa estimada entre
la variable dependiente de expectativa y la indicadora de que el idioma hablado en casa es el
italiano.
Las estudiantes aspiran en una proporción mayor a obtener estudios superiores que los
estudiantes. La probabilidad de que un alumno responda que aspira a tener estudios superiores es
casi ocho puntos porcentuales superior cuando es mujer que cuando es hombre.
Estos dos últimos resultados se observan también a nivel agregado para los centros
educativos. La probabilidad de que un alumno aspire a tener estudios superiores se reduce conforme
se incrementa la proporción de estudiantes del sexo masculino en el centro e inesperadamente se
incrementa conforme lo hace la proporción de alumnos de origen extranjero. Otra característica del
centro que condiciona las expectativas educativas de sus alumnos es la proporción de repetidores,
que minora dichas expectativas. Otros resultados también apuntan a la existencia de externalidades
negativas del escaso rendimiento educativo de unos estudiantes sobre las aspiraciones educativas
de otros. En este sentido, las expectativas educativas son más reducidas en aquellos centros en los
que es más frecuente que el profesor comience tarde la clase por el comportamiento inadecuado de
los alumnos. Finalmente, encontramos que, en promedio, la proporción de alumnos con expectativas
de obtener un título de educación superior es mayor en los centros de titularidad pública que en
los privados o concertados, lo que llama la atención y precisa de un estudio más detenido.
Otras variables positivamente correlacionadas con la expectativa de alcanzar estudios

64
superiores son: el hecho de que el alumno participe en grupos de discusión, que algún adulto del
hogar leyera libros con el estudiante o le contase cuentos cuando éste cursaba primaria, el número
de libros que los padres tienen en casa, tener en casa libros de lectura propiedad del estudiante y
que éste lea por placer, que estudie en un centro en el que los padres de los alumnos se preocupan
constantemente del nivel de la educación que se imparte, que el alumno declare que lo que
aprende le ayudará a encontrar empleo más adelante y, finalmente, la nota que éste obtiene en los
test estandarizados. Las estimaciones que presentamos incluyen como regresor la nota del examen
de lengua, pero los resultados se mantienen cualitativamente inalterados si reemplazamos este
regresor por la nota de matemáticas o de ciencias.
Entre las variables que manifiestan una correlación negativa con la expectativa de educación
superior se encuentran: el número de alumnos que hay en el aula y el pensar que lo que estudia
es una pérdida de tiempo.

3.3 ¿Cómo influyen las expectativas en el rendimiento?

En la Tabla 2 del anexo analizamos los determinantes del rendimiento educativo medido a
través de la nota del examen de lengua. La estimación se obtiene por Mínimos Cuadrados Ordinarios
(MCO). Una vez más, reiteramos que los resultados se mantienen cualitativamente inalterados
cuando consideramos las notas de matemáticas o ciencias. El primer resultado a destacar es que
la expectativa de estudios superiores está positivamente correlacionada con la nota obtenida en
el examen de lengua incluso después de controlar por un amplio conjunto de determinantes del
rendimiento académico. Los alumnos que declaran su intención de obtener un título de educación
superior obtienen, en promedio, 22 puntos más en el examen de lengua que aquellos que no
manifiestan esa expectativa.
La relevancia de los padres en el rendimiento educativo del hijo es manifiestamente
superior a la obtenida en la estimación anterior referida a las expectativas educativas. Así, por
ejemplo, el nivel educativo y la situación laboral de la madre sí que influyen positivamente en
el rendimiento escolar del hijo. Que los padres tengan empleo, que el padre tenga una buena
ocupación, salarialmente hablando y que tengan estudios superiores se correlaciona positivamente
con la nota obtenida por el hijo. Asimismo, a mayor número de hermanos y gasto en servicios
educativos, menor nota media. Una vez más, encontramos que son los inmigrantes de primera
generación y no los de segunda generación los que muestran un comportamiento diferenciado
en términos educativos. En concreto, los alumnos de origen extranjero obtienen una puntuación
media 20 puntos inferior a la de los demás alumnos.
Algunas variables que describen la institución educativa y que resultaban ser relevantes
predictores de la expectativa educativa superior no guardan relación estadísticamente significativa
con el rendimiento educativo. Es el caso de la titularidad del centro educativo, de la densidad de
población del lugar donde éste está ubicado o de la proporción de estudiantes varones en el mismo.
Por el contrario, las proporciones de alumnos de origen extranjero que cursan estudios en el centro
y de repetidores muestran una relevante correlación negativa con el rendimiento del alumno.
Asimismo, el comportamiento inadecuado de los alumnos en el aula condiciona el rendimiento
académico. Encontramos una robusta correlación negativa entre rendimiento académico y proporción
de alumnos que destacan el ambiente ruidoso en el que se desarrollan sus clases habitualmente,
señalando que el profesor comienza tarde por ese motivo y que el ambiente de trabajo en el aula
no es el más adecuado.
Haber perdido clases y, sobre todo, haber repetido al menos un curso, está negativamente
relacionado con el rendimiento obtenido en el examen estandarizado, como también lo está el haber

65
cambiado de centro educativo en nivel intermedio. Una vez más encontramos que determinados
comportamientos como leer por placer, disponer de libros de la propiedad del estudiante en casa
o ser consciente de que lo que está aprendiendo le permitirá estar en mejores condiciones de
encontrar un empleo en el futuro están positivamente relacionados con el rendimiento académico.
Lo mismo se puede decir sobre estudiar en un centro en el que una proporción mayoritaria de
padres se preocupa por la calidad de la enseñanza.

4. Conclusiones
En este trabajo hemos pretendido presentar alguno de los factores que son relevantes en
la expectativa de alcanzar estudios superiores. Una vez encontrados estos, hemos determinado su
relación con la nota obtenida en las pruebas de lectura de PISA 2009. Entre los resultados interesantes
destacaríamos las mayores expectativas de las mujeres de obtener una titulación universitaria, la
influencia del nivel de estudios de los padres, la nacionalidad y el efecto de los compañeros en la
formación de dichas expectativas. Por otra parte, al contrario que en trabajos precedentes, hemos
encontrado que la relevancia del papel de los padres en el rendimiento educativo de los hijos
es mayor que su papel a la hora de la formación de las expectativas de los hijos. Respecto a los
estudiantes de origen extranjero, encontramos que los alumnos de segunda generación, aquellos
que nacieron en Italia de padres no italianos obtienen resultados análogos a los nacionales, y en
todo caso superiores a los alumnos de origen inmigrante de primera generación.
Aunque, por disponibilidad de datos, el estudio se ha realizado para datos de estudiantes
italianos, pensamos que los resultados en España deben de ser similares. En próximos trabajos
compararemos los modelos encontrados con otros países para los que hay información disponible.
Igualmente el problema de la endogeneidad de las variables expectativas futuras y rendimientos
presentes debe ser abordado más analíticamente.

Referencias
Ainley, M., S. Hidi and D. Berndorff (2002): “Interest, learning, and the psychological processes
that mediate their relationship”. Journal of Educational Psychology, 94 (3): pp. 545–561.

Bernheim, B. D. and L. Levin (1989): “Social security and personal saving: An analysis of
expectations”. The American Economic Review, 79(2):pp. 97–102.

Campbell, D., A. Carruth, A. Dickerson and F. Green (2007). “Job insecurity and wages”. The
Economic Journal, 117(518):pp. 544–566.

Carey, D. (2008): “Improving education outcomes in Germany”. OCDE Economics Department

Working Papers, No. 611. Technical report, OCDE Publishing. Web site: http://www.OCDE.org/
publications.

Ferber, M., B. F. (1991): “Career plans and expectations of young women and men”. Journal of
Human Resources, 26(4): pp. 581–607.

Gronau, R. (1988): “Sex-related wage differentials and women‘s interrup- ted labor careers- the
chicken or the egg”. Journal of labor Economics, 6 (3): pp. 271–320.

Hamermesh, D. S. (1985): “Expectations, life expectancy, and economic behavior”. The Quarterly

66
Journal of Economics, pp. 389–408.

Honig, M. (1996). Retirement expectations: Differences by race, ethnicity, and gender. The
Gerontologist, 36(3):373–382.

Lindo, J. M., N. J. Sanders and P. Oreopoulos (2008): Ability, gender, and performance standards:
Evidence from academic probation. National Bureau of Economic Research Working Paper Series,
No. 14261.

McGarry, K, H. M. D. (2002). “The predictive validity of subjective probabilities of survival”. The

Economic Journal, 112(482): pp. 966–87.

O’Brien, P. and W. Paczynski (2006): “Poland’s education and training: Boosting and adapting
human capital”. OCDE Economics Department Working Papers, No. 495. Technical report, OCDE
Publishing. Web site: http://www.OCDE.org/publications.

Shapiro, D. and L. B. Shaw (1987). “Women’s work plans: Contrasting actual expectations and
actual work experience”. Monthly Labor Review, 100(11): pp. 7–14.

Van der Klaauw, W. (2000). “On the use of expectations data in estimating structural dynamic
models: An analysis of career choices”. Mimeo

67
Anexo
Tabla 2. Determinantes de la nota de lengua
Coeficiente Error standard
Expectativa de educación superior 22,076 1,223
Grupos discusión -0,078 1,355
Busca info. Web -0,754 1,131
Alumnos aula -0,869 0,193
Leían libros con estudiante 8,766 1,189
Leían cuentos con estudiante -0,158 1,466
Cantaban canciones con estudiante -2,884 2,586
Jugaban a juegos educativos con estudiante -3,220 3,629
Hablaban sobre actividades con estudiante 0,237 2,002
Comentaban lecturas con estudiante -7,856 1,836
Jugaban a juegos de palabras con estudiante 1,838 1,102
Escribían cartas o palabras con estudiante -19,560 1,112
Pierde clases isced1 -6,083 2,322
Pierde clases isced2 -15,957 2,660
Cambia centro isced1 -1,805 1,764
Cambia centro isced2 -5,259 2,843
Número libros casa 7,792 0,417
Libros suyos en casa 19,343 1,593
Grado 7,924 2,355
Programa -21,237 0,859
Mes de nacimiento -0,543 0,147
Mujer 8,419 1,170
Asistió guardería 17,978 2,653
Repitió en isced1 -15,988 8,239
Repitió en isced2 -18,162 5,478
Repitió en isced3 -10,315 3,486
Familia nuclear -2,804 1,765
Hermanos en casa 0,223 1,544
Abuelos en casa -4,986 1,388
Madre ocupación grupos 1 ó 2 1,632 1,484
Padre ocupación grupos 1 ó 2 3,530 1,275
Coste servicios educativos -9,531 1,106
Número de hijos -3,449 0,767
Madre trabaja 9,520 1,160
Madre desempleada -0,612 2,521
Padre trabaja -2,377 2,194
Padre desempleado -3,128 4,627
Padre universitarios 19,662 7,610
Padre FP 16,113 7,612
Padre Est. Secundarios 20,112 7,474
Padre Est. Primarios 17,437 7,849
Madre universitarios 23,290 10,252
Madre FP 20,187 10,220
Madre Est. Secundarios 22,388 10,140
Madre Est. Primarios 13,395 10,535
Extranjero -19,826 2,776
Padre extranjero -0,541 2,215
Idioma en casa (italiano) 10,296 1,495
Lugar estudio en casa 2,635 2,114
Ordenador en casa 12,823 2,968
Internet en casa 6,928 1,790
Consola en casa -3,900 1,117
Móvil en casa 12,199 3,568
Lee por placer 12,950 1,137
Termina los libros -12,690 1,165
Estudia de memoria -10,113 0,986
Tiempo semanal clase -1,250 0,146
Prepara para la vida -1,219 1,328
Pérdida de tiempo -7,864 2,301
Útil para encontrar empleo 1,554 1,781
Centro público -2,245 2,685
Pueblo pequeño -6,510 3,788
Pueblo -0,310 3,708
Ciudad 6,166 3,800
Ciudad grande 4,857 4,483
% estudiantes varones 0,000 0,000
% estudiantes repetidores -0,620 0,089
% estudiantes inmigrantes -3,742 0,753
ratio ordenadores s. estudiantes -0,027 0,012
Padres preocupados por nivel 8,604 1,426
Número estudiantes 0,583 0,119
Maestro tiene que esperar -3,852 1,524
Ruido en aula -4,631 1,432
Mal ambiente trabajo aula -4,747 1,599
Trabajo aula comienza tarde -2,018 1,466
Biblioteca escuela 9,068 1,522
Ordenador escuela 5,295 1,121
Internet escuela -10,134 2,179
Constante 467,918 29,709

68
Tabla 3. Efectos marginales modelo probit
Coeficiente Error standard
Nota lengua .0012406 0.00007
Grupos discusión .054034 0.01226
Busca info. Web .0534335 0.01035
Alumnos aula -.0081587 0.0018
Leían libros con estudiante .0493699 0.01082
Leían cuentos con estudiante .0275501 0.01343
Cantaban canciones con estudiante -.008959 0.02379
Jugaban a juegos educativos con estudiante -.0332751 0.03283
Hablaban sobre actividades con estudiante -.0121778 0.01827
Comentaban lecturas con estudiante .0216047 0.01706
Jugaban a juegos de palabras con estudiante .0066728 0.01016
Escribían cartas o palabras con estudiante -.023572 0.01043
Pierde clases isced1 .0209755 0.02105
Pierde clases isced2 -.0420023 0.02486
Cambia centro isced1 .0090119 0.01636
Cambia centro isced2 -.0034882 0.0265
Número libros casa .0502529 0.00385
Libros suyos en casa .0400313 0.01496
Grado .0838756 0.02329
Programa -.1583756 0.0085
Mes de nacimiento .0014287 0.00135
Mujer .0785231 0.01073
Asistió guardería .0372073 0.0254
Repitió en isced1 .0706793 0.07644
Repitió en isced2 .0501423 0.05469
Repitió en isced3 -.0375523 0.0342
Familia nuclear -.0061131 0.0163
Hermanos en casa .0080247 0.01431
Abuelos en casa -.0018324 0.0127
Madre ocupación grupos 1 ó 2 .0146341 0.01371
Padre ocupación grupos 1 ó 2 .0482747 0.01158
Coste servicios educativos .0220402 0.01031
Número de hijos -.0138289 0.0070
Madre trabaja .0091463 0.01068
Madre desempleada .0239827 0.02269
Padre trabaja -.0379837 0.02009
Padre desempleado -.0887786 0.0423
Padre universitarios .1206622 0.07255
Padre FP .0977472 0.07246
Padre Est. Secundarios .0873815 0.07684
Padre Est. Primarios .0614192 0.07621
Madre universitarios .0201318 0.0967
Madre FP .0256176 0.09599
Madre Est. Secundarios .0085282 0.09647
Madre Est. Primarios -.0059616 0.10029
Extranjero .1078606 0.02373
Padre extranjero -.0002311 0.02016
Idioma en casa (italiano) -.1036089 0.01389
Lugar estudio en casa .0003059 0.01962
Ordenador en casa .0404355 0.02832
Internet en casa .0402666 0.01654
Consola en casa -.015994 0.01028
Móvil en casa -.000084 0.03346
Lee por placer .0426106 0.01037
Termina los libros -.0226756 0.01068
Estudia de memoria .0327148 0.00913
Tiempo semanal clase .0070851 0.00138
Prepara para la vida -.0148255 0.01228
Pérdida de tiempo -.1367437 0.02225
Útil para encontrar empleo .0350246 0.01661
Centro público .0621787 0.02635
Pueblo pequeño .0272231 0.03646
Pueblo .0479572 0.03608
Ciudad .0649039 0.03594
Ciudad grande -.0329247 0.04434
% estudiantes varones -.0000158 0 -4.9
% estudiantes repetidores -.0048639 0.00082
% estudiantes inmigrantes .0463393 0.00714
ratio ordenadores s. estudiantes -.0006119 0.00011
Padres preocupados por nivel .0516809 0.01363
Número estudiantes -.0011496 0.00111
Maestro tiene que esperar -.0050205 0.01394
Ruido en aula -.0173348 0.01312
Mal ambiente trabajo aula .0380489 0.01442
Trabajo aula comienza tarde -.0278423 0.01347
Biblioteca escuela -.0038333 0.01423
Ordenador escuela -.0386603 0.01041
Internet escuela .0656679 0.01915
69
4. Los resultados educativos españoles en PISA 2009 y sus condicionantes

José Manuel Cordero Ferrera, Universidad de Extremadura

César Manchón López, Universidad de Extremadura
Mª Angeles García Valiñas, Universidad de Oviedo

70
Los resultados educativos españoles en PISA 2009 y sus condicionantes

José Manuel Cordero Ferrera, Universidad de Extremadura

César Manchón López, Universidad de Extremadura
Mª Angeles García Valiñas, Universidad de Oviedo

Resumen
La publicación de los últimos resultados del Informe PISA 2009 (Programme for International
Student Assessment), vuelven a poner de manifiesto que el nivel educativo de los estudiantes
españoles se sitúa en una posición muy discreta en relación al resto de participantes. A través
de este trabajo se pretenden explorar los principales factores condicionantes de estos resultados,
prestando especial atención al papel que juegan en el proceso de aprendizaje tanto las escuelas
como el contexto familiar de los estudiantes. Además, también se analizan si existen diferencias
significativas entre las regiones españolas una vez considerados dichos condicionantes. La
metodología empleada en este análisis es la regresión multinivel, puesto que los datos disponibles
están anidados en diferentes niveles (alumnos y escuelas).

Palabras clave: PISA 2009, Análisis Multinivel, Regresiones cuantílicas, CC.AA.

1. Introducción
En diciembre de 2010 se hicieron públicos los resultados de la última oleada del Informe
PISA, iniciativa impulsada por la OCDE hace más de una década, con el propósito de evaluar a
escala internacional y de manera periódica los resultados de los sistemas educativos, analizando
el rendimiento de los alumnos de 15 años en competencias consideradas clave, como son la
comprensión lectora, las matemáticas y las ciencias. Al igual que en las ediciones anteriores
(2000, 2003 y 2006), España se sitúa en una discreta posición en comparación con los países
de su entorno, claramente por debajo de la media de OCDE y superado por la mayoría de los
países de la Unión Europea. En la Tabla 1 se muestran los resultados obtenidos por España en
la competencia de comprensión lectora en las cuatro ediciones que han tenido lugar hasta el
momento, comparados con los de una muestra de países representativos.
En el contexto español, una de las novedades importantes de esta evaluación es el
incremento de comunidades autónomas españolas que participan con muestras representativas. La
opción de ampliación de muestra permite que los resultados de cada región que participa tengan
la precisión estadística suficiente como para poder ser comparados entre sí y con los demás países
participantes en PISA. Aunque algunas ya habían participado en ediciones anteriores, en 2009
el número de regiones participantes alcanzó las catorce (Andalucía, Aragón, Asturias, Baleares,
Canarias, Cantabria, Castilla y León, Cataluña, Galicia, La Rioja, Madrid, Murcia, Navarra y País
Vasco), además de las ciudades autónomas de Ceuta y Melilla17. En la Tabla 2 se muestran los
resultados obtenidos por estas regiones en relación a la media española y de la OCDE.
Aunque el enfoque y los resultados de esta evaluación cuenta con algunos detractores
que consideran que ofrece una visión parcial del contexto educativo de los países participantes
(Marchesi, 2006), lo cierto es que la amplitud de indicadores proporcionados y el rigor estadístico
que caracteriza a todas las fases del proceso (diseño de pruebas, estudios piloto, construcción
de los cuadernillos para la evaluación, diseño de los cuestionarios de contexto, selección de las
17 Únicamente tres comunidades autónomas (Castilla-La Mancha, Comunidad Valenciana y Extremadura) no ampliaron
la muestra y, en consecuencia, no se dispone de información individualizada para ellas.

71
muestras representativas, etc.), convierten a esta base de datos en una excelente herramienta de
información tanto para investigadores como para los responsables de la política educativa.
En este sentido, debe destacarse el gran esfuerzo realizado por los técnicos de PISA en la
presente evaluación para captar información relativa a las prácticas docentes que tienen lugar
dentro del aula, es decir, lo que se conoce como “la caja negra” del sistema educativo (Santín,
2006), pues se trata de aspectos sobre los que resulta muy complicado disponer de datos fiables.
No obstante, el objetivo de este trabajo no es tan ambicioso, ya que el estudio de los
aspectos que tienen lugar en el aula requiere un análisis detallado de la literatura específica
sobre estrategias de aprendizaje y transmisión de conocimientos por parte de los profesores.
En este trabajo, se realiza un primer análisis exploratorio con el que se pretende ofrecer una
primera aproximación sobre los factores que tienen una mayor incidencia en la explicación de los
resultados, así como determinar si existen diferencias significativas entre las regiones españolas
una vez considerados dichos condicionantes.

Tabla 1. Resultados en comprensión lectora en las cuatro ediciones de PISA para una muestra de
países de la OCDE

País 2000 2003 2006 2009

Shanghai China - - - 556
Corea del Sur 525 534 556 539
Finlandia 546 543 547 536
Hong-Kong China 525 510 536 533
Canadá 534 528 527 524
Nueva Zelanda 529 522 521 521
Japón 522 498 498 520
Australia 528 525 513 515
Países Bajos - 513 507 508
Bélgica 507 507 501 506
Noruega 505 500 484 503
Suiza 494 499 499 501
Estados Unidos 504 495 - 500
Islandia 507 492 484 500
Alemania 484 491 495 497
Suecia 516 514 507 497
Francia 505 496 488 496
Irlanda 527 515 517 496
Dinamarca 497 492 494 495
Hungria 480 482 482 494
Reino Unido 523 - 495 494
Promedio OCDE 500 494 492 493
Portugal 470 478 472 489
Italia 487 476 469 486
Grecia 474 472 460 483
España 493 481 461 481
República Checa 492 489 483 478
Luxemburgo 441 479 479 472
Austria 492 491 490 470
Federación Rusa 462 442 440 459

72
 Con este propósito, planteamos un estudio econométrico que nos permite conectar las
habilidades demostradas por los alumnos con sus características, las de su entorno y las del centro
en la que cursan sus estudios, prestando especial atención al papel que juegan en el proceso
tanto las escuelas como el contexto familiar de los estudiantes. La metodología empleada en este
análisis es la regresión multinivel, puesto que los datos disponibles están anidados en diferentes
niveles (alumnos y escuelas).
De acuerdo a los objetivos mencionados, el artículo se estructura del siguiente modo. En
la sección segunda se ofrece una breve revisión de la literatura sobre la función de producción
educativa, con la intención de identificar las variables que tradicionalmente han demostrado
tener un efecto más significativo en la explicación del rendimiento educativo de los alumnos de
enseñanza secundaria. En la sección tercera, se comentan los aspectos más relevantes sobre la
base de datos utilizada y las variables seleccionadas en el estudio empírico. Posteriormente, se
presenta la formulación del model multinivel empleado, como paso previo a la presentación de los
resultados. Finalmente, el trabajo finaliza con el habitual apartado de conclusiones.

Tabla 2. Resultados en comprensión lectora obtenidas por las regiones españolas en las distintas
oleadas de PISA

CC.AA. 2003 2006 2009

Madrid - - 503
Castilla y León 499 478 503
Cataluña 483 477 498
La Rioja - 492 498
Navarra - 481 497
Aragón - 483 495
País Vasco 497 487 494
Asturias - 477 490
Cantabria - 475 488
Galicia - 479 486
España 481 461 481
Murcia - - 480
Andalucía - 445 461
Baleares - - 457
Canarias - - 448
Ceuta - - 423
Melilla - - 399
Media OCDE 494 492 492

2. La función de producción educativa

Siendo el objetivo de este trabajo encontrar la relación existente entre recursos produc-
tivos y resultados educativos, el enfoque utilizado se basa en el uso de la función de producción
educativa definida por Levin (1974) y Hanushek (1972, 1979), cuya formulación básica puede
expresarse de la siguiente manera:

Ais = f (Bis, Sis, Pis, Iis) (1)

donde Ais representa el output del proceso educativo del alumno i en la escuela s, representado

73
habitualmente por el resultado en una prueba de conocimientos estandarizada18. Este output
depende de un conjunto de factores representados por las características socioeconómicas en
el hogar (Bis), los inputs escolares (Sis), tales como material educativo o la infraestructura del
centro, las influencias de los compañeros o efecto peer group (Pis) y la capacidad innata del
alumno (Iis).
A pesar de la gran cantidad de estudios que durante décadas han tratado de identificar
y cuantificar el efecto de estos factores sobre los resultados del proceso educativo desde la
publicación del Informe Coleman (1966) hasta nuestros días19, las evidencias encontradas siguen
siendo poco robustas (Engert, 1996), especialmente en lo que concierne al papel de los inputs
escolares (Cohn y Geske, 1990; Hedges et al., 1994; Hanushek, 1997).
Desde mediados de los años noventa, este proceso se ha visto impulsado desde gracias a la
aparición de diversos estudios realizados a escala internacional como TIMSS (Trends in International
Mathematics and Science Study), IALS (International Assessment of Literacy Survey), PIRLS (Progress
in International Reading LIteracy Study) y, muy especialmente, PISA (Programme for International
Student Assessment), que ofrecen un volumen de información amplio y detallado a nivel de
alumno, haciendo posible la realización de estudios más meticulosos sobre los condicionantes del
proceso de aprendizaje.
De hecho, en el caso concreto de PISA, son muchos los trabajos empíricos que se han
llevado a cabo utilizando como referencia esta base de datos, tanto en el contexto internacional
(Fertig y Schmidt, 2002; Fertig, 2003; Wolter y Vellacott, 2003; Wilson, 2005; Fuch y Woessman,
2007; Santín y Jorge, 2010; Woessman, 2010), como en el ámbito doméstico de nuestro país
(Calero y Escardíbul, 2007; Calero et al., 2007; Salido, 2007; Rendón y Navarro, 2007; Zinovyeva
et al., 2008; López et al., 2009; Cordero et al., 2010; Cordero et al., 2011).
La mayor parte de estos trabajos coincide en señalar determinadas características de
los individuos (género, edad, condición de inmigrante, etc.) y de su entorno socioeconómico
(representadas por el nivel educativo y la categoría profesional de los padres, junto a multiples
variables referidas a la posesión de distintos bienes en el hogar) como los condicionantes más
relevantes en la explicación del rendimiento académico, mientras que las variables que representan
los recursos escolares no tienen demasiada relevancia, algo que puede explicarse en parte porque
éstas se construyen a partir de las opiniones de los directores de los centros. Esta limitación se
hace especialmente evidente cuando se trata de informar sobre aspectos de la vida escolar como
la disciplina en el aula o la interacción entre alumnos y profesores, acerca de los cuales la opinión
de los directores no parece ser la fuente de información más precisa (Ministerio de Educación,
2010, p. 113).
Al margen de los factores más tradicionales, en este trabajo hemos incorporado también
información sobre algunos aspectos novedosos que incorpora PISA 2009 y que, por tanto, no
habían sido tratados previamente en los trabajos emplean esta base de datos. Entre ellos cabe
destacar el hecho de haber asistido a un curso previo al acceso a la enseñanza primaria, cuya
incidencia en los resultados obtenidos en la última oleada de PISA parecen ser notables20. Otro
aspecto relevante es la competencia entre escuelas, basada en la idea de que los centros que
tienen que competir con otros situados en un entorno muy cercano tienen mayores incentivos
18 Las revisiones de la literatura sobre la estimación de la función de producción educativa ponen de manifiesto que
más de dos tercios de los estudios empíricos utilizan esta variable como único indicador de los resultados (Hanushek,
2003; Fleischhauer, 2007). El otro tercio se focaliza en la cantidad de años de escolaridad, la graduación escolar o las
ganancias futuras esperadas.
19 Hanushek y Woessman (2010) ofrecen una revisión reciente de la literatura sobre el estado de esta cuestión.
20 La diferencia en términos de rendimiento entre alumnos que cursaron más de un año de estudios de pre-primaria
y los que no cursaron ni siquiera un año asciende a 54 puntos de media en la OCDE (OCDE, 2011).

74
para mejorar su funcionamiento. Esta cuestión, ampliament tratada en diversos estudios previos
(Bradley et al., 2001; Belfield y Levin, 2002) había recibido una escasa atención en los estudios
que utilizan PISA por la escasez de información disponible21.

3. Datos y variables
La muestra utilizada en esta investigación procede de la cuarta oleada del Proyecto PISA
realizada en el año 2009, la cual vuelve a concentrarse en la comprensión lectora, al igual que
en el año 2000, después de que en 2003 y 2006 se concentrara en matemáticas y ciencias,
respectivametne. Nuestro análisis se circunscribe únicamente al contexto español, para el que se
dispone de información relativa a un total de 25.887 estudiantes pertenecientes a 889 centros
educativos.
Una de las grandes ventajas que ofrece el proyecto PISA es que no evalúa las capacidades o
destrezas mediante una única puntuación, sino que cada alumno recibe una puntuación en cada
prueba en una escala continua. De esta forma, PISA pretende recoger el efecto de determinados
condicionantes externos y que escapan al control del alumno en el momento de realizar la
prueba. Este procedimiento está basado en la teoría de la respuesta al ítem desarrollada por Rasch
(1960/1980), según la cual las dificultades de cada pregunta y las habilidades del alumno son
estimadas de manera simultánea. El indicador resultante se define como una variable continua
que utiliza como referencia el resultado de los alumnos a escala internacional, con un valor medio
de 500 puntos y una desviación estándar de 100 puntos. El uso de esta metodología implica que,
en lugar de trabajar con un valor medio puntual de los conocimientos de cada alumno, se utilicen
cinco valores extraídos aleatoriamente de la distribución de resultados, denominados valores
plausibles (Wu y Adams, 2002), entendidos como una representación del rango de habilidades
que tiene cada estudiante22.
Asimismo, dado que la escuela, el hogar y el contexto socioeconómico son aspectos que
tienen una clara influencia sobre el rendimiento de los alumnos, el Proyecto PISA recoge una
extensa base de datos en torno a estas variables, obtenidas a partir de dos cuestionarios, uno
completado por los propios alumnos y otro por los directores de los centros educativos. A partir de
esta información, resulta posible extraer un gran volumen de información acerca de los principales
factores determinantes del rendimiento educativo, representados principalmente por variables
asociadas con el entorno familiar y escolar, así como la organización de los centros y la oferta
educativa.
En nuestro caso, la selección de las variables incluidas en el análisis ha estado basada
en un doble criterio: incluir variables que, según la literatura revisada en el bloque anterior,
hayan demostrado tener una influencia relevante sobre el rendimiento educativo y evitar
posibles problemas de multicolinealidad derivadas de la existencia de una elevada correlación
entre distintos indicadores. En las líneas siguientes se explican cómo se definen cada una de las
variables consideradas en el estudio.
Como variable dependiente se utilizan los resultados obtenidos por los alumnos en
comprensión lectora. Como se ha comentado previamente, estos resultados no están representados
por un único valor sino por cinco valores, denominados valores plausibles, de modo que en las
estimaciones realizadas, se realiza una estimación usando cada uno de los valores plausibles
separadamente para, posteriormente, calcular el promedio de los estadísticos obtenidos con cada
21 Agasisti (2011) representa una de las pocas excepciones en esta tendencia, aunque sus resultados también se ve
perjudicado por las restricciones de información disponible.
22 Para una revisión de la literatura de los valores plausibles puede acudirse a Mislevy (1991) y Mislevy et al.
(1992).

75
uno de los valores plausibles, evitando así posibles sesgos en la estimación23.
En cuanto a las variables explicativas a nivel de alumnos, se han seleccionado un conjunto de
indicadores representativos de las principales características que pueden afectar a su rendimiento,
junto con diversos indicadores relativos a su entorno socioeconómico y a los recursos de los que
dispone en su hogar. La lista de estas variables es la siguiente (el nombre de la variable original
en la base de datos PISA aparece entre paréntesis):

Características del alumno:

• Edad del estudiante en años y meses (AGE).
• Género: Variable dummy que toma el valor 1 si el estudiante es una chica (ST04Q01).
• Repeat_once (ST01Q01): Variable dummy que toma el valor 1 si el alumno ha repetido un
curso, es decir, si se encuentra cursando 9º grado.
• Repeat_more (ST01Q01): Variable dummy que toma el valor 1 si el alumno ha repetido más
de un curso, es decir, si se encuentra cursando 8º grado o un curso inferior (ST01Q01).
• Kindergarden (ST05Q01): Variable dummy que toma el valor 1 si el alumno ha asistido a
algún curso de enseñanza pre-primaria.
• Inmmigrant_1 (IMMIG): Variable dummy que toma el valor 1 si el alumno es inmigrante de
primera generación.
• Inmigrant_2 (IMMIG): Variable dummy que toma el valor 1 si el alumno es inmigrante de
primera generación.

Entorno socioeconómico y recursos en el hogar:

• NeutralFam (FAMSTRUG): Variable dummy que toma el valor 1 si el estudiante forma parte
de una familia nuclear, es decir, si convive con su madre y su padre.
• Fatwhite (FSECATEG): Variable dummy que adopta el valor 1 si el padre desempeña una
profesión que requiere un elevado nivel de cualificación (white collar, en inglés).
• Motwhite (MSECATEG): Variable dummy que adopta el valor 1 si el padre desempeña una
profesión que requiere un elevado nivel de cualificación (white collar, en inglés).
• DISCLIMA (DISCLIMA): Variable continua que ofrece información sobre el nivel de disciplina
en el centro.
• DIVREAD (DIVREAD): Variable continua que representa el grado de diversidad en las lecturas
propuestas en el centro.
• HIGHCONF (HIGHCONF): Variable que trata de aproximar el nivel de autoconfianza del
alumno para alcanzar cotas de mayor nivel en sus estudios.
• JOYREAD: Variable que ofrece información acerca del nivel de disfrute que demuestra tener
el alumno por la lectura.
• LANGUAGE (LANGN): Variable dummy que toma el valor 1 si el alumno habla un idioma
distinto al de la prueba de conocmientos.
• OWNDESK (ST20Q01): Variable dummy que toma el valor 1 si el alumno dispone de un
escritorio, mesa o pupitre.
• OWNROOM (ST20Q02): Variable dummy que toma el valor 1 si el alumno dispone de una
habitación propia.
• OWNSTUDY (ST20Q03): Variable dummy que toma el valor 1 si el alumno dispone de un
lugar de estudio.
• OWNCPU (ST20Q04): Variable dummy que toma el valor 1 si el alumno dispone de un
23 Véase OCDE (2009) para más detalles.

76
ordenador.
• BOOKS<25 y BOOKS >200 (ST22Q01): Hemos construido dos variables dummy que tratan
de aproximar dos niveles extremos en cuanto a la posesión de libros: por debajo de 25 o más de
200.
Respecto a las variables a nivel de escuela, pueden distinguirse tres tipos de variables:
las variables dicotómicas que reflejan el tipo de centro del que se trata (público, privado o
concertado, situado en zona urbana o rural, si está sujeto a competencia por parte uno o varios
centros cercanos o no), los indicadores representativos de los recursos escolares y, finalmente, 15
variables dummies que representan a cada una de las regiones participantes en PISA 2009, además
de las ciudades autónomas de Ceuta y Melilla, con el propósito de conocer si sus resultados
son significativamente distintos de los cosechados por los alumnos pertenecientes a la muestra
compuesta por las tres regiones que no participaron, la cual actúa como referencia.

Tipo de escuela:
• Privada y Concertada (SCHLTYPE): Dos variables dummies que adoptan el valor unitario
en el caso de que el centro tenga gestión y financiación privada o gestión privada y financiación
mayoritariamente pública, respectivamente.
• URBAN (SC04Q01): Variable dummy que toma el valor 1 si la escuela está situada en una
ciudad o gran ciudad.
• NOCOMP (SC05Q01): Variable dummy que toma el valor 1 si la escuela se sitúa en una zona
o distrito escolar donde no tiene que competir con ninguna escuela cercana.

Recursos escolares:
• PCGILRS) Variable continua que representa el porcentaje del alumnado de sexo femenino.
• DIFLANG (SC08Q01): Variable dummy que toma el valor 1 si el porcentaje de alumnos del
centro que habla una lengua distinta al del test es superior al 20%.
• IRATCOMP (IRATCOMP): Variable que representa el volumen de ordenadores disponibles
para la enseñanza, el cual se define como el cociente entre el número total de ordenadores y el
tamaño de la escuela.
• Tamaño de la escuela (SCHSIZE): Variable continua que refleja el número total de estudiantes
en el centro.
• Ratio profesor-alumno (STRATIO): Variable continua que representa el cociente entre el
número total de profesores en el centro y el número de alumnos.
• Actividades extracurriculares (EXCURACT): Variable continua que refleja el volumen de
actividades extra escolares ofrecidas por el centro educativo.
• Responsabilidad en currículum y evaluación (RESPCURR): Variable continua que trata de
aproximar el nivel de responsabilidad de la que dispone el centro para diseñar el currículum
escolar y la fijación de los criterios de evaluación.
• Responsabilidad en asignación de recursos (RESPRES): Variable continua que indica el
grado de participación en el presupuesto del centro escolar.
• Calidad de los recursos escolares (SCMATEDU): Variable continua construida a partir de
las respuestas del director de la escuela a siete preguntas relacionadas con la disponibilidad de
ordenadores para usos didácticos, software educativo, calculadoras, libros, recursos audiovisuales
y equipo de laboratorio.
• Media de la variable ESCS (ESCS): Este indicador se utiliza como una aproximación al clima
escolar, definida como el nivel medio en la variable ESCS de los compañeros que comparten la

77
misma escuela que el alumno evaluado. Esta variable es un indicador construido por los analistas
del proyecto PISA a partir de las respuestas de los alumnos sobre el mayor nivel educativo de
alguno de sus padres, el índice más alto de ocupación laboral de cualquiera de los padres y un
índice de posesiones educativas en el hogar.

Variables regionales
• Se han construido un total de 15 variables dummy, una para cada región participante en
PISA 2009, con el propósito de dilucidar si existen divergencias estadísticamente significativas
respecto a la muestra formada por las regiones que no participaron.
La Tabla 3 recoge los principales estadísticos descriptivos de todos las variables consideradas
en nuestro análisis, distinguiendo entre variables dependientes, individuales y escolares.

Tabla 3. Estadísticos descriptivos de las variables

VARIABLES
Mínimo Máximo Media Desv. típ.
Variable Dependiente
VP1 Comprensión Lectora 6,65 814,71 484,9058 89,37246
VP2 Comprensión Lectora 60,42 824,33 484,9778 89,77920
VP3 Comprensión Lectora 19,36 814,71 484,9433 89,44209
VP4 Comprensión Lectora 29,15 877,24 484,7832 90,00328
VP5 Comprensión Lectora 64,42 904,50 485,1218 89,59256
Regresores (Nivel alumno)
AGE 15,33 16,33 15,8613 ,28575
GENDER ,00 1,00 ,4924 ,49995
REPEATONCE ,00 1,00 ,2293 ,42039
REPEATMORE ,00 1,00 ,0878 ,28302
KINDERGART ,00 1,00 ,9408 ,23597
IMMIG1GEN ,00 1,00 ,0741 ,26186
IMMIG2GEN ,00 1,00 ,0120 ,10878
NEUTRALFAM ,00 1,00 ,8425 ,36427
FATWHITE ,00 1,00 ,4713 ,49918
MOTWHITE ,00 1,00 ,5632 ,49600
DISCLIMA -2,81 1,84 ,0692 1,03146
DIVREAD -3,95 4,65 -,2024 ,96811
HIGHCONF -3,591 1,619 ,21356 ,946991
JOYREAD -3,23 3,50 -,0084 ,94509
LANGUAGE ,00 1,00 ,1527 ,35971
OWNDESK ,00 1,00 ,9741 ,15890
OWNROOM ,00 1,00 ,8680 ,33854
OWNSTUDYPLACE ,00 1,00 ,9216 ,26883
OWNCPU ,00 1,00 ,9312 ,25305
BOOKS25 ,00 1,00 ,2059 ,40439
BOOKS200 ,00 1,00 ,2733 ,44564

78
 VARIABLES
Mínimo Máximo Media Desv. típ.
Regresores Nivel escuela
URBAN ,00 1,00 ,6771 ,46761
GOVDEP ,00 1,00 ,3734 ,48371
PRIVATE ,00 1,00 ,0342 ,18171
NOCOMP ,00 1,00 ,1495 ,35662
PCGIRLS ,00 99,73 49,7523 8,23255
DIFLANG ,00 1,00 ,2540 ,43530
IRATCOMP ,000 2,143 ,60502 ,320638
SCHSIZE 44,000 2785,000 694,68138 386,377736
STRATIO ,821 39,882 11,37212 4,498202
EXCURACT -3,29 2,95 -,3065 ,88066
RESPCURR -1,37 1,36 -,4331 ,78570
RESPRES -,84 2,45 -,4125 ,62680
SCMATEDU -3,39 1,93 ,0184 ,83687
MEDIA ESCS -1,88 1,51 -,2541 ,55492
% REPETIDORES ,00 1,00 ,3176 ,17663
ANDALUCIA ,00 1,00 ,0547 ,22740
ARAGON ,00 1,00 ,0585 ,23466
ASTURIAS ,00 1,00 ,0593 ,23625
BALEARES ,00 1,00 ,0565 ,23092
CANARIAS ,00 1,00 ,0559 ,22980
CANTABRIA ,00 1,00 ,0586 ,23481
CASTILLA YLEON ,00 1,00 ,0585 ,23474
CATALUÑA ,00 1,00 ,0533 ,22473
GALICIA ,00 1,00 ,0612 ,23975
LARIOJA ,00 1,00 ,0498 ,21744
MADRID ,00 1,00 ,0561 ,23017
MURCIA ,00 1,00 ,0510 ,22006
NAVARRA ,00 1,00 ,0581 ,23393
PAIS VASCO ,00 1,00 ,1842 ,38764
CEUTA y MELILLA ,00 1,00 ,0529 ,22388
4. Metodología
Nuestro enfoque tiene por objeto determinar si existe algún tipo de relación estadística
significativa entre las variables representativas de las habilidades de los alumnos y los diferentes
factores que participan en el proceso educativo. Con esta estrategia, el objetivo primordial es, por
tanto, determinar si una variable tiene o no influencia sobre los resultados y, en caso afirmativo,
conocer el sentido (positivo o negativo) de esa influencia.
Como se expuso en la sección segunda, el modelo estándar para estimar una función
de producción educativa es aquél en el que el resultado educativo depende de un conjunto
de variables entre las que pueden distinguirse dos grandes bloques representados por las
características individuales y familiares del alumno, dentro de las cuales se incluyen tanto sus
propias capacidades innatas (Iij) como factores socioeconómicos (Bij), y los factores escolares,

79
 tanto los vinculados a recursos disponibles (Sis) como con el clima escolar (Pij). De esta forma, la
especificación de la ecuación 1 se puede simplificar, dando lugar al siguiente modelo:
Yij = β 0 + β1 X ij + β 3 Z j + εis (2)

donde Yij representa el resultado educativo del individuo i en el centro j, Xij es un vector de
características individuales y familiares del individuo i del centro j y Zij representa al vector de
€
características de la escuela j.
Para estimar este modelo, la opción más sencilla es mediante mínimos cuadros ordinarios
(MCO), aunque esta alternativa no produciría errores estándar correctos, ya que los alumnos
pertenecientes a la misma escuela presentan valores similares en las variables escolares, de modo
que la correlación promedio entre variables de los alumnos de un mismo centro será superior
a la existente entre alumnos de diferentes escuelas (Hox, 1995). Por este motivo, la mayoría
de las aplicaciones empíricas que sigue este enfoque se decanta por el uso de modelos de
regresión multinivel (Bryk y Raudenbush, 1992; Snijders, 1999; Bickel, 2007), en los que se
tiene en consideración que los alumnos forman parten o están “anidados”, en un nivel superior,
representado por las escuelas.
Los modelos multinivel permiten conocer no sólo el valor promedio de los efectos de las
variables explicativas sobre la dependiente, es decir, el valor correspondiente al conjunto de
unidades de los niveles superiores (escuelas, distritos, países, etc.), sino también la variación de
los efectos en dichos niveles. De este modo, la estimación no calcula una única recta de regresión,
como ocurre en un análisis de regresión lineal simple, sino múltiples rectas, una para cada escuela.
Esta ventaja relativa ha hecho que los propios datos del Informe PISA estén diseñados con el
propósito de facilitar la estimación de modelos multinivel, y que incluso se dedique un apartado
específico a esta técnica en el manual que acompaña a la presentación del Informe en cada una
de las oleadas.
La estrategia más utilizada para el cálculo de los resultados en este tipo de estudios
consiste en el uso de un enfoque “aditivo” en el que, a partir de una especificación básica de
partida, se van incorporando los diferentes bloques de variables explicativas paso a paso (Dronkers
and Robert, 2008). Normalmente, el primer paso consiste en la descomposición de la varianza de
los resultados en distintos niveles.
En PISA, esta separación se refiere normalmente a los estudiantes y las escuelas, pero
también puede aplicarse un análisis en tres niveles (Bryk y Raudenbush, 1988) en el caso
de que se considere un estudio comparado entre varios países (Ruíz de Miguel, 2009) o una
comparación entre las regiones pertenecientes a un mismo país. Para el caso más sencillo, es
decir, considerando sólo dos niveles (alumnos y escuelas), esta descomposición se puede realizar
mediante la estimación del siguiente modelo econométrico:

donde Yij representa el output medioambiental del alumno i en la escuela j, el cual se explica
según la desviación de la escuela j (uj) respecto de los resultados medios de todas las escuelas
( Y 0) y la desviación del estudiante i respecto de la media de los resultados obtenidos por los
alumnos que pertenecen a su misma escuela j.
Una vez estimado este modelo, el análisis suele ampliarse con la introducción de las
€ variables independientes. Normalmente, las primeras son las variables explicativas a nivel de

80
alumno, lo que implica la transformación de la expresión (3) en los siguientes términos:

Además, si se asume que el efecto de la variable explicativa (Xij) puede ser distinta entre
las escuelas (posibles cambios en la pendiente, es decir, en el coeficiente β j), la ecuación (4)
podría incluir también un nuevo componente, quedando del siguiente modo:

Finalmente, el último paso consiste en la estimación de un modelo en el que también se

incluyen las variables explicativas escolares (Zlj). Por tanto, no sólo se permiten variaciones en la
constante y en la pendiente, sino interacciones entre las variables pertenecientes a los dos niveles
(alumno y escuela). Así, el modelo final quedaría de la siguiente manera:

5. Resultados
En esta sección se presentan los resultados obtenidos tras la estimación de distintos
modelos, siguiendo la estructura secuencial descrita en la sección anterior. En este sentido, cabe
señalar que hemos estimado un total de seis modelos diferentes, con el propósito de comprobar
cómo afectaban a los resultados la inclusión de los distintos bloques de variables consideradas.
La Tabla 4 recoge la descomposición de la varianza entre los dos niveles considerados (alumno y
escuela) en cada uno de estos niveles, mientras que la Tabla 5 contiene los parámetros estimados
para cada variable en cada uno de los modelos. En este punto, debe aclararse que los modelos 4,
5 y 6 también incluyen a las variables individuales, aunque estos parámetros no se presentan por
razones de espacio y por no ofrecer información redundante respecto a la ofrecida por el modelo
3, cuyos parámetros son prácticamente idénticos a los de los obtenidos en la estimación de los
tres modelos siguientes.
En primera instancia hemos estimado el denominado “modelo vacío” (ecuación 3), mediante
el cual se puede comprobar que el porcentaje de la varianza explicada por las escuelas es bastante
reducido (alrededor del 21%), lo que implica que las desigualdades en los resultados académicos
de los alumnos españoles se pueden atribuir más a sus propias características que a las de los
centros en los que cursan sus estudios, en los que existe una gran homogeneidad en cuanto a su
dotación de recursos y la organización de la enseñanza. Asimismo, de acuerdo con la información
mostrada en la primera columna de la Tabla 5, se puede comprobar que el modelo es significativo
en su conjunto y, por tanto, que el enfoque basado en el análisis multinivel resulta apropiado.

Tabla 4. Descomposición de la varianza entre los diferentes niveles

Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6
Escuela (uoj) 1674,36 949,55 752,31 711,14 613,49 503,05
Alumno (rij) 6143,23 3693,52 3524,01 3523,84 3523,13 3524,34
Total (u0j + rij) 7817,59 4643,07 4276,32 4234,98 4136,62 4027,39
% Var, Escuelas 21,42% 20,45% 17,59% 16,79% 14,83% 12,49%

81
Tabla 5. Estimacion de los diferentes modelos multinivel
Modelo 1 Modelo 2 Modelo 3
VARIABLES p- p- p-
Coef. SE Coef. SE Coef. SE
value value value
Constante 485,53 1,46 0,000 3958 22,92 0,000 358,51 21,25 0,000
NIVEL ALUMNO
Caract.
individuales
AGE 6,06 1,44 0,000 6,032 1,32 0,000
GENDER 21,11 0,93 0,000 11,38 0,79 0,000
REPEATONCE -73,78 1,18 0,000 -57,07 0,98 0,000
REPEATMORE - 1,81 0,000 - 1,48 0,000
KINDERGAR 127,84
14,54 2,20 0,000 102,70
9,90 1,66 0,000
IMMIG1 -23,63 1,90 0,000 -14,19 1,611 0,000
IMMIG2 -8,35 3,89 0.032 -4,27 3,50 0,222
Entorno familiar
NEUTRALFAM 3,16 1,05 0,003
FATWHITE 6,72 0,84 0,000
MOTWHITE 11,41 0,82 0,000
DISCLIMA 0,86 0,39 0,028
DIVREAD 3,64 0,444 0,000
HIGHCONF 2,45 0,40 0,000
JOYREAD 21,04 0,47 0,000
LANGUAGE -7,99 1,32 0,000
OWNDESK 12,84 2,59 0,000
OWNROOM -0,65 1,16 0,574
OWNSTUDY 4,07 151 0,008
OWNCPU 15,49 1,61 0,000
BOOKS<25 -16,18 1,06 0,000
BOOKS>200 9,51 0,94 0,000
En el Modelo 2, en el que únicamente incorporamos las características individuales de
los estudiantes, todas las variables individuales incorporadas son significativas, con un claro
protagonismo de la condición de repetidor, tanto de uno como de varios cursos. De hecho, esta
característica se mantiene como el factor más determinante en todos los modelos. Otro factor que
afecta de forma negativa a los resultados es la condición de inmigrante de primera generación,
que sigue siendo significativa, aunque con un menor peso, al incorporar las variables del entorno
familiar. Por el contrario, los alumnos de padres extranjeros, pero nacidos en España, no presentan
resultados estadísticamente distintos del resto, una vez consideradas las variables relativas al
entorno socioeconómico. En cuanto al resto de variables, una mayor edad, ser chica y haber sido
escolarizado en la etapa anterior a la enseñanza primaria son factores que contribuyen a mejorar
los resultados.
Respecto a las características del entorno familiar, incorporadas en el Modelo 3, todas
tienen una influencia significativa, a excepción del hecho de poseer habitación propia. El grado de
disfrute declarado por la lectura es la variable que más influye positivamente sobre el rendimiento
del alumno, seguido de otras variables, como el hecho de disponer de ordenador y escritorio
propio, o si la madre, con un mayor peso que el padre, desempeña una profesión que requiere
un elevado nivel de cualificación. Asimismo, destaca el peso negativo y significativo que implica

82
Tabla 5. Estimacion de los diferentes modelos multinivel (cont.)
Modelo 4 Modelo 5 Modelo 6
VARIABLES p- p- p-
Coef. SE Coef. SE Coef. SE
value value value
Constante 485,53 1,46 0,000 3958 22,92 0,000 358,51 21,25 0,000
NIVEL ESCUELA
Tipo centro
URBANO 4,26 2,23 0,056 1,51 2,22 0,497 4,37 2,08 0,036
GOVDEP 7,52 2,08 0,001 -5,14 3,29 0,119 -4,96 3,13 0,113
PRIVATE 16,19 5,44 0,003 -4,53 6,14 0,461 -5,77 5,74 0,315
NOCOMPET -8,75 2,95 0,004 -7,20 2,82 0,011 -5,68 2,63 0,031
Vbles. escolares
PCGIRLS 0,29 0,11 0,010 0,31 0,10 0,003
DIFLANGUAGE -9,24 2,21 0,000 -7,07 2,40 0,004
IRATCOMP -3,18 2,97 0,284 -3,37 2,81 0,230
SCHSIZE -0,00 0,00 0,036 -0,00 0,00 0,143
STRATIO 0,90 0,32 0,006 0,91 0,32 0,005
EXCURACT 3,24 1,06 0,003 1,76 1,02 0,087
RESPCURR -0,39 1,25 0,756 0,04 1,17 0,967
RESPRES 0,30 1,94 0,875 1,19 1,81 0,511
SCMATEDU 0,42 1,13 0,709 0,84 1,06 0,427
ESCS MEDIO 16,30 2,43 0,000 13,44 2,33 0,000
% REPETIDORES -4,37 6,81 0,521 0,54 6,76 0,937
Regiones
ANDALUCIA -1,36 5,92 0,818
ARAGON 17,65 5,82 0,003
ASTURIAS 8,17 5,83 0,162
BALEARES -2,03 6,01 0,736
CANARIAS -7,50 5,95 0,208
CANTABRIA 12,36 5,87 0,035
CASTILLA Y LEON 17,63 5,87 0,003
CATALUNA 11,80 6,17 0,056
GALICIA 20,25 5,86 0,001
LARIOJA 18,92 6,04 0,002
MADRID 20,60 5,90 0,001
MURCIA 8,85 5,95 0,137
NAVARRA 16,89 5,94 0,005
PAIS VASCO 7,08 5,29 0,182
CEUTA MELILLA -36,67 7,09 0,000

83
disponer de pocos libros en el hogar.
En los Modelos 4, 5 y 6 agregamos de forma progresiva las variables dicotómicas que
describen el centro, los recursos escolares y, finalmente, las 15 variables dicotómicas que identifican
a las regiones participantes. Teniendo en consideración solamente las variables que describen el
tipo de centro (Modelo 4) destaca la influencia significativa y positiva de los centros privados y
concertados frente a los públicos, si bien, estas variables dejan de ser significativas cuando se
incorpora el nivel socioeconómico medio de la escuela y el resto de variables escolares. También
es digno de mención que la escuela obtiene unos resultados significativamente peores si se sitúa
en un distrito escolar en el que no tiene que competir con ninguna escuela cercana.
Respecto a las variables escolares cabe destacar la influencia claramente positiva y
significativa del tipo de alumnado del centro, al igual que las actividades extracurriculares que
lleva a cabo el centro, el ratio de profesores por estudiantes, o la proporción de chicas en la
escuela, aunque el efecto de estas tres variables es muy reducido. En el apartado negativo, hay
que resaltar el efecto que tiene el hecho de que un porcentaje superior al 20% de los alumnos del
centro hable una lengua distinta a la del test.
Finalmente, en el Modelo 6 incorporamos las 15 variables que identifican a las regiones
participantes en PISA 2009 frente a las tres regiones que no participan. Sólo en este caso, si el
centro se localiza en una ciudad ejercerá un efecto positivo y significativo sobre los resultados.
Respecto a la comparación de las comunidades autónomas con representación en la muestra
frente a las que no (Extremadura, Castilla la Mancha y Comunidad Valenciana) destacamos el
efecto claramente significativo y positivo para la Comunidad de Madrid, Galicia, La Rioja, Aragón,
Castilla y León, Navarra y Cantabria. Solamente Ceuta y Melilla obtienen resultados negativos y
significativos respecto a las comunidades de referencia.

6. Conclusiones
El trabajo realizado constituye una primera aproximación a los resultados obtenidos por
los alumnos españoles en PISA 2009, centrada en la identificación de los principales factores
explicativos del rendimiento educativo. Con este propósito, se han estimado diversos modelos de
regresión multinivel que nos permiten conocer cuáles son las variables más influyentes, así como
el sentido (positivo o negativo) de esa influencia.
Entre las variables que tienen un efecto más relevante, destaca claramente el hecho de
haber repetido uno o varios cursos, cuya incidencia negativa es muy superior al resto, lo que
exige una reflexión adicional sobre la conveniencia de las estrategias de repetición de curso y
sus factores condicionantes, relacionados tanto con la escuela, como con la familia o las propias
aptitudes del alumno.
Asimismo, la condición de inmigrante también tiene efectos negativos sobres los resultados,
aunque éstos son sólo estadísticamente significativos en el caso de los inmigrantes nacidos
fuera del país, mientras que una mayor edad, ser chica y haber asistido a clases de pre-primaria
contribuyen a mejorar los resultados. Entre los factores socioeconómicos, el hecho de disfrutar
con la lectura, junto con la disposición de una mesa de estudio y un ordenador son los factores
positivos más determinantes, mientras que la ausencia de libros en el hogar y el hecho de hablar
un idioma distinto al de la evaluación están vinculados a la obtención de peores resultados.
En cuanto a las variables relativas a los centros educativos, cabe destacar que, si bien
los resultados obtenidos por los alumnos pertenecientes a centros privados y concertados son
significativamente mejores que los que cursan sus estudios en centros públicos, estas diferencias
dejan de ser significativas cuando se considera el componente socioeconómico del alumnado que

84
asiste a cada uno de estos centros.
Finalmente, nuestro análisis nos permite identificar un conjunto de regiones (Galicia,
Madrid, Aragón, Castilla y León, Cantabria, Cataluña y Navarra), que obtienen unos resultados
significativamente superiores a los alumnos pertenecientes a las regiones que no han participado
en la evaluación con una muestra representativa (Castilla-La Mancha, Comunidad Valenciana y
Extremadura), mientras que las ciudades autónomas de Ceuta y Melilla se sitúan claramente por
debajo.
Es objetivo de los autores, e implicación directa de este primer trabajo exploratorio de PISA
2009, extender el análisis a las comunidades autónomas con muestra representativa y tratar de
incorporar en futuras investigaciones la información relativa a las prácticas docentes que tienen
lugar dentro del aula.

Referencias
Agasisti, T., (2011): “How competition affects schools’ performances: Does specification matter?”.
Economic Letters, 110, pp. 259-261.

Ammermüller, A. (2007): “PISA: What Makes the Difference? Explaining the Gap in Test Scores
between Finland and Germany”. Empirical Economics, 33 (2), pp, 263-287.

Bickel, R. (2007): Multilevel Analysis for Applied Research, It´s Just Regression, Guilford Press,
New York.

Bryk, A.S. y S.W. Raudenbush, (1988): “Toward a More Appropriate Conceptualization of Research
on School Effects: A Three-Level Hierarchical Linear model”, American Journal of Education, 97
(1), pp. 65-108.

Bryk, A.S. y S.W. Raudenbush, (1992): Hierarchical Linear Models: Applications and Data Analysis
Methods, Sage Publications, Newbury Park, Thousand Oaks, CA.

Calero, J. y J. O. Escardibul (2007): “Evaluación de servicios educativos: el rendimiento en los

centros públicos y privados medido en PISA-2003”. Hacienda Pública Española, nº 183 (4/2007),
pp, 33-66.

Calero, J., O. Escardíbul, S. Waisgrais y M. Mediavilla (2007): Desigualdades socioeconómicas en el

sistema educativo español. Ministerio de Educación, Madrid.

Cohn, E. y T.G. Geske (1990): “Production and cost functions in education”, en Cohn, E. y Geske
(eds.): The Economics of Education, 3a Edición, Pergamon Press, Oxford.

Coleman, J., E. Q. Campbell, C. F. Hobson, J. McPartland y A. M. Mood (1966): Equality of

Educational Opportunity, Washington, U,S, Office of Education.

Cordero, J.M., E. Crespo, y D. Santín (2010): “Factors Affecting Educational Attainment: Evidence
from Spanish PISA 2006 Results”. Regional and Sectoral Economic Studies, vol. 10-2, pp. 55-76.

Cordero, J.M., E. Crespo, F. Pedraja, y D. Santín (2011): “Exploring Educational Efficiency

85
Divergences Across Spanish Regions in PISA 2006”. Revista de Economia Aplicada, en prensa.

Dronkers, J. and P. Robert (2008): “Differences in Scholastic Achievement of Public, Private

Government-Dependent and Private Independent Schools”. Educational Policy, 22 (4), pp. 541-
577.

Engert, F. (1996): “The Reporting of School District Efficiency: the Adequacy of Ratio Measures”.
Public Budgeting and Financial Management, 8, pp. 247-271.

Escardíbul, O. (2008): “Los determinantes del rendimiento educativo en España. Un análisis a

partir de la evaluación de PISA-2006”. Investigaciones de Economía de la Educación, 3, 153-162.
Fertig, M., (2003): “Educational Production, Endogenous Peer Group Formation and Class
Composition. Evidence from the PISA 2000 Study”. IZA Discussion Paper, 714.

Fleischhauer, K. J. (2007): “A Review of Human Capital Theory: Microeconomics”, Working Paper,

University of St, Gallen, Department of Economics, Discussion Paper No, 2007-01.

Fuchs, T. y L. Woessmann (2007): “What Accounts for International Differences in Student

Performance? A Re-Examination Using PISA Data”. Empirical Economics, 32 (2), pp, 433-464.

Hanushek, E. A. (1979): “Conceptual and empirical issues in the estimation of educational

production functions”. Journal of Human Resources, 14, pp. 351-388.

Hanushek, E. A. (1997), “Assessing the effects of school resources on student performance: An

update”. Educational Evaluation and Policy Analysis, 19, pp. 141-164.

Hanushek, E. A. (2003): “The failure of input based schooling policies”. The Economic Journal,
113, 64-98.

Hanushek, E.A. y L. Woessmann (2010): “The Economics of International Differences in Educational

Achievement”. NBER Working Paper, nº 15949.

Hedges, L.V., R.D. Laine y R. Greenwald (1994): “Does Money Matter? A Meta-analysis of Studies
of the Effects of Differential School Inputs on Student Outcomes”. Educational Researcher, 23 (3),
pp. 5-14.

Hox, J. (1995): Applied Multilevel Analysis. Amsterdam, TT-Publikaties.

Jorge, J. y D. Santín (2010): “Los determinantes de la eficiencia educativa en la Unión Europea”.

Hacienda Pública Española / Revista de Economía Pública, 193 (2), pp. 131-156.

Levin, H. M. (1974): “Measuring Efficiency in educational production”, Public Finance Quarterly,

2, 3-24.

López, E., E.Navarro, X. Ordoñez y S.J. Romero (2009): “Estudio de variables determinantes de
eficiencia a través de los modelos jerárquicos lineales en la evaluación PISA 2006: el caso de

86
España”. Archivos Analíticos de Políticas Educativas, vol. 17, pp. 1-27.
Marchesi, A. (2006): “El Informe PISA y la política educativa en España”. Revista de Educación,
número extraordinario, 337-355.

Ministerio de Educación (2010): PISA 2009 Informe español, Instituto de Evaluación, Madrid.
Mislevy, R. J. (1991): “Randomization-based inference about latent variable from complex
samples”. Psychometrika 56, Psychometric Society, Greensboro, pp, 177-196.

Mislevy, R. J., A. E. Beaton, B. Kaplan, y K. M. Sheehan (1992): “Estimating population

characteristics form sparse matrix samples of item responses”. Journal of Educational Measurement
29, pp,133-161.

OECD (2009): PISA 2006 Data analysis manual. SPSS users. Paris: Organisation for Economic Co-
operation and Development.

OECD (2011): Does participation in pre-primary education translate into better learning outcomes
at school?, PISA in focus 2011/1.

Rasch, G. (1960/1980): Probabilistic models for some intelligence and attainment tests, Copenhagen,
Danish Institute for Educational Research, Expanded edition (1980), The University of Chicago
Press.

Rendón, S. y E. Navarro (2007): “Estudio sobre el rendimiento en matemáticas en España a partir

de los datos del informe pisa 2003. Un modelo jerárquico de dos niveles”. Revista Electrónica
Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, vol. 5, (3), pp. 1-19.

Ruíz de Miguel, C. (2009): “Las escuelas eficaces: un estudio multinivel de factores explicativos
del rendimiento escolar en el área de matemáticas”. Revista de Educación, 348, pp. 355-376.

Santín, D. (2006): “La medición de la eficiencia de las escuelas: una revisión crítica”. Hacienda
Pública Española / Revista de Economía Pública 177 (2), 57-83.

Snijders, T.A.B. (1999): Multilevel Analysis: An Introduction to Basic and Advanced Multilevel
Modeling, Sage Publications, London.

Woessmann, L. (2004). “The effect of heterogeneity of central exams: Evidence from TIMMS,
TIMMS-Repeat and PISA”. CESIFO Working Paper, Nº 1330.

Wu, M. y Adams, R. J. (2002): “Plausible Values – Why They Are Important”. International Objective
Measurement Workshop, New Orleans.

Zinovyeva, N., F. Felgueroso y P. Vázquez (2008): “Immigration and Students´ Achievement in

Spain”. Documento de Trabajo 2008-07, Fundación de Estudios de Economía Aplicada (FEDEA).

87
5. Beyond results: What makes the difference between Argentina, Chile and
México in PISA

Santiago Gastelu, Universidad Nacional de Córdoba

Mª Luz Vera, Universidad de Córdoba
Roberto Giuliodori, Universidad Nacional de Córdoba
Héctor Gertel, Universidad Nacional de Córdoba

88
Beyond results: What makes the difference between Argentina, Chile and
México in PISA

Santiago Gastelu, Universidad Nacional de Córdoba

Mª Luz Vera, Universidad de Córdoba
Roberto Giuliodori, Universidad Nacional de Córdoba
Héctor Gertel, Universidad Nacional de Córdoba

Resumen
Considerable effort has been exercised in the construction of school achievement tests that provide
international comparability of results. One of the most widely accepted studies for international
comparison of student achievement is PISA. Argentina, Chile and Mexico mean score in language
was quite similar in PISA 2000. However, a statistically significant gap developed during the decade,
resulting in Chile and Mexico outperforming Argentina by some 50 and 30 points, respectively,
in PISA 2009, and is the issue that motivates the research. This paper represents an attempt
to develop some answers to the question of what makes the difference. Potential factors of
policy interest explaining the gap in language test score between these countries are introduced
through a linear model in which the relative effect of personal attributes of the student, relevant
characteristics of his/her family and public/private school control are treated as covariates.
The Oaxaca-Blinder decomposition technique is then applied and allows us to explain the mean
gap between these three countries in PISA 2009 reading test scores in terms of coefficient and
characteristics effects. Preliminary results suggested that compared to Argentina, Chile performed
better in both, coefficient and characteristics dimensions, and 66% of the 50 point gap was
associated with coefficient effects. The Mexico-Argentina 23 point gap resulted from the former’s
hefty coefficient effects overcompensating for its relatively poorer characteristics.

Keywords: PISA Study, Latin America, Oaxaca-Blinder decomposition

JEL Code: I21, H52

1. Introduction
Considerable effort has been exercised in the construction of school achievements tests
that provide international comparability of results. One of the most widely accepted studies for
international comparisons of student achievement is PISA.
Last year’s release of PISA 2009 results brought different conclusions among education
experts in Argentina. While some of the experts considered Argentina alone and how it improved
(compared to PISA 2006) or worsened (PISA 2000) compared to previous editions of the test, others
focused in the backlash suffered by Argentina compared to the rest of Latin America in the three
subjects. As one of the aspects of PISA is international comparability, we found more interesting
to explore the second issue and the question that arises is what makes these differences. In order
to see this, we will focus on the comparison between Argentina and two countries (Chile and
Mexico) whose mean scores were quite similar to that of Argentinean students in PISA 2000 and
developed a statistically significant gap during the decade, as it is summarized in table 1.

89
  
To analyze these gaps, we follow the works of Blinder (1973) and Oaxaca (1973), according
to which the differences can be decomposed in a coefficients and a characteristics effect, plus
a combined or residuals effect. The interesting part of this decomposition is that it allows us to
see whether the student and family characteristics are more promising in Chile and Mexico or if
the returns to those characteristics in terms of student performance are more beneficial in those
countries than in Argentina. In order to do that, we begin by estimating education production
functions using weighted linear regressions where the performance in reading is used as the
dependent variable, and personal and family traits are used as covariates. A public/private school
control variable is also included. Once we have the estimated coefficients, we apply the Oaxaca-
Blinder decomposition technique, which allows us to explain the gap in the mean of the scores
of the three countries in PISA 2009 reading test, highlighting characteristics and coefficient
effects. The characteristics effect (explained component) arises because the two compared group
have different qualifications and both receive the same treatment, and the coefficient effect
(unexplained component) arises as a result of different treatments to groups that have the same
qualifications. In this sense, the exercise performed in the paper represents a microsimulation that
seeks to explain the causes of this gap in performance between Argentina and Chile/Mexico. This
is done to evaluate the impact on Argentinean achievement levels of assuming other countries’
policies on students endowed with the characteristics of Argentina.
Section 2 presents the PISA database, section 3 introduces the theoretical models and section
4 presents and analyzes the results of the regression and the Oaxaca-Blinder decomposition.

2. Database
The Program for International Student Assessment (PISA) is an internationally standardized
assessment of three forms of literacy: reading, mathematics and science.
PISA 2009 is the fourth edition of this assessment developed by UNESCO and OECD to
evaluate 15 year old youngsters’ preparation to cope with real-life challenges related to the three
subjects. PISA was first implemented in the year 2000 and has been continued every three years,
each time focusing in a different subject. In total, 43 countries participated in the first assessment
and that number grew to a total of 74 in the 2009 edition. Argentina and Chile participated in all
the editions but 2003, while México participated in the four editions.
In this paper we treat reading test scores as academic attainment because PISA 2000 and
PISA 2009 both focus on this subject. The reading test has been administered to all the students
in these editions while math and science ones were administered to half of the participants; this
way we ensure the biggest sample possible.
PISA test scores that will be used in this paper are the plausible values. “They are random
numbers drawn from the distribution of scores that could be reasonably assigned to each

90
individual—that is, the marginal posterior distribution.” (Adams and Wu 2002). Five plausible
values were calculated for each student in each of the subjects. The regression and decomposition
are done five times using each value at a time as dependent variable and then the mean of the
coefficient values of each explanatory variable is calculated.
The sample size in PISA 2009 in Argentina, Chile and, Mexico is of 4774, 5669 and 38250
students in 199, 200 and 1535 schools, respectively. The sampling design used for the PISA
assessment was a two-stage stratified sample in most countries. “The first-stage sampling units
consisted of individual schools having 15-year old students24. The second-stage sampling units
were students within sampled schools. Once schools were selected to be in the sample, a list of
each sampled school’s 15-year old students was prepared. From each list that contained more
than 35 students, 35 students were selected with equal probability and for lists of fewer than 35,
all students on the list were selected” (PISA 2001).
Apart from test scores PISA provides a large amount of environment data of the students
based on questionnaires completed by the students and school principals. Students questionnaire
provides information about basic demographics, family background and measures of socioeconomic
status, student description of school/instructional processes, student attitudes towards reading
and reading habits, student access to educational resources outside school, institutional patterns
of participation and programmed orientation, and student career and educational expectations.
School questionnaire attends basic school characteristics, school policies and practices, school
climate and school resources. In this paper we will focus on students and family characteristics
using only the public/private data from the school principals’ database as a control variable.

3. Theoretical Model
The theoretical model starts with the design of educational production functions, used to
estimate the mean effects of covariates on student expected performance. Then, the mean effects
are decomposed by applying the classic Oaxaca-Blinder technique.
The educational production function used in this paper is:

Where Rij is the reading plausible value of student i in school j, Fij is the vector of family
background variables, Sij is the vector of student individual variables, Pj is the school variable
used as control and εij is the error term (Wooldridge, 2002).
βF, βS and βP measure the impact of the covariates on the educational achievement and are
going to be estimated by OLS. Due to the two-way stratified sample design in PISA a survey
regression and balanced repeated replication (BRR) weights will be used. These estimates provide
the effect of each of the explanatory variables at the conditional mean of the scores’ distribution
(PISA 2009).
PISA provides five plausible values of reading score for each student, and recommends
running independent regressions for each of the five plausible values. The coefficients and standard
errors are then calculated following Willms (2005) to obtain a summary estimation, which is the
one that we report in this paper. We use all five reading plausible values as the dependent variable
(Reading score) and a reduced set of independent variables that capture student and family
background endowment.
Students variables are: repeated course25 and enjoy reading. Family background endowment
24 Students who are between age 15 years and 3 months and age 16 years and 2 months at the time of the test.
25 Although PISA 2009 database provides a construct of grade repetition, this research uses information about the
grade currently being attended by students to decide whether they have repeated (grade 9th or below) or not (grade

91
is taken into account by Highest Parental Socio-Economic Index of Occupational Status (Hisei),
Cultural Possessions (Cultposs) and Home Educational Resources (Hedres); these three variables
have been reformulated as indexes in a 0/100 scale. Finally, gender and school management are
used as control variables. The mean of the five estimators obtained for each coefficient of the
explanatory variable is then calculated.
Once we have the estimates, we proceed to apply the Oaxaca-Blinder decomposition
technique (Blinder 1973, Oaxaca 1973). This procedure is often used to study labor market outcomes
by groups. It divides the wage differential between two groups into a part that is “explained”
by group differences in productivity, characteristics such as education or work experience and
a residual part that cannot be accounted for by such differences in wage determinants and is
supposed to come from some type of discrimination (Jann 2008). In our case, differences in
school achievements can be explained by a number of reasons. They may arise from individual
and family characteristics allocations being more favorable in Chile and Mexico than in Argentina.
This would resemble the explained part in wage gaps. But in this case, also the coefficient effect
could be explained and refer to how effects of this variables on student achievement differ
between countries. This effect would reflect how well each country uses their given allocation in
order to obtain better qualified students.
The total score gap between two countries at the mean is defined as

where E(R) denotes the expected value of the outcome variable and a and b represent two
different countries.
The total score gap can be decomposed into a characteristics, a coefficient and a joint
characteristics-coefficient effect. Since

With and by assumption.

Rearranging

This is a “three-fold” decomposition: the three first summands refer to the allocation
effects, that is, the differences in family, individual and school characteristics between the
countries; the second component is formed by second four summands and refers to the coefficient
10th or above). Correlation between both measures is 84 % (see Annex 3). This formulation is used because in a
parallel work in progress comparisons between PISA 2000 and PISA 2009 will be driven and the former variables
related to grade repetition were not included in PISA 2000.

92
or return effect (including the intercept); finally, the last three summands are the interaction
terms presuming allocations and coefficients differences occur simultaneously between the
countries.
The previous decomposition is formulated from the point of view of Country b. Therefore,
the allocation component measures the expected change in Country b’s mean outcome, if it had
Country a’s predictor levels. Moreover, the coefficient component measures the expected change
in Country b’s mean outcome, if it had Country a’s coefficients. Our analysis is formulated from
the point of view of Argentina as we want to address how Argentinean students would perform
if they had the same characteristics or returns as their Chilean or Mexican peers. Again, this
procedure is done with the five plausible values available for each student and the effect is
calculated at the mean of the coefficient values of each variable. The model was estimated using
Stata 11(Jann 2008, Kreuter and Valliant 2007, Oyeyemi et al 2010).

4. Results
At first glance, after checking the means of the covariates (see Appendix, Annex II, tables
A1.a, A1.b and A1.c) and the regression coefficients for the three countries in PISA 2009 (table
2), it can be seen that not only the environment and background of the students differ between
countries, but also the way the educational system transforms those characteristics and turns
them into academic performance presents variations.
One of the covariates where interesting differences could be perceived was repetition.
While approximately 40% of the students were repeaters in Mexico and Argentina, only 25% of
Chileans were in the same situation. Other striking contrast between these three school systems
that needs to be addressed is related to school management. Clearly, Chile is more targeted to
private schooling as almost three fifths of its students concur to private schools. The opposite
situation is that of Mexico, where almost 90 % of the students evaluated in PISA attend public
schools. Argentina is placed in the middle with almost two fifths of its students in private
schools.
When analyzing the socioeconomic status of the families (Hisei, Cultposs, Hedres), Chile
and Argentina prove to be rather equal in means, but Mexico is situated below them in cultural
possessions and home educational resources, showing a big handicap of Mexican students in
extracurricular learning possibilities.

93
Table 2. Regression coefficients and p-values
Argentina Chile Mexico
Variable
Intercept 276.175 321.888 348.130
(0.000) (0.000) (0.000)
Gender (male=1) -16.619 -7.177 -13.643
(0.000) (0.000) (0.000)
Management (private=1) 37.106 20.989 19.045
(0.000) (0.000) (0.000)
Repetition (Yes=1) -63.005 -59.246 -55.337
(0.000) (0.000) (0.000)
Hisei 0.995 0.868 0.694
(0.000) (0.000) (0.000)
Cultposs 0.143 0.193 0.008
(0.000) (0.000) (0.419)
Hedres 0.626 0.442 0.561
(0.000) (0.000) (0.000)
Joyread 1.281 1.301 1.038
(0.000) (0.000) (0.000)
2
R 0.3657 0.367 0.29986
n 4,205 4,880 35,787
F 279.38 621.38 979.21
Dependent Variable: Reading Score
Note: between brackets p-values are indicated

Regression
Above, it was shown how Chileans are more bound to private schooling than Mexicans
and Argentineans. In addition, by looking at Table 2, Argentina is the country where attending
a private school creates the largest difference in terms of scores, although the effect is positive
in all three countries. This means students attending a private school tend to perform better
than their peers26 in public schools in general, but in Argentina the plus for being enrolled in a
private institution is of 37 points at the mean, while in Mexico and Chile is only of 20 points27.
Girls outperform boys in all countries, and the gender effect in Argentina and Mexico doubles
the size of that in Chile. By looking at the coefficients, the analysis shows that the institutions
in Chile ´remunerate´ gender characteristics more equally than in the other countries, and this
might be indicative of higher commitment to gender equalizing goals. Family background and
socioeconomic characteristics coefficients have the expected sign, with slight differences between
countries except for “cultural possessions”, which turns out to be non significant in Mexico.
Repetition and the “enjoy reading” index also have the expected sign and do not present major
differences between countries. Students that repeated at least once perform significantly below
than their schoolfellows that have not.
The estimated equations indicate that the use of individual and socioeconomic covariates
helps to explain 36% of the total variance of the dependent variable in Argentina and Chile, and
30% in Mexico28. Similar explanatory power has been found in previous studies of the authors
(Gertel et al. 2006)
26 This effect can be biased due to auto-selection, but that effect will not be considered in this work.
27 Ceteris paribus.
28 In a similar work made in Germany comparing Germany with Finland the author retrieved that his estimated
equation helped to explain 53% of the variance in Germany and 17% in Finland.

94
Oaxaca-Blinder decomposition
After analyzing the characteristics and the coefficient differences between countries, the
mean score gap reported by Table 1 is broken down with the Oaxaca-Blinder technique, so as to
identify the contribution made to the gap by changes in coefficients (returns), characteristics
(endowment) and the combined effect of the two (residuals). Results are presented in Table 3
below, which shows the estimated gaps between Argentina and Chile, and Argentina and Mexico
average performance, and how they are composed.

Table 3. Oaxaca-Blinder Decomposition of Reading score gap.

Argentina/Chile Argentina/Mexico
Real Total Gap 51.000 27.000
Estimated Total Gap 42.729 100.00% 20.202 100.00%
(0.000) (0.000)
Characteristic Effect 15.428 36.11% -21.868 -108.25%
(0.000) (0.000)
Coefficient Effect 30.962 72.46% 34.329 169.93%
(0.000) (0.000)
Combined Effect -3.662 -8.57% 7.741 38.32%
(0.001) (0.000)
n 10443 43024
Note: between brackets p-values are indicated

The size of the gap between Argentina and Chile is about 51 points, which is half the
international standard deviation of PISA29. It shows that even though on international standards
both countries belong to the same low performance group, there are striking differences between
them. The model explains almost 43 points of the real gap, 15 of which are due to the part of the
simulation in which the coefficients remain constant and the effect of differing characteristics
is measured. The complement, of 30 points, comes from keeping constant the characteristics of
an average Argentinean student and accounting for varying returns. The positive sign of this
coefficients effect might indicate that Chilean students are better equipped than Argentineans
to make use of the measured characteristics in the production of scores. In this sense Chile does
not have only better inputs but makes a better use of them. More than two thirds of the Chile/
Argentina total estimated gap is explained by the coefficient effect, suggesting that a more pro-
active policy is behind the results obtained by Chilean students.
The characteristic effect that explains about a third of the gap does not appear to be
related to socioeconomic differences between countries as all the indexes report similar values
but to repetition and management issues. The lesser proportion of repeaters found in Chile
respect to Argentina (0.25 against 0.38) seems to be the most important single factor (Table A1.a
and A1.b, Appendix). Another important structural factor is the proportion of students attending
private schools in both countries (Chile: 0.58; Argentina: 0.36).
When compared to Mexico, the situation of Argentinean students is completely different.
The coefficient effect is not only larger than the gap but larger than Chile/Argentina coefficient
effect meaning that Argentinean students would perform better with Mexican education system
than Chilean or their own. The characteristic effect is negative and larger than the estimated
gap which means that the gap would have been twice as large if Argentina had the same
characteristics as Mexico. The large negative characteristics effect was explained previously when
29 A 100 points standard deviation was set in PISA 2009.

95
large differences in socioeconomic indexes between these two countries were found. Coefficient
effect instead, looks to be in big part related to the large difference in the unobservable variables
caught by the intercept.

5. Conclusions
The decomposition analysis revealed that the gap between Argentinean and Chilean/
Mexican students’ performance can be explained mostly by differences in the coefficient effect,
in how home, family and individual characteristics are transformed by schools into student’s
performance – the coefficient effect in table 3. The characteristics effect instead – characteristic
effect in table 3 – is completely different in both analysis: with the gap being positive and
explaining an important part of the gap in Chile’s superiority, but being negative and larger than
the whole gap in the Mexico/Argentina comparison. One important lesson to be learned from
the decomposition analysis is that similar total gaps between countries may come from different
combinations in the weight attached to the characteristics of the students and their families, on
one side, and the marginal effect of the environmental and school incentives on the performance,
on the other side30. To put it more clearly, in terms of simulation analysis, results corresponding
to the coefficient part of the decomposition would suggest that if an average Argentinean student
was rewarded with the returns of a Chilean student instead of his own, he would have obtained
a score 30 points higher. If that same Argentinean student were to be rewarded with Mexican
returns instead, his marks would have been boosted by 34 points. In this case, not only he
would have closed the gap, but he would also be outperforming the average Mexican student by
7 points. This rings an alarm on the working of institutional arrangements for the provision of
education in Argentina, for it seems not to be generating the incentives that would lead students
to make an efficient use of their endowed characteristics.
Once we extend the simulation to the second part of the decomposition, it turns out that
an Argentinean student that had the characteristics of an average Chilean student would have
obtained 15 points more than one who had not. On the contrary, had he been endowed with
characteristics of a Mexican average student, his score would have been penalized by about 22
points.
As a conclusion, if Argentinean student performance is meant to be improved, the
educational system has to be taken care of, because the marginal effect of the environmental and
school incentives was found to be lower than in similar countries, suggesting that the country
is making an inefficient use of the endowed characteristics of its population that contribute to
human capital formation through education.

References
Adams, R. and W. Margaret (2002): “PISA 2000 technical report”.Technical Report, Paris: OECD,
2002. Available from http://www.pisa.oecd.org/dataoecd/53/19/33688233.pdf

Ammermüller, A. (2007): “PISA: What makes the difference? Explaining the Gap in PISA Test
Scores Between Finland and Germany”, Centre for European Economic Research. Available from

30 The return effect shows how Argentinean students-given their characteristics- would perform if they had been
immersed in the education system either of Mexico or Chile. At first sight, one could conclude that - as Chile/
Argentina gap is twice as Mexico/Argentina gap - Argentinean students would achieve better results in Chile than
in Mexico. After doing the decomposition and analyzing the coefficient effect in both gaps, it arises that the first
conclusion is completely wrong. Argentinean students would have obtained a mean score of 429 if they were inserted
in Chilean education system and a mean score of 432 if they were in Mexico.

96
ftp://ftp.zew.de/pub/zew-docs/dp/dp0404.pdf.
Blinder, A. S. (1973): “Wage Discrimination: Reduced Form and Structural Estimates”. Journal of
Human Resources, 8, (1973): 436 - 455.

Gertel, H. R., Roberto Giuliodori, Verónica Herrero, Diego Fresoli, María Luz Vera and Guadalupe
Morra (2006): “Análisis multinivel del rendimiento escolar al término de la educación básica en
Argentina”. Anales de la Asociación Argentina de Economía Política.

Jann, B. (2008): “A Stata implementation of the Blinder-Oaxaca decomposition”. ETH Zurich

Sociology Working Paper, 5.

Kreuter, F., and V. Richard (2007): “A survey on survey statistics: What is done and can be done
in Stata”, The Stata Journal 7, 1: 1–21.

Oaxaca, R. L. (1973): “Male-Female Wage Differentials in Urban Labor Markets”. International

Economic Review, 14, (1973): 693-709.

Oyeyemi, G. M., A. A. Adewara, and R. A. Adeyemi. “Complex Survey Data Analysis: A comparison
of SAS, SPSS and STATA”. Asian Journal of Mathematics and Statistics 3, 1, (2010): 33-39

PISA, PISA 2000 Database, OECD, 2001. Available from

http://pisa2000.acer.edu.au/downloads.php

______, Data Analysis Manual, SPSS Second Edition, OECD, 2009.

______, PISA 2009 Database, OECD, 2010. Available from

http://pisa2009.acer.edu.au/downloads.php

Willms, J. D. and Thomas Smith (2005): “A manual for conducting analyses with data from TIMMS
and PISA”.

Wooldridge, J. M., Econometric Analysis of Cross Section and Panel Data, The MIT Press, Cambridge,
Massachusetts, London, 2002.

97
Annex I. Description of variables

VARIABLE REFERENCE EXPECTED

SIGN VALUES DEFINITION

Plausible Random numbers, drawn from the

value for distribution of combined reading literacy
combined pvread scores, that could be reasonably assigned
reading to each individual.
literacy
Student attributes
The variable takes the value of 0 if the
Repeated repetition (-) Dummy student is in either the tenth or eleventh
course grade, and 1 if he is in seventh, eighth
or ninth grade.

The index measures student´s

engagement in reading. It derives from
students’ level of agreement with eight
Engagement joyread (+) 0-100 statements about reading habits,
in reading (continuous) enjoyment and attitude towards this
activity. The variable was rescaled to the
0/100 range for the three countries
together.

Family background
Occupational data for student´s parents
was obtained by asking open ended
Highest questions. The response were coded to
Parental four-digit ISCO codes and mapped to the
Socio- 0-100 international socio-economic index of
Economic hisei (+) (continuous) occupational status (ISEI). This index
Index of captures the highest ISEI attained by
Occupational either the mother or father of the
Status student. The variable was rescaled to the
0/100 range for the three countries
together.

The index measures the frequency with

Cultural 0-100 which students engage in activities
activities cultposs (+) (continuous) related to classical culture. The variable
was rescaled to the 0/100 range for the
three countries together.
The index builds on the availability and
Home number of certain educational items at
Educational hedres (+) 0-100 home, namely a quiet place to study, a
Resources (continuous) desk, text books and calculators. The
variable was rescaled to the 0/100 range
for the three countries together.
Control variables
Gender gender (+) Dummy 0 was assigned to females and 1 to
(male=1) males.

Schools were classified as either public or

School type Management private according to whether a public
(private=1) (+) Dummy agency or a private entity had the
ultimate decision-making power
concerning its affairs.

98
Annex II. Correlation matrixes and descriptive statistics by Country - 2009
Table A1.a Correlation matrix and descriptives for reading - Argentina - 2009

(1) (2) (3) (4) (5) (6) (7) (8) Media Error Est.
(1) Reading score 1.000 398.26 1.719
(2) Gender (male=1) -0.147 1.000 0.46 0.01
(3) Repetition (Yes=1) -0.436 0.111 1.000 0.38 0.01
(4) Management (private=1) 0.372 -0.047 -0.288 1.000 0.36 0.01
(5) Hisei 0.384 0.053 -0.203 0.309 1.000 38.46 0.39
(6) Cultposs 0.233 -0.073 -0.112 0.165 0.230 1.000 53.54 0.53
(7) Hedres 0.296 -0.016 -0.187 0.224 0.282 0.354 1.000 69.02 0.29
(8) Joyread 0.207 -0.237 -0.075 0.027 * 0.023 0.202 0.075 1.000 45.62 0.18
n = 4205
Note 1: Standard Errors (S.E.) were obtained using balanced-repeated replicate weights (BRR).
Note 2: * indicates no significance at 5%. Mean and standard deviation represent expanded sample

Table A1.b Correlation matrix and descriptives for reading - Chile - 2009

(1) (2) (3) (4) (5) (6) (7) (8) Media Error Est.
(1) Reading score 1.000 449.37 1.104
(2) Gender (male=1) -0.142 1.000 0.51 0.007
(3) Repetition (Yes=1) -0.403 0.099 1.000 0.25 0.006
(4) Management (private=1) 0.270 -0.039 -0.141 1.000 0.58 0.007
(5) Hisei 0.385 -0.015 * -0.116 0.265 1.000 36.56 0.306
(6) Cultposs 0.274 -0.096 -0.090 0.145 0.278 1.000 53.11 0.441
(7) Hedres 0.313 0.015 * -0.162 0.210 0.361 0.359 1.000 73.33 0.266
(8) Joyread 0.295 -0.267 -0.095 0.017 * 0.108 0.236 0.111 1.000 47.05 0.170
n = 4880
Note 1: Standard Errors (S.E.) were obtained using balanced-repeated replicate weights (BRR).
Note 2: * indicates no significance at 5%. Mean and standard deviation represent expanded sample

Table A1.c Correlation matrix and descriptives for reading - México - 2009

(1) (2) (3) (4) (5) (6) (7) (8) Media Error Est.
(1) Reading score 1.000 425.27 0.675
(2) Gender (male=1) -0.142 1.000 0.49 0.00
(3) Repetition (Yes=1) -0.411 0.089 1.000 0.44 0.00
(4) Management (private=1) 0.178 -0.014 * -0.055 1.000 0.12 0.00
(5) Hisei 0.336 0.020 -0.165 0.296 1.000 34.12 0.19
(6) Cultposs 0.193 -0.045 -0.091 0.170 0.310 1.000 44.78 0.26
(7) Hedres 0.308 0.008 -0.182 0.218 0.433 0.405 1.000 58.46 0.15
(8) Joyread 0.200 -0.227 -0.070 -0.028 0.010 * 0.187 0.081 1.000 50.11 0.09
n = 35787
Note 1: Standard Errors (S.E.) were obtained using balanced-repeated replicate weights (BRR).
Note 2: * indicates no significance at 5%. Mean and standard deviation represent expanded sample

99
Annex III. Repetition constructed variable

Table A2.a Correlation matrix Repetition Table A2.b Repetition Frecuency Table

(1) (2) PISA Repetition

(1) Repetition (Yes=1) 1.000 Repetition No Yes Missing Total
(2) PISA Repetition (Yes=1) 0.833 1.000 No 32688 668 1789 35145
Note 1: * indicates no significance at 5%. Yes 1530 7094 4833 13457
Note 2: PISA Repetition is based on children response to ST07Q01, Missing 53 24 14 91
ST07Q02 and ST07Q03. Those three questions were related to
Total 34271 7786 6636 48693
repetition at level 1,2 and 3 of the ISCED scale. PISA Repetion = 0 if
the answer given to all three question was "No, never". PISA
Repetition = 1 if the answer to at least one of the three questions
was "Yes, once" or "Yes, twice or more"

100
6. La gestión del tiempo de ocio y estudio por parte de los jóvenes: ¿cómo
afectan las nuevas tecnologías?

Diego Dueñas Fernández, Universidad de Alcalá

Carlos Iglesias Fernández, Universidad de Alcalá
Raquel Llorente Heras, Universidad Autónoma de Madrid

101
La gestión del tiempo de ocio y estudio por parte de los jóvenes: ¿cómo
afectan las nuevas tecnologías?

Diego Dueñas Fernández, Universidad de Alcalá

Carlos Iglesias Fernández, Universidad de Alcalá
Raquel Llorente Heras, Universidad Autónoma de Madrid

Resumen
Es un hecho contrastable que el desarrollo tecnológico que ha experimentado nuestra sociedad
en los últimos años ha generado numerosas ventajas en términos de bienestar para las familias
de nuestro país. Así mismo, es también evidente que la implantación de dicha tecnología en el
marco familiar ha posibilitado el acceso de los más jóvenes a nuevas formas de entretenimiento
que, en muchos casos, ocupan gran parte no sólo de su tiempo de ocio sino también de su tiempo
de estudio, pudiendo incentivarse a través de esta vía el fracaso y el abandono escolar. En este
sentido, este trabajo pretende ahondar en la repercusión que el uso de los teléfonos móviles, los
ordenadores e Internet tiene sobre el rendimiento escolar de nuestros y nuestras jóvenes. Para ello,
se realizó en el curso 2009 – 2010 una encuesta personal a 706 estudiantes comprendidos entre
los cursos de primero de la Educación Secundaria Obligatoria (ESO) y segundo de Bachillerato,
pertenecientes a dos colegios de características similares de la periferia de la ciudad de Madrid.
Dicha encuesta aborda preguntas sobre las calificaciones obtenidas, el tiempo dedicado al estudio
y al uso de dichas tecnologías, la relación familiar con los padres, y ciertos hábitos sociales como
el consumo de tabaco y de alcohol, entre otras cuestiones. A través de un abanico de herramientas
estadísticas y econométricas, el estudio permite concluir, entre otros aspectos, que el uso en el
hogar de las nuevas tecnologías de forma habitual y sin mesura por parte de los y las estudiantes
repercute de forma negativa en su rendimiento académico, existiendo diferencias significativas
entre aquellos/as alumnos/as que utilizan en mayor y en menor medida el teléfono móvil e
Internet.

Palabras clave: Jóvenes; rendimiento académico; fracaso escolar; nuevas tecnologías.

1. Introducción y marco teórico.

El sistema educativo español vive momentos de cambio a lo largo y ancho de todo su
recorrido, derivando hacia un modelo centrado en el desarrollo de capacidades, habilidades y
competencias por parte del alumnado. Así es desde hace ya años en los colegios e institutos
de educación secundaria y así se pretende que sea en el actual proceso de convergencia con el
Espacio Europeo de Educación Superior (EEES) en el ámbito universitario. Entre otras cuestiones,
este nuevo sistema está centrado en dotar a los alumnos31 de una mayor autonomía que actúe
como catalizador a la hora de desempeñar su trabajo de forma eficiente en el mercado laboral a
partir de los conocimientos obtenidos en su etapa de formación. Esta mayor autonomía implica
igualmente la necesidad de un mayor nivel de madurez y responsabilidad por parte del alumnado,
ya que deriva en un mayor nivel de autogestión del recurso Tiempo para distribuirlo hacia el bien
Estudio o hacia el bien Ocio (Levin y Chang, 1987), teniendo en cuenta el carácter sustitutivo
que pudiera existir entre ambos bienes (Marcén y Martínez, 2010), o la relación que existe entre
el tiempo dedicado al estudio y el rendimiento académico (Krohn y O´Connor, 2005). En este
contexto es necesario referenciar los malos resultados obtenidos por nuestro país en términos
31 En adelante, se utilizará esta expresión para referirse de forma generalizada tanto a alumnos como a alumnas.

102
educativos en los últimos informes PISA (Programme for Internacional Student Assessment), el
último de ellos elaborado por la OCDE para el año 2009 (Ministerio de Educación, 2010): por
ejemplo, el sistema educativo español se sitúa por debajo de la media en el número de notables y
sobresalientes en matemáticas, lectura y ciencias.
Por otra parte, el desarrollo tecnológico que se ha producido en nuestro país en los últimos
años, no sólo ha afectado al conjunto del entramado empresarial sino que también dicho desarrollo
se ha trasladado hasta el entorno familiar. Es frecuente encontrar actualmente en un hogar español
de clase media un número relativamente alto de televisiones, ordenadores, reproductores de
música, etc. repartidos por toda la vivienda. Este hecho ha producido que los más jóvenes puedan
acceder con mayor facilidad al uso de dichas tecnologías, lo cual repercute de forma positiva en
su desarrollo personal y educacional (Rogers, 2001; Korup y Szydlik, 2005) evitando, por ejemplo,
la continuidad de las actuales brechas tecnológicas existentes entre ambos géneros (Castaño,
2008), que redunda en una menor presencia del colectivo femenino en el empleo relacionado
con las Tecnologías de la Información y Comunicación (TIC) (Iglesias, Llorente y Dueñas, 2010),
si bien igualmente puede suponer un lastre en sus logros educativos si consideramos que dichas
tecnologías suponen únicamente un vehículo hacia momentos de ocio y, por consiguiente, hacia
el abandono del estudio.
Un tercer canal teórico al que conviene referirse para enmarcar los propósitos de este
trabajo es el que se refiere a la incorporación de la mujer al mercado laboral en los últimos años
(Iglesias y Llorente, 2007), bajo el paraguas del desarrollo económico y social que se ha producido
en la historia reciente de nuestro país. La incorporación de esta línea de investigación tiene
sentido desde el punto de vista del rol tradicional que ha adoptado el colectivo femenino dentro
del reparto familiar del tiempo, encargándose en mayor medida que el colectivo masculino de las
tareas del hogar, entre las cuales podemos convenir que se encuentra la atención y supervisión
del desarrollo personal y educativo de los hijos (García, Molina y Montuenga, 2009). La reducción
que se ha producido en la natalidad, entre otros muchos factores, es causa y a la vez consecuencia
de la creciente aproximación de la mujer al mercado de trabajo, teniendo en cuenta la evidencia
empírica existente sobre la relación negativa entre la tenencia de hijos y la participación en
tareas laborales (Mussons y Perdiguero, 2008). Por consiguiente, en la medida en que tanto el
padre como la madre han desaparecido del hogar para dedicarse a tareas laborales en determinadas
horas del día, los jóvenes tienen mayor libertad para gestionar su tiempo de estudio y de ocio,
con el consiguiente riesgo asociado. Igualmente es también significativo el cambio experimentado
por la juventud en cuanto a la adopción de determinados comportamientos más relacionados
tradicionalmente con el mundo adulto, como pueden ser el consumo de tabaco y alcohol a edades
muy tempranas, en lo cual es muy probable que el mayor nivel de desatención forzoso por parte
de los padres o tutores haya tenido una gran importancia.
En este contexto teórico, este trabajo pretende aunar el mayor grado de autogestión
de los jóvenes derivado de los cambios sociales y educativos con el desarrollo de las nuevas
tecnologías en el hogar, comprobando en qué medida estas condiciones y otras derivadas de sus
características individuales y familiares pueden repercutir sobre el rendimiento académico en la
etapa de formación secundaria, una línea de investigación sobre la cuál creemos que existe hasta
la fecha una escasa literatura académica, la cual se ha centrado más en la evaluación de otros
aspectos que pueden condicionar los resultados académicos como pueden ser las características de
las familias, el entorno social o el tipo de centro escolar (Calero, 2007; Albert y García, 2006). A
continuación, la estructura de este estudio se desarrolla de la siguiente manera: en el capítulo 2 se
detalla el trabajo de campo realizado, la codificación de las variables y el objetivo del estudio; en

103
el tercer epígrafe se lleva a cabo el análisis econométrico mediante la aplicación de modelos logit
de respuesta binaria; el cuarto analiza las posibles diferencias en el rendimiento académico entre
chicos y chicas; el estudio termina con un apartado dedicado a las principales conclusiones.

2. Trabajo de campo, codificación de variables y objetivo del estudio.

Los datos utilizados en el presente estudio proceden de una encuesta realizada entre los
y las estudiantes de los cursos comprendidos entre 1º de la ESO y 2º de Bachillerato, es decir,
toda la etapa de educación secundaria, tanto en su ámbito obligatorio como en el no obligatorio.
En cuanto a su elaboración, la encuesta fue sometida a un proyecto piloto en el año anterior
con el fin de depurar aquellas preguntas y respuestas que no fueran bien entendidas por parte
de los alumnos o que no representaran fielmente la realidad de los jóvenes. Una vez realizada
dicha depuración, y siempre teniendo en cuenta las conclusiones obtenidas de diversas reuniones
en las cuales se pusieron en valor las distintas opiniones vertidas por los departamentos de
orientación de ambos colegios compuestos por sicólogos y pedagogos, la encuesta final consta de
15 preguntas de respuesta múltiple, permitiendo únicamente una respuesta por cada pregunta.
Además, se incluyen varios apartados para anotar una serie de variables personales y académicas
como son el sexo, el curso, la edad y el número de sobresalientes, notables, bienes, suficientes
y suspensos obtenidos en la segunda evaluación. Dicha encuesta está dividida en tres bloques,
si bien este hecho no se refleja visualmente a lo largo de la misma con el fin de no condicionar
las respuestas de los alumnos: características personales y escolares, uso de nuevas tecnologías
(principalmente, teléfono móvil e Internet), y relaciones familiares con los padres.
Su realización se produjo con suficiente posterioridad a los exámenes de la segunda
evaluación y sus correspondientes exámenes de recuperación, para que los alumnos no tuvieran
un comportamiento estacional sesgado hacia el estudio. Se eligió igualmente con dicha finalidad
(la eliminación de cierto sesgo) el martes, el miércoles y el jueves para la obtención de las
respuestas, aprovechando las horas de tutoría siempre que fuera posible. Se determinó que la
encuesta se realizara con carácter obligatorio para intentar reducir en la medida de lo posible el
sesgo de selección (Heckman, 1979), es decir, la realización de la encuesta de forma voluntaria
únicamente por aquellos alumnos más implicados o responsables con este tipo de actividades, que
normalmente pueden corresponderse con aquellos alumnos que presentan mejores calificaciones,
teniendo en cuenta que la posibilidad de falsear las respuestas es contrarrestada con el carácter
anónimo de cada encuesta. Los colegios elegidos presentan características similares: nivel de
renta de las familias medio – alto, lo cual es adecuado ya que implica la existencia de un marco
social donde el uso de las nuevas tecnologías puede ser habitual; situados en la periferia de
Madrid; bien valorados socialmente dentro de la proximidad urbana en la que se encuentran;
educación concertada; alto nivel de comunicación por parte del colegio con los padres de los
alumnos manifestada a través de tutorías, seguimiento individualizado de los alumnos, etc.; y un
nivel de exigencia similar hacia los alumnos en el desarrollo diario de la educación.
El número de alumnos encuestados ascendió inicialmente a 764, siendo finalmente 706, es
decir, un 92,41 por ciento, el número total de encuestas válidas, después de realizar un proceso
de depuración necesario que se encargó de eliminar aquellas encuestas con algún tipo de omisión
en alguna o algunas de las preguntas realizadas en la encuesta.
Los datos han sido tratados mediante el programa SPSS. Para establecer la variable
dependiente que posteriormente se utilizará en los modelos econométricos se ha creado la variable
“Rendimiento” a partir de la siguiente fórmula:

104
 Ren dim iento=
( 4 * Sobresalientes+ 3* Notables+ 2* Bienes+ Suficientes− 5* Suspensos)
( Sobresalientes+ Notables+ Bienes+ Suficientes+ Suspensos)
ponderando así tanto el número de buenas calificaciones de forma positiva (con menor ponderación
a medida que pasamos del Sobresaliente al Suficiente) como el número de suspensos de forma
€ negativa. En el gráfico 1 se muestra la distribución decílica de esta variable. Observamos que el
rendimiento de los alumnos encuestados presenta una distribución desplazada hacia la derecha,
es decir, hacia los valores más altos, lo cual permite afirmar que, en términos generales, nos
encontramos ante alumnos que presentan buenos resultados.

Gráfico1. Distribución por deciles de la variable Rendimiento

 
En la tabla 1 se muestra cómo queda distribuida esta variable después de la codificación efectuada.
Se observa cómo el rango de datos oscila entre los valores -5 y 4, es decir, en ambos colegios hay
alumnos que han obtenido una calificación de suspenso o sobresaliente en todas las asignaturas.
El valor medio supera ligeramente el 1, y la desviación típica es sensiblemente superior a 2.

Tabla 1. Principales descriptivos de la variable Rendimiento para el total de la muestra y para cada
uno de los colegios
N Mínimo Máximo Media Desv. típica
TOTAL 706 -5 4 1,0740 2,2643
COLEGIO1 270 -5 4 1,0098 2,4861
COLEGIO2 436 -5 4 1,1138 2,1173

La codificación efectuada hasta el momento nos sirve para poder clasificar al conjunto de
alumnos en tres grupos claramente diferenciados, y a los que podemos definir como “alumnos con
bajo rendimiento”, “alumnos con rendimiento medio” y “alumnos con alto rendimiento” mediante
la siguiente codificación:

105
En la tabla 2 se muestra el número de alumnos y el porcentaje correspondiente para cada una de
las categorías establecidas.

Tabla 2. Alumnos y porcentaje dentro de la variable “Tipo de alumno”

N %

Bajo rendimiento 220 31,16

Rendimiento medio 173 24,50

Alto rendimiento 313 44,33
El resto de variables derivadas de la encuesta, y que aparecerán como variables explicativas
en los modelos econométricos establecidos, han sido codificadas a partir de las respuestas de los
alumnos, y son las siguientes32:
• El género del alumno, es decir, hombre o mujer.
• La edad del alumno, que oscila entre 12 y 19 años.
• El curso del alumno, entre 1º de la ESO y 2º de bachillerato. Esta variable ha sido
posteriormente codificada, considerando la posible existencia de un “efecto fin de ciclo”,
agrupando, por un lado, los alumnos que están en 4º de la ESO y en 2º de Bachillerato, y por otro,
al resto.
• Si el alumno es repetidor. Esta variable considera como repetidores a aquellos alumnos con
una edad superior a la que le correspondería por curso, es decir, o bien están repitiendo ese curso
o han repetido alguno o algunos anteriormente.
• Si el alumno fuma.
• Si el alumno bebe
• Horas de estudio en época de exámenes
• Horas de estudio cuando no es época de exámenes
• Frecuencia con la que se habla por el teléfono móvil de lunes a viernes
• Mensajes de texto enviados con el teléfono móvil de lunes a viernes
• Horas y tipo de dedicación cuando el alumno está conectado a Internet: Esta variable
trata de recoger una doble información. Por un lado, el número de horas que el alumno dedica
cada día de lunes a viernes a estar conectado a Internet, y por otro, en qué tipo de páginas suele
estar conectado la mayor parte del tiempo. En este segundo caso, la encuesta ofrecía tres tipos
de respuestas: páginas relacionadas con redes sociales (foros, chats, etc.), páginas para buscar
información sobre trabajos o actividades de clase, y páginas relacionadas con los hobbies (música,
deportes, noticias, etc.). El motivo de unir ambas preguntas (horas y dedicación) se basa en que
no se puede considerar por igual las horas dedicadas a redes sociales, a trabajo escolar o a hobbies,
ya que pueden repercutir de forma distinta sobre el rendimiento académico. La codificación que se
ha elegido es la siguiente: si el alumno dedica la mayor parte del tiempo a las redes sociales, cada
hora computa el doble; si el alumno dedica la mayor parte del tiempo a trabajos de clase, cada
hora computa como ¾; y si el alumno dedica la mayor parte del tiempo a hobbies, no se ponderan
las horas.
• Empleo del tiempo del alumno cuando no está conectado a Internet, en actividades
académicas (estudiando o leyendo) o en actividades lúdicas (deportes, televisión, juegos, hablando
con amigos, etc.)
• Frecuencia con la que se miente a los padres al responder afirmativamente cuando éstos
32 En la tabla A.1. del anexo se detallan las frecuencias absolutas y los porcentajes de cada una de las variables.

106
 preguntan al alumno si está o ha estado estudiando, cuando realmente ha dedicado el tiempo a
otra actividad.
• Actitud de los padres cuando el alumno está conectado a Internet, enfocando las respuestas
a si están o no pendientes de la realización de dicha actividad por parte del alumno.
• Comprobación por parte de los padres de la realización de las tareas de clase que tienen
que realizar en casa los alumnos.
• Y si el alumno dispone de televisión en su habitación.
A partir de este conjunto de variables el objetivo principal del trabajo radica en conocer de
qué depende que un alumno forme parte de una u otra categoría en su rendimiento académico,
enfocando dicha repercusión en tres direcciones distintas: la que se refiere a aspectos personales
de cada alumno; aquella que tiene que ver con el uso de las nuevas tecnologías; y la que indica
el tipo de relación que existe entre padres e hijos. En concreto, se pretende resolver aspectos
como por ejemplo: ¿es importante el género del individuo a la hora de obtener mejor o peor
rendimiento escolar?, ¿hábitos sociales como fumar o beber pueden afectar a las calificaciones de
los alumnos?, ¿existe alguna relación entre las horas dedicadas al uso de Internet o del teléfono
móvil y el rendimiento académico?, ¿cómo incide la implicación de los padres en las notas? Es
posible que, aparentemente, alguna de estas preguntas sea improcedente si tenemos en cuenta
que, por ejemplo, muchos padres son conscientes de que sus hijos consumen habitualmente
tabaco (casi el 20 por ciento de los alumnos encuestados), o permiten que el alumno tenga
televisión en su habitación (casi el 40 por ciento de los alumnos encuestados), por no hablar de
la financiación de una línea de teléfono móvil cuyo coste recae sobre el presupuesto familiar, sin
reparar en la repercusión académica que estos hechos puedan acarrear. La evaluación de estas y
otras cuestiones se llevará a cabo en el siguiente epígrafe.

3. Repercusión sobre el rendimiento académico de las características personales, el uso de

las nuevas tecnologías y la implicación de los padres
Una alternativa por la que se puede optar dentro del amplio abanico de posibilidades
econométricas es la realización de un modelo logit binomial33 para cuantificar la repercusión
que tienen las variables explicativas enunciadas anteriormente sobre la probabilidad que tiene
un estudiante de obtener malos o buenos resultados académicos. De esta forma, y siguiendo a
Maddala (1994), se plantea estimar: *
yi = β ' xi + ui

*
siendo yi la probabilidad para el individuo i de obtener buenos resultados académicos, y xi
*
un vector de características individuales. En la práctica yi no es observable, ya que lo que se
observa es una variable binaria € definida de la siguiente forma:
€ yi = 1 , si yi f 0; es decir, si i es un alumno con alto rendimiento académico.
*
€
yi = 0 , si i es un alumno con bajo rendimiento € académico.
De esta forma se obtiene que:
€
€ P(yi = 1) = P(ui ? − β 'xi ) = 1− F(− β 'xi )
€ Si suponemos que la función de distribución acumulada (F) sigue una función logística (Λ):
exp(− β 'xi ) 1
F(− β 'xi ) = Λ(xi ) = =
€ 1+ exp(− β 'xi ) 1+ exp(β 'xi )
exp(β 'xi )
1− F(− β 'xi ) =
1+ exp(β 'xi )
33 Otra muy válida e interesante podría ser la inclusión de un probit ordenado, si bien por motivos de espacio queda
fuera de este trabajo.
€
107
 De esta forma, puede estimarse la probabilidad de ser un alumno con buenos resultados
(versus alumno con malos resultados) mediante el siguiente modelo logit:
exp(β 'xi )
P(yi = 1) = Λ(xi ) =
1+ exp(β 'xi )

La interpretación de los resultados en términos de coeficientes (βi ) es la siguiente: un

coeficiente positivo aumenta la probabilidad de que el individuo tenga buenos resultados, un
€
coeficiente negativo disminuye dicha probabilidad, y un coeficiente igual a cero no produce
cambios. Dicha interpretación puede ampliarse mediante la utilización
€ de las “odds ratio” (también
llamadas factor change coefficients) que aportan una explicación más clara que los coeficientes
estimados, principalmente al trabajar con variables discretas, aunque también pueden ser una
herramienta muy útil en el caso de variables continuas. Las “odds ratio” se definen de forma
relativa, en este caso como la probabilidad de que un alumno con una determinada característica
(caeteris paribus el resto) obtenga un alto rendimiento académico frente a que obtenga un bajo
rendimiento académico.
En este contexto, se presentan a continuación tres modelos, cada uno de ellos referenciado
a una serie de características: el primero de ellos mide la probabilidad de ser alumno con alto o
bajo rendimiento en función de una serie de características personales; el segundo lo hace en
función de variables relacionadas con el uso de las nuevas tecnologías; y, por último, el tercero
estima dichas probabilidades a partir de una serie de factores que tienen en cuenta la relación
entre padres e hijos.
El primero de ellos se muestra en la tabla 3. Con carácter previo a la explicación de
variables hay que hacer constar que el número de observaciones se reduce de 706 a 533, que son
el número de alumnos con alto y bajo rendimiento académico, a partir de la codificación efectuada
para determinar el tipo de alumno. La significatividad estadística del modelo se contrasta a través
de la prueba de Hosmer y Lemeshow de ajuste global, donde se obtiene un contraste estadístico
que indica que no existe diferencia estadística significativa entre las clasificaciones observadas
y las predichas, ya que el valor de la Chi – cuadrado es no significativo (Chi – cuadrado: 7,655,
con 8 grados de libertad). La R cuadrado de Nagelkerke nos da un valor que podemos considerar
como aceptable, teniendo en cuenta el número de observaciones, de 0,276. El porcentaje global
de acierto asciende al 73 por ciento.
En cuanto a las “odds ratio”, obtenemos las siguientes conclusiones:
• La probabilidad de que una chica tenga un rendimiento académico alto frente a uno bajo
es 2,217 veces superior a que lo tenga un hombre 34, es decir, podemos afirmar que el rendimiento
académico de las mujeres es mejor que el de los hombres.
• El hábito del tabaco perjudica a los alumnos en su rendimiento académico ya que aquellos
alumnos que no fuman tienen una probabilidad 4,221 veces mayor de obtener buenos resultados
escolares que los alumnos que son fumadores.
• Algo similar, aunque en menor medida, sucede con aquellos alumnos que no consumen
alcohol, siendo su probabilidad de obtener buenos resultados académicos 1,91 veces mayor que
los alumnos que sí lo consumen.
• Aquellos alumnos que se encuentran en 4º de la ESO o en 2º de Bachillerato, es decir,
los que en el año escolar completan un fin de ciclo, tienen 1,848 veces más de probabilidad que
el resto de alumnos de tener buenos resultados académicos, por lo que podemos considerar que

34 La variable sexo está incluida en los tres modelos al ser altamente explicativa y significativa. Los autores consideran
conveniente que exista una explicación de género en todos ellos.

108
existe un “efecto sprint” que indicaría la repercusión positiva sobre el estudio que puede tener el
hecho de completar en un corto periodo de tiempo un ciclo académico completo.
• Una de las variables con mayor grado de significatividad es la que muestra la probabilidad
referente a un alumno considerado como repetidor. En concreto, la probabilidad que tiene un
alumno no “repetidor” de obtener buenos resultados académicos es 13,486 veces superior a la
probabilidad que tiene un alumno “repetidor” de obtener dichos resultados. Este dato conduce
a pensar en la difícil “reinserción” de los alumnos que han perdido algún curso a lo largo de su
carrera académica.
• Las dos variables siguientes tienen que ver con los hábitos de estudio del alumno. La
primera de ellas se refiere a las horas de estudio cuando el alumno está en época de exámenes.
En este caso, el comportamiento de la variable es totalmente lógico, ya que cuando un alumno
estudia más de dos horas al día dobla en términos de probabilidad de obtener buenos resultados
al alumno que estudia menos de dos horas. Existe, por consiguiente, una clara relación directa
entre los alumnos que más estudian en época de exámenes y los logros académicos.
• La segunda se refiere al estudio diario, es decir, al estudio cuando no es época de exámenes.
Si observamos la “odd ratio” de esta variable podríamos concluir que los alumnos que menos
estudian al día (entre 0 y 1 hora) tienen 1,735 veces más de probabilidad de obtener buenos
resultados académicos que los que superan la hora diaria de estudio extraescolar. A priori, esta
conclusión puede contradecir lo esperado. Sin embargo, si nos acercamos a la realidad escolar
podemos encontrarle alguna explicación coherente a este valor obtenido en el modelo. Si pensamos
qué tipo de alumnos son los que dedican más horas a estudiar diariamente no siendo época de
exámenes, es probable que podamos concluir que estos alumnos son los que tienen que estudiar
obligatoriamente de forma diaria, es decir, aquellos que reciben clases particulares de apoyo
con alguna o varias asignaturas, que suelen ser los alumnos que obtienen peores resultados
académicos, motivo por el cual deben recibir dichas clases.

Tabla 3. MODELO LOGIT 1. Probabilidad de que un alumno obtenga buenos resultados frente a la
probabilidad de que obtenga malos resultados, en función de determinadas características personales

Variables OR 1/OR Std. Err

Hombre 0,451*** 2,217 0,203
Sí bebe 0,523*** 1,910 0,238
Alumno no está en fin de ciclo 0,541** 1,848 0,247
Sí fuma 0,237*** 4,221 0,291
No repetidor 13,486*** 0,074 0,749
Estudia de 0 a 2 horas cuando SÍ es época de 0,508** 1,970 0,271
exámenes
Estudia de 0 a 1 hora cuando NO es época de 1,735** 0,576 0,222
exámenes
N 533
Prueba de Hosmer y Lemeshow 0,468
-2 log de la verosimilitud 600,967
R cuadrado de Nagelkerke 0,276
Porcentaje global de acierto 73%

OR: Odds ratio. *** Significatividad superior al 99 por ciento; ** Significatividad superior al 95
por ciento; * Significatividad superior al 90 por ciento.

109
 El segundo de los modelos obtenidos se presenta en la tabla 4. En este caso las probabilidades
obtenidas tienen que ver con el uso de las nuevas tecnologías por parte de los alumnos. Previamente
al análisis de las “odds ratios”, se exponen a continuación los estadísticos de ajuste global: a
partir de los 526 datos35, la prueba de Hosmer y Lemeshow indica también en este modelo que
no existe diferencia estadística significativa entre las clasificaciones observadas y las predichas,
ya que el valor de la Chi – cuadrado es no significativo (Chi – cuadrado: 5,659, con 7 grados de
libertad). La R cuadrado de Nagelkerke es 0,133 y el porcentaje global de acierto es del 62,9 por
ciento.
En cuanto a las “odds ratio”, obtenemos las siguientes conclusiones:
• Nuevamente, y en este caso en mayor medida que en los otros dos modelos estimados,
las mujeres presentan una probabilidad mayor que los hombres de obtener buenos resultados
académicos, en concreto, de 2,534 veces superior.
• Las tres variables siguientes recogen las prácticas más habituales de los jóvenes cuando
disponen del uso de las nuevas tecnologías. La primera de ellas se refiere al uso del teléfono móvil
para hablar. Aquellos alumnos que no hablan o hablan muy poco tienen una probabilidad 1,936
y 2,04 veces mayor, respectivamente, de obtener buenos resultados académicos que los alumnos
que utilizan el teléfono de forma asidua.
• La segunda de ellas analiza otra aplicación frecuente de los teléfonos móviles como es el
envío de mensajes de texto. En este caso encontramos valores para las “odds ratio” aún mayores
que en el caso anterior, ya que la probabilidad de obtener buenas notas por parte de los alumnos
que envían pocos mensajes de texto (tanto de 0 a 5 como de 5 a 15) entre lunes y viernes es
más del triple que la de los alumnos que envían más de 15 mensajes semanales, y casi llega a
cuadruplicarse si lo comparamos con los alumnos que envían de media 1 mensaje de texto al día.
Tanto esta variable como la anterior nos muestra el grave perjuicio académico que tiene el uso
de los teléfonos móviles, tanto para hablar como para enviar mensajes. Pese a que el tiempo de
dedicación a ambas cuestiones sea breve, en muchos casos dicho tiempo se magnifica simplemente
al estar pendiente el alumno de una nueva llamada o un nuevo mensaje.
• La tercera de las variables nos indica las horas de dedicación a Internet y el tipo de
conexión realizada, según se explicó en el epígrafe anterior. Pese a que la significatividad de
esta variable sólo supera el 90 por ciento, la “odd ratio” nos indica que aquellos alumnos que
dedican pocas horas a Internet o/y que su tipo de conexión no está relacionado con las redes
sociales tienen una probabilidad 1,46 veces superior de obtener buenos resultados escolares que
los alumnos que dedican mayor tiempo a estar conectados o/y su conexión se produce con mayor
frecuencia a chats, foros, messenger, etc.

Por último, es también interesante considerar cómo puede repercutir sobre el rendimiento
escolar el empleo del tiempo cuando los alumnos no están conectados a Internet. Así lo demuestra
la “odds ratio” asociada a esta variable, que indica una probabilidad 1,55 veces mayor de obtener
resultados satisfactorios para los alumnos que estudian o leen por encima de la probabilidad que
tienen los alumnos dedicados a otras actividades más ociosas como el deporte, los juegos o hablar
con los amigos.

35 Se han eliminado aquellos alumnos (7) que no poseen teléfono móvil o que nunca se conectan a Internet.

110
Tabla 4. MODELO LOGIT 2. Probabilidad de que un alumno obtenga buenos resultados frente a la
probabilidad de que obtenga malos resultados, en función de su uso de nuevas tecnologías

Variables OR 1/OR Std. Err

Hombre 0,395*** 2,534 0,200
No habla por el teléfono móvil 1,936** 0,516 0,324
Habla muy poco por el teléfono móvil 2,04*** 0,490 0,238
Envía entre 0 y 5 sms 3,77*** 0,265 0,491
Envía entre 5 y 15 sms 3,135** 0,319 0,512
Horas dedicadas a Internet: entre 0 y 3 1,46* 0,685 0,217
Estudiando o leyendo cuando no está 1,55** 0,647 0,190
conectado a Internet
N 526
Prueba de Hosmer y Lemeshow 0,58
-2 log de la verosimilitud 659,188
R cuadrado de Nagelkerke 0,133
Porcentaje global de acierto 62,9%

OR: Odds ratio. *** Significatividad superior al 99 por ciento; ** Significatividad superior al 95
por ciento; * Significatividad superior al 90 por ciento.

El último modelo estimado se presenta en la tabla número 5. En este caso, se hace depender
la probabilidad de que un alumno obtenga buenos resultados académicos a partir de un conjunto
de variables que cuantifican el grado de implicación o de atención que los padres tienen con
sus hijos en cuanto al tiempo que éstos dedican a estar conectados a Internet o hablando por el
teléfono móvil y en cuanto al cumplimiento de sus tareas escolares. Para realizar el modelo se han
tomado 526 observaciones (al igual que en el modelo anterior). La prueba de Hosmer y Lemeshow
sale no significativa (Chi – cuadrado igual a 8,86 con 7 grados de libertad), la R cuadrado de
Nagelkerke es igual a 0,215, y el porcentaje global de acierto es igual a 66,7 por ciento, por lo que
podemos considerar como aceptable la expresión modelizada.
En cuanto a las “odds ratio” calculadas, obtenemos las siguientes conclusiones:
• Una vez más, la probabilidad femenina de obtener buenos resultados académicos es 1,673
veces mayor que la probabilidad masculina.
• La siguiente variable se refiere a la asiduidad con la que los alumnos mienten a los padres
cuando éstos les preguntan si han estado estudiando. Aquellos alumnos que siempre o casi
siempre dicen que han hecho sus tareas cuando realmente han estado haciendo otra cosa tienen
una probabilidad 5,549 veces mayor de obtener malos resultados académicos que aquellos que
nunca mienten. Esta probabilidad es 2,718 veces mayor en el caso de los alumnos que confiesan
que engañan a sus padres alguna vez.
• La siguiente “odd ratio” se refiere al grado de atención, y, por tanto, de permisividad,
que tienen los padres hacia los alumnos cuando éstos están conectados a Internet o hablando
por el móvil. Cuando los padres no están pendientes la probabilidad de obtener malos resultados
académicos es 1,526 veces mayor que la probabilidad que tienen los alumnos cuyos padres ejercen
algún tipo de control sobre la conexión a Internet y el teléfono de sus hijos.
• La siguiente variable está relacionada con el grado de comprobación que hacen los padres
sobre la realización de las tareas por parte de sus hijos. Lo que nos muestran las “odds ratio” es
que aquellos alumnos cuyos padres comprueban siempre o casi siempre la realización de las tareas

111
tienen una probabilidad 3,444 veces mayor de obtener malos resultados que aquellos alumnos
cuyos padres nunca lo comprueban, probabilidad que es 2,831 veces mayor en el caso de los
alumnos cuyos padres realizan alguna vez dicha comprobación. Nos encontramos, por tanto, con
una variable que podría contradecir lo que razonablemente se podría esperar, esto es, que aquellos
alumnos cuyos padres ejercieran un mayor control sobre la realización de las tareas tuvieran mayor
probabilidad de obtener buenos resultados. En este caso, creemos que estamos en una situación
similar a la que apareció en el modelo 1 (ver tabla 3) con los alumnos que declaraban estudiar
diariamente. Puede ser que el control de los padres en cuanto a la realización de tareas se ejerza
a posteriori, es decir, una vez que el alumno ya ha obtenido malas calificaciones. Si así fuera,
podríamos afirmar que existe una confianza por parte de los padres en lo que a la realización de
las tareas por parte de los hijos se refiere, y una vez que esta confianza no se ve correspondida
con buenos resultados es cuando los padres deciden incrementar su control.
• Por último, se ha decidido incluir en el modelo la variable referida a tener televisión
dentro de la habitación del alumno, debido a que este hecho afecta a casi el 40 por ciento de los
alumnos encuestados. Hay que decir que la variable no es significativa, pese a que esta muy cerca
de serlo al 90 por ciento (significatividad igual a 0,116). Lo que nos indica su “odd ratio” es que
el alumno que tiene televisión en su habitación tiene una probabilidad 1,373 veces mayor de
obtener malos resultados académicos que los alumnos que no disponen de televisión.

Tabla 5. MODELO LOGIT 3. Probabilidad de que un alumno sea “bueno” frente a la probabilidad de
que sea “malo”, en función de la implicación de los padres
Variables OR 1/OR Std. Err
Hombre 0,598*** 1,673 0,196
Siempre miente a los padres 0,180*** 5,549 0,365
Alguna vez miente a los padres 0,368*** 2,718 0,242
Los padres no están pendientes 0,655** 1,526 0,213
Los padres siempre comprueban tareas 0,290*** 3,444 0,243
Los padres pocas veces comprueban tareas 0,353*** 2,831 0,233
Tiene TV en la habitación 0,728 1,373 0,202
N 526
Prueba de Hosmer y Lemeshow 0,263
-2 log de la verosimilitud 622,266
R cuadrado de Nagelkerke 0,215
Porcentaje global de acierto 66,7%
OR: Odds ratio. *** Significatividad superior al 99 por ciento; ** Significatividad superior al 95
por ciento; * Significatividad superior al 90 por ciento.

4. Diferencias en el rendimiento académico entre hombres y mujeres.

A la luz de los modelos expuestos anteriormente, y de forma más acusada en el modelo
2 en el cual se recogen las variables relacionadas con el uso de las tecnologías por parte de los
jóvenes, podemos afirmar que las mujeres tienen mayor probabilidad de obtener buenos resultados
académicos que los hombres. Esta evidencia podría sustentarse sobre dos hipótesis: 1) Que las
mujeres, en general, presentaran mejores características para obtener mejores resultados, por
ejemplo, un número mayor de horas dedicadas al estudio o un número menor de horas conectadas
a Internet. 2) Que el provecho que obtuvieran las mujeres de sus características fuera mejor que
el de los hombres, por ejemplo, si una hora de estudio fuera mejor aprovechada por las mujeres

112
 que por los hombres, o si el tiempo que dedican los jóvenes a Internet repercutiera menos en las
mujeres que en los hombres. Esta segunda razón podría considerarse como una variable proxy de
la productividad.
El desarrollo que se pretende llevar a cabo en este epígrafe esta basado en poder desagregar
qué parte de la diferencia de los mejores resultados femeninos por encima de los masculinos se
debe a las diferencias en características (1) y qué parte se debe a las diferencias en el retorno
de dichas características (2). Para ello, se aplica una conocida descomposición en la literatura
referente a la economía laboral36 como es la descomposición de Oaxaca – Blinder (Oaxaca, 1973;
Blinder, 1973), desarrollada en este trabajo de la siguiente manera: las probabilidades medias de
obtener buenos resultados académicos para cada uno de los géneros ( para los hombres y para
las mujeres) vendrían establecidas a partir de las siguientes ecuaciones:

R H = α H + β H wH ;R M = α M + β M wM

i
siendo α i (i = H, M) la constante de las ecuación, β (i = H, M) un vector de coeficientes, y wi (i
= H, M) los valores medios de las variables explicativas asociadas a dichos coeficientes. A partir de
estas ecuaciones, el€objetivo perseguido se basa en descomponer R H − R M en dos componentes,
€ uno de ellos asociado a las diferencias en€características y el otro asociado a las diferencias
€ en el
retorno de dichas características. Para ello es necesario construir una probabilidad media ficticia
( R F ) de obtener buenos resultados académicos utilizando € las características de las mujeres y
suponiendo que el efecto de dichas características sobre el resultado académico es igual al que
tienen las características de los hombres sobre los resultados académicos masculinos, es decir:
€ R F = α H + β H wM
De esta forma:

€
[ ] [ ]
R H − R M = ( R H − R F ) + ( R F − R M ) = β H ( w H − w M ) + (α H − α M ) + w M ( β H − β M )

Los tres sumandos que se encuentran a la derecha de la segunda igualdad tendrían el

siguiente significado:
€ • El primero de ellos expresa las diferencias en características entre hombres y mujeres
(“endowment effect”) como explicación a las diferencias en resultados.
• Los dos siguientes expresan las diferencias en el retorno de las características entre
hombres y mujeres (“productivity effect”) como explicación a las diferencias en resultados.
Para llevar a cabo esta descomposición es necesario realizar previamente dos modelos logit
binarios, uno para hombres y otro para mujeres37 en los cuales la variable rendimiento dependa
de un conjunto de variables explicativas similares a las de los modelos 1, 2 y 3. Con el fin de no
perder tamaño en la muestra de estos logit binarios, ya que en este caso cada uno de los modelos
corresponde a hombres y a mujeres, se ha procedido a codificar nuevamente la variable “Tipo de
alumno” a partir de la variable “rendimiento”, esta vez en dos categorías, distinguiendo a los
alumnos mediante la siguiente clasificación:

36 Esta técnica de descomposición fue previamente aplicada en el campo de la sociología (Althauser y Wigler,
1972).
37 Estos modelos se han suprimido en este trabajo por motivos de espacio. En cualquier caso, están a disposición
de quien los solicite. En el logit masculino se obtiene que la prueba de Hosmer y Lemeshow es no significativa
(0,295), con un valor de la Chi – cuadrado igual a 9,595, con 8 grados de libertad. En el logit femenino se obtiene
que la prueba de Hosmer y Lemeshow es no significativa (0,968), con un valor de la Chi – cuadrado igual a 2,35
con, 8 grados de libertad. Las variables explicativas son significativas para ambos sexos o para alguno de los dos.

113
 Los resultados obtenidos se presentan en la tabla 6, en la cual se puede observar que los
rendimientos femeninos son mejores que los masculinos, como ya se demostró en los modelos
1, 2 y 3. A partir de la descomposición efectuada, el 5,5176 por ciento de las diferencias en los
rendimientos se debe a las diferencias en características, y el 94,4824 por ciento restante se debe a
las diferencias en el retorno de esas características. Es decir, los hombres y las mujeres encuestados
apenas presentan diferencias en sus características que pudieran avalar los mejores logros
académicos por parte de las féminas, siendo más bien el aprovechamiento de estas características
el que diferencia a ambos géneros, a favor del colectivo femenino. Se podría deducir, por tanto,
que las chicas encuestadas son más productivas que los chicos.

Tabla 6. Descomposición de Oaxaca – Blinder para la diferencia en el rendimiento académico entre

ambos sexos
R(H) R(M) R(F) R(H)-R(M) Endowment effect Productivity
effect
-0,2755 0,3506 -0,2410 -0,6262 -0,0345 -0,5916
5,5176% 94,4824%

5. Conclusiones38
A partir de una pequeña muestra obtenida a través de una encuesta repartida entre 764
alumnos de Educación Secundaria de dos colegios de Madrid, este trabajo ha tratado de entender
cuál es la repercusión que sobre el rendimiento académico pueden tener algunas características
personales de los alumnos, su relación con el mundo de las nuevas tecnologías, y la implicación o
vinculación de los padres en la gestión del ocio y del estudio que hacen estos jóvenes. Para ello,
se han llevado a cabo una serie de pruebas estadísticas y econométricas que nos conducen a los
siguientes resultados principales:
• Determinados hábitos sociales cada día más extendidos entre la población juvenil, como
pueden ser el consumo de alcohol o de tabaco, causan un serio perjuicio, ya sea de forma directa
o indirecta, sobre el rendimiento académico de los escolares. Aquellos alumnos que no fuman y no
beben tienen una probabilidad más elevada de obtener buenos resultados que aquellos alumnos
que, aunque sea de forma esporádica, prueban el alcohol y el tabaco.
• El hecho de ser repetidor o haber repetido algún curso durante la formación académica es
un handicap muy desfavorable a la hora de obtener buenos resultados académicos.
• Aquellos alumnos que están matriculados en un curso que supone un fin de ciclo, es decir,
4º de la ESO o 2º de Bachillerato cuentan con esta característica a su favor para obtener un alto
rendimiento académico.
• En cuanto al hábito de estudio, existe una correlación directa, como no podía ser de
otra manera, entre las horas dedicadas a estudiar cuando es época de exámenes y los buenos
resultados académicos. Sin embargo, no obtenemos las mismas conclusiones cuando no es época
de exámenes, ya que en este caso los alumnos que más estudian son los que obtienen peores
resultados. Si bien los autores creemos que la explicación dada a este hecho en el apartado 3 es
coherente, este resultado nos deja serias dudas a partir de lo que se esperaba obtener, dudas que
podrían disiparse llevando a cabo un estudio más profundo a partir de una muestra que contenga
un mayor número de alumnos.
38 Los autores queremos resaltar que, si bien estas conclusiones manifiestan la consecución de los objetivos
perseguidos, sería necesario seguir profundizando en el grado de repercusión que las características aquí expuestas
tienen sobre el rendimiento académico de los jóvenes, principalmente a través del estudio de una muestra con un
número de estudiantes mayor.

114
• El uso de las nuevas tecnologías se muestra perjudicial a la hora de obtener buenos
resultados académicos. El tiempo dedicado a hablar por el teléfono móvil, el envío de mensajes
de texto, y las horas dedicadas a estar conectados a Internet con el agravante de conectarse a las
redes sociales, presentan una correlación inversa con el rendimiento escolar. Por otra parte, leer o
estudiar en los momentos de no conexión favorece la obtención de buenos resultados académicos.
Estas conclusiones obtenidas a partir del segundo modelo econométrico avalan la consecución de
uno de los objetivos más importantes que se proponían al principio de este trabajo.
• La implicación por parte de los padres es fundamental a la hora de obtener un alto
rendimiento académico por parte de sus hijos. De esta forma, se ha comprobado que aquellos
alumnos que mienten con asiduidad a sus padres, que se conectan a Internet o hablan por el
móvil sin que sus padres estén pendientes tienen mayor probabilidad de suspender asignaturas.
• Por último, y como una de las conclusiones más importantes, queremos destacar la
diferencia existente entre los resultados escolares obtenidos por los chicos y por las chicas, ya
que éstas últimas cuentan con una probabilidad mayor de tener alto rendimiento académico. Esto
hecho se debe prácticamente en su totalidad a una mayor productividad por parte del colectivo
femenino, ya que las características entre ambos grupos son muy similares.

Referencias
Albert, C. y C. García (2006): “Tipo de escuela y logros educativos y laborales en España”. Cuadernos
Aragoneses de Economía, 2ª época, nº 16 (1), pp. 83 – 111.

Althauser, R.P. y M. Wigler (1972): “Standardization and component analysis”. Sociological Methods
and Research, nº 1, pp. 97 – 135.

Blinder, A.S. (1973): “Wage discrimination: Reduced form and structure estimates”. Journal of
Human Resources, nº 8, pp. 438 – 455.

Calero, J. (dir.) (2007): Desigualdades socioeconómicas en el sistema educativo español. Ministerio

de Educación y Ciencia. Madrid.

Castaño, C. (dir.) (2008): La segunda brecha digital. Ed. Cátedra, Madrid.

García, I., J.A. Molina, y V.M. Montuenga (2009): “Household time allocation: gender differences
in caring for children”. Discussion Paper nº 1488, IZA.

Heckman, J.J. (1979): “Simple selection bias as a specification error”. Econometrica, vol. 47, nº
1, pp. 153 – 161.

Iglesias, C. y R. Llorente (2007): “Evolución reciente de la segregación laboral por género en

España”. Documentos de Trabajo, 13/2008, IAES.

Iglesias, C., R. Llorente y D. Dueñas (2010). Mujer y empleo TIC en España. En Género y TIC.
Presencia, posición y políticas. Cecilia Castaño (dir.), Sociedad y Red, UOC Ediciones, Barcelona.

Korupp, S. y M. Szydlik (2005): “Causes and Trends of the Digital Divide”. European Sociological
Review, nº 4, vol. 21, pp. 409 – 422.

115
Krohn, G.A. y C.M. O´Connor (2005): “Student effort and performance over the semestre”. The
Journal of Economic Education, nº 36 (1), pp. 3 – 28.

Levin, H.M. y M.C. Chang (1987): “The economics of student time”. Economics of Education Review,
nº 6, pp. 356 – 364.

Maddala, G.S. (1994). Limited-dependent and qualitative variables in econometrics. Cambridge:

Cambridge University Press.

Marcén, M. y N. Martínez (2010): ¿Son el ocio y el tiempo dedicado al estudio sustitutivos?.

Presentación en XIX Jornadas de la Asociación de la Economía de la Educación. Zaragoza. 2010.

Ministerio de Educación (2010). PISA 2009. Programa para la Evaluación Internacional de los
alumnos. OCDE. Informe Español. Madrid 2010.

Mussons, J.M. y J. Perdiguero (2008): “Determinantes sociales del diferencial de ocupación por
género”. En internet www.ub.edu/graap/wages.

Oaxaca, R. (1973): “Male – female wage differentials in urban labor markets”. International
Economic Review, nº 14, pp. 693 – 709.

Rogers, E.M. (2001). The Digital Divide, Convergente, nº 4, vol. 7, pp. 96 – 111.

116
Anexos
Tabla A.1. Frecuencia y porcentaje del conjunto de variables explicativas
Frecuencia Porcentaje
SEXO Hombre 354 50,14
Mujer 352 49,86
12 88 12,46
13 127 17,99
14 118 16,71
EDAD 15 103 14,59
16 115 16,29
17 124 17,56
18 28 3,97
19 3 0,42
1º eso 139 19,69
2º eso 144 20,40
CURSO 3º eso 109 15,44
4º eso 104 14,73
1º bachillerato 112 15,86
2º bachillerato 98 13,88
REPETIDOR No 669 94,76
Sí 37 5,24
FUMA Sí 137 19,41
No 569 80,59
BEBE Sí 303 42,92
No 403 57,08
HORAS DE ESTUDIO EN ÉPOCA DE De 0 a 2 horas 152 21,53
EXÁMENES Más de 2 horas 554 78,47
HORAS DE ESTUDIO NO SIENDO De 0 a 1 hora 330 46,74
ÉPOCA DE EXÁMENES Más de 1 hora 376 53,26
Nada 123 17,42
HABLAR POR EL MÓVIL Muy poco 406 57,51
Todos los días 177 25,07
De 0 a 5 530 75,07
ENVIAR SMS L-V Entre 5 y 15 142 20,11
Más de 15 34 4,82
HORAS Y DEDICACIÓN EN [0 a 3] 229 32,44
INTERNET (3 a 10] 477 67,56
DEDICACIÓN CUANDO NO ESTÁ Estudiando o leyendo 366 51,84
CONECTADO Otro 340 48,16
Siempre o casi
FRECUENCIA CON QUE SE MIENTE siempre 75 10,62
A LOS PADRES Alguna vez 450 63,74
Nunca 181 25,64
ACTITUD PADRES CONEXIÓN A No están pendientes 231 32,72
INTERNET Están pendientes 475 67,28
Siempre o casi
COMPROBACIÓN DE LOS PADRES siempre 163 23,09
DE TAREAS Pocas veces 189 26,77
Nunca 354 50,14
TV EN HABITACIÓN Sí 281 39,80
No 425 60,20
Fuente: Elaboración propia.

117
7. Hell to touch the sky? Private tutoring and academic achievement in
Korea

Alvaro Choi de Mendizabal, Universidad de Barcelona

Jorge Calero Martínez, Universidad de Barcelona
Josep Oriol Escardibul Ferrà, Universidad de Barcelona

118
Hell to touch the sky? Private tutoring and academic achievement in
Korea

Alvaro Choi de Mendizabal, Universidad de Barcelona

Jorge Calero Martínez, Universidad de Barcelona
Josep Oriol Escardibul Ferrà, Universidad de Barcelona

Resumen
Although not exclusive to the Republic of Korea’s educational system, the pervasiveness of
private tutoring, and its consequences, serve to distinguish it from systems operated in other
countries. However, the identification of inefficiencies linked to this phenomenon have seen the
educational authorities struggling against private tutoring since the 1980s. Yet, public policies
have systematically failed because of the widely held belief that private tutoring services increase
students’ academic performance. This paper quantifies the impact of time spent in private
tutoring on the performance of students in the three competence fields assessed in the PISA-
2006 (Programme for International Student Assessment). Instrumental variables are applied in a
multilevel model framework in an attempt at addressing the endogeneity of the effects of private
tutoring on academic performance. Our results indicate that the impact of time dedicated to
private tutoring on academic performance depends on the particular competence: positive for
mathematics, positive but decreasing for reading, and non-significant for science.

Keywords: Private tutoring; Demand for schooling; Academic performance; PISA.

1. Introduction
Private tutoring consists of a series of activities, supplementary to mainstream schooling,
whose aim is to enhance a student’s academic performance in exchange for monetary payment
(Bray, 2005). Although not exclusive to the Republic of Korea’s (Korea, hereafter) educational
system39, the pervasiveness of private tutoring, and its consequences, do serve to distinguish
it from systems operated in other countries. According to the Korean National Statistics Office,
Koreans devoted 20.9 trillion won to private tutoring activities in 2008 (approximately 2% of its
GDP), with 75% of primary and secondary school students receiving tutoring.
The primary objective behind the hiring of private tutoring services by Korean families
is to enhance their children’s academic performance at school and on the College Scholastic
Achievement Test (CSAT; Suneung in Korean), so as to boost their chances of being admitted
to one of Korea’s elite universities, the so-called “SKY40 universities”. Admittance into one of
these universities provides better employment prospects and social rewards. Thus, Chae et al.
(2005) report that, in 2004, 88.9% of senior officials, 83.3% of congressmen and 82.3% of senior
executives had graduated from one of Korea’s top 20 universities (from a total of 190), while the
respective proportions corresponding to SKY graduates were 63.7%, 58.1% and 39.5%. In 2007,
38% of CEOs working in Korea’s top 100 companies and 88% of high court and supreme court
judges were alumni of Seoul National University (SNU) as were nearly 60% of government ministers
and almost half the members of the National Assembly. In addition, SKY university graduates
enjoy non-economic benefits. As Lee and Brinton (1996:182) point out, “school background is a

39 Bray (2003 and 2005) reviews the countries in which the practice of private tutoring is widespread.
40 Korea’s top three universities are Seoul National University (public), and Korea and Yonsei Universities (private).
They are commonly referred to as the SKY universities, alluding to the universities’ initials.

119
basis of informal social groupings that serve as an important source of social capital among South
Koreans”.
These rewards, plus the recent evolution in aggregate demand for higher education, have
given rise to a situation of overheated competition or “education fever” in Korea. In 1989, 14,340
higher education students from a total of 400,000 were enrolled in SKY universities; in 2004, the
respective figures were 14,810 and 733,000 (Chae et al. 2005). Credentialism has, therefore, split
the skilled workers’ labor market and the higher educational system in two unequal parts.
While the evidence available on the impact of private tutoring on academic performance is
contradictory and inconclusive, the educational authorities have adopted a number of measures41
to tackle the proliferation of private tutoring owing to their having detected a number of negative
side effects. The most serious of these are: 1) unreasonable pressure on students through endless
timetables which prevent them from developing skills other than those included on the official
academic curriculum; 2) low levels of motivation in schools among both pupils - the lowest in
the OECD countries included in the PISA-2006 (Programme for International Student Assessment)
- and teachers, as the pupils are often already familiar with the lesson being taught; and 3) the
impact of the institutionalization of private tutoring on equality of opportunities in student
access to higher education42, as children from higher socio-economic groups tend to consume
more private tutoring services than children in lower socio-economic groups, as is shown below
in Section 5.
However, public policies aimed at cooling down the overheated private tutoring market
have systematically failed due to the widely held belief that the hiring of private tutoring services
increases students’ academic performance. In this context, Sohn et al. (2010) claim that the
economic literature to date has failed to quantify consistently the impact of private tutoring in
the Korean case. Hence, the principal question here remains unanswered: Does private tutoring
enhance the academic performance of Korean students? And if it does, does it have the same
impact on all fields of competence? This article seeks to shed light on these issues, quantifying
the impact of private tutoring on the academic performance of high school students using the
PISA-2006 data.
One of the main methodological concerns in analyzing the impact of private tutoring
on academic achievement is its potential endogeneity. A child’s innate ability and the parents’
preferences for their children’s education might affect both academic achievement and the
demand for private tutoring services. It is thus possible that the best students consume more
private tutoring services than the average, with private tutoring services making good students
even “better”. Endogeneity must therefore be controlled for by obtaining consistent coefficients.
This paper addresses the problem of endogeneity through the use of instrumental variables in
a multilevel framework, which simultaneously takes into account the nested nature of the PISA
data. Our approach is thus innovative as it quantifies consistently the impact of private tutoring
in Korea through a combination of both techniques. The analysis is applied to the three fields
of competence measured by the PISA, in order to identify potentially different effects of private
tutoring on academic achievement. Other determinants of academic achievement are also assessed
collaterally.
In contrast with most other studies analyzing the impact of private tutoring which use
expenditure in private tutoring as their key independent variable, our paper uses the time spent in
private tutoring activities. This enables us to examine not only the impact of private tutoring on
41 Seth (2002) describes the Korean educational authorities struggle against private tutoring services.
42 Kim (2004) shows that expenditure in private tutoring in Korea is positively correlated with the level of education
of the mother, living in a big city and the family’s socioeconomic status.

120
academic achievement, but also the possible existence of non linear returns in the consumption
of these services and to analyze which strategies are the most efficient for students to adopt.
In broad terms, therefore, the originality of this paper lies in the several contributions
it makes to the field of study. First, it undertakes a robust comparison of the impact of private
tutoring on three different areas of competence while taking endogeneity into account. Second,
instead of using proxies such as expenditure in private tutoring, we use time spent in private
tutoring as an independent variable for each competence in order to identify non-linear effects.
Third, the richness of the information provided by the PISA data allows us to control for a large
set of variables in a multilevel framework. Finally, the self-study variables introduced in the
regressions were previously treated so as to take into account the fact that some of the time spent
in self-study might be induced by participation in private tutoring.
The paper is organized as follows: a brief review of the literature on the impact of private
tutoring on academic performance is described in Section 2. Section 3 presents the methodology,
while Section 4 describes the data used to feed the hierarchical linear models. The results from
the empirical analysis are presented and discussed in Section 5. Finally, Section 6 puts forward
the main conclusions.

2. The impact of private tutoring on academic achievement: a brief review

The impact of private tutoring on academic achievement has been the subject of increased
attention in the economic literature. The empirical evidence for Korea and other Asian countries,
obtained using a wide range of methodologies, is, to date, inconclusive. While some of these
analyses show a non-significant (or even negative) effect of private tutoring on achievement,
others point to the existence of positive effects, at least for some of the competences assessed.
The latter situation is particularly true of those papers that control for endogeneity. These
positive effects, in turn, range from moderate to intense depending on the analysis.
The main methodological distinction found in the literature is the introduction or otherwise
of controls for endogeneity. Today, however, the use of endogeneity controls is widespread with
most of the articles on the impact of private tutoring published after 2005 including a range of
strategies for that very purpose.
Among the contributions not including a specific strategy to control for endogeneity, two
articles examining the Korean case (Lee et al., 2004 and Park and Lee, 2005) report contradictory
results. Lee et al. (2004), using an OLS model, conclude that private tutoring has no significant
effects on the achievement of middle and high school students in mathematics, Korean and
English. Conversely, Park and Lee, using the PISA-2003 data and a hierarchical linear model,
find a significant positive impact of tutoring on mathematics achievement. Similarly, Sohn et al.
(2010) report that the studies published in Korean are biased by endogeneity. Furthermore, they
point out that these studies present problems as regards their definitions of ‘private tutoring’,
and find that private expenditure or participation in private tutoring is usually adopted as a
proxy. They cite the case of a study published in Korean by Jo and Lee (2005) as being, to date,
the only one to use time spent in private tutoring to measure the impact of private tutoring on
academic performance for Korea, finding a non-significant effect.
Other studies conducted in Asian countries do not include a specific strategy to control
for endogeneity. Cheo and Quah (2005), after applying a simultaneous equation model to middle
school Singapore students, find a negative impact of tutoring on achievement. By contrast,
Stevenson and Baker (1992), employing a logistic regression model, show a positive incidence
of tutoring on the chances of Japanese high school students reaching university. The evidence

121
provided by Ha and Harpham (2005), in a study of Vietnamese primary pupils, is mixed: the
results of different logistic regressions indicate a positive incidence of tutoring on reading, but a
neutral incidence on writing and numeracy.
Contributions that do include a specific strategy to control for endogeneity typically adopt
an instrumental variables approach. However, two key studies of the Korean case implement
alternative techniques. Kang (2007) uses a combination of OLS and Propensity Score Matching to
measure the impact of private tutoring on the CSAT results, concluding that tutoring has a slight
positive effect on achievement. Sohn et al. (2010) apply an autoregressive cross-lagged model to
panel data, aimed at establishing the impact of tutoring on a student’s position in the school’s
overall academic ranking. Their empirical evidence indicates a positive incidence of tutoring;
however, their results should be treated with some reservations, since the methodology used is
limited by a number of factors: first, the selection of the achievement variable (position in the
school’s achievement ranking) does not take into consideration differences between schools;
second, the analysis does not control for family background, personal characteristics or school
variables; and third, the authors include ‘after-school classes’, provided by the school itself, to
their variable of ‘private tutoring’.
Several recent analyses for other Asian countries also use instrumental variables in order
to control for endogeneity and report mixed findings regarding the impact of private tutoring.
Suryadarma et al. (2006), in a study of Indonesian fourth graders, do not find any significant
effect of tutoring on mathematics or dictation results. By contrast, Dang (2007) concludes that
private tutoring has a significant positive effect on the achievement of Vietnamese primary and
secondary students. Achievement, in this study, is construed as the student’s position in the
school academic ranking. An analysis by Ono (2007), applied to the ronin phenomenon (by which
Japanese students receive an additional year of private education in order to prepare for college
entrance examinations), shows how the probability of accessing an elite university is positively
affected by this additional education. Ono’s study, however, is limited by the fact that only a small
set of variables referring to family background, personal and school characteristics is controlled
for in the analysis. Finally, mention should be made of Banerjee et al’s. (2007) empirical analysis
of private tutoring in India, in which, through a randomized experiment, the authors conclude
that tutoring has a significant positive effect on achievement.

3. Data
Data come from the “Programme for International Student Assessment” (PISA) of 2006.
The PISA is an internationally standardized assessment administered to 15-year-olds in schools.
The 2006 assessment was the third edition (after 2000 and 2003) and comprised 57 countries
(30 OECD members and 27 partner economies). PISA collects information on the performance of
students in three fields of competence (reading, mathematics and science). Results were initially
set using a scale with an average score of 500 and a standard deviation of 100 for each competence.
In addition, students complete a questionnaire about their approaches to learning and their
family characteristics. School principals also report on their school’s characteristics and their
management procedures. In some countries, including Korea, students also fill in a questionnaire
on their familiarity with ICT and the students’ parents provide more detailed information about
the household through the parent questionnaire.
The Korean sample consists of 5,176 pupils. In our analysis, this number was restricted to
3,147 students (76.3% of the whole sample), since we only considered those in academic upper-
secondary education (grade 10 - first year of upper-secondary education or inmungye godeung

122
hakgyo). Thus, to obtain a more homogeneous group of pupils, we did not consider students in
vocational education (jeonmungye godeung hakgyo). This was the case for two reasons. First,
the proportion of students in vocational education that decide to enroll in higher education
institutions (while over the last two decades rising markedly) remains lower than that for those
studying academic upper-secondary education (68.6% vs. 87.5%, in 2006). At the same time,
vocational education students are more likely to enroll in junior college programs (two- or three-
year post-secondary programs that seek to meet the demand for technicians) than are academic
upper-secondary education students, with competition being less intense for these programs.
Second, the use of tutoring varies significantly between students from the academic and vocational
track (since tutoring is mainly used to gain a university pace, an option chosen primarily by those
in academic education). Thus, 87.1% of students on the academic track receive tutoring, whereas
this figure falls to 39.4% for those on the vocational track. This different profile of academic
and vocational students is reflected in the results on the PISA test: pupils on the academic track
scored an average of 569.6 points in mathematics, 542.6 in science and 575.5 in reading, while
the results for vocational education students were 475.1, 455.6 and 492.9 respectively.
Korea ranks first on the PISA-2006 for reading (556 points), and second (among the OECD
countries) for mathematics with an average of 547 points (just behind Finland). Korea’s ranking
is lower for science (although still among the best performing countries), occupying seventh
position among the OECD countries, with an average of 522 points (Finland ranks first with 563
points). This higher achievement in mathematics and reading might be due to the fact that
these subjects are particularly important on the CSAT and, therefore, students and their families
dedicate greater efforts to them.
The level of competence in each subject is indicated in the PISA by five plausible values
(PV). These are not the test results but rather a representation of the range of abilities that a
student might reasonably have, taking into consideration students’ answers, the difficulty of
the questions and certain conditioning variables (see OECD, 2009). To avoid any biases when
estimating any given parameter, the latter has to be calculated for each PV. Subsequently an
average value is computed.
We considered several individual, household and school characteristics as our independent
variables. Individual traits relate to student gender, age (between fifteen and just over sixteen
years old), course level, and hours of private tutoring in mathematics, reading and science as well
as weekly hours dedicated to self-study in each competence. However, part of the time devoted
to self-study might be the result of receiving private tutoring. Therefore, an auxiliary regression
was used for each competence in order to deduct the time spent in self-study attributable to
private tutoring. For each competence, the dependent variable used in these auxiliary regressions
was time dedicated to self-study, while time spent in private tutoring and a set of individual and
household characteristics are to be found on the right side of the expression.
Family traits refer to household socio-economic and cultural characteristics and educational
resources and their use. In the case of the former, we considered mother’s and father’s years of
schooling, whether they are active in the labor market as well as household occupation, defined
as the highest occupation of the father or the mother. Occupations were classified as follows:
highly-skilled white-collar, low-skilled white-collar, highly-skilled blue-collar and low-skilled
blue-collar. As for educational resources, information refers to whether there is a computer at
home, the intensity of its use by the pupils, and the type of use to which it is put (as a text
processor, for email or videogames). In addition, the number of books in the household was also
taken into consideration.

123
 Information about the school includes its characteristics and those of its students, the
school’s resources and educational practices. School traits indicate the type of school (public or
private), location (population size of the municipality), size (number of students) and whether
there are other centers near the school. We also considered the composition of students at
each school, including the proportion of girls, average years of schooling of parents, main
occupation of students’ parents and their perception of discipline in the school. School resources
are described through class size, student-teacher ratio and ICT variables. Streaming of students,
admission criteria and managerial autonomy were also considered in taking educational practices
into account.
Table 1 shows the dependent and independent variables considered together with a
descriptive summary. If we focus on the variables related to private tutoring, only 16.0% of
students do not attend private tutoring in mathematics. This figure increases to 28.3% in reading
and 39.4% in science. Those that attend 3-4 weekly hours of private tutoring form the largest
group of students in mathematics (38.3% of the whole) and reading (32.3%). As for science,
of those receiving tutoring, the largest group is made up of those receiving 1-2 weekly hours
(33.6%). The same pattern is found when analyzing the self-study variables: only 9.0% of
students report that they do not study mathematics in an autonomous fashion. The figures for
reading and science are 16.0% and 20.3%, respectively. Interestingly, while 45.8% of students
devote at least 3 hours a week to self-study in mathematics, this figure falls to 26.9% and 22.0%
for reading and science.

124
Table 1. Data description
Std.
N Min. Max. Mean
dev.
Individual characteristics 1: Age and gender
WOMEN (gender dummy: 1 if female) 3,947 0 1 0.500 0.500
AGE (student’s age, in years) 3,947 15.33 16.25 15.77 0.29
YEAR9 (3rd year of middle school) 3,947 0 1 0.01 0.12
YEAR10 (1st year of high school) 3,947 0 1 0.98 0.15
YEAR 11 (2nd year of high school) 3,947 0 1 0.01 0.09
Individual characteristics 2: Self-study and private tutoring
TUTMA0 (0 weekly hours in private tutoring - maths) 3,902 0 7 0.16 0.37
TUTMA1 (1-2 weekly hours in private tutoring - maths) 3,902 0 1 0.21 0.41
TUTMA2 (3-4 weekly hours in private tutoring - maths) 3,902 0 1 0.38 0.49
TUTMA3 (5+ weekly hours in private tutoring - maths) 3,902 0 1 0.25 0.43
TUTRE0 (0 weekly hours in private tutoring - reading) 3,905 0 1 0.28 0.45
TUTRE1 (1-2 weekly hours in private tutoring - reading) 3,905 0 1 0.31 0.46
TUTRE2 (3-4 weekly hours in private tutoring - reading) 3,905 0 1 0.32 0.47
TUTRE3 (5+ weekly hours in private tutoring - reading) 3,905 0 1 0.09 0.28
TUTSC0 (0 weekly hours in private tutoring - science) 3,905 0 1 0.39 0.49
TUTSC1 (1-2 weekly hours in private tutoring - science) 3,905 0 1 0.33 0.47
TUTSC2 (3-4 weekly hours in private tutoring - science) 3,905 0 1 0.24 0.43
TUTSC3 (5+ weekly hours in private tutoring - science) 3,905 0 1 0.04 0.20
SSTUDMA(weekly hours in self study - maths) 3,899 0 7 2.71 2.09
SSTUDRE (weekly hours in self study - reading) 3,907 0 7 1.61 1.50
SSTUDSC (weekly hours in self study - science) 3,902 0 7 1.40 1.39
Household 1. Socio-economic and cultural characteristics
MOTSCY (years of schooling: mother) 3,910 3 16 12.53 2.53
FATSCY (years of schooling: father) 3,895 3 16 13.34 2.64
MOTNACT (dummy: 1 if mother economically non-active) 3,801 0 1 0.26 0.44
FATNACT (dummy: 1 if father economically non-active) 3,876 0 1 0.01 0.08
QWHITEC (white collar, highly-skilled household) 3,913 0 1 0.71 0.45
NQWHITEC (white collar low-skilled household) 3,913 0 1 0.16 0.36
QBLUEC (blue collar highly-skilled household) 3,913 0 1 0.08 0.28
NQBLUEQ (blue collar low-skilled household) 3,913 0 1 0.04 0.21
Household 2. Educational resources and their use
NCOMPU (dummy: 1 if no computer at home) 3,943 0 1 0.02 0.14
25BOOKS (0-25 books at home) 3,942 0 1 0.10 0.30
100BOOKS (26-100 books at home) 3,942 0 1 0.31 0.46
200BOOKS (101-200 books at home) 3,942 0 1 0.27 0.44
500BOOKS (over 200 books at home) 3,942 0 1 0.33 0.47
REGUSECO (student uses computers frequently) 3,934 0 1 0.93 0.25
OCUSECO (student uses computers occasionally) 3,934 0 1 0.05 0.23
NUSECO (student never uses computers) 3,934 0 1 0.11 0.10
REGWRITE (student uses text processors frequently) 3,917 0 1 0.30 0.46
OCWRITE (student uses text processors occasionally) 3,917 0 1 0.63 0.48
NWRITE (student never uses text processors) 3,197 0 1 0.07 0.26
REGEMAIL (student uses email frequently) 3,921 0 1 0.63 0.48
OCEMAIL (student uses email occasionally) 3,921 0 1 0.25 0.43
NEMAIL (student never uses email) 3,921 0 1 0.11 0.32
REGVIDEO (student plays videogames frequently) 3,916 0 1 0.49 0.50
OCVIDEO (student plays videogames occasionally) 3,916 0 1 0.29 0.46
NVIDEO (student never plays videogames) 3,916 0 1 0.21 0.41
School1. School characteristics
PUBLIC (public school) 3,947 0 1 0.54 0.50
PRIVPUBF (private school; publicly funded) 3,947 0 1 0.27 0.44
PRIVATE (private independent school) 3,947 0 1 0.19 0.39
CITYSIZ1 (population > 1,000,000) 3,947 0 1 0.48 0.50
CITYSIZ1 (population 100,000-1,000,000) 3,947 0 1 0.37 0.48
CITYSIZ3 (population < 100,000) 3,947 0 1 0.14 0.35
OTHERSCH (maximum 2 centers near the school) 3,913 0 1 0.26 0.44
SCHSIZE (school size) 3,947 68 2,053 1,154.43 402.06
School 2. Student characteristics
PCGIRLS (proportion of girls at school) 3,947 0 1 0.50 0.37
SCHEDU (average years of schooling of parents) 3,947 10.88 15.83 13.65 0.92
SCHQWHI (white collar, high-skilled, mode) 3,947 0 1 0.98 0.12
SCHQBLU (blue collar, high-skilled, mode) 3,947 0 1 0.02 0.12
DISCPROB (dummy: 1 if parents think there are discipline problems at school) 3,861 0 1 0.20 0.40
School 3. School resources
CLSSIZ (class size) 3,947 23 43 33.62 3.59
STRATIO (student-teacher ratio) 3,947 6.11 27.78 16.73 2.25
FTEACH (proportion of full-time teachers) 3,947 0.73 1 0.97 0.05
IRATCO (computers for instruction/ school size) 3,774 0.11 0.07 0.03 0.64
School 4. Educational practices
STREB (streaming between classes) 3,574 0 1 0.17 0.37
STREW (streaming within classes) 3,325 0 1 0.35 0.48
RESID (residence is used as admission criterion) 3,844 0 1 0.40 0.49
SELEC (academic records or recommendations are used as admission criterion) 3,831 0 1 0.66 0.47
RELIG (religious or philosophical issues are used as admission criterion) 3,831 0 1 0.10 0.30
AUTCONT (autonomy for selecting teachers for hire) 3,947 0 1 0.37 0.48
AUTBUDG (budgetary autonomy) 3,947 0 1 0.71 0.46
AUTEXT (autonomy for selecting textbooks) 3,947 0 1 0.96 0.19
AUTCONTE (autonomy for selecting contents) 3,947 0 1 0.92 0.28
AUTOCU (autonomy for modifying the curriculum) 3,947 0 1 0.81 0.39

125
4. Econometric strategy
The PISA sample is designed using a two-stage method. In the first stage, a school sample is
randomly selected from all schools in each country providing education for 15-year-old students.
In the second stage, a random sample of students is chosen from each school selected in the
first stage. Thus, the sample of students has a hierarchical structure (students are ‘nested’ in
schools) but the principle of independence of variables between the students at each center is not
maintained: students enrolled in the same school typically share socio-economic characteristics,
which makes the average correlation among the variables for students within the center higher
than that between students from different schools (Hox, 1995). The nested structure of the data
suggests that the use of a hierarchical linear model would be an optimal strategy for estimating
simultaneously the effects of variables belonging to different levels (Willms, 2006).
The econometric model is shown in equations (1) to (4), where Yij is the expected score
in each competence of a student ‘i’ in school ‘j’, Xkij is a vector of ‘k’ characteristics of student ‘i’
at school ‘j’ (or independent variables at level 1), and Zlj is a vector of ‘l’ characteristics of school
‘j’ (independent variables at level 2). Random effects are μj (at school level) and εij, (at student
level). β are the estimated parameters. Equation (4) is obtained by introducing equations (2) and
(3) into equation (1). Thus, in equation (4) a set of fixed effects (γ00, γ10 Xkij, γ0l Zlj) can be
distinguished from a group of random effects (μ1j Xkij, μ0j, εij).

Before running the econometric estimations, the endogeneity between the dependent
variable and the independent ones needs to be considered. Thus, there might be endogeneity
between the students’ scores on the PISA and private tutoring, since it might be assumed that
families whose children are more capable of achieving higher results are more willing to invest
more in tutoring (i.e., these students are more capable of getting a higher return on their families’
investment).
The Durbin-Wu-Hausman test confirms the existence of endogeneity between the dependent
variable and private tutoring in mathematics and reading but not in science (residuals for private
tutoring in science are non-significant). This result is in accordance with the fact that science
is given less importance than mathematics and reading on the CSAT and, moreover, the students
in the PISA sample report that science is less important than the other two competences. These
factors are consequent with the fact that in the PISA test Koreans obtain worse results in science
than in the other two competences (see Section 3).
Thus, in the hierarchical estimation (equation 4) private tutoring in mathematics and
reading are considered through instrumental variables. The instrument used is the weekly

126
number of hours spent receiving private tutoring in science. This variable is highly correlated
with private tutoring in mathematics and reading but not with the dependent variable. Therefore,
we estimated the effect of the instrument on the weekly number of hours spent receiving private
tutoring in mathematics and reading (which are not included in the final model) together with
a set of variables referring to a pupil’s personal and family variables as well as to those of his or
her school (results are available upon request). These new estimations of the hours of tutoring in
mathematics and reading were then introduced in equation (4) as explanatory variables together
with the rest of the independent variables shown in Table 1.
The introduction of time dedicated to self-study as an independent variable could also be
a matter of concern when seeking to measure the impact of private tutoring, since part of the
time spent in self-study might be the result of receiving private tutoring. Consequently, we used
three auxiliary regressions, one for each competence, to deduct the effect of private tutoring on
the amount of time devoted to self-study. In these regressions, time spent in self-study was the
dependent variable, while time spent in private tutoring and other personal and socioeconomic
characteristics were the independent variables. Finally, our estimations provided robust standard
errors and multicollinearity was not observed (all VIF values being below 4).

5. Results and discussion

The results of the complete models for the three fields of competence assessed in the PISA
are presented in Table 2. Table 3 shows the random effects of the multilevel regression, indicating
that total variance in academic performance is mainly explained by differences between individuals.
The independent variables are grouped according to the type of characteristics described, with
private tutoring variables (weekly number of hours of private tutoring in each competence) being
included in the first group (individual characteristics).
Private tutoring does not always have a significant effect on a student’s academic
performance in all the models: while private tutoring in mathematics and, more modestly, in
reading, seems to enhance the student’s academic performance, tutoring in science appears to
be ineffective. Results in Table 2 show that spending one or two hours per week in private
tutoring in mathematics increases the expected performance on the PISA scale of the mathematics
competence by approximately 16 points, while the impact of spending the same amount of time
in private reading tutorials raises the student’s achievement in this competence by about 12.5
PISA points. By contrast, the effect of spending one or two hours a week in private science
tutoring on the academic performance in this competence is statistically non-significant.
Note also that the positive impact of private tutoring in mathematics and reading follows
different trends: while the effect of private tutoring grows linearly for the former, it seems to
describe a diminishing returns pattern for the latter. Its relatively large impact on academic
performance and its non-decreasing effect, therefore, provide a large incentive for investing
heavily in private tutoring in mathematics.

127
Table 2. Determinants of academic performance in Korea: fixed effects with robust standard
errors of multilevel models in PISA-2006
Mathematics Reading Science
Constant 397.06*** (2.93) 482.82*** (3.49) 319.05** (2.31)

Individual characteristics 1: Age and gender

Female -17.53** (-2.39) 31.51*** (5.65) -8.58 (-1.18)
Age -8.38 (-1.18) -6.38 (-0.89) 4.32 (0.70)
Enrolled in year 9 -57.84*** (-3.20) -75.84*** (-4.20) -64.75*** (-4.03)
Enrolled in year 11 41.72** (2.33) 38.94** (2.10) 30.22*** (1.86)
Individual characteristics 2: Self-study and private tutoring
Weekly hours in self study in competence 8.99*** (5.06) 3.15 (1.30) 6.23** (2.45)
1-2 weekly hours in private tutoring in competence 16.40* (1.93) 12.48** (1.99) 6.54 (0.88)
3-4 weekly hours in private tutoring in competence 23.54** (1.98) 15.42** (1.96) 11.16 (1.41)
5+ weekly hours in private tutoring in competence 36.28*** (2.89) 25.26 (1.18) 11.68 (1.11)
Household 1. Socio-economic and cultural characteristics
Mother’s years of schooling -0.36 (-0.26) -0.49 (-0.33) -0.14 (-0.09)
Father’s years of schooling -0.93 (-1.01) -2.50** (-2.34) -0.95 (-0.98)
Mother economically non-active -10.61 (-1.56) -7.26 (-1.28) -10.45* (-1.87)
Father economically non-active -13.19 (-0.72) -15.67 (-0.90) -0.21 (-0.01)
White collar low-skilled household -6.64 (-0.90) -14.85** (-2.53) -13.88** (-2.25)
Blue collar highly-skilled household -4.30 (-0.45) -13.03 (-1.32) -5.33 (-0.51)
Blue collar low-skilled household 9.58 (1.38) -5.56 (-0.49) -6.87 (-0.53)
Household 2. Educational resources and their use
Household without computer -44.43** (-2.18) -42.79** (-2.19) -40.25*** (-3.40)
26 to 100 books at home 18.66** (2.51) 20.71*** (3.15) 14.29* (1.82)
101 to 200 books at home 28.54*** (3.14) 27.78*** (3.45) 29.51*** (2.92)
Over 200 books at home 45.36*** (4.96) 44.93*** (4.23) 39.03*** (3.64)
Student uses computers occasionally -2.72 (-0.24) 0.86 (0.06) 5.77 (0.47)
Student never uses computers 16.16 (0.59) 28.56 (1.11) 33.89 (1.47)
Student uses text processors occasionally 17.39** (1.99) 11.22 (1.47) 12.00 (1.55)
Student never uses text processors -12.22 (-1.03) -26.53** (-2.57) -32.65*** (-2.81)
Student uses email occasionally 8.39* (1.71) 10.13** (2.26) 9.70 (2.37)
Student never uses email -10.20 (0.27) -10.17 (-1.40) -6.37 (-0.82)
Student plays videogames occasionally 11.45 (1.32) 7.09 (0.97) 13.89* (1.84)
Student never plays videogames -2.57 (-0.26) -1.77 (-0.23) 0.53 (0.07)
School 1. School characteristics
Private publicly funded school -30.83*** (-3.13) -26.12** (-2.51) -34.92*** (-2.81)
Private independent school -3.84 (-0.36) -3.73 (-0.35) -11.21 (-0.93)
Medium size city: population from 100,000 to 1,000,000 4.89 (0.69) 7.07 (0.94) 2.03 (0.29)
Small size city: population < 100,000 -6.33 (-0.59) -2.24 (-0.21) -3.29 (-0.31)
School size 0.00 (0.28) -0.01 (-0.48) -0.00 (-0.23)
Maximum two other centers near the school 11.47 (1.54) 10.75 (1.25) 6.04 (0.77)
School 2. Student characteristics
Proportion of girls at school 26.24*** (2.91) 17.29* (1.94) 26.07** (2.47)
Average years of schooling of parents 20.97*** (3.84) 20.80*** (4.12) 19.29*** (3.79)
Blue collar highly-skilled school 2.63 (0.15) 6.37 (0.30) 6.67 (0.28)
Discipline problems -16.04** (-2.60) -8.40 (-1.40) -9.30 (-1.60)
School 3. School resources
Class size -2.58* (-1.84) -2.59* (-1.79) -2.90* (-1.87)
Student-teacher ratio -1.34 (-0.70) 0.79 (0.42) 0.53 (0.28)
Proportion of part-time teachers 83.14 (0.20) -6.01 (-0.09) -32.57 (-0.44)
Computers for instruction per student -5.17 (-0.12) -78.08 (0.17) -28.49 (-0.54)
School 4. Educational practices
Streaming within classes -9.99 (-1.20) -14.29 (-1.59) -8.28 (-1.09)
Streaming between classes 5.69 (0.76) -11.32 (0.13) 1.63 (0.22)
Admission criterion: residence -10.69* (-1.92) -5.47 (-0.90) -4.09 (-0.67)
Admission criteria: Acad. records and recommendations 19.08*** (3.03) 9.23 (1.27) 15.65** (2.47)
Admission criteria: Religious or philosophical issues 2.42 (0.29) 3.40 (0.37) 11.79 (1.17)
Autonomy for selecting teachers for hire 7.23 (0.77) 16.31* (1.73) 12.35 (1.12)
Budgetary autonomy -21.64*** (-2.85) -23.09*** (-2.94) -26.00*** (-3.51)
Autonomy for selecting textbooks -10.65 (14.83) -15.95 (-1.08) -7.29 (-0.56)
Autonomy for selecting contents 8.59 (6.59) 7.25 (0.80) -7.22 (0.71)
Autonomy for modifying the curriculum -1.88 (-0.27) 5.17 (0.72) 7.77 (1.10)
Observations 3.947 3.947 3.947

Note: 1. t statistics in parentheses; *** significant at 1%; ** significant at 5%; * significant at 10%.

128
Table 3. Multilevel regression: Random effects
Mathematics Reading Science
Null Complete Null Complete Null Complete
Variances
model model model model model model
Schools (uj) 2,851.37 485.88 2,254.30 556.53 2,137.68 539.73
Individuals (εij) 4,472.83 3,832.16 4,018.13 3,547.23 4,454.48 4,055.12
Total (uj + εij) 7,324.20 4,318.04 6,272.43 4,103.76 6,592.16 4,594.85
% of the total variance explained by
the variables 41.0% 34.6% 30.3%
% of the level 1 (students) variance
explained by the variables 14.3% 11.7% 9.0%
% of the level 2 (schools) variance
explained by the variables 83.0% 75.3% 74.6%

There are two possible reasons for the differences in the impact of private tutoring
depending on the particular competence: on the one hand, repetition might play a greater role in
acquiring competences such as mathematics; on the other hand, tutoring in science may be less
effective reflecting student attitudes43 towards tutoring in that competence, given that science
has a lower weight on the final score of the CSAT compared to language and mathematics44. It
might also be the case that the competence in science evaluated in the PISA differs from that
which Korean students have to demonstrate on the CSAT.
It should also be stressed that the impact of private tutoring on academic performance
does not always offset that of the number of hours of self-study time not induced by having
received private tutoring. Table 2 shows that self-study time in mathematics and science has
positive effects on academic performance. It increases the PISA scores by about 9.0 and 6.2 points
per hour, respectively. By contrast, self-study in reading does not have a significant effect.
These findings open the door to the possibility of choosing, with certain temporal and
budgetary restrictions, the optimal strategies for each individual. In other words, the simple
accumulation of more hours dedicated to private tutoring might not always be the optimal strategy
for maximizing academic performance. This is clearly the case, for example, for students wishing
to enhance their competence in science. These students would be better served by dedicating
more time to self-study rather than receiving private tutoring. Nevertheless, Korean families tend
to hire the standard private tutoring “packages” offered by hagwon (academies specialized in the
provision of private tutoring).
Although certain combinations of tutoring might be more efficient than others in
enhancing academic performance (students seeking to increase their overall performance through
the use of the system should concentrate on hiring mathematics and language tutoring services,
families that consume private tutoring are not acting irrationally, from an individual point of
view. Potential marginal increases in academic performance mean Korean families will consume
large amounts of private tutoring services in order to maximize their children’s chances of being
admitted to a SKY university. In a hypercompetitive and credentialist society such as Korea’s,
43 This low level of interest in science is reflected not only in the lower mean scores that Korean students obtain
in this competence in the PISA-2006 compared to their reading and mathematics scores, but also in the lower
percentage of students that hire private tutoring services in science and in the lower interest index provided by
PISA. By way of example, only 26.99% of high school students reported that doing well in science subjects was
very important for them. These figures were 63.64% and 58.20% for the mathematics and reading competences,
respectively. At the same time, only 11.72% of high school students strongly agreed with the statement “science is
very relevant to me”.
44 The CSAT consists of five parts: Korean language, English, a second foreign language, mathematics and social
studies/sciences/vocational education. While the first four parts are compulsory, students can choose between
sitting the social studies, sciences or vocational education exam. Once they have chosen, they must then select four
subordinate subjects.

129
even the false belief that a certain strategy can boost academic performance (such as investing
in private tutoring in science) will induce families to adopt it. This situation call into question
the social efficiency of private tutoring.
Measuring the social efficiency of expenditure on private tutoring would require the
conversion of all the costs and benefits linked to private tutoring to monetary units. This would
involve translating increases in academic performance (in terms of the PISA and CSAT scores,
for example) into GDP points, a task that falls beyond the scope of this paper. However, even if
the positive effects of private tutoring measured in terms of GDP exceeded the effective costs
(approximately 2% of GDP in 2008), it would not be easy to determine whether these benefits
offset the negative externalities and the opportunity costs described in Section 1. If the individual
benefits associated with the consumption of private tutoring did not offset their social costs,
Korea would be trapped in a prisoner’s dilemma. Further research would be needed to test this
hypothesis.
Our results also have implications for social equality. If private tutoring in mathematics
and reading have a positive effect on academic performance and it is the wealthier families
that hire a larger number of private tutors (or better quality tutors), then the consumption of
private tutoring will reduce the equality of opportunity for students seeking admission to higher
education. Our analysis of the relationship between the time spent in private tutoring in the
three fields of competence with total household income (the PISA-2006 dataset does not permit
the calculation of income per individual household member) and the wealth and socioeconomic
status indices provided by the PISA (Table 4) shows that the amount of time spent in private
tutoring increases as the socioeconomic status and wealth of the household rise. This finding is
consistent with results reported in recent studies (Jung and Lee, 2010 and Kim and Lee, 2010).
Although a lower consumption of private tutoring could be offset in the case of mathematics
and science by devoting more time to self-study, it should be borne in mind that students from
low-income families are also those that are more likely to have fewer educational resources at
home. Table 2 shows that the impact on academic performance of a household’s educational
resources is, in the Korean case, more important than that of household characteristics. This
result indicates that the socioeconomic characteristics of a family find an indirect channel of
influencing academic performance through the consumption of private tutoring. This should
raise the concerns of the educational authorities as it could mean, in the long run, an increase
in intergenerational educational inequalities.

Table 4. Relationship between consumption of private tutoring in mathematics and the household’s
socioeconomic status and wealth indices as provided by PISA-2006.
Household’s
Household’s wealth
socioeconomic status
index
index
0 weekly hours -0.35 -0.52
0-2 weekly hours -0.10 -0.36
2-4 weekly hours 0.12 -0.20
More than 4 weekly 0.32 -0.04
hours
Mean -0.15 -0.29
Note: More positive (or less negative) values indicate higher socioeconomic status and wealthier
households, respectively.

130
 With a wide range of policies aimed at reducing the consumption of private tutoring
having failed, the Korean educational authorities find themselves at a crossroads. A blanket ban
on private tutoring (implemented in 1980) failed and was declared unconstitutional in 2000.
The public provision of services, in theory aimed at substituting private tutoring, including a
TV educational scaffolding service (introduced in 1990) and, more recently, internet websites,
has been unable to dampen the private tutoring market either. Modifying the admissions system
to higher education has also proved to be ineffective (since the introduction of test essays by
each university as a complementary criterion to the CSAT has led, as Lee (2010) reports, to the
appearance of hagwon specialized in the preparation of such essays45). Therefore, there appear to
be two main options left to the Korean educational authorities: on the one hand, they could seek
to minimize the negative social consequences of the excessive consumption of private tutoring
by regulating this private market46; on the other hand, the Korean public sector could go a
step further in its sequential education expansion policy (Choi, 2009), enhancing the quality of
the universities that Korean society currently perceives as non-elite centers and increasing the
number of places offered by public universities. Yet, turning this situation around is not easy, as
private tutoring is deeply rooted in the country’s credentialism and social values.
To conclude, we end this section by sounding a note of warning. We studied the impact of
private tutoring on the academic performance of 15-year-old students in the PISA. However, the
extent to which these effects can be considered to persist to the age of 17, when Korean students
sit their CSAT exam, is uncertain. Second, this paper does not include variables related to the
quality of private tutoring, as the PISA data does not provide information about the different
types of private tutoring received by the students.

6. Conclusions
Korean students grow up in a credentialist society where overheated competition leads
families to adopt strategies that might enhance their children’s chances of graduating from an
elite university. The most frequently adopted of these strategies is the consumption of private
tutoring services, based on the widely held belief that such services can improve students’
academic performance. However, any specific evidence of the actual impact of private tutoring on
academic performance in Korea is scarce. This paper has sought to fill this gap by undertaking a
robust estimation of the effects of private tutoring on the three fields of competence assessed in
PISA-2006.
The effects of private tutoring on academic performance have proved complex. Thus, the
impact on academic achievement in mathematics is positive and increases linearly. In the reading
competence, private tutoring has a positive but decreasing effect on the PISA-2006 reading scores,
but investing in science tutoring appears not to be an efficient strategy for raising performance.
These different effects seem to be related to both the nature of the competence assessed and the
structure of the CSAT examination. For instance, an analysis of the PISA-2006 data shows that
Korean students tend to take the mathematics competence more seriously than they do that of
the sciences, reflecting in all likelihood the weight of both competences on the CSAT. At the same
time, the effects of time dedicated to self-study also vary among the competences assessed, the
greatest impact being recorded for time dedicated to mathematics.
These findings have several implications. First, the educational investment decisions of
45 Nevertheless, in recent times, the number of faculties using the CSAT scores as their sole criteria for admission
rose from 11 in 2008 to 81 in 2010 (JoongAng Daily, 2009).
46 For example, since 2008 hagwon have had to close at 10pm, as before it was common practice to remain open
until the early hours.

131
Korean families seem to be conditioned by the CSAT structure. Second, from an individual point
of view, Korean families overinvest in certain kinds of private tutoring because of a lack of
information about the actual benefits of such investment. Korean students, especially those
attending private tutoring in the sciences, might well be assuming a high opportunity cost in the
form of time not devoted to self-study. Third, our results also have equity implications. Consuming
private tutoring might not always be the best strategy for increasing academic performance but,
in a hypercompetitive environment, marginal gains may make a difference on the CSAT and few
families are willing to take the risk of reducing their children’s chances of being admitted to a
SKY university. Considering that families with high income levels invest more heavily in private
tutoring, it may represent a source of inequality in student access to higher education.
Finally, two issues concerning the impact of private tutoring on academic performance in
Korea remain unexplained. First, it is plausible that quality might be as important as quantity
in determining the impact of private tutoring on academic performance. Second, although this
paper shows that some types of private tutoring are beneficial for individuals, the situation might
well be socially inefficient. However, this question can only be addressed by translating increases
in the PISA or CSAT scores and the externalities of private tutoring into GDP points.

References
Banerjee, A.V., S. Cole, E. Duflo, L. Linden (2007): “Remedying Education: Evidence from Two
Randomized Experiments in India”. Quarterly Journal of Economics, 122 (3), 1235-1264.

Bray, M. (2003): Adverse effects of private supplementary tutoring: Dimensions, implications and
government responses. Series: Ethics and Corruption in Education. Paris: UNESCO International
Institute for Educational Planning.

Bray, M. (2005): Private Supplementary Tutoring: Comparative Perspectives on Patterns and

Implications. Paper presented at the Oxford International Conference on Education and
Development, Oxford, UK, 13–15 September.

Chae, S., J.-H. Hong, and T.J. Lee (2005): Anatomy of the Rank Structure of Korean Universities:
Toward a design of integrated policies for education reform in Korea. AP-EPRI/ KEDI Publications.
Available on <http://eng.kedi.re> (accessed January 2011).

Cheo, R. and E. Quah (2005): “Mothers, maids and tutors: An empirical evaluation of their effect
on children’s academic grades in Singapore”. Education Economics, 13 (3), 269–285.

Choi, Á. (2009): “Sequential educational expansion, equality and growth in the Republic of
Korea”. KEDI Journal of Educational Policy, 6 (2), 21-47.

Dang, H.-A. (2007): “The determinants and impact of private tutoring classes in Vietnam”.
Economics of Education Review, 26 (6), 684–699.

Ha, T.T. and T. Harpham (2005): “Primary education in Vietnam: Extra classes and outcomes”.
International Education Journal, 6 (5), 626–634.

Hox, J. (1995): Applied Multilevel Analysis. Amsterdam: TT-Publikaties.

132
Jo, H. and K. Lee (2005): “A study on hours of private tutoring, hours of self-study and degree of
class participation and their impacts on school achievement subjectively perceived”. The Journal
of Korean Education, 32 (4), 29-56. (in Korean).

JoongAng Daily. (2009): More schools relying on CSAT for admissions. 20 November 2009. Available
on < http://joongangdaily.joins.com/article/view.asp?aid=2912792 > (accessed January 2011).

Jung, J.H. and K.H. Lee (2010): ” The determinants of private tutoring participation and attendant
expenditures in Korea”. Asia Pacific Education Review, 11, 159-168.

Kang, C.H. (2007): “The Effect of Private Tutoring Expenditures on Academic Performance:
Evidence from a Nonparametric Bounding Method”. National University of Singapore, Department
of Economics Working Papers, wp0706.

Kim, S. and J.-H. Lee (2010): “Private tutoring and demand for education in South Korea”.
Economic Development and Cultural Change, 58 (2), 259-296.

Lee, W. (2010): “Perceptions of high school students, their parents, and teachers on the factors
determining the effects of the essay test on the curriculum of high schools in Korea”. KEDI
Journal of Educational Policy, 7 (2), 209-232.

Lee, S., & Brinton, M.C. (1996): “Elite Education and Social Capital: The Case of South Korea”.
Sociology of Education, 69 (3), 177-192.

Lee, J.-T., Y.-B. Kim and C.-H. Yoon (2004): “The Effects of Pre-Class Tutoring on Student
Achievement: Challenges and Implications for Public Education in Korea”. KEDI Journal of
Educational Policy, 1 (1), 25-42.

OECD (2009): PISA 2006. Technical report. Paris: OECD.

Ono, H. (2007): “Does examination hell pay off? A cost–benefit analysis of ‘‘ronin’’ and college
education in Japan”. Economics of Education Review, 26, 271–284

Park, H.-J. and K. Lee (2005): “Look on Korean secondary education through the analysis of the
PISA study”. KEDI Journal of Educational Policy, 2 (2), 23-38.

Seth, M.J. (2002): Education fever: Society, politics and the pursuit of schooling in South Korea.
Honolulu: University of Hawaii Press.

Sohn, H., D. Lee, S. Jang and T. K. Kim (2010): „Longitudinal relationship among private tutoring,
student-parent conversation, and student achievement”. KEDI Journal of Educational Policy, 7 (1),
23-41.

Stevenson, D.L. and D. P. Baker (1992): “Shadow education and allocation in formal schooling:
Transition to university in Japan”. American Journal of Sociology, 97 (6), 1639-1657.

133
Suryadarma, D., A. Suryahadi, S. Sumarto and F. H. Rogers (2006): “Improving Student Performance
in Public Primary Schools in Developing Countries: Evidence from Indonesia”. Education Economics,
14 (4), 401-429.

Willms, J. D. (2006): Learning divides: Ten policy questions about the performance and equity of
schools and schooling systems. Montreal: UNESCO Institute for Statistics.

134
8. La segmentación educativa en Argentina: Exploración empírica en base
a PISA 2009

Natalia Krüger, Universidad Nacional del Sur

135
La segmentación educativa en Argentina: Exploración empírica en base a
PISA 2009*

Natalia Krüger, Universidad Nacional del Sur

Resumen
Si bien el logro de la equidad en el ámbito educativo ha sido históricamente un objetivo primordial
de política a nivel internacional, los resultados del estudio PISA 2009 sugieren que muchos países
aún enfrentan grandes desafíos al respecto. Esto es especialmente válido si se adopta la perspectiva
de la equidad en la distribución de los recursos, ya que las escuelas que concentran un alumnado
de mayor nivel socioeconómico suelen beneficiarse de más y mejores inputs. Tal situación implica
que la escolarización no sólo reproduce sino que también amplía las desigualdades sociales de
origen.
En particular, el sistema educativo argentino adolece de una baja performance promedio, una alta
variación de los resultados entre escuelas, y un fuerte impacto del contexto socioeconómico en
los mismos. Estos problemas son en parte resultados de la segmentación del sistema, concepto
que cobró relevancia en el país durante los años ochenta y que remite tanto a la presencia de
circuitos escolares de calidad diferenciada como a la segregación socioeconómica del público al
que atienden.
El objetivo del presente trabajo es contribuir a la comprensión y al diagnóstico de la relevancia
actual de este fenómeno. Para ello se realiza un análisis exploratorio en base a los datos
suministrados por la evaluación PISA 2009 a fines de conocer el grado de segmentación educativa
existente, evaluando la distribución de variables representativas de los capitales físico, humano, y
social de las escuelas, así como su interacción con las características del alumnado. Se lleva a cabo
a su vez un análisis de conglomerados, para visualizar cómo estos diversos factores se agrupan
conformando perfiles de escuelas diferenciados. La caracterización de los distintos circuitos
educativos e identificación de aquellos segmentos en mayor desventaja puede constituir una
herramienta útil para el diseño de políticas en pos de una educación de calidad para todos.

Palabras clave: equidad, recursos educativos, conglomerados, PISA 2009.

1. Introducción
Los resultados del proyecto PISA (Project for International Student Assessment) 2009
indican que los países difieren no sólo en su performance promedio sino también en la equidad
prevaleciente en sus sistemas educativos (OCDE, 2010b). Argentina enfrenta grandes desafíos en
relación a ambos aspectos, ya que pertenece al grupo de países con resultados por debajo del
promedio y con un impacto del origen socioeconómico superior al promedio. La dispersión de
los resultados es significativa: la varianza de los puntajes en las pruebas de lectura es un 50%
mayor que para el promedio de los países de la OCDE. A su vez, la variación en la performance
entre escuelas representa un 60% de la variación total, superando a la variación entre estudiantes
dentro de una misma escuela, situación que refleja la falta de equidad del sistema respecto de la
calidad de los centros educativos.
El presente trabajo enfoca esta última cuestión, concentrándose en el grado de equidad

* Este artículo se enmarca en un proyecto de investigación más amplio diseñado para optar por el grado de Doctora
en Economía en la Universidad Nacional del Sur (UNS), bajo la dirección de la Dra. S. London y con el apoyo de una
Beca de Doctorado del CONICET, Argentina.

136
educativa interna (Calero, 1999) desde la perspectiva de la distribución de los recursos. Sin
adoptar una visión meritocrática de la educación, la equidad en la distribución de los insumos
se considera una condición necesaria pero insuficiente para la equidad en la distribución de
los resultados. Habiéndose comprobado el efecto independiente que pueden tener los factores
endógenos al sistema educativo sobre la definición de trayectorias exitosas (Rivkin et. al., 2005;
Hanushek et. al., 2002; Cervini, 2004; etc.), se sostiene que la educación tiene la capacidad de
reducir, reproducir o ampliar las desigualdades sociales de origen.
Durante las últimas décadas ha recibido atención el hecho de que en Argentina, al igual
que en otros países (OCDE, 2010b; Maroy y Van Zanten, 2009), el sistema educativo ha sufrido
un proceso de diferenciación horizontal o segmentación. Esto implica que el mismo está dividido
en circuitos de calidad diferenciada, entre los cuales los estudiantes se distribuyen en función
de su nivel socioeconómico (NSE) de pertenencia. Quienes se ven más desfavorecidos en el plano
socioeconómico se insertan en los segmentos de menor calidad, con las consecuentes desventajas
en términos de permanencia y rendimiento. Los estudiantes provenientes de un contexto más
privilegiado asisten a los centros más prestigiosos, beneficiándose de su propio capital cultural,
de un efecto de pares positivo, de acceder a los mejores docentes y recursos materiales. Así, el
concepto de segmentación abarca tanto al concepto de segregación, i.e. la distribución desigual
de la población estudiantil de acuerdo a su NSE, como a una asociación positiva general entre la
calidad de los recursos de las escuelas y el perfil socioeconómico de su alumnado.
La literatura que trata este problema en Argentina es abundante y se remonta a principios
de los años ochenta. Algunas lecturas recomendables son Braslavsky (1985), Fiszbein (1999),
Tiramonti (2004), Oiberman et. al. (2004), y Krüger (2010). Los antecedentes señalan dos
tendencias importantes: i) una primera instancia de diferenciación en el país se establece entre
los subsistemas de gestión pública y privada, presentando este último mejores recursos y un
alumnado mejor posicionado; ii) la diferenciación horizontal de los centros también está presente
en el interior del sistema estatal, de forma que también aquí algunos autores hablan de la
existencia de “escuelas pobres para los pobres” (Llach, 2006).
Más allá de subrayar la responsabilidad del sistema educativo en la perpetuación de la
desigualdad de oportunidades, esta evidencia puede ser interpretada con cierto optimismo, ya
que identifica espacios potenciales de intervención y enfatiza el rol activo que las escuelas pueden
tener para mejorar la equidad educativa. El diseño de políticas efectivas, sin embargo, requiere de
un diagnóstico certero y actualizado de la situación que permita identificar aquellos aspectos que
ameritan una atención más urgente. Si bien se dispone de antecedentes empíricos en el país sobre
este fenómeno, los mismos no resultan completamente satisfactorios por tratarse de enfoques
parciales o utilizar información desactualizada.
Entonces, el propósito de este artículo es proveer evidencia empírica sobre el grado de
segmentación existente en el sistema educativo argentino en su nivel medio. Para ello, se escogió
una estrategia cuantitativa que permitiera realizar un estudio de tipo descriptivo y correlacional.
En la siguiente sección se describe la fuente de información utilizada y se presentan las variables
de interés. En la sección 3 se evalúa el panorama actual de segmentación educativa en tres etapas:
i) se examina la distribución de los distintos recursos educativos entre las escuelas de la muestra;
ii) se analiza la distribución de los estudiantes según su NSE, cuantificando el grado de segregación
escolar a través de dos índices sintéticos; iii) se estudia la asociación entre la calidad de la oferta
educativa y la extracción social del alumnado. En el cuarto apartado se culmina el estudio con
un análisis de conglomerados que permite definir tipologías de escuelas para caracterizar a los
distintos circuitos educativos del país. La sección 5 se destina a la elaboración de conclusiones.

137
2. Datos y variables
El estudio se basa en la información que provee el proyecto PISA 2009, el cual evalúa
las competencias de los estudiantes de 15 años en 65 países. La muestra surge de un diseño de
muestreo estratificado bietápico, que intenta captar a la población estudiantil que asiste a los
grados 7 en adelante. Dado que en Argentina coexisten dos estructuras organizativas para los
niveles primario y secundario (DINIECE, 2010), la muestra original incluía a dos escuelas en las
que sólo se dictan los grados 1 al 7 (nivel primario), las cuales se han descartado. Así, la muestra
final consiste de 197 escuelas y 4771 estudiantes.
A pesar de que se recomienda utilizar estos datos a nivel alumno (OCDE, 2009), la unidad de
análisis considerada adecuada para este estudio es el establecimiento educativo. Ya que el diseño
muestral tiene como meta lograr la representatividad en términos de la población de alumnos
de 15 años, no existen garantías de que la muestra de escuelas sea también representativa.
Sin embargo, no se sospecha la existencia de un sesgo sistemático que pueda interferir con
los objetivos de la investigación47. Así, las características de los estudiantes de cada escuela se
promedian y se tratan como atributos de la misma, lo cual presupone que los grupos de alumnos
de 15 años seleccionados en cada institución representan a su población total. El sesgo por no
respuesta es corregido al utilizar las ponderaciones finales por estudiantes provistas en la base
de datos. Más allá de estas limitaciones –las cuales reducen la posibilidad de generalizar las
conclusiones– se considera que los resultados potenciales de este estudio son suficientemente
interesantes y útiles como para justificar su realización48.
Para orientar el proceso de selección de las variables relevantes, fue necesario especificar
una definición de la calidad educativa. Entre las dimensiones identificadas por Wolf & Moura
Castro (2000), se escogió a la calidad de los insumos y los procesos, ya que al contrario de la
calidad de los resultados, las primeras permiten distinguir a los efectos-escuela de los efectos-
hogar. Siguiendo a Llach (2006), los distintos aspectos de la calidad educativa se agruparon en
tres capitales básicos: humano, físico y social. El capital humano comprende a la experiencia,
la calificación y la competencia de los docentes y las autoridades; el capital físico abarca a los
recursos didácticos y a la calidad edilicia; el capital social se relaciona con la inserción de la
escuela en la comunidad, la participación de los padres, la organización y el clima internos.

47 Para obtener indicios sobre la representatividad de la muestra, se realizaron tests de hipótesis para evaluar las
diferencias entre algunos estimadores muestrales y parámetros poblacionales sobre los que se disponía de información.
Los resultados no mostraron diferencias significativas entre la proporción de escuelas públicas y privadas, o la
localización geográfica de las escuelas, entre otras variables.
48 Teniendo en cuenta que actualmente PISA es la única fuente de información actualizada y de libre acceso en el
país que permite relacionar las características de las escuelas con el NSE de los alumnos.

138
Tabla 1. Variables e indicadores utilizados para caracterizar a las escuelas de la muestra49
Ratio alumnos por docente STRATIO
Proporción de docentes certificados PROPCERT
Capital Humano Proporción de docentes con calificación
PROPQUAL
ISCED5A
Índice de escasez de docentes TCSHORT
Disponibilidad de ordenadores IRATCOMP
Capital Físico Ordenadores conectados a internet COMPWEB
Índice de escasez de recursos educativos* SCMATEDU
Actividades
extracurricular Índice de actividades extracurriculares EXCURACT
es ofrecidas
Presión para fijar altos estándares académicos SC18
Participación Rendición de cuentas ante los padres SC21
de los padres Influencia de los padres en la toma de
SC25c
decisiones
Índice de responsabilidad de las escuelas en
RESPRES
asignación de recursos
Autonomía
Índice de responsabilidad de las escuelas en
Capital RESPCURR
currículum y evaluación
Social
Índice de participación de los docentes TCHPARTI
Monitoreo de las prácticas docentes SC23
Índice de liderazgo de los directivos LDRSHP
Influencia de los docentes en la toma de
SC25d
Organización y decisiones
clima internos Índice de comportamiento de los docentes* TEACHBEHA
Índice de comportamiento de los alumnos* STUBEHA
Influencia de los estudiantes en la toma de
SC25e
decisiones
Índice de relaciones docentes-estudiantes STUDREL
Índice de estatus económico, social, y
ESCS
cultural de PISA
Nivel socioeconómico de los
Máximo nivel ocupacional de los padres HISEI
estudiantes
Máximo nivel educativo de los padres en años PARED
Índice de posesiones del hogar HOMEPOS

* Los ítems fueron invertidos tal que a mayor valor, mayor calidad de los recursos o las
relaciones.
Fuente: Cuestionarios a alumnos y a docentes de la base de datos PISA 2009 (OCDE).

3. Panorama actual de la segmentación educativa

3.1 Distribución de los capitales humano, físico, y social de las escuelas
En esta sección se explora la muestra de escuelas para describir los niveles y la distribución
de los distintos tipos de recursos y compararlos entre los sectores de gestión pública y privada. En
las tablas 2 a 4 se resumen los principales estadísticos descriptivos de cada variable: la media, el
desvío estándar y la mediana. Por cuestiones de espacio se omiten otros estadísticos interesantes,
los cuales serán comentados cuando se lo considere relevante.
49 Definiciones y descripciones detalladas de estas variables pueden encontrarse en OCDE (2010 a & b).

139
 A nivel global, las escuelas de la muestra tienen un promedio de 15.24 alumnos por
docente, apenas mayor que el promedio para los países de la OCDE pero menor que para los
países no-OCDE. La dispersión en torno a la media es importante. En forma similar, respecto de
la proporción de docentes certificados la muestra argentina está bien posicionada: en el 75% de
las escuelas participantes más de un 88% del personal está plenamente certificado. La media es
un poco mayor que para el grupo de países de la OCDE y la dispersión es menor. Por el contrario,
la proporción de docentes con calificación ISCED5A es en promedio del 14%, mucho menor que
en el grupo de la OCDE (75%). La distribución de esta variable es también muy heterogénea y
concentrada debajo de la media: aproximadamente un 70% de las escuelas de la muestra tienen
una proporción de docentes calificados menor a la media. En cuanto al índice de escasez de
docentes, las escuelas relevadas presentan un promedio menor (mejor) que los grupos OCDE y no-
OCDE. La dispersión de los valores del índice es alta: si bien la mitad de las escuelas presenta un
índice al nivel mínimo, un 40% presenta un índice peor que la media.

Tabla 2. Distribución del capital humano de las escuelas

Variable o índice Sistema Sector Sector
global público privado
Media 15,245 16,736 11,914
Ratio alumnos por docente D.E. 27,344 32,553 6,489
Mediana 9,960 10,000 9,857
Media 0,851 0,845 0,862
Proporción de docentes
D.E. 0,303 0,313 0,286
certificados
Mediana 1,000 1,000 1,000
Media 0,139 0,124 0,165
Proporción de docentes
D.E. 0,202 0,211 0,183
calificados
Mediana 0,081 0,064 0,125
Media -0,093 0,043 -0,411
Índice de escasez de
D.E. 0,973 0,975 0,898
docentes***
Mediana -0,261 0,145 -1,022

*** La diferencia de medias entre ambos sectores es estadísticamente significativa a un nivel de 1%.
Fuente: Elaboración propia a partir de la base de datos PISA 2009 (OCDE).

El sector de escolarización privada en Argentina ha experimentado un crecimiento constante

desde los años cincuenta, abarcando en el año 2009 a un 31% de los centros (DINIECE, 2009). En
la muestra de PISA, la proporción de escuelas administradas en forma privada es del 28.4%, de las
cuales más de la mitad son en gran parte financiadas por el Estado. Respecto a la distribución de
los recursos humanos entre ambos sectores, no hay diferencias significativas entre las escuelas
de la muestra, con la excepción del índice de escasez de docentes, el cual es mayor en el sector
público. Esto implica que la calidad del personal docente es similar entre ambos tipos de escuelas,
pero se perciben mayores problemas en el sector público respecto a su cantidad. Aquí también es
más importante la dispersión de este índice: el rango intercuartílico es de 1.68, frente a 1.16 en
el circuito privado.

140
Tabla 3. Distribución del capital físico de las escuelas
Variable o índice Sistema Sector Sector
global público privado
Media 0,227 0,168 0,355
Disponibilidad de
D.E. 0,271 0,202 0,348
ordenadores***
Mediana 0,136 0,107 0,265
Media 0,618 0,562 0,734
Ordenadores conectados a
D.E. 0,453 0,464 0,409
internet**
Mediana 1,000 0,824 1,000
Media -0,743 -0,925 -0,311
Índice de calidad de los
D.E. 1,273 1,206 1,331
recursos educativos***
Mediana -0,706 -1,002 -0,273

***, ** La diferencia de medias entre ambos sectores es estadísticamente significativa a un nivel de 1% y 5%.
Fuente: Elaboración propia a partir de la base de datos PISA 2009 (OCDE)

Tabla 4. Distribución del capital social de las escuelas (variables cuantitativas)

Variable o índice Sistema Sector Sector
global público privado
Media -0,714 -0,827 -0,455
Índice de actividades extracurriculares
D.E. 0,995 1,052 0,801
***
Mediana -0,647 -0,647 -0,373
Media -0,586 -0,715 -0,275
Índice de responsabilidad de las escuelas
D.E. 0,373 0,153 0,5308
en asignación de recursos ***
Mediana -0,714 -0,746 -0,426
Media -0,565 -0,665 -0,327
Índice de responsabilidad de las escuelas
D.E. 0,637 0,541 0,777
en currículum y evaluación ***
Mediana -0,723 -0,912 -0,533
Media 0,005 -0,074 0,197
Índice de participación de los docentes * D.E. 0,862 0,839 0,895
Mediana 0,091 0,091 0,091
Media 0,538 0,493 0,652
Índice de liderazgo de los directivos D.E. 0,963 1,002 0,857
Mediana 0,544 0,386 0,706
Media -0,281 -0,537 0,317
Índice de comportamiento de los
D.E. 1,111 1,082 0,939
docentes ***
Mediana -0,268 -0,732 0,331
Media 0,362 0,062 1,059
Índice de comportamiento de los
D.E. 1,096 1,016 0,957
estudiantes ***
Mediana 0,048 0,048 1,279
Media 0,076 0,082 0,060
Índice de relaciones docentes-
D.E. 0,379 0,393 0,346
estudiantes
Mediana 0,026 0,026 0,026

***, **,* La diferencia de medias entre ambos sectores es estadísticamente significativa a un

nivel de 1%, 5% y 10%.
Fuente: Elaboración propia a partir de la base de datos PISA 2009 (OCDE).

El capital físico de las escuelas es evaluado aquí a través de la disponibilidad de ordenadores,

el acceso a internet, y la calidad de los recursos educativos. Los primeros dos índices presentan un
valor mucho menor tanto al de la media de los países de la OCDE, como del grupo no-OCDE. Hay
en cada escuela un promedio de 5 estudiantes por ordenador, si bien la dispersión entre escuelas

141
es importante. Aproximadamente el 10% de las escuelas participantes no dispone de ordenadores
para fines educativos, el 50% tiene más de 7 estudiantes por ordenador, y el 10% de los centros
tiene al menos un ordenador cada dos estudiantes. Adicionalmente, se enfatiza que un 25% de
las escuelas no posee ordenadores con acceso a internet. Por otro lado, la calidad de los recursos
educativos es menor que para los grupos OCDE y no-OCDE. Es alta a su vez la heterogeneidad de los
valores de este índice en la muestra: mientras que el decil de establecimientos mejor posicionados
tiene un índice con valor promedio superior a 0.84, el mismo es de -2.65 o menos en las escuelas
del decil más bajo.
Las escuelas de gestión privada se benefician de mejores recursos físicos tal como son
medidos por estos índices, ya que las diferencias de medias con respecto al sector público son
significativas en todos los casos. A su vez, hay una alta heterogeneidad en la distribución de los
recursos materiales dentro de cada subsistema.
La oferta de actividades que acercan a los estudiantes a la escuela y la comunidad luego
del horario regular de clases está ligada positivamente a la calidad educativa y es un componente
importante del capital social. El valor medio del índice de actividades extracurriculares es mucho
menor en la muestra argentina que en el conjunto de países OCDE y no-OCDE. Dada la alta
dispersión de este índice entre escuelas, sin embargo, algunas instituciones benefician a sus
estudiantes con un amplio abanico de estas actividades.
En relación a la presión que ejercen los padres para mantener altos estándares académicos,
lo cual es a priori un indicador de una mejor calidad educativa, la muestra está dividida
equitativamente (Tabla 5). A su vez, sólo un 8% de las escuelas relevadas reportaron una alta
presión por parte de muchos padres, mientras que entre los países de OCDE y no-OCDE esta
proporción está cercana al 18%. Respecto de la rendición de cuentas por parte de las escuelas,
la práctica de informar a las familias sobre la performance de los alumnos no es generalizada en
la muestra para Argentina. La baja participación de los padres también se evidencia en su escasa
influencia en la toma de decisiones: si bien un 17% de los directivos reportaron una injerencia
de los mismos en las decisiones de financiamiento, sólo un 12% reconoció su influencia en la
definición del contenido y los métodos de evaluación.
En cuanto a la autonomía de las escuelas, ambos índices de responsabilidad presentan
valores menores a los promedios de las muestras de OCDE y no-OCDE, además de evidenciar una
dispersión significativa.
Respecto a la organización y el clima internos, la mayor parte de los índices analizados son
en promedio similares a las medias de los países OCDE y no-OCDE. Sin embargo, los valores promedio
no son representativos de las escuelas relevadas dada la alta dispersión, siendo importantes los
coeficientes de variación y los rangos intercuartílicos. En general, los docentes tienen cierta
influencia en las decisiones relativas a los contenidos y la evaluación, pero bajo control sobre
la contratación y el financiamiento. Los grupos de estudiantes tienen aún menos injerencia.
Finalmente, el monitoreo de las prácticas docentes es relativamente extendido, aún más que en
los países de la OCDE.
La comparación por tipo de gestión de las variables representativas del capital social de las
escuelas revela que existen diferencias significativas en la oferta de actividades extracurriculares,
en la autonomía escolar, en la participación de los docentes, en el comportamiento de docentes
y estudiantes, y en la presión por parte de los padres, siendo mayores los valores de estos índices
en el sector privado. Adicionalmente, ambos sectores presentan un alto grado de heterogeneidad
en el capital social entre escuelas.

142
Tabla 5. Distribución del capital social de las escuelas (variables cualitativas)
Sistema Sector Sector
Variable global (%) público(%) privado(%)
Si No Si No Si No
Presión para fijar altos estándares académicos * 49.2 49.2 45.7 54,3 60.7 39,3
Rendición de cuentas ante los padres sobre
performance
Relativa a otros
40,6 53,3 43,8 56,3 42,1 57,9
estudiantes
16,8 77,2 20,3 79,7 12,3 87,7
Relativa a un estándar
7,1 84,8 8,0 8,0 7,1 92,9
Relativa al mismo grado
Influencia de los padres en la toma de decisiones
Contratación 5.6 94,4 4,3 95,7 8,6 91,4
Financiamiento 17,3 82,7 15,1 84,9 22,4 77,6
Contenido 12,2 87,8 12,9 87,1 10,3 89,7
Evaluación 12,2 87,8 13,7 86,3 8,6 91,4
Monitoreo de las prácticas docentes
Pruebas de aprendizaje** 68,5 29,4 65,4 34,6 80,7 19,3
Revisión de los pares 60,4 37,6 64,7 35,3 54,4 45,6
Revisión de los directivos 83,8 15,2 83,3 16,7 87,7 12,3
Observadores externos 27,4 70,1 26,7 73,3 31,6 68,4
Influencia de los docentes en la toma de
decisiones
Contratación 14,2 85,8 15,8 84,2 10,3 89,7
Financiamiento 14,2 85,8 14,4 85,6 13,8 86,2
Contenido 50,8 49,2 48,9 51,1 55,2 44,8
Evaluación 53,8 46,2 51,8 48,2 58,6 41,4
Influencia de los estudiantes en la toma de
decisiones
Contratación 8,1 91,9 9,4 90,6 5,2 94,8
Financiamiento 4,1 95,9 3,6 96,4 5,2 94,8
Contenido 17,3 82,7 16,5 83,5 19,0 81,0
Evaluación 19,8 80,2 19,4 80,6 20,7 79,3

Notas:
Para la variable presión para fijar altos estándares académicos, las categorías “muchos padres”
y “una minoría de padres” fueron consideradas positivas, y la categoría “altamente ausente”,
negativa. Los valores menores al 100% se deben a la existencia de valores perdidos.
** y * reflejan un estadístico X 2 de Pearson significativo a los niveles del 5% y 10%.
Fuente: Elaboración propia a partir de la base de datos PISA 2009 (OCDE).

Para resumir, las escuelas públicas y privadas de la muestra difieren principalmente en

su nivel promedio de capital físico, en la disponibilidad de recursos humanos, en su nivel de
autonomía, y en la calidad de su organización y clima interno.
Luego de analizar la distribución de los recursos de las escuelas, resulta interesante
observar si los distintos atributos se asocian estrechamente entre sí. El objetivo es evaluar si los
componentes de cada tipo de capital tienen un comportamiento similar, y si las escuelas que son
más ricas en capital humano también lo serán en capital físico y social, y viceversa. Para ello, se
calcularon correlaciones simples bivariadas, observando relaciones positivas en todos los casos.
Los resultados indican que entre las variables de capital humano existe una correlación
significativa entre la proporción de docentes calificados y el ratio docentes-por-alumno, así como

143
la proporción de docentes certificados. Respecto a las variables de capital físico, los tres índices
considerados se relacionan significativamente entre sí. Para evaluar las correlaciones entre las
variables de capital social, las variables cualitativas se cuantificaron. De las 91 correlaciones
bivariadas, 36 resultaron significativas. Las asociaciones más fuertes conectan a la autonomía
escolar con el comportamiento de docentes y alumnos, a las actividades extracurriculares con la
participación de los padres, y a la autonomía con la organización, etc.
Respecto de la asociación entre el capital humano y el físico, el índice de escasez de
docentes se relaciona significativamente con la calidad del material educativo. Entre los capitales
humano y social, existen correlaciones positivas fuertes entre el ratio docentes-por-alumno y la
rendición de cuentas; entre la escasez de docentes y la autonomía escolar, al igual que el clima
escolar. Finalmente, se encontraron correlaciones significativas entre variables relativas al capital
social como las actividades extracurriculares, la presión de los padres, la autonomía escolar, la
participación de los docentes, el comportamiento de los estudiantes, y los tres indicadores de
capital físico.

3.2 Distribución del alumnado en función de su estatus socioeconómico

Además de la distribución desigual de los recursos, el proceso de segmentación educativa
comprende a la segregación social o distribución desigual de los estudiantes. Este fenómeno ha
atraído considerable atención entre investigadores y hacedores de política en todo el mundo, dado
el papel importante que juega la extracción social de una escuela en los resultados educativos.
De hecho, de acuerdo al último estudio PISA, en gran parte de los países participantes el impacto
del NSE promedio de las escuelas sobre la performance supera ampliamente al impacto del origen
socioeconómico individual (OCDE, 2010b).
En esta sección se realiza una aproximación al grado de segregación social en el sistema
educativo argentino en su nivel medio. La metodología consiste de dos etapas: i) una exploración
de la muestra de escuelas a través de una serie de estadísticos descriptivos para analizar la
distribución del NSE del alumnado; ii) una estimación de dos índices de segregación, que permite
realizar comparaciones internacionales y sectoriales.
El nivel socioeconómico de un estudiante se refiere a una combinación de características
de su hogar que describen su estatus social, económico y cultural, y que inciden en su posibilidad
de desarrollar trayectorias exitosas dentro del sistema educativo. Entre las posibles formas de
operacionalizar este concepto se hace uso aquí del Índice de Estatus Económico Social y Cultural
(ESCS) elaborado por PISA. El mismo se deriva de una combinación de otros tres índices: PARED, o
máximo nivel educativo de los padres en años; HISEI, o máximo estatus ocupacional de los padres;
y HOMEPOS, un índice de posesiones del hogar relativas a la riqueza y los recursos culturales y
educativos.
Las mediciones de PISA 2009 ubican a la Argentina en la posición número 50 en un
ranking de 65 países ordenados según el nivel promedio de ESCS de sus estudiantes. Los países de
la OCDE tienen un ESCS promedio de 0, mientras que el valor medio para Argentina es de -0.614,
aún menor que para el grupo de países no-OCDE (-0.566). La dispersión de este índice dentro del
país también es grande: la brecha entre los percentiles 95 y 5 en Argentina es de 3.9 puntos frente
a una brecha promedio de 2.92 puntos para la OCDE.
Los índices de NSE a nivel estudiante fueron promediados en cada centro para proveer una
medida de la composición social de las escuelas en la muestra. Se estimó también el coeficiente
de variación (CV) en cada escuela para visualizar la dispersión intra-escuela de estos índices. La
tabla 6 presenta algunos estadísticos descriptivos del ESCS y sus componentes:

144
Tabla 6. Estadísticos descriptivos de los indicadores de NSE a nivel escuela
ESCS HISEI PARED HOMEPOS
Media CV Media CV Media CV Media CV
Media -0,7548 2,5605 42,9844 0,3182 12,1750 0,3105 -1,0298 1,7724
D.E. 0,868 7,1950 10,3163 0,0859 2,4350 0,1211 0,7312 15,8098
Percentil 25 -1,3726 0,5723 35,9800 0,2695 10,6270 0,2264 -1,5216 0,4753
Mediana -0,8480 0,8890 41,0800 0,3217 12,1983 0,3305 -1,1221 0,6228
Percentil 75 -0,2942 1,6741 47,7000 0,3813 13,6758 0,4041 -0,5970 1,1298
Fuente: Elaboración propia a partir de la base de datos PISA 2009 (OCDE).

El NSE de las escuelas, medido por su ESCS promedio, es bajo en general (-0.76),
evidenciando una gran dispersión entre los centros. El 25% de las escuelas con un alumnado en
mayor desventaja tiene un valor del índice promedio menor a -1.37, mientras que el 25% de las
escuelas con estudiantes más privilegiados tienen un valor medio de -0.29. Más aún, la brecha
entre los percentiles 90 y 10 es de 2.18 puntos, y la distribución presenta una leve asimetría
positiva. Respecto a la dispersión del índice ESCS dentro de cada escuela, la serie de CV indica que
en promedio las escuelas son altamente heterogéneas. Sin embargo, un 25% de las mismas tiene
un CV menor a 0.6, presentando una mayor homogeneidad.
La heterogeneidad entre centros es algo menor, si bien no despreciable, al considerar
los índices de estatus ocupacional, nivel educativo y posesiones del hogar. En cuanto a la
dispersión interna, los índices HISEI y PARED revelan una cierta homogeneidad al interior de cada
establecimiento, ya que un 50% de las escuelas relevadas tienen un CV menor o igual a 0.33.

Tabla 7. Estadísticos descriptivos de los indicadores de NSE a nivel escuela y por sector
ESCS medio HISEI medio PARED medio HOMEPOS medio
Público Privado Público Privado Público Privado Público Privado
Media -1,131 -0,138 38,534 50,279 11,877 12,664 -1,379 -0,457
D.E. 0,599 0,893 6,165 11,564 2,375 2,279 0,496 0,681
Percentil 25 -1,544 -0,814 34,650 41,080 10,410 11,163 -1,629 -0,990
Mediana -1,131 -0,042 37,520 49,080 12,265 12,035 -1,339 -0,334
Percentil 75 -0,784 0,400 42,800 59,340 13,621 14,472 -1,030 -0,031

Fuente: Elaboración propia a partir de la base de datos PISA 2009 (OCDE).

La evidencia aportada por el estudio PISA 2009 apoya la hipótesis de que las escuelas de
gestión privada tienen en promedio un alumnado de mayor NSE que las escuelas públicas (todas
las diferencias son significativas a un nivel de confianza del 1%). La dispersión de los índices
entre escuelas es también mayor en el sector privado, según los CV y los rangos intercuartílicos.
El grado de segregación social en el sistema educativo puede ser también evaluado a
través de la estimación de un índice. Si bien en la literatura continúa vigente el debate sobre
cuál de los índices de segregación disponibles es el mejor, algunos autores como Allen y Vignoles
(2006) recomiendan el uso del Índice de Disimilitud (Duncan y Duncan, 1955) y el Índice de Raíz
Cuadrada (Hutchens, 2004).
El primero es sin duda el más popular (Mancebón y Pérez, 2009). Como la mayor parte de
las medidas de segregación, este índice requiere dividir a la población estudiantil en dos grupos:
una minoría o grupo desfavorecido, y una mayoría o grupo favorecido. La fórmula es:

145
Ecuación 1: Índice de Disimilitud

y son, respectivamente, el número de alumnos del grupo desfavorecido y el número de
alumnos del grupo favorecido en la escuela . y son, respectivamente, el número total de
estudiantes de la minoría y el total de alumnos de la mayoría en todas las escuelas consideradas. El
índice puede ser interpretado como la fracción de estudiantes del grupo desfavorecido que debería
ser desplazada a diferentes escuelas para lograr que cada una se haga cargo de una proporción de
la minoría igual a la que existe en el conjunto de la sociedad. La máxima segregación se alcanza
cuando el valor del índice es 1, y la mínima cuando el índice toma valor 0. Cutler et. al. (1999)
sostienen que puede considerarse que la segregación es baja si D se ubica entre 0 y 0.3, moderada
si está entre 0.3 y 0.6, y alta cuando es superior a 0.6.
Un índice igualmente importante o incluso superior, de acuerdo a Allen y Vignoles (2006),
es el Índice de Raíz Cuadrada de Hutchen, dado por:
Ecuación 2: Índice de Raíz Cuadrada

Nuevamente, el rango del índice está entre 0 y 1, indicando respectivamente ausencia de
segregación y segregación máxima. Presenta las ventajas de cumplir con todos los requisitos que
pueden pedirse a un “buen índice de segregación”, y de poder descomponerse en forma aditiva
(Jenkins et. al., 2008). Esta propiedad es útil para comparar el grado de segregación entre dos
sectores. El índice puede descomponerse en dos partes: segregación intra-sectorial y segregación
inter-sectorial, de la siguiente manera:
Ecuación 3: Descomposición del Índice de Raíz Cuadrada

; donde

El intra-sectorial es una suma ponderada de la segregación dentro de cada sector. Los

pesos reflejan la relevancia del sector. El inter-sectorial se obtiene como la brecha entre
y . Expresado como fracción de , esta medida puede interpretarse como la proporción
de la segregación total que puede atribuirse a la desigualdad por NSE existente entre distintos
tipos de escuelas (Jenkins, op. cit.).
Luego de la elección del índice de segregación a estimarse, debe seleccionarse el indicador
de NSE a utilizarse y el punto de corte o umbral que dividirá a la población estudiantil en una
minoría y una mayoría. En este caso, el NSE de los estudiantes se representó a partir del índice
ESCS de PISA, y se consideraron dos umbrales alternativos: la mediana y el primer cuartil. Las
estimaciones de los índices se presentan en la siguiente tabla50:

50 Todos los estadísticos fueron estimados utilizando los pesos finales por alumno provistos en la base de PISA para
estimar correctamente los valores poblacionales, tal como se recomienda en OCDE (2009).

146
Tabla 8. Estimación de la segregación social en el sistema educativo
Índice de Segregación Punto de corte Valor estimado del índice
Mediana 0,46474
Índice de Disimilitud (D)
1° cuartil 0,43725
Mediana 0,29512
Índice de Raíz Cuadrada (H)
1° cuartil 0,23088
Fuente: Elaboración propia a partir de la base de datos PISA 2009 (OCDE).

La evidencia indica un nivel moderado a alto de segregación en el sistema escolar argentino

en su nivel medio. Esta conclusión se mantiene para los dos índices estimados y los umbrales
alternativos. Por ejemplo, considerando como alumnos desfavorecidos a aquellos cuyo índice
ESCS no supera al 1° cuartil, sería necesario desplazar a un 43.7% de ellos hacia escuelas mejor
posicionadas para lograr que todas tuvieran una misma participación en la atención de la minoría.
El índice de raíz cuadrada arroja niveles algo menores, lo cual es consistente con su menor
sensibilidad ante grados moderados de segregación (Allen y Vignoles, 2006).
Para avanzar en la comparación de la segmentación entre los sectores público y privado, se
estimaron índices de segregación para cada subsistema. Si bien estas medidas son independientes
de la relevancia del grupo minoritario en cada sector, se menciona que: cuando se utiliza como
punto de corte a la mediana, el grupo desfavorecido en el sector público representa un 61.7% del
alumnado, mientras que en el sector privado representa sólo un 29.4%; los porcentajes respectivos
son 32.2% y 12.1% cuando el umbral se define como el 1° cuartil.

Tabla 9. Estimación de la segregación social en el sistema educativo por sector

Valor estimado del índice
Índice de Segregación Punto de corte
Sector Público Sector Privado
Mediana 0,364155 0,499189
Índice de Disimilitud (D)
1° cuartil 0,327169 0,623379
Mediana 0,123237 0,242346
Índice de Raíz Cuadrada (H)
1° cuartil 0,124058 0,372259

Fuente: Elaboración propia a partir de la base de datos PISA 2009 (OCDE).

Existe evidentemente un mayor grado de segregación social en el sector privado, donde

los centros tienen mayores posibilidades para desarrollar estrategias competitivas y así atraer
y seleccionar a los estudiantes más privilegiados. De todas formas, se destaca que existe un
grado moderado de segregación también dentro del sector público, lo cual indica que aquí están
operando mecanismos formales e informales para distribuir desigualmente a los estudiantes.

Tabla 10. Descomposición del Índice de Raíz Cuadrada por sector51

Media Primer cuartil
H 0,295124 0,230878
H intra-sectorial 0,166233 0,213658
H inter-sectorial 0,128888 0,017219

Fuente: Elaboración propia a partir de la base de datos PISA 2009 (OCDE)

51 Siguiendo a Jenkins et. al. (2008) se utilizaron como ponderaciones a los porcentajes de alumnos de 15 años
inscriptos en cada sector. Así, y

147
 La segregación entre tipos de escuelas (como porcentaje de H) es de 43.7% al utilizar a la
mediana como umbral, y de 7.4% al utilizar al primer cuartil. Entonces, en el primer caso el nivel
de segregación total se explica tanto por una diferencia en la distribución de los alumnos entre
los sectores público y privado, como por la asignación entre escuelas al interior de cada sector.
En el segundo caso, la segregación se explica principalmente por la dispersión intra-sectorial (y
especialmente por la distribución dentro del sector privado).
Al comparar estos resultados con los de estudios similares para distintos países (Jenkins
et. al., 2008; Mancebón y Pérez, 2009; y Alegre et. al., 2008), es posible asegurar que el nivel
de segregación en el sistema educativo argentino es relativamente alto. Una segunda conclusión
relevante es que, al igual que en el caso de Chile y España (Valenzuela et. al., 2008; Mancebón y
Pérez, 2009), la segregación es más pronunciada en el sector privado. Esto implica que, si bien el
sector en general incluye a una mayor proporción de alumnos privilegiados, su distribución entre
escuelas es más heterogénea. De todas formas, en el sector público donde cabría esperar mayores
niveles de inclusión social, la segregación es también relevante.

3.3 Asociación entre el NSE promedio de las escuelas y sus tres capitales educativos
Hasta este punto se ha presentado evidencia en apoyo de la noción de que las escuelas
difieren tanto en sus recursos educativos como en su composición social. Adicionalmente, el
concepto de segmentación educativa involucra una asociación positiva y sistemática entre la
extracción social de las escuelas y la calidad de sus servicios. Para evaluar este aspecto, se estimaron
correlaciones simples bivariadas entre cada indicador de calidad educativa y el promedio del índice
ESCS en cada escuela.
Respecto de la relación entre el capital humano de las escuelas y su contexto socioeconómico,
se encontraron asociaciones significativas para la proporción de docentes certificados y calificados
(positiva), y el índice de escasez de docentes (negativa). Así, a mayor extracción social del
alumnado de una escuela, mayores son la calidad y la cantidad de su personal docente. En
relación al capital físico, todas las variables mostraron correlaciones positivas y significativas con
el NSE promedio de las escuelas. Finalmente, se observaron varias relaciones positivas y fuertes
entre el ESCS promedio de las escuelas y las siguientes variables representativas del capital social:
el índice de actividades extracurriculares; la presión de los padres; la rendición de cuentas; y el
comportamiento de docentes y alumnos.
Dentro del sector público, las correlaciones entre los niveles de recursos de las escuelas
y su NSE promedio no resultaron tan importantes. De todas formas, se visualizó una asociación
positiva general para los tres capitales educativos.
En conclusión, en todos los casos se encontraron correlaciones positivas o nulas entre
los indicadores de calidad educativa y el ESCS promedio de las escuelas (con la excepción del
índice de escasez de docentes para el cual valores más altos implican menor calidad). Las
asociaciones positivas pueden interpretarse como regresivas, ya que favorecen a los estudiantes
mejor posicionados en el plano socioeconómico. Las correlaciones nulas o no significativas, por su
parte, pueden interpretarse de dos maneras distintas en función de cómo se conciba a la equidad
educativa (Iatarola y Stiefel, 2003): una formulación neutral postularía que existe igualdad de
oportunidades si no hay asociación entre las características de los estudiantes y los recursos que
les brinda el sistema educativo; una formulación que implique una acción afirmativa postula que
la igualdad sólo se alcanza si se brindan más y mejores recursos a los alumnos desfavorecidos. Bajo
esta segunda concepción, la presencia de correlaciones positivas y nulas implica que el sistema
educativo argentino (si bien imperfectamente representado por esta muestra de escuelas) está

148
en algunos casos ampliando y en otros reproduciendo las desigualdades de origen. A su vez, se
destaca que en ninguna de las variables analizadas se encontró una asociación progresiva, por lo
que las acciones de “discriminación positiva” aplicadas a través de distintos programas especiales
no están resultando del todo efectivas.

4. Identificación de circuitos educativos a través del análisis de conglomerados

Para concluir el análisis de la segmentación escolar en el país se utilizó una técnica estadística
no paramétrica denominada análisis de conglomerados (cluster analysis). La misma comprende
una gran variedad de procedimientos que permiten reorganizar un conjunto de elementos en
grupos que tienen un alto grado de “asociación natural” (Aldenderfer y Blashfield, 1984). Esta
técnica resulta particularmente adecuada para los objetivos del presente estudio, ya que ambos
coinciden en su vocación exploratoria y no inferencial (Romesburg, 2004). Así, la intención es
obtener una descripción más compacta de la información, ofreciendo una clasificación potencial
de las instituciones educativas relevadas en Argentina por el proyecto PISA. La agrupación de
los establecimientos permitirá obtener una caracterización plausible de los segmentos o circuitos
educativos presentes en el sistema.
Se incluyeron para el análisis todas las variables relativas a los capitales educativos
evaluadas anteriormente, además del índice ESCS promedio de las escuelas para representar a
su extracción social. Las variables fueron transformadas de diversas maneras para adecuarlas
a los objetivos del estudio y los requerimientos del método: i) las variables cualitativas fueron
cuantificadas; ii) todas las variables fueron estandarizadas para tener media 0 y desvío estándar
1, y así remover la influencia de su dispersión y unidad de medida; iii) se asignaron ponderaciones
para cada indicador de forma que los cuatro aspectos de la calidad educativa considerados (capital
humano, capital físico, capital social, y NSE del alumnado) tuvieran la misma relevancia en el
análisis52.
Para definir la distancia entre dos observaciones, se eligió una de las medidas más simples
y populares: la distancia Euclídia o métrica-L2, donde para cada par de entidades se
agregan las diferencias al cuadrado entre cada una de las variables:
Ecuación 4: Fórmula de la Distancia Euclídia

Se optó por aplicar un algoritmo de aglomeración no jerárquico: el método de k-medias

de MacQueen, el cual es actualmente el más popular en las ciencias sociales. Se consideró el más
adecuado en función de su simplicidad, flexibilidad y eficiencia. Este algoritmo comienza con
una partición inicial de k ítems, los cuales forman los centroides o medias iniciales, y prosigue
asignando a cada objeto al grupo con el centroide más cercano. La pertenencia a los clusters se
va modificando en sucesivos ciclos hasta que se minimiza la varianza intra-grupo y se maximiza
la varianza entre-grupos (Anderberg, 1973). Para lograr la máxima eficiencia se optó por un
análisis en dos etapas: se comenzó por elegir un subgrupo de observaciones, realizar un análisis

52 La práctica de asignar pesos luego de estandarizar las variables es recomendada por Anderberg (1973), quien
sostiene que el analista debe asumir la responsabilidad de decidir la influencia que cada factor debe tener en la
definición de los grupos en función de los objetivos del análisis. En este caso, los cuatro factores fueron otorgados
un peso de 0.25, y luego cada variable dentro de estos 4 grupos fue asignada el mismo peso. Por ejemplo: al índice
de escasez de docentes se le dio un peso de 0.25*0.25=0.0625.

149
de clusters y determinar los centros de los grupos; luego, se utilizaron estos centros como puntos
semilla para el análisis de toda la muestra.
Uno de los mayores desafíos al aplicar métodos de clusters no-jerárquicos es la necesidad
de definir a priori el número de grupos a obtenerse, tarea que resulta compleja al no existir un
criterio universalmente válido como guía. En este estudio se adoptó el uso del índice de Calinski
y Harabasz (1974), ya que los trabajos de Milligan y Cooper (1985) y Savova et. al. (2006)
demostraron su superioridad frente a la mayoría de los mecanismos existentes. La optimización de
este índice indicó una partición óptima de dos clusters de escuelas. La estabilidad de la solución
se comprobó comparando los resultados de la utilización de distintas permutaciones de los centros
iniciales, y se constató su validez primaria y secundaria a través de diversos métodos53.
Se utilizó el software IBM SPSS Statistics 19 para identificar dos grupos de escuelas bien
diferenciados, los cuales pueden denominarse para mayor simplicidad como los circuitos pobre y
rico. El primero se compone de 141 centros (71.6% de la muestra) y el segundo de 56 instituciones
(28.4%). La siguiente tabla presenta los valores medios y los desvíos estándar de todas las variables
útiles en caracterizar ambos perfiles de escuelas:

53 La validez primaria de una solución de clusters se relaciona con el cumplimiento de los objetivos del análisis y
con la utilidad e interés de las conclusiones, mientras que la validez secundaria involucra el cumplimiento de algunos
requisitos más objetivos (Romesburg, 2004). Estos incluyen a la consistencia de las clasificaciones basadas en sub-
conjuntos de los datos; la demostración de estabilidad y robustez; y la coincidencia con las expectativas previas del
investigador.
Como examen de la consistencia interna de la solución, la muestra se dividió en distintos sub-conjuntos
aleatorios y se aplicó en cada uno el mismo método de análisis. Los mismos dos clusters resultaron identificados
en cada solución. Aldenderfer y Blashfield (1984) recomiendan la aplicación de un proceso adicional para validar
una solución de clusters: la realización de distintos tests de significatividad que comparan los grupos con respecto
a variables no utilizadas para generar la solución. Se eligieron para ello distintas variables como el tamaño de
la escuela, la repetición, el número de docentes de tiempo completo sobre el total, la localización, y el tipo de
gestión. Se encontraron diferencias significativas para la mayor parte de ellas entre ambos conglomerados. A su
vez, se chequeó la estabilidad y robustez de la solución a través de la adición y remoción de distintos atributos y
observaciones, lo cual no produjo alteraciones significativas en los resultados. Finalmente, las características de cada
grupo de escuelas coinciden con las expectativas y análisis previos. Por lo tanto, se considera que se logró la validez
primaria y secundaria.

150
Tabla 11. Características de los conglomerados de escuelas
Circuito pobre Circuito rico
Variables
Media D.E. Media D.E.
Capital humano
Ratio docentes por estudiante 16,1167 32,4332 13,2993 8,3975
Proporción de docentes certificados 0,8290 0,3208 0,8968 0,2595
Proporción de docentes calificados 0,1050 0,1752 0,2028 0,2325
Índice de escasez de docentes 0,0026 0,9760 -0,3287 0,9322
Capital físico
Disponibilidad de ordenadores 0,1826 0,2386 0,3344 0,3138
Ordenadores conectados a internet 0,4855 0,4658 0,8802 0,2839
Índice de calidad de los recursos educativos -1,1087 1,1529 0,1694 1,0940
Capital social
Oferta de actividades
extracurriculares
Índice de actividades extracurriculares -0,9083 0,9833 -0,2441 0,8651
Participación de los padres
Presión para fijar altos estándares académicos 1,4857 0,5936 1,8333 0,6936
Rendición de cuentas ante los padres 0,6746 0,8563 0,7115 0,8480
Influencia de los padres en la toma de
0,4610 0,7321 0,5000 0,6876
decisiones
Autonomía
Índice de responsabilidad de las escuelas en
-0,6686 0,2265 -0,3775 0,5498
asignación de recursos
Índice de responsabilidad de las escuelas en
-0,6262 0,6008 -0,4126 0,7022
curriculum y evaluación
Organización y clima internos
Índice de participación de los docentes 0,0306 0,8840 -0,0581 0,8100
Monitoreo de las prácticas docentes 2,3456 1,0912 2,6727 0,9241
Índice de liderazgo de los directivos 0,4720 1,0188 0,7084 0,7875
Influencia de los docentes en la toma de
1,2624 1,0866 1,5000 1,0617
decisiones
Índice de comportamiento de los docentes -0,4647 1,0804 0,1688 1,0637
Índice de comportamiento de los estudiantes 0,1136 1,0337 0,9703 1,0123
Influencia de los estudiantes en la toma de
0,4894 0,7617 0,5000 0,9145
decisiones
Índice de relaciones docentes-estudiantes 0,0825 0,3813 0,0583 0,3774
Nivel socioeconómico de los estudiantes
Índice ESCS promedio de las escuelas -1,0888 0,4369 0,2984 0,5100
Máximo nivel ocupacional de los padres 38,4834 4,9828 55,5229 7,8604
Máximo nivel educativo de los padres en años 11,3250 1,6646 14,7481 1,1920
Índice de posesiones del hogar -1,3148 0,4283 -0,2009 0,4778
Fuente: Elaboración propia a partir de la base de datos PISA 2009 (OCDE)

Claramente, en el circuito pobre existe una concentración de escuelas cuyo alumnado es

más desfavorecido, ya que todos los índices de NSE son más bajos. A su vez, estas escuelas tienen
en promedio menores índices de capital humano54, físico y social, ofreciendo a sus estudiantes
servicios de menor calidad. Los clusters presentan también diferencias por sector:
54 Con la excepción del índice de participación docente y el índice de relaciones docentes-estudiantes.

151
Tabla 12. Pertenencia sectorial de los conglomerados de escuelas
Sector Circuito pobre Circuito Rico Total
Público 121 (87%) 18 (13%) 139 (100%)
Privado 19 (52.7%) 36 (47.2%) 55 (100%)
Fuente: Elaboración propia a partir de la base de datos PISA 2009 (OCDE).

La mayor parte de las escuelas del sector público pertenecen al circuito pobre, si bien un
grupo de centros de élite (13%) pertenece al segmento rico o de alta calidad. En el sector privado,
la proporción de escuelas de la muestra incluidas en el circuito pobre es mucho menor.
La relevancia política de este análisis se deriva de la posibilidad de caracterizar distintos
perfiles de escuelas, y de identificar los aspectos que requieren una intervención más urgente.
Resulta útil considerar que no todas las variables incluidas han tenido un rol relevante en la
configuración de los clusters (en parte por las ponderaciones asignadas, y en parte porque sus
valores no difieren tanto entre las observaciones). Esto puede visualizarse a partir del estadístico
F reportado por el programa en la tabla ANOVA. La variable que más ha contribuido a la
conformación de los grupos es el ESCS promedio de las escuelas, seguida de factores relativos al
capital físico como la calidad de los recursos educativos, la disponibilidad de ordenadores, y el
acceso a internet. Luego, han tenido un peso considerable las variables ligadas al capital social,
como la responsabilidad de las escuelas en la asignación de recursos, el comportamiento de
docentes y estudiantes, la oferta de actividades extracurriculares, y la presión por parte de los
padres. Entre las variables representativas del capital humano, las únicas significativas resultaron
ser la proporción de docentes certificados y el índice de escasez de docentes.

5. Consideraciones finales
A lo largo del presente trabajo, se presentó evidencia en apoyo de la conclusión de que la
segmentación del sistema educativo argentino en su nivel medio continúa plenamente vigente. Los
principales resultados obtenidos son: i) existe una significativa heterogeneidad en la distribución
de los recursos entre las escuelas, y en general hay una asociación positiva entre las variables
representativas de cada capital, así como entre los distintos capitales; ii) los estudiantes se
distribuyen desigualmente en función de su NSE de origen, siendo la segregación social moderada
a alta; iii) la calidad educativa se relaciona positivamente con el perfil socioeconómico del
alumnado; iv) existen diferencias importantes entre los sectores público y privado: las escuelas
privadas tienen una población estudiantil más privilegiada, beneficiándose en promedio de mejores
recursos, y se encuentran más segregadas; v) la segmentación en el sector público es más leve
pero aún relevante; vi) el análisis de conglomerados realizado identificó dos circuitos de escuelas
que difieren en forma esperada en sus niveles y calidad de recursos al igual que en su composición
social.
No se desconocen las limitaciones de los análisis realizados: la representatividad de la
muestra a nivel escuela no está garantizada; el análisis de clusters involucra un alto grado de
subjetividad por parte del analista, tal que no existe una única forma de agrupar los datos;
y el proyecto PISA no provee información sobre variables como la localización geográfica, la
experiencia y condiciones laborales de los docentes, o la calidad edilicia y del equipamiento, las
cuales fueron señaladas como relevantes en otros estudios sobre equidad educativa en el país.
No obstante, se considera que estas cuestiones no invalidan los resultados del estudio, los
cuales son consistentes con diversos antecedentes cualitativos y cuantitativos. Se ha aportado

152
evidencia adicional sobre la responsabilidad del sistema escolar argentino en la perpetuación
de la desigualdad social y, si bien resulta algo desalentador, este hecho puede verse como una
oportunidad para la intervención política. Los resultados indican que entre las cuestiones
prioritarias se encuentran: la disponibilidad de docentes, la distribución de los recursos
educativos, la segregación del alumnado, y factores relativos al clima escolar y la participación de
los padres. Se espera que este diagnóstico, si bien de alcance limitado, sirva de punto de partida
para investigaciones adicionales y pueda asistir en el diseño de estrategias concentradas en las
escuelas en mayor desventaja, en pos de una verdadera educación de calidad para todos.

Referencias
Aldenderfer, M. y R. Blashfield (1984): Cluster Analysis Sage University Paper Series. Quantitative
Applications in the Social Sciences; No. 07-044. Sage Publications.

Alegre, M.A., R. Benito y I. González (2008):. Procesos de segregación y polarización escolar: la

incidencia de las políticas de zonificación escolar. Profesorado. Revista de currículum y formación
del profesorado, 12, 2.

Allen, R. y A. Vignoles (2006): “What should an index of school segregation measure?” CEEDP, 60.
London School of Economics and Political Science, London.

Anderberg, M. (1973): Cluster analysis for applications. Academic Press Ed. New York

Braslavsky, C. (1985): La discriminación educativa en Argentina. Bs. As. FLACSO-Grupo Editor

Latinoamericano.

Calero, J. (1999): Indicadores de equidad interna y externa en la educación superior. Metodologías

y una aplicación al caso español. Ponencia presentada en el Seminario “Indicadores universitarios:
tendencias y experiencias internacionales”, Ministerio de Cultura y Educación, Secretaría de
Políticas Universitarias, Buenos Aires.

Calinski, T. y J. Harabasz (1974): “A dendrite method for cluster analysis”. Communications in

Statistics, vol. 3, Nº 1, Oxford, Taylor y Francis.

Cervini, R. (2004): “Nivel y variación de la equidad en la educación media argentina”. Revista

Iberoamericana de Educación, 34 (4).

Cutler, D. M., E. L. Glaeser and J. Vigdor (1999): “The rise and decline of the American ghetto”.
Journal of Political Economy, 107 (3), p. 455-506.

Diniece (2009): Anuario Estadístico 2009. Disponible en: http://www.me.gov.ar/diniece/

Diniece (2010): PISA 2009: Resumen Ejecutivo Argentina. Disponible en: http://diniece.me.gov.
ar/index.php?option=com_content&task=category&sectionid=3&id=15&Itemid=26 (Consultado el
18/03/2011).

Duncan, O., y Duncan, B. (1955): “A methodological analysis of segregation indexes”. American

153
Sociological Review, 20, pp. 210-217.

Fiszbein, A. (1999) Institutions, Service Delivery and Social Exclusion:A Case Study of the
Education Sector in Buenos Aires. The World Bank Latin America and the Caribbean Regional
Office. LCSHD Paper Series No. 47.

Hanushek, E., J. Kain, J. Markman, y S. RIVKIN (2002): “Does Peer Ability Affect Student
Achievement?” Journal of Applied Econometrics 18 (5), pp. 527-544.

Hutchens, R. (2004): “One measure of segregation”. International Economic Review, 45, 5

Iatarola, P., y L. Stiefel (2003): “Intradistrict equity of public education resources and performance”.
Economics of Education Review, 22(1).

Jenkins, S., J. Micklewright, y S. V. SCHNEPF (2008): “Social segregation in secondary schools:

how does England compare with other countries?” Oxford Review of Education, 34 (1).

Krüger, N. (2010): La segmentación educativa argentina: una de las caras de la desigualdad social.
Memorias del II Congreso Latinoamericano y Caribeño de Ciencias Sociales (FLACSO). México D.F.

Llach, J.J. (2006): El desafío de la equidad educativa. Diagnóstico y propuestas. Bs. As., Argentina.
Ed. Gránica S. A.

Mancebón, M.J. y Pérez-ximenez, D. (2009): “Una valoración del grado de segregación

socioeconómica existente en el sistema educativo español. Un análisis por comunidades autónomas
a partir de PISA 2006”. Regional and Sectoral Economic Studies Journal. Vol. 10-3.

Maroy, C. y A. Van zanten (2009): “Regulation and competition among schools in six European
localities”. Sociologie du travail. Disponible en: www.sciencedirect.com.

Milligan, G. y M. Cooper (1985): “An examination of procedures for determining the number of
clusters in a data set”. Psychometrika. Vol. 50, No. 2.

OECD (2010a): PISA 2009 Results: Overcoming Social Background. Equity in Learning Opportunities
and Outcomes (Vol. II). http://dx.doi.org/10.1787/9789264091504-en.

OECD (2010b): PISA 2009 Results: What makes a school successful? Resources, Policies and
Practices (Vol. IV). http://dx.doi.org/10.1787/9789264091559-en
OECD (2009). PISA Data Analysis Manual. SPSS. 2nd Edition.

Oiberman, I. et al. (2004): Los Estados provinciales frente a las desigualdades educativas. CIPPEC.
Area de Política Educativa. Disponible en: www.cippec.org

Rivkin, S., E. Hanushek, E. y J. Kain (2005): “Teachers, schools, and academic achievement”.
Econométrica, Vol. 73, No. 2

154
Romesburg, C. (2004): Cluster Analysis for Researchers. LULU Press. E.E.U.U.

Savova, G., T. Therneau y C. Chute (2006). Cluster Stopping Rules for Word Sense Discrimination.
11th Conference of the European Chapter of the Association for Computational Linguistics.

Tiramonti, G. (comp.) (2004) La trama de la desigualdad educativa. Mutaciones recientes en la

escuela media, col. Biblioteca del Docente. Buenos Aires: Manantial

Valenzuela, J.P., C. Bellei, y D. De Los Rios, D. (2008). Evolución de la segregación socioeconómica

de los estudiantes chilenos y su relación con el financiamiento compartido. FONIDE. Ministerio
de Educación de Chile.

Wolf, L. y C. Moura (2000): Educación secundaria en América Latina y el Caribe. Los retos del
crecimiento y la reforma. Serie de informes técnicos del Departamento de Desarrollo Sostenible.
Banco Interamericano de Desarrollo. Washington, D.C.

155
9. Estimación del diferencial de conflictividad escolar entre los alumnos de
educación secundaria obligatoria y no obligatoria

José Luis Albánchez Blanco, Universidad de Málaga

José Luis Iranzo Acosta, Universidad de Málaga

156
Estimación del diferencial de conflictividad escolar entre los alumnos de
educación secundaria obligatoria y no obligatoria

José Luis Albánchez Blanco, Universidad de Málaga

José Luis Iranzo Acosta, Universidad de Málaga

Resumen
En este trabajo analizamos la prevalencia de la conflictividad escolar en los niveles obligatorios
de las enseñanzas medias, según su evaluación por una serie de indicadores de amplia aceptación
aplicados a una muestra de 1006 alumnos de todos los niveles que realizaron estudios en este
estadio en el curso de 2009-2010.
Nuestro objetivo prioritario se orienta a determinar las diferencias entre los indicadores de los
distintos cursos que conforman este estadio educativo. Los resultados obtenidos a partir de la
metodología estadística aplicada, revelan importantes diferencias en la proporción de afectados
por la conflictividad según el nivel de estudios cursado.
Los diversas técnicas empleada (regresión lineal con variables dicotómicas y logística) para
estimar la magnitud de la dependencia conflictividad-nivel, muestran como el nivel de estudios,
cuantificado por variables cualitativas, resulta ser un predictor negativo y estadísticamente
significativo del grado de conflicto que puede generar un curso.

1. Introducción.
El modelo comprensivo de Educación Secundaria Obligatoria implantado en España en
1990 con la Ley de Ordenación del Sistema Educativo (LOGSE) actualizado y refundado más
recientemente con la Ley Orgánica de Educación de 2006 (LOE) generaron en España un doble
fenómeno, que podríamos calificar de novedoso por cuanto a la intensidad de su afectación
en las cohortes correspondientes a los grupos de edad que tradicionalmente se escolarizaban
en el nivel preuniversitario. Por un lado, se produce una intensificación del fracaso escolar sin
paragón en el sistema educativo vigente hasta entonces, y por otro, una conflictividad relegada
en el sistema LGE a la categoría de anecdótica, alcanza cuotas hasta entonces impensables e
imprevistas que desbordan la capacidad de los escasos recursos empleados en estos menesteres y
también los métodos desarrollados hasta entonces por los centros y los docentes. Si bien existen
investigadores educativos que perciben aspectos positivos en los fenómenos expuestos hasta el
punto de considerar que el conflicto no es únicamente inevitable, sino que, además, es necesario
para mejorar la vida colectiva de la institución escolar. Desde esta perspectiva, interpretan las
nuevas situaciones que presentan el sistema consideran que:

“Los conflictos que surgen en las aulas escolares son una oportunidad de desarrollo personal para
aquellos que los protagonizan; son una posibilidad para mejorar la convivencia del grupo y ofrecen
una situación ideal para optimizar la institución en su conjunto” (Martín y Puig, 2002, pág. 4).

No obstante para la gran mayoría, la conflictividad escolar es una de las causas más frecuentes
de angustia en los centros y uno de los retos al que tienen que responder las organizaciones
escolares. Actualmente vivimos en un escenario social y educativo de gran complejidad y parece
evidente que las raíces del problema de la conflictividad radican, -entre otras-, en el entramado
social.

157
 Concretamente en aspectos tales como:
- El incremento de la diversidad en la ESO, al prolongarse la enseñanza obligatoria hasta
los 16 años.
-La inmigración y los problemas de adaptación e inserción en el entorno educativo.
- El cambio tan rápido en nuestra sociedad es fuente más que suficiente para la
generación de conflictos.
- Las exigencias para preparar al alumnado para un futuro cambiante, con la
aparición de nuevos contenidos.
-La falta de respuesta escolar adecuada a un determinado tipo de alumnado.

A todas estas problemáticas se le suman otros aspectos que tienen que ver, por ejemplo,
con un menor apoyo y sobreexigencia de funciones al profesorado, por parte de la sociedad,
delegando en él todo tipo de responsabilidades que anteriormente eran asumidas, en parte, por la
familia. Además la falta de valores, la carencia de ideologías sólidas, la debilidad de las creencias,
el consumo obsesivo, etc. son otros de los condicionantes que dificultan la convivencia.
A esta situación hay que añadir también, la falta de formación del profesorado.
Como señala Torrego (2004), la investigación referente a este tema es relativamente escasa y
procedente de estudios meramente descriptivos, tanto en el ámbito nacional como internacional.
Además, son prácticamente inexistentes los estudios longitudinales al respecto. Algunos de los
estudios e investigaciones más relevantes son los elaborados por el Instituto Nacional de Calidad
y Evaluación (1997), el informe del Defensor del Pueblo sobre violencia escolar (1999), el estudio
realizado por Zabalza (1999) en Galicia, la investigación realizada en Navarra por Hernández de
Frutos y Casares (2002), los trabajos de Andalucía de Ortega (1995), el estudio coordinado por
García y Martínez (2001) sobre los conflictos en las aulas de ESO en la Comunidad Valenciana,
etc. Además, en el ámbito internacional tenemos estudios relevantes realizados por Smith y Otros
(1999) y Olweus (1998). Este último estudio ofrece datos pioneros sobre uno de los problemas más
actuales expuesto en diversos medios: el Bullying.
El trabajo que desarrollamos no pretende ser un análisis de causación si no de medición
de las diferencias de conflictividad existentes en función del nivel. Aunque el concepto de
conflictividad es impreciso, en general, su ausencia o minimización se considera como uno de
los símbolos de la calidad del sistema educativo ya que indudablemente afecta a la educación
obtenida, que constituye el principal Capital Humano generador de producción y rentas, idea
sustentada en el binomio educación-producción expuesto en la Teoría del capital Humano.
En nuestro trabajo consideramos el conflicto simplemente como resultado de las distintas
incidencias disciplinarias denunciadas por el profesorado en un curso académico regular en los
partes preceptivos, en conjunción con las sanciones establecidas por la Comisión de Convivencia
para los mismos. Las conductas constitutivas de faltas, no denunciadas por razón del dispar
grado de tolerancia que concurre en los docentes, por razón de sus experiencia, personalidad,
concepción del servicio, etc., no son objeto de indagación ni estimación.
Para cumplir con este objetivo procederemos en primer lugar a efectuar el análisis exploratorio
de la subpoblación –muestra de oportunidad- de la que hemos extraído los datos, constituida por
los partes y pronunciamientos definitivos de la Comisión de Convivencia generados entre los
alumnos matriculados en un centro de la provincia de Málaga durante el curso 2009/2010.
En principio, cuantificamos el conflicto bajo el criterio de los partes emitidos y posteriormente
precisamos el grado o intensidad del mismo por la sanción a la conducta vulneradora de los
preceptos establecidos en la normativa reguladora de los derechos y deberes del alumnado.

158
 El diseño de la metodología más idónea para desarrollar el tratamiento de los datos y
el análisis exploratorio de los mismos nos servirá para plantear y contrastar las hipótesis sobre
la dependencia conflictividad-nivel (tipo de enseñanza). Una vez contrastada la dependencia
conflicto-nivel, cuantificaremos las diferencias entre los niveles sirviéndonos de un modelo
econométrico con variables dicotómicas y finalmente analizaremos el riesgo de incurrir en conflicto
en el transcurso de la enseñanza media con modelos de regresión logística.

2. Análisis exploratorio y de la tabla de contingencia.

Cuando se analizan variables cualitativas como la violencia o conflictividad escolar y el
nivel o modalidad de enseñanza, es usual representar las frecuencias de casos observados para
cada una de las diferentes categorías en tablas de contingencia. En nuestro caso la tabla resumen
más detallada contendría las variables aleatorias Nivel Educativo por filas y el Grado de Conflicto
medido en principio por el número de partes emitidos, por columnas. Estas variables se presentan
respectivamente con n=8 niveles educativos, cuatro en la modalidad Obligatoria (1º, 2º, 3º y 4º
de E.S.O.) y cuatro en Postobligatoria (el 5º nivel correspondería a 1º de Bachillerato y 1º de
Formación Profesional -F.P.- de grado medio, el 6º a 2º de estas enseñanzas, que en la tabla constan
desglosados y los niveles más elevados 7º y 8º corresponderían a 1º y 2º de F.P. grado superior)
y también por m=6 niveles en principio no excluyentes en tanto en cuanto un alumno puede
haber sido expulsado una vez tres días, una segunda vez cinco, etc. Para evitar distorsiones en
las conclusiones, hemos transformado las primigenias, en modalidades mutuamente excluyentes,
simplemente agregando los días de expulsión y excluyendo las actuaciones implícitas previas
para el alumnos afectado. Por tanto, se computan exclusivamente las actuaciones finalistas (o
acumuladas) para todos aquellos alumnos contemplados en la tabla.
La tabla de contingencia resumen de la conflictividad en el centro durante el curso
2009/2010 es la que se presenta a continuación. Para interpretarla adecuadamente, hemos de
tener en cuenta que las sanciones se aplican en general gradualmente, de forma que para que
un alumno sea sancionado con privación del derecho de asistencia al centro durante el período
máximo admisible (30 días lectivos), antes ha de recibir un mínimo de partes sancionados con
expulsión al aula de convivencia, apercibimiento, expulsión reducida en aula de convivencia,
etc., que paulatinamente, elevan la gravedad de las conductas disruptivas (las más comunes),
exceptuando algunos casos minoritarios, pero muy graves, de agresiones, insultos, vejaciones, pero
etc., etc., en los que se aplica directamente la máxima sanción permitida y también un número
muy reducido de casos en los que la sanción consiste en realizar labores de limpieza o reparación
de daños que excluimos por homogeneizar las sanciones. Pero, al agregar períodos de expulsión
y deducir actuaciones en estadios previos, la tabla refleja exclusivamente sanciones finales en
el curso, y las modalidades cumplen con los requerimientos teóricos básicos que presupone el
análisis estadístico a posteriori.

159
 Partes Sanción Sanción Sanción Sanción
Apercibimientos de 1 a 3 de 4 a 7 de 8 a 14 de 15 a
Cursos\ Emitidos días días días 30 días
Actuaciones 1 2 3 4 5 6 ni.
1ºESO 188 5 18 14 5 6 236
2ºESO 124 0 9 4 0 7 144
3ºESO 43 5 8 5 0 0 61
4ºESO 44 4 6 5 0 0 59
1ºBACH. 8 0 3 0 0 0 11
2ºBACH. 3 0 2 0 0 0 5
1ºCM 1 0 1 0 0 0 2
2ºCM 1 0 0 0 0 0 1
1ºCS 1 0 0 0 0 0 1
2ºCS 0 0 0 0 0 0 0
n.j 413 14 47 28 5 13 520
Fuente: Elaboración Propia a partir de los partes del profesorado y pronunciamientos de la
Comisión de Convivencia del centro.

Para caracterizar el conflicto también como variable cualitativa ordinal basta simplemente
con relacionar la unidad con la modalidad primer nivel de conflicto –el parte que conlleva la
expulsión automática de la clase impartida al aula de convivencia, con encargo de tareas y control
por el profesor responsable de esta aula- y adjudicar los siguientes de forma consecutiva. La
tabulación los datos nos permite generar toda la información susceptible de obtener para contrastar
la independencia entre las variables ordinales nivel educativo en el ámbito preuniversitario y
grado de conflictividad del nivel respectivo, según las diferentes manifestaciones de la misma que
conllevan sanciones escalonadas.
El test de linealidad para tablas de contingencia n x m consiste en descomponer el
valor Ji-Dos del contraste de independencia en dos componentes independientes que permiten
contratar si existe relación lineal significativa entre las variables ordinales que han sido codificadas
numéricamente en la tabla. Considerando como Yj los códigos columna y Xi los filas, estimamos
por mínimos cuadrados ordinarios los parámetros de la regresión lineal de Y sobre X. El estimador
del parámetro , nos proporcionara el tipo de relación entre X (nivel o curso) e Y (grado de
éxito académico), parámetro que una vez estimado contrastamos su significación por el test
Ji-Dos, teniendo en cuenta que la distribución de este estadístico

La regresión arroja un =-0,89, con valor del estadístico t=-4,62 y una probabilidad
asociada del 0,35%, es decir, con un nivel de confianza del 99,65% rechazamos la hipótesis
de no influencia del nivel en grado de conflicto, y similares resultados obtenemos con el test
Ji-Dos (21,40, p=0,00001). El paso de un nivel a otro, supone una reducción de 0,89 grados
en la conflictividad por curso. Similares resultados obtendríamos con la tabla acotada a cada
modalidad de conflicto, es decir, con las respectivas distribuciones condicionadas de los niveles
a cada escalafón de incidencia disciplinaria. Si consideramos en estos casos, que la intensidad
con la cual la modalidad considerada se presenta en un determinado nivel es su probabilidad de
acaecer en el respectivo nivel. Por ejemplo supongamos el caso significativo de las sanciones con
expulsión entre 1 y tres días, que se dan en todos los niveles exceptuando el último (2º curso

160
Ciclo Formativo Superior), para las cuales, obtendríamos los siguientes resultados:

Expulsión|Parámetros Estimador( ) Estadístico t Estadístico Ji-Dos

De 1 a 3 días -0,88 -6,07 39,5

(0,0009) (0,000001)

Las reducciones de grado estimadas, con su elevada significatividad estadística, suponen

que el mayor porcentaje de conflictividad escolar en las enseñanzas medias se concentra en el
estadio obligatorio, donde la tabla nos mostraba casi un 94% de las actuaciones en 1º, 2º, 3º y
4º cursos de E.S.O., siendo muy significativo los resultados del primer ciclo (aproximadamente un
75%).
Lo detectado hasta ahora, nos debiera llevar a reconsideran la conveniencia de políticas como
la promoción con varias asignaturas pendientes –anteriormente automática con independencia
del número de pendientes, política sustentada en la idea de consecución de madurez-, y también
el trato abiertamente discriminatorio que la administración educativa confiere al profesorado que
imparte la totalidad o gran parte de su carga lectiva en este nivel, por desconocer o ignorar esta
flagrante realidad, aunque lo último se solventa adecuadamente en Andalucía con el procedimiento
de asignación de carga que establece el nuevo reglamento de funcionamiento de los centros,
excluyendo la antigüedad como criterio preferente para ser sustituida por un consenso que
presupone un reparto más o menos equitativo de la carga menos deseable o apetecible por los
docentes.
No obstante, la erradicación o al menos la minoración significativa de este problema pasa
por reducir los déficits en lectura, escritura y operatoria algebraica elemental que evidencia de
continuo las pruebas PISA en los alumnos españoles, y para esto, es preciso establecer objetivos
claros por alumno y controles, aparte de emplear refuerzos para aquellos casos en los que el logro
de los objetivos requiera justificadamente servicios extraordinarios.
Para discernir si el diseño que analizamos está también influenciado por las variables
implícitas en el nivel como las distintas submodalidades de este que constan en la información
de partida, tales como el tipo de enseñanza elegida o el curso, y al mismo tiempo, cumplir el
objetivo de estimar las diferencias de conflictividad entre niveles obligatorios y postobligatorios,
pasamos a especificar y estimar los modelos uniecuacionales que concretamos en el siguiente
apartado cuyos parámetros nos ofrecerán una medida de los efectos diferenciales que pretendemos
cuantificar.

3. Efectos diferenciales en la conflictividad.

Para analizar la influencia que ejercen las distintas modalidades, submodalidades de
primer orden o niveles y de segundo orden o tipos de enseñanza postobligatoria y además, estimar
el diferencial de conflictividad que presentan estas, con la E.S.O., especificamos y estimamos los
siguientes modelos econométricos:

161
 (I)

(II)

(III)

Siendo CONF. la variable dependiente y OB.2, POB., y NIVhPO, (h=1,2,3,4), variables

ficticias que representan la pertenencia de un alumno a la modalidad de educación obligatoria
de 2º ciclo o en su caso, a la postobligatoria específica, ya sea en sus distintas submodalidades
de primer orden, es decir, en los niveles 5º,6º,7º y 8º. Las de segundo orden o tipo de enseñanza
de Bachillerato o F.P. de grado medio que corresponde al nivel 5º y 6º respectivamente, serán
excluidas por la insuficiencia de la muestra para alcanzar esta cuota de desglose, ya que la
inclusión de estas variables en el modelo supondría incurrir en multicolinealidad de grado, con la
consiguiente distorsión en los parámetros.
Los modelos especificados no incluyen explícitamente interacciones entre la submodalidades
de un rango y las del consecutivo para no incurrir en multicolinealidad perfecta.
Como es tradicional cuando se emplean regresores de esta naturaleza generadores de
modelos ANOVA, el valor unitario va a representar la concurrencia del suceso en el elemento y
el cero su ausencia. Los resultados obtenidos para la estimación de los parámetros constan en el
cuadro adjunto.
Modelo (I) Modelo (II) Modelo (III)
Constante=3,6 Constante=5,5 Constante=5,5
Parámetro de POB.=-3,4 Parámetro de OB.2=-3,7 Parámetro de OB.2=-3,7
Pi-valor(t)=0,015 Pi-valor(t)=0,01 Pi-valor(t)=0,01
Parámetro de POB.=-5,3 Parámetro de POBNIV.1=-5,1
Pi-valor(t)=0,0014 Pi-valor(t)=0,01
Parámetro de POBNIV.2=-5,3
Pi-valor(t)=0,01
Parámetro de POBNIV.3=-5,3
Pi-valor(t)= 0,01
Parámetro de POBNIV.4=-5,5
Pi-valor(t)=0,009

162
 Las regresiones I, II y III nos indican:
a) Que el valor esperado del grado de conflictividad en un curso se reduce en torno a 3,4
unidades de la escala de medición empleada al pasar de los niveles obligatorios a los no obligatorios.
Siendo el valor esperado de la E.S.O. de 3,6 la reducción de 3,4 supone que el problema queda casi
erradicado en los niveles postobligatorios.
b) Que esta reducción media aumenta aún más al pasar del primer al segundo ciclo de E.S.O.,
mostrando nuevamente una reducción casi completa entre el primer ciclo de E.S.O. y la educación
postobligatoria.
c) Los niveles obligatorios reducen el problema muy significativamente y prácticamente en
la misma medida.
Todos los coeficientes estimados y los modelos, superan ampliamente los contrastes de
significación individual y conjunta.
Si orientásemos nuestra medición hacia la adopción de una escala de medición más objetiva,
en el sentido de eliminar la arbitrariedad que supone el orden de conflictividad establecido
inicialmente, en el que un parte emitido que supone una expulsión temporal de una hora
como máximo (código 1) equivale a la sexta parte de una expulsión por treinta días (código 6),
tendríamos que eliminar los aspectos no mesurables temporalmente y los alumnos expedientados
sin ser sancionados con expulsión, lo cual, recorta la percepción completa del problema. Pero
también parece indudable, que mantener en exclusiva el período de expulsión para cada alumno
sancionado con este tipo de medida disciplinaria, objetiviza la magnitud del fenómeno analizado
y nos proporcionará cuantificaciones dispares de los efectos diferenciales de la conflictividad por
nivel.
Por tanto, procedemos a recalcular los efectos con modelos en los que la variable dependiente
no sea ordinal sino de razón, para ello utilizamos los siguientes modelos ANOVA:
(IV)

(V)

(VI)

Los resultados obtenidos ahora muestran que el período promedio de los alumnos privados
del derecho de asistencia al centro en un curso académico en los niveles E.S.O. asciende a 6
días, período que en los postobligatorios se reduce en 5,22 días. En el primer ciclo, el valor
esperado de este período alcanza los 8,5 días, reduciéndose en 5 al pasar al 2º ciclo y en
7,75 al pasar a la postobligatoria. En los niveles de Bachiller y Ciclos de F.P., la reducción es
considerable incrementándose paulatinamente hasta su erradicación en el 3º (-6,5 , -7,5, -8,5
y -8,5 respectivamente). Las reducciones de conflictividad en términos relativos son ahora de
mayor magnitud que las estimadas con los modelos I, II y III, es decir, que el discurrir del período
de escolarización en el centro de secundaria, no sólo reduce la conflictividad global, sino que
minora aún más la conflictividad más grave, relegando a esta fundamentalmente al primer ciclo
E.S.O.

163
 Los modelos y los coeficientes que consideran EXP. como variable dependiente, también
superan ampliamente los contrastes individuales globales y de igualdad entre los mismos.
La captación de los efectos diferenciales para las submodalidades de tercer orden (niveles
de Bachillerato y F.P.) conlleva la incorporación de una amplia gama de variables ficticias que
generan en la estimación los peculiares efectos de la colinealidad en tanto en cuanto se rechaza la
significación individual de algunos parámetros, pero se acepta la global del modelo. No obstante,
los criterios de evaluación de bondad (Akaike, Schwarz y Hannan-Quinn) se mantienen muy
próximos a los obtenidos para los casos previos, con lo cual, la explicatividad de estos modelos
ampliados es muy similar a los anteriores.
La prosecución en la cuantificación de efectos de submodalidades orden aún mayor, tales
como tipo de Bachillerato (de Humanidades, Ciencias Sociales, Tecnológico, etc.) o F. P. de grado
medio, agravaría el problema de la colinealidad sin que la naturaleza de los modelos especificados
permitiese su resolución por el método de la diferenciación de Wang (1996) o esta se complicase
considerablemente si pretendiésemos aplicar la Regresión Ridge de Hoerl-Kennard(1970) o Liu
(2003).
Por tanto, estimaciones de orden superior precisan de una base de datos distinta, con
lo cual, finalizamos la determinación de los efectos diferenciales en este estadio y pasamos
a determinar la cuantificación del riesgo de incurrir en conflicto por parámetros “odds ratio”
–razón entre la probabilidad de afectación y no afectación de la conflictividad, en las distintas
modalidades consideradas-.

4. Coeficientes del modelo logístico cuantificadores de reducción del riesgo de reproducir
el grado de conflictividad escolar propio de los niveles de E.S.O
El modelo de regresión logística con un factor o regresor dicotómico, cual es si un alumno
pertenece o no a las distintas submodalidades consideradas, nos va a relacionar el coeficiente
de esa variable explicativa con el odds ratio (OR) o ratio de probabilidades de afectación-no
afectación, ya que ahora el 1 representa al alumno expedientado en cualquiera de las variantes
contempladas.
Con las variables consideradas, cada coeficiente se corresponderá al OR de la categoría con
relación a la de referencia que en nuestro caso será el primer ciclo de los niveles obligatorios,
OR i
es decir, que = eβ i . Por tanto, los coeficientes del modelo cuantificaran la reducción del
OR OB1
riesgo de incurrir en la conflictividad escolar específica del primer ciclo obligatorio, a medida
que cambia el nivel y/o el tipo de enseñanza en relación al ciclo inicial de enseñanza obligatoria
considerado
€ conjuntamente.
Para las submodalidades de segundo orden que recogen las variables explicativas introducidas
en los modelos III y VI, los resultados obtenidos son:

Coeficientes de la regresión logit binaria y tasa de conflictividad prevista

const 0,87 (21,60%)
OB.2 -0,69 (10,5%)
POBNIV.1 -2,08 (2,81%)
POBNIV.2 -2,52 (1,78%)
POBNIV.3 -3,91(0%)
POBNIV.4 -3,91(0%)

164
 Los cambios en la reducción del riesgo de reproducción de las tasas de conflictividad del
primer ciclo E.S.O. varían con el nivel y el tipo de enseñanza. El coeficiente del modelo referido
exclusivamente a los niveles postobligatorios es de -3,5, lo que supone una tasa en toda la
etapa postobligatoria de un 2,15%, mientras que introduciendo como factores los niveles, resulta
ligeramente superior para el primero y el segundo.
Restringiendo la conflictividad a aquellos casos calificados como graves o muy graves
que conllevan expulsión, obtenemos unas tasas de conflictividad de gravedad, inferiores a las
globales, aunque con diferencias variables según el nivel. La menor reducción se presenta en 2º
de la E.S.O. lo que indica que la conflictividad más grave se da entre los alumnos de este curso,
resultado plenamente coherente con el período medio de expulsión máximo que generado por este
curso (9,87 días por 7 en 1º, 3,34 en 3º y 3,6 en 4º).

5. Conclusiones
Con esta comunicación hemos realizado un análisis de la relación existente entre las
distintas submodalidades de nivel y tipo de enseñanza secundaria, en la conflictividad que
presenta el alumno en esta etapa. Nuestro objetivo estriba en captar los efectos diferenciales
respecto al esperado en el nivel obligatorio o en su caso en el primer ciclo de esta etapa para el
que el análisis descriptivo muestra las mayor incidencia.
Tal efecto, es considerable entre los niveles obligatorios y no obligatorios, cuando relegamos
la conflictividad al ámbito de las conductas de mayor gravedad, sancionadas con expulsión, lo
cual, es indicativo de que la variable ficticia empleada para captar esta característica es una buena
proxy de la edad, la capacidad de elección que conlleva o la madurez para apreciar la valía del
servicio recibido.
Si descendemos a submodalidades de orden más avanzado como el nivel, el efecto diferencial
es muy elevado en los correspondientes a ciclos superiores -enseñanza superior no universitaria- y
menor en los inmediatos posteriores a la enseñanza obligatoria. Estos resultados, no consideramos
que estén muy influidos porque los alumnos pertenezcan en exclusiva a un ciclo y familia
profesional –concretamente Educación Infantil-, puesto que no diferirán significativamente si se
trabaja con otro(s) ciclo(s) superior(es) .
La consideración del tipo de enseñanza nos muestra efectos muy dispares y con menor
fiabilidad ya que la incorporación de los regresores adicionales muestra signos de aparición de
multicolinealidad, aunque esta es rechazada por los test VIF (factor de inflación de la varianza)
del programa empleado (GRETL).
Por último, hemos analizado los cambios en el riesgo de que un alumno incurra en la tasa
de conflictividad escolar específica (global o restringida a los casos más graves) de los niveles
obligatorios en el transcurso de los no obligatorios, resultando claramente que las reducciones se
acrecientan con el nivel de las enseñanzas postobligatorias.

Referencias
García, R y R. Martínez (2001): Los conflictos en las aulas de Enseñanza Secundaria Obligatoria .Un
estudio sobre la situación en la Comunidad Valenciana. Valencia. CC.OO.

Hernández De Frutos, T. y E. Casares (2002): Aportaciones teórico-prácticas para el conocimiento

de actitudes violentas en ámbito escolar. Pamplona. Instituto de la mujer.

Hoerl, A. E. and Kennard, R.V. (1970): “Ridge Regression: Based estimation for non orthogonal

165
problems”. Tecnometrics12, pp.55-67.

INECSE (1998). Diagnóstico General del sistema educativo. Avance de resultados. Madrid: M.E.C.

Liu, K. (2003): “Using Liu-Type estimator to combact collinearity”. Communications in Statistics:

Theory and methods 32(5), pp. 1009-1020.

Martín, X y Puig, J.M. (2002): “El conflicto: pros y contras.” En: P.LED (Coord.) Resolución de
conflictos y mediación en los centros docentes. Temáticos Escuela Española.Madrid.

Olweus, D. (1998). Conductas de acoso y amenaza entre escolares. Madrid. Morata.

Ortega, R. (1995): “Las malas relaciones interpersonales en la escuela: estudio sobre la violencia
y el maltrato entre compañeros en segunda etapa de Educación General Básica ”. Infancia y
Sociedad, 27-28, pp. 192-215.

Torrego, J.C. (2004): La gestión de la convivencia desde la perspectiva de centro. Madrid.

Wang, G.C.S. (1996): “How to handle multicollinearity in regression”. Journal of Business

Forecasting. Spring.

Zabalza, M.A. (Dir.) (1999): A convivencia nos Centros Escolares de Galicia. Santiago de Compostela.
Xunta de Galicia.

166
10. Un análisis de los condicionantes del rendimiento académico en Brasil
a partir del SAEB-2005

Mauro Mediavilla Bordalejo, Universidad de Barcelona

Liliana Gallego, Universidad Autónoma de Barcelona

167
Un análisis de los condicionantes del rendimiento académico en Brasil a
partir del SAEB-2005*

Mauro Mediavilla Bordalejo, Universidad de Barcelona

Liliana Gallego, Universidad Autónoma de Barcelona

Resumen
Este trabajo profundiza en la relación existente entre los condicionantes de la educabilidad y el
rendimiento educativo, a partir de un marco teórico que plantea que las múltiples dimensiones de
la educabilidad son variables explicativas del rendimiento escolar. En este contexto, el presente
trabajo tiene como objetivo comprobar la existencia de tales condicionantes para el caso de Brasil,
país donde un 47% del total de los alumnos no llega al nivel mínimo requerido de proficiencia en el
test de matemáticas realizado en el cuarto curso de la escolaridad primaria. Este elevado porcentaje
justifica el intento de analizar los condicionantes existentes en el rendimiento académico de los
alumnos con el objeto de poder sugerir medidas de política para su mejora. Para ello se emplea
una aproximación lineal y multivariante, a partir de los datos contenidos en la base SAEB 2005.
El resultado obtenido indica la existencia de múltiples determinantes del rendimiento educativo
en los diferentes ámbitos analizados, si bien cabe destacar la influencia de la raza o color del
individuo, de la edad del alumno, de la titularidad del centro y de la región donde se encuentra
situado el centro educativo.

Palabras clave: Educabilidad, condicionantes, rendimiento educativo, SAEB-2005, Brasil.

1. Introducción
El vínculo entre educabilidad y rendimiento académico parte de considerar que la educación
de las personas está limitada por sus condiciones de pobreza multidimensional. Por lo tanto,
cuando una persona está inserta en el sistema educativo y su rendimiento académico puede ser
observado por áreas temáticas o por indicadores globales, las dimensiones de educabilidad deben
incluirse como indicadores explicativos o factores causales de dicho rendimiento.
Si bien, en América Latina encontramos varios ejemplos de evaluaciones sobre el
rendimiento académico55, en la literatura se encuentran escasos estudios empíricos que relacionen
la educabilidad con el logro educativo, hecho esperable en la medida que requieren información
detallada sobre la educación y sobre aspectos socioeconómicos referidos a la persona educable y
a los agentes que lo rodean (Rosemberg, 2004).
En cuanto al rendimiento educativo observado en Brasil, la evolución del indicador general
de proficiencia, elaborado a partir de la prueba de matemática para el cuarto año de la educación
primaria, muestra que, si bien existe un leve crecimiento en el valor medio obtenido para 2005
(182,4 puntos) en relación con 2003 (177,1 puntos), aún existe una gran cantidad de alumnos cuyo
rendimiento no llega a los 175 puntos considerados como el umbral para tener un conocimiento
“básico” de la asignatura, según Klein (2006)56.
* Esta publicación es un producto del proyecto “EDUTODOS – Progresos y limitaciones de la Educación para Todos en
América Latina” (Ministerio de Ciencia e Innovación, Gobierno de España, EDU2008 00816). Los autores agradecen
las sugerencias recibidas, a una versión preliminar del trabajo, en el Seminario Internacional sobre “La Educación
para Todos en América Latina”, Barcelona (2010). Los errores y/o omisiones son responsabilidad exclusiva de los
autores.
55 Ejemplo de las evaluaciones antes mencionadas es el Programa Internacional de Evaluación de Estudiantes (PISA);
el Estudio Internacional del Progreso en Competencia Lectora (PIRLS); el Segundo Estudio Regional Comparativo y
Explicativo (SERCE); el Estudio Internacional de Tendencias en Matemáticas y Ciencias (TIMSS) y; para el caso de
Brasil, la Prova Brasil y el Sistema de Evaluación de la Educación Básica (SAEB).
56 Klein (2006) establece 4 categorías de desempeño: insatisfactorio (hasta los 175 puntos), básico (entre 175 y 249
puntos), satisfactorio (entre 250 y 299 puntos) y avanzado (más de 300 puntos). Otra clasificación es la propuesta
por Araújo y Luzio (2005).

168
 Específicamente, el análisis de la muestra indica que, mientras sólo un 9% del total de
alumnos obtiene una puntuación considerada como satisfactoria y/o avanzada, casi un 47% del
total no llegan al nivel mínimo básico requerido a partir de los planes de estudios vigentes (véase,
tabla 1).

Tabla 1. Distribución de los alumnos y valor medio según las categorías de proficiencia
establecidas por Klein (2006)

Valor m edio % de la muestra

Insatisfactorio 142,48 46,99

Básico 206,03 43,94

Satisfactorio 268,61 7,96

Avanzado 316,35 1,11

Total 182,40 100

Fuente: Elaboración propia en base a microdatos del SAEB-2005.

Este elevado porcentaje justifica el intento de analizar los condicionantes existentes en

el rendimiento académico de los alumnos con el objeto de poder sugerir medidas de política para
su mejora. Específicamente, el objetivo es evaluar el efecto de las condiciones materiales sobre la
equidad educativa y describir las características particulares del colectivo de alumnos del nivel
primario en Brasil, un país donde a pesar de su avance significativo en la expansión del sistema
educativo, aún da muestras de su carácter excluyente y desigual (Rosemberg, 2004; Saldanha
Pereira y Rambla, 2009). Los resultados, a partir de una aproximación lineal y multivariante,
demuestran la relevancia de las variables propias del individuo y de su entorno en el rendimiento
educativo obtenido en la prueba analizada.
Esta investigación se estructura en cuatro apartados. En el capítulo 2, se realiza un
análisis, a partir de la literatura, de la noción de educabilidad y su relación con el rendimiento
educativo. En el capítulo 3, se describen los principales antecedentes empíricos. En el capítulo 4,
se presenta el apartado empírico con datos para Brasil, a partir de la base de datos SAEB-2005.
Específicamente, se realiza un análisis descriptivo y una aproximación lineal y multivariante.
Finalmente, en el capítulo 5 se plantean las principales conclusiones.

2. La educabilidad y el rendimiento académico

Para realizar el análisis de educabilidad y rendimiento académico se debe partir de la
premisa de que las acciones educativas emprendidas en la escuela encuentran limitantes en su
objetivo de potenciar el rendimiento educativo de las personas. Dichas restricciones están dadas
por aspectos internos y externos del individuo, es decir, por aspectos cognitivos, psicológicos,
motivacionales, entre otros; así como también por las situaciones circundantes a las personas,
como las que implican esferas académicas, familiares, comunitarias y del entorno más general.
La educabilidad, es concebida como un proceso en el cual los factores asociados a la
pobreza, en su concepción multidimensional, tienen un significativo impacto en la educación.
Asimismo, la literatura de la educabilidad resalta la implicancia de varios actores, es decir, la
familia, los educadores, los agentes del contexto y el Estado57, dado que, pueden existir efectos
diferenciales en el rendimiento educativo según las características y la relación con la persona
evaluada.
57 Kaztman y Retamoso (2007) aluden a que los principales ámbitos de educación del niño en edad escolar son: el
barrio, la familia y la escuela, como elementos que influyen y causan diferencias educativas.

169
 En cuanto al rendimiento académico, el mismo se refiere al resultado académico obtenido
por la persona que se educa, el cual se evalúa mediante una prueba que debe cumplir con los
principios de confiabilidad, discriminalidad, factibilidad y viabilidad (Ruiz Bolívar, 1998). Por
otra parte, se debe señalar que los estudios de rendimiento académico no siempre consideran la
influencia de los factores de educabilidad.
Si asumimos que, efectivamente, el rendimiento académico está relacionado con la
educabilidad, resultará importante hacerse las siguientes preguntas de investigación: ¿los factores
de pobreza multidimensional están afectando el rendimiento académico del alumno? ¿Cuáles
son los factores que más inciden en su rendimiento académico? ¿Son internos o externos a la
persona? ¿Qué otros actores están influyendo en sus resultados académico y cómo lo hacen? ¿El
entorno social tiene alguna implicancia? Estos interrogantes son los que guían la investigación y,
particularmente, la aproximación empírica realizada.

3. Antecedentes empíricos
Si bien, la educabilidad ha sido un tema extensamente tratado en el contexto de
Latinoamérica, sus aproximaciones han sido, principalmente, de tipo teórico o a partir de
investigaciones cualitativas, confirmándose la existencia de escasos estudios cuantitativos sobre
esta cuestión. En relación a las técnicas cuantitativas aplicadas en educación, las mismas se han
empleado para estudiar aspectos de eficiencia educativa y desempeño escolar. A continuación se
describe una aplicación cuantitativa seleccionada.
El estudio de Fernández Aguerre (2003) sobre educabilidad emplea el método multinivel
e incluye los siguientes niveles: la familia, la escuela y las entidades que conforman el sistema
educativo descentralizado mexicano. Este trabajo comprueba la importancia del capital familiar,
de las aspiraciones educativas de los individuos y de su paso por la educación infantil. Asimismo,
concluye que ni el desarrollo económico ni la desigualdad de ingresos observada determinan el
efecto de la desigual distribución de las condiciones de educabilidad de los alumnos sobre su nivel
de aprendizaje.
En cuanto al rendimiento académico, se destacan tres estudios. El primero, permite comparar,
por primera vez, los factores asociados al logro educativo en quince países de Latinoamérica en
las áreas de lenguaje y matemática (LLECE, 2006). Una de las innovaciones de este trabajo fue
incluir la información sobre la familia y su compromiso educacional. En este estudio se evidencia
que existe un efecto negativo asociado a las condiciones socioeconómicas y socioculturales
adversas que puede ser compensado por elemento de eficacia de la escuela, lo que permite que los
estudiantes puedan lograr aceptables resultados.
El segundo, se refiere a un estudio sobre el caso de Bolivia en el que exploran cuáles son
los determinantes del rendimiento escolar con base en el Sistema de Medición de la Calidad de la
Educación (SIMECAL) (Mizala et al., 2006). Utiliza variables asociadas al niño escolarizado, a su
familia, al profesor y a la escuela. A su vez, realiza una comparación entre el sistema público y el
privado. La metodología se basa en estimar una función de producción educacional utilizando un
modelo de corte transversal. Los principales resultados indican, en primer lugar, que la escolaridad
de los padres es muy relevante en el rendimiento escolar de los niños; en segundo lugar, que
tanto los niños indígenas como los que no viven con sus padres se enfrentan a claras desventajas
educativas y; por último, que las variables asociadas al profesor y a la escuela también resultan
determinantes.
El tercero, incluye una visión de género al evaluar los logros escolares en las áreas de
matemática y lengua en la educación secundaria en Argentina (Cervini y Dari, 2009). Este estudio,
que aplica técnicas multinivel, revela que los logros se ven afectados por el género, incluso
después de controlar por las variables socioeconómicas de los alumnos y de la escuela, obteniendo
que las mujeres tienen logros más altos en lengua y los hombres en matemática. Por último,
se observa que entre dos mujeres con diferencias socioeconómicas, la que está inmersa en una
situación adversa obtiene un menor puntaje.

170
4. Análisis de los condicionantes del rendimiento académico en Brasil
4.1. Fuente estadística
La base de datos empleada para todo el análisis descriptivo y estadístico se basa en la
prueba de matemáticas realizada por los alumnos de la cuarta serie (10 años), correspondiente
a la educación general básica (ensino fundamental) del sistema educativo brasilero. La fuente
estadística de microdatos corresponde al Sistema Nacional de Avaliaçao da Educação Básica (SAEB)
publicada por el Instituto Nacional de Estudos e Pesquisas Educacionais Anisio Teixeira (INEP). La
prueba aquí analizada es la realizada en 2005, cuenta con 41.783 observaciones de alumnos y
muestra los resultados obtenidos por cada individuo en una escala de proficiencia que permite la
interpretación pedagógica de las habilidades y competencias asociadas a los diversos puntos de la
escala (Ministério da Educação, 2008).
Si bien existen para Brasil otras pruebas, donde se intenta conocer el grado de conocimiento
logrado por el alumno en diferentes momentos de su ciclo educativo, se ha escogido esta prueba
debido a que es la única que permite desagregar entre urbano y rural; y entre escuelas de titularidad
pública y privada58. Asimismo, dicha prueba permite su comparación con ediciones anteriores.

4.2. Análisis descriptivo

4.2.1 Descripción de las variables utilizadas
La base de datos empleada contempla información específica sobre la prueba de matemáticas
– variable objetivo – y, complementariamente, aquella referida al alumno, sus progenitores, la
escuela, su hogar y su entorno. Seguidamente, se describen la totalidad de las variables empleadas
para el análisis empírico (véase, tabla 2).

58 Por ejemplo, la Prova Brasil sólo tiene en cuenta los establecimientos educativos urbanos y públicos.

171
Tabla 2. Variables utilizadas en el análisis empírico
Tipo de Variable Descripción Media Desv. est. Min/Má
variable utilizada x
Individuo Proficiencia Rendimiento educativo del alumno en la prueba de 182,40 47,08 65,43/
matemáticas en la 4 serie. 373,4
Género Variable que indica el género del alumno. 0,48 0,49 0/1
Color o raza Variable que indica el color o raza del alumno. 1,89 0,93 1/5
Atraso Variable que mide el grado de atraso (medido en 0,74 0,98 0/3
años) del individuo en relación con la edad teórica
esperada para la 4 serie.
Repetición del Variable que indica la cantidad de cursos que el 0,39 0,64 0/2
curso alumno ha repetido.
Ingreso al Variable que indica la edad en que el individuo 1,92 0,71 1/3
sistema ingresó en el sistema educativo.
educativo
Mercado laboral Variable que indica si el individuo se encuentra 0,15 0,36 0/1
incorporado al mercado laboral.
Progenitores Estructura del Variable que indica si el alumno convive con ambos 0,64 0,48 0/1
hogar progenitores.
Educación del Máximo nivel educativo alcanzado por el padre. 1,52 0,79 1/3
padre
Educación Máximo nivel educativo alcanzado por la madre. 1,47 0,74 1/3
madre
Educación Máximo nivel educativo alcanzado por el tutor. 1,58 0,80 1/3
tutor
Seguimiento (I) Variable que refleja el interés por los progenitores o 2,57 0,61 1/3
tutores por las actividades que acontecen en la
escuela.
Seguimiento Variable que indica el control sobre la realización de 2,58 0,66 1/3
(II) los deberes en casa.
Hogar Libros Variable que indica la cantidad de libros existentes 1,12 0,77 0/3
en el hogar.
Internet Variable que indica la disponibilidad de un 0,16 0,36 0/1
ordenador conectado a Internet.
Escuela Relación Variable que indica la percepción del alumno en 0,92 0,27 0/1
profesor-alumn cuanto a la calidad de la relación existente con el
o profesor.
Atención al Variable que indica la percepción del alumno sobre 2,43 0,58 1/3
profesor el grado de atención al profesor en clase.
Titularidad Variable que indica si la escuela es de titularidad 2,48 1,04 1/4
pública (en sus diferentes formatos) o privada.
Entorno Urbanidad Variable que indica si la escuela se encuentra en un 0,88 0,32 0/1
entorno urbano o rural.
Capitalidad Variable que indica si la escuela se encuentra en una 0,22 0,41 0/1
capital de Estado.
Región Variable que indica la región donde se ubica la 2,80 1,02 1/5
escuela.
Estado Variable que indica el Estado donde se ubica la 16,56 5,86 1/27
escuela.

4.2.2 Relaciones diferenciales del rendimiento educativo según los diferentes ámbitos que
caracterizan al individuo
El análisis descriptivo, que intenta mostrar las relaciones existentes entre el rendimiento
educativo y la totalidad de las variables tenidas en cuenta, se ha desagregado según las
características propias y externas del alumno, siguiendo la sistematización conceptual planteada
por Dronkers (2008). Por ello, la descripción comienza por las características propias del individuo
y luego sigue por aquellas relacionadas con los progenitores, el hogar, la escuela y, por último, el
entorno en general.

Características del individuo

En cuanto a las características propias del individuo y su relación con la puntuación obtenida
en la prueba de matemáticas analizada, cuatro elementos muestran una relación relevante. En
primer lugar, el color o raza denota que claramente son los blancos aquellos que muestran un
rendimiento medio más elevado (193,4 puntos), seguidos de los pardos-mulatos y los amarillos.
Por el contrario, los individuos negros obtienen la puntuación más baja, siendo el 12,87% de la
muestra analizada. Asimismo, cabe destacar la diferencia de 30 puntos de media obtenida entre
el alumnado blanco y negro (véase, tabla 3).

172
 En segundo lugar, tanto el atraso como la repetición de curso tienen un comportamiento
similar en cuanto a su relación negativa con el rendimiento educativo analizado. Es preocupante
que el 45% de los alumnos de la muestra se correspondan con casos de atraso escolar y que
llegue al 30% el peso del colectivo repetidor. Esta situación se corrobora al observar que gran
parte de ambos grupos integran el colectivo cuyos resultados no llegan al mínimo requerido en
comprensión en matemática.
En tercer lugar, existe una diferencia relevante entre el colectivo de alumnos que
ingresan al sistema educativo con 7-8 años (un 21,72%), y que presenta un bajo rendimiento en
matemáticas, y el resto, que ingresa en edades más tempranas. Asimismo, un dato que no debe
pasar desapercibido es que sólo un 30% de los alumnos de la muestra asistió al primer ciclo de la
educación infantil (0-3 años).
En cuarto lugar, los alumnos que, cursando la cuarta serie, se encontraban trabajando,
obtienen un puntaje notablemente inferior a aquellos aún no incorporados al mercado de trabajo.
Por último, el género no muestra resultados destacables.

Tabla 3. Proficiencia en matemática según las características individuales

(*) Valores que se sitúan por debajo de los 175 puntos y, por tanto, considerados como un nivel
insuficiente para Klein (2006).
Valor % de la Distribución según la categoría de
medio muestra aprendizaje

Insatisfactorio Básico Satisfactorio

/Avanzado

Género Hombre 183,8 51,16 45,84 44,10 10,06

Mujer 182,6 48,84 46,61 45,05 8,33

Color o raza Blanco 193,4 37,80 38,76 47,50 13,76

Pardo-Mulato 180,5 43,49 47,67 44,93 7,40
Negro 163,7 (*) 12,87 63,29 34,66 2,05
Indígena 176,7 3,02 49,94 43,89 6,17
Amarillo 179,9 2,82 49,55 38,83 11,63

Atraso Sin atraso 193,7 55,11 36,71 50,23 13,06

1 año de atraso 178,0 25,59 51,02 42,40 6,58
2 años de atraso 160,7 (*) 9,55 66,89 31,19 1,92
3 o más años de 155,4 (*) 9,75 71,44 27,89 0,67
atraso

Repetición de No repetidor 193,6 69,49 36,74 50,62 12,64

curso
1 vez 161,0 (*) 21,76 67,00 31,49 1,50
2 o más veces 157,5 (*) 8,76 68,67 29,23 2,10

Ingreso sistema 0 – 3 años 194,9 30,04 36,97 48,37 14,66

educativo
4 – 6 años 186,4 48,24 42,58 47,75 9,66
7 – 8 años 159,5 (*) 21,72 68,31 30,38 1,31

Mercado laboral Trabaja 161,9 (*) 15,37 63,52 33,61 2,86

No trabaja 186,9 84,63 43,33 46,28 10,39

Total 182,4 100 46,99 43,94 9,07

Fuente: Elaboración propia en base a microdatos del SAEB-2005.

173
Características de los progenitores
Las características de los progenitores y su relación con el rendimiento educativo se pueden
analizar a partir de tres ejes en los cuales se dividen las variables estudiadas. En primer lugar, la
estructura del hogar es representada por la variable que indica si el alumno convive con ambos
progenitores en el hogar. La respuesta afirmativa a esta pregunta se relaciona con un puntaje
más alto obtenido en matemáticas. Asimismo, cabe destacar que un 36% de los alumnos habita
en hogares con ausencia de uno de los dos progenitores (véase, tabla 4).

Tabla 4. Proficiencia en matemática según las características de los progenitores y/o tutores
(*) Valores que se sitúan por debajo de los 175 puntos y, por tanto, considerados como un nivel
insuficiente para Klein (2006).

Valor % de la Distribución según la categoría de

medio muestra aprendizaje

Insatisfactorio Básico Satisfactorio

/Avanzado

Vive con ambos Si 185,3 63,94 44,72 44,78 10,50

progenitores
No 177,1 36,07 51,01 42,46 6,54

Educación del Primaria o 175,7 66,59 52,55 41,41 6,04

padre inferior
Secundaria 201,4 14,98 30,67 53,10 16,23
Terciaria o 204,5 18,43 31,27 48,27 20,46
superior

Educación de la Primaria o 174,9 67,76 52,98 42,04 4,99

madre inferior (*)
Secundaria 201,6 16,94 32,25 49,19 18,56
Terciaria o 207,8 15,30 27,97 49,41 22,62
superior

Educación del Primaria o 176,1 62,04 51,59 42,63 5,78

tutor inferior
Secundaria 201,7 17,89 32,16 49,98 17,86
Terciaria o 201,5 20,07 33,69 46,31 20,01
superior

Seguimiento Nunca o casi 168,9 6,25 57,49 37,58 4,92

(I) nunca (*)
Cada tanto 182,6 30,74 45,97 45,32 8,72
Siempre o 184,8 63,01 45,38 44,56 10,07
casi siempre

Seguimiento Nunca o casi 173,6 9,86 55,86 36,53 7,61

(II) nunca
Cada tanto 179,3 22,34 49,61 42,61 7,78
Siempre o 185,6 67,80 44,09 45,90 10,00
casi siempre

Total 182,4 100 46,99 43,94 9,07

Fuente: Elaboración propia en base a microdatos del SAEB-2005.

174
 En segundo lugar, la educación de los progenitores y/o tutores confirma lo esperado en
cuanto a su relación directa y positiva con el rendimiento académico del individuo. En este sentido,
no se observa una diferencia relevante entre los resultados de alumnos cuyos progenitores o
tutores han concluido como máximo la escolaridad media y aquellos más educados. Cabe consignar
el elevado porcentaje de alumnos (>60%) cuyos progenitores sólo presentan una educación básica
o inferior. Los efectos antes descritos son claramente observables mediante el porcentaje de
alumnos de cada categoría que obtienen resultados considerados satisfactorios y/o avanzados.
Finalmente, se detecta una relación positiva tanto del interés de los progenitores y/o
tutores por la evolución del individuo en la escuela como del control ejercido de las tareas
escolares en el hogar, y el rendimiento educativo reflejado en la prueba.

Características del hogar y la escuela

En cuanto al hogar, los dos aspectos relevantes en los cuales existe información hacen
referencia a la disponibilidad de libros en el hogar y a la posibilidad de contar con un ordenador
con conexión a Internet en el domicilio del alumno (véase, tabla 5). En el primer caso, se detecta
una relación directa entre la cantidad de libros y el resultado obtenido en la prueba, destacando
la presencia de un grupo significativo de alumnos que dice no contar con libros en su hogar
y que, sumados a aquellos que dicen poseer hasta veinte libros, llega al 75% de la muestra
ponderada. Ambas categorías tienen una clara menor participación relativa en el grupo con mayor
rendimiento en la prueba.
En el segundo caso, existe una fuerte relación positiva entre tener ordenador con Internet
en casa y obtener un alto rendimiento académico. En este sentido, y en un entorno donde la
inserción laboral y social pasa por el manejo de las nuevas tecnologías de la información, se debe
puntualizar que sólo un 15,57% del total del alumno dice poseer un ordenador con Internet en
su hogar.
En cuanto a la escuela, se detecta una asociación positiva en el caso de que exista un trato
cordial por parte del profesor y en caso de que los alumnos tengan un cierto nivel de atención en
clase al discurso del docente. Por último, y en cuanto a la titularidad del centro educativo existen
diferencias destacables que permiten realizar un análisis polarizado. Por un lado, las escuelas
privadas y los centros públicos federales asociadas a un alto rendimiento en las pruebas y, por el
otro, las escuelas públicas estaduales y municipales, con un rendimiento notoriamente inferior de
sus alumnos.
Dos elementos adicionales caben consignar en el análisis. En primer lugar, que las escuelas
públicas estaduales y municipales concentran el 89% del alumnado de la muestra. En segundo
lugar, que la media de las escuelas públicas municipales se sitúa en un nivel insatisfactorio en la
escala de Klein (2006), siendo allí donde asiste casi el 60% del total de los alumnos. Finalmente, los
resultados muestran que la probabilidad de obtener un alto nivel de proficiencia en matemáticas
está altamente relacionada con asistir a una escuela pública estadual o a un centro educativo
privado.

175
Tabla 5. Proficiencia en matemática según las características del hogar y la escuela
Valor % de la Distribución según la categoría de
medio muestra aprendizaje

Insatisfactorio Básico Satisfactorio

/Avanzado

Hogar
Libros
Sin libros 174,2 (*) 18,62 52,40 42,88 4,72
1-20 181,1 57,16 47,84 44,77 7,39
21-100 195,7 17,89 37,49 45,45 17,12
Más de 100 193,4 6,32 40,69 41,81 17,15

Internet Si 211,6 15,57 25,61 48,88 25,51

No 178,0 84,43 50,09 43,70 6,21

Escuela

Relación Si 183,6 92,27 46,08 44,52 9,41

profesor-
alumno
No 172,0 (*) 7,73 54,93 38,83 6,23

Atención al Nunca o casi 165,3 (*) 4,33 63,06 34,16 2,77

profesor nunca
Cada tanto 185,7 47,61 42,99 47,96 9,05
Siempre o casi 181,3 48,06 49,11 41,01 9,88
siempre

Titularidad Pública 177,1 89,21 50,96 42,64 6,40

Estadual 181,1 30,97 48,24 44,20 7,57
Federal 243,9 0,05 5,71 47,65 46,64
Municipal 174,9 (*) 58,19 52,46 41,81 5,74
Privada 226,1 10,79 14,12 54,71 31,18
Total 182,4 100 46,99 43,94 9,07

(*) Valores que se sitúan por debajo de los 175 puntos y, por tanto, considerados como un nivel
insuficiente para Klein (2006).
Fuente: Elaboración propia en base a microdatos del SAEB-2005.

Características del entorno

En cuanto a las características del entorno incorporadas en el análisis, todas ellas hacen
referencia a la ubicación física de la escuela (véase, tabla 6). En este sentido, los alumnos que
asisten a escuelas ubicadas en centros urbanos muestran una puntuación media superior a aquellos
matriculados en centros educativos rurales. Asimismo, resulta ilustrativo observar que sólo el
1,49% de los alumnos que asisten a la escuela en un ámbito rural obtiene un puntaje considerado
satisfactorio y/o avanzado.

176
Tabla 6. Proficiencia en matemática según las características del entorno

Valor % de la Distribución según la categoría de

medio muestra aprendizaje

Insatisfactorio Básico Satisfactorio

/Avanzado

Urbanidad Urbana 185,7 88,11 43,88 46,03 10,09

Rural 157,8 (*) 11,89 70,05 28,47 1,49

Capitalidad Si 190,1 22,04 40,36 48,06 11,59

No 180,2 77,96 48,86 42,78 8,36

Región(**) Norte 167,0 (*) 8,91 61,95 35,42 2,64

Nordeste 162,5 (*) 30,10 65,75 30,91 3,34
Sudeste 195,8 40,15 35,32 50,67 14,01
Sur 194,9 13,55 32,93 55,42 11,64
Centro-Oeste 186,6 7,28 41,56 49,79 8,65

Total 182,4 100 46,99 43,94 9,07

(*) Valores que se sitúan por debajo de los 175 puntos y, por tanto, considerados como un nivel
insuficiente para Klein (2006).
(**) Para observar los resultados por estados, véase anexo 1.
Fuente: Elaboración propia en base a microdatos del SAEB-2005.

Otro aspecto observado es la asociación directa entre capitalidad y rendimiento educativo,

si bien la diferencia observada es de sólo 10 puntos de media. Por último, la ubicación en cuanto a
los estados o regiones muestran tres escenarios diferenciales. En primer lugar, un grupo de estados
y regiones (regiones del sur y sudeste) que se muestra asociado a un rendimiento educativo
relativo alto. En segundo lugar, la región del centro-oeste que muestra una realidad intermedia,
haciendo la salvedad del Distrito Capital que se comporta como el primer grupo, y, por último,
dos regiones (región del norte y nordeste) que se asocian con un bajo resultado relativo en las
pruebas analizadas.

4.3. Determinantes del rendimiento educativo

Para establecer los determinantes del rendimiento educativo en las pruebas de matemáticas
del SAEB-2005, se realiza una estimación a partir de dos aproximaciones complementarias. En
primer lugar, la estimación mediante mínimos cuadrados ordinarios y, en segundo lugar, el empleo
de una aproximación multivariante, mediante la aplicación de un logit ordenado.
Del total de variables citadas en el análisis descriptivo inicial, existen algunas que han sido
excluidas. A nivel individual, se ha excluido la variable referida a la repetición de curso por su alta
correlación con aquella que hace referencia al atraso escolar. Se ha optado por dejar esta última
por su mayor cantidad de observaciones válidas. Asimismo, las variables referidas a la educación
del padre y la madre mostraban una alta correlación con la educación del tutor o encargado. Por
tanto, se ha optado por introducir ésta última debido a que es la persona que efectivamente sigue
la evolución educativa del alumno. Por último, en el caso de las variables referidas al entorno,
debido a la alta correlación entre la variable región y las referidas a cada uno de los estados, en

177
la estimación se ha optado por incluir a las regiones, si bien los resultados por estados siguen lo
esperado a partir del análisis descriptivo.
En el caso de la regresión lineal, se emplea como variable dependiente el nivel de proficiencia
en matemáticas y, en el caso de la aproximación multivariante, una variable discreta que toma
cuatro valores posibles, según sea el rendimiento del alumno: insatisfactorio, básico, satisfactorio
o avanzado. En este caso, los resultados se expresan en odds ratios, que indican como se altera la
relación de probabilidad de una situación y la probabilidad de la situación de referencia cuando
aumenta en una unidad el valor de la variable considerada, manteniendo constante las demás. Un
odds ratio superior a 1 indica crecimiento en la relación de probabilidades, mientras que valores
inferiores a 1 suponen decrecimientos.
En cuanto a la regresión lineal, ésta permite una interpretación directa de los coeficientes
debido a que la variable dependiente se refiere a la puntuación obtenida en el examen de
matemáticas y el coeficiente resultante, relacionado a cada variable del individuo y su entorno,
indica el efecto del mismo en la puntuación del alumno, manteniendo constante el resto de
variables.
En referencia a las variables individuales, el color o raza se revela como determinante y
con un efecto significativo en relación a la categoría de referencia (véase, tabla 7). Al comparar
el puntaje obtenido con los alumnos negros, pertenecer al resto de categorías implica obtener
un resultado superior, en línea con lo planteado por Ravanello Ferraro (2010). Los resultados
obtenidos mediante la estimación multivariante indican que, por ejemplo, ser blanco implica
incrementar las probabilidades educativas en un 86% con respecto a la categoría de referencia.
Asimismo, llama la atención el impacto positivo de los alumnos de color amarillo que incluso supera
al impacto observado en el caso de los alumnos blancos (14,2 y 13,6 puntos, respectivamente).
Por su parte, el nivel de atraso escolar se muestra determinante y con un efecto negativo que se
incrementa con el aumento del nivel de atraso y sigue lo presentado en otros estudios (Albernaz
et al., 2002; Soares y Murta, 2006; Franco et al., 2007). En este sentido, los resultados del logit
ordenado indican que un retraso de un año disminuye en un 30% las probabilidades educativas
en relación a la situación de no atraso y que, mayores años de atraso implicarían una caída a la
mitad de las mismas.
En cuanto efecto detectado en relación con el momento en que el individuo ha ingresado
al sistema educativo, queda clara la desventaja que provoca el ingreso tardío (7-8 años), si bien
no se observan diferencias concluyentes entre las dos categorías restantes referidas a la educación
infantil. En relación a las consecuencias de estar trabajando, se detecta un efecto negativo y
significativo. Finalmente, el género del alumno no produce un impacto relevante aunque es
significativo y permite deducir que los hombres tienen un mayor rendimiento en matemáticas.
Este resultado permite confirmar otros análisis desarrollados a nivel internacional y, para el caso
brasileño, los resultados de Soares y Murta (2006) y Franco et al. (2007).
En relación a las variables referidas a los progenitores, la estructura del hogar, que se
manifiesta en la convivencia con ambos progenitores, no presenta un impacto relevante en las
puntuaciones obtenidas por los alumnos. Asimismo, la educación del tutor, si bien se muestra
significativa y con el signo esperado, presenta valores de los coeficientes no muy elevados.
Para concluir, las variables de seguimiento tienen un efecto muy débil y casi nulo para ambas
aproximaciones empíricas.
En cuanto a las variables correspondientes al hogar, la cantidad de libros y la disponibilidad
de un ordenador con Internet resultan significativas y con el signo esperado. En cuanto a las
variables propias de la escuela, un buen trato del profesor tiene efectos positivos, como así

178
también si los alumnos atienden a las explicaciones del docente, en línea con lo expuesto por
Franco et al. (2007). Finalmente, se comprueba el fuerte efecto originado en la titularidad del
centro educativo. Tomando como categoría de referencia a los alumnos que asisten a un centro
público municipal, las categorías referidas a la escuela pública federal y a la escuela privada
tienen un impacto positivo y significativo de más de treinta puntos en la puntuación obtenida
por un alumno. Para el caso de la aproximación multivariante, ambos formatos hacen más que
triplicar las probabilidades educativas en relación a la categoría de referencia.
El último aspecto tomado en cuenta corresponde al entorno. Aquí se observa un impacto
positivo, aunque reducido, de las escuelas urbanas en relación a los centros ubicados en zonas
rurales. Asimismo, la capitalidad genera un impacto positivo y, finalmente, se confirma las
diferencias en el rendimiento académico por regiones.

179
Tabla 7. Determinantes del rendimiento educativo

Variable dependiente: proficiencia Estimación

Estimación lineal
en matemáticas multivariante
(coeficientes)
(odds ratios)

Individuo Género Hombre Categoría de referencia

-5,27 a 0,76 a
Mujer
(0,578) (0,022)
1,86 a
Color o raza Blanco 13,60 a
(0,101)
(0,974)
Pardo 11,77 a
1,76 a
(0,918) (0,093)
Negro Categoría de referencia
Indígena 9,07 a 1,61 a
(1,858) (0,153)
Amarillo 14,21 a 1,95 a
(1,893) (0,187)
Atraso No atraso Categoría de referencia
1 año -7,00 a 0,70 a
(0,731) (0,025)
2 años -16,51 a 0,46 a
(1,038) (0,027)
>= 3 años -15,43 a 0,47 a
(1,078) (0,030)
Ingreso al sistema 0-3 años Categoría de referencia
educativo
4-6 años -1,86 a 0,91 b
(0,701) (0,031)
7-8 años -12,87 a 0,53 a
(0,883) (0,025)
Mercado laboral No trabaja Categoría de referencia
-9,33 a 0,64 a
Trabaja
(0,957) (0,034)

Progenitores Vive con ambos No Categoría de referencia

progenitores
1,98 a n.p.
Si
(0,609)
Educación del tutor Primaria o Categoría de referencia
inferior
Secundaria 7,37 a 1,37 a
(0,795) (0,055)
Terciaria 5,79 a 1,21 a
(0,776) (0,048)
Seguimiento (I) Nunca o casi Categoría. de referencia
nunca
Cada tanto 4,04 a 1,22 a
(1,420) (0,090)
Siempre o casi 1,84 n.p.
siempre (1,381)
Seguimiento (II) Nunca o casi Categoría de referencia
nunca
Cada tanto 1,17 n.p.
(1,311)
Siempre o casi 2,43 b n.p.
siempre (1,209)

a Significativa al 1%; b significativa al 5%. n.p.: coeficiente no predictivo. Por convención se

consideran así los resultados con odds ratios cuyos intervalos de confianza al 95% incluyen el 1.
La estimación lineal se realiza con la corrección de heterocedasticidad de Huber-White.
180
Tabla 7. Determinantes del rendimiento educativo (continuación)

Variable dependiente: proficiencia Estimación

Estimación lineal
en matemáticas multivariante
(coeficientes)
(odds ratios)

Hogar Libros Sin libros Categoría de referencia

1-20 libros 1,10 n.p.
(0,918)
20-100 libros 7,66 a 1,40 a
(1,078) (0,078)
>= 100 libros 5,52 a 1,24 a
(1,298) (0,082)
Internet No Categoría de referencia
7,00 a 1,39 a
Si
(0,838) (0,055)

Escuela Relación profesor – No

Categoría de referencia
alumno
Si 4,86 a 1,26 a

(1,023) (0,067)

Atención al profesor Nunca o casi Categoría de referencia

nunca
Cada tanto 7,35 a 1,47 a
(1,456) (0,119)
Siempre o casi 4,71 a 1,28 a
siempre (1,473) (0,105)

Titularidad Estadual 3,13 a 1,11 a

(0,684) (0,041)
Federal 32,67 a 3,48 a
(3,700) (0,569)
Municipal Categoría de referencia
Privada 3,82 a
33,06 a
(0,892) (0,174)

Entorno Urbanidad No Categoría de referencia

3,22 a 1,21 a
Si
(1,222) (0,083)

Capitalidad No Categoría de referencia

7,16 a 1,37 a
Si
(0,604) (0,042)
Región Norte Categoría de referencia
Nordeste -1,21 n.p.
(0,794)
Sudeste 25,13 a 2,92 a
(0,982) (0,147)
Sur 19,90 a 2,43 a
(1,035) (0,129)
Centro-Oeste 13,12 a 1,86 a
(0,985) (0,095)

Nº de observaciones 19.565
Estimación lineal Estimación multivariante
F (37,19527) 352,72 LR (37) 7006,79
Prob>F 0,000 Prob>Chi2 0,000
R2 0,3708 Pseudo R2 0,1762

181
5. Conclusiones
Este trabajo profundiza sobre la relación entre educabilidad y rendimiento educativo, en
un contexto que plantea que las dimensiones de la educabilidad son variables explicativas del
rendimiento escolar.
Para establecer los determinantes del rendimiento educativo en las pruebas de matemáticas
para el cuarto curso del nivel primario en 2005, se realiza una estimación lineal y multivariada.
Los resultados obtenidos, tanto en la aproximación descriptiva como en el análisis estadístico,
indican que existen múltiples condicionantes del nivel educativo entre los que vale la pena
destacar el color o raza del individuo, el nivel de atraso escolar, la titularidad del centro y la
región donde se encuentra ubicada la escuela. Asimismo, se comprueba que los resultados aquí
obtenidos, en cuanto a la importancia de la localización del individuo y la escuela y el nivel
socio económico del hogar, son elementos que se repiten a nivel latinoamericano (Murillo y
Román, 2008). Ello nos permite afirmar la vigencia empírica del concepto de educabilidad, ya que
las diferentes áreas evaluadas resultan determinantes del rendimiento educativo, y justifican la
visión multidimensional de la pobreza.
En relación a la actuaciones de política que los resultados pueden sugerir, queda clara la
necesidad de potenciar las políticas activas que tengan como objetivo prioritario los alumnos con
ciertas características propias y/o del entorno que no sean favorecedoras de un correcto transito
por el sistema educativo. Finalmente, las altas tasas de atraso escolar y de repetición observadas
ya en este nivel educativo (10 años) indican que las acciones correctivas deberían iniciarse en
períodos anteriores al analizado.
Entre las principales limitaciones del trabajo, cabe citar una que proviene de la propia base
de datos utilizada y hace referencia a que la información familiar de los alumnos se obtiene a partir
de preguntas realizadas a los propios alumnos. Esto comporta que se recoja dicha información a
partir de la visión particular del individuo sobre su situación personal y familiar, lo que incorpora
un componente de imprecisión fruto de la subjetividad de la respuesta. Asimismo, la estimación no
incorpora la información referida a la escuela y al docente. Es por ello que, en una etapa posterior
del trabajo, está previsto el empleo de un análisis multinivel a partir de modelos jerárquicos en
tres niveles (individuo, escuela y región) para poder incorporar simultáneamente la información
referida a estos tres ámbitos.

Referencias
Alvernaz, A., F. Ferreira, C. Franco (2002): “Qualidade e Eqüidade no Ensino Fundamental
Brasileiro”. Pesquisa e Planejamento Econômico, 32:3, pp. 453-476.

Araújo, C. and N. Luzio (2005): Avaliação da Educação Básica. Em busca da qualidade e eqüidade
no Brasil. Brasilia: Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira.

Brasil. Ministério da Educação. Microdados do SAEB 2005. Manual do Usuário. Brasilia: Instituto
Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. 2008.

Cervini, R., N. Dari (2009): “Género, escuela y logro escolar en matemática y lengua de la educación
media. Estudio exploratorio basado en un modelo multinivel bivariado”. Revista Mexicana de
Investigación Educativa, 14:43, pp. 1051-1078.

Dronkers, J. (2008): Education as the backbone of inequality - European education policy:

182
constraints and possibilities, en Social Democracy and Education. The European Experience. F.
Becker; K. Duffek; T. Mörschel (eds.). Amsterdam: Friederich Ebert Stiftung / Karl Renner Institut
/ Wiardi Beckman Stichting, pp. 51-135. 2008.

Fernández, T. (2003): Determinantes sociales y organizacionales del aprendizaje en la Educación

Primaria de México: un análisis de tres niveles. Montevideo: Instituto Nacional para la Evaluación
Educativa (INEE) Secretaría de Educación Pública (SEP) México.

Franco, C., I. Ortigão, A. Albernaz, A. Bonamino, G. Aguiar, F. Alves and N. Sátyro (2007):
“Qualidade e eqüidade em educação: reconsiderando o significado de fatores intra-escolares”.
Ensaio: Avaliação e Políticas Públicas em Educação, 15:55, pp. 277-298.

Kaztman, R. and A. Retamoso (2007): “Efectos de la segregación urbana sobre la educación en

Montevideo”. Revista de la Cepal, 91, pp. 133-152. 2007.

Klein, R. (2006): “Como está a educaçao no Brasil? O que fazer?” Avaliação e Políticas Públicas em
Educação, 14:51, pp. 139-172.

LLECE - Laboratorio Latinoamericano de evaluación de la Calidad de la Educación (2006): Estudio

internacional sobre los factores asociados al logro educativo en Latinoamérica, en Estudios sobre
Eficacia Escolar en Iberoamérica. 15 buenas investigaciones. F. Javier Murillo Torrecilla (Coord.).
Bogotá: Convenio Andrés Bello.

Mizala, A., P. Romaguera, T. Reinaga (2006): Determinantes del rendimiento escolar en Bolivia:
Análisis de las pruebas SIMECAL, en Estudios sobre Eficacia Escolar en Iberoamérica. 15 buenas
investigaciones. F. Javier Murillo Torrecilla (Coord.). Bogotá: Convenio Andrés Bello.

Murillo, F, M. Roman (2008): “Resultados de Aprendizaje en América Latina a partir de las

Evaluaciones Nacionales”. Revista Iberoamericana de Evaluación Educativa, 1:1, pp. 7-35.

Ravanello, A. (2010): “Escolarização no Brasil: articulando as perspectivas de gênero, raça e classe

social”. Educação e Pesquisa, 36:2, pp. 505-526. 2010.

Rosemberg, F. (2004): Desigualdades de raza y género en el sistema educativo brasileño, en

Etnicidad, Raza, Género y Educación en América Latina. Donald Winkler and Santiago Cueto (eds):
PREAL, pp. 239-282. 2004.

Ruiz, C. (1998): Instrumentos de investigación educativa: Procedimientos para su diseño y

validación (2da. Ed). Barquisimeto: Ediciones CIDEG, C. A. 1998.

Saldanha, R. and X. Rambla (2009): “La reproducción de las desigualdades educativas a través del
fenómeno de la “sobre-edad” en Brasil”. Educação e Pesquisa, 35:2, pp. 287-301. 2009.

Soares, J. and A. Murta (2006): “Recursos Familiares e o Desempenho Cognitivo dos Alunos do
Ensino Básico Brasileiro”. Dados, 49:3, pp. 615-650.

183
Anexo 1. Proficiencia en matemáticas según estados

Valor % de la Distribución según la categoría de

medio muestra aprendizaje

Estados Insatisfactorio Básico Satisfactorio

/Avanzado

Norte 167,0 (*) 8,91 61,95 35,42 2,64

Rondônia 174,7 (*) 0,79 52,23 44,45 3,32
Acre 172,3 (*) 0,36 56,83 39,73 3,44
Amazonas 170,1 (*) 2,11 59,45 37,53 3,02
Roraima 172,1 (*) 0,24 55,56 40,65 3,79
Pará 163,5 (*) 4,23 65,01 33,17 1,82
Amapá 164,5 (*) 0,41 66,08 31,78 2,14
Tocantis 166,5 (*) 0,76 64,18 30,90 4,92
Nordeste 162,5 (*) 30,10 65,75 30,91 3,34
Maranhão 155,4 (*) 3,90 71,37 26,56 2,07
Piauí 157,7 (*) 1,79 73,18 24,10 2,71
Ceará 158,4 (*) 4,70 69,93 26,44 3,62
Rio Grande do 154,5 (*) 1,90 72,13 25,29 2,59
Norte
Paraíba 168,3 (*) 1,85 60,80 34,11 5,09
Pernambuco 167,7 (*) 4,57 62,50 32,44 5,06
Alagoas 158,2 (*) 2,25 67,51 30,63 1,87
Sergipe 172,8 (*) 1,32 54,23 43,42 2,35
Bahia 166,5 (*) 7,82 61,69 35,02 3,29
Sudeste 195,8 40,15 35,32 50,67 14,01
Minas Gerais 203,7 10,43 27,99 55,57 16,44
Espírito Santo 191,4 1,54 37,55 52,78 9,68
Rio de Janerio 196,4 7,66 30,77 58,60 10,62
São Paulo 191,8 20,52 40,58 45,05 14,36
Sur 194,9 13,55 32,93 55,42 11,64
Paraná 202,0 5,34 26,22 58,01 15,78
Santa Catarina 190,0 3,04 39,27 51,18 9,55
Rio Grande do 190,4 5,17 36,14 55,25 8,61
Sul
Centro-Oeste 186,6 7,28 41,56 49,79 8,65
Mato Grosso 183,4 1,39 44,39 48,36 7,24
do Sul
Mato Grosso 176,4 1,59 50,86 44,44 4,70
Goiás 185,0 3,09 42,39 49,59 8,02
Distrito 207,6 1,22 24,06 58,91 17,03
Federal

Total 182,4 100 46,99 43,94 9,07

(*) Valores que se sitúan por debajo de los 175 puntos y, por tanto, considerados como un nivel
insuficiente para Klein (2006).
Fuente: Elaboración propia en base a microdatos del SAEB-2005.

184
11. ¿La sobreeducación de los padres afecta al rendimiento académico de
sus hijos?

Sandra Nieto Viramontes, Universidad de Barcelona

Raul Ramos Lobo, Universidad de Barcelona

185
¿La sobreeducación de los padres afecta al rendimiento académico de sus
hijos? *

Sandra Nieto Viramontes, Universidad de Barcelona

Raul Ramos Lobo, Universidad de Barcelona

Resumen
Distintos trabajos han analizado la relevancia del desajuste educativo y de sus consecuencias
sobre los trabajadores que la padecen. Dicho análisis es especialmente importante en el caso de
España, ya que presenta uno de los porcentajes de sobreeducación más elevado de los países de
la OCDE. Un aspecto que, sin embargo, no ha sido estudiado hasta el momento y que tiene un
claro interés en el contexto de la economía de la educación es el posible efecto intergeneracional
del desajuste educativo. El objetivo del trabajo consiste en analizar si el desajuste educativo de
los padres genera algún efecto desincentivador sobre la educación de sus hijos. En concreto, se
analiza si el desajuste educativo de los padres afecta a los resultados educativos de los hijos. A
partir de los microdatos de la encuesta PISA para España referidos al año 2009. Dicha encuesta
facilita información detallada sobre la formación de los alumnos de 15 años en las materias de
matemáticas, ciencia y lengua, sus características personales y la de su entorno escolar y familiar
lo que la hace idónea para llevar a cabo el estudio planteado. Los resultados obtenidos muestran
que los estudiantes con progenitores sobreeducados tienen una penalización en su rendimiento
académico en las tres materias analizadas, siendo ésta más intensa para los estudiantes con
peores resultados educativos.

Palabras clave: desajuste educativo, sobreeducación, resultados educativos, efectos

intergeneracionales.

1. Introducción
Una de las ramas de la economía de la educación que ha despertado un mayor interés de
los investigadores en las últimas décadas ha sido el análisis de los factores que influyen sobre
el rendimiento educativo de los estudiantes. A pesar que los países desarrollados destinan cada
vez más recursos a mejorar la educación primaria y secundaria de su población, no existe una
evidencia sistemática que muestre que un aumento en los recursos destinados a las escuelas
por parte de las administraciones públicas conlleve una mejora en el rendimiento escolar de los
estudiantes (Hanushek 1997, Häkkinen et al. 2003). No obstante, esto no implica que la cuantía
de recursos destinados a educación no deba ser importante, si no que es necesario utilizarlos de
una manera eficiente para conseguir así una mejora en el rendimiento educativo de los estudiantes
(Woessmann, 2003).
En los distintos estudios realizados se han identificado numerosos factores que determinan
el rendimiento educativo de los estudiantes y que, por su naturaleza, pueden agruparse en tres
grupos. En el primer grupo se encuentran las características individuales, en las que destacan
las variables relativas a la nacionalidad y al idioma principal del alumno. En este sentido, se
encuentra que los inmigrantes tienen un rendimiento educativo inferior a los nativos (Meunier
2011, Chiswick y DebBurman 2004) y se argumenta que este efecto está relacionado con los
diferentes entornos familiares de cada uno de los colectivos analizados (Ammermueller, 2007 y
* Los autores agradecen el apoyo recibido del Ministerio de Ciencia e Innovación a través del proyecto ECO2010-
16006.

186
Entorf y Lauk, 2008). Respecto al idioma, existe evidencia de que los inmigrantes mejoran sus
resultados académicos cuando hablan el idioma oficial en su entorno familiar (Entorf y Minoui,
2005).
Un segundo grupo de variables hacen referencia a los antecedentes familiares. Coleman et
al. (1966) fue uno de los precursores en mostrar la incidencia de variables relativas a la familia
en el rendimiento educativo de los alumnos. Algunos trabajos como por ejemplo Haveman y Wolfe
(1995) y Feinstein y Symons (1999) explican que este tipo de variables son las que tienen una
mayor influencia sobre el rendimiento educativo de los alumnos. Se encuentra que los estudiantes
cuyos progenitores disponen de un nivel de estudios elevado, obtienen un rendimiento superior
que los estudiantes con padres con un menor nivel educativo (Häkkinen et al. 2003, Woessmann
2003). Además, el nivel socio-económico familiar también guarda relación con el rendimiento
educativo del estudiante, siendo éste superior cuanto mayor es el nivel social y económico de
los progenitores. La transmisión genética de habilidades cognitivas es uno de los argumentos
más utilizados para explicar el mayor rendimiento de los estudiantes cuyos progenitores tienen
un nivel educativo elevado. Por otro lado, la dotación de un buen entorno cultural y un entorno
familiar estable también contribuye a un mayor rendimiento escolar de los jóvenes. De hecho,
suele existir una cierta correlación positiva entre el nivel educativo de los padres y el nivel socio-
económico y cultural de la familia.
Por último, el tercer grupo de variables está relacionado con distintas características de
la escuela a la que asisten los alumnos como, por ejemplo, el tipo de escuela, la ratio alumno
profesor, su tamaño o distintas características de sus compañeros (los conocidos como peer
effects). Los resultados suelen coincidir en la influencia de las características individuales y del
entorno familiar sobre el rendimiento educativo de los estudiantes, aunque este consenso no es
tan amplio en los trabajos que analizan la influencia de las variables relativas a las escuelas a
las que asisten los alumnos. Estudios como Coleman y Hoffer (1987), Hanushek (1986), Stevans
y Sessions (2000) o Opdenakker y Van Damme (2006) entre otros, encuentran que los alumnos
obtienen un rendimiento superior en escuelas privadas que públicas. No obstante, otros estudios
como, por ejemplo, Noell (1982), Sander (1996), Fertig (2003) o Smith y Naylor (2005), muestran
un efecto nulo de la titularidad de la escuela sobre el rendimiento de los alumnos. Por otro
lado, el efecto del tamaño de la escuela sobre el rendimiento de los alumnos tampoco está claro.
Mientras que Barnett et al. (2002) encuentran una relación positiva entre el tamaño de la escuela
y el rendimiento educativo de los estudiantes, Hanushek y Luque (2003) no observan un efecto
significativo de dicha variable en gran parte de los países analizados. Tampoco son concluyentes
los resultados relativos a la variable número de alumnos por profesor. Krueger (2003) muestra que
los alumnos obtienen un mejor rendimiento en clases reducidas, mientras que Hanushek (2003)
y Rivkin et al. (2005) no encuentran un efecto estadísticamente significativo de dicha variables
sobre el rendimiento educativo de los alumnos. En cambio, la mayoría de trabajos, como Coleman
et al. (1966), Henderson et al. (1978), Feinstein y Symons (1999) y Hanushek et al. (2003)
entre otros, sí que coinciden en la importancia de las características de los compañeros sobre el
rendimiento educativo de los estudiantes.
A nivel español, existen numerosos estudios que han estudiado la importancia relativa
de los factores mencionados anteriormente. En concreto, y sin ánimo de ser exhaustivos, Calero
y Waisgrais (2008) encuentran que el rendimiento educativo de los estudiantes inmigrantes es
inferior en comparación al de los estudiantes nativos. Perelman y Santín (2010) y Cordero et
al. (2010) encuentran que el nivel socio-económico familiar tiene un efecto positivo sobre el
rendimiento educativo. Calero y Escardíbul (2007) analizan con datos de PISA 2003 si la titularidad

187
de las escuelas afecta al rendimiento educativo de los alumnos del sistema educativo español y
encuentran que las diferencias de las puntuaciones de los estudiantes que se observan a favor de
los centros privados no se deben a la titularidad del centro, sino que los usuarios de las escuelas
con titularidad privada provienen de un entorno socio-económico favorable, disfrutan de un mejor
clima educativo y hay un menor número de inmigrantes. Este mismo trabajo muestra que existe
un efecto negativo entre el número de alumnos por profesor de matemáticas y el rendimiento
educativo, es decir una mejor dotación de recursos humanos en la escuela contribuye a una mejora
de los resultados. No obstante, sus resultados también muestran que escuelas con grupos más
numerosos tienen mejores resultados. Este resultado, diferente al esperado, es también detectado
por Cordero et al. (2011) utilizando datos de PISA 2006. Por último, estos mismos autores, por un
lado, y Perelman y Santín (2010), por otro lado, utilizan la misma base de datos y exactamente
la misma variable para aproximar los peer effects. En concreto, emplean la media del índice ESCS
de los estudiantes que pertenecen a la misma escuela del estudiante que se evalúa. El ESCS refleja
el estatus económico, social y cultural del alumno, ya que se construye a partir de tres variables
referentes al background familiar del alumno: el mayor nivel educativo de los progenitores de
acuerdo con la clasificación ISCED, el mayor índice del estatus ocupacional ISEI de los progenitores
y un índice de posesiones culturales en el hogar. Ambos trabajos encuentran un efecto positivo
de las características de los compañeros sobre los resultados de los alumnos.
Dentro de esta literatura, el presente trabajo va a centrar su interés en el conjunto de
características relativas a los progenitores de los alumnos. De hecho, un factor que no ha sido
considerado anteriormente en el análisis de los determinantes del rendimiento educativo es el
posible efecto del desajuste educativo de los progenitores sobre el rendimiento académico de sus
hijos. El desajuste educativo es un fenómeno que afecta a más de la mitad de los trabajadores en
España, porcentaje superior al que presentan la mayoría de países europeos (Galasi, 2008)
Siguiendo la definición de Rumberger (1981), el desajuste educativo es aquella situación
en la que el nivel educativo de un trabajador no coincide con el que requiere su puesto de trabajo.
Así pues, un trabajador está sobreeducado (o infraeducado) cuando el nivel educativo que posee
es superior (o inferior) al que requiere su puesto de trabajo.
Aunque existe una amplia literatura que ha tratado de analizar los efectos del desajuste
educativo, la mayoría de los estudios se han centrado en cuantificar el impacto sobre los salarios de
los trabajadores, sobre su satisfacción laboral o sobre su estado de salud. Con independencia del país
y los datos que se utilicen, dichos estudios obtienen que el salario de un trabajador infraeducado
tiende a ser inferior al que reciben los trabajadores con el nivel de estudios requerido por el mismo
puesto de trabajo, mientras que el salario de un trabajador sobreeducado tiende a ser mayor al
que obtienen los trabajadores adecuadamente educados de la misma ocupación, aunque inferior
al que esperarían obtener en una ocupación que requiriese su nivel educativo. En consecuencia,
tan solo el trabajador sobreeducado tiene incentivos para cambiar a una ocupación adecuada a
su nivel educativo, y son los que pueden presentar problemas de autoestima y motivación laboral
(Tsang y Levin, 1985) al no conseguir un trabajo adecuado a su nivel educativo.
Así pues, con el propósito de analizar el posible efecto del desajuste educativo de los
progenitores sobre el rendimiento educativo de sus hijos se utilizan los datos PISA de 2009 que
permiten analizar las materias de matemáticas, ciencias y lectura. Para ello, se estima una función
de producción en educación que incluye variables explicativas relacionadas con el desajuste
educativo de los progenitores de los alumnos, distinguiendo entre padres y madres. Los resultados
obtenidos muestran que, por un lado, los estudiantes con progenitores sobreeducados tienen
una penalización en su rendimiento académico en las tres materias analizadas, siendo ésta más

188
intensa para los estudiantes con menor resultado educativo. Por otro lado, la infraeducación sólo
incide sobre el rendimiento educativo de los estudiantes en el caso en que la presente la madre,
mejorándolo en relación al resto de situaciones.
El resto del trabajo se organiza de la siguiente manera. En el apartado 2 se presenta la
base de datos y se definen las variables de interés para el estudio. Seguidamente, se detalla el
procedimiento utilizado para medir el desajuste educativo de los progenitores de los alumnos,
distinguiendo entre madres y padres y se presentan los resultados obtenidos. A continuación, en
el apartado 3, se describe la aproximación metodológica utilizada y se describen los resultados
obtenidos. Por último, se resumen las principales conclusiones obtenidas y se plantean algunas
líneas de mejora del presente trabajo.

2. Rendimiento educativo y características de los estudiantes, de su entorno familiar y

escolar
La fuente de datos que se utiliza en este trabajo corresponde al Programme for International
Student Assessment (PISA), coordinado por la OCDE y que tiene como objetivo evaluar la formación
de los estudiantes cuando llegan al final de la etapa de enseñanza obligatoria, a los 15 años, en
las áreas de matemáticas, ciencias y lectura, facilitando además información relativa al propio
alumno, a su entorno familiar y a su entorno educativo. Se trata de una encuesta de carácter
trienal que actualmente proporciona datos correspondientes a las cuatro oleadas existentes: 2000,
2003, 2006 y 2009. El conjunto de países analizados en cada uno de los años ha ido creciendo
a lo largo del tiempo hasta abarcar en 2009 a 65 países. España es uno de los países incluidos
desde la primera encuesta y por lo tanto se dispone de datos para todo el periodo, aunque la ola
correspondiente a 2009 es la que facilita una información más detallada, motivo por el cual será
la utilizada en este estudio. En el caso de España, se dispone de una muestra de 25.887 alumnos,
representativa a nivel nacional y repartida entre las regiones de Andalucía, Aragón, Asturias,
Islas Baleares, Islas Canarias, Cantabria, Castilla León, Cataluña, Galicia, La Rioja, Madrid, Murcia,
Navarra, País Vasco, Ceuta y Melilla59.
Tal y como se ha mencionado anteriormente, el principal objetivo de PISA es evaluar la
formación de los estudiantes cuando llegan al final de la etapa de enseñanza obligatoria en las
áreas de matemáticas, ciencias y lectura. Para ello, proporciona cinco valores plausibles para cada
una de las materias. Los valores plausibles no son las puntuaciones reales de las pruebas y por
lo tanto no deben ser tratados como tal; son números aleatorios procedentes de la distribución
de resultados que podrían ser razonablemente asignados a cada individuo. Esta metodología fue
desarrollada por Mislevy y Sheehan (1987, 1989) y está basada en la teoría de imputación de
los valores ausentes o perdidos de Rubin (1987). La idea es que cada individuo contesta a un
número limitado de cuestiones del test, y, por ese motivo, es preciso estimar como hubiera sido
su comportamiento en el caso que hubiera contestado todas las preguntas de la evaluación. Para
ello se predicen estos resultados utilizando las respuestas de cuestiones que ha contestado y otras
variables obtenidas por los cuestionarios de contexto. En vez de predecir una única puntuación,
se genera una distribución de valores para cada individuo con sus probabilidades asociadas y se
obtienen aleatoriamente cinco valores plausibles para cada individuo. De esta manera se previene
el sesgo derivado de estimar el resultado a partir de un número reducido de cuestiones de la
prueba. Los valores plausibles contienen componentes de la varianza del error aleatorios, que
no son óptimos como puntuaciones de las pruebas de manera individual. Así pues, no sirven
para el diagnóstico de los sujetos sino solamente para la estimación de parámetros poblacionales
59 Los datos individuales de PISA 2009 se pueden encontrar en la siguiente dirección: http://pisa2009.acer.edu.au/

189
consistentes. Dichos valores serán utilizados como variable dependiente en el modelo que se
utilizará en el análisis.
En lo que se refiere al resto de variables de interés, las características individuales facilitadas
en la encuesta y que se consideran en nuestro análisis son género, edad, tipo de estructura
familiar (nuclear, monoparental y mixta), nacionalidad (nativos e inmigrantes de primera y
segunda generación60) e idioma de la prueba PISA. Respecto a las variables relativas a la familia,
se incluye el nivel educativo y el Índice Socio-Económico Internacional del Status Ocupacional
(ISEI) de los progenitores. Dicho índice se utiliza como proxy del ingreso familiar, ya que no está
disponible en PISA para España y deriva de las respuestas de los alumnos sobre la ocupación
de los padres siguiendo la propuesta de Ganzeboom et al. (1992). A partir de la clasificación
ocupacional, se obtiene un índice con un rango de valores que va de 16 a 90, siendo los valores
inferiores los asociados un status socio-económico más bajo y, al contrario, para los valores
superiores. Tal y como se realiza en otros estudios (Meunier 2011, Martins y Veiga, 2010, entre
otros) el entorno cultural del alumno se aproxima a partir del número de libros disponibles en el
hogar. Por último, también se incluyen variables relativas a la escuela como su tamaño, el número
de alumnos por profesor, la titularidad del centro y el tamaño del municipio donde se encuentra.
Además se intenta controlar el efecto de los compañeros sobre el rendimiento del estudiante a
través del nivel socio-económico medio de los compañeros de cada una de las escuelas analizadas.
Por último, y teniendo en cuenta que en España buena parte de las competencias educativas se
encuentran transferidas a las Comunidades Autonómicas, se incluyen efectos fijos regionales para
tener en cuenta este hecho.
En lo que se refiere a la variable clave de este estudio, el desajuste educativo de los
progenitores, se ha valorado la posibilidad de aplicar alguno de los tres métodos de medición
propuestos en la literatura: el objetivo, el subjetivo y el estadístico.
El método objetivo se basa en la opinión de un grupo de analistas expertos que determina
cual tendría que ser el nivel educativo óptimo para cada ocupación. Así pues, un individuo está
sobreeducado si su nivel educativo es superior al que considera el grupo de expertos que es el
idóneo para la ocupación que desempeña. No obstante, dicho método resulta muy complicado de
aplicar, ya que precisa de un gran volumen de información sobre cada una de las ocupaciones.
Por otro lado, el método subjetivo tiene en cuenta la propia percepción de los trabajadores sobre
la adecuación de su nivel educativo con las tareas que realizan en su puesto de trabajo. Por
último, el método estadístico, tanto la versión en media (Verdugo y Verdugo, 1989) como la
versión en moda (Kiker et al. 1997), se calcula a partir de los años de educación percibidos por
el trabajador y la ocupación que desempeña. La versión en media considera que un trabajador
está sobreeducado cuando su nivel educativo es superior, en más de una desviación estándar, a la
media del nivel educativo de los trabajadores de la misma ocupación. Por otro lado, la versión en
moda considera que un trabajador está sobreeducado cuando su nivel educativo es superior a la
moda de la ocupación que desempeña.
Cada uno de los métodos presentan ventajas e inconvenientes (Madrigal, 2003), y
actualmente no existe consenso sobre cual es el adecuado para medir el desajuste educativo. En
la mayoría de los casos, la utilización de uno u otro método viene determinada por la naturaleza
de los datos que se dispongan. Por tanto, en nuestro caso, el único método que es posible aplicar
para medir el desajuste educativo a partir de los microdatos de PISA es el estadístico, ya que
la base de datos no proporciona la información necesaria para medir tal desajuste mediante
60 Se entiende por inmigrantes de primera generación aquellos que han nacido fuera de España y cuyos progenitores
también lo han hecho, mientras que los inmigrantes de segunda generación son aquellos que han nacido en España
y cuyos progenitores son ambos nacidos fuera de España.

190
el método objetivo ni subjetivo. A pesar que se podría calcular el desajuste educativo a partir
de ambas versiones del método estadístico, se ha decidido descartar la versión en media del
análisis ya que ha recibido una importante crítica. Hartog (2000) explica que este método suele
proporcionar porcentajes de sobreeducación e infraeducación muy similares a consecuencia de la
propia simetría de las colas de la distribución normal.
La muestra considerada para calcular el desajuste educativo de los progenitores de los
alumnos la forman los padres y madres que en el momento de la realización de la encuesta
estaban trabajando a media jornada o jornada completa. Además, se eliminan las observaciones
que no proporcionan información sobre el nivel de estudios y la ocupación de los progenitores
de la base de datos ya que dicha información es necesaria para realizar el análisis. Finalmente, la
muestra resultante para calcular el desajuste educativo se compone de 36.452 individuos de los
cuales 20.482 son padres y 15.970 son madres61. La Tabla 1 muestra los porcentajes de desajuste
educativo de los padres y madres de los alumnos en el 2009, obtenidos mediante el método
estadístico en su versión en moda. Se observa que más de la mitad de la muestra considerada
no dispone exactamente del nivel educativo requerido por su puesto de trabajo. En particular,
la sobreeducación afecta al 22,5% del total de ocupados mientras que el 33,8% se encuentra
infraeducado. Distinguiendo entre sexos, se observa que los padres presentan porcentajes de sobre
e infraeducación más elevados que las madres. Estos resultados son similares a los obtenidos en
otros estudios para el caso español (Nieto y Ramos, 2010).

Tabla 1. Porcentajes de desajuste educativo de los progenitores

Total Padres Madres
Infraeducación 33,8 34,6 32,7
Adec. Educados 43,7 41,5 46,7
Sobreeducación 22,5 23,9 20,6
Observaciones 36452 20482 15970
Fuente: Elaboración propia a partir de PISA 2009.

3. Metodología y resultados
Con el objetivo de analizar el impacto del desajuste educativo de los progenitores sobre el
rendimiento educativo de los estudiantes, a continuación, se especifica y se estima una función
de producción educativa donde se incluyen como factores explicativos variables relacionadas con
dicho desajuste así como otros controles adicionales. En concreto, la función de producción en
educación para cada una de las materias que se utilizará en este estudio toma como punto de
partida la siguiente expresión:

donde RTesti hace referencia a los cinco valores plausibles de los resultados de la prueba para
cada una de las materias del estudiante i, Zi es un vector de variables de control referidas a
características de los propios individuos, antecedentes familiares, de la escuela y del entorno.
Dicha ecuación incorpora cuatro variables relativas al desajuste educativo de los progenitores
de los alumnos. En concreto, MSobrei toma el valor de 1 si la madre del estudiante se encuentra
sobreeducada y 0 en caso contrario, y PSobrei asigna los mismos valores pero en el caso que sea el

61 La Tabla A-1 del Anexo muestra un resumen estadístico de las variables utilizadas en el análisis considerando los
pesos individuales del estudiante que proporciona la base de datos.

191
padre del estudiante el que está sobreeducado. Por otro lado, MInfrai toma el valor de 1 en el caso
de que la madre del alumno se encuentre infraeducada y 0 en caso contrario, al igual que PInfrai
en el caso que la infraeducación la presente el padre. ui es el término de error.
Teniendo en cuenta la naturaleza de la variable endógena que ya se ha detallado
anteriormente, para poder estimar dicho modelo se ha utilizado un procedimiento que permite
realizar múltiples estimaciones de la variable dependiente62, que se refiere a los cinco valores
plausibles del resultado educativo para cada una de las materias. Además, y debido al complejo
diseño muestral utilizado en PISA, es necesario aplicar un procedimiento basado en replicaciones
para calcular la varianza de los estimadores. Para este tipo de datos, en OECD (2009) se recomienda
el método de replicación repetida balanceada (BRR) con una particular modificación de Fay (1989),
que no modifica los coeficientes pero mejora la precisión del estimador de la varianza. Este ha sido
el procedimiento utilizado en este estudio.
En la tabla 2 se muestran los resultados de estimar el modelo (1) para las principales variables
de interés del estudio y para las distintas materias analizadas (matemáticas, ciencias y lectura).
Los resultados completos de la estimación se recogen en las tablas A-2, A-3 y A-4 del anexo. En
concreto, la columna (1) muestra la estimación del modelo sin las variables relativas al desajuste
educativo de los progenitores, a diferencia de la columna (2), que sí las incluye. En ambos casos,
se han incluido efectos fijos para las 889 escuelas analizadas. La columna (3) se diferencia de la
anterior en que se han sustituido los efectos fijos por escuela por distintas variables observables
relativas a las mismas. Las columnas (4) a (8) se corresponden a las estimaciones cuantílicas del
modelo de la columna (3).
Antes de analizar en detalle los resultados relativos a las variables de interés, hay que destacar
que los resultados obtenidos para las variables de control son similares a los de estudios anteriores.
En concreto, y como era de esperar, el género del estudiante tiene un efecto estadísticamente
significativo sobre el resultado académico del alumno, aunque el signo es diferente dependiendo
de la materia que se analice. Las chicas obtienen un resultado académico inferior en matemáticas
y ciencias que los chicos, pero superior en lectura. Además, el análisis cuantílico muestra que la
penalización de las chicas en matemáticas y ciencias aumenta a medida que centramos el interés
en los alumnos con mejores resultados educativos, y por el contrario, las ganancias en lectura van
diminuyendo a lo largo de la distribución. La edad de los alumnos, que oscila entre 15,3 y 16,3
años, tiene un impacto positivo a medida que va en aumento en todas las materias analizadas. El
tipo de estructura familiar también tiene un efecto significativo sobre el rendimiento educativo de
los alumnos, aunque no en todos los casos. De hecho, pertenecer a una familia monoparental tiene
un efecto negativo sobre el rendimiento del alumno en matemáticas, pero no estadísticamente
significativo en ciencias y lectura. No obstante, tener otro tipo de estructura familiar tiene un
efecto negativo en todas las materias en comparación a la familia nuclear con un padre y una
madre. Respecto a la nacionalidad, los estudiantes inmigrantes de primera generación sufren una
penalización en su rendimiento educativo con respecto a los estudiantes nativos, aunque esta
penalización es menor para los inmigrantes con mejores resultados. En cambio, no se aprecia
un efecto significativo en el rendimiento de los inmigrantes de segunda generación ni en la no
coincidencia del idioma del examen PISA con el idioma principal hablado en el hogar. En lo que
se refiere al conjunto de variables relativas al entorno familiar del alumno, se observa que las
variables ficticias referentes al número de libros en el hogar incluidas como indicador del entorno
cultural tienen un efecto positivo sobre el rendimiento educativo del alumno, que aumenta a
62 Para ello se ha utilizado el módulo de STATA, PV: Stata module to perform estimation with plausible values.
http://ideas.repec.org/c/boc/bocode/s456951.html.

192
medida que el número de libros en el hogar es mayor. Por otro lado, el nivel educativo de la madre
tiene un efecto positivo sobre el rendimiento educativo de los hijos, que toma más importancia
para los alumnos con peores resultados educativos. No obstante, no sucede lo mismo en el caso
del nivel educativo de los padres, ya que dicha variable no resulta estadísticamente significativa.
El nivel socio-económico de ambos progenitores resulta, en casi todos los casos, estadísticamente
significativo y el efecto sobre el rendimiento educativo de los estudiantes es mayor a medida que el
nivel socioeconómico aumenta. Es importante destacar que el ISEI de ambos progenitores presenta
una correlación elevada con las variables relativas al desajuste educativo, lo que explica que al
introducir en el modelo las variables del desajuste educativo, el efecto del nivel socio-económico
de los progenitores sobre el rendimiento educativo de sus hijos se reduzca considerablemente.
Entrando ya a analizar las variables que centran el interés del estudio, en primer lugar, hay
que destacar que la sobreeducación de los progenitores incide negativamente sobre el rendimiento
educativo de los estudiantes tanto si afecta a los padres como a las madres. No obstante, la
infraeducación solo incide sobre el rendimiento educativo en el caso que se presente en las
madres, aunque en este caso, el efecto es positivo63.
Un segundo resultado a destacar es que el rendimiento educativo de los estudiantes
con alguno de los progenitores sobreeducado es inferior al rendimiento de los estudiantes con
progenitores sin desajuste educativo en las tres materias analizadas, siendo esta penalización
más intensa en matemáticas que en ciencias o lectura para ambos progenitores. Las regresiones
cuantílicas muestran que el efecto negativo de la sobreeducación es mucho más intenso para los
estudiantes con peores resultados educativos que para los que obtienen mejores resultados en
las tres materias analizadas. Es decir, los estudiantes con un mayor rendimiento educativo se
encuentran menos determinados por la condición de sobreeducación de los progenitores.
Por último, el efecto de la infraeducación de los progenitores sobre el rendimiento educativo
de sus hijos tiene una pauta diferente en función de cual sea el progenitor que la posee. Se
observa que no existe un efecto estadísticamente significativo de la infraeducación en los padres
sobre el rendimiento educativo de los hijos. Por otro lado, se encuentra que, sorprendentemente,
la infraeducación de las madres incide de manera positiva en el rendimiento educativo de sus
hijos en las materias de ciencias y lectura, aunque no se observa un efecto estadísticamente
significativo en matemáticas. El análisis cuantílico no muestra un patrón definido del efecto
de la infraeducación de la madre sobre el rendimiento de los estudiantes, aunque parece que la
incidencia es mayor para los alumnos con menores resultados educativos en ciencias y para los
alumnos que se encuentran en las distribuciones medias en lectura.
Así pues, en síntesis, los resultados obtenidos muestran que los estudiantes con progenitores
sobreeducados tienen un rendimiento educativo inferior en matemáticas, ciencias y lectura, en
comparación al rendimiento de los estudiantes con progenitores sin desajuste educativo. Por
otro lado, sorprendentemente, la infraeducación de las madres tiene un impacto positivo sobre el
rendimiento educativo de los estudiantes, mientras que en el caso de los padres, dicho efecto no
resulta estadísticamente significativo.

63 Una de las limitaciones del análisis, dada las características de la base de datos utilizada, es la imposibilidad de
controlar la posible existencia de sesgo de selección en lo que se refiere a la participación en el mercado de trabajo
de los progenitores. Ante la imposibilidad de aplicar el método propuesto por Heckman (1979) y como prueba de
robustez, se ha replicado el análisis incluyendo todas las observaciones, y controlando a través de la inclusión de
distintas variables ficticias, el estatus laboral de los progenitores. A partir de dichas pruebas, no se ha obtenido
evidencia de que existan diferencias significativas en el rendimiento de los estudiantes en función del estatus laboral
de sus padres ni cambios substanciales en los resultados presentados en este trabajo.

193
Tabla 2. Resultado parcial de la estimación de la función de producción en educación
(1) (2) (3) (4) q10 (5) q25 (6) q50 (7) q75 (8) q90
Matemáticas
Educación de la
madre 0,556 1,616*** 1,575** 1,825*** 1,544*** 1,451** 1,472*** 1,437**
Educación del padre -0,0360 0,257 0,103 0,571 0,495 0,597 0,746* 0,453
ISEI madre 0,313*** 0,137 0,210* 0,148 0,242** 0,284*** 0,184** 0,157
ISEI padre 0,392*** 0,243* 0,280** 0,268* 0,247** 0,220** 0,205** 0,217*
Sobreeducación - - - -
madre -11,44*** -9,635** 16,60*** 13,33*** 10,04*** 10,29*** -7,246*
- - -
Sobreeducación padre -12,26*** -9,662** 13,71*** 10,56*** 7,398*** -5,450* -5,567
Infraeducación madre 3,335 3,883 4,360 5,900 7,672** 7,348** 7,019
Infraeducación padre -6,007 -4,884 -3,750 -1,190 -0,665 1,818 0,622
Ciencias
Educación de la
madre 0,988** 2,387*** 2,249*** 2,225*** 2,063*** 1,801*** 1,553*** 1,574***
Educación del padre -0,149 -0,135 -0,307 0,115 0,0902 0,191 0,504 0,245
ISEI madre 0,400*** 0,202* 0,305*** 0,130 0,166** 0,179** 0,220** 0,227**
ISEI padre 0,211** 0,134 0,251** 0,279** 0,312** 0,277*** 0,244** 0,239**
Sobreeducación - - - -
madre -9,496** -8,142* 12,47*** 10,45*** 9,189*** 9,073*** -7,396**
Sobreeducación padre -7,321** -5,996* -8,820** -5,710* -6,485** -6,237** -6,118
Infraeducación madre 8,019** 7,925** 6,441* 7,723** 6,344** 4,765 5,893*
Infraeducación padre -4,930 -4,798 -4,578 -0,820 -1,591 0,237 0,732
Lectura
Educación de la
madre 0,604 1,629*** 1,728*** 1,860** 1,449** 1,296*** 1,346*** 0,979
Educación del padre -0,231 -0,0628 -0,493 0,278 0,141 0,481 0,472 0,263
ISEI madre 0,332*** 0,185* 0,287*** 0,0534 0,192* 0,187*** 0,172** 0,178*
ISEI padre 0,334*** 0,230** 0,313** 0,292** 0,335*** 0,269*** 0,272*** 0,296***
Sobreeducación - - -
madre -7,251** -6,687* 13,11*** 10,36*** 8,615*** -7,246** -6,968*
Sobreeducación padre -9,054*** -6,932* -9,572** -6,495* -5,244** -4,631* -3,772
Infraeducación madre 5,638* 5,531* 5,030 5,236* 4,421* 5,996* 3,547
Infraeducación padre -4,775 -5,374 -3,600 -1,219 0,186 0,771 0,689

EF escuela Sí Sí No No No No No No

*** p<0.01, ** p<0.05, * p<0. Nota: Se han aplicado a todas las variables los pesos individuales
de los alumnos.

Sin embargo, y a partir del cálculo de los coeficientes beta en las estimaciones realizadas,
es importante destacar que la magnitud del impacto del desajuste educativo es inferior al de otras
características tanto del entorno familiar (como, por ejemplo, la educación del madre o el entorno
cultural) como individuales (género, edad o nacionalidad, entre otras).

194
4. Conclusiones
El presente trabajo ha analizado el posible efecto del desajuste educativo de los progenitores
sobre el rendimiento educativo de sus hijos en las materias de matemáticas, ciencias y lectura.
Para ello se han utilizado los datos PISA de 2009 y se ha especificado y estimado una función
de producción en educación que incluía variables relativas al desajuste educativo y los controles
habituales. Los resultados obtenidos han permitido concluir que los estudiantes con progenitores
sobreeducados tienen un rendimiento educativo inferior en las tres materias analizadas en
comparación a los estudiantes con progenitores sin desajuste educativo. Además, esta penalización
en el rendimiento es más intensa para los estudiantes con menor resultado educativo. En cambio,
la infraeducación sólo incide sobre el rendimiento educativo de los estudiantes en algunos casos
y sólo si la presenta la madre teniendo además un signo positivo. En cuanto a la intensidad de la
penalización que genera la sobreeducación de los progenitores sobre el rendimiento educativo de los
estudiantes, es importante destacar que existen otras variables como género, edad, nacionalidad,
tipo de estructura familiar, educación de la madre o entorno cultural del estudiante que tienen
una mayor incidencia sobre dicho rendimiento.
A partir de estos resultados, se abren varias vías de continuación. Sin embargo, sería
necesario disponer de una base de datos más rica en lo que se refiere a la información relativa a
las familias para, en primer lugar, poder analizar cuáles son los mecanismos a través de los cuales
el desajuste educativo de los progenitores acaba teniendo efectos sobre el rendimiento educativo
de sus hijos y hasta que punto dicho efecto no está capturando la importancia de otras variables
que no hemos podido controlar adecuadamente en este estudio (omisión de variables relevantes)
y, en segundo lugar, también sería interesante comparar los resultados obtenidos en este estudio
con la aplicación de otros métodos de medición del desajuste educativo (como, por ejemplo, el
método subjetivo).
En cualquier caso, los resultados presentados en el trabajo ofrecen argumentos adicionales
a los ya apuntados en otros trabajos para tomar medidas orientadas a reducir la sobreeducación,
un problema que no se está afrontado de manera decidida en España. En este sentido, una
disminución del desajuste educativo reduciría los costes económicos y sociales derivados de la
penalización salarial de los trabajadores sobreeducados y la desmotivación laboral que padecen.
Además, y de acuerdo con los resultados obtenidos en este trabajo, se mejoraría la capacidad del
entorno familiar de los estudiantes para incentivarles a obtener un mayor rendimiento educativo,
otro de los aspectos en que nuestro país necesita mejorar según las comparaciones internacionales
realizadas dentro del proyecto PISA.

Referencias
Ammermueller, A. (2007): “Poor background or low returns? Why immigrant students in Germany
perform so poorly in the programme for international student assessment”. Education Economics,
15(2), 215–230.

Barnett, R. R., J. C. Glass, R. I. Snowdon, and K. S. Stringer (2002): “Size, performance and
effectiveness: cost-constrained measures of best-practice performance and secondary-school
size”. Education Economics, 10 (3), 291-311.

Calero, J. y J.O. Escardíbul (2007): “Evaluación de servicios educativos: el rendimiento en los

centros públicos y privados medido en PISA-2003”. Hacienda Pública Española / Revista de
Economía Pública, 183-(4/2007), 33-66

195
Calero, J. y S. Waisgrais (2008): “¿Qué determina el rendimiento de los alumnos inmigrantes?
Una primera aproximación a partir de PISA-06”. Investigaciones de Economía de la Educación 3,
499-508.

Chiswick, B. R. and N. DebBurman, (2004): “Educational attainment: analysis by immigrant

generation”. Economics of Education Review, 23: 361-379.

Coleman, J. S. and T. Hoffer (1987): Public and private high schools. The impact of communities.
New York: Basic Books.

Coleman, J. S., J. S. Campbell, E. Q. Campbell, C. J. Hobson, J. McPartland, A. M. Mood, F.

D. Weinfeld and R. L. York (1966): Equality of Educational Opportunity. Washington, D.C.: US
Department of Health, Education, and Welfare, US Government Printing Office.

Cordero, M., E. Crespo and D. Santín (2010): “Factors affecting educational attainment: evidence
from Spanish PISA 2006 results”. Regional and Sectoral Economic Studies, 10(3).

Cordero, M., E. Crespo and D. Santín (2011): “Exploring educational efficiency divergences across
Spanish regions in PISA 2006”. Revista de Economía Aplicada, en prensa.

Entorf, H. and M. Lauk (2008): “Peer effects, social multipliers and migrants at school: An
international comparison”. Journal of Ethnic and Migration Studies, 34(4), 633–654.

Entorf, H. and N. Minoiu (2005): “What a difference immigration policy makes: A comparison of
PISA scores in Europe and traditional countries of immigration”. German Economic Review, (3),
355–376.

Fay, R. E. (1989): “Theoretical application of weighting for variance calculation”, en Proceedings

of the Section on Survey Research Methods of the American Statistical Association, 212-217.

Feinstein, L. and J. Symons (1999): “Attainment in secondary education”. Oxford Economic Papers,
51, 300-321.

Fertig, M. (2003): “Who’s to Blame? The Determinants of German Students’Achievement in the

PISA 2000 Study”. IZA Discussion Paper Series, 739.

Galasi, P. (2008): “The effect of educational mismatch on wages for 25 countries”. Budapest
Working Papers on the Labour Market nº 0808, Institute if Economics, Hungarian Academy of
Sciences.

Ganzeboom, H., P. De Graaf, J. Treiman and J. De Leeuw (1992): “A standard international socio-
economic index of occupational status”. Social Science Research, 21(1), 1-56.

Häkkinen, I., T. Kirjavainen and R. Uusitalo (2003): “School resources and student achievement
revisited: new evidence from panel data”. Economics of Education Review, 22, 329-335.

196
Hartog, J. (2000): “Over-education and earnings: Where are we, where should we go?”. Economics
of Education Review, 19, 131-147.

Hanushek, E. A. (1986): “The economics of schooling”. Journal of Economic Literature, 24, 1141-
1177.

Hanushek, E. A. (1997): “Assessing the effects of school resources on student performance: an

update”. Educational Evaluation and Policy Analysis, 19, 141-164.

Hanushek, E. A. (2003): “The failure of input based schooling policies”. The Economic Journal,
113, 64-98.

Hanushek, E. A. and J. A. Luque (2003): “Efficiency and equity in schools around the world”.
Economics of Education Review, 22, 481-502.

Hanushek, E. A., J. F. Kain, J. M. Markman and S. G. Rivkin (2003): “Does peer ability affect
student achievement?” Journal of Applied Econometrics, 18, 527-544.

Haveman, R. and B. Wolfe (1995): “The determinants of children’s attainment: A review of methods
and findings”. Journal of Economics Literature, 33(4), 1829–1878

Heckman, J. (1979): “Sample Selection Bias as a Specification Error”. Econometrica, 47, 153-
161.

Henderson, V., P. Mieszkowski y Y. Sauvageau (1978): “Peer group effects in educational production
functions”. Journal of Public Economics, 10 (1), 97-106.

Kiker, B. F., M. C. Santos y M. Mendes de Oliveira (1997): “Overeducation and Undereducation:

Evidence for Portugal”. Economics of Education Review, 16(2), 111-125.

Krueger, A. B. (2003): “Economics considerations and class size”, Economic Journal, 113, 34-63.

Madrigal, M. (2003): “Una Revisión de los Métodos de Medición del Desajuste Educativo: Ventajas
e Inconvenientes”. Presentado en X Congreso de Economía Pública, Tenerife, 6-7 de Febrero de
2003.

Martins, L. and V. Veiga (2010): “Do inequalities in parents’ education play an important role in
PISA students’ mathematics achievement test score disparities?” Economics of Education Review,
29 (6), 1016-1033.

Meunier, M. (2011): “Immigration and student achievement: Evidence from Switzerland”,

Economics of Education Review, 30 (1), 16-38.

Mislevy, R. J. and K. M. Sheehan (1987): “Marginal estimation procedures”, in Beaton, A.E.,

Editor, 1987. The NAEP 1983-84 technical report, National Assessment of Educational Progress,
Educational Testing Service, Princeton, 293-360.

197
Mislevy, R. J. y K. M. Sheehan (1989): “Information matrices in latent-variable models”. Journal
of Educational Statistics, No. 14, 335-350.

Nieto, S. y R. Ramos (2010): “Sobreeducación, Educación no formal y Salarios: Evidencia para

España”, Documento de Trabajo Funcas, 577.

Noell, J. (1982): “Public and Catholic schools: A re-analysis of public and private schools”. Sociology
of Education, 55, 123-132.

OECD (2009): Technical report 2006. OECD, Paris.

Opdenakker, M. C. and J. Van Damme (2006): “Differences between secondary schools: A study
about school context, group composition, school practice, and school effects with special attention
to public and Catholic schools and types of schools”. School Effectiveness and School Improvement,
17(1), 87-117.

Perelman, S. and D. Santin (2011): “Measuring educational efficiency at student level with
parametric stochastic distance functions: an application to Spanish PISA results”. Education
Economics, 19(1), 29-49.

Rivkin, S. G.; E. A. Hanushek and J. F. Kain (2005): “Teachers, Schools and Academic Achievement”.
Econometrica, 73(2), 417-458.

Rubin, D. B. (1987): Multiple imputation for nonresponse in surveys, New York, Wiley.

Rumberger, R.W. (1981): “The Rising Incidence of Overeducation in the US Labour Market”.
Economics of Education Review, 1, 293-314.

Sander, W. (1996): “Catholic grade schools and academic achievement”. The Journal of Human
Resources, 31 (3), 540-548.

Santín, D. (2006): “La medición de la eficiencia de las escuelas: una revisión crítica”. Hacienda
Pública Española, 177 (2), 57-82.

Smith, J. and R. A. Naylor (2005): “Schooling effects on subsequent university performance:

evidence for the UK university population”. Economics of Education Review, 24: 549-562.

Stevans, L. K. and D. N. Sessions (2000): “Private/public school choice and student performance
revisited”. Education Economics, 8 (2), 169-184.

Tsang, M. C. y H. M. Levin (1985): “The Economics of Overeducation”. Economics of Education

Review, 4(2), 93-104.

Verdugo, R. and N. Verdugo (1989): “The impact of surplus schooling on earnings”. Journal of
Human Resources, 24 (4), 629-643.

198
Woessmann, L. (2003): “Schooling resources, educational institutions and student performance:
the international evidence”. Oxford Bulletin of Economics and Statistics, 65 (2), 117-170.

199
Anexo
Tabla A-1. Descripción de la muestra utilizada
Variable Media Desv. est. Mínimo Máximo
Puntuaciones: Matemáticas 500,82 82,38 126,66 789,54
Ciencias 502,91 79,86 124,06 773,82
Lectura 496,87 79,79 144,99 847,10
Caract. individuales: Mujer 0,49 0,50 0 1
Edad 15,86 0,29 15,33 16,33
Familia Nuclear (referencia) 0,88 0,33 0 1
Familia monoparental 0,11 0,32 0 1
Familia mixta 0,01 0,08 0 1
Nativos (referencia) 0,92 0,28 0 1
Immigrante 1a generación 0,07 0,26 0 1
Immigrante 2a generación 0,01 0,10 0 1
Coincide con el idioma en el hogar (referencia) 0,82 0,39 0 1
Es diferente al idioma del hogar 0,18 0,39 0 1
Caract. familia: Educación madre 11,94 3,91 3 16,5
Educación padre 11,44 4,11 3 16,5
ISEI madre 42,57 18,48 16 90
ISEI padre 44,64 16,82 16 90
Sobreeducación madre 0,20 0,40 0 1
Sobreeducación padre 0,25 0,43 0 1
Infraeducación madre 0,33 0,47 0 1
Infraeducación padre 0,32 0,47 0 1
De 0 a 10 libros en el hogar (referencia) 0,06 0,23 0 1
de 11 a 25 libros 0,11 0,32 0 1
de 26 a 100 libros 0,30 0,46 0 1
de 101 a 200 libros 0,23 0,42 0 1
de 201 a 500 libros 0,18 0,38 0 1
Más de 500 libros 0,13 0,33 0 1
Caract. escuela: Tamaño escuela 718,41 370,40 45 2785
Ratio alumno-profesor 12,16 4,99 0,82 39,88
Pública (referencia) 0,64 0,48 0 1
Privada 0,07 0,25 0 1
Concertada 0,29 0,46 0 1
ESCS (peer effects) -0,23 0,60 -1,88 1,47
Localización escuela: < 3000 indiv. (referen.) 0,03 0,18 0 1
de 3000 a 15.000 individuos 0,24 0,43 0 1
de 15.000 a 100.000 individuos 0,35 0,48 0 1
de 100.000 a 1.000.000 individuos 0,27 0,44 0 1
más de 1.000.000 individuos 0,11 0,31 0 1
Localización: Andalucía (referencia) 0,17 0,38 0 1
Aragón 0,03 0,17 0 1
Asturias 0,02 0,13 0 1
Islas Baleares 0,03 0,16 0 1
Islas Canarias 0,04 0,19 0 1
Cantabria 0,01 0,10 0 1
Castilla y León 0,05 0,21 0 1
Cataluña 0,17 0,37 0 1
Galicia 0,06 0,23 0 1
La Rioja 0,01 0,08 0 1
Madrid 0,15 0,36 0 1
Múrcia 0,03 0,18 0 1
Navarra 0,02 0,12 0 1
País Vasco 0,05 0,21 0 1
Ceuta y Melilla 0,00 0,05 0 1
No adjudicado 0,18 0,38 0 1

Nota: La muestra considerada para las variables relativas a características de los alumnos, de sus
familiares y de localización es de 13.098 observaciones. En cambio, para las variables relativas
a la escuela, la muestra se reduce a 11.557 observaciones. Los estadísticos presentados se han
obtenido aplicando los pesos individuales de los alumnos.
200
Tabla A-2. Resultados de la estimación de la función de producción en educación en
matemáticas
Variables (1) (2) (3) (4) q10 (5) q25 (6) q50 (7) q75 (8) q90
Mujer -24,04*** -24,00*** -23,14*** -11,34*** -14,48*** -18,90*** -21,92*** -22,49***
(2,326) (2,375) (2,512) (2,844) (2,693) (1,848) (2,044) (2,919)
Edad 6,898 7,464* 8,692* 14,28** 12,30*** 10,89*** 11,67*** 11,83**
(4,484) (4,527) (5,001) (5,565) (3,300) (3,576) (3,976) (5,602)
Familia monoparental -9,974** -9,304** -11,02*** -21,18*** -14,23*** -7,605** -3,032 -1,820
(4,138) (4,147) (4,151) (5,747) (4,097) (3,482) (3,939) (4,233)
Familia mixta -49,37*** -48,19*** -57,51*** -52,16** -39,01** -31,58** -25,28** -27,61*
(13,68) (13,50) (14,91) (20,51) (17,33) (13,62) (12,58) (16,03)
Inmigrante 1ª generación -24,52*** -22,84*** -23,50*** -37,09*** -34,40*** -30,00*** -27,64*** -23,86***
(6,193) (6,159) (5,492) (6,223) (8,278) (4,955) (5,409) (7,992)
Inmigrante 2ª generación -6,141 -6,280 -3,447 -18,44 -12,00 -10,01 -1,587 12,60
(12,49) (12,59) (15,06) (23,74) (14,31) (12,97) (14,93) (17,53)
Idioma 1,150 1,659 0,474 -3,752 -2,583 -4,517 -5,151 -3,555
(4,067) (4,042) (3,338) (6,117) (3,394) (3,506) (3,877) (4,318)
Educación de la madre 0,556 1,616*** 1,575** 1,825*** 1,544*** 1,451** 1,472*** 1,437**
(0,390) (0,555) (0,614) (0,701) (0,502) (0,569) (0,438) (0,721)
Educación del padre -0,0360 0,257 0,103 0,571 0,495 0,597 0,746* 0,453
(0,453) (0,676) (0,679) (0,948) (0,643) (0,658) (0,449) (0,573)
ISEI madre 0,313*** 0,137 0,210* 0,148 0,242** 0,284*** 0,184** 0,157
(0,0908) (0,109) (0,120) (0,148) (0,101) (0,0923) (0,0818) (0,152)
ISEI padre 0,392*** 0,243* 0,280** 0,268* 0,247** 0,220** 0,205** 0,217*
(0,111) (0,131) (0,138) (0,143) (0,117) (0,0953) (0,0965) (0,118)
Sobreeducación madre -11,44*** -9,635** -16,60*** -13,33*** -10,04*** -10,29*** -7,246*
(3,645) (3,937) (4,751) (3,411) (2,763) (3,143) (4,134)
Sobreeducación padre -12,26*** -9,662** -13,71*** -10,56*** -7,398*** -5,450* -5,567
(3,871) (4,044) (4,585) (3,273) (2,740) (3,036) (3,842)
Infraeducación madre 3,335 3,883 4,360 5,900 7,672** 7,348** 7,019
(3,746) (4,047) (3,823) (3,641) (3,368) (3,734) (4,672)
Infraeducación padre -6,007 -4,884 -3,750 -1,190 -0,665 1,818 0,622
(4,131) (4,139) (5,524) (4,538) (3,714) (2,867) (4,090)
De 11 a 25 libros 25,26*** 24,76*** 23,10*** 20,79*** 21,45*** 25,64*** 26,42*** 26,86***
(7,794) (7,606) (7,510) (7,868) (5,377) (5,683) (6,759) (9,305)

201
Continuación Tabla A-2:
Variables (1) (2) (3) (4) q10 (5) q25 (6) q50 (7) q75 (8) q90
De 26 a 100 libros
Variables 55,26***
(1) 55,03***
(2) 55,23***
(3) 57,51***
(4) q10 58,31***
(5) q25 59,13***
(6) q50 55,55***
(7) q75 51,77***
(8) q90
Mujer (8,040)
-24,04*** (7,764)
-24,00*** (7,384)
-23,14*** (7,914)
-11,34*** (5,153)
-14,48*** (4,769)
-18,90*** (6,309)
-21,92*** (8,161)
-22,49***
De 101 a 200 libros 80,05***
(2,326) 79,57***
(2,375) 82,21***
(2,512) 80,48***
(2,844) 80,60***
(2,693) 79,61***
(1,848) 75,68***
(2,044) 69,30***
(2,919)
Edad (8,119)
6,898 (7,818)
7,464* (7,681)
8,692* (9,086)
14,28** (6,023)
12,30*** (4,936)
10,89*** (6,867)
11,67*** (10,14)
11,83**
De 201 a 500 libros 93,04***
(4,484) 92,32***
(4,527) 92,29***
(5,001) 92,43***
(5,565) 91,51***
(3,300) 91,54***
(3,576) 87,30***
(3,976) 83,30***
(5,602)
Familia monoparental (8,187)
-9,974** (7,957)
-9,304** (8,182)
-11,02*** (10,22)
-21,18*** (6,137)
-14,23*** (5,166)
-7,605** (7,056)
-3,032 (9,280)
-1,820
Más de 500 libros 94,55***
(4,138) 93,20***
(4,147) 91,03***
(4,151) 86,27***
(5,747) 88,82***
(4,097) 92,05***
(3,482) 92,21***
(3,939) 86,73***
(4,233)
Familia mixta (9,059)
-49,37*** (8,726)
-48,19*** (8,718)
-57,51*** (8,103)
-52,16** (6,090)
-39,01** (5,569)
-31,58** (8,288)
-25,28** (11,40)
-27,61*
Escuela privada (13,68) (13,50) -9,118
(14,91) -3,367
(20,51) -6,804
(17,33) -7,372
(13,62) -10,89*
(12,58) -9,626
(16,03)
Inmigrante 1ª generación -24,52*** -22,84*** (10,01)
-23,50*** (8,563)
-37,09*** (7,529)
-34,40*** (6,937)
-30,00*** (5,707)
-27,64*** (7,573)
-23,86***
Escuela concertada (6,193) (6,159) -4,093
(5,492) -3,925
(6,223) -1,771
(8,278) -3,944
(4,955) -5,778
(5,409) -5,877
(7,992)
Inmigrante 2ª generación -6,141 -6,280 (4,752)
-3,447 (5,021)
-18,44 (4,002)
-12,00 (3,591)
-10,01 (4,076)
-1,587 (4,411)
12,60
Tamaño escuela (12,49) (12,59) -0,00324
(15,06) 0,00239
(23,74) -0,00207
(14,31) -0,00514
(12,97) -0,00414
(14,93) -0,00152
(17,53)
Idioma 1,150 1,659 (0,00517)
0,474 (0,00454)
-3,752 (0,00480)
-2,583 (0,00376)
-4,517 (0,00287)
-5,151 (0,00394)
-3,555
Ratio alumno-profesor (4,067) (4,042) 0,475
(3,338) 0,710
(6,117) 0,665
(3,394) 0,827**
(3,506) 0,754*
(3,877) 0,655
(4,318)
Educación de la madre 0,556 1,616*** (0,531)
1,575** (0,478)
1,825*** (0,525)
1,544*** (0,381)
1,451** (0,433)
1,472*** (0,411)
1,437**
ESCS (0,390) (0,555) 9,874**
(0,614) 16,52***
(0,701) 15,06***
(0,502) 10,99***
(0,569) 10,03***
(0,438) 8,325**
(0,721)
Educación del padre -0,0360 0,257 (4,276)
0,103 (4,557)
0,571 (3,719)
0,495 (2,535)
0,597 (3,166)
0,746* (3,514)
0,453
Small town (de 3000-
15,000) (0,453) (0,676) (0,679)
-1,014 (0,948)
-0,631 (0,643)
-2,305 (0,658)
-3,025 (0,449)
-6,823 (0,573)
-6,147
ISEI madre 0,313*** 0,137 0,210*
(7,243) 0,148
(7,878) 0,242**
(7,647) 0,284***
(5,393) 0,184**
(7,105) 0,157
(6,905)
Town (de 15,000 a (0,0908) (0,109) (0,120) (0,148) (0,101) (0,0923) (0,0818) (0,152)
100,000)
ISEI padre 0,392*** 0,243* -6,844
0,280** 1,040
0,268* -0,684
0,247** -2,748
0,220** -6,895
0,205** -7,343
0,217*
(0,111) (0,131) (7,212)
(0,138) (9,326)
(0,143) (7,662)
(0,117) (6,369)
(0,0953) (6,404)
(0,0965) (6,452)
(0,118)
Ciudad (100,000madre
Sobreeducación a -11,44*** -9,635** -16,60*** -13,33*** -10,04*** -10,29*** -7,246*
1,000,000) 0,781 -0,514 0,323 2,742 -0,106 -0,509
(3,645) (3,937) (4,751) (3,411) (2,763) (3,143) (4,134)
(7,187) (7,763) (8,315) (6,041) (6,343) (6,319)
Sobreeducación
Gran ciudad (máspadre
de -12,26*** -9,662** -13,71*** -10,56*** -7,398*** -5,450* -5,567
1,000,000) (3,871) (4,044)
10,65 (4,585)
17,66 (3,273)
10,19 (2,740)
2,465 (3,036)
5,202 (3,842)
7,786
Infraeducación madre 3,335 3,883
(9,512) 4,360
(13,51) 5,900
(10,07) 7,672**
(8,181) 7,348**
(10,80) 7,019
(9,426)
EF regionales Sí (3,746)
Sí (4,047)
Sí (3,823)
Sí (3,641)
Sí (3,368)
Sí (3,734)
Sí (4,672)
Sí
Infraeducación
EF escuela padre Sí -6,007
Sí -4,884
No -3,750
No -1,190
No -0,665
No 1,818
No 0,622
No
Constante 279,7*** (4,131)
274,2*** (4,139)
264,9*** (5,524)
65,49 (4,538)
149,9*** (3,714)
219,3*** (2,867)
266,1*** (4,090)
310,4***
De 11 a 25 libros 25,26***
(80,23) 24,76***
(83,15) 23,10***
(78,43) 20,79***
(90,06) 21,45***
(54,26) 25,64***
(55,92) 26,42***
(61,97) 26,86***
(90,94)
Observaciones (7,794)
13098 (7,606)
13098 (7,510)
11557 (7,868)
11557 (5,377)
11557 (5,683)
11557 (6,759)
11557 (9,305)
11557

Errores estándar en paréntesis *** p<0.01. ** p<0.05. * p<0.1

202
Tabla A-3. Resultados de la estimación de la función de producción en educación en ciencias
Variables (1) (2) (3) (4) q10 (5) q25 (6) q50 (7) q75 (8) q90
Mujer -15,20*** -15,20*** -13,80*** -1,266 -7,097*** -13,48*** -16,10*** -18,07***
(2,218) (2,227) (2,424) (3,012) (2,167) (2,233) (1,822) (2,979)
Edad 16,76*** 17,05*** 16,32*** 16,12*** 14,32*** 11,27*** 9,354** 9,465**
(3,734) (3,756) (4,268) (4,611) (3,927) (3,625) (4,564) (3,994)
Familia monoparental -4,351 -3,842 -6,263 -12,73** -8,569** -3,397 0,0758 0,218
(3,718) (3,685) (4,299) (5,303) (3,818) (3,644) (3,618) (3,808)
Familia mixta -31,37** -30,63** -42,22*** -45,51** -32,86** -17,37 2,903 9,268
(15,08) (14,67) (16,08) (20,95) (16,35) (16,09) (17,99) (13,99)
Inmigrante 1ª generación -21,33*** -20,26*** -22,31*** -23,34*** -23,77*** -21,97*** -17,26*** -14,38**
(5,691) (5,647) (5,976) (7,395) (5,780) (5,283) (6,064) (6,095)
Inmigrante 2ª generación -2,224 -1,979 -1,567 -13,10 -13,16 -10,07 -12,52 -5,615
(10,34) (10,51) (12,34) (15,44) (12,62) (10,95) (12,52) (16,63)
Idioma 0,567 1,067 1,425 -12,18** -11,79*** -9,835*** -8,326** -5,258
(3,457) (3,488) (3,727) (5,033) (3,867) (3,007) (3,753) (5,064)
Educación de la madre 0,988** 2,387*** 2,249*** 2,225*** 2,063*** 1,801*** 1,553*** 1,574***
(0,407) (0,567) (0,584) (0,731) (0,646) (0,479) (0,522) (0,540)
Educación del padre -0,149 -0,135 -0,307 0,115 0,0902 0,191 0,504 0,245
(0,380) (0,657) (0,682) (0,814) (0,618) (0,522) (0,521) (0,681)
ISEI madre 0,400*** 0,202* 0,305*** 0,130 0,166** 0,179** 0,220** 0,227**
(0,0798) (0,107) (0,116) (0,120) (0,0820) (0,0839) (0,0893) (0,103)
ISEI padre 0,211** 0,134 0,251** 0,279** 0,312** 0,277*** 0,244** 0,239**
(0,0979) (0,127) (0,126) (0,133) (0,124) (0,0864) (0,107) (0,113)
Sobreeducación madre -9,496** -8,142* -12,47*** -10,45*** -9,189*** -9,073*** -7,396**
(3,880) (4,364) (4,304) (3,245) (2,941) (3,128) (3,281)
Sobreeducación padre -7,321** -5,996* -8,820** -5,710* -6,485** -6,237** -6,118
(3,510) (3,578) (3,839) (3,174) (3,204) (2,999) (3,844)
Infraeducación madre 8,019** 7,925** 6,441* 7,723** 6,344** 4,765 5,893*
(3,420) (3,526) (3,669) (3,214) (2,854) (3,151) (3,350)
Infraeducación padre -4,930 -4,798 -4,578 -0,820 -1,591 0,237 0,732
(3,872) (4,028) (5,146) (3,006) (3,150) (3,282) (4,753)
De 11 a 25 libros 20,53*** 19,79*** 20,38*** 17,65* 18,09** 22,24*** 24,83*** 22,82***
(6,534) (6,520) (6,220) (10,43) (7,107) (5,166) (5,568) (7,766)

203
Continuación Tabla A-3:
Variables (1) (2) (3) (4) q10 (5) q25 (6) q50 (7) q75 (8) q90
Variables (1) (2) (3) (4) q10 (5) q25 (6) q50 (7) q75 (8) q90
De 26 a 100 libros 49,19*** 48,49*** 51,44*** 47,33*** 48,45*** 52,55*** 50,69*** 48,41***
(6,775) (6,722) (5,453) (8,915) (6,598) (4,793) (5,338) (9,208)
De 101 a 200 libros 69,66*** 68,92*** 72,30*** 65,81*** 67,06*** 69,93*** 70,07*** 65,05***
(6,948) (6,833) (6,305) (8,577) (6,416) (4,884) (5,859) (10,12)
De 201 a 500 libros 83,83*** 82,76*** 84,64*** 76,01*** 78,72*** 81,61*** 79,35*** 75,81***
(7,199) (7,064) (6,207) (9,013) (6,495) (5,559) (6,711) (9,057)
Más de 500 libros 91,13*** 89,80*** 86,13*** 75,09*** 79,89*** 85,97*** 85,17*** 80,65***
(7,629) (7,475) (6,949) (8,590) (7,232) (5,129) (6,227) (9,022)
Escuela privada -6,960 -2,214 -3,282 -3,840 -8,647 -13,39*
(8,053) (10,43) (6,976) (5,873) (7,148) (8,025)
Escuela concertada -0,577 -2,291 -0,560 0,392 -1,285 -1,164
(4,961) (5,841) (3,417) (3,527) (3,316) (3,728)
Tamaño escuela -0,00888 -0,00126 -0,00216 -0,00465 -0,00389 -0,00151
(0,00547) (0,00560) (0,00339) (0,00319) (0,00478) (0,00343)
Ratio alumno-profesor 0,624 1,000 0,922** 0,845** 0,753** 0,494
(0,571) (0,709) (0,402) (0,418) (0,370) (0,411)
ESCS 12,89*** 20,29*** 14,84*** 12,31*** 10,65*** 11,84***
(4,495) (4,162) (2,780) (2,854) (2,530) (2,926)
Small town (de 3000-15,000) 0,226 -7,372 -6,242 -3,201 -3,755 -4,104
(7,291) (7,277) (6,022) (5,460) (4,887) (6,019)
Town (de 15,000 a 100,000) -1,621 -1,951 -1,608 0,348 -1,922 -4,832
(6,797) (7,812) (6,231) (5,086) (5,089) (6,381)
Ciudad (100,000 a 1,000,000) 2,026 -1,914 0,0185 3,406 0,967 -0,792
(6,591) (8,307) (6,126) (5,072) (4,765) (5,731)
Gran ciudad (más de 1,000,000) 3,583 4,904 -0,0703 -4,259 2,052 -1,783
(8,914) (13,02) (10,18) (9,991) (9,825) (9,757)
EF regionales Sí Sí Sí Sí Sí Sí Sí Sí
EF escuela Sí Sí No No No No No No
Constante 120,9 113,3 141,6** 52,63 122,1* 220,7*** 303,0*** 348,4***
(107,2) (112,1) (67,56) (76,44) (65,63) (59,04) (72,27) (65,86)
Observaciones 13098 13098 11557 11557 11557 11557 11557 11557

Errores estándar en paréntesis *** p<0.01. ** p<0.05. * p<0.1

204
Tabla A-4. Resultados de la estimación de la función de producción en educación en lectura
Variables (1) (2) (3) (4) q10 (5) q25 (6) q50 (7) q75 (8) q90
Mujer 23,13*** 23,17*** 23,43*** 38,03*** 32,53*** 26,04*** 21,63*** 19,21***
(2,015) (2,039) (2,387) (3,238) (2,347) (1,866) (2,094) (2,095)
Edad 12,22*** 12,56*** 14,47*** 11,91* 11,25** 13,20*** 9,790*** 11,58***
(4,076) (4,117) (4,319) (6,654) (4,497) (3,631) (3,623) (3,861)
Familia monoparental -5,919* -5,473 -6,090 -12,82** -8,439** -3,779 0,863 2,308
(3,508) (3,499) (4,055) (5,312) (3,892) (3,787) (3,795) (4,383)
Familia mixta -32,83* -32,14* -48,91*** -39,86*** -43,64*** -22,69* -20,54* -9,817
(17,13) (16,84) (16,14) (14,19) (15,69) (12,02) (12,33) (18,70)
Inmigrante 1ª generación -24,78*** -23,76*** -21,86*** -23,51*** -21,21*** -19,31*** -17,69*** -11,35*
(4,935) (4,861) (4,330) (7,432) (5,703) (4,818) (5,112) (6,719)
Inmigrante 2ª generación 1,876 2,123 0,806 -3,742 -5,696 -5,130 -5,182 11,14
(10,46) (10,55) (13,04) (13,92) (12,44) (13,51) (11,36) (16,23)
Idioma -3,903 -3,484 -3,600 -14,35*** -12,16*** -10,83*** -9,008** -7,631*
(3,434) (3,453) (3,079) (5,195) (3,592) (2,557) (3,534) (3,992)
Educación de la madre 0,604 1,629*** 1,728*** 1,860** 1,449** 1,296*** 1,346*** 0,979
(0,375) (0,528) (0,563) (0,785) (0,575) (0,409) (0,443) (0,702)
Educación del padre -0,231 -0,0628 -0,493 0,278 0,141 0,481 0,472 0,263
(0,384) (0,604) (0,627) (0,846) (0,562) (0,531) (0,597) (0,508)
ISEI madre 0,332*** 0,185* 0,287*** 0,0534 0,192* 0,187*** 0,172** 0,178*
(0,0897) (0,106) (0,101) (0,111) (0,101) (0,0709) (0,0855) (0,0999)
ISEI padre 0,334*** 0,230** 0,313** 0,292** 0,335*** 0,269*** 0,272*** 0,296***
(0,0937) (0,117) (0,126) (0,144) (0,108) (0,0960) (0,0997) (0,111)
Sobreeducación madre -7,251** -6,687* -13,11*** -10,36*** -8,615*** -7,246** -6,968*
(3,009) (3,469) (4,056) (3,332) (2,885) (3,136) (3,966)
Sobreeducación padre -9,054*** -6,932* -9,572** -6,495* -5,244** -4,631* -3,772
(3,347) (3,591) (4,457) (3,654) (2,610) (2,608) (3,337)
Infraeducación madre 5,638* 5,531* 5,030 5,236* 4,421* 5,996* 3,547
(3,110) (3,084) (4,157) (2,820) (2,687) (3,232) (3,346)
Infraeducación padre -4,775 -5,374 -3,600 -1,219 0,186 0,771 0,689
(3,078) (3,391) (5,278) (3,345) (2,360) (3,590) (4,432)
De 11 a 25 libros 21,06*** 20,53*** 20,79*** 20,69** 23,34*** 25,25*** 22,70*** 22,82***
(6,805) (6,732) (6,529) (8,956) (7,478) (6,597) (7,324) (6,736)

205
Continuación Tabla A-4:
Variables (1) (2) (3) (4) q10
Variables (1) (2) (3) (4) q10 (5)(5) q25
q25 (6) q50
(6) q50 (7) q75
(7) q75 (8) q90
(8) q90
Mujer -24,04*** -24,00*** -23,14*** -11,34*** -14,48*** -18,90*** -21,92*** -22,49***
De 26 a 100 libros 50.85*** 50.35*** 51.18*** 55.80*** 55.58*** 51.70*** 47.02*** 47.85***
(2,326) (2,375) (2,512) (2,844) (2,693) (1,848) (2,044) (2,919)
(6.677) (6.567) (5.708) (8.139) (6.892) (6.315) (6.482) (6.201)
Edad 6,898 7,464* 8,692* 14,28** 12,30*** 10,89*** 11,67*** 11,83**
De 101 a 200 libros 69.87*** 69.31*** 72.35*** 72.54*** 70.84*** 69.79*** 64.60*** 64.28***
(4,484) (4,527) (5,001) (5,565) (3,300) (3,576) (3,976) (5,602)
(6.453) (6.293) (6.038) (9.187) (7.010) (6.480) (6.491) (7.277)
Familia monoparental -9,974** -9,304** -11,02*** -21,18*** -14,23*** -7,605** -3,032 -1,820
De 201 a 500 libros 79.91*** 79.09*** 81.15*** 85.35*** 83.05*** 82.31*** 76.17*** 75.50***
(4,138) (4,147) (4,151) (5,747) (4,097) (3,482) (3,939) (4,233)
(6.878) (6.723) (6.415) (8.292) (7.072) (5.537) (6.364) (6.454)
Familia mixta -49,37*** -48,19*** -57,51*** -52,16** -39,01** -31,58** -25,28** -27,61*
Más de 500 libros 83.59*** 82.39*** 80.71*** 76.51*** 78.07*** 82.09*** 78.04*** 77.09***
(13,68) (13,50) (14,91) (20,51) (17,33) (13,62) (12,58) (16,03)
(7.335) (7.173) (6.865) (9.242) (7.624) (7.036) (6.509) (6.446)
Inmigrante 1ª generación -24,52*** -22,84*** -23,50*** -37,09*** -34,40*** -30,00*** -27,64*** -23,86***
Escuela privada -6.208 -1.839 1.144 -0.553 1.367 -1.972
(6,193) (6,159) (5,492) (6,223) (8,278) (4,955) (5,409) (7,992)
(9.730) (9.214) (6.183) (5.006) (6.470) (8.783)
Inmigrante 2ª generación -6,141 -6,280 -3,447 -18,44 -12,00 -10,01 -1,587 12,60
Escuela concertada -0.421 2.847 2.014 3.272 2.908 0.768
(12,49) (12,59) (15,06) (23,74) (14,31) (12,97) (14,93) (17,53)
(4.922) (5.166) (3.397) (3.287) (3.050) (4.475)
Idioma 1,150 1,659 0,474 -3,752 -2,583 -4,517 -5,151 -3,555
Tamaño escuela -0.00949** -0.00234 -0.00299 -0.00510 -0.00438 -0.00215
(4,067) (4,042) (3,338) (6,117) (3,394) (3,506) (3,877) (4,318)
(0.00447) (0.00435) (0.00345) (0.00346) (0.00371) (0.00373)
Educación de la madre 0,556 1,616*** 1,575** 1,825*** 1,544*** 1,451** 1,472*** 1,437**
Ratio alumno-profesor 0.812 1.100* 0.832** 0.764** 0.548 0.485
(0,390) (0,555) (0,614) (0,701) (0,502) (0,569) (0,438) (0,721)
(0.514) (0.565) (0.368) (0.371) (0.386) (0.503)
Educación del padre -0,0360 0,257 0,103 0,571 0,495 0,597 0,746* 0,453
ESCS (0,453) (0,676) 14.96***
(0,679) 21.89***
(0,948) 16.87***
(0,643) 12.51***
(0,658) 9.698***
(0,449) 8.238**
(0,573)
ISEI madre 0,313*** 0,137 (4.176)
0,210* (4.427)
0,148 (3.339)
0,242** (2.860)
0,284*** (2.612)
0,184** (3.999)
0,157
Small town (de 3000-15.000) (0,0908) (0,109) -0.855
(0,120) -1.406
(0,148) -0.471
(0,101) -1.021
(0,0923) 0.235
(0,0818) 0.459
(0,152)
ISEI padre 0,392*** 0,243* (6.798)
0,280** (8.839) 0,247**
0,268* (5.865) (4.143)
0,220** (5.660)
0,205** (7.107)
0,217*
Town (de 15.000 a 100.000) (0,111) (0,131) 2.862
(0,138) 3.230
(0,143) 4.188
(0,117) 2.423
(0,0953) 3.049
(0,0965) 2.245
(0,118)
Sobreeducación madre -11,44*** (6.526) (8.861)
-9,635** -16,60*** (6.296)
-13,33*** (4.884)
-10,04*** (5.648)
-10,29*** (6.244)
-7,246*
Ciudad (100.000 a 1.000.000) (3,645) 8.285
(3,937) 5.079
(4,751) 8.145
(3,411) 10.36**
(2,763) 10.52*
(3,143) 9.304
(4,134)
Sobreeducación padre -12,26*** (7.097) -13,71***
-9,662** (8.803) -10,56***
(6.189) (4.590)
-7,398*** (5.572)
-5,450* (5.722)
-5,567
Gran ciudad (más de 1.000.000) (3,871) 13.54*
(4,044) 8.836
(4,585) 10.07
(3,273) 7.286
(2,740) 9.057
(3,036) 13.93
(3,842)
Infraeducación madre 3,335 (8.100)
3,883 (11.25)
4,360 (9.450)
5,900 (6.566)
7,672** (7.355)
7,348** (10.99)
7,019
EF regionales Sí Sí
(3,746) Sí
(4,047) (3,823)Sí Sí
(3,641) Sí
(3,368) Sí
(3,734) Sí
(4,672)
EF escuela
Infraeducación padre Sí Sí
-6,007 No
-4,884 -3,750No No
-1,190 No
-0,665 No
1,818 No
0,622
Constante 114.6 108.9
(4,131) 145.9**
(4,139) 79.41
(5,524) 137.3*
(4,538) 164.7***
(3,714) 269.3***
(2,867) 287.4***
(4,090)
De 11 a 25 libros (152.8)
25,26*** (156.7)
24,76*** (68.16)
23,10*** (105.1) 21,45***
20,79*** (71.91) (57.08)
25,64*** (60.31)
26,42*** (63.74)
26,86***
Observaciones 13098
(7,794) 13098
(7,606) 11557
(7,510) 11557
(7,868) 11557
(5,377) 11557
(5,683) 11557
(6,759) 11557
(9,305)

Errores estándar en paréntesis *** p<0.01. ** p<0.05. * p<0.1

206
/ Capítulo 2. Demanda educativa y elección de centro

207
1. Educación en valores y competencias sociales: Diferencias (o no) entre
institutos públicos y colegios concertados

Manuel Antonio Muñiz Pérez, Universidad de Oviedo

Javier Suárez Pandiello, Universidad de Oviedo

208
Educación en valores y competencias sociales: Diferencias (o no) entre
institutos públicos y colegios concertados*

Manuel Antonio Muñiz Pérez, Universidad de Oviedo

Javier Suárez Pandiello, Universidad de Oviedo

Resumen
Pese a existir un amplio consenso en la literatura respecto a la relevancia por igual de las
dos componentes del resultado educativo, la formación cognitiva (destrezas intelectuales y
conocimientos específicos) y la educación no cognitiva (valores afectivos, de comportamiento social
y desarrollo personal), existe un sesgo importante en la atención prestada por los investigadores
a ambas componentes, en detrimento de la vertiente no cognitiva. Ello se debe a la dificultad
práctica de obtener información acerca de dichos resultados, dada la inexistencia de indicadores
estandarizados relacionados.
En el presente estudio en curso se pretende avanzar en el conocimiento acerca de los determinantes
de este tipo de educación, centrados en este documento en los relacionados con el centro escolar y
más concretamente, en la elección por los padres entre escuelas estrictamente públicas y colegios
concertados. Para disponer de datos, tanto en cuanto a resultados educativos como respecto
a posibles influencias, escolares o no, se ha realizado una encuesta a finales de 2010 a 5.500
estudiantes asturianos de 4º de la ESO (el 80% de los matriculados en el inicio del curso).
Los primeros resultados ofrecen como conclusión la irrelevancia de la titularidad del centro escolar
en cuanto a esta componente educativa, debido a la similitud de los resultados de los alumnos
en colegios públicos y concertados, a diferencia de lo que sucede con los resultados académicos.
Sin embargo, si que resulta estadísticamente significativa la variable que recoge el efecto peer
group o compañeros. Este último resultado implica que no seria completamente neutral el colegio
en que estudie cada alumno en cuanto a su educación en valores y competencias sociales. De tal
modo que las características de sus compañeros, que varían entre centros independientemente
de su titularidad, ejercerían cierta influencia sobre sus resultados individuales en este tipo de
educación.

Palabras clave: Educación no cognitiva, escuelas publicas y concertadas, efecto compañeros.

1. Introducción
El interés por la medida y la evaluación de los resultados en la Educación Secundaria es una
cuestión de plena actualidad en los países avanzados, de cara a detectar y mejorar situaciones de
falta de eficiencia o equidad en los sistemas educativos nacionales. Como prueba de este interés,
en la ultima década los resultados de cada país en las pruebas internacionales PISA (Programme
for Internacional Student Assessment) han cobrado especial relevancia y alcance en las sociedades
respectivas64, sirviendo de diagnóstico de los problemas propios de cada sistema educativo y como
elemento de comparación con el resto de países participantes en el programa. Del mismo modo,

* Los autores desean agradecer la financiación recibida del Ministerio de Ciencia e Innovación a través de su
convocatoria nacional de Proyectos de Investigación Fundamental de 2009, así como el apoyo recibido de la Consejería
de Educación del Principado de Asturias para la realización de la encuesta.
64 Como se observa con la repercusión que han tenido los resultados de la última oleada PISA en los medios de
comunicación nacionales e internacionales, celebrada en 2009 y cuyos resultados se han dado a conocer en diciembre
de 2010 (OECD, 2010).

209
también los distintos países realizan sus propias evaluaciones objetivas nacionales a determinadas
edades o grados intermedios en la Educación Secundaria, como herramienta de información y base
para la adopción de políticas publicas educativas65.
Sin embargo, todos los estudios comentados se centran en los resultados cognitivos de
los alumnos en una serie de materias curriculares específicas (Matemáticas, Ciencia, Lenguaje),
obviando completamente la componente no cognitiva de los resultados educativos. Esta es una
tendencia común con la literatura educativa, donde tradicionalmente los estudios relacionados
con la función de producción educativa han buscado explicar los determinantes de los resultados
curriculares de los estudiantes66. La explicación a esta no consideración de la educación en valores
o comportamientos sociales en las investigaciones se encuentra fundamentalmente en la ausencia
de exámenes o pruebas objetivas disponibles para los estudios empíricos67. Así como, para las
comparaciones internacionales, en las dificultades para elaborar una definición común de lo que
se entiende por ciudadanía o valores en cada sociedad (Cohn y Geske, 1990)68. Sin embargo,
ya desde los primeros pasos de la Economía de la Educación69 se ha determinado el carácter
multidimensional del output educativo y con carácter más específico, la división del resultado
educativo en dos componentes: la formación cognitiva (destrezas intelectuales y conocimientos
específicos) y la formación no cognitiva (valores afectivos, de comportamiento social y desarrollo
personal). Existe asimismo un acuerdo en la literatura respecto a la relevancia de ambas
componentes del output educativo. En las escuelas no sólo se deben transmitir conocimientos,
también unas pautas de desarrollo social y personal que faciliten la integración laboral y social,
la capacidad de comunicación e interrelación, el respeto al entorno o la responsabilidad política,
social y personal70. Y del mismo modo, la investigación educativa ha sugerido que allí donde la
formación afectiva ha sido desarrollada de forma activa, se producen tanto efectos inmediatos
como de largo plazo, que afectan tanto a la dimensión afectiva como a la académica (Watkins et
al, 1991; Nixon et al, 1996).
El objetivo del presente documento y su principal contribución a la literatura consiste en
el análisis de la relación entre esta vertiente no cognitiva del resultado educativo y la elección
por los padres del tipo de escuela para sus hijos, tomando como base empírica el caso de España.
El debate publico/privado, y la consiguiente elección de los padres entre una u otra alternativa,
ha sido y es fuente continua de polémica y discusión en la literatura educativa, desde su irrupción
con los estudios de Coleman (1966, 1982). La falta de consenso en los estudios publicados se
debe tanto a los problemas metodológicos de las variables empleadas en algunos casos, como a
la aplicabilidad estrictamente local o nacional de las conclusiones alcanzadas en otros casos y,
65 En el caso de España, cuyos resultados en las sucesivas oleadas PISA suelen estar en posiciones ligeramente
inferiores a la media de los países participantes, en los últimos años se están llevando cabo tanto pruebas de
evaluación nacionales (Evaluación General de Diagnostico) como regionales, debido a la descentralización de las
competencias educativas en el caso español.
66 Vid. los estudios seminales de Hanushek (1986, 1997, 2003) o la revisión de Worthington (2001).
67 Solo muy recientemente se están dando los primeros pasos en la evaluación expresa de los resultados educativos
no cognitivos, como es el caso del estudio internacional ICSS (Internacional Civic and Citizenship Study) 2009 de la
IEA (International Association for the Evaluation of Educational Achievement), cuyos primeros resultados globales se
han dado a conocer a finales de 2010.
68 Para algunos autores la orientación principal debe ser la idea de “persona de buen comportamiento”, enfatizando
la autonomía del individuo para su determinación. Para otros, como Pring (1984), lo principal debe ser un conjunto de
“bondades morales” de promoción del respeto por el otro y con énfasis en lo interpersonal. Y para otros (Hargreaves
et al, 1988), lo crucial es la integración social y política, en la cultura de normas, valores, roles y expectativas de la
sociedad democrática. De todos modos, parece obvio que ninguna de estas prioridades es realizable en algún grado
sin las otras.
69 Vid. Bloom et al., 1956, por ejemplo.
70 Vid. Pring (1984), Lang et al. (1998) o Best (2003), entre otros.

210
sobre todo, a la ausencia de resultados concluyentes en uno u otro sentido71. Además y como se
comentara en el siguiente epígrafe, en el caso español esta cuestión cobra especial relevancia
debido, por un lado, a las peculiares formas de gestión existentes, y por otro, al hecho de que
uno de los argumentos empleados por los padres a la hora de justificar su preferencia por las
escuelas concertadas y privadas consiste en la distinta educación no cognitiva recibida por los
alumnos según el tipo de escuela al que asistan. Asimismo y junto a esta disyuntiva publico/
privado, en el presente documento se analizara el efecto que sobre este tipo de educación pueden
ejercer otros dos factores escolares relevantes a priori, como son la localización urbana/rural del
centro y sobre todo, el factor peer group o compañeros, es decir, si el hecho de estar rodeado en
su escuela por alumnos con mejor o peor educación en valores y competencias sociales influye
sobre los resultados individuales de cada alumno. Con el análisis de los tres factores relativos al
centro escolar comentados se pretende conseguir una visión global del efecto de la escuela sobre
la educación no cognitiva, que permita contestar a la pregunta de si importa o no la escuela en
esta componente del resultado educativo.
Este estudio también aporta como nota original la utilización de una base de datos creada
por los autores, a través de una encuesta realizada a más de 5.000 alumnos españoles de Educación
Secundaria, con el fin de paliar la ya comentada ausencia de pruebas objetivas que evalúen
los resultados de los alumnos en su educación cívica y social. En dicha encuesta se incluyeron
preguntas dirigidas a medir sus resultados en esta vertiente del output educativo, así como otras
relacionadas con las características individuales y socioeconómicas del alumno. La información
obtenida permitirá, como segundo gran objetivo, aportar nuevas evidencias al conocimiento
existente en la literatura sobre los determinantes, tanto escolares como personales del alumno,
de este tipo de educación.

2. La elección de centro escolar en España

Atendiendo al propietario y al origen de su financiación, en España es posible distinguir
tres tipos de centros educativos: los centros públicos, de titularidad y financiación pública y que
son aproximadamente dos tercios del total; los colegios concertados, de propiedad privada pero que
reciben financiación publica (y por ello forman parte con los primeros de la red publica, debiendo
someterse a los criterios y requisitos exigidos por el Estado a todos los componentes de la misma)
y que forman la cuarta parte del total; y los colegios privados, de titularidad y financiación
exclusivamente privada, y con una presencia mucho menor que las dos categorías anteriores
(aproximadamente un 7%). El presente estudio se centrara en las dos primeras categorías, dada la
imposibilidad de acceder a datos relacionados con los centros estrictamente privados.
El punto de partida del debate en el caso español radica en la elevada demanda por
parte de los padres para la matrícula de sus hijos en los colegios concertados, pese a su papel
minoritario en términos cuantitativos dentro de la red pública. Como principales características
distintivas de esta categoría de escuelas respecto a las estrictamente públicas, pueden destacarse
su carácter mayoritariamente católico, así como un status socioeconómico superior de su alumnado
en términos medios, lo que incluye una presencia menor de alumnos inmigrantes y/o socialmente
desfavorecidos (pese a ser escuelas que se rigen por las mismas reglas de admisión que los restantes
centros públicos).
La respuesta más evidente respecto a la causa de esta elevada demanda relativa en los
colegios concertados podría ser que los mismos ofrezcan una calidad de su enseñanza académica

71 Vid. Figlio and Stone (1997) para una revisión de la cuestión, o Mancebón y Muñiz (2007), Dronkers and Robert
(2008) o Cherchye et al. (2010) para algunas aplicaciones más recientes.

211
superior a la de los centros públicos. Y de hecho en los estudios que han analizado la cuestión
española, basados todos ellos en los resultados académicos curriculares en colegios públicos y
concertados (Calero y Escardíbul, 2007; Mancebón y Muñiz, 2007; Mancebón y Perez-Ximenez
de Embún, 2007; Calero y Wasgrais, 2009; Perelman y Santín, 2011; Salinas y Santín, 2012),
una de las premisas de partida en todos ellos es la superioridad en resultados brutos de los
centros concertados respecto a los públicos. Pero del mismo modo, es un resultado común en
todos los estudios mencionados el hecho de que al descontar el efecto de las características
socioeconómicas del alumnado (que como ya se ha comentado, son superiores en el caso de los
colegios concertados) ambas categorías de escuelas obtienen resultados similares (o en algunos
casos ligeramente favorables a las escuelas públicas).
Así pues, si los resultados académicos de un alumno son similares en una y otra categoría
de escuelas una vez descontadas sus características socioeconómicas individuales, ¿cual puede ser
la explicación a la preferencia de los padres por los colegios concertados? Y de forma colateral,
¿existe alguna explicación al desequilibrio existente respecto a las características socioeconómicas
del alumnado entre ambas categorías de escuelas de la red pública? Según la literatura sobre
desigualdad y centros educativos, no es recomendable dicha desproporción, puesto que “si los
colegios públicos son copados por estudiantes de origen socioeconómico bajo, ello conducirá a
una mejora de resultados en los centros privados, pero son de esperar menos efectos beneficiosos
entre iguales en el conjunto del sistema educativo” (Arum, 1996).
Siguiendo a Urquizu (2008), son varias las hipótesis de respuesta a las preguntas anteriores,
y su contraste con la realidad de los datos hasta donde sea posible es una de las aspiraciones del
presente estudio:

- La existencia de motivaciones ideológicas. Las familias pueden creer que el sistema privado
es siempre mejor, más eficiente y eficaz. Aunque no deje de ser una creencia que puede cumplirse
o no en la realidad según el caso, puede suceder que dicha creencia este más arraigada entre las
familias de origen socioeconómico mas elevado, que por otro lado son más proclives a la búsqueda
de información educativa, que las de extracción social mas baja, dada su mayor percepción de los
beneficios de unas decisiones educativas adecuadas.

- Motivaciones religiosas. Quizá los padres sean creyentes y deseen que sus hijos sean
formados en la misma religión. En España los colegios estrictamente públicos son aconfesionales,
mientras que la inmensa mayoría de los colegios concertados y privados son religiosos.

- Las redes sociales. Autores como Coleman et al. (1966) o Sullivan (2001) han destacado el
efecto de las redes sociales en el capital cultural y social de los estudiantes. Por un lado, las redes
sociales pueden contribuir a aumentar el capital cultural de los alumnos, puesto que “cuando los
padres de grupos de buenos estudiantes se conocen entre ellos, sus recursos de capital cultural
y social se acumulan en los vínculos entre ellos y promueven el aprendizaje de los estudiantes”
(Morgan y Sorensen, 1999). Y por otro lado, las redes sociales pueden contribuir a mejorar la
posición socioeconómica de los estudiantes, al facilitar sus posibilidades de éxito en el futuro
mercado laboral.

- La formación cívica y en valores. Algunos padres pueden considerar que la formación

cívica y social (la componente no cognitiva del resultado educativo) que se ofrece en los colegios
públicos es distinta (e inferior) a la recibida en colegios concertados y privados. De este modo,

212
una mayor disciplina y control sobre la conducta del estudiante, una relación más jerárquica
entre profesor y alumno o una mayor atención a su comportamiento con sus iguales, entre otros
factores, serian aspectos que caso de aparecer en mayor magnitud en las escuelas concertadas
podrían favorecer una mejor educación no cognitiva del alumno en opinión de los padres.
La última de estas hipótesis será uno de los aspectos centrales del análisis empírico
posterior, con el fin de contrastar su influencia real en las decisiones de los padres. De este modo,
informaciones como la disparidad o no de resultados en la formación cívica entre centros públicos
y concertados, la relevancia o no del efecto “peer group” o compañeros sobre esta educación
(y por tanto, si existen diferencias entre escuelas independientemente de su titularidad) o la
importancia relativa del tipo de escuela frente a las características individuales, serán cuestiones
clave a analizar mediante los datos proporcionados por la encuesta que se ha realizado.

3. Datos empleados y análisis descriptivo

La ya comentada ausencia de datos objetivos sobre educación en valores y comportamientos
sociales a disposición de los investigadores, nos hizo diseñar y realizar una encuesta entre los
colegios seleccionados para el estudio, que supliera esta carencia. Respecto al diseño de la misma
y una vez revisada la literatura relacionada con la Educación no cognitiva y sus determinantes,
seleccionamos los conceptos que consideramos más relevantes, con vistas a su inclusión como ítems
de output educativo en la encuesta. A estos efectos, establecimos dos categorías conceptuales,
con cinco conceptos cada una de ellas. La primera, “Valores universales”, incluye los conceptos
Justicia, Igualdad, Democracia, Responsabilidad y Tolerancia. La segunda, “Competencias sociales,
emocionales e intelectuales”, comprende las variables Motivación, Empatía, Autocontrol, Esfuerzo
y Sentido Crítico72. Del mismo modo, también identificamos aquellos factores que a priori
podrían afectar como potenciales determinantes del resultado educativo no cognitivo en cada
adolescente, de cara a su contraste posterior. Estos eventuales efectos se pueden agrupar como
relativos al centro educativo (titularidad, localización, efecto compañeros), al propio alumno
(resultados curriculares, uso del tiempo de ocio, creencias religiosas, amistades, etc.) o a su
familia (circunstancias socioeconómicas, clima de convivencia en el hogar, relación ascendientes/
descendientes, etc.).
Una vez seleccionadas las variables en las que debía centrarse la encuesta, procedimos
a diseñar el cuestionario tipo test, formado por 53 preguntas con 4 opciones de respuesta cada
una. De ellas, las 20 primeras están destinadas a las variables de resultado, de modo que a
través de cuestiones situacionales y dedicando dos preguntas a cada uno de los diez conceptos,
se espera aproximar una medida de los resultados educativos no cognitivos de los encuestados.
Las 33 preguntas restantes están dedicadas a preguntas identificativas y relacionadas con los
determinantes potenciales de esta componente educativa.
La población a la que se pasó la encuesta está formada por todos los alumnos de 4º curso
de E.S.O73 que cursaran tal grado educativo en el curso 2010/1011 en el Principado de Asturias,
tanto en colegios públicos como concertados. La población potencial a encuestar implicaba 7.072
alumnos matriculados en 136 centros, 80 públicos (4.676 alumnos) y 56 concertados (2.396
estudiantes). Los resultados de ejecución han sido notables, con 5.580 alumnos encuestados que

72 Tuvimos en cuenta la posible influencia del ideario religioso de la mayoría de los colegios concertados tanto en
la selección de las variables de output como en la posterior redacción de las preguntas. Por ello buscamos conceptos
de output en los que las creencias católicas no introdujeran disparidades significativas con la formación de los no
creyentes, criterio que se adoptó también con una redacción de las preguntas que evitara cualquier polémica y que
se centrara en cuestiones comunes a cualquier alumno, sea creyente o no.
73 Educación Secundaria Obligatoria, el 4º curso corresponde a una edad aproximada de 15 años.

213
representan el 78,9% del total de individuos potenciales. Los porcentajes de respuesta fueron
similares en ambas categorías de escuelas, con un 76,1% en los centros públicos y un 84,3% en
los concertados74. Tras la finalización del proceso de lectura de los cuestionarios, obtuvimos una
base de datos definitiva formada por 5.493 encuestas, correspondientes 3.497 a centros públicos
y 1.996 a colegios concertados. Del mismo modo, dividimos los centros según su localización
urbana/rural, con 3.197 encuestas asignadas a la primera categoría y 2.296 a la segunda75.
Siguiendo el consejo de los expertos consultados y de cara a aumentar la información
proporcionada por las veinte preguntas situacionales, diseñamos las cuatro opciones de conducta
posibles en cada situación de tal modo que pudiésemos calificar a una de ellas como la más
adecuada para cada concepto según la literatura sobre este tipo de formación y otra reflejase
claramente y sin lugar a duda una conducta reprobable en términos sociales. Este diseño de las
opciones de respuesta permitirá una estructura simétrica del análisis empírico, de modo que
todas las operaciones a realizar se ejecutaran en ambos sentidos: considerando los alumnos que
obtienen buenos resultados y, al tiempo y de forma complementaria, también teniendo en cuenta
a aquellos que presenten peores valores en educación no cognitiva. Más concretamente, diseñamos
dos índices aditivos de resultado. El primero de ellos o índice positivo, se deriva de asignar un
valor unitario en cada uno de los 10 conceptos a aquellos alumnos que contesten la respuesta
considerada adecuada de forma simultánea en las dos preguntas de cada concepto. El índice
negativo asigna un valor unitario en cada concepto a aquellos alumnos que no responden la
opción diseñada como claramente reprobable en ninguna de las dos preguntas de cada concepto.
En consecuencia, obtuvimos dos índices con valores que oscilan entre 0 y 10.
En las Tablas 1 y 2 se muestran las frecuencias en cada concepto (porcentaje de alumnos
con valor unitario en el mismo) y el valor promedio alcanzado en ambos índices aditivos según
la titularidad del centro escolar, como primera aproximación a la relevancia de la titularidad de
la escuela en este tipo de educación. Debe destacarse en primer lugar la práctica igualdad entre
ambas categorías de centros en cuanto al valor promedio del índice positivo (sólo 4 centésimas
de diferencia entre ambos). Este dato apuntaría a la inexistencia de diferencias en cuanto a la
probabilidad de obtener una buena formación social y en valores según la titularidad del centro
en que estudie cada alumno. En la desagregación por conceptos tampoco se observan diferencias
relevantes, alcanzando las mayores divergencias valores en torno a cuatro puntos. Así, los colegios
concertados obtienen mejores resultados en los conceptos de Justicia, Empatía y Sentido Crítico,
mientras que los centros públicos lo hacen en Democracia, Motivación y Esfuerzo.

74 La ligera disparidad entre ambos porcentajes se debe a que de las 10 escuelas que se negaron a permitir la
realización de la encuesta, 7 eran públicos y 3 concertados. Si no se consideran estos 10 colegios, se obtiene un
porcentaje de respuesta del 85,1 % en los colegios públicos y del 90,1% en los concertados.
75 El criterio empleado para la inclusión de cada escuela en una u otra categoría según su localización ha sido
determinado por la distribución de la población en el Principado de Asturias. De los 78 municipios que conforman
la región, los correspondientes a las tres ciudades asturianas mas pobladas (Oviedo, Gijón y Aviles, las tres ubicadas
en el área central de la región) concentran el 53% de la población total, siendo asignada la categoría “urbano” a los
centros ubicados en dichos municipios.

214
Tabla 1. Frecuencias por concepto y promedio en el índice positivo, según la titularidad del
centro escolar
CONCEPTO PUBLICO CONCERTADO
Justicia 19,4 23,2
Igualdad 40,1 39,9
Dem ocracia 29,9 28,0
Responsabilidad 15,2 15,4
Tolerancia 29,7 29,3
Motivación 15,4 13,8
Empatía 30,5 31,6
Autocontrol 14,0 13,4
Esfuerzo 32,6 31,3
Critica 50,2 54,8
INDICE PROMEDIO 2,76 2,80

Respecto al índice negativo, se comprueba de nuevo la similitud entre ambas categorías

de escuelas, con una diferencia de solo seis centésimas en el valor promedio. En este caso,
donde se mide la ausencia de alumnos con baja formación social y en valores, los concertados
destacarían en Justicia, Empatía y Autocontrol, mientras que los públicos lo harían en Igualdad,
Responsabilidad y Tolerancia.

Tabla 2. Frecuencias por concepto y promedio en el índice negativo, según la titularidad del
centro escolar
CONCEPTO PUBLICO CONCERTADO
Justicia 36,3 40,0
Igualdad 88,8 87,4
Dem ocracia 78,8 78,3
Responsabilidad 38,7 36,0
Tolerancia 83,1 80,8
Motivación 73,0 73,3
Empatía 74,3 78,4
Autocontrol 80,4 83,6
Esfuerzo 76,5 77,3
Critica 73,2 74,7
INDICE PROMEDIO 7,03 7,09

Por tanto, a modo de primera aproximación y considerando simultáneamente la información

simétrica proporcionada por ambos índices positivo y negativo, se puede intuir la irrelevancia en
términos globales de la titularidad del centro sobre los resultados en esta componente educativa.
En cuanto a la desagregación por conceptos, si nos centramos en aquellos que en ambos índices
presentan la misma dirección en la prevalencia entre categorías de centros, los colegios concertados
presentan mejores resultados en Justicia, Empatía y Sentido Crítico, mientras que los centros
públicos lo hacen en Igualdad, Democracia y Tolerancia. Con todo, estas diferencias parciales por
conceptos no parecen ser lo suficientemente influyentes como para decantar los valores de los
índices globales a favor de una u otra titularidad.
A continuación contrastaremos estas primeras intuiciones de manera formal, utilizando

215
técnicas sencillas como el análisis de varianza (ANOVA) y el análisis de regresión. Adicionalmente
incluiremos el estudio de los otros dos factores relativos al centro escolar considerados (localización
y efecto peer group).

4. Resultados
Mediante el procedimiento ANOVA se hace un contraste para comparar si los resultados
medios de los alumnos en su educación no cognitiva están condicionados por un determinado
factor, en este caso la titularidad del centro. De esta manera, lo que se pretende comprobar no es
si las medias son iguales para ambas categorías de escuelas, pues lo extraño e improbable sería que
lo fueran, sino si las diferencias encontradas entre ellas son o no significativas estadísticamente,
contraste para el que se emplea la distribución F de Fisher-Snedecor.

Tabla 3. Resultados del análisis de varianza (ANOVA) efectuado para el Índice positivo y para la
desagregación por conceptos
Suma de Media
cuadrados gl cuadrática F Sig.
INDICE Inter-grupos 1,776 1 1,776 0,389 0,533
POSITIVO Intra-grupos 25046,122 5491 4,561
Total 25047,898 5492
Justicia Inter-grupos 1,843 1 1,843 11,217 0,001
Intra-grupos 902,15 5491 0,164
Total 903,993 5492
Igualdad Inter-grupos 0,005 1 0,005 0,019 0,89
Intra-grupos 1318,874 5491 0,24
Total 1318,879 5492
Democracia Inter-grupos 0,458 1 0,458 2,216 0,137
Intra-grupos 1134,329 5491 0,207
Total 1134,786 5492
Responsabilidad Inter-grupos 0,006 1 0,006 0,05 0,824
Intra-grupos 709,455 5491 0,129
Total 709,461 5492
Tolerancia Inter-grupos 0,018 1 0,018 0,085 0,77
Intra-grupos 1143,439 5491 0,208
Total 1143,457 5492
Motivación Inter-grupos 0,331 1 0,331 2,618 0,106
Intra-grupos 694,45 5491 0,126
Total 694,781 5492
Empatía Inter-grupos 0,156 1 0,156 0,732 0,392
Intra-grupos 1171,81 5491 0,213
Total 1171,966 5492
Autocontrol Inter-grupos 0,048 1 0,048 0,402 0,526
Intra-grupos 654,077 5491 0,119
Total 654,125 5492
Esfuerzo Inter-grupos 0,227 1 0,227 1,042 0,308
Intra-grupos 1197,289 5491 0,218
Total 1197,516 5492
Critica Inter-grupos 2,717 1 2,717 10,899 0,001
Intra-grupos 1368,621 5491 0,249
Total 1371,337 5492

216
 Los resultados del ANOVA realizado para el índice positivo avalan la hipótesis de que la
titularidad del centro es irrelevante para este tipo de educación, pues la diferencia de medias no
es estadísticamente significativa. Del mismo modo, al repetir el contraste para cada uno de los
diez conceptos por separado, la mayoría de los mismos también presenta valores no significativos.
Solo aparecen diferencias significativas en los conceptos Justicia y Sentido Critico, en ambos
casos a favor de los colegios concertados y con un nivel de significatividad del 99%.
En el caso de los ANOVAS para el índice negativo (recordemos que el mismo recoge
información sobre la ausencia de alumnos con malos resultados), de nuevo el efecto de la titularidad
del centro escolar es no significativo. Sin embargo, en este caso las variaciones parciales por
conceptos son más relevantes que en el análisis en positivo, de modo que la mitad de las mismas
resultan estadísticamente significativas. A favor de los centros públicos aparecen los conceptos de
Responsabilidad y Tolerancia, diferencias significativas ambas al 95%, mientras que los colegios
concertados destacan en Justicia, Empatia y Autocontrol, con diferencias significativas todas ellas
al 99%.

Tabla 4. Resultados del análisis de varianza (ANOVA) efectuado para el Índice negativo y para la
desagregación por conceptos
Suma de Media
cuadrados gl cuadrática F Sig.
INDICE Inter-grupos 5,576 1 5,576 1,535 0,215
NEGATIVO Intra-grupos 19946,489 5491 3,633
Total 19952,065 5492
Justicia Inter-grupos 1,752 1 1,752 7,47 0,006
Intra-grupos 1287,936 5491 0,235
Total 1289,688 5492
Igualdad Inter-grupos 0,227 1 0,227 2,195 0,139
Intra-grupos 568,27 5491 0,103
Total 568,497 5492
Democracia Inter-grupos 0,043 1 0,043 0,256 0,613
Intra-grupos 923,042 5491 0,168
Total 923,085 5492
Responsabilidad Inter-grupos 0,979 1 0,979 4,168 0,041
Intra-grupos 1289,693 5491 0,235
Total 1290,672 5492
Tolerancia Inter-grupos 0,678 1 0,678 4,642 0,031
Intra-grupos 801,906 5491 0,146
Total 802,584 5492
Motivación Inter-grupos 0,013 1 0,013 0,066 0,797
Intra-grupos 1080,302 5491 0,197
Total 1080,315 5492
Empatía Inter-grupos 2,151 1 2,151 11,744 0,001
Intra-grupos 1005,821 5491 0,183
Total 1007,972 5492
Autocontrol Inter-grupos 1,242 1 1,242 8,276 0,004
Intra-grupos 824,312 5491 0,15
Total 825,555 5492
Esfuerzo Inter-grupos 0,083 1 0,083 0,468 0,494
Intra-grupos 978,972 5491 0,178
Total 979,055 5492
Critica Inter-grupos 0,303 1 0,303 1,565 0,211
Intra-grupos 1062,674 5491 0,194
Total 1062,977 5492

217
 Resumiendo la información proporcionada por los ANOVAS, se puede concluir de forma
consistente que la titularidad del centro es irrelevante en términos globales para los resultados
de los alumnos en educación no cognitiva. Sólo aparecen diferencias significativas en algunos
conceptos parciales y, salvo para un concepto, en los demás casos las diferencias significativas
no se repiten para los dos índices. De este modo, solo el subconcepto Justicia ofrece evidencia
de superioridad estadísticamente significativa de los colegios concertados, tanto si se tienen
en cuenta la presencia de buenos alumnos como si se considera la ausencia de malos alumnos
(calificados como tales a partir de sus resultados). En el caso de alumnos con buen sentido crítico
destacan los concertados, así como en la ausencia de estudiantes con mala empatía y autocontrol.
En cuanto a las escuelas publicas, sus puntos fuertes relativos serían la menor presencia de
alumnos poco responsables y de adolescentes con baja tolerancia hacia los que son distintos.
El siguiente paso en el estudio consistió en la realización de un análisis de regresión,
en el que tratamos de explicar los resultados globales en esta formación a partir de los tres
factores relacionados con las características del centro escolar: titularidad (publico/concertado),
localización (urbano/rural) y el efecto peer group, que actuarían como variables explicativas. Las
dos primeras variables son dicotomicas 0/1, mientras que en el caso de la variable que recoge
el efecto compañeros, la misma se construyo como la media en los resultados globales para los
compañeros de colegio de cada alumno (es decir, excluyendo la propia nota de cada individuo al
calcular las medias respectivas). El objetivo de la inclusión de esta última variable es contrastar la
influencia sobre la formación de cada alumno individual del hecho de estar rodeado en su colegio
(y curso) por compañeros con buena (o mala) educación en valores y competencias sociales.
En la literatura metodológica generalmente se recomienda para la estimación el empleo de
un modelo probit ordenado cuando se considera una variable dependiente de naturaleza discreta
y ordenada, como es el caso de los dos índices construidos para medir los resultados educativos.
No obstante, en este estudio emplearemos el modelo de Mínimos Cuadrados Ordinarios por la
simplicidad de su estimación e interpretación de los coeficientes, así como por la reconocida
similitud en la literatura76 en cuanto a los resultados de ambos modelos.
En las Tablas 5 y 6 se muestran los resultados de los análisis de regresión realizados
para los índices positivo y negativo, respectivamente. Los resultados de ambas posibilidades
son coincidentes y vienen a confirmar lo ya anticipado en los análisis previos, en cuanto a la
irrelevancia de la titularidad del centro escolar para los resultados globales en educación en
valores y competencias sociales. Del mismo modo, tampoco resulta significativa la localización de
la escuela (no influye la distinción entre centros urbanos y rurales).

76 El mismo caso aparece en todos los estudios relacionados con el campo de la satisfacción del individuo respecto
a distintas circunstancias (trabajo, felicidad, etc.), donde dicha satisfacción suele medirse a través de un índice
categórico ordenado. En este tipo de literatura es muy habitual la utilización del modelo MCO por su sencilla
interpretación y por la similitud de sus resultados con la estimación mediante un probit ordenado (vid. Ittner y
Larcker, 1998, Chen, 2001 o Ahn y Garcia, 2004, como algunos ejemplos).

218
 Tabla 5. Resultados de la regresión MCO para el modelo de Índice Positivo

Tabla 6. Resultados de la regresión MCO para el modelo de Índice Negativo

En cambio, si que resulta estadísticamente significativa al 99% y en ambos modelos la

variable que recoge el efecto peer group o compañeros. Ello viene a demostrar que el centro
escolar en que curse estudios el alumno si que tiene cierta influencia sobre sus resultados en
educación no cognitiva. Pero no porque los condicione el hecho de que sea una escuela publica o
concertada, o su localización, sino por el efecto significativo que sobre dicha educación ejercen
los compañeros de aula y colegio. Es decir, cada alumno tiene mayores posibilidades de dotarse de
una buena educación social y en valores si está rodeado en su colegio de compañeros con buenos
resultados en la misma, y viceversa en sentido negativo.
Este resultado desmiente la posibilidad de que sea neutral el colegio al que asiste el
alumno para sus resultados no cognitivos. Por el contrario, el hecho de que haya colegios con
mejores o peores alumnos (según sus resultados) hace que alcance cierta importancia la elección
de escuela dentro de la red publica (siempre entre las posibilidades que tengan los padres de
elegir, según sus circunstancias personales y los baremos de admisión o zonificación en cada
caso), pues ello afectará a la probabilidad de que sus hijos acaben estando dotados o no de unas
adecuadas competencias sociales y formación en valores ciudadanos.

5. Conclusiones.
La evaluación de los resultados en la Educación Secundaria es una cuestión de plena
actualidad dentro del Sector Publico. Sin embargo, todas las experiencias llevadas a cabo hasta el
momento se han centrado en la medida de los resultados curriculares, obviando completamente
la componente no cognitiva del resultado educativo (la centrada en los valores afectivos,
comportamientos sociales y desarrollo personal). Esta omisión suele justificarse en la literatura
por la ausencia de exámenes o pruebas objetivas disponibles para los estudios empíricos, pese a
reconocerse de forma unánime su importancia en la formación de los jóvenes.
En este trabajo hemos analizado la relación entre los resultados en la educación no cognitiva
y las características del centro escolar al que asiste cada alumno. Esta cuestión adquiere especial
relevancia en el caso español, dadas la dualidad de la red pública de centros, donde coexisten

219
escuelas estrictamente públicas con colegios concertados de titularidad privada y financiación
pública y sobre todo, la elevada demanda por los progenitores de la última categoría de colegios
en detrimento de las escuelas estrictamente públicas. Precisamente una de las justificaciones
propuestas en la literatura educativa para este comportamiento radicaría en la percepción por
parte de las familias de una presunta mejor educación en comportamientos sociales en los
colegios concertados.
La mencionada de ausencia de pruebas objetivas obligó a la realización de un costoso
trabajo de campo, al llevarse a cabo una encuesta a todos los alumnos asturianos que cursaban
4º de E.S.O. en el curso 2010/2011. Ello permitió disponer de información sobre más de 5.500
estudiantes, que representaban casi el 80% de los matriculados a inicios de curso en este nivel
educativo. En el cuestionario se introdujeron 20 cuestiones situacionales, con 4 alternativas de
conducta en cada una de ellas, con el fin de aproximar los resultados de cada alumno en educación
no cognitiva, junto a una batería de preguntas identificativas relacionadas con las circunstancias
personales de cada individuo. La información recabada se empleó para analizar la influencia de
las características del colegio sobre los resultados de cada alumno, en otras palabras, si tiene
importancia la elección de centro escolar para este tipo de educación.
Tanto el análisis descriptivo de los datos, como los análisis de varianza (ANOVA) y el
posterior análisis de regresión efectuado, confirman de forma consistente la irrelevancia de la
titularidad del centro para la formación social y en valores de los alumnos. Con ello se rechaza
la argumentación que basa la alta demanda de centros concertados en nuestro país en unas
potenciales características distintivas de los mismos, en cuanto a una mayor atención a los
comportamientos sociales y formación en valores de los niños en los colegios concertados
Con todo, los resultados mostrados en el presente estudio no rechazan la hipótesis de que
el asistir a una u otra escuela sea relevante para este tipo de formación, puesto que el efecto
compañeros se muestra significativo para los resultados no cognitivos de cada alumno. En otras
palabras, no importaría que el colegio sea público o concertado, pero si el tipo de alumnado que
predomina en el mismo (el cual, obvio es decirlo, no tiene una distribución homogénea entre
todos los centros de la red pública, sea cual sea su titularidad).
La continuación natural de la presente investigación pasa por la consideración de las
características individuales (resultados curriculares, uso del tiempo de ocio, creencias religiosas,
amistades, etc.) y familiares (circunstancias socioeconómicas, clima de convivencia en el hogar,
relación ascendientes/descendientes, etc.) de cada estudiante en el análisis. La inclusión de estas
variables complementará la información aquí mostrada y, en primer lugar, permitirá avanzar en el
conocimiento sobre los determinantes de este tipo de educación. Y en segundo lugar, contribuirá
a graduar en términos relativos la influencia de la escuela frente al efecto de las circunstancias
individuales de cada alumno sobre la educación no cognitiva. Con todo ello se espera lograr una
visión global y completa sobre aquellos factores que realmente inciden o no de forma significativa
sobre la educación no cognitiva en nuestro país, de cara al aumento de la calidad educativa y la
adopción de las medidas pertinentes para tal fin por las autoridades publicas.

Referencias
Arum, R. (1996): “Do private schools force public schools to compete?”. American Sociological
Review, 61(1): 29-46.

Best, R. (2003). “New bottles for Old Wine? Affective Education and the Citizenship Revolution in
English Schools”. Pastoral Care in Education, 21(4): 14-21.

220
Bloom, B.S., M. D. Engelhart, E. J. Furst, W. H. Hill, y D. R. Krathwohl (1956). Taxonomy of
educational objectives. Nueva York, David McKay Company.

Calero, J. y J.O. Escardíbul (2007): “Evaluación de servicios educativos: el rendimiento de los

centros públicos y privados medido en PISA-2003”. Hacienda Publica Española, 183(4): 33-66.

Calero, J. y S. Waisgrais (2009): “Factores de desigualdad en la educación española. Una

aproximación a través de las evaluaciones PISA”. Papeles de Economia Española, 119: 86-99.

Cherchye, L., K. De Witte, E. Ooghe y I. Nicaise (2010): “Efficiency and equity in private and
public education: A nonparametric comparison”. European Journal of Operational Research, 202:
563-573.

Cohn y Geske (1990): The Economics of Education, Pergamon Press.

Coleman, J., E. Q. Campbell, C. F. Hobson, J. McPartland, A. M. Mood (1966): Equality of Educational

Opportunity. Washington, U.S. Office of Education.

Coleman, J., T. Hoffer y S. Kilgore (1982): “Cognitive outcomes in public and private schools”.
Sociology of Education, 55 (2): 65-76.

Dronkers, J. y P. Robert (2008): “Differences in scholastic achievement of public, private

government-dependent and private independent schools: A cross-national analysis”. Educational
Policy, 22(4): 541-577.

Figlio, D.N. y J. A. Stone (1997): “School choice and student performance. Are private schools
really better?”. Discussion Paper no. 1141-97. Institute for Research on Poverty, University of
Wisconsin.

Hanushek, E. (1986): “The Economics of Schooling: Production and Efficiency in Public Schools”.
Journal of Economic Literature, 24: 1141-1177.

Hanushek, E. (1997): “Assessing the effects of school resources on student performance: An

update”. Educational Evaluation and Policy Analysis, 19: 141-164.

Hanushek, E. (2003): “The failure of input based schooling policies”. The Economic Journal, 113:
64-98.

Hargreaves, A., E. Baglin, P. Henderson, P. Leeson y T. Tossell (1988): Personal and Social Education.
Choices and Challenges. Oxford, Blackwell.

Lang, P.L.F, Katz, Y. y Menezes, I. (Eds.) (1998). Affective Education. A Comparative View, Londres,
Continuum.

Mancebón, M.J. y D. Perez-Ximenez de Embún (2007): ”Conciertos educativos y seleccion academica

y social del alumnado”. Hacienda Publica Española, 180: 77-106.

221
Mancebón, M.J. y M.A. Muñiz (2008): ”Private versus Public High Schools in Spain: disentangling
managerial and program efficiencies”. Journal of the Operational Research Society, 59-7: 892-
901.

Morgan, S. y Sorensen, A. (1999): “Parental networks, social closure and mathematics learning”.
American Sociological Review, 64: 661-681.

Nixon, J., J. Martín, P. McKeown y S. Ranson (1996): Encouraging Learning: Towards a theory of
the learning school. Milton Keynes, Open University Press.

OECD (2010). PISA 2009 Results. OECD Publishing, Paris.

Perelman, S. y Santín, D. (2011). “Measuring educational efficiency at student level with parametric
stochastic distance functions: an application to Spanish PISA results”. Education Economics, 19(1):
29-49.

Pring, R. (1984). Personal and Social Education in the Curriculum. Londres, Hodder y Stoughton.

Salinas, J. y Santín, D. (2012): “Selección escolar y efectos de la inmigración sobre los resultados
academicos españoles en PISA 2006”. Revista de Educación, 358, en prensa.

Sullivan, A. (2001): “Cultural capital and educational attainment”. Sociology, 35: 835-912.

Urquizu, I. (2008): “La selección de escuela en España”. RASE Revista de la Asociación de Sociología
de la Educación, 1(2):70-89.

Watkins, C., Lodge, C. y McLaughlin, C. (Eds.) (1991): Gender and Pastoral Care. Oxford,
Blackwell.

Worthington, A. (2001); “An empirical survey of frontier efficiency measurement techniques in

education”. Education Economics, 9 (3): 245-268.

222
2. Publicly finance schools productivity comparison for Basque Country
through a new educational Malmquist index approach

Eva Crespo Cebada, Universidad de Extremadura

Francisco Pedraja Chaparro, Universidad de Extremadura
Daniel Santín González, Universidad Complutense de Madrid/ Instituto de Estudios Fiscales

223
Publicly finance schools productivity comparison for Basque Country through
a new educational Malmquist index approach

Eva Crespo Cebada, Universidad de Extremadura

Francisco Pedraja Chaparro, Universidad de Extremadura
Daniel Santín González, Universidad Complutense de Madrid/ Instituto de Estudios Fiscales

Abstract
It is well known in the educational literature that public and government dependent private
schools show different production technologies and present differences in the productivity of
their educational inputs due to management issues. On the one hand the students attending
public schools differ in their socioeconomic characteristics from students in the government
dependent private (private management and funded by the government) ones. In this paper
we propose a new non-parametric Educational Malmquist index approach in order to analyze
total factor productivity changes and divergences between publicly financed schools when only
a pseudo-panel database is available. This paper includes an empirical analysis for the Spanish
Region Basque Country, who has a representative sample in the Programme for International
Student Assessment (PISA) 2003, 2006 and 2009. PISA includes a wide variety of background
information on the students collected by student questionnaires and about schools resources.
The results suggest a higher annual productivity change for government dependent private
schools, mostly due to technical divergences among both school types. Similarly, the general
productivity evolution among, public and government dependent private, schools within 2003-
2009 benefits government dependent private schools in all cases, although this figures seem not
to be significant.

Keywords: Efficiency, Productivity, Education, PISA, Malmquist.

1. Introduction
One of the main goals in the field of economics of education is to analyze the inefficiency
behaviours in the learning process. The sources of inefficiency may be due to multiple reasons such
as the way in which resources are organized and managed, the motivation of the agents involved
in the process or the structure itself of the educational system (Nechyva, 2000; Woessman,
2001).
The recently increase of national and international programs to evaluate the scholar
achievement during last decades shows the higher policy concern about educational performance.
Hence, last years some international projects have been developed in order to evaluate the
educational achievements in which are considered the vehicular disciplines: Science, Mathematics
and Lecture. The most important international programs are TIMSS (Third International Mathematics
and Science Study), PISA (Programme for International Student Assessment) and PIRLS (Progress
in International Reading Literacy Study) although many countries perform their own evaluations
e.g. the National Assessment of Educational Progress (NAEP) in the United States.
The main advantage of these programs is that provide an external evaluation of educational
results with the aim of identifying causes of school failure allowing to policy makers and school
principals to go into their management strengths and weakness in depth. However, the comparison
of students or schools behaviours along the time using these international studies is not possible
due to participant schools and students differ from one wave to another.

224
 In order to tackle the inefficiency measurement issue in education many studies have used
non parametric Data Envelopment Analysis (Bessent and Bessent, 1980; Charnes, Cooper, and
Rhodes, 1981 and Bessent et al., 1982; Cordero et al., 2010a77) and other parametric methodologies
(Christensen, Jorgenson, and Lau, 1971; Gyimah-Brempong and Gyapong, 1992; Deller and
Rudnicki, 1993, Grosskopf et al., 1997, Perelman and Santín, 2008, Cordero et al., 2010b).
In this paper we propose the use of the well known Malmquist Index in order to obtain a
measurement of productivity divergences between Public Schools (PS) and Government Dependent
Private Schools (GDPS) within three time periods (2003-2009). With this aim we provide an
empirical application to Basque Country educational data from the Programme for International
Student Assessment (PISA), implemented in 2003, 2006 and 2009 by the Organization for Economic
Cooperation and Development (OECD). PISA includes a wide variety of background information on
the students collected by student questionnaires and about schools resources, (for an extensive
review see OECD, 2007a, 2007b and 2009).
The paper is organized as follows. Section 2 provides an overview about the Malmquist
Index together with our estimation strategy. In Section 3 data set and selected inputs and
outputs are described. Section 4 provides results and a discussion of our empirical analysis and
the final section offers some conclusions and future lines for research.

2. Methodology
Malmquist Index (MI) was proposed by Caves, Christensen and Diewet (1982) with the aim
of measuring the productivity changes within two time periods as the distance between a decision
making unit (DMU) and the frontier for each period. The index is built using different Data
Envelopment Analysis (DEA) programs, so no assumptions, beyond monotonicity and convexity,
about the production technology are required. Hence, it is especially attractive in the educational
context, where multiple inputs and output are involved and prices are unknown or difficult to
estimate.
The MI provides a measure of the total productivity factors (TPF) evolution and their
components along the time, so the TPF is explained by the efficiency change, which is known as
catch-up effect, and the technology change (frontier shift). Figure 1 illustrates the TFP change
for a DMU in two periods.

Figure 1. Productivity change in one input and one output set

77 For an empirical survey of frontier efficiency techniques in education, see Worthington (2001).

225
 In Figure 1, DMU d (g) employs in period t (t+1) xt (xt+1) units of input to produce

yt (yt+1) units of outputs. Through these quantities the MI measures the catch-up effect as the
ef ac
ratio . When the index is greater (less) than one the DMU improves (make worse) its
eg ad
ac bh
efficiency. The frontier or technology shift is denoted by . , where values greater (less)
ab bf

€ than one implies a production frontier upward (downward) movement.

To formalize the index we first assume constant returns to scale (CRS). Defining a vector of
inputs x = (x1, …, xK) and a vector of outputs
€ y = (y1, …, yM) , a feasible multi-
input multi-output production technology for a period of time t (t = 1....,T) can be defined using
the output possibility set Pt(xt). This output possibility set can be produced using the input
vector xt: Pt(xt) = {yt: xt can produce yt}, which is assumed to satisfy the set of axioms described
in Färe and Primont (1995). This technology can be also defined as the output stochastic distance
function proposed by Shephard (1970):

D t ( x t ,yt ) = inf θ :θ > 0,( x t ,yt θ ) ∈ P t ( x t )

{ } (1)

From Equation (1), if D ( x ,y ) ≤ 1 then ( x ,y ) belongs to the production set Pt (xt) and,
t t t t t

additionally, when D ( x ,y ) = 1 yt is located on the outer boundary of the output possibility
t t t

€
set.
Following Färe
€ et al. (1994) we€ may define the Malmquist productivity index from the
distance function,
€ Dt, and the inputs - outputs endowments xt, yt for each period of time t (t =
1....,T). The analytical expression of the index would be:
12
D t+1(x t+1 ,yt+1 ) ⎡⎛ D t (x t+1 ,yt+1 ) ⎞⎛ D t (x t ,yt ) ⎞⎤
M ( x ,y ,x ,y ) =
t+1 t+1 t t
* ⎢⎜ t+1 t+1 t+1 ⎟⎜ t+1 t t ⎟⎥ = TEC * TC (2)
D t (x t ,yt ) ⎣⎝ D (x ,y ) ⎠⎝ D (x ,y ) ⎠⎦
where a higher than one index implies productivity improvements and lower than one productivity
losses78.
€ Equation (2) may be decomposed into two items. The first one, the technical efficiency
change (TEC) catches improvements (reductions) on efficiency in period t+1 when TEC > 1 (TEC <
1), whereas TEC = 1 indicates no changes on technical efficiency. The second measure represents
the technological change (TC) in period t+1, whose sign may be analysed in a similar way than
TEC although both measures may have different directions.
Furthermore the index may be calculated assuming constant returns to scale (CRS) and
variable returns to scale (VRS), which allow us to decompose the efficiency change into pure
efficiency and scale efficiency changes as shows the following expression:
DtCRS
+ 1
(Xt+1 ,Yt+1 )
Dt + 1(Xt + 1 ,Yt + 1 ) DtVRS
+ 1
(Xt + 1 ,Yt + 1 ) Dt+1
VRS(X
++1
,Yt+1 )
TEC = o t t t
= = PEC * SEC (3)
Do (X ,Y ) DtVRS(Xt ,Yt ) DtCRS(Xt ,Yt )
DtVRS(Xt ,Yt )

€ 78 This productivity index is the geometric mean of two productivity index, where the first one takes t period as
reference and the second one t+1, avoiding arbitrary selection in the period of reference.

226
 where the first item catches the pure efficiency change (PEC) with respect to variable returns
to scale frontier and the second one represents the scale efficiency change (SEC), which reflects
changes between both CRS and VRS frontiers.
Therefore, following Ray and Desli (1997), the Malmquist Index considering VRS, comprises
three elements: the pure efficiency change (PEC), the scale efficiency change (SEC) and the
technology change (TC).
12
D t+1(x t+1 ,yt+1 ) ⎡⎛ D t (x t+1 ,yt+1 ) ⎞⎛ D t (x t ,yt ) ⎞⎤
M ( x ,y ,x ,y ) =
t+1 t+1 t t
* ⎢⎜ t+1 t+1 t+1 ⎟⎜ t+1 t t ⎟⎥ = TEC * TC (4)
D t (x t ,yt ) ⎣⎝ D (x ,y ) ⎠⎝ D (x ,y ) ⎠⎦
The purpose of our study is to analyse productivity differences among publicly financed
schools using the MI approach. Thus, we propose a non-parametric Educational Malmquist (EM)
€ in order to obtain productivity divergences between PS and GDPS in the same year instead of
making the comparison across the time. With the aim to perform this analysis we need a pseudo-
panel database as PISA or TIMSS, where sampled schools are representative from publicly financed
educational systems.
Equation (5) shows the expression for this EM, where “C” and “P” super-indexes indicate
GDPS and PS respectively, which substitute the super-indexes t and t+1, and subindex i indicates
the time period:
DCCRS(XC ,YC ) 1
DCVRS(XC ,YC ) DCVRS(XC ,YC ) ⎡ D (x ,y ) D (x ,y )⎤
C P P C C C 2

EMi = P ⋅⎢ x ⎥ (5)
DVRS(XP ,YP ) DPCRS(XP ,YP ) ⎢⎣ D P (x P ,yP ) D P (x C ,yC ) ⎥⎦
DPVRS(XP ,YP )
The expression above shows average productivity differences in one year between both PS
and GDPS. The EM index may be decomposed
€ into three components: the first one refers to pure
€ efficiency differences among them, which are the differences in distances for each management
system to its own VRS frontier, the second item is the scale efficiency divergence, that indicates
how separated are both CRS and VRS frontiers for PS and GDPS respectively, and the last one
is the technology difference between both school types. This approach allows us to compare
mean productivities between both educational systems with the aim of analysing efficiency and
technology differences among both PS and GDPS. Hence, a higher (smaller) than one index
implies that GDPS are more (less) productive than PS. Therefore the EM index expressed as the
product of these three components would be:
⎡(Oc/Oq) ⎤
(Oe/Oq) (Oe/Oq)
⎢ ⎥ ⎡(Og/Oq) (Ob/Op)⎤
.⎢ ⎥.
(Ob/Op) ⎢⎣ (Oc/Oq) . (Oa/Op)⎥⎦
EMI = (6)
(Of/Op) ⎢ ⎥
⎢⎣ (Of/Op) ⎥⎦

As it was mentioned above, divergences in productivity may be explained by differences

among both school types in three components: the pure efficiency difference (PED), the scale
€
efficiency difference (SED) and the technological difference (TC). The PED, which indicates the
distance from a GDPS to its VRS frontier respecting to the distance from a PS to its VRS frontier,
is given by the ratio:
(Oe/Oq)
PED =
(Of/Op) (7)

€ 227
 The SED shows how separated are both CRS and VRS for a GDPS with respect to the same
distance for a PS, being the expression as follows:
(Oc/Oq)
(8)
SED = (Oe/Oq) (Ob/Op)
(Of/Op)

Finally, TD among schools referring to CRS frontiers, are showed by:

€ ⎡(Og/Oq) (Ob/Op)⎤
TD = ⎢ . ⎥ 79 (9)
⎣ (Oc/Oq) (Oa/Op) ⎦
Figure 2 illustrates these concepts in a simple one output-one input setting in one period.
Let assume that the frontier SiVRS represents variable returns to scale (VRS) technology and the
constant returns to€scale (CRS) technology is indicated by the line SiCRS, where the super-index
indicates the school ownership, PS (P) and GDPS (C).
Moreover the average inefficient public (government dependent private) school consumes
x (x ) input and produces yP, (yC) output.
P C

Figure 2. Productivity divergences between public and government dependent private schools

Output
ScCRS SpCRS ScVRS
y

SpVRS

(xc,yc)
    

(xp,yp)
    

O a bcde f ghp q Input x

Furthermore, we are interesting in analysing productivity changes within two periods
using the ratio of two EM expressions. Then the productivity deviation of GDPS with respect to PS
within t and t+1 is as follows:
Mt
EMC = (10)
M t+1
Equation (10) indicates productivity gains for PS when EMC > 1 or productivity losses
when EMC < 1. Similarly, the pure efficiency change (PEC), the scale efficiency change (SEC) and
the technology changes (TC) € between PS and GDPS within the two periods may be explained by
the following ratios:
PED t TD t SED t
PEC = TC = SEC = (11)
PED t+1 TD t+1 SED t+1

79 In this simple graphical example the two components of TD are identical, but this will not in general be the
case.
€ € €
228
where a higher than one ratio implies PS are more efficiency and/or advanced technologically
than GDPS are.
For empirical purpose we propose four alternatives in order to match both PS and GDPS
samples when the size of these samples is different, m and n respectively.
These alternatives allow us to obtain a robust matching of the units, taking into account
that results must be analysed in the mean, so unit are different across samples. Thus, our proposal
consists of matching different units instead of the same unit in different time periods, so our
analysis is only valid at the mean value.
The Alternative 1 consists of matching samples randomly. Let assume that n > m.
Therefore, we select m units from the largest sample n, being the remainder units using to build
the productive frontier but they are not considered to obtain the Educational Malmquist index.
The Alternative 2 consists of removing a number of units from the smaller sample to
obtain the same number of units than in the largest one. Let assume that n > m then:

- If m*2 > n; n - m units are removed randomly from the m sample to equal n.
- If m*f > n; where f is a natural number equals or higher than 2 (f= 2, 3,…, F) and it is
used to match the m sample multiplied by f.
- If m*2 < n; where f is a natural number equals or higher than 2 (f= 2, 3,…, F) and it is
used to match the m sample multiplied by f. Then, n – m*f units are removed randomly from the
original m sample to equal n.

Alternative 3 consists of the following steps:

- A Data Envelopment Analysis (DEA) is estimated for the higher sample.

- Let assume that n > m. Then, m units are selected from the higher sample, n, maintaining
the percentage of efficient units.
- Unmatched units are used to build the productive frontier and to evaluate the other units,
although not to obtain the mean indexes.

Alternative 4 consists of the following steps:

- A DEA is estimated for the smaller sample.

- Let assume that n > m. Then, m units are randomly selected from the smaller sample, m,
to achieve n maintaining the percentage of efficient units.

- If m*2 > n; n - m units are removed randomly from the m sample to equal n.
- If m*f > n; where f is a natural number equals or higher than 2 (f= 2, 3,…, F) and it is
used to match the m sample multiplied by f.
- If m*2 < n; where f is a natural number equals or higher than 2 (f= 2, 3,…, F) and it is
used to match the m sample multiplied by f. Then, n – m*f units are removed randomly from the
original m sample to equal n.

Finally, unmatched units are used to build the productive frontier and to evaluate the
other units, although not to obtain the mean indexes.
Finally, in order to obtain statistical test of results, we use the bootstrap methodology,
proposed by Simar and Wilson, 1999, with the aim of calculating confidence intervals for the

229
Educational Malmquist and its components. This methodology consists of estimating the empirical
distribution of non-parametric measure, which allows us to determine the robustness of efficiency
and productivity analysis results.

3. Dataset and variables

In our empirical analysis, we use Basque Country school data from PISA 2003, 2006 and
2009, which provide us with data from 15 years old students. The methodology described in
section 2 is carried out for each region separately, so Spanish regions are actually fully responsible
for the management of educational resources since 2000.
One of the main advantages of the PISA study is that it does not evaluate cognitive abilities
or skills through using one single score but each student receives a score in each test within a
continuous scale. In this way, PISA attempts to collect the effect of particular external conditioning
factors not depending on the students when taking the test, namely being ill or becoming very
nervous, among other random factors. Furthermore, it also involves that measurement error in
education is not independent from the position of the student in the distribution of results.
Precisely, students with very low or high results have higher associated measurement errors and
higher asymmetry in error distribution.
Likewise, PISA also collects an extensive dataset on these variables through two
questionnaires: one completed by the students themselves and another one filled out by principals.
From these data, it is possible to extract a great amount of information referred to the main
determining factors of educational performance represented by variables associated to familiar
and educational environments as well as to school management and educational supply.

Outputs and plausible values

The true output as result of an individual education is very difficult to measure empirically
due to its inherent intangibility. Education does not only consist of the ability of repeating
information and answering questions, but it also involves the skills to interpret the information
and learn how to behave in the society. Unfortunately, it is really hard to measure all of them.
But perhaps, according to Hoxby (2000), the most important reason could be that both policy
makers and parents use this criterion to evaluate the educational output and its subsequent
information to choose the school for their children and even their place of residence.
In this study we use the results obtained by students in the three competences evaluated
in PISA (mathematics, reading comprehension and sciences) as school output. As it has already
been mentioned, the study uses the concept of plausible values to measure the performance of
students, since measures in these subjects have a wide margin of error due to the fact that the
measuring concept is abstract and they are subject to the special circumstances of students and
the special circumstances on the date of the exam. These values are random values obtained
from the distribution function of results estimated from the answers in each test. They can be
interpreted as a representation of the ability range for each student80 (Wu and Adams, 2002).
Plausible values in the three tests are used as outputs in the efficiency analysis. In order
to obtain correct results and avoid problems of bias in estimations it will be necessary to calculate
five different EM index for each trio of plausible values and take the mean value afterwards,
instead of using mean values to obtain one EM index (OCDE, 2005).

80 For a review of plausible values literature see Mislevy et al. (1992). For a concrete Studio of Rasch model and
how obtain feasible values in PISA, see OECD (2005).

230
Inputs
In order to calculate the EM index we have used four different inputs that are directly
involved with learning (PARED, HISEI, MATEDU and STRATIO). PARED is the index of highest level
of parental education in number of years of education according to the International Standard
Classification of Education (ISCED, OECD, 1999) and HISEI is the index of highest parental
occupation status according to International Socio-economic index of Occupational Status (ISEI,
Ganzeboom et al., 1992). MATEDU is an index of quality of scholar resources derived from school
manager’s responses. All questionnaires contain several items related with the school deficiencies
on those issues, but some items are different across the three waves. So ten coincident items were
selected in each sample and the school receive one point in case the manager’s response would
be there is not deficiency in each item81. The maximum (minimum) punctuation for each school
is ten (zero) points, which indicates an excellent (dreadful) educational input82. Finally, STRATIO
is a ratio between total number of students in school and total number of teachers weighted on
their dedication (part-time teachers contributes 0.5 and full-time teachers 1).
Table 1 shows the mean value for the three outputs – students’ results on Mathematics,
Readings and Science- and for the inputs commented above – been two of them related with the
socioeconomic background of the students and the other two inputs refer to the scholar resources.
The figures below indicate that the students’ results are higher for GDPS in all disciplines. However,
the mean socioeconomic background, measured by both variables PARED and HISEI is lower in PS.
Similarly, GDPS present a higher quality of resources, MATEDU, although the student-teacher ratio
(STRATIO) benefits to PS, were the ratio is higher than for the other ones, which implies that each
teacher is in charge of a more reduced group of students.

Table 1. Descriptive statistics of outputs and inputs in Basque Country

2003 2006 2009
Std. Std. Std.
Measures Mean Dev. Min. Max. Mean Dev. Min. Max. Mean Dev. Min. Max.
Variables Public Schools
Math 488.67 30.31 390.79 550.37 477.99 53.47 367.98
574.68 497.61 40.53 389.11 569.44
Read 480.69 30.40 396.83 541.46 464.82 54.95 337.43
584.09 480.02 34.07 405.15 529.89
Science 467.73 32.50 372.59 534.77 474.26 44.51 366.33
562.39 481.58 28.73 414.26 543.18
Pared 11.61 1.22 8.50 13.97 11.86 1.71 8.25 15.68 12.96 1.30 9.82 15.50
Hisei 42.37 6.79 31.13 60.23 44.47 6.78 32.33 62.70 45.55 6.06 32.30 59.53
Matedu 6.21 3.54 1.00 11.00 8.48 2.51 1.00 11.00 9.01 1.55 6.00 11.00
Stratio 14.62 2.45 9.41 20.88 15.54 2.89 11.30 24.30 15.02 2.99 9.15 23.71
Obsv. 53 56 68
Variables Government-Dependent Private Schools
Math 509.39 34.68 426.83 581.83 512.45 38.62 402.79 584.17 520.73 34.77 436.98 593.48
Read 509.16 37.44 424.02 592.41 500.62 39.03 395.85 590.51 509.52 36.64 411.43 580.10
Science 495.02 36.69 411.30 564.49 505.40 36.91 426.95 597.50 507.56 35.15 391.50 576.13
Pared 12.28 1.21 8.50 14.65 12.89 1.57 9.09 16.17 13.80 1.37 10.41 16.25
Hisei 46.78 8.64 33.62 67.88 49.33 8.42 34.62 68.95 51.53 8.07 35.61 71.57
Matedu 7.89 3.19 1.00 11.00 8.06 2.73 1.00 11.00 9.08 1.85 4.00 11.00
Stratio 6.78 1.18 4.23 10.31 6.89 1.25 4.13 10.37 7.41 1.72 3.96 15.66
Obsv. 70 81 90

81 The selected item are: ‘Qualified teachers on Science’, ‘Qualified teachers on Mathematics’, ‘Qualified teachers on
Lecture’, ‘Any other Personal Support’, ‘Science laboratory equipment’, ‘Educational material’, ‘Computers’, ‘Software’,
‘Library resources’, ‘Audiovisual resources’.
82 This variable has been rescaled in order to avoid zeros in the empirical analysis.

231
4. Results
This section presents the main results obtained in our analysis for Basque Country. Our
methodology allows us comparing PS and GDPS productivity changes between 2003-2006 and
2006-2009.
Tables 2-3 report the results after applying this EM methodology for Basque Country in
2003, 2006 and 2009 using alternatives 1-4 for matching. Thus, the first column of each year of
Table 4 shows the EM index, where PS are considered as period t and GDPS as period t+1. After
this measure, we report all its components: the Efficiency Divergence (ED), the Technological
Difference (TD) and finally the Pure Efficiency Difference (PED) and the Scale Efficiency Difference
(SED) respectively. Similarly, Table 3 represents the productivity gains between both PS and GDPS
within 2003-2009 using all alternatives. The first column for each year of Table 3 shows the EMC
within two time periods (EMC) and its components: the Efficiency Change (EC), the Technological
Change (TC) and finally the Pure Efficiency Change (PEC) and the Scale Efficiency Change (SEC)
respectively. Finally, Tables 6-7 indicate the 90%, 95% and 99% confidence intervals (Simar y
Wilson, 1999) for the EM and EMC, respectively, being LB the Lower Band and UB the Upper
Band.
This confidence interval allows us to obtain statistical test of the different measures.
Several conclusions may remove from Table 2. Firstly, GDPS are generally more productive
than PS independently of the alternative used for matching samples. However the productivity
difference among both school types is reduced year by year, going from 2% using alternative 1
to 4% using alternative 2 between 2003 and 2009. On the other hand, it is observed a peak in
this tendency independently of the alternative we use to match the different samples. Thus,
GDPS are even more productive related to PS in 2006, although as Table 4 shows these results
are no significant for any alternative. Moreover, productivity divergences are mostly explained
by the technological gap among PS and GDPS, but again the figures are not significant for any
alternative. Finally, the simulation for Basque Country seems to indicate that the results are
not sensitive to the matching alternative, so there no relevant discrepancies in the educational
Malmquist and its components for the different alternatives used to match the school samples.
Similarly, results from Table 3 indicates that PS are significantly more productive than
GDPS within 2003-2009, although this apparently advantage of the public system reflects the
reduction in the productivity difference among both school ownership from 2003 to 2009. On
the other hand, the technology gap is the main component in the EM, especially for alternative
2 and 4, which are significant at 99%. Nevertheless, the efficiency component jointly with the
technology one explain the productivity change within 2003-2009 using alternatives 1 and 3,
in fact PS present a higher and significant pure efficiency than GDPS. Then, although GDPS are
more advantage technologically, PS are reducing the distance to its frontier, so they improve their
efficiency level. Finally, the apparently superiority of GDPS in Basque Country may be explained
because the differences between PS and GDPS are reducing year by year, although PS are more
productive for an individual year, the productivity evolution benefits for GDPS.

232
Table 2. Educational Malmquist Index in Basque Country
2003 2006 2009
Region Statistic EM ED TD PED SED EM ED TD PED SED EM ED TD PED SED
Mean 1.2405 0.9934 1.2522 1.0061 0.9873 1.3664 0.9688 1.4189 0.9888 0.9797 1.2240 0.9864 1.2452 0.9964 0.9900
A1
Std.Dev 0.0195 0.0109 0.0227 0.0080 0.0067 0.0254 0.0151 0.0270 0.0094 0.0102 0.0307 0.0111 0.0362 0.0066 0.0070
Mean 1.2610 1.0021 1.2638 1.0165 0.9858 1.3627 0.9842 1.3922 1.0046 0.9797 1.2229 0.9952 1.2336 1.0029 0.9924
A2
Std.Dev 0.0232 0.0101 0.0238 0.0067 0.0064 0.0230 0.0132 0.0229 0.0078 0.0088 0.0277 0.0103 0.0320 0.0055 0.0067
Mean 1.2516 0.9947 1.2620 1.0062 0.9885 1.3703 0.9732 1.4176 0.9908 0.9822 1.2253 0.9887 1.2441 0.9986 0.9901
A3
Std.Dev 0.0201 0.0110 0.0231 0.0081 0.0067 0.0266 0.0145 0.0267 0.0094 0.0095 0.0303 0.0109 0.0347 0.0065 0.0070

A4 Mean 1.2379 0.9961 1.2452 1.0137 0.9827 1.3631 0.9809 1.3999 1.0049 0.9761 1.2068 0.9940 1.2185 1.0018 0.9922
Std.Dev 0.0121 0.0091 0.0141 0.0063 0.0059 0.0263 0.0131 0.0219 0.0077 0.0087 0.0179 0.0099 0.0207 0.0055 0.0065

Table 3. Productivity gains between PS and GDPS within 2003-2009 in Basque Country
Ratio 03-06 Ratio 06-09 Ratio 03-09

Region Statistic CM CE CT CEP CEE CM CE CT CEP CEE CM CE CT CEP CEE Region Statistic

Mean 0.9081 1.0256 0.8828 1.0176 1.0079 1.1169 0.9822 1.1404 0.9924 0.9897 1.0069 1.0036 1.0031 1.0049 0.9987 Mean
A1 A1
Std.Dev 0.0192 0.0193 0.0235 0.0126 0.0126 0.0300 0.0187 0.0386 0.0115 0.0123 0.0142 0.0078 0.0170 0.0051 0.0049 Std.Dev

Mean 0.9255 1.0183 0.9080 1.0119 1.0063 1.1148 0.9890 1.1293 1.0017 0.9873 1.0156 1.0034 1.0124 1.0068 0.9967 Mean
A2 A2
Std.Dev 0.0177 0.0172 0.0221 0.0102 0.0113 0.0267 0.0168 0.0347 0.0095 0.0112 0.0133 0.0071 0.0162 0.0043 0.0046 Std.Dev

Mean 0.9136 1.0223 0.8905 1.0157 1.0065 1.1188 0.9844 1.1404 0.9922 0.9921 1.0108 1.0030 1.0074 1.0038 0.9992 Mean
A3 A3
Std.Dev 0.0197 0.0188 0.0230 0.0125 0.0118 0.0300 0.0184 0.0382 0.0116 0.0120 0.0139 0.0077 0.0164 0.0051 0.0049 Std.Dev

Mean 0.9084 1.0157 0.8897 1.0088 1.0068 1.1296 0.9869 1.1492 1.0031 0.9839 1.0129 1.0011 1.0110 1.0059 0.9952 Mean
A4 A4
Std.Dev 0.0166 0.0164 0.0173 0.0099 0.0109 0.0203 0.0162 0.0261 0.0093 0.0107 0.0080 0.0068 0.0104 0.0042 0.0044 Std.Dev

233
 234
Table 4. Confidence interval for Educational Malmquist in Basque Country
Alternative Alternative 1 Alternative 2 Alternative 3 Alternative 4
CI 99% 95% 90% 99% 95% 90% 99% 95% 90% 99% 95% 90%
Measures LB UB LB UB LB UB LB UB LB UB LB UB LB UB LB UB LB UB LB UB LB UB LB UB
2003
EM
1.2193 1.2640 1.2134 1.2776 1.2045 1.3059 1.2350 1.2887 1.2239 1.3030 1.2096 1.3308 1.2295 1.2771 1.2225 1.2902 1.2134 1.3135 1.2233 1.2527 1.2184 1.2590 1.2120 1.2692
ED
0.9796 1.0077 0.9758 1.0116 0.9697 1.0184 0.9888 1.0151 0.9861 1.0191 0.9805 1.0264 0.9807 1.0089 0.9770 1.0133 0.9700 1.0212 0.9847 1.0082 0.9817 1.0119 0.9765 1.0175
TD
1.2287 1.2808 1.2231 1.2935 1.2135 1.3304 1.2387 1.2944 1.2341 1.3097 1.2233 1.3402 1.2373 1.2926 1.2325 1.3056 1.2224 1.3364 1.2285 1.2625 1.2238 1.2697 1.2155 1.2832
PED
0.9959 1.0162 0.9930 1.0191 0.9873 1.0247 1.0080 1.0250 1.0055 1.0273 1.0012 1.0320 0.9961 1.0165 0.9927 1.0196 0.9867 1.0242 1.0055 1.0218 1.0033 1.0239 0.9984 1.0282
SED
0.9791 0.9962 0.9766 0.9990 0.9727 1.0038 0.9780 0.9942 0.9760 0.9969 0.9721 1.0027 0.9801 0.9974 0.9782 0.9997 0.9744 1.0052 0.9753 0.9905 0.9735 0.9929 0.9705 0.9975
2006
EM
1.3296 1.3964 1.3156 1.4052 1.3004 1.4203 1.3279 1.3898 1.3149 1.3948 1.3023 1.4069 1.3308 1.3998 1.3151 1.4093 1.3015 1.4240 1.3146 1.3897 1.3053 1.3960 1.2925 1.4059
ED
0.9492 0.9875 0.9435 0.9934 0.9353 1.0037 0.9668 1.0009 0.9624 1.0067 0.9554 1.0142 0.9544 0.9914 0.9499 0.9965 0.9410 1.0067 0.9642 0.9981 0.9597 1.0028 0.9516 1.0112
TD
1.3851 1.4553 1.3766 1.4651 1.3605 1.4878 1.3630 1.4219 1.3561 1.4317 1.3448 1.4482 1.3840 1.4520 1.3765 1.4641 1.3633 1.4871 1.3721 1.4286 1.3659 1.4366 1.3533 1.4507
PED
0.9768 1.0004 0.9729 1.0043 0.9672 1.0116 0.9946 1.0143 0.9913 1.0173 0.9856 1.0225 0.9786 1.0029 0.9749 1.0056 0.9681 1.0108 0.9950 1.0150 0.9920 1.0177 0.9870 1.0225
SED
0.9663 0.9927 0.9630 0.9962 0.9573 1.0031 0.9684 0.9912 0.9655 0.9939 0.9591 1.0002 0.9701 0.9946 0.9668 0.9980 0.9607 1.0054 0.9648 0.9874 0.9624 0.9909 0.9584 0.9971
2009
EM
1.1926 1.2698 1.1843 1.2850 1.1708 1.3093 1.1936 1.2618 1.1823 1.2754 1.1718 1.3064 1.1936 1.2699 1.1836 1.2850 1.1718 1.3116 1.1846 1.2283 1.1758 1.2396 1.1680 1.2594
ED
0.9719 1.0006 0.9678 1.0044 0.9595 1.0125 0.9821 1.0086 0.9783 1.0124 0.9709 1.0189 0.9743 1.0029 0.9707 1.0065 0.9650 1.0134 0.9813 1.0066 0.9780 1.0108 0.9721 1.0177
TD
1.2059 1.2985 1.2003 1.3188 1.1878 1.3468 1.1990 1.2794 1.1941 1.2951 1.1818 1.3258 1.2064 1.2949 1.2009 1.3130 1.1890 1.3422 1.1954 1.2455 1.1910 1.2583 1.1829 1.2820
PED
0.9878 1.0046 0.9855 1.0072 0.9807 1.0117 0.9959 1.0097 0.9936 1.0116 0.9900 1.0153 0.9904 1.0070 0.9882 1.0093 0.9832 1.0130 0.9947 1.0090 0.9927 1.0108 0.9885 1.0140
SED
0.9807 0.9990 0.9779 1.0013 0.9742 1.0060 0.9835 1.0014 0.9814 1.0036 0.9774 1.0078 0.9812 0.9991 0.9788 1.0012 0.9751 1.0061 0.9840 1.0007 0.9816 1.0034 0.9782 1.0064
 235
Table 5. Confidence interval for Educational Malmquist Ratios in Basque Country
Alternative Alternative 1 Alternative 2 Alternative 3 Alternative 4
CI 99% 95% 90% 99% 95% 90% 99% 95% 90% 99% 95% 90%
Measur LB UB LB UB LB UB LB UB LB UB LB UB LB UB LB UB LB UB LB UB LB UB LB UB
es
Ratio 2003-2006
EMC
0.8850 0.9330 0.8791 0.9435 0.8674 0.9627 0.9046 0.9481 0.8999 0.9568 0.8903 0.9776 0.8909 0.9392 0.8836 0.9479 0.8702 0.9680 0.8891 0.9327 0.8851 0.9404 0.8774 0.9537
EC
1.0009 1.0507 0.9951 1.0583 0.9829 1.0713 0.9959 1.0407 0.9905 1.0469 0.9815 1.0572 0.9987 1.0460 0.9916 1.0532 0.9803 1.0676 0.9943 1.0369 0.9889 1.0432 0.9798 1.0547
TC
0.8544 0.9113 0.8472 0.9228 0.8323 0.9459 0.8814 0.9355 0.8739 0.9464 0.8617 0.9680 0.8627 0.9195 0.8560 0.9290 0.8392 0.9517 0.8678 0.9123 0.8621 0.9179 0.8503 0.9312
PEC
1.0018 1.0340 0.9974 1.0383 0.9892 1.0483 0.9988 1.0254 0.9957 1.0290 0.9893 1.0354 0.9997 1.0318 0.9949 1.0362 0.9885 1.0444 0.9959 1.0217 0.9925 1.0253 0.9870 1.0315
SEC
0.9918 1.0244 0.9870 1.0286 0.9800 1.0371 0.9917 1.0209 0.9878 1.0251 0.9810 1.0332 0.9914 1.0212 0.9872 1.0260 0.9792 1.0341 0.9928 1.0208 0.9893 1.0250 0.9820 1.0320
Ratio 2006-2009
EMC
1.0755 1.1519 1.0623 1.1606 1.0376 1.1749 1.0780 1.1454 1.0652 1.1538 1.0410 1.1643 1.0770 1.1545 1.0636 1.1616 1.0388 1.1744 1.1024 1.1539 1.0932 1.1603 1.0751 1.1711
EC
0.9587 1.0058 0.9512 1.0130 0.9405 1.0269 0.9680 1.0104 0.9618 1.0171 0.9505 1.0304 0.9610 1.0080 0.9545 1.0143 0.9411 1.0289 0.9658 1.0080 0.9604 1.0147 0.9511 1.0249
TC
1.0888 1.1872 1.0716 1.1982 1.0423 1.2156 1.0823 1.1709 1.0670 1.1819 1.0408 1.2004 1.0890 1.1860 1.0719 1.1974 1.0409 1.2201 1.1153 1.1807 1.1038 1.1893 1.0775 1.2056
PEC
0.9778 1.0071 0.9734 1.0112 0.9668 1.0196 0.9898 1.0137 0.9863 1.0177 0.9795 1.0247 0.9773 1.0070 0.9726 1.0107 0.9659 1.0191 0.9911 1.0149 0.9875 1.0187 0.9811 1.0251
SEC
0.9744 1.0053 0.9695 1.0104 0.9625 1.0191 0.9732 1.0018 0.9690 1.0056 0.9615 1.0133 0.9768 1.0075 0.9720 1.0117 0.9652 1.0197 0.9704 0.9978 0.9664 1.0015 0.9605 1.0090
Ratio 2003-2009
EMC
0.9874 1.0231 0.9808 1.0279 0.9703 1.0379 0.9981 1.0309 0.9928 1.0363 0.9804 1.0484 0.9922 1.0268 0.9853 1.0312 0.9745 1.0416 1.0026 1.0221 0.9986 1.0247 0.9900 1.0304
EC
0.9936 1.0135 0.9908 1.0162 0.9862 1.0219 0.9944 1.0127 0.9918 1.0153 0.9874 1.0202 0.9931 1.0129 0.9903 1.0159 0.9856 1.0209 0.9923 1.0097 0.9898 1.0122 0.9862 1.0174
TC
0.9800 1.0231 0.9727 1.0289 0.9612 1.0426 0.9908 1.0315 0.9847 1.0371 0.9732 1.0504 0.9848 1.0271 0.9777 1.0321 0.9649 1.0427 0.9973 1.0231 0.9925 1.0265 0.9824 1.0334
PEC
0.9983 1.0113 0.9964 1.0131 0.9935 1.0171 1.0013 1.0123 0.9998 1.0137 0.9966 1.0160 0.9973 1.0102 0.9954 1.0119 0.9908 1.0159 1.0006 1.0113 0.9992 1.0128 0.9960 1.0157
SEC
0.9924 1.0049 0.9909 1.0070 0.9874 1.0104 0.9908 1.0028 0.9894 1.0045 0.9863 1.0075 0.9928 1.0055 0.9913 1.0073 0.9883 1.0109 0.9896 1.0010 0.9881 1.0027 0.9853 1.0062
5. Conclusions
Malmquist Index methodology is widely used in the literature with the aim of measuring
the productivity growth within two time periods as the distance between each DMU and the
frontier for each period. This methodology allows to decomposing the productivity change into
three components: the technical efficiency, the scale efficiency and the technology change. To
perform a Malmquist index we need a panel database.
In this paper, we propose a new Educational Malmquist in order to compare productivity
divergences between public and government dependent private schools across the time when only
a pseudo-panel database is available. For this purpose we use Basque Country school data from
PISA 2003, 2006 and 2009 that provide us wide information about the educational context.
The results show that GDPS outperform PS within the 2003-2009, using different
alternatives to matching school samples, although the productivity difference among both school
types reduces within this time period. However, it is generally observed a productivity divergence
peak for GDPS in 2006 related to previous and following years. On the other hand, the productivity
evolution within 2003-2009 benefits PS, as a consequence of the relative productivity loss for
GDPS during this period, although this result is not significant. Moreover, the technology gap is
the main component in the Educational Malmquist, especially for alternative 2 and 4, which are
significant at 99%.
Finally, our results seem to indicate that more similar average family characteristics among
schools will increase the productivity in the educational Basque Country system. Nevertheless,
these conclusions should be interpreted cautiously, since they are referred to a particular context
and time however their implications are very relevant for the design of educational-policy in the
Basque Country.

References
Bessent, A.M. and E. W. Bessent (1980): “Determining the Comparative Efficiency of Schools
Through Da, ta Envelopment Analysis”. Educational Administration Quarterly, 16 (2), pp. 57-75.

Bessent, A.M, E.W. Bessent, J. Kennington and B. Reagan (1982): “An application of mathematical
programming to assess productivity in the Houston independent school district”. Management
Science, 28, pp. 1355-1367.

Calero, J. and J. O. Escardibul (2007): “Evaluación de servicios educativos: el rendimiento en los

centros públicos y privados medido en PISA-2003”, Hacienda Pública Española, nº 183 (4/2007),
pp. 33-66.

Calero, J. and S. Waisgrais (2009): “Rendimientos educativos de los alumnos inmigrantes:

identificación de la incidencia de la condición de inmigrante y de los peer-effects”, paper presented
in XVI Encuentro de Economía Pública, Granada, February, 2009.

Caves, D.W., L. R. Christensen and W. E. Diewert (1982): “The economics theory of index numbers
and the measurement of input, output and productivity”. Econometrica, 50, pp. 1393-1414.

Charnes, A., W. W. Cooper and E. Rhodes (1981): “Evaluating program and managerial efficiency:
an application of data envelopment analysis to Program Follow Through”. Management Science,
27, pp. 668-697.

236
Chiswick, B. and N. Debburman (2004): “Educational attainment: analysis by immigrant generation”.
Economics of Education Review, 23(4), pp. 361-379.

Christensen, L.R., D. W. Jorgenson and L. J. Lau,(1971): “Conjugate Duality and the Transcendental
Logarithmic Production Function”. Econometrica, 39, pp. 255-256.

Coleman, J., E. Q. Campbell, C. F. Hobson, J. McPartland and A. M. Mood (1966): Equality of

Educational Opportunity, Washington, U.S, Office of Education.

Cordero, J.M., E. Crespo y D. Santín. (2010):“Factors Affecting Educational Attainment Evidence

From Spanish Pisa 2006 Results”. Regional and Sectoral Economic Studies, Vol 10 (3)

Cordero, J.M., E. Crespo, F. Pedraja y D. Santín (2010):“Exploring Educational efficiency Divergences

Across Spanish regions in Pisa 2006”. Revista de Economía Aplicada. (En prensa)

Deller, S.C. and E. Rudnicki (1993): “Production Efficiency in Elementary Education. The Case of
Maine Public School”. Economics of Education Review, vol. 12, nº 1, pp. 45-57.

Färe, R., S. Grosskopf and C.A.K. Lovell (1994): Production Frontiers. Cambridge University Press.

Ganzeboom, H., P. De Graaf, J. Treiman and J. De Leeuw (1992): “A standard internacional socio-
economic index of ocupational status”. Social Science Research, 21 (1), pp. 1-56.

Gyimah-Brempong, K. and A. Gyapong (1992): “Elasticities of factor substitution in the production

of education”. Economics of Education Review, 11. pp. 205–217.

Grosskopf, S., K. Hayes, L. Taylor and W. Weber (1997): “Budget-constrained frontier measures of
fiscal equality and efficiency in schooling”. Review of Economics and Statistics, 79 (1), 116-124.

Hanushek, E. A. (1997): “Assessing the effects of school resources on student performance: An

update”. Educational Evaluation and Policy Analysis, 19, pp. 141-164.

Hanushek, E. A. (2003): “The failure of input based schooling policies”. The Economic Journal,
113, 64-98.

Hoxby, C. M. (2000): “The effects of class size on student achievement: new evidence from
population variation”. Quaterly Journal of Economics, 115, pp. 1239-1285.

Mislevy, R. J., A. E. Beaton, B. Kaplan and K. M. Sheehan (1992): “Estimating population

characteristics form sparse matrix samples of item responses”. Journal of Educational Measurement
29, pp. 133-161.

Nechyba, T. J. (2000): “Mobility targeting and private-school vouchers”. American Economic

Review, 90 (1), pp. 130-146.

Newhouse, D. and K. Beegle (2006): “The Effect of School Type on Academic Achievement: Evidence

237
from Indonesia”. Journal of Human Resources, 41(3): pp. 529–557.

OECD (2005): PISA 2003 Data Analysis Manual, SPSS users, Organisation for Economic Co-operation
and Development, Paris.

OECD (2007): PISA 2006: Science competencies for tomorrow’s world, Paris.
OECD (2009): PISA 2006 Technical Report, OECD. Paris.

Perelman, S. y D. Santín (2011): “Measuring educational efficiency at student level with parametric
stochastic distance functions: an application to Spanish PISA results”. Education Economics, 19
(1), pp. 29-49.

Ray, S. and E. Desli (1997): “Productivity Growth, Technical Progress, and Efficiency Change in
Industrialized Countries: Comment”. American Economic Review, 87 (5), pp. 1033-1039.

Simar, L. and P.W. Wilson (1999): “Estimating and bootstrapping Malmquist indices”. European
Journal of Operational Research 115, pp. 459-471.

Woessman, L. (2001): “Why students in some countries do better”. Education Matters, vol. 1(2),
pp. 67-74.

Worthington, A. C. (2001): “An Empirical Survey of Frontier Efficiency Measurement techniques

in Education”. Education Economics, vol. 9, nº 3.

Wu, M. and Adams, R. J. (2002): “Plausible Values – Why They Are Important”, International
Objective Measurement Workshop, New Orleans.

238
3. Efectos de una reasignación del porcentaje de inmigrantes en el bienestar
social educativo

Carlos Díaz Caro, Universidad de Extremadura

Daniel Santín González, Universidad Complutense de Madrid / Instituto de Estudios Fiscales

239
Efectos de una reasignación del porcentaje de inmigrantes en el bienestar
social educativo

Carlos Díaz Caro, Universidad de Extremadura

Daniel Santín González, Universidad Complutense de Madrid / Instituto de Estudios Fiscales

Resumen
Un sistema económico ideal es aquel que produce el máximo bienestar social en los ciudadanos,
lo cual supone la combinación de dos objetivos, a veces enfrentados, en el ámbito de la economía
pública: la eficiencia y la equidad. No obstante, ambos objetivos son igualmente deseables desde
un punto de vista económico, ya que el análisis de una vertiente de forma aislada podría conducir
a resultados que no reflejarían la situación real objeto de análisis. El objetivo de este trabajo
consiste en analizar cómo afecta una reasignación del porcentaje de inmigrantes en las escuelas
financiadas con fondos públicos sobre los niveles de pobreza, eficiencia y bienestar educativo.
La metodología propuesta parte del concepto de función abreviada de bienestar social educativo,
definida por Badenes y Santín (2006), y que combina tanto eficiencia como equidad, para analizar
ambos conceptos de forma agregada. La aproximación empírica de dicha metodología consiste
en analizar qué efectos tendría sobre el bienestar educativo una distribución del porcentaje de
inmigrantes igualitaria entre las escuelas de dentro de cada región que participaron con muestra
ampliada en PISA 2006. Los resultados muestran ciertas discrepancias entre las diferentes regiones
analizadas y por tipo de escuela, pública y concertada. También se observa como la reasignación
de los inmigrantes entre las escuelas de una misma región genera un incremento en el bienestar
social educativo, ya que pese a que el nivel de pobreza educativa prácticamente no presenta
variaciones, la eficiencia media por alumno aumenta ante dicha redistribución.

Palabras claves: educación, bienestar social, eficiencia, inmigración, PISA

Clasificación JEL: I21, D24, D63, J15.

1. Introducción
Un sistema económico ideal es aquel que produce el máximo bienestar social a los ciudadanos.
Para que tal hecho tenga lugar, han de darse conjuntamente los conceptos de eficiencia y equidad.
De hecho, en muchos países, los principios de eficiencia y equidad fueron incluso incorporados a
la Carta Magna. La Constitución Española en su artículo 31.2 declara: “El gasto público realizará
una asignación equitativa de los recursos públicos y su programación y ejecución responderán a
los criterios de eficiencia y economía”. Sin embargo, en la mayoría de los estudios en el ámbito
de la economía pública el análisis de estos conceptos suele abordarse por separado. No obstante,
ambos objetivos son igualmente deseables desde un punto de vista económico, dado que, el
analizar tan solo una de las vertientes podría llevar a resultados contradictorios y no reflejarían
la situación real objeto de análisis. Desde una perspectiva del gasto público no solo es necesario
abundar en el grado de eficiencia alcanzado, sino también la capacidad de redistribución de dicho
gasto y, en especial, evitar situaciones de pobreza en el conjunto de la sociedad. En el caso del
gasto público educativo es necesario medir y combinar ambos conceptos para evaluar cómo las
diferencias en las distintas regiones o entre distintos tipos de centros educativos.
En este trabajo se parte de la función abreviada de bienestar social educativo definida por
Badenes y Santín (2006) que parten de una función abreviada de bienestar social con el propósito

240
de considerar de forma simultánea aspectos relacionados con el fracaso escolar, en sentido de
desigualdad de oportunidades educativas, y la medición de la eficiencia educativa, entendida
como la capacidad de alcanzar un nivel máximo de conocimientos que se supone debe adquirir un
alumno medio teniendo en cuenta los diferentes factores que afectan a su proceso educativo. El
objetivo consiste, por tanto, en obtener una visión general del bienestar social educativo, ya que
el análisis individual de cada una de las perspectivas puede conducirnos a resultados erróneos.
Por un lado, si sólo analizamos la eficiencia, podríamos encontrar que los estudiantes de una
determinada escuela fueran muy eficientes, sin embargo no sabemos si la distribución de los
resultados es muy desigual. De forma que, habría un grupo importante de alumnos que obtienen
muy buenos resultados pero otros no alcanzan un nivel mínimo de conocimientos y viceversa.
Por otra parte, si realizáramos el análisis desde la perspectiva de la equidad, pudiera ser que en
una región determinada los resultados fueran bastante homogéneos entre los estudiantes, pero
no tendríamos información sobre cómo se asignan los recursos, si hay recursos ociosos o por
el contrario se hace una utilización adecuada de los mismos. Esto conlleva a que la realización
de ambos análisis por separado tan solo muestra resultados parciales, mostrando así una parte
de la situación de un proceso multidimensional como es el caso de la asignación óptima de los
bienes y servicios públicos. La utilización de funciones abreviadas de bienestar educativo permite
cuantificar el bienestar asociado a diferentes regiones y escuelas para poder comparar cuál de
ellas tiene una situación mejor. Asimismo, mediante el cálculo de elasticidades de respuesta, es
posible simular escenarios que permitan al decisor social optar por unas acciones u otras. Se trata,
por tanto, de una herramienta válida para el análisis de escenarios reales y para la simulación de
escenarios hipotéticos.
La eficiencia educativa media se estima mediante una frontera de producción estocástica,
de forma que pueda evaluarse el comportamiento de un conjunto de alumnos, tratando de obtener
el mejor resultado académico posible dado un vector de recursos educativos. Para la estimación de
dicha frontera, asumimos una especificación funcional translogarítimica, la cual supone ciertas
ventajas de flexibilidad, así como la incorporación de las interrelaciones entre los inputs de
segundo orden que no fue planteada por Badenes y Santín (2006).
En relación al análisis de la pobreza y la riqueza educativa, se adoptan las herramientas
estadísticas que suelen utilizarse en la literatura para su medición en el ámbito del sector público.
Definiremos pobreza educativa como aquella situación en la que se encuentra un alumno que
no alcanza un determinado nivel académico, el cual se entiende como el mínimo socialmente
deseable para la edad del alumno en una prueba estándar de conocimientos básicos en ciencias.
La medición de la pobreza está basada en la estimación del índice propuesto por Foster, Greer
y Thorbecke (FTG), el cual cumple con las características deseables de un índice de pobreza. A
su vez, la riqueza educativa se calcula e interpreta de forma simétrica al concepto de pobreza
educativa, con la única diferencia que los gaps de riqueza se calculan sobre los excedentes en
puntuación obtenidos sobre el umbral de pobreza.
Para la realización empírica de esta metodología se utiliza la base de datos PISA 2006,
que dada su riqueza informativa nos permite analizar qué efectos tienen determinadas políticas
educativas sobre el resultado académico en ciencias de los alumnos y, a su vez, sobre el bienestar
educativo. En concreto, se propone la simulación de un escenario hipotético en el cual el porcentaje
de inmigrantes fuera el mismo en cada escuela de una misma región. En definitiva, se trata de
redistribuir, para cada Comunidad Autónoma, el porcentaje de alumnos inmigrantes entre las
escuelas públicas, donde se observa una mayor concentración de este tipo de alumnado, y las
escuelas concertadas.

241
 El trabajo se organiza de la siguiente manera. La sección segunda, se propone el tipo de
función de bienestar que se va a utilizar, construida a partir de la inclusión de un término de
eficiencia media y un índice de equidad. El tercer bloque, versa sobre las principales características
de la base de datos utilizada y los criterios seguidos para la selección de las variables incluidas en
el análisis. El apartado cuarto se dedica a la presentación y discusión de los resultados obtenidos,
diferenciando por una parte los resultados por separado de eficiencia y equidad y, en segundo
lugar, los resultados de la función abreviada de bienestar social. Finalmente, el trabajo concluye
con un apartado dedicado a las conclusiones.

2. Metodología
2.1 Pobreza y riqueza educativa en funciones de bienestar social
El cálculo del bienestar puede abordarse fundamentalmente desde dos enfoques. Por un
lado, mediante la agregación de las utilidades individuales de todos los miembros de la sociedad
o, también, se puede recurrir a la utilización de funciones abreviadas de bienestar social, que
permiten obtener el bienestar social sin la necesidad de calcular previamente las funciones de
utilidad individual. Siguiendo a Badenes y Santín (2006) este último enfoque es el adoptado en el
presente trabajo, puesto que nos permite incorporar simultáneamente una medida de pobreza y
de eficiencia educativa en los resultados obtenidos por los alumnos españoles en el proyecto PISA
2006. La estimación de dicha función se obtiene teniendo en cuenta dos parámetros, uno referido
a la equidad y otro a la eficiencia. En el ámbito educativo considerar únicamente la desigualdad
no cobra tanto sentido como tener en cuenta a aquellos alumnos que no alcanzan un resultado
determinado, calculado mediante un índice de pobreza. Por tanto, el interés se centra en analizar
a aquellos alumnos que no alcanzan un determinado resultado académico, en lugar de medir la
desigualdad en sentido estricto, ya que podría existir una igualdad absoluta sin necesidad de
alcanzar un determinado nivel de conocimiento. Con dicho propósito, el índice de desigualdad
de la función de bienestar social clásica es sustituido por un índice de pobreza, que incorpora un
mayor interés para este trabajo.
La función abreviada de bienestar social (FBS) dependerá positivamente del nivel de
eficiencia media µ, y del índice de riqueza Ir, y negativamente del índice de pobreza Ip como
muestra la siguiente expresión:
⎛ ⎞
FBS = W ⎜⎜ μ ,I r ,I p ⎟⎟ (1)
⎝+ + − ⎠

A partir de la expresión anterior pueden obtenerse diferentes escenarios que permiten

analizar el efecto de diferentes políticas educativas sobre el rendimiento académico de los
alumnos. El cálculo de las elasticidades
€ de respuesta de la propia función posibilita la simulación
de distintos escenarios hipotéticos que permitan valorar cuál es la medida en materia educativa
más recomendable en cada escenario real. A continuación, se expone el tipo de función abreviada
y las características de la función para su mejor entendimiento.

FBS = μ ⋅ (1− kP I P + kR I R ) (2)

donde los parámetros kP y kR son las ponderaciones de los índices de pobreza (IP) y de riqueza
(IR) respectivamente, los cuales permiten dar diferentes valoraciones a la eficiencia o la equidad,
€
en el total de la función de bienestar global, según el grado de adversidad a la pobreza educativa
que presente una sociedad. En el caso extremo que ambos parámetros tomaran el valor cero,

242
su cómputo en la función de bienestar social se anularía y únicamente se tendría en cuenta la
eficiencia media. En este último supuesto, se estaría dejando a un lado la vertiente de la equidad,
de forma que el bienestar social se basaría únicamente en el grado de eficiencia alcanzado. En
la práctica los valores de kP y kR van a depender de la elasticidad83 eficiencia-equidad, esto es la
disminución que se estaría dispuesto a asumir en la eficiencia media a cambio de una reducción
(aumento) en la pobreza (riqueza) de un 1%, de forma que el bienestar no varíe.
En este trabajo se utiliza un índice de Foster, Greer y Thorbecke (FTG) (1984), con α = 2 para medir
tanto la pobreza como la riqueza educativa (cuasiFGT) el cual presenta ciertas características84
necesarias para su consideración en las funciones abreviadas de bienestar social. Aplicando este
índice al concepto de pobreza educativa, un alumno se considera pobre cuando no ha obtenido
una puntuación mayor a la establecida en la correspondiente línea de pobreza educativa para
la competencia de ciencias. En definitiva, siempre que el alumno no alcance un mínimo de
conocimientos en dicha prueba según el criterio que se haya fijado85.

2.2. Eficiencia
La estimación de una función de producción consiste en la determinación del nivel
de output que puede obtenerse a partir de un determinado volumen de factores productivos
transformados mediante la tecnología existente.
Análogamente, en relación al sector educativo, en los centros escolares los alumnos obtienen
rendimientos académicos y otros valores añadidos a los resultados, a partir de la utilización de
una serie de factores que se encuentran a su disposición como las instalaciones, el equipamiento
de la escuela, el conocimiento de los profesores, así como las propias características personales y
el contexto familiar del conjunto de estudiantes en cada centro. Más concretamente, esta relación
puede definirse siguiendo la formulación propuesta por Levin (1974) y Hanushek (1972, 1979):
Yis = f (B is ,Sis ,Pis ,I is ) (3)

siendo Y el resultado de un estudiante cualquiera i en una escuela s, cuyo valor suele estar
representado por los resultados
€ obtenidos por los alumnos en tests estandarizados. Este vector
de resultados depende a su vez de un conjunto de factores, entre los que destacan, el entorno
socioeconómico (Bis), como principal característica familiar, los inputs de la escuela (Sis), tales
como el material educativo, los profesores, las infraestructuras de la escuela, la influencia del
resto de compañeros en la clases, (Pis), así como las propias cualidades innatas del alumno (Iis).
A su vez, existen otros factores, tales como la organización interna de los centros escolares,
la motivación de los agentes implicados o la propia estructura del sistema educativo, que afectan
al comportamiento individual de los agentes implicados [Nechyva (2000), Woessman (2001)].
Estos factores pueden afectar al comportamiento eficiente de los alumnos, por lo que la conducta
optimizadora no se cumpliría para todas y cada una de las unidades analizadas.
Por todo ello, es frecuente en la literatura la consideración del componente de eficiencia
en la estimación de la función de producción educativa. Uno de los enfoques más utilizados para
la medición de la eficiencia son las técnicas de tipo frontera, que estiman la cantidad máxima de
producto que puede alcanzarse en proporción a los factores disponibles según las unidades más
83 El signo de las elasticidades es contrario, indicando hacia qué dirección debería modificarse el índice de pobreza o
de riqueza para poder mantener constante el bienestar si se alterase el nivel de eficiencia media o viceversa.
84 Véase Badenes y Santín (2006).
85 La línea de pobreza para ciencias, z, es igual a 484,1 puntos, correspondiente al nivel 3 de conocimientos
establecido por PISA. Dicho nivel supone que los estudiantes son capaces de enfrentarse a problemas científicos
descritos en diversos contextos, así como interpretar y tomar decisiones basadas en los hechos y conocimientos
cientifícos.

243
 eficientes de la muestra. A su vez, existen dos metodologías para la obtención de la frontera:
la aproximación paramétrica y la no paramétrica. Ambas han sido ampliamente utilizadas en la
literatura, desde los trabajos con datos agregados [Charnes et al. (1981), Bessent et al. (1982)]
y a nivel individual [Thanassoulis, (1999), Jorge y Santín (2010), Cordero et al. (2010a), Waldo
(2007)], en los que se emplean técnicas no paramétricas, hasta los trabajos de Callan y Santerre
(1990), o Cordero et al. (2010b) y Perelman y Santín (2011).
Si bien las técnicas no paramétricas presentan una mayor flexibilidad para modelizar la
función de producción educativa, dada la dificultad para determinar las relaciones existentes
entre las variables, las aproximaciones paramétricas plantean ciertas ventajas en relación
a las anteriores, ya que permiten obtener análisis de sensibilidad de los resultados, así como
elasticidades output-input para analizar el impacto de cada factor productivo sobre el resultado
académico de los alumnos. Finalmente, esta metodología permite diferenciar la parte del error que
se atribuye al Finalmente, esta metodología permite diferenciar la parte del error que se atribuye
al componente de eficiencia del ruido aleatorio. En este trabajo hemos seguido esta última línea
y hemos optado por el uso de una frontera estocástica paramétrica a nivel del alumno con el
objetivo de profundizar en el análisis de la función de producción educativa [Battese y Coelli
(1988)]
Una frontera de producción estocástica puede definirse a partir de una determinada
tecnología de producción en la que un único output YNx1 es producido por N unidades productivas
y K inputs x = (x1 ,x2 ,...,x K ) ∈ ℜ K + . La estimación de dicha frontera se realiza mediante una
especificación funcional translogarítmica [Lovell et al., (1994), Grosskopf et al. (1997), Coelli y
Perelman (1999)], la cual nos permite evaluar el comportamiento de los alumnos, tratando de
obtener
€ la mejor práctica posible en términos de resultados académicos y factores productivos
empleados por cada uno de ellos. La función estocástica translogarítmica para el caso de un
output y k inputs adopta la siguiente expresión:
K
1 K K
Lnyis = α0 + ∑ βk ln xkis + ∑∑ βkl ln xkis ln xlis + (vis − uis ) (i = 1,2,...,N; s = 1,2,...,H ) (4)
k =1 2 k =1 l =1
donde el subíndice i denota el i-ésimo alumno en la muestra que pertenece a la escuela s, k es el
número total de inputs y βk , βkl son parámetros € a estimar.
€ Siguiendo a Battese y Coelli (1998), vis es un término aleatorio idénticamente distribuido
siguiendo una función de distribución normal v N(0,σ v2 ) , mientras que uis es un término
€ €que sigue una distribución semi-normal, N(0,σ u ) , y que asumimos que
2
aleatorio no negativo
representa la ineficiencia técnica€en la producción. Ambos términos se distribuyen de forma
independiente, σ uv = 0 , por lo que se evita
€ posibles sesgos en la €estimación y problemas de
correlación entre ambos. €

3. Datos
€ y variables
La estimación de la función educativa requiere la identificación de los de factores productivos
que intervienen en el proceso educativo (inputs), así como el de los conocimientos y habilidades
adquiridas por el alumno en su paso por dicho proceso (outputs). En este trabajo se utiliza
información86 relevante, tanto del entorno familiar del alumno como de la escuela87, relativa al
86 La participación española en PISA 2006 asciende a un total de 19.605 alumnos y 685 escuelas relativos a 10
Comunidades Autónomas: Andalucía, Aragón, Asturias, Cantabria, Castilla y León, Cataluña, Galicia, La Rioja, Navarra
y País Vasco.
87 Los analistas de PISA desarrollan dos cuestionarios, de los cuales uno debe ser rellenado por los propios alumnos
y otro por los directores de los centros educativos.

244
proyecto PISA88 (Programme for Internacional Students Assessment) 2006. En dicho proyecto se
evalúa el conjunto de competencias de los alumnos de 15 años en tres disciplinas: matemáticas,
comprensión lectora y ciencias, si bien en cada oleada se analiza una de estas disciplinas con
mayor profundidad, siendo ciencias la disciplina central en la oleada del 2006.

Outputs y valores plausibles

Dada la dificultad para valorar el conjunto de conocimientos y habilidades adquiridas en
un determinado contexto y durante un curso académico, en este trabajo, siguiendo la línea con
otros estudios, se aproxima dicho output mediante el resultado obtenido en ciencias por los
alumnos españoles que participan en PISA 2006.
Para la aplicación empírica se utilizan los 5 valores plausibles89 proporcionados por PISA
para la disciplina ciencias, de forma que se tiene en cuenta el rango de habilidades del alumno,
incorporando el efecto de ciertos condicionantes, no controlables por el alumno en el momento
de realizar la prueba, como que el alumno se encuentre enfermo, nervioso, entre otros factores
fortuitos. La Tabla 1 muestra los valores medios90 de los cinco valores plausibles para los alumnos
de cada Comunidad en la disciplina ciencias.

Inputs educativos
En relación a los inputs educativos, se han considerado aquellos que participan directamente
en el proceso educativo (Scmatedu, Escs, Peer, Pchicas, Stratio, Tescuela, Pgen, Sgen, Sexo y
Pinmig). La Tabla 2 muestra la estadística descriptiva de los inputs educativos.
Scmatedu representa la calidad de los recursos educativos. Esta variable se construye a
partir de la respuesta de los directores sobre la calidad de los recursos en materia educativa.
Escs es un índice que hace referencia al nivel socioeconómico del alumno y que se construye
a partir otras tres variables: el nivel educativo más alto de los padres, el cual es medido a través
del International Standard Classification of Education,el índice de ocupación laboral más alto de
los padres, medido a través de la International SocioEconomic Index of Occupational Status [ISEI,
Ganzeboom et al., (1992)] y un índice de posesiones educativas relacionadas con la economía del
hogar.
Peer o “efecto compañeros” recoge la información sobre las características de los compañeros
de clase de los estudiantes. Esta variable se define como la media de la variable Escs de los
estudiantes que comparten la misma escuela que el alumno evaluado. Existe una amplia base
teórica que defiende que el nivel de conocimientos que un alumno puede adquirir, así como su
rendimiento, guarda una estrecha relación con las características de sus compañeros en el aula
[Betts et al. (2000) y Hanushek et al. (2001)].
Pchicas es la proporción de chicas en la escuela, definida como el número total de chicas
entre el total de alumnos en la escuela. Algunos estudios muestran una relación positiva entre
dicho porcentaje y el rendimiento académico del conjunto de la clase [Calero y Escardibul (2007)
y Macebón et al. (2010)].

88 Dicho proyecto nace con carácter trianual en el año 2000 a iniciativa de la OCDE (Organización para la Cooperación
y el Desarrollo Económico) con el objeto de abundar en la situación de los diferentes países y mejorar las decisiones
en materia de política educativa. Para más información ver OCDE (2005).
89 Los valores plausibles son valores aleatorios que se extraen de la función de distribución de los resultados de cada
alumno en cada disciplina evaluada.
90 El cálculo de los índices de eficiencia y equidad se ha realizado para cada valor plausible disponible para cada
alumno y, posteriormente, se ha calculado la media de los 5 resultados obtenidos, evitando el posible sesgo en los
resultados en caso de realizar el análisis para valores agregados [OCDE (2005)].

245
 246
Tabla 1. Valores plausibles medios de los resultados en ciencias por Comunidades Autónomas
Valor Valor Plausible 1 Valor Plausible 2 Valor Plausible 3 Valor Plausible 4 Valor Plausible 5
Región Promedio Max Min Desv. Promedio Max Min Desv. Promedio Max Min Desv. Promedio Max Min Desv. Promedio Max Min Desv.
Tip Tip Tip Tip Tip
Andalucía 480,11 716,18 193,15 86,57 480,73 719,35 152,12 85,90 479,61 706,95 187,56 86,81 479,56 696,04 140,00 89,10 479,67 753,85 101,77 87,02
Aragón 510,63 754,50 195,11 87,72 511,42 753,85 221,22 87,85 512,37 754,50 215,63 88,27 511,64 768,77 235,21 87,70 512,85 776,60 199,77 87,81
Asturias 507,14 756,46 248,91 81,22 505,54 772,13 204,16 82,36 506,68 762,80 206,02 82,06 506,73 775,30 216,74 82,44 507,01 762,80 157,53 83,58
Cantabria 512,06 794,69 195,95 85,00 511,65 721,96 236,05 84,62 511,20 765,79 202,48 85,14 511,80 745,08 195,95 84,65 511,53 740,51 181,96 85,93
Castilla y 524,21 731,19 301,13 78,59 523,14 744,06 241,45 79,83 521,56 758,23 227,75 79,74 522,26 762,89 254,51 80,76 523,14 747,97 261,13 79,85
León
Cataluña 482,95 723,54 164,25 88,02 483,65 713,19 209,75 86,32 485,54 771,19 228,87 89,75 484,28 720,84 235,11 86,94 483,85 712,35 209,75 86,15
Galicia 503,26 764,85 187,56 88,71 504,13 763,92 192,22 86,95 504,41 763,64 226,72 86,44 504,21 769,24 244,72 87,54 504,10 750,68 168,91 87,48
La Rioja 522,76 743,31 193,43 86,31 521,29 797,40 193,43 87,52 522,79 767,56 240,06 84,69 521,72 767,56 226,07 86,36 522,22 779,49 195,30 87,46
Navarra 510,17 750,59 272,69 88,03 510,05 774,92 237,91 87,53 509,97 777,63 256,84 88,81 510,05 786,95 273,16 89,45 510,33 796,37 250,13 90,32
País 496,67 773,15 130,68 82,34 497,25 773,15 95,24 83,78 496,42 746,76 123,22 83,57 496,29 773,15 115,76 84,28 497,29 773,15 107,37 83,65
Vasco
Resto 482,27 744,99 110,16 89,00 482,77 806,53 27,17 89,61 482,49 844,02 70,07 90,15 480,19 752,64 113,71 90,03 483,17 755,43 30,90 88,62
Total 501,67 794,69 110,16 86,43 501,73 806,53 27,17 86,59 501,68 844,02 70,07 86,84 501,30 786,95 113,71 87,31 502,00 796,37 30,90 87,05
España
Fuente: Elaboración propia a partir de los datos de PISA 2006.
 Stratio es el ratio alumno-profesor, definido como el cociente entre el número total de
alumnos en la escuela y el número total de profesores ponderados según su dedicación 91. La
relación entre esta variable y el rendimiento académico no está clara en la literatura. Algunos
estudios muestran una relación inversa [Hoxby (1999), Cordero et al. (2010b)], mientras que
otros concluyen que dicha variable no influye significativamente en el rendimiento [Hanushek
(1997, 2003)].
Tescuela representa el tamaño de la escuela, valorado como el total de alumnos que asisten
a la misma. La influencia de dicha variable sobre el resultado académico de los alumnos no está
clara en la literatura por lo que optamos por incluir esta variable para analizar su relación con el
rendimiento académico.
Pinmig y Sinmig recogen la condición de inmigrante de primera y segunda generación92.
Para ello se han definido dos variables dicotómicas que toman el valor uno en caso que el
alumno sea inmigrante de primera (segunda) generación y cero en caso contrario. La creciente
importancia que ha cobrado la condición de inmigrante en la literatura de economía de la
educación se explica fundamentalmente por una doble vía: el creciente aumento experimentado
en los últimos años en la población inmigrante en la mayoría de los países europeos y ,a su
vez, la distribución de la población inmigrante en el sistema educativo no suele ser uniforme,
de forma que se estaría penalizando a aquellas escuelas donde se produce una acumulación
mayor de este tipo de alumnado [Calero y Escardibul (2007), Calero y Waisgrais (2009), Mancebón
et al. (2010) y Cordero et al. (2010a, 2010b)]. Asimismo, se ha considerado la proporción de
inmigrantes, Pinmig, definida como el cociente entre los alumnos inmigrantes, tanto de
primera como de segunda generación, entre el número total de alumnos por escuela, con el
objeto de abundar en las posibles diferencias en el rendimiento académico de los alumnos
ante distintos porcentajes de población inmigrante en cada una de las escuelas analizadas.
Sexo, toma el valor uno en caso que el alumno sea una chica y cero si es chico. Algunos
estudios para el caso español muestran un mejor rendimiento académico de las chicas en la
competencia comprensión lectora, si bien los chicos suelen ser mejores en ciencias o matemáticas
[Calero y Escardibul (2007), Mancebón et al. (2010) o Cordero et al. (2010b)].

91 Un profesor a tiempo parcial computa como 0,5 y un profesor a tiempo completo computa como 1.
92 Inmigrante de primera (segunda) generación se refiere a los alumnos (alguno de los padres) que han nacido en
el extranjero.

247
Tabla 2. Estadística descriptiva de los inputs educativos por Comunidades Autónomas
Región Obs Estadístico Scmatedu Ecsc Peer Pchicas Alumprof Tescuela Sexo Pgen Sgen Pinmig

Andalucía 1.429 Promedio 4,0104 5,4775 5,4778 1,5023 13,2463 781,8324 0,5276 0,0182 0,0042 1,0227

Desv.Tip 0,9874 1,0482 0,516 0,0441 3,9469 195,4466 0,4994 0,1337 0,0647 0,0355

Aragón 1.392 Promedio 4,609 5,8949 5,8988 1,5084 11,9885 764,2124 0,4928 0,056 0,005 1,0617

Desv.Tip 0,8536 1,006 0,4472 0,0768 4,0281 224,8325 0,5001 0,2301 0,0708 0,0681

Asturias 1.324 Promedio 4,5496 5,8269 5,8277 1,5086 10,263 744,0197 0,4947 0,0174 0,0053 1,023

Desv.Tip 0,9742 0,966 0,3994 0,0633 4,0396 259,6826 0,5002 0,1307 0,0725 0,0253

Cantabria 1.390 Promedio 4,4037 5,8757 5,8761 1,5046 11,2678 726,9397 0,5043 0,0317 0,0022 1,0342

Desv.Tip 0,7711 0,9437 0,4043 0,0769 4,7156 175,515 0,5002 0,1751 0,0464 0,0468

Castilla y 1.378 Promedio 4,6254 5,8327 5,8349 1,4945 11,6799 805,9589 0,4761 0,0276 0,0007 1,0284
León
Desv.Tip 0,9396 1,0017 0,4485 0,075 3,8173 272,1525 0,4996 0,1638 0,0269 0,0452

Cataluña 1.176 Promedio 4,5504 5,6875 5,6884 1,4846 11,3335 682,0343 0,5136 0,0935 0,017 1,1136

Desv.Tip 1,0012 0,9578 0,3477 0,0445 3,065 162,7912 0,5 0,2913 0,1294 0,0879

Galicia 1.393 Promedio 4,2141 5,6404 5,5992 1,4933 9,7747 683,9285 0,4767 0,0151 0,0086 1,0239

Desv.Tip 0,9278 1,0096 0,4449 0,0835 3,4703 124,0285 0,4996 0,1219 0,0924 0,0349

La Rioja 1.247 Promedio 4,721 5,9587 5,9611 1,4806 12,9028 766,673 0,498 0,0497 0,0032 1,0534

Desv.Tip 0,8528 0,985 0,4445 0,1151 4,361 244,2587 0,5002 0,2175 0,0566 0,0583

Navarra 1.495 Promedio 4,6686 5,9342 5,9368 1,499 10,9363 839,8217 0,5104 0,0609 0,004 1,0655

Desv.Tip 0,8791 1,0006 0,5094 0,0905 3,2847 294,4539 0,5001 0,2392 0,0632 0,079

País 3.827 Promedio 4,5138 6,0611 6,0613 1,4761 11,8885 838,8892 0,4996 0,0324 0,0024 1,0358
Vasco
Desv.Tip 0,9007 0,971 0,5014 0,0853 4,5923 317,4787 0,5001 0,1771 0,0484 0,1116

Resto 1.775 Promedio 4,3554 5,7279 5,7288 1,5051 12,4029 791,0817 0,5054 0,0806 0,0079 1,0904

Desv.Tip 0,9464 1,0123 0,5016 0,1001 4,6725 260,019 0,5001 0,2722 0,0885 0,1185

Fuente: Elaboración propia a partir de los datos de PISA 2006.

3. Resultados
En este apartado se exponen los resultados de la aplicación empírica. En primer lugar,
se muestra de forma independiente el análisis de equidad y de eficiencia para cada región,
posteriormente, se comentan los resultados de la función de bienestar social educativa para la
disciplina de Ciencias. A su vez, en cada región se distingue por titularidad del centro, público y
concertado, con el objeto de identificar diferentes pautas de comportamiento entre las escuelas
de financiación pública,
Como se ha mencionado en la sección anterior, un aspecto destacable en el ámbito del
sistema educativo español es el importante incremento producido durante la última década del
número de alumnos no universitarios de origen inmigrante, lo cual ha propiciado una concentración
de este tipo de alumnado en las escuelas públicas. Este hecho puede incidir negativamente en el
resultado académico del resto de compañeros, tanto nativos como inmigrantes, ya que estos últimos
parten de una situación más desfavorable en cuanto a conocimiento del idioma, la cultura, y otras
peculiaridades del país de acogida que puede condicionar su adaptación a corto y medio plazo. En
el presente trabajo se realiza una simulación que iguala el porcentaje de alumnos inmigrantes en
las escuelas públicas y concertadas de una misma región, con el objetivo de analizar los efectos
que genera una redistribución del porcentaje de inmigrantes sobre el bienestar educativo.
Inicialmente se analiza el efecto del porcentaje real de alumnos inmigrantes en cada tipo
de escuela y región sobre el bienestar educativo. Una vez calculada esta primera fase, se procede

248
a simular una distribución equiproporcional de la población inmigrante entre ambos tipos de
escuela en cada región93. En la Tabla 3 se muestra el porcentaje de alumnos inmigrantes para el
curso académico 2005-2006 en cada región,

Tabla 3. Alumnos inmigrantes en términos absolutos y en porcentaje por Comunidades Autónomas,

Curso 2005-2006
Región Total Inmigrantes Porcentaje
Andalucía 405.525 18.055 4,45%
Aragón 46.598 4.065 8,72%
Asturias 34.269 1.396 4,07%
Cantabria 20.773 1.106 5,32%
Castilla y León 95.345 4.700 4,93%
Cataluña 260.966 3.116 11,94%
Galicia 101.423 2.717 2,68%
Navarra 21.595 1.721 7,97%
Rioja 11.218 1.251 11,15%
País Vasco 69.479 3.212 4,62%
Fuente: Elaboración propia a partir de datos del Ministerio de Educación
y Ciencia: Estadísticas de las enseñanzas no universitarias

La Tabla 4 presenta los índices de pobreza y riqueza educativa por tipo de escuela,
suponiendo un valor de α=2, diferenciando entre situación inicial y simulada para cada región, Los
resultados ponen de manifiesto que una distribución equiproporcional del porcentaje de alumnos
inmigrantes entre las escuelas analizadas supone un aumento en la intensidad de los niveles de
pobreza y riqueza educativa. La explicación a este efecto se fundamenta en la mejora generalizada
en los resultados para el conjunto de alumnos analizados, la cual posibilita a un grupo reducido
de alumnos, con valores iníciales de pobreza educativa muy próximos a la línea de pobreza,
superar dicho valor y pasar a posicionarse por encima de dicha línea, Asimismo, se observa
que la redistribución provoca un aumento en la desigualdad, tanto del nivel de riqueza como
de pobreza educativa. La mejora en los resultados en términos absolutos permite, por un lado,
superar la línea de pobreza para un grupo reducido de alumnos inicialmente situados por debajo
de dicha línea y, por otro, como consecuencia de lo anterior en ambos casos (riqueza y pobreza)
aumenta la distancia media en relación a la línea de pobreza educativa. Ambos efectos conllevan
a un aumento de la intensidad de la pobreza y riqueza educativas, si bien esta variación es poco
significativa. Los resultados muestran, mayores niveles de intensidad de pobreza (riqueza) en las
escuelas públicas (concertadas), salvo para el caso de Andalucía (Cantabria). A partir de estos
resultados se construye la función abreviada de bienestar social educativa para valores de α=2 o
superiores, debido a que el índice FGT es sensible a las transferencias externas a la distribución.
La reasignación del porcentaje de inmigrantes propuesta supone una transferencia de alumnos
inmigrantes, tanto de tipo interna como de externa, en cada escuela, por lo que se hace necesario
trabajar con esta ponderación en el índice de FGT. En definitiva, habrá alumnos que cambien de
centro, tanto entre escuelas de la misma titularidad como diferente,
Las Tablas 5 y 6 recogen, respectivamente, los resultados de la estimación de la eficiencia
educativa mediante una función estocástica, así como los resultados de la eficiencia media de los

93 La información acerca del porcentaje real de inmigrantes por Comunidades Autónomas y por titularidad de la
escuela se extrae de la base de datos del Ministerio de Educación y Ciencia.

249
alumnos, agregados por tipo de escuela, para cada una de las regiones analizadas,
Los resultados de la estimación de la función paramétrica estocástica, Tabla 5, muestran
una relación positiva entre los resultados del alumno y el nivel socioeconómico del mismo, así
como el efecto compañeros. Sin embargo, la condición de inmigrante, tanto de primera como de
segunda generación, o ser chica influyen significativamente de forma negativa en el rendimiento
en Ciencias. Estos resultados coinciden con los obtenidos en otros estudios [Calero y Waisgrais
(2009), Macebón et al, (2010) o Cordero et al, (2010a, 2010b)], Asimismo, pese a que la acumulación
de chicas en las aulas suele ser un factor positivo en el rendimiento académico, también es
cierto que las chicas obtienen peores resultados en ciencias, por lo que no es extraño dicho
resultado. Respecto a las variables referentes al ámbito de la escuela, se aprecia un efecto positivo
y significativo de la ratio alumno-profesor, el tamaño del centro y la variable que representa la
calidad de los recursos educativos. Finalmente, los resultados parecen indicar que el porcentaje
de alumnos inmigrantes afecta de forma significativa y positiva al rendimiento académico, si
bien esta conclusión no es válida para niveles elevados de alumnos inmigrantes, como muestra el
efecto significativo y negativo de la variable proporción de inmigrantes al cuadrado.
Por otra parte, la Tabla 6 parece indicar que el nivel de eficiencia promedio de las escuelas
es superior en el escenario simulado para todas las regiones, aunque se observan discrepancias
por regiones en relación a la amplitud de la diferencia entre el valor inicial de eficiencia y el
resultante en el escenario simulado. Así, Castilla y León y La Rioja presentan niveles de eficiencia
promedio superiores al 85% en ambos tipos de escuela, mientras que en Andalucía y el País Vasco
las escuelas concertadas son las menos eficientes. Por otra parte, los centros públicos de Cataluña
y el País Vasco presentan un nivel de eficiencia promedio inferior que en los concertados.

250
 251
Tabla 4. Índice FGT por tipo de escuela y por Comunidades Autónomas
Índice FGT(2)p FGT(2)r
Titularidad Concertada Pública Concertada Pública
Región Escenario Promedio Desv,Típ Min Max Promedio Desv,Típ Min Max Promedio Desv,Típ Min Max Promedio Desv,Típ Min Max
Andalucía Inicial 0,032507 0,016278 0,014208 0,070813 0,031997 0,010144 0,010936 0,051661 0,026939 0,010793 0,005299 0,044947 0,026309 0,010001 0,011443 0,050539
Andalucía Simulado 0,032530 0,016814 0,013422 0,070851 0,032014 0,011464 0,007339 0,053790 0,026948 0,011542 0,005094 0,046464 0,026317 0,011602 0,008228 0,057331
Aragón Inicial 0,018784 0,011099 0,004359 0,048586 0,027664 0,015171 0,007890 0,064201 0,042091 0,014297 0,018653 0,068446 0,039187 0,012073 0,014876 0,068729
Aragón Simulado 0,018930 0,011821 0,002933 0,048612 0,027713 0,013435 0,007670 0,059710 0,042141 0,014577 0,017982 0,070239 0,039241 0,011447 0,012015 0,060996
Asturias Inicial 0,020427 0,009090 0,006253 0,039669 0,023580 0,013203 0,005890 0,066800 0,034654 0,012060 0,016256 0,054464 0,030853 0,011566 0,008190 0,055052
Asturias Simulado 0,020495 0,010170 0,005540 0,040981 0,023681 0,014758 0,006299 0,070368 0,034769 0,012386 0,015700 0,056817 0,030924 0,012065 0,010041 0,060177
Cantabria Inicial 0,020622 0,012689 0,005002 0,053356 0,026162 0,010393 0,000630 0,047161 0,035747 0,011888 0,009984 0,054975 0,035860 0,010924 0,016266 0,063423
Cantabria Simulado 0,020804 0,013164 0,003375 0,053589 0,026197 0,013147 0,003808 0,061850 0,035915 0,012175 0,009987 0,056408 0,035910 0,012135 0,011149 0,062823
Castilla y
León Inicial 0,015702 0,006954 0,002024 0,028240 0,016672 0,010573 0,000479 0,047945 0,039660 0,013932 0,014358 0,073233 0,038013 0,013257 0,015029 0,071774
Castilla y
León Simulado 0,015741 0,007810 0,001341 0,031204 0,016763 0,011862 0,000872 0,051117 0,039775 0,014163 0,014363 0,073257 0,038086 0,013132 0,013589 0,069025
Cataluña Inicial 0,024346 0,015526 0,007273 0,054021 0,034661 0,012505 0,011612 0,054239 0,028173 0,008135 0,011435 0,039932 0,026983 0,012133 0,003854 0,056027
Cataluña Simulado 0,024571 0,015699 0,004615 0,055569 0,034741 0,012360 0,003036 0,056167 0,028272 0,008552 0,011386 0,041313 0,027076 0,012736 0,011384 0,063354
Galicia Inicial 0,022979 0,014352 0,000314 0,050607 0,025869 0,009413 0,008931 0,047856 0,040999 0,017419 0,023402 0,079858 0,035774 0,011998 0,019878 0,067605
Galicia Simulado 0,023065 0,017844 0,000314 0,064720 0,025916 0,012464 0,007717 0,058947 0,041270 0,017558 0,019840 0,080323 0,035817 0,013390 0,010784 0,066606
La Rioja Inicial 0,017765 0,011301 0,002800 0,042377 0,025689 0,015186 0,004454 0,067549 0,042080 0,012982 0,012736 0,064255 0,041457 0,010453 0,025716 0,068119
La Rioja Simulado 0,017882 0,012800 0,001800 0,049118 0,025815 0,012528 0,005929 0,055776 0,042125 0,013743 0,012741 0,064956 0,041554 0,011934 0,017730 0,066056
Navarra Inicial 0,020897 0,012074 0,005994 0,052493 0,025916 0,008439 0,008004 0,044168 0,044004 0,013407 0,021150 0,076459 0,036892 0,016229 0,005986 0,071684
Navarra Simulado 0,021025 0,013254 0,003527 0,055117 0,025984 0,013076 0,005946 0,059671 0,044113 0,013756 0,021157 0,076720 0,036994 0,013688 0,012414 0,067585
País
Vasco Inicial 0,019763 0,012918 0,002233 0,058973 0,028477 0,016673 0,001415 0,070574 0,030141 0,014065 0,001333 0,076068 0,024446 0,013310 0,002154 0,068702
País
Vasco Simulado 0,019815 0,013592 0,000510 0,061569 0,028541 0,013680 0,002260 0,061490 0,030185 0,014634 0,000719 0,076094 0,024502 0,014783 0,005463 0,067952
Resto Inicial 0,023538 0,012888 0,005955 0,051453 0,034294 0,013669 0,008752 0,085195 0,029979 0,013206 0,006201 0,054850 0,026159 0,012113 0,004255 0,050776
Resto Simulado 0,023753 0,013589 0,004273 0,053903 0,034346 0,015226 0,004982 0,076011 0,030140 0,013434 0,006143 0,056771 0,026237 0,014851 0,003461 0,069647
Fuente: Elaboración propia a partir de los datos de PISA 2006.
Tabla 5. Resultado de la estimación de la frontera paramétrica estocástica
Variables Coef, Desv,Estd, z P>|z| Variable Coef, Desv,Estd, z P>|z|

lnx1 (Recursos 0,012 0,006 207,600 0,047 lnx1lnx2 - 0,035 -0,632 0,544
Escolares) 0,022
lnx2 (Entorno 0,247 0,008 3.177,000 0,000 lnx1lnx3 0,187 0,083 225.600 0,042
Socioeconómico)
lnx3 (Efecto 0,153 0,019 820.400 0,000 lnx1lnx4 0,108 0,112 0,962 0,348
Compañero)
lnx4 (Proporción 0,048 0,026 182.000 0,074 lnx1lnx7 - 0,018 -208.200 0,042
chicas) 0,037
Lnx5 (Ratio 0,012 0,004 313.000 0,002 lnx1lnx10 0,181 0,083 217.400 0,044
alumno-profesor)
Lnx6 (Tamaño 0,014 0,005 271.600 0,009 lnx2lnx3 - 0,123 -0,936 0,367
Escuela) 0,116
X7 (Sexo) -0,010 0,002 -404.800 0,000 lnx2lnx4 0,212 0,126 168.000 0,108

X8 (Inmigrante -0,094 0,006 - 0,000 lnx2lnx5 0,016 0,024 0,664 0,535

1ºGeneración) 1.511,800
X9 (Inmigrante -0,041 0,017 -243.200 0,024 lnx2lnx10 0,006 0,105 0,054 0,934
2ºGeneración)
Lnx10 (Porcentaje 0,097 0,028 351.600 0,000 lnx3lnx4 - 0,315 -0,758 0,460
inmigrantes) 0,242
lnx1^2 -0,047 0,026 -181.200 0,122 lnx3lnx5 0,143 0,057 250.000 0,015

lnx2^2 -0,143 0,074 -194.000 0,080 lnx3lnx10 0,327 0,280 116.800 0,275

lnx3^2 -0,098 0,368 -0,268 0,793 lnx4lnx5 0,021 0,067 0,312 0,759

lnx4^2 -0,454 0,242 -187.400 0,067 lnx4lnx10 0,764 0,415 184.200 0,069

lnx7^2 -0,053 0,017 -310.000 0,002 Lnx5lnx10 0,202 0,057 355.400 0,001

lnx10^2 -0,463 0,230 -201.000 0,055 Cons 0,206 0,003 6.726,200 0,000

Sigma2 0,065 0,001 0,000 Likelihood 6,853,544

Lambda 259,562,000 0,004 0,000 Prob>chi2 0,000

Fuente: Elaboración propia a partir de los datos de PISA 2006.

252
Tabla 6. Eficiencia media FGT por tipo de escuela y por Comunidades Autónomas
Índice Eficiencia

Titularidad Concertada Pública

Región Escenario Promedio Max Min Desv,Típ Promedio Max Min Desv,Típ

Andalucía Inicial 0,815867 0,868701 0,780420 0,022974 0,827153 0,883008 0,754421 0,028731

Andalucía Simulado 0,823245 0,869391 0,789471 0,019384 0,834408 0,886716 0,770384 0,025553

Aragón Inicial 0,846090 0,895216 0,768597 0,032254 0,840741 0,883215 0,781071 0,024613

Aragón Simulado 0,850720 0,895982 0,784778 0,030328 0,845178 0,882648 0,794818 0,023252

Asturias Inicial 0,847881 0,890877 0,811245 0,025990 0,841878 0,897119 0,741581 0,034108

Asturias Simulado 0,853005 0,886651 0,817387 0,021587 0,848631 0,906121 0,742432 0,032924

Cantabria Inicial 0,844782 0,880445 0,791018 0,023856 0,846168 0,892682 0,772506 0,025742

Cantabria Simulado 0,852868 0,886295 0,807715 0,019948 0,853096 0,890517 0,786063 0,024996

Castilla y León Inicial 0,858945 0,895777 0,829657 0,019082 0,861163 0,915109 0,796406 0,029095

Castilla y León Simulado 0,865016 0,903553 0,840466 0,017626 0,866882 0,921506 0,809775 0,028387

Cataluña Inicial 0,830588 0,876616 0,748312 0,037823 0,817887 0,869726 0,745445 0,032700

Cataluña Simulado 0,838203 0,880638 0,790756 0,027659 0,824346 0,873125 0,742665 0,032398

Galicia Inicial 0,849160 0,892579 0,802379 0,024615 0,845076 0,893252 0,798736 0,022706

Galicia Simulado 0,858992 0,899882 0,807031 0,021826 0,849092 0,896089 0,801366 0,022568

La Rioja Inicial 0,852973 0,902317 0,783448 0,031287 0,853107 0,907040 0,808086 0,028611

La Rioja Simulado 0,860206 0,912414 0,791209 0,028937 0,857112 0,909507 0,813061 0,025463

Navarra Inicial 0,845562 0,883373 0,785322 0,027085 0,835825 0,886290 0,726217 0,036208

Navarra Simulado 0,851036 0,887557 0,797917 0,024852 0,841612 0,892293 0,736986 0,034617

País Vasco Inicial 0,829710 0,888787 0,741545 0,032992 0,815556 0,900369 0,671390 0,046145

País Vasco Simulado 0,837461 0,894220 0,756707 0,029872 0,825922 0,904902 0,725104 0,039920

Resto Inicial 0,827961 0,875046 0,700262 0,040338 0,813819 0,877163 0,730789 0,037690

Resto Simulado 0,834378 0,883309 0,702457 0,039140 0,822193 0,882562 0,742007 0,035836

Fuente: Elaboración propia a partir de los datos de PISA 2006

La Tabla 7 muestra los resultados de la función abreviada de bienestar social, diferenciando

por tipo de escuela y región, dando el mismo peso a la eficiencia y a la equidad. A la vista de
dichos resultados, se destaca que en todas las regiones el nivel de bienestar promedio es superior
en las escuelas concertadas, a excepción de Andalucía y Castilla y León, Entre las regiones con
mayores niveles de bienestar social en las escuelas concertadas destaca el caso de Castilla y León
y La Rioja, mientras que los niveles más bajos se observan en Andalucía y Cataluña. Respecto a
las escuelas públicas observamos unos mayores índices de bienestar social en Castilla y León y La
Rioja, siendo en las regiones de Cataluña y el País Vasco donde los niveles de bienestar educativo
son más reducidos. Finalmente, tras la simulación de una redistribución equiproporcional del
porcentaje de alumnos inmigrantes, se produce un aumento generalizado del bienestar educativo
en todas las regiones y en ambos tipos de escuela, como consecuencia de la tendencia a una mayor
concentración de alumnos inmigrantes en determinadas escuelas, fundamentalmente públicas.
Estos resultados ponen de manifiesto cómo una reasignación del porcentaje de inmigrantes en
cada región, de forma que todas las escuelas de una región tengan un porcentaje igual o similar,
mejoraría el bienestar social educativo para el conjunto de los estudiantes.

253
Tabla 7. Función abreviada de Bienestar Social (k=1)
Titularidad Concertadas Públicas

Región Escenario Promedio Desv,Típ Min Max Promedio Desv,Típ Min Max

Andalucía Inicial 0,813500 0,030700 0,758900 0,871100 0,825400 0,042500 0,740700 0,917600

Andalucía Simulado 0,818838 0,030582 0,762815 0,873873 0,830707 0,028369 0,757270 0,912654

Aragón Inicial 0,865700 0,044200 0,788400 0,933000 0,848200 0,038800 0,777500 0,922900

Aragón Simulado 0,869651 0,042519 0,791141 0,936451 0,852382 0,030882 0,777436 0,918466

Asturias Inicial 0,862400 0,038800 0,781400 0,923200 0,850700 0,048700 0,695900 0,924900

Asturias Simulado 0,866725 0,035959 0,788077 0,927290 0,854054 0,034624 0,760527 0,922789

Cantabria Inicial 0,862000 0,040400 0,773800 0,928000 0,857200 0,037000 0,759100 0,926300

Cantabria Simulado 0,868166 0,034036 0,804009 0,931621 0,862198 0,031487 0,794225 0,918425

Castilla y Inicial 0,883000 0,031000 0,826500 0,935100 0,885900 0,044500 0,801400 0,978400
León
Castilla y Simulado 0,886861 0,029417 0,832345 0,938817 0,887853 0,036715 0,824090 0,966078
León
Cataluña Inicial 0,837300 0,050900 0,740400 0,904600 0,811400 0,044900 0,717700 0,896000

Cataluña Simulado 0,843776 0,043283 0,768011 0,909684 0,818046 0,034776 0,744865 0,879760

Galicia Inicial 0,868100 0,048600 0,782900 0,978300 0,851200 0,035000 0,784000 0,920700

Galicia Simulado 0,875381 0,043137 0,790219 0,978131 0,855952 0,024850 0,807718 0,908623

La Rioja Inicial 0,875800 0,050500 0,784600 0,968800 0,869900 0,043500 0,777000 0,972500

La Rioja Simulado 0,880629 0,046762 0,791475 0,968985 0,871647 0,028826 0,831629 0,936316

Navarra Inicial 0,869800 0,041600 0,788000 0,952600 0,848000 0,051900 0,706600 0,924200

Navarra Simulado 0,873514 0,039813 0,795073 0,957078 0,851340 0,037018 0,733652 0,913175

País Vasco Inicial 0,840400 0,047700 0,733600 0,952600 0,814500 0,062500 0,630600 0,929400

País Vasco Simulado 0,845829 0,045945 0,741157 0,946953 0,822048 0,046611 0,731467 0,934015

Resto Inicial 0,833600 0,059200 0,662900 0,919800 0,810600 0,053700 0,693900 0,913600

Resto Simulado 0,839048 0,056421 0,668290 0,928576 0,816643 0,040498 0,747910 0,892551

Fuente: Elaboración propia a partir de los datos de PISA 2006

5. Conclusiones
La eficiencia y la equidad son dos objetivos prioritarios en el ámbito de la Economía Pública,
si bien la mayoría de los estudios se centran en analizar únicamente una de las perspectivas, dado
que la consecución de ambos criterios implica, en determinadas ocasiones, medidas contradictorias
que complican su análisis empírico. Desde una perspectiva del gasto público, no solo es necesario
analizar el grado de eficiencia alcanzado, sino también la capacidad de redistribución de dicho
gasto en el conjunto de la sociedad. Ante esta situación se hace necesaria la elaboración de un
índice que combine ambas medidas y ofrezca una mejor situación de la realidad.
Las funciones de bienestar social muestran una gran relevancia en la evaluación de políticas
públicas, ya que tienen en cuenta la utilidad alcanzada por un sector productivo considerando las
dos vertientes del sector público, equidad y eficiencia. Dicha herramienta puede ser igualmente
utilizada para analizar otros sectores de la Economía Pública en el que se planteen situaciones
de elección entre eficiencia y equidad, de forma que se pueda elegir aquél parámetro que mayor
bienestar social genere a la sociedad.
En el presente trabajo se ha tratado de consolidar ambas perspectivas calculando una
función de bienestar social educativa, permitiendo analizar ambos conceptos de forma agregada.
Para ello se utiliza la metodología propuesta por Badenes y Santín (2006), mejorando, a su vez,
dicho análisis mediante la estimación de una frontera paramétrica translogarítmica y estocástica
para la estimación de los índices de eficiencia educativa. En concreto, se propone una redistribución

254
del porcentaje de alumnos de procedencia extranjera con el objeto de analizar el efecto sobre el
bienestar social educativo de una distribución equiproporcional de los alumnos inmigrantes en
las escuelas públicas y concertadas. Para ello se ha utilizado la base de datos PISA 2006, que
incorpora abundante información relativa al entorno familiar y escolar del alumno.
Los resultados de nuestro análisis muestran que se produce un aumento en el nivel de los
resultados académicos en ambos tipos de escuela y para todas las regiones consideradas, siendo
aproximado dicho nivel mediante un índice de pobreza educativa. Sin embargo, este aumento no
tiene un gran impacto en la distribución de los resultados, lo cual puede deberse a que los alumnos
que inicialmente estaban por debajo de la línea de la pobreza se situaban muy próximos a ésta, por
lo que al mejorar marginalmente los resultados se produce un cambio y pasan a estar por encima
de dicha línea. Por otro lado, los niveles de eficiencia medios de los alumnos aumentan en todas
las regiones analizadas. Asimismo, tras la simulación, se observa un aumento del bienestar social
suponiendo una ponderación a partes iguales en los índices de eficiencia y pobreza educativa,
En definitiva, nuestros resultados parecen indicar que, una distribución uniforme del porcentaje
de inmigrantes entre las escuelas financiadas públicamente de una misma región supondría una
mejora en el bienestar social educativo, tanto por la mejora en la eficiencia de los alumnos como
por la reducción de la pobreza educativa en términos absolutos. Si bien, la cuantificación de estos
resultados difieren de unas regiones a otras.
Entre las posibles mejoras y líneas futuras de investigación, se considera oportuno medir
desde una perspectiva multidimensional, tanto los niveles de pobreza-riqueza como los de
eficiencia. Esto supone considerar, para cada una de las medidas, varios outputs en su estimación.
La incorporación de la perspectiva multidimensional permite una aproximación más real a la
medición del bienestar educativo, ya que no se estaría midiendo tan solo una competencia, sino
que también se incorporarían niveles de pobreza-riqueza y eficiencia para el conjunto de las tres
competencias, comprensión lectora, matemáticas y ciencias.

Referencias
Badenes, N. y D. Santín (2006): “Funciones abreviadas de bienestar social: Una forma sencilla de
simultanear la medición de la eficiencia y la equidad de las políticas de gasto público”. Presupuesto
y Gasto Público, Nº43, V.2, pp. 127-154.

Battese, G.E. y T. J. Coelli. (1988): “Prediction of firm-level technical efficiencies with a generalized
frontier production function and panel data”. Journal of Econometrics, num. 38, pp. 387-399.

Bessent, A., W. Bessent, J. Kennington y B. Reagan (1982): “An application of mathematical

programming to assess productivity in the Houston independent school district”. Management
Science, num. 28, pp.1355-1367.

Betts, J. R. y J. L. Shkolnik (2000): “The effects of ability grouping on student achievement and
resource allocation in secondary schools”. Economics of Education Review, 19, pp. 1-15.

Calero, J. y O. Escardibul (2007): “Evaluación de servicios educativos: el rendimiento en los centros

públicos y privados medido en PISA-2003”. Hacienda Pública Española –Revista de Economía
Pública, 183 (4), pp. 33-66.

Calero, J. and S. Waisgrais (2009): “Rendimientos educativos de los alumnos inmigrantes:

255
identificación de la incidencia de la condición de inmigrante y de los peer-effects”, paper presented
in XVI Encuentro de Economía Pública, Granada, February, 2009.

Callan, S.J. y R. E. Santerre (1990): “The production characteristics of local public education: A
multiple product and input analysis”. Southern Economics Journal, vol. 57, num. 2, pp. 468-480.

Charnes, A., W. W. Cooper y E. Rhodes (1981): “Evaluating Program and Managerial Efficiency: An
Application of Data Envelopment Analysis to Program Follow Through”. Management Science, 27
(6), pp. 668-697

Coelli, T. y S. Perelman. (1999): “A comparison of parametric and non-parametric distance

functions, with application to European railways”. European Journal of Operational Research,
num. 117, pp. 326-339.

Cordero, J.M., E. Crespo y D. Santín (2010):“Factors Affecting Educational Attainment Evidence

From Spanish Pisa 2006 Results”. Regional and Sectoral Economic Studies, Vol 10 (3).

Cordero, J.M., E. Crespo, F. Pedraja y D. Santín (2010):“Exploring Educational efficiency Divergences

Across Spanish regions in Pisa 2006”. Revista de Economía Aplicada. (En prensa)

Ganzeboom, H., P. De Graaf, J. Treiman, J. De Leeuw (1992): “A standard international socio-

economic index of occupational status”. Social Science Research, vol. 21, num. 1, pp. 1-56.

Grosskopf, S., K. Hayes, L. Taylor y W. Weber (1997): “Budget-constrained frontier measures of

fiscal equality and efficiency in schooling”. Review of Economics and Statistics, vol. 79, num. 1,
pp. 116-124.

Hanushek, E.A. (1972): Education and race: an analysis of the educational production process,
Cambriedge, MA: Health-Lexington

Hanushek, E.A. (1979): “Conceptual and empirical issues in the estimation of educational
production functions”. Journal of Human Resources, 14, pp. 351-388

Hanushek, E.A. (1997): “Assessing the effects of schools resources on students performance: an
up-date”. Educational Evaluation and Policy Analysis, 19, pp. 141-164.

Hanushek, E. A., J. F. Kain, J. M. Markman y S.G. Rivkin (2001): “Does peer ability affect student
achievement?” Working Paper 8502, National Bureau of Economic Research.

Hanushek, E.A. (2003): “The failure of input-based schooling policies”, The Economic Journal,
113, pp. 64-98.

Hoxby, C. (1999): “The productivity of schools and other local public goods producers”. Journal of
Public Economics, 74, pp 1-30.

Jorge, J. y D. Santín: (2010). “Determinantes de la eficiencia educativa en la Unión Europea”.

256
Hacienda Pública Española-Revista de Economía Pública, vol. 193(2), pp- 131-156, June.

Levin, H. M. (1974): “Measuring efficiency in educational production”. Public Finance, Quarterly,

2, pp.3-24.

Lovell, C.A.K., S. Richardson, P. Travers y L.L. Wood (1994): “Resources and functionings, a new
view of inequality in Australia” in, Eichhorn W (ed.) “Models and Measurement of Welfare and
Inequality”, Springer-Verlag, Berlín, pp. 787-807.

Mancebón, M.J., J. Calero, A. Choi and D. Ximenez (2010): “Efficiency of public and publicly-
subsidized high schools in Spain. Evidence from PISA2006”. Munich Personal RePEc Archive, Nº
21165.

MEC (2007): Estadísticas de las enseñanzas no universitarias: http://www.mec.es

Nechyba, T.J. (2000): “Mobility targeting and private-school vouchers”, American Economic
Review, 90, Vol: 1, pp 130-146

OECD (2005): “PISA 2003 Data Analysis Manual. SPSS users”. Organisation for Economic Co-
operation and Development, Paris.

Perelman, S. y D. Santín (2011): “Measuring educational efficiency at student level with parametric
stochastic distance functions: an application to Spanish PISA results”. Education Economics, 19(1),
29-49.

Segunpta, J.K. (1987a): “Efficiency Measurement in Non Market Systems Through DEA”.
International Journal of Systems Science, 18, pp 2279-2304

Thanassoulis, E. (1999): “Setting Achievement Targets for School Children”. Education Economics,
Vol 7, No. 2, pp. 101–119.

Waldo, S. (2007): “On the use of student data in efficiency analysis. Technical efficiency in
Swedish upper secondary school”. Economics of Education Review, 26, pp. 173-185.

Woessman, L. (2001): “Why students in some countries do better”. Education Matters, 1, Vol:2,
pp. 67-74.

257
4. Family background, gender and cohor effect on schooling
decisions

Javier Valbuena, University of Kent

258
Family background, gender and cohor effect on schooling
decisions

Javier Valbuena, University of Kent

Abstract
In this paper we use unique retrospective family background data from wave 13th of the British
Household Panel Survey (BHPS) to analyze the relevance of family background, in particular
parental education - separated for fathers and mothers -, and gender on differential educational
achievement. We find parents’ education attainments to be strong predictors of the education
of their offspring. In particular, maternal education is the main determinant on the decision of
whether stay-on beyond compulsory education. Our results are robust to the inclusion of a large
set of control variables, including household income.

Keywords: Educational attainment, schooling, early school leaving, education transmission

JEL Classification: I21, I28, J11.

1. Introduction
The relevance of education has risen considerably during the last decades in industrialized
countries as we all understand that one of the most valuable resources of our societies is the
education children obtain in our national education systems. The relevance of educational outcomes
is now widely documented both at a macro-level and at a micro-level94. The direct implication of
these facts is an increasing interest on the factors that affect educational decisions; especially
taking into account that most part of the educational cost is public-financed or at least public
expenditures are rising over time. Thus, in a context of scarce public resources, it is necessary to
further understand the best channels to increase education in order to target public educational
policies towards them.
Following Haveman and Wolfe (1995), the main factors that determine the process of
a child’s educational attainments are institutional factors (investment of public resources and
determination of the cultural and socio-economic environment), parental factors (time and
income devoted to children, decisions about schooling of a child, liquidity constraints and,
most importantly, family background) and those decisions taken by the child which reflect their
preferences.
Intergenerational mobility or the transmission of socio-economic status across different
generations is another important related-field of the literature about educational attainments.
Educational economists are studying the extent of intergenerational educational mobility and
how it evolves over time (Blanden et al. (2004), Checchi (2006) among others). In this framework,
the key idea is the persistence of educational choices across generations, that is, the level of
inheritance of some educational level per-se. This intergenerational transmission of education is
determined by genetics (such as ability and motivation), cultural and socioeconomic factors (such
as institutional framework, cultural belief, etc). Therefore, having information on educational
attainments of contiguous generations of a representative sample of the population will offer
some evidence on the intergenerational (im)mobility of educational choices. Given the importance
94 The expansion of education is associated with more economic growth and other macroeconomic aggregate outcomes
and at individual level is strongly associated to an increase of labour market participation and/or employability, the
higher income and other non-monetary outcomes i.e. health status, fertility (Currie and Moretti (2003)).

259
of education in determining future economic and social outcomes, evidence of a strong grade of
persistence of education across generations will serve as a guide for policy makers to improve the
situation of those individuals with low education, low income and low social standing.
There is a vast literature covering the effects of the recent development and expansion
of education expenditures. However, it is not yet clear who benefits the most from this process.
Using U.S. data Cameron and Heckman (1998, 2001) conclude that the reduction of short term
liquidity constraints do not affect schooling choices. Chevalier et al. (2003) using data from
20 countries provide evidence about the increase in the effect of parental education alongside
the expansion of higher education. UK studies by Blanden and Machin (2004) and Blanden et
al. (2005) show how the expansion of higher education has not reduced the gap in educational
attainment between children of rich and poor parents. Overall it seems that equitable results are
not achieved through higher public education expenditures.
In this paper, we use retrospective family background data from Wave 13 of the British
Household Panel Survey (BHPS) to investigate the relevance of family background, in particular
parental education on educational attainment. The richness of the dataset allows us to use a
large set of controls at early schooling ages relevant to those factors that the theoretical and
empirical literature highlight as important in affecting educational outcomes. Alongside controls
for individual characteristics, we exploit the longitudinal structure of the data to construct
measures for family structure, attitudes towards education and parental wealth. Notably, we
do not attempt to distinguish between the separate effects of “nature” (correlation between
children’s education and those of their parents caused by genetic issues) and “nurture” (real
productivity effect of parental schooling)95. Therefore, estimates will represent the gross effect of
family background and genetic ability.
Hence, the motivation for the present work is based upon the well documented idea of
the important role that family background (such us parental education) plays in determining
the educational process of individuals. The contribution of this paper aims to add to the existing
literature by testing the economic hypothesis regarding the relationship(s) of parental background
in child outcomes using unique information about family attributes.
The plan of the paper is as follows. Section 2 outlines the existing literature. Section 3
describes the main features of the UK educational system. Section 4 discusses the theoretical
model of educational attainment. In section 5 we explain the nature of the data used. Section 6
outlines the empirical approach, presents the main estimates and discusses the results of several
robustness checks. The final section concludes.

2. Literature review
We find the first contributions to the study of the schooling determinants in the sociological
literature in Boudon (1973), in which the final education attainment is decomposed into a finite
series of stages. Mare (1980) extends that vision and considers that the result of a sequence
of transitions in the educational system is the final educational attainment. More recently
Cameron and Heckman (1998) introduced the concept of Educational Selectivity, criticising the
schooling transition model proposed by Mare (1980). The main argument is based on the idea
that coefficient estimates from schooling transition models that ignore components not observed
by the econometrician but having influence on subsequent transitions (ability, motivation) are
95 Piketty (2000) points out the “poor” relevance of clearly distinguish both concepts; in a recent paper Cunha and
Heckman (2007) analyze the complex interaction mechanisms of nature and nurture and they define as obsolete the
separability of both concepts, e.g. “… the sharp distinction between acquired skills and ability featured in the early
human capital literature is not tenable”.

260
dynamically biased, so there is a problem of dynamic selection bias. They characterize omitted
variable bias and suggest an alternative choice-theoretic model for educational attainment that can
be implemented empirically using an Ordered Choice Model. This contribution to the educational
literature has become a seminal paper due to the inclusion of a very important issue in the
field, the presence of endogeneity in the econometric models caused by unobserved individual
heterogeneity. There is no way of talking about causality of the factors if we do not consider such
endogeneity of the model; in what follows we briefly review the different approaches educational
economists have adopted to overcome these issues.

2.1. Causal effects on Educational attainments

Ermisch and Francesconi (2001) proposed the first important contribution following Cameron and
Heckman (1998) trying to identify causal effects of family background on educational attainment
using a theoretical model as a guide and data from the BHPS. They use an Ordered Logit Model
and suggest that family background has causal effects on children educational attainment if
and only if family background affects the cost of schooling. They report that only when family
background affects the cost of schooling the relation between parents and children education
represents a causal effect. Consequently, for individuals belonging to the group “poor parents”
both family structure and parental education have a positive causal effect on children educational
attainment96.
There is another group of authors that have approached the identification of causal
effects using Natural Experiments, so separating “nature” (genetic transmission) from “nurture”
(productivity effects of parental education). Behrman and Rosenzweig (2002, 2005) use a sample
of twin mothers in order to estimate causal effects of parental education on children’s education
controlling for genetic bias and assortative mating97. The identification of causal effects has
been solved adopting similar approaches by other authors like Sacerdote (2002), Plug (2004)
and Plug and Vijverberg (2003, 2005). They use adoption as a natural experiment (children must
be randomly assigned to adoptive families) understanding the estimate of parental education as
causal effects given the non-relation between the biological and adoptive heritable endowments
of the adoptees.
A further approach to the identification of causal effects is the use of Social Experiments:
institutional or social changes that create exogenous variation in the characteristics of interest
(i.e. parental education) but which are not related to the unobserved determinant of the individual
final outcome (i.e. educational attainment of the child). One of the most relevant contributions
in the literature was provided by Black et al. (2005, 2008) in which they exploit a strong change
in the educative legislation in Norway (1959) in order to obtain the identification of a pure
causal effect of parental education on a children schooling using both cohort and territorial
data under a difference in difference approach. Other similar studies are the ones by Chevalier
et al. (2005) using data for UK (LFS) and by Oreopoulus (2006) using data for the US. They both
use schooling reforms in order to create variations in parental education that are exogenous to
other parental unobserved factors. They adopt an IV strategy to account for the endogeneity of
parental schooling and family income. Their IV estimates contrast with previous results in the

96 They define “poor parents” as those ones not financially able to make transfers to their offspring, opposite to
“rich parents” who do make financial transfers.
97 Following Behrman and Rosenzweig (2002) by assortative mating we mean that “More schooled women in almost
all societies marry more schooled men, and they thus marry more able man as well, given own ability-schooling
correlations”. Therefore, mothers with higher levels of education may have children with greater academic and labour
market performance due to intergenerational genetic transmission and assortative mating.

261
literature: they found that the strong effect of parental education becomes insignificant when
including income measures. Therefore, permanent family income components turn out to be
strong predictors of children educational attainment. Social Experiments have also been used to
assist in the identification of causal effects. The emphasis of this approach has been to consider
institutional changes as a source of variation in individual outcomes (i.e. the effect of time
tracking). There are recent papers using this methodology, as the one by Bauer and Riphnahn
(2006) for the Swiss population. They study the effect of the time of tracking on the educational
attainment and on the relation between tracking and parental education using an Ordered Probit
Model. They come to the conclusion that early tracking do increase the effect of high parental
education on the child’s probability of reaching higher education. Another interesting paper
is the one by Brunello and Checchi (2007). They perform a multi-country analysis using two
different cohorts of individuals educated under the same institutional framework, allowing time
variation related to the variation in schooling institutions over time. Their results contrast with
the ones found by Bauer and Riphnahn (2006), as they find that the early tracking reinforces the
negative effect of having an educated parent on the probability of dropping out.
Finally, it is important to make some comments about a different methodological solution
to the ones mentioned above, Structural Dynamic Choice Models. Under this framework the
econometric model is recovered from a dynamic model for schooling choices solving a stochastic
dynamic programming problem. The most interesting feature of these models is that they can
generate counterfactual evidence, allowing for the possibility of ex-ante policy evaluation. The
evidence reported from these models, that can be found among others in Eckstein and Wolpin
(1999), Cameron and Heckman (2001), Keane and Wolpin (2001), Carneiro et al. (2002, 2003,
2003), Cameron and Taber (2004), Todd and Wolpin (2006), invalidate the results obtained using
Natural and Social Experiments, at least for the US. Given that using this approach requires the
existence of a long longitudinal micro-data set, which it is not available for European countries,
it is difficult to establish whether the results are specific for the US.

2.2. Descriptive Studies on Educational Attainments

The description of reality as a “snapshot” contributes to the empirical literature making
use of more simple models, which are not directly aimed to obtain causal effects. Again the most
relevant contributions are based on the theoretical model proposed by Cameron and Heckman
(1998), an Ordered Choice Model. There are several papers that explicitly recover this model: a
paper by Chevalier and Lanot (2002) in which they propose an estimation strategy separating the
relative effect of financial situation from family characteristic effects in educational attainments.
They estimate an Ordered Probit Model reporting the marginal benefits-marginal cost ratio of
dropping off school at different ages by gender and cohort. They conclude there is a small effect of
family income on educational decisions which is dominated by family background characteristics,
mainly parental education. There are two papers, by Lauer (2002, 2003), in which a Multivariate
Ordered Model is used to account for part of the dynamic selection bias. The 2003 paper performs
a German-French comparison analyzing the effects of gender, family background and time-cohort
on educational attainments. For that purpose she uses the German Socio-Economic Data Panel
(GSOEP) and the Formation et Qualification Professionelles Survey for France. She reports a strong
effect of both parental education and time-cohort variables on educational attainment, with the
parental background effect much smaller for higher education.
There are other studies based on Ordered Choice Models without making an explicit
reference to the model developed by Cameron and Heckman (1998). An investigation about the

262
educational level of second generation of immigrants in Germany is carried out in a paper by
Riphahn (2003). Using an Ordered Probit Model they found that there is an important educational
gap between ethnic groups of the population. In a subsequent paper Bauer and Riphahn (2006)
investigate the differences in educational attainment between Swiss natives and immigrants
reporting the strongest effect of parental education on educational attainment for immigrants,
and in particular for the second generation. Another interesting paper is the one by Dustmann
(2004) in which he looks at correlations between parental characteristics and child schooling and
earnings based on GSOEP data for German birth cohorts 1920 through 1966. He confirms that
parental background affects child outcomes. There is also a recent working paper by Heineck
and Riphahn (2007) which studies the temporal evolution of the effect of family background
(and other explanatory variables such as demographic ones) on children’s education using a
Multinomial Logit Model. The main findings of the study reflect a strong parental background
effect on child educational attainment and no reduction of such an effect over the last decades
in spite of massive public policy interventions and education reforms. Chevalier et al. (2003)
conclude from their study of 20 countries that “the expansion of access to higher education has
been concomitant with an increase in the effect of parental education”.
The issue of intergenerational mobility raised the attention in the UK, which together with
the United States is known for its low mobility, where Blanden et al. (2003), Blanden and Machin
(2004) and Machin and Vignoles (2004) analysed changes in the correlation between parental
relative income position and child educational outcomes. The key findings show that children of
rich parents are the most benefited from the expansion of the higher education system and also
that the gap between children coming from richer and poorer backgrounds has widened over time.
Moreover, Galindo-Rueda and Vignoles (2005) conclude that relevance of parental background
in educational attainment has increased alongside with a decrease of cognitive ability; that
is educational outcomes have increased far more for those with low ability and high income
background at the expenses of those with high ability and low income background (already
suggested by Cameron and Heckman, 1998).
A common pattern of the related literature presented here is the important role that
family background, especially parental education, plays on determining the educational process
of individuals.

3. UK Education system: past, present and future98

Education in Britain is compulsory from the beginning of the school term after a child’s
fifth birthday99 until the end of the academic year in which the child reaches the age of 16
(11 years of compulsory schooling)100. Mainly children attend primary schoolfrom the age of
5 to 11 (Key stage 1 and Key stage 2), then secondary school from the age of 11 to 16 (Key
stage 3 and Key stage 4). At the end of compulsory schooling, students take GCSE examinations
(General Certificate of Secondary Education) in a range of subjects. Once students have completed
compulsory education they have the opportunity to choose between the academic or vocational
stream. The next stage for students pursuing academic qualifications is the Advanced level of the
General Certificate of Education (A-levels). That is, after GCSEs students take two further years of
study following between two and four subjects101; results for A-levels exams are usually obtained
98 We refer to England, Wales and Northern Ireland.
99 Nowadays the single entry point system is becoming increasingly popular; under this system all children must
start school in September of the academic year in which they turn 5.
100 Before 1972 the minimum school leaving age was 15.
101 In 1987 AS-levels were introduced; they are designed to occupy half of the teaching and study time of an A-level.

263
at the age of 18102. Beyond the age of 18 education takes place in universities, undergraduate
degrees normally take 3 years and are usually completed when the person is aged 21-22. On the
other hand students more vocationally oriented go on to Further Education Colleges resulting in
higher vocational qualifications.
Most schools in Britain are maintained by their Local Authority and could be described as
comprehensive; therefore most children attend those schools that cater for all abilities in contrast
to grammar and public schools103. Indeed, the private sector is small accounting for about 7 per
cent of schools (Challen, Machin and McNally, 2008).

3.1. Major changes in the schooling system

During the 1960’s and 1970’s the practice of separating children into different school
types based on ability (children had to take an exam at the age of 11) was phased out. There are
a small number of Local Education Authorities (LEAs) that retain the system but they are not
representative of the population as a whole; in Northern Ireland the system is still in use. The
effects of attending selective schools are difficult to identify and interpret given the problems of
selection bias (i.e. non-random assignment of students) and since they operate through different
channels (i.e. school resources).
Alongside concerns about education inequality, since the 1980’s successive governments
have introduced reforms in an attempt to improve the poor and falling standards of UK education.
We briefly comment on the most important ones. In 1988 (Education Reform Act – 1988) a
reform of the examination system at the end of compulsory schooling was undertaken; GCSEs
replaced the GCE O-level system104. The key change of this reform was the conversion of a rationed
education system (number of O-level passes in a given year were rationed) into one where “a
priori” everyone could pass a GCSE (Blanden, Gregg and Machin 2005). A further modification
concerned changes in the method of assessment: The GCE O-level system was based purely on
exams; whereas the GCSE system involves a substantial coursework component105. The introduction
of GCSEs was also accompanied by reforms aimed at increasing parental choice and improving the
information available to parents about the effectiveness of schools. Several changes in educational
participation and attainment appear to be linked to the introduction of the GCSEs and reform
of the exam system. McNally (2005) identifies the percentage of students achieving five or more
grades at A*-C in the O level/GCSE examinations between 1970’s and the present to have risen
considerably. Blanden et al. (2005) reports the rise in post-compulsory participation.
During the late 1980’s a national standardized curriculum was introduced for students
aged between 7 and 16 with the purpose of raising standards by ensuring that all students study
a prescribed set of subjects up to the age of 16. This policy reform was extended in 1988 with the
introduction of the National Literacy and Numeracy strategies which targeted primary schools
with the aim of developing students’ basic skills. National tests were also introduced to check
the understanding of students to provide further information for parents on the quality of each
school 106.
Two AS-levels are generally taken as one A-level for university entrances purposes.
102 The majority of the students take A-levels, but there are other academic routes such as International Baccalaureate
(IB) diploma.
103 Grammar schools are considered as (highly) selective schools; thus, they identify a subset of children considered
suitable for grammar education, e.g. using “the Eleven plus” exam. On the other hand, public schools are independent
schools not financed by the government but by private sources, predominantly in the form of tuition charges.
104 O-levels were introduced in 1951 and aimed at the top 20 per cent of 15-16 year olds.
105 Notice that individuals from the 1970 cohort are the last ones taking O-level examinations.
106 Children take the exams at ages 7, 11, 14, 16 (Key stage 1, 2, 3 and 4).

264
 Given the relatively small proportion of students staying-on beyond compulsory education,
two major policies were introduced in the late 1990’s. The first reform involved an attempt to
enhance the attractiveness and labour market value of vocational studies in order to improve
the mismatch between the qualifications obtained through vocational education and the skill
demands of the labour market107. The argument here was that if school leavers undertook full or
part-time high quality vocational studies with real value in the labour market the issue of few
young people staying-on under full time education would be reduced. The second reform was
based more on the provision of incentives and saw the introduction of the Education Maintenance
Allowances (EMA) as pilot program in England in 1999. The EMA was designed to encourage young
people from disadvantaged backgrounds to remain in education beyond the age of compulsory
schooling by helping them to cover the additional (opportunity) cost associated with full time
education108. Success of the pilot scheme led to EMA being introduced nationally in 2004. It is
still early to evaluate the validity of both policy reforms. However, whilst the former seems to
have failed in terms of labour market recognition, the latter demonstrates some evidence of
success, particularly in terms of increasing post-compulsory participation (Dearden et al., 2005).
Given the apparent failure of the vocational qualification system, new reforms are currently
being introduced alongside an increase in the age of compulsory education (Challen, Machin and
McNally, 2008)109.
Regarding the Higher education (HE) system in UK, it is worth considering the continuous
rising participation since the late 1960’s. The main reasons behind the policy encouraging the
expansion of HE were to expand the supply of skilled labour and to improve the opportunities of
everyone, regardless of socio-economic background, to attend HE (Machin and Vignoles, 2006). The
high increasing rate of participation during the expansion occurred in the 1980’s raised concerns
regarding a sustainable financial scheme. The situation was addressed by the introduction of
tuition fees in 1998 alongside with the reduction of grants, which were finally phased out in
1999. The grants system was replaced by a loans system; loans that will be repaid by means of
earnings after graduation, therefore it will be graduates and not students paying them back. In
2003 more fundamental reforms were proposed by the government with the purpose of allowing
universities to increase their funding by collecting higher tuition fees from the students and also
to charge variable fees up to a cap set by the government. However, the main concern about this
expansion is who is accessing HE; indeed the expansion appears to have been more beneficial for
richer students, thereby further increasing education inequalities (Machin and Vignoles, 2004;
Marcerano-Gutierrez, Galindo-Rueda and Vignoles, 2004).
Overall, there have been many reforms in the UK education system over recent decades
in terms of laws affecting duration and composition of both compulsory and post-compulsory
education, increasing resources, and provision of incentives towards education that have
influenced educational outcomes.

4. Theoretical model
Cameron and Heckman (1998) introduced the concept of Educational Selectivity criticising
the previous schooling transition models. The main argument is based on the idea that coefficient
107 First attempt was the introduction of NVQ’s in 1988; later on, in 1992 GNVQ’s were introduced and more recently
Vocational GCSE’s as the counterpart of academic GCSE’s have been introduced.
108 It consists of a regular weekly payment for students pursuing further education beyond the age of 16, applicable
to households earning up to £30,000 per year and supplemented by a lump sum paid conditional on progress.
109 The latter involves all young people will stay on in learning or training up to age 17 (2013) and then to 18 (by
2015; subject to legislation).

265
estimates from schooling transition models that ignore components not observed by the
econometrician but having influence on the subsequent transitions, referred to as unobserved
individual heterogeneity such as ability and motivation, are dynamically biased; thus, there is a
problem of dynamic selection bias. Hence, the underlying empirical implication would be that as
a result of applying standard econometric techniques the outcome must yield biased estimations.
In their analysis they characterised omitted variable bias and suggested an alternative theoretical
model for educational attainment that can be implemented empirically using an Ordered Choice
Model.
The model describes a rational decision making process where each individual chooses the
education she wants to acquire among different increasing educational levels, with
We do observe the actual educational choice of the individual , but not the desired/optimal
one , a latent continuous variable. The decision is assumed to be rational in the sense that
it maximises the perceived utility of the individual defined as the difference between expected
returns and expected costs of each educational alternative , given environmental,
family and individual characteristics . Thus, the optimal educational decision for an individual
with a given vector of characteristics is given by:
(1)

where
In order to obtain a positive and unique optimal level of schooling, expected returns,
are assumed to be concave and increasing function of schooling and the perceived educational
cost, is defined to be convex in for a given level of education; in the original model
the perceived cost depends on the explanatory characteristics , whereas expected returns are
not affected by them. It is also assumed that . Given the assumptions,
net returns are concave in for every and positive for at least the initial level of schooling.
Moreover, the model captures unobserved individual heterogeneity through the cost function; it
depends on unobserved characteristics , and observed ones,
The optimal educational choice is such that the expected net return is maximised and
can be characterised using the following set of equations:
(2)
(3)
(4)
or equivalently, if we combine the above inequalities we obtain:
(5)

Therefore, is bounded between the expected ratios of marginal returns to marginal cost
of moving from one educational level to the other (previous one below and next one above) being
the optimal one.
Thus, the probability that an individual, given their characteristics, chooses is given
by:
(6)

Notice that, as pointed out by Lauer (2003), in this model it is not necessary to assess the
actual costs and returns of each individual alternatives but it is enough to determine how observed
characteristics influence the perceived ratio of marginal returns to cost. Taking logarithms and

266
assuming that the equation above takes the form of an Ordered Choice Model:

where represents the thresholds for the jth level

or equivalently, using the distribution function of the error term :

The parameters and can be estimated by maximising the likelihood function for this
model:

where is an indicator function which takes value 1 if the ith individual has reached the jth
level of education or zero for any other case. The model can be easily estimated by maximising
the following log-likelihood function:

Following equations (5) and (6) and assuming that the error term follows a logistic
distribution function, the expression describing the distribution function of the educational level
looks like:

this determines the assumption of proportional log-odds of the Ordered Logit Model:

5. Data and descriptive evidence

In order to analyze the relation between family background (in particular parental
education) and educational attainment of children it is possible to use two different approaches.
One uses household-level surveys to study children at a specific stage in their education, i.e.
children aged 16; this route precludes any analysis of later educational choices and attainment,
e.g. the Family Expenditure Survey (FES). The other approach uses longitudinal data where one
can match individual educational outcomes with parents’ education and family attributes, e.g.
the British Household Panel Survey (BHPS).
In this paper, we use longitudinal data from the British Household Panel Survey (BHPS)
to analyze how children’s education relates to family background (i.e. parental education).
Accordingly we adopt the second approach.
The British Household Panel Survey (BHPS) began in 1991 with a sample of 5,500 households.
All individuals over 15 years old were asked to provide extensive information about education,
parental education, family structure etc. Individuals were then contacted in subsequent years
and followed through the panel, adding new respondents from the household as they reach
16. Therefore, the BHPS random sample remains broadly representative of the population in
Britain110. The data used to analyse the effect of family background on individual educational
110 Of those individuals interviewed in wave 1 (1991), 88% were re-interviewed in wave 2. The wave-on-wave

267
attainment is derived from Wave 13 of the BHPS, conducted in 2003-2004. Our data source
provides unique retrospective family background information; even though limited information
on family background was collected in earlier waves, the questionnaire was expanded in the 13th
wave to elicit additional information about family and parental background and the childhood
at home. Using data from the 13th wave of the BHPS we are able to collect information about
parental education (for both fathers and mothers), ages of both parents when the respondent
was born, type of family the respondent was living in during the childhood, siblings, family size
and birth order, residence during childhood and the presence of educational resources within the
household. This information allows us to capture family level heterogeneity and family attitudes
towards education. Of particular interest are the new variables about fathers and mother’s
educational qualifications. We use these to investigate the degree to which parental education
within the family affect individual education performance.
Our main sample is constructed on the basis of the following criteria: We consider
individuals aged between 16 and 29 (born between 1974 and 1987) with no disabilities and with
complete information on the highest educational attainment achieved at the time of the survey.
Using data from the first 13 waves, results in a full sample of 3046 individuals (1412 men and
1634 women). We wish to observe family income at age 16 so we exclude individuals older than
29 in Wave 13 given that they were not present in the survey in 1991. In case of missing income
measures at age 16 we also allow family income to be observed at 15 or 17.
In particular, the outcome of interest is the individual’s highest completed level of
education, and given the structure of the educational system we differentiate six categories in
ascending order: No qualifications, Level 1 equivalent (qualifications lower than GCSEs -formerly
O-levels - and lower vocational qualifications), GCSE (O-level) equivalent qualifications, A-level
equivalent qualifications, Higher vocational qualifications and Degree qualifications111. The
complete list of variables used for the empirical analysis together with their description and
proportions are given in Table 1.
More than three-quarters of our sample report A-level equivalent qualifications as their
highest education attainment, 15% have a degree level qualification; 6% of the sample report no
qualification. This distribution of qualifications reflects the age distribution of the sample; more
than half of our individuals are aged 22 or less and around 30% are between the ages of 16 and
19.
To control for possible secular trends in educational achievement we introduce the year
in which the respondent was born as an explanatory control variable. The current age of the
individual is also introduced to control for the fact that some individuals in the sample remain in
the educational process.
Young adults are matched with the information about their mother and father. We
construct categorical variables regarding the highest completed academic qualification for fathers
and mothers separately. In addition, we construct a variable for the highest level of parental
education across both parents. Regarding parents with no education qualifications we find that
in our estimating sample around one fifth of the mothers have no qualifications, with larger
share among fathers, at 23%. More than 60% of the mothers have further education or some
qualifications whereas around 52% of the fathers do. Concerning the highest level of education
between parents more than half of the sample has obtained a university degree or further
response rates from the third wave onwards have been consistently between 96-98%. Therefore, the BHPS data is
unlikely to suffer from important attrition bias.
111 The educational attainment of our individuals is measured at the oldest age at which we observe her in the
panel.

268
educational qualifications. We include dummy variables for missing information in order to avoid
dropping those observations and hence introducing potential non-randomness in the analysis.
Additional explanatory variables include controls for family structure, resources at home,
parental wealth and residence during childhood. Almost three-quarters of young adults lived
within an intact family (with both their biological parents) when aged 16; for the remaining part
of the sample 9.6% of the children lived in a step-parent family, 14.8% lived within single parent
families, 90% of which are headed by the mother. Also 7% of our individuals are only-child. We
have also constructed indicators controlling for individuals who need to take care of any person
living within the same household (disable, long term sick, elderly...); almost 9% of estimating
subsample falls into this category. On average, mothers gave birth at age 27, and fathers were
approximately two years older. Less than one sixth of the mothers gave birth when they were
aged 21 or less whereas only around 6% of young adults were born when the father was also aged
21 or less. The reverse situation occurs when we look at “older” parents; around 13% (6%) were
born when their father (mother) was aged 35 or more. Given the rich information provided in this
wave we are able to construct variables regarding both the family size (whether the respondent
was only child or had siblings) and birth order (position at which the respondent was born in
relation with siblings). When combining those two variables in the estimation, problems arise
because of the relation between birth order and family size given that the probability of being in
a small family is always larger for the those children born earlier in the birth order. Indeed, for
our estimating sample the simple correlation coefficient between both variables is around 0.6.
Therefore, instead of using dummy variables for the birth order and a separate continuous variable
for family size, which fails to distinguish the birth order effect from the family size effect, we
use the birth order index proposed by Booth and Kee (2009) that is orthogonal to family size;
consequently the correlation between the birth order index and the family size variable in our
data almost vanishes, being now around 0.02.
We attempt to capture family attitudes towards education using information on the amount
of books at the respondents’ home during childhood. Our main control regarding parental wealth
is family income at age 16. We have constructed an equivalized household income variable,
which adjusts for the effects of household size and composition on the needs of the household,
by matching individual and household information at age 16112. In case of missing income
measures at age 16 we also allow family income to be observed at 15 or 17 rather than dropping
these observations. We also use indicator variables for mother and father not working when the
respondent was 14 representing family wealth and family time devoted to the children; almost
one fifth of the mothers were not working whereas only less than 7% of the fathers were in the
same situation. The survey reports the type of school the individual attended; more than 40%
of the estimating sample went to a comprehensive school and nearly 30% went to secondary
moderns, whereas around 12% did it in a selective school. The potential influences of the type
of area in which the respondents lived during their childhood are captured by the introduction
of a variable that determines their residence at that time. More than one third of our estimating
sample grew up in a town and 32% lived in rural areas when young (up to age 15).
Table 2 reports the mean and median level of education for males and females, for
respondents whose parents have attained high levels of education (either further education or
degree qualifications) and those who have low educated parents (either some qualification or no
112 To calculate equivalized household income, we divide the yearly household income by the McClements ‘before
housing costs’ equivalence scale. That is, the yearly income of one-person households is divided by 0.61; the income
of married couple household is divided by 1 and so on so forth. This reflects the fact that a one person household
with a given income is better off financially than a larger household with the same amount of income.

269
qualifications at all), and also the mean level of education for fathers, mothers and the highest
level of either of them for all individuals in our estimating sample.
Reading the table we observe that for our estimating sample females show a higher mean
level of education than males and also fathers are more educated than mothers. Conditioning
the mean level of education achieved on the type of schooling we observe for males a better
performance when attending private schools whereas the situation is reverse for females who
show a higher educational attainment associated to grammar schools. Notice that when measuring
the maximum paternal educational level within the couple the mean is higher than any of the
individual ones (assortative mating). Furthermore, there is an important gap between the mean
levels of education attained by individuals with educated parents compared to the ones with
uneducated parents. If we look at the mean level of education conditioned on the education of the
parents we observe then on average individuals show a slightly higher educational achievement
related to father’s education, probably due to the fact that the fathers of individuals in the sample
show a higher mean level of education than mothers. We have checked for gender differences in
order to see whether the educational level of mothers (fathers) is associated with higher levels of
education among females (males) and there is no such a relationship in our sample. All median
values are close to the corresponding averages indicating that our estimating subsample is fairly
symmetric; and the data is not skewed much in either direction for both males and females.
Table 3 cross-tabulates fathers and mothers by educational qualification. We observe how
mothers outnumber fathers for low levels of education whereas fathers do for higher levels. Other
interesting information we can extract from the table is the relationship among mothers and
fathers by educational level; by reading the table carefully we observe that larger entries are
along the main diagonal; that is more educated women married more educated men, so more able
man as well given their ability-education relation. Thus, as noticed in the literature (Behrman
and Rosenzweig 2002), those women have higher probability of having children with better
academic performance due to assortative mating.
Tables 4 and 5 report parental education captured in rows and child educational outcomes
in columns for males (N=772) and females (N=927) aged 21 or greater. The sample is restricted so as
to be able to observe the highest educational attainment. Both tables describe the unconditional
probability that a child reaches a given level of education conditional on parental education.
In a situation in which ability endowments could not be inherited and the educational system
would not discriminate based on parental background, we would observe that the probability
of reaching a high educational level should be similar for children of high and low educated
parents. On the other hand, if parental education is strongly transmitted to their offspring we
would observe larger entries on the main diagonal than in other cells (educational immobility).
Reading the tables we observe that we are much closer to the latter situation; larger numbers
on the main diagonal indicate low levels of mobility. This finding is consistent with Blanden et
al. (2007), Blanden and Machin (2007), Machin and Vignoles (2004). The entries in the fourth
column indicate that child educational outcomes vary greatly with parental characteristics; the
probability for both males and females with parents having low educational level to achieve a
university degree (around 11 percent for both) is much lower than the one of children with
highly educated parents (48 per cent for males and 55 per cent for females). Therefore, the share
of individuals whose parents hold degree qualifications is prone to also obtain higher levels of
education. This relation is stronger in the case of females. The reverse situation is observed for
lower levels of education. The probability of having no qualifications given uneducated parents
is slightly larger for males (25 per cent) than for females (24 per cent). The differences are

270
statistically significant, as reported by the Pearson test. Repeating the analysis using father’s and
mother’s educational level instead of the higher level between parents, we obtain very similar
results; again greater levels of education for the father result in children with slightly higher
probability to achieve a university degree when compared with mothers.

6. Empirical approach, estimation results and robustness tests

The impacts of family background variables on educational attainment are modelled as an
Ordered Logit. Our linear objective function is expressed in terms of log-odds taking the following
form:

where is a (continuous) latent variable measuring the level of education for the ith individual
with specific family characteristics; is a vector of family background variables, is a vector
of coefficients and is a random variable distributed as logistic (a constant term is not
identified in the model). The represent the threshold parameters for the jth educational
level; for each educational level, there is a threshold for going from this level to the next one:
if one individual has a higher threshold than another, given their respective characteristics
, it means that the relation of the additional return to opt for the educational level rather
than to the additional cost of doing so is more favourable for the first individual than for the
second, and the probability that she attains educational level will be higher.
Cameron and Heckman (1998) conclude that what matters in terms of schooling decisions
are long term factors in contrast to short run credit constraints. They suggest that government
subsidies will have only “small” effects and tend to attract low ability students to higher education.
This argument would imply that the educational reforms implemented in the UK during the last
decades shouldn’t have influenced either educational choices or the correlation between child
and parental educational outcomes, as they cannot modify long term factors. Based on these
findings we analyse the relevance of family background for educational attainments.
Equal opportunity policies should succeed if the relevance of household and parental
characteristics for child educational choices decline. If that is the case we should expect a low
correlation pattern between parental background and family attributes and educational attainment
of the child. We should also expect a reduction of the disadvantages of children, who grew up
with many siblings or within “non-standard” family structures as single parent or step ones (i.e.
government redistribution should have allowed parents to invest more in the education of their
offspring through increasing household incomes), or lived in rural rather than urban areas.
Therefore, the empirical approach is based on the analysis of how the effect of parental
education changes with the introduction of different set of controls and for individuals of different
ages: 17 or older (post-compulsory); 19 or older (A-levels); 22 or older (university degree).
The baseline specification includes both fathers and mother’s educational attainments in
determining the effect of parental education on educational outcome:

Analyzing the beta coefficients (the educational level obtained by individual i as a function
only of parental education) enables us to determine the effect of parental education gross of the
effect of control variables (estimates will be a composition of genetic and productivity effects of

271
parental education).
Our second specification, where we add a set of control variables, is depicted in equation
16. Our controls include individual characteristics (age, year of birth, ethnicity and sex) and
family attributes (family structure, household needs, family size and birth order index). Some
of these indicator variables are relative to the time when individuals were aged 16, which
corresponds to the decision-time about continuing in education after the compulsory level (e.g.
family structure).

where stands for the set of individual and family characteristics indicators.
Our final specification includes a further set of controls related to the type of schooling
attended by the individual, family attitudes towards education (such as resources at home),
residence during childhood and parental wealth (such as equivalized income and labour status of
father and mother at the age of 16 and 14 respectively).

Coefficient estimates results of all three specifications together with the analysis of
marginal effects and predicted probabilities will allow us to evaluate the role of parental education
under different sets of controls. We will also observe how family and household heterogeneity
affects the relation, and whether the reduction of disadvantages of children coming from poorer
backgrounds has taken place in line with the equal opportunities policies implemented during
the last decades.
As discussed in the theoretical section, we apply an Ordered Logit estimator to our sample
of 3,046 observations of child educational attainment using a categorical variable that captures
the highest educational attainment as our dependent outcome. Table 6 reports the coefficients
from the Ordered Logit for each of our model specifications. Specification [1] includes parent’s
education level, separately for mothers and fathers, and includes indicators for missing values in
both variables in order to avoid dropping those observations and recover potential non-randomness
in the response pattern113. Specification [2] adds individual characteristics such as year of birth
which controls for possible secular trends in educational achievement, a set of dummies for the
current age of the respondent which controls for the fact that in our estimating sample there
are still individuals in their educational process, indicators for gender and ethnic group, family
structure characteristics and family composition114. Finally, specification [3] includes indicators
for the type of schooling attended by the individual, family attitudes towards education in terms
of education resources present at home during childhood, area specific factors and proxies for
family wealth such as labour status of the mother and the father; specification [4] re-estimates
[3] including equivalized household income relative to the time when the individual was 16, the
decision-time for staying-on in education after the compulsory level115. The first issue we address
in the paper is to investigate the extent to which staying-on in education is affected by family
background, especially parental education. Therefore, we have selected the following base group:
A white male individual aged 16 who attended education in a comprehensive school, grew up in a
113 We also re-estimated all the specifications using the highest educational level across parents instead of the
separate ones. Our results were robust, revealing coefficient estimates on parental education substantially larger,
most probably are due to the presence of assortative mating in our sample. We do not report them in the interest
of space.
114 We have also re-estimated all the specifications on separate intact and non-intact family structures. Our results
were robust to these re-estimations. Hence, in the interest of space, we do not report them here.
115 We tried to use parental occupation variables as proxies for family wealth but unfortunately the data available
was extremely poor (more than 65% of the information for father and 75% for mother were missing). Adding these
extra variables to the model would increase noise without providing any relevant information so we dropped them.

272
suburban area, brought up in an intact family, and whose mother and father have no qualifications,
have poor attitudes towards education, were between 22 and 35 years old when the respondent was
born and were employed. By looking at Table 6, it would appear that parental education matters;
Specification [1] shows the positive effect on educational attainment of both fathers and mothers
education gross of any control variables. The increase in educational performance is stronger and
more statistically significant for all child education outcomes relative to mother’s education. In
Specification [2] we observe a decrease in the size of the estimates of parental education and
a slight decrease in the significance of fathers’ education; mothers’ education is significant for
each educational level. The estimates show lower individual educational attainments with respect
to age (related to the expansion of education in Britain). We also find significant differences in
the distribution of educational outcomes by child sex and ethnicity; males are associated with
lower educational levels whereas non-whites show higher performance. Family structure during
childhood is also associated with different schooling decisions; children living within an intact
family obtain a better performance compared with those who were not, also family care duties
substantially reduce educational attainment. Differences in parental age when the respondent
was born also affect educational qualifications; children with younger parents show lower levels
of education (as reported in Ermisch and Francesconi 2001). Furthermore, following Böheim
and Ermisch (2001) we include an indicator measuring how the difference in age between the
father and the mother (fathers being five years or more older than the mothers) when the
respondent was born affect educational performance; the larger is the difference the lower the
educational attainment of the children116. Regarding the number of siblings and the position of
the respondent in the birth order, as expected performance is worse for individuals living in larger
families, and being of higher birth order (as reported in Booth and Kee 2009), supporting the
argument that the first born children receives more attention from their parents in terms of time
inputs. Specification [3] further controls for the type of school the child attended; studying in
selective schools is associated with higher levels of education, relation that might be linked to
better school resources. We also include the presence of books at home and the family residence
during childhood in terms of different areas. As expected, educational attainment increases with
positive family attitudes towards education, and it is declining if the children did not live in a
suburban area, respondents living in inner city areas or towns during their childhood obtain lower
educational qualifications. Adding income as the main proxy for family wealth in specification
[4] enables us to observe how higher levels positively affects educational attainment and slightly
reduces the magnitude of the parental education coefficients. In all four specifications, parental
education remains as the main determinant of educational attainment. Furthermore, mothers’
education has a stronger effect than fathers, even though mothers present a lower mean level of
education in our estimating sample. In particular, moving from compulsory education to further
education qualifications we observe how maternal education has a much stronger association
with a child’s educational attainment.
Threshold parameters are positive and statistically significant for all levels of education,
reflecting the increase in post compulsory participation117. Thus, individuals with a better family
background, especially with higher educated parents, have a larger probability of staying-on
in education beyond the compulsory level at the expenses of those ones coming from poorer
backgrounds.

116 Böheim, R. and J. Ermisch (2001) find that the larger is the age difference, the higher the risk of divorce; that
is to say increasing the probability of being in a non-intact family.
117 Notice that threshold parameters are define in negative terms in our objective function:

273
 Coefficient estimates from Ordered Logit Models are difficult to interpret; the sign of
each coefficient indicates the direction of the effect of a change in a particular regressor, but
the magnitude would be different for each individual. An interesting way to interpret the effect
of our variables is to analyze the marginal effects, so how the outcome predicted probability
is modified due to a marginal change in the regressor. The marginal effect of a change in the
variable on the probability of acquiring educational level is calculated as:

where stands for the density function of the error term and is the coefficient associated
th
with the l element of the explicative variables. Marginal effects must be calculated for specific
values of , either for the “mean individual” or for an individual with specific characteristics.
Table 7 reports marginal effects with respect to specification [4] of having an educated mother and
father (holding either post-compulsory or degree qualifications), gender, ethnic group, mother
and father age when respondent was born and positive family attitudes towards education. The
marginal effects for our model reveal how individuals increase educational attainment depending
on the education of their parents: The higher the education of the mother (father) the better
the performance, that is to say the less likely the child is to obtain lower education outcome and
the more likely she is to reach a degree qualification. Notice that the change in the sign occurs
between compulsory (GCSE – O level) and post compulsory (A-level) levels of education. The
negative marginal effect of having an educated mother (father) indicates a lower probability of
dropping off school at compulsory level, thus increasing the probability of staying-on beyond the
compulsory level. The opposite pattern is followed by individuals whose parents were young when
they were born (younger than 22). Positive family attitudes towards education, measured as the
amount of books at home during childhood, also improves individual educational achievements.
Being female is also associated with higher levels of education; it increases the probability of
attaining a degree qualification by 4 percentage points, whereas belonging to the white ethnic
group reduces individual chances of good educational performance.
We also report the predicted probabilities of each individual’s educational outcome. Table 8
compares the difference in predicted educational outcomes for female and non-white individuals,
whose parents have high education levels, were older when the respondent was born and have
positive attitudes towards education. The association between our main covariates and individual
educational attainment is also clear when we read the table; the model predicts that respondents
whose parents are educated have a low predicted probability of obtaining qualifications below the
compulsory level (less than 4%) while the average probability of obtaining A-level qualifications
or above is larger than 70%. Notice that the largest change in predicted probabilities happens
between the compulsory and post compulsory level. Gender and ethnic group characteristics also
affect the predicted probabilities, females have almost a 12% probability of obtaining a degree
and non-whites reach almost a 15% probability. Individuals with an older mother (father) have
a probability of obtaining higher education larger than 10%, and respondents who grew up in a
family with positive attitudes towards education have a 12% probability of obtaining a university
degree.
From the pooled estimates reported in Table 6 we observe the presence of statistically
significant gender differences in levels; the drawback of this approach is the implicit assumption
that gender has a similar impact on all threshold values. To further investigate these differences
and their impact in the threshold parameters, we proceed to re-estimate specifications [3] and

274
[4] separately for males and females. Results are shown in Table 9: for males, father’s (mother’s)
education coefficients increase in magnitude by around 20% (10%); both reveal stronger effects
moving from post compulsory to university degree level and are highly statistically significant
for the latter. In the case of females , father’s education coefficients decrease in magnitude by
around 10% and are only significant at university degree level; mother’s education is highly
significant at all levels of education, revealing stronger effects when moving from compulsory to
post compulsory qualifications. The behaviour of the main covariates is fairly similar compared
to the baseline estimation. It is noticeable that family structure characteristics largely affect the
educational attainment for females.
Threshold parameters are positive and statistically significant up to A-Level (higher
vocational) qualifications, reflecting the age distribution of our sample. Thresholds are significantly
higher for females than for males. This implies that for the same other characteristics and
coefficients, the marginal return to cost ratio of staying-on in education after the compulsory
level will be higher for females.
Turning to the analysis of the marginal effects and predicted probabilities we focus
on the effect of having parents with different education qualifications in the decision of post
compulsory participation. Tables 10 and 11 report the results for males: The change in the sign
of the marginal effect occurs between the compulsory and post compulsory levels. Notice that
the magnitude of the marginal effect is larger in absolute value for higher levels of education of
both mothers and fathers. This means that the decreased (increased) probability of dropping off
(staying-on) school at compulsory level is higher, the greater the level of parental education,
especially moving from post compulsory to university degree level. Predicted probabilities follow
a rather similar pattern: Having educated parents implies a much larger probability of both
obtaining compulsory education and staying-on in education with respect to individuals whose
parents have no qualifications.
Results for females in Tables 12 and 13 reveal a similar behaviour; the main differences
relate to significantly larger marginal effects of maternal education, in particular moving from
compulsory to post compulsory educational levels.
Hence, our results confirm that parental education levels are positively associated with
child scholastic performance, in particular by looking at the decision of whether to continue
the educational process beyond compulsory education. Estimation results reveal stronger effects
of maternal education than paternal, meaning that mothers tend to be the main provider of
care within the household and also stronger effects on males than females. Moreover, we also
found that the education effects remained highly significant even when household income was
included.

a. Robustness checks
First, consider the possibility of different parental education effects for individuals of
different ages. The sample distribution of qualifications reflects the age distribution of the
individuals, many are not old enough to have received a degree yet, thus the highest education
qualification reported might not be the final one. To test for this potential censoring problem
we break down the sample into to sub-samples based on the age of the individual, thus we now
consider individuals aged over 19 (A-level) and 22 (university degree).
Table 14 reports results when we re-estimate specifications [3] and [4] over the two
subsamples. The most remarkable changes we observe with respect to the estimates we found
using the complete sample are related to father’s education; the association between father’s

275
education and children’s educational attainment has decreased in terms of lower and insignificant
coefficients for lower levels and the older individuals of the sample, but on the other hand it has
become stronger for fathers with university degree, especially over the subsample of individuals
aged 22 or more. The effect of maternal education remains significant at all levels of education
and for all age ranges and becomes stronger (as the fathers) for mothers with university degree for
older individuals. Analyzing the covariates of the model it is clear that they also remain robust and
keep the expected signs. Family attitude towards education is the only exception as presence of
lots of books at home is not significant anymore for the older individuals of the sample, reflecting
the fact that this effect is captured at early stages of the educational process. Females and non-
whites achieve better educational outcomes especially for higher levels of education, showing
larger coefficients in particular for the ethnic group variable. Family structure and composition,
and family wealth variables as well as indicators relating to type of schooling and residence show
similar patterns of association as did for the full sample. Thus, the results are consistent with
those ones reported in the previous section.
We now test the hypothesis that parental education effects might differ for different types
of non-intact families. Exploiting the richness of our dataset non-intact families are further divided
into two groups differentiating between children whose parents separated and children born out
of the wedlock118. At this point it is important to recall the family structure characteristics of
our main sample: Almost three-quarters of young adults lived within an intact family (with both
their biological parents) when aged 16; for the remaining part of the sample 9.6% of the children
lived in a step-parent family, 14.8% lived within single parent families, 90% of which are headed
by the mother. Biological mothers play a key role in most of the non-intact families, thus as
reported in Walker and Zhu (2008) potential differences in parental education effects might arise
from income sources, the monetary transfers from the non-custodial parent (usually the father)
to the custodial parent (usually the mother). We investigated these hypothesis, as reported
in specifications [3’] and [4’] in Table 15, which re-estimate specifications [3] and [4] using
indicators for parents never married and parents divorced instead of the previous family structure
measures (base group is children living within an intact family). The estimated coefficients for
the new family structure measures are negative and highly statistically significant in the pooled
estimation; regarding the gender specific estimations, growing up in family which parents never
married has a stronger negative effects for males, whilst having divorced parents does it for
females. Analyzing the covariates of the model it is clear that they also remain robust and keep
the expected signs. Its inclusion has little effect on our estimated parental effects, thus we
found no significant differences on the effect of parental education with respect to the estimates
reported using the complete sample, they remain positive and highly statistically significant, in
particular for maternal education. Hence, results are consistent with those ones reported in the
previous section for both pooled and gender specific estimations.

6. Conclusions
This paper aims to produce additional evidence about the impact of family background on
schooling decisions. We analyze the effect of parental education, gender and cohort on educational
attainment using unique retrospective data from Wave 13 of the British Household Panel Survey.
We first investigate the extent to which staying-on beyond compulsory education is affected by
parental education, allowing for separate effects of mother’s and father’s education.
118 Parental separation is associated with adverse outcomes for children (Amato and Keith (1991), Haveman and
Wolfe (1995) and Amato (2001)).

276
 We find parents’ educational attainments to be strong predictors of the education of their
offspring. In particular, maternal education is the main determinant on the decision of whether
to stay-on beyond compulsory education, meaning that mothers tend to be the main provider of
care within the household, and shows stronger effects on males than females. Stronger effects
are revealed when both mother and father hold a university degree; while for females, mothers’
education shows stronger effects compare to fathers and stronger effects are shown when father
holds a university degree and mother holds post-compulsory education. For both, the higher
the parental education, the higher its relevance. Moreover, we also find the education effects
remained highly significant even when household income was included. Our results are robust to
the inclusion of a large set of control variables and under different robustness checks.
Hence, in spite of all institutional efforts in bringing together educational expansion
and equality of opportunities our results point to an increase over time of the educational gap
in favour of those individuals with better family background characteristics. The reduction of
disadvantages for children coming from poorer backgrounds has not yet taken place.

277
Table 1. Descriptive Statistics: Full Sample

Variables

Name Description
N Mean S.D. Min. Max.

Dependent Variable

edqual Highest educational qualification 3046 3.717 1.331 1 6

edqual1 No qualification 3046 0.065 0.247 0 1
edqual2 Level 1 equivalent 3046 0.076 0.265 0 1
edqual3 GCSE - O level equivalent 3046 0.299 0.458 0 1
edqual4 A - Level 3046 0.345 0.475 0 1
edqual5 Higher vocational 3046 0.065 0.247 0 1
edqual6 Degree qualification 3046 0.149 0.357 0 1

Independent Variables

Individual Characteristics

y_birth Year of birth - 1900 3046 80.44 4.089 74 87

age Respondent's age 3046 22.33 4.087 16 29
female Sex 3046 0.536 0.499 0 1
Nonwhite Race 3046 0.033 0.177 0 1

Sctype School type 3046 2.805 1.81 1 6

sctype1 Comprehensive school 3046 0.419 0.49 0 1
sctype2 Grammar school 3046 0.089 0.29 0 1
sctype3 Sixth form college 3046 0.129 0.34 0 1
sctype4 Private school 3046 0.036 0.19 0 1
sctype5 Secondary modern school 3046 0.288 0.45 0 1
sctype6 Other school 3046 0.04 0.2 0 1

Source: British Household Panel Survey, Wave 1-16.

278
Table 1 (continued): Descriptive Statistics: Full Sample
Parental education

meduqual Mother's education 2842 2.271 0.95 1 4

meduqual1 Mother - no education 3046 0.219 0.41 0 1
meduqual2 Mother - compulsory education 3046 0.35 0.48 0 1
meduqual3 Mother - post-compulsory education 3046 0.256 0.44 0 1
meduqual4 Mother - University degree 3046 0.108 0.31 0 1
medu_miss Missing for mother education 3046 0.067 0.25 0 1
feduqual Father's education 2690 2.353 1.02 1 4
feduqual1 Father - no education 3046 0.231 0.42 0 1
feduqual2 Father - compulsory education 3046 0.239 0.43 0 1
feduqual3 Father - post compulsory education 3046 0.284 0.45 0 1
feduqual4 Father - university degree 3046 0.129 0.34 0 1
fedu_miss Missing for father education 3046 0.117 0.32 0 1

Family structure

famstr1 Intact family (Living both natural parents) 3046 0.734 0.44 0 1
famstr2 Living step family 3046 0.096 0.29 0 1
famstr3 Living single parent family 3046 0.148 0.36 0 1
famstr4 Living another household 3046 0.022 0.15 0 1
fcare Family care 3046 0.088 0.28 0 1
mage_birth Mother's age at birth 3046 26.81 5.21 14 55
fage_birth Father's age at birth 3046 29.51 5.90 16 66
o_child Only child 3046 0.074 0.26 0 1
famsize Family size 3046 2.808 1.16 1 6
bthindex Birth Index 3046 1 0.38 0.22 1.81
Family wealth

lghhincome Log equivalized HH income at 16 3046 9.653 0.7 1.31 12.6

f_notwork Father not working at 14 3046 0.067 0.25 0 1
m_notwork Mother not working at 14 3046 0.184 0.39 0 1
nbooks # books during childhood 3046 2.327 0.72 1 3
nbooks 1 Not many books at home 3046 0.151 0.36 0 1
nbooks 2 A few books at home 3046 0.371 0.48 0 1
nbooks 3 A lot of books at home 3046 0.478 0.49 0 1
residence Area lived in 3046 3.025 0.98 1 5
res1 Inner city 3046 0.077 0.27 0 1
res2 Suburban 3046 0.206 0.4 0 1
res3 Town 3046 0.364 0.48 0 1
res4 Village/Rural 3046 0.322 0.47 0 1
res5 Mobile 3046 0.031 0.17 0 1

279
Table
Table2.2.Mean
Meanand
andmedial
medianlevel of education
level of education
Males Females

Mean Median Mean Median

3.78
Educational attainment 3.64 (1.33) 4 (1.32) 4
4.36
Attending grammar 4.23 (1.37) 4 (1.35) 4
Attending private 4.43 (1.30) 4 4.27 (1.61) 4
Mothers 2.31 (0.94) 2 2.23 (0.95) 2
2.32
Fathers 2.38 (1.01) 2 (1.02) 2
Highest either of parents 2.62 (0.94) 3 2.56 (0.97) 3
4.23
Educated parents 3.95 (1.29) 4 (1.31) 4
3.59
Uneducated parents 3.52 (1.34) 3 (1.28) 4

Number of observations 1412 1634

Source: British Household Panel Survey, Wave 13. Standard errors in parentheses.

Table 3. Education level within couples (%)

Father’s education
No Compulsory Post- University Missing Total
qualification education compulsory degree

Mother’s
education
No qualification 11.59 3.25 4.14 0.66 2.27 21.9
Compulsory
education 6.76 13.89 9.26 2.1 3.02 35.03
Post-compulsory 3.48 4.27 12.11 4.27 1.44 25.57
University degree 0.46 1.81 2.3 5.81 0.43 10.08

Missing 0.79 0.69 0.59 0.1 4.53 6.07

Total 23.08 23.90 28.40 12.93 11.69 100

Source: British Household Panel Survey, Wave 13.

280
Table 4. Males educational level by parental education (%)

Education completed by the individual

Below Compulsory Post - Degree

Total
compulsory education Compulsory qualification

No
Parental qualification
education 25.25 22.22 41.41 11.11 100
Compulsory
education 13.48 28.26 39.57 18.7 100

Post -
Compulsory 9.4 23.31 46.24 21.05 100

University
degree
2.07 8.97 40.69 48.28 100

Total 12.17 22.15 42.23 23.45 100

Pearson (20) = 113.57 Pr = 0.000

Source: British Household Panel Survey, Wave 13.

Table 5. Females educational level by parental education (%)

Education completed by the individual

Below Compulsory Post - Degree

Total
compulsory education Compulsory qualification

No
Parental qualification
education 24.36 32.05 32.05 11.54 100
Compulsory
education 10.88 28.03 43.51 17.57 100

Post -
Compulsory 6.36 19.36 45.38 28.9 100

University
degree
1.32 14.47 28.29 55.92 100

Total 10.89 22.87 39.37 26.87 100

Pearson (20) = 175.01 Pr = 0.000
Source: British Household Panel Survey, Wave 13.

281
Table 6. Specifications [1] to [4]: Ordered Logit Model for the highest educational attainment
Spec[1] Spec[2] Spec[3] Spec[4]

Father’s education
Compulsory education 0.306*** (2.88) 0.199* (1.83) 0.189* (1.72) 0.179 (1.62)
Post-Compulsory 0.390*** (3.68) 0.249** (2.33) 0.230** (2.12) 0.212* (1.96)
University degree 0.967*** (7.26) 0.804*** (5.94) 0.712*** (5.08) 0.684*** (4.86)

Mother’s education
Compulsory education 0.470*** (4.51) 0.368*** (3.51) 0.300*** (2.84) 0.289*** (2.74)
Post-Compulsory 0.863*** (7.60) 0.710*** (6.27) 0.602*** (5.25) 0.588*** (5.13)
University degree 1.116*** (8.29) 0.966*** (7.09) 0.762*** (5.47) 0.725*** (5.19)

Year of birth - 1900 -0.272*** (-2.93) -0.261*** (-2.80) -0.259*** (-2.78)

Female 0.364*** (5.27) 0.303*** (4.31) 0.307*** (4.36)
Non-white 0.462** (2.48) 0.410** (2.02) 0.442** (2.16)
Step family -0.342*** (-2.79) -0.271** (-2.21) -0.279** (-2.28)
Single parent family -0.444*** (-4.36) -0.382*** (-3.67) -0.336*** (-3.22)
Family care -0.962*** (-6.48) -0.869*** (-5.87) -0.837*** (-5.70)
Mother's age at birth < 22 -0.487*** (-4.18) -0.414*** (-3.54) -0.407*** (-3.48)
Father's age at birth < 22 -0.534*** (-3.20) -0.515*** (-3.07) -0.498*** (-2.97)
Father's age at birth > 35 0.291** (2.20) 0.234* (1.75) 0.232* (1.74)
Age diff. at birth -0.360*** (-3.78) -0.314*** (-3.27) -0.315*** (-3.30)
Family size -0.179*** (-4.80) -0.169*** (-4.40) -0.158*** (-4.10)
Birth order index -0.444*** (-4.54) -0.409*** (-4.12) -0.436*** (-4.38)
Grammar 0.892*** (7.10) 0.889*** (7.07)
Sixth form college 0.563*** (5.67) 0.554*** (5.57)
Private 0.651*** (3.50) 0.659*** (3.53)
A few books 0.228** (2.00) 0.219* (1.92)
A lot of books 0.334*** (2.93) 0.328*** (2.88)
Kid inner city -0.381** (-2.30) -0.336** (-2.01)
Kid town -0.204** (-2.22) -0.186** (-2.02)
Mixture/moved around -0.431* (-1.89) -0.408* (-1.79)
Log HH income at 16 0.186*** (3.58)

-21.40*** (-2.72) -25.40*** (-3.16) -24.29*** (-3.00) -22.30*** (-2.75)

-20.48*** (-2.61) -24.45*** (-3.04) -23.33*** (-2.89) -21.33*** (-2.64)

-18.64** (-2.37) -22.52*** (-2.80) -21.35*** (-2.64) -19.35** (-2.39)

-16.80** (-2.14) -20.59** (-2.56) -19.38** (-2.40) -17.37** (-2.15)

-16.28** (-2.07) -20.06** (-2.50) -18.83** (-2.33) -16.82** (-2.08)

Observations 3046 3046 3046 3046

Wald χ2 1142.07 1170.91 1157.67 1186.77
Pseudo R2 0.084 0.107 0.1196 0.121
Source: BHPS, Waves 1-16. Absolute t ratios are calculated by dividing each estimated coefficient by the
corresponding robust standard error. Significance levels: * p < 0.1, ** p < 0.05, *** p < 0.01.
Table 7. Marginal effects (%)
Educated Educated Younger Younger Positive
Education attainment mother father Female White mother father attitudes

No qualification -2.02 -1.94 -1.02 1.39 1.79 2.35 -1.26

Level 1 equivalent -2.8 -2.69 -1.38 1.89 2.27 2.92 -1.65

GCSE - O level -11.67 -11.04 -4.96 7.16 6.09 7.13 -5.17
A - Level 4.84 4.8 3.06 -3.96 -5.47 -7.01 3.9
Higher vocational 3.56 3.34 2.42 -2.09 -1.64 -1.91 1.42

Degree qualification 10.93 10.18 4.01 -4.4 -4.32 -4.97 3.88

Estimated marginal effects are relative to an individual reference group with the following characteristics:
having parents with no higher education (holding either compulsory or no qualifications), being a non-
white male, having older parents (aged 35 or more), having few books at home and living in a town during
childhood. The rest of the independent variables are set to the mean of the sample.

282
Table 8. Predicted probabilities (%)
Educated Educated Non- Older Older Positive Mean
Education attainment mother father Female White mother father attitudes Ref.

No qualification 1.91 2.01 3.13 2.37 3.37 3.49 3.04 11.1

10.34
Level 1 equivalent 2.95 3.09 4.68 3.62 5.01 5.17 4.56
33.37
GCSE - O level 22.15 22.93 30.22 25.59 31.50 32.06 29.74
29.85
A - Level 45.82 45.80 43.61 45.40 42.89 42.55 43.85
5.75
Higher vocational 9.42 9.15 6.85 8.27 6.48 6.32 6.99
9.59
Degree qualification 17.75 17.02 11.52 14.75 10.75 10.42 11.82
Estimated probabilities based on the coefficients from specification [3]. Last column refers to mean of the
reference category group.

Table 9. Gender specific estimations: Specifications [3] and [4]

Males Females
Spec[3] Spec[4] Spec[3] Spec[4]

Father’s education
Compulsory education 0.266 (1.63) 0.255 (1.56) 0.107 (0.69) 0.096 (0.62)
Post-Compulsory 0.339** (2.00) 0.321* (1.89) 0.136 (0.93) 0.122 (0.83)
University degree 0.909*** (4.38) 0.874*** (4.17) 0.505** (2.55) 0.493** (2.48)

Mother’s education
Compulsory education 0.268 (1.58) 0.265 (1.57) 0.310** (2.18) 0.294** (2.08)
Post-Compulsory 0.364** (1.98) 0.357* (1.95) 0.798*** (5.20) 0.779*** (5.06)
University degree 0.778*** (3.69) 0.769*** (3.65) 0.803*** (4.07) 0.735*** (3.68)

Year of birth – 1900 -0.277** (-1.97) -0.283** (-2.03) -0.296** (-2.28) -0.279** (-2.14)
Non-white 0.474* (1.72) 0.489* (1.75) 0.454 (1.42) 0.492 (1.53)
Step family -0.125 (-0.68) -0.137 (-0.75) -0.406** (-2.40) -0.410** (-2.43)
Single parent family -0.313** (-2.01) -0.278* (-1.77) -0.426*** (-2.95) -0.375*** (-2.60)
Family care 0.087 (0.30) 0.096 (0.33) -1.212*** (-6.82) -1.170*** (-6.63)
Mother's age at birth < 22 -0.554*** (-3.25) -0.535*** (-3.13) -0.268 (-1.60) -0.277* (-1.65)
Father's age at birth < 22 -0.304 (-1.25) -0.289 (-1.20) -0.664*** (-2.89) -0.645*** (-2.78)
Father's age at birth > 35 0.0897 (0.43) 0.0969 (0.47) 0.380** (2.09) 0.364** (2.02)
Age diff. at birth -0.334** (-2.31) -0.340** (-2.34) -0.327** (-2.45) -0.319** (-2.41)
Family size -0.265*** (-4.50) -0.256*** (-4.34) -0.091* (-1.70) -0.075 (-1.40)
Birth order index -0.444*** (-2.99) -0.459*** (-3.10) -0.359** (-2.57) -0.390*** (-2.79)
Grammar 0.843*** (4.14) 0.846*** (4.14) 0.878*** (5.36) 0.870*** (5.32)
Sixth form college 0.570*** (4.00) 0.563*** (3.93) 0.523*** (3.68) 0.515*** (3.63)
Private 0.803*** (3.04) 0.820*** (3.14) 0.501* (1.79) 0.503* (1.76)
A few books 0.109 (0.71) 0.098 (0.64) 0.336* (1.92) 0.333* (1.91)
A lot of books 0.245 (1.55) 0.235 (1.48) 0.383** (2.23) 0.383** (2.25)
Kid inner city -0.226 (-0.98) -0.190 (-0.82) -0.503** (-2.05) -0.463* (-1.87)
Kid town -0.177 (-1.32) -0.169 (-1.26) -0.228* (-1.74) -0.206 (-1.57)
Mixture/moved around -0.456 (-1.36) -0.429 (-1.27) -0.537* (-1.75) -0.523* (-1.71)
Log HH income at 16 0.135* (1.72) 0.210*** (2.92)

-21.40*** (-2.72) -23.82** (-2.10) -24.29*** (-3.00) -25.23** (-2.09)

-20.48*** (-2.61) -22.90** (-2.02) -23.33*** (-2.89) -24.20** (-2.00)

-18.64** (-2.37) -20.80* (-1.83) -21.35*** (-2.64) -22.28* (-1.85)

-16.80** (-2.14) -18.78* (-1.65) -19.38** (-2.40) -20.29* (-1.68)

-16.28** (-2.07) -18.23 (-1.61) -18.83** (-2.33) -19.73 (-1.63)

Observations 1412 1412 1634 1634

Wald χ2 546.6 575.62 613.34 642.87
Pseudo R2 0.119 0.120 0.131 0.133

Source: BHPS, Waves 1-16. Absolute t ratios are calculated by dividing each estimated coefficient by the
corresponding robust standard error. Significance levels: * p < 0.1, ** p < 0.05, *** p < 0.01.

283
Table 10. Marginal effects of parental education on staying-on beyond compulsory education (%):
Males
Father Father Father Mother Mother Mother
Education attainment Compulsory Post Degree Compulsory Post Degree

GCSE - O level -3.96 -4.99 -13.06 -4.09 -5.56 -12.02

A - Level 2.87 3.58 6.40 3.07 3.88 5.95
Degree qualification 2.21 2.80 9.33 2.24 3.16 8.04
Estimated marginal effects based on coefficients from specification [4]. They are calculated relative to indi-
viduals whose father and mother have no education qualifications. The rest of the independent variables are
set to the mean of the sample.

Table 11. Predicted probabilities of parental education on staying-on beyond compulsory education (%):
Males
Father Father Father Mother Mother Mother Mean
Education attainment Compulsory Post Degree Compulsory Post Degree Ref.

GCSE - O level 30.67 30.02 21.84 31.02 29.42 22.99 30.24

A - Level 43.22 43.60 46.03 43.00 43.92 45.97 33.85
Degree qualification 10.71 11.11 17.42 10.50 11.48 16.35 13.59
Estimated probabilities based on the coefficients from specification [4]. Last column refers to mean of the
reference category group.

Table 12. Marginal effects of parental education on staying-on beyond compulsory education (%):
Females
Father Father Father Mother Mother Mother
Education attainment Compulsory Post Degree Compulsory Post Degree

GCSE – O level -1.63 -2.09 -8.30 -5.01 -12.95 -12.09

A – Level 0.87 1.12 3.23 2.58 5.02 3.42
Degree qualification 0.93 1.20 5.47 2.93 8.66 8.87
Estimated marginal effects based on coefficients from specification [4]. They are calculated relative to indi-
viduals whose father and mother have no education qualifications. The rest of the independent variables are
set to the mean of the sample.

Table 13. Predicted probabilities of parental education on staying-on beyond compulsory education (%):
Females
Father Father Father Mother Mother Mother Mean
Education attainment Compulsory Post Degree Compulsory Post Degree Ref.

GCSE - O level 30.50 30.27 24.50 28.44 22.28 20.92 29.68

35.06
A - Level 44.43 44.54 46.39 45.34 46.54 48.45
16.09
Degree qualification 11.46 11.60 15.64 12.75 17.59 18.92
Estimated probabilities based on the coefficients from specification [4]. Last column refers to mean of the
reference category group.

284
Table 14. Age specific estimations: Specifications [3] and [4]
A-level University degree

Spec[3] Spec[4] Spec[3] Spec[4]

Father’s education
Compulsory education 0.160 (1.27) 0.156 (1.23) 0.058 (0.40) 0.054 (0.37)
Post-Compulsory 0.208* (1.69) 0.195 (1.58) 0.087 (0.63) 0.087 (0.62)
University degree 0.813*** (4.88) 0.793*** (4.74) 0.809*** (3.90) 0.787*** (3.77)

Mother’s education
Compulsory education 0.313*** (2.61) 0.298** (2.49) 0.310** (2.23) 0.298** (2.15)
Post-Compulsory 0.648*** (4.91) 0.629*** (4.77) 0.795*** (5.05) 0.776*** (4.93)
University degree 0.857*** (5.23) 0.818*** (4.99) 1.055*** (5.00) 1.027*** (4.86)

Year of birth – 1900 -0.043 (-0.41) -0.029 (-0.28) 0.064 (0.50) 0.072 (0.56)
Female 0.319*** (3.91) 0.328*** (4.00) 0.339*** (3.45) 0.335*** (3.41)
Non-white 0.466* (1.77) 0.529** (1.97) 1.000*** (2.90) 1.052*** (2.98)
Step family -0.354** (-2.45) -0.357** (-2.49) -0.511*** (-2.72) -0.493*** (-2.62)
Single parent family -0.486*** (-3.84) -0.427*** (-3.36) -0.547*** (-3.55) -0.503*** (-3.25)
Family care -0.844*** (-5.53) -0.797*** (-5.26) -1.011*** (-6.00) -0.963*** (-5.74)
Mother's age at birth < 22 -0.407*** (-3.10) -0.401*** (-3.07) -0.320** (-2.06) -0.316** (-2.04)
Father's age at birth < 22 -0.582*** (-3.27) -0.554*** (-3.11) -0.574*** (-2.79) -0.541*** (-2.62)
Father's age at birth > 35 0.211 (1.31) 0.212 (1.32) 0.278 (1.46) 0.285 (1.50)
Age diff. at birth -0.256** (-2.27) -0.264** (-2.35) -0.335*** (-2.58) -0.340*** (-2.63)
Family size -0.182*** (-4.19) -0.169*** (-3.91) -0.185*** (-3.49) -0.175*** (-3.31)
Birth order index -0.439*** (-3.82) -0.465*** (-4.04) -0.453*** (-3.26) -0.466*** (-3.35)
Grammar 1.132*** (7.59) 1.129*** (7.58) 1.389*** (7.42) 1.368*** (7.27)
Sixth form college 0.583*** (4.73) 0.570*** (4.58) 0.688*** (4.31) 0.663*** (4.12)
Private 0.759*** (3.50) 0.770*** (3.57) 0.761*** (2.80) 0.762*** (2.82)
A few books 0.132 (1.05) 0.124 (0.99) 0.114 (0.81) 0.109 (0.77)
A lot of books 0.240* (1.89) 0.237* (1.88) 0.222 (1.55) 0.220 (1.56)
Kid inner city -0.414** (-2.33) -0.378** (-2.12) -0.531*** (-2.74) -0.513*** (-2.65)
Kid town -0.190* (-1.77) -0.177 (-1.63) -0.235* (-1.84) -0.229* (-1.79)
Mobile -0.271 (-1.09) -0.249 (-1.01) -0.355 (-1.29) -0.349 (-1.27)
Log HH income at 16 0.234*** (4.09) 0.173** (2.33)

Observations 2326 2326 1699 1699

Wald χ2 546.6 575.62 613.34 642.87
Pseudo R2 0.119 0.120 0.131 0.133

Source: BHPS, Waves 1-16. Absolute t ratios are calculated by dividing each estimated coefficient by the
corresponding robust standard error. Significance levels: * p < 0.1, ** p < 0.05, *** p < 0.01.

285
 286
Table 15. Non-intact families: Specifications [3`] and [4`]
Pooled Males Females
Spec[3`] Spec[4`] Spec[3`] Spec[4`] Spec[3`] Spec[4`]
Father’s education
Compulsory education 0.190* (1.72) 0.180 (1.63) 0.272* (1.66) 0.259 (1.58) 0.111 (0.72) 0.102
Post-Compulsory 0.228** (2.10) 0.211* (1.94) 0.336** (1.98) 0.316* (1.86) 0.143 (0.98) 0.131
University degree 0.715*** (5.11) 0.687*** (4.89) 0.919*** (4.42) 0.883*** (4.20) 0.515*** (2.61) 0.504**
Mother’s education
Compulsory education 0.295*** (2.80) 0.283*** (2.69) 0.264 (1.56) 0.262 (1.55) 0.303** (2.15) 0.286**
Post-Compulsory 0.594*** (5.19) 0.580*** (5.08) 0.355* (1.94) 0.349* (1.91) 0.791*** (5.17) 0.771***
University degree 0.759*** (5.46) 0.721*** (5.17) 0.768*** (3.64) 0.759*** (3.60) 0.800*** (4.07) 0.732***
Year of birth – 1900 -0.258*** (-2.76) -0.256*** (-2.75) -0.256* (-1.83) -0.264* (-1.90) -0.299** (-2.30) -0.283**
Female 0.305*** (4.34) 0.310*** (4.40)
Non-white 0.416** (2.07) 0.451** (2.22) 0.521* (1.92) 0.536* (1.95) 0.451 (1.44) 0.494
Parents never married -0.453** (-2.12) -0.432** (-2.03) -0.720* (-1.96) -0.688* (-1.87) -0.267 (-1.04) -0.254
Parents divorced -0.334*** (-3.73) -0.307*** (-3.42) -0.216 (-1.61) -0.199 (-1.48) -0.430*** (-3.50) -0.399***
Family care -0.858*** (-5.76) -0.827*** (-5.59) 0.137 (0.46) 0.141 (0.48) -1.214*** (-6.81) -1.172***
Mother's age at birth < 22 -0.401*** (-3.41) -0.397*** (-3.38) -0.542*** (-3.17) -0.526*** (-3.07) -0.264 (-1.57) -0.274
Father's age at birth < 22 -0.510*** (-3.03) -0.493*** (-2.93) -0.302 (-1.24) -0.288 (-1.19) -0.652*** (-2.83) -0.633***
Father's age at birth > 35 0.229* (1.70) 0.227* (1.70) 0.069 (0.34) 0.079 (0.38) 0.375** (2.07) 0.359**
Age diff. at birth -0.307*** (-3.20) -0.309*** (-3.23) -0.322** (-2.22) -0.329** (-2.26) -0.323** (-2.41) -0.315**
Family size -0.171*** (-4.47) -0.160*** (-4.19) -0.262*** (-4.55) -0.255*** (-4.41) -0.093* (-1.75) -0.079
Birth order index -0.413*** (-4.17) -0.437*** (-4.41) -0.440*** (-2.97) -0.455*** (-3.07) -0.357** (-2.57) -0.385***
Grammar 0.886*** (7.04) 0.884*** (7.02) 0.840*** (4.12) 0.844*** (4.13) 0.867*** (5.28) 0.860***
Sixth form college 0.561*** (5.64) 0.552*** (5.53) 0.581*** (4.04) 0.572*** (3.96) 0.520*** (3.67) 0.511***
Private 0.640*** (3.44) 0.650*** (3.48) 0.787*** (3.01) 0.805*** (3.11) 0.490* (1.75) 0.496*
A few books 0.222* (1.95) 0.215* (1.88) 0.096 (0.63) 0.088 (0.57) 0.334* (1.91) 0.331*
A lot of books 0.333*** (2.92) 0.328*** (2.88) 0.248 (1.58) 0.240 (1.53) 0.382** (2.22) 0.381**
Kid inner city -0.372** (-2.24) -0.325* (-1.95) -0.207 (-0.90) -0.170 (-0.73) -0.505** (-2.07) -0.466*
Kid town -0.202** (-2.20) -0.184** (-2.00) -0.165 (-1.23) -0.157 (-1.17) -0.229* (-1.75) -0.208
Mobile -0.403* (-1.77) -0.384* (-1.69) -0.396 (-1.20) -0.375 (-1.13) -0.532* (-1.74) -0.520*
Log HH income at 16 0.188*** (3.64) 0.138* (1.78) 0.208***
Observations 3046 3046 1412 1412 1634 1634
1155.67 1152.17 578.25 575.20 647.15 645.45
Wald
Pseudo R2 0.120 0.121 0.119 0.120 0.131 0.133
Source: BHPS, Waves 1-16. Absolute t ratios are calculated by dividing each estimated coefficient by the corresponding robust standard error. Significance levels:
* p < 0.1, ** p < 0.05, *** p < 0.01.
References
Amato, P.R. and B. Keith (1991): “Parental Divorce and the Well Being of Children: A Meta-
Analysis”. Psychological Bulletin, 110:26-47.

Amato, P.R. (2001): “Children of Divorce in the 1990s: an Update of the Amato and Keith (1991)
Meta-analysis”. Journal of Family Psychology, 153:355-70.

Bauer, P. and Riphahn, R. (2006): “Timing of School Tracking as a Determinant of Intergenerational

Transmission of Education”. Economic Letters, 91:90-97.

Bauer, P. and Riphahn, R. (2006): “Education and its Intergenerational Transmission: Country
an Origin-Specific Evidence for Natives and Immigrants from Switzerland”. Portuguese Economic
Journal, 5(2):89-110.

Black, S., P. Devereux and G. Kjell (2005): “Why the Apple Doesn’t Fall Far: Understanding
Intergenerational Transmission of Human Capital”. American Economic Review, 95(1):437-449.

Black, S., P. Devereux and G. Kjell (2009): “Like father, like son? A note on the intergenerational
transmission of IQ scores”. Economics Letters, Elsevier, 105(1):138-140.

Blanden, J., P. Gregg and S. Machin (2003): “Changes in Educational Inequality”, CMPO working
paper series number 03/079.

Blanden, J. and P. Gregg (2004): “Family Income and Educational Attainments: A Review of
Approaches and Evidence for Britain”. Oxford University Press, 20(2):245-263.

Blanden, J. and S. Machin (2004): “Educational Inequality and the Expansion of UK Higher
Education”. Scottish Journal of Political Economy, 51(2):230-249.

Blanden, J., P. Gregg and S. Machin (2005): “Intergenerational Mobility in Europe and North
America”, A Report Supported by Sutton Trust, Centre for Economic Performance, London,
mimeo.

Blanden, J., P. Gregg and L. Macmillan (2007): “Accounting for Intergenerational Income
Persistence: Noncognitive Skills, Ability and Education”. The Economic Journal, 117, C43-C60.

Blanden, J. and S. Machin (2007): “Recent Changes in Intergenerational Mobility in Britain”.

Report for Sutton Trust.

Behrman, J. and M. Rosenzweig (2002): “Does Increasing Women’s Schooling Raise the Schooling
of the Next Generation?”. American Economic Review, 92(1):323-334.

Behrman, J. and M. Rosenzweig (2005): “Does Increasing Women’s Schooling Raise the Schooling
of the Next Generation? Replay”. American Economic Review, 95(5):1745-1751.

Böheim, R. and J. Ermisch (2001): “Partnership Dissolution in the UK – the Role of Economic

287
Circumstances”. Oxford Bulletin of Economics and Statistics, 63:197-208.

Booth, A. and H. Kee (2009): “Birth Order Matters: The Effect of Family Size and Birth Order on
Educational Attainment”. Journal of Population Economics, Springer, 22(2):367-397.

Boudon, R., (1973): “L’inégalité des Chances”, A. Colin, Paris.

Brunnello, G. and D. Checchi (2007): “Does School Tracking Affect Equality of Opportunity? New
International Evidence”. Economic Policy, CEPR, 22:781-861.

Chechhi, D., (2006): “The Economics of Education: Human Capital, Family Background and
Inequality”. Cambridge University Press.

Cameron, S. and J. Heckman (1998): “Life Cycle Schooling and Dynamic Selection Bias: Models
and Evidence for Five Cohorts of American Males”. Journal of Political Economy, 106: 262-333.

Cameron, S. and J. Heckman (2001): “”The Dynamics of Educational Attainment for Black, Hispanic
and White Males”. Journal of Political Economy, 109(3):455-499.

Cameron, S. and C. Taber (2004). “Estimation of Educational Borrowing Constraint Using Returns
to Schooling”. Journal of Public Economics, 112(1).

Cameron, C. and P. Trivedi (2005): “Microeconometrics: Methods and Applications”, Cambridge

University Press.

Carneiro, P. and J. Heckman, J. (2002). “The Evidence of Credit Constraints in Post-Secondary

Schooling”. Economic Journal, 112(482):705-734.

Carneiro, P. and J. Heckman (2003). “Human Capital Policy”. Inequality in America: What Role for
Human Capital Policy?”. MIT press, Cambridge, MA.

Carneiro, P., K. Hansen, and J. Heckman (2003): “Estimating Distribution of Treatment Effect
with an Application to the Return to Schooling and Measurement Effect of Uncertainty on College
Choice”. International Economic Review, 2(44).

Challen, A., S. Machin and S. McNally (2008): “Schools in England: Structures, Teachers and
Evaluation”. Programma Education, FGA working paper, number 1.

Chevalier, A., C. Harmon, V. O’Sullivan and L. Walker (2005): “The Impact of Parental Income and
Education on the Schooling of Their Children”. IZA Discussion Papers 1496, Institute for the Study
of Labor (IZA).

Chevalier, A., D. Kenny and M. Dorren (2003). “A Multi-Country Study of Inter-generational

Education Mobility”. ISSC Discussion Paper 2003/06, Dublin.

Chevalier, A. and G. Lanot (2002): “The Relative Effect of Family Characteristics and Financial

288
Situation on Educational Achievement”. Education Economics, 10(2).

Currie, J. and E. Moretti (2003): “Mother’s education and the intergenerational transmission
of human capital: evidence from college openings”. Quarterly Journal of Economics, 118:1495–
1532.

Cunha, F. and J. Heckman (2007): “The Technology of Skill Formation”, IZA Discussion Papers 56,
209-230.

Dearden, L., C. Emmerson, C. Frayne and C. Meghir (2006), “Education Subsidies and School Drop-
Our Rates” CEE Discussion Papers 0053, Centre for the Economics of Education, LSE.

Dustmann, C. (2004): “Parental Background, Secondary School Track Choice and Wages”. Oxford
Economic Papers 56, 209-230.

Eckstein, Z. and K. Wolpin (1999): “Why Youth Drop out of High School: The Impact of Preferences,
Opportunities and Abilities”. Econometrica, 67:1295-1339.

Ermisch, J. and M. Francesconi (2001): “Family Matters: Impact of Family Background on

Educational Attainments”. Economica, 68(2):137-156.

Galindo-Rueda, F. and A. Vignoles (2005): “The Declining Relative Importance of Ability in

Predicting Educational Attainment”. Journal of Human Resources, 40(2):335-353.

Haveman, R. and B. Wolfe (1995): “The Determinants of Children’s Attainments: A Review of

Methods and Findings”. Journal of Economic Literature, 33:1829-78.

Heineck, G. and R. Riphnahn (2007): “Intergenerational Transmission of Educational Attainment

in Germany: The Last Five Decades”. IZA Discussion Paper , Nº 2985.

Keane, M. and K. Wolpin (2001): “The Effect of Parental Transfers and Borrowing Constraints on
Educational Attainment”. International Economic Review, 42:1051-1103.

Lauer, C., (2002): “A Model of Education Attainment: Application to the German Case”. ZEW
Discussion Paper, Nº 02-06.

Lauer, C., (2003): “Family background, cohort and education: a French-German comparison based
on a multivariate ordered probit model of educational attainment”. Labour Economics, 10:231-
251.

Machin, S., (2008): “The new economics of education: methods, evidence and policy”. Journal of
Population Economics, 21:1-19.

Machin, S. And A. Vignoles (2006): “Educational Policy in the UK”, Centre for Economics of
Education, Discussion paper number CEEDP0057.

289
Machin, S. And A. Vignoles (2004): “Education Inequality: The Widening Socio-Economic Gap”.
Fiscal Studies, 25(2):107-128.

Mare, R., (1980): “Social Background and School Continuation Decisions”. Journal of the American
Statistical Association, 75:295-305.

McNally, S., (2005): “Reforms to schooling in the UK:A Review of Some Major Reforms and their
Evaluation”. German Economic Review, 6(3): 287-296.

Oreopoulos, P., (2006): “The Compelling Effects of Compulsory Schooling: Evidence from Canada”.
Canadian Journal of Economics, 39(1):22-52.

Piketty, T., (2007): “Theories of Persistent Inequality and Intergenerational Mobility”, Atkinson,
A.B. and Bourguignon, F. (eds.). Handbook of Income Distribution, vol. 1, Elsevier Science, North
Holland, 429-476.

Plug, E., (2004): “Estimating the Effect of Mother’s Schooling on Children’s Schooling Using a
Sample of Adoptees”. American Economic Review, 94(1):358-368.

Plug, E. and W. Vijverberg (2003): “Schooling, Family Background and Adoption: Is it Nature or
Nurture?”. Journal of Political Economy, 111(3):611-641.

Plug, E. and W. Vijverberg (2005): “Does Family Income Matter for Schooling Outcomes? Using
Adoptees as a Natural Experiment”. Economic Journal, 115(506):879-906.

Riphahn, R., (2003): “Cohort Effects in the Educational Attainment of Second Generation
Immigrants in Germany: An Analysis of Census Data”. Journal of Population Economics, 16(4):711-
737.

Sacerdote, B., (2002): “The Nature and the Nurture of Economic Outcomes”. American Economic
Review, Papers and Proceedings, 92: 344-348.

Todd, P. and K. Wolpin (2006): “Assessing the Impact of a School Subsidy Program in Mexico”.
American Economic Review, 96(5):1384-1417.

Sacerdote, B., (2002): “The Nature and the Nurture of Economic Outcomes”, American Economic
Review, Papers and Proceedings, 92: 344-348.

Walker, I. and Y. Zhu (2008). “The College Wage Premium and the Expansion of Higher Education
in the UK”. The Scandinavian Journal of Economics, 110(4): 695–709.

Walker, I. and Y. Zhu (2008): “Child Support and Educational Outcomes: Evidence from the British
Household Panel Survey”. Studies in Economics 0811, Department of Economics, University of
Kent.

290
/ Capítulo 3. Fracaso y abandono escolar

291
1. El abandono escolar temprano en España ¿es posible su reducción?

Alberto Vaquero García, Universidad de Vigo

292
El abandono escolar temprano en España ¿es posible su reducción?

Alberto Vaquero García, Universidad de Vigo

Resumen
Los indicadores habitualmente utilizados para medir el fracaso escolar ponen en evidencia la clara
necesidad de España por mejorar su alta tasa de abandono escolar prematuro, el nivel educativo
de la población de 20 a 24 años y las dificultades de comprensión lectora de los alumnos. A pesar
de las actuaciones llevadas a cabo en los últimos veinte años, todavía no se ha logrado un avance
significativo. El objetivo de esta comunicación es analizar la situación española actual desde una
perspectiva comparada y establecer una serie de medidas para reducir el fracaso escolar, una de
las asignaturas pendientes del sistema educativo.

Palabras clave: fracaso escolar, logros educativos, inversión educativa

1. Introducción
En los últimos tres décadas España ha registrado una mejora notable en los indicadores
educativos, en especial en aquellos vinculados a la educación superior. Sin embargo, esta realidad
cohabita con el grave problema del fracaso escolar en la etapa secundaria obligatoria.
En efecto, los buenos resultados en educación terciaria quedan empañados cuando se analiza la
situación española en otros niveles de enseñanza, ya que los indicadores tanto de stock de capital
humano, como aprovechamiento de la formación en secundaria, como el preocupante índice de
abandono escolar temprano, suponen una rémora al desarrollo económico y social de nuestro país,
que a la postre puede hipotecar los indicadores universitarios a medio plazo. En consecuencia,
es necesario delimitar que elementos precisan de mayores esfuerzos por parte de las autoridades
educativas.
Para analizar estas cuestiones la presente comunicación tiene la siguiente estructura.
Tras esta introducción, la sección dos se centra en plantear la reducción del fracaso escolar como
objetivo de las políticas educativas europeas. En la sección tres se analizan las cifras del fracaso
escolar. En el cuarto apartado se describen las principales actuaciones tendentes a reducir el
abandono escolar temprano que se vienen aplicando en España. Finalmente, se establecen un
conjunto de recomendaciones.

2. La reducción del fracaso escolar como objetivo de la agenda europea

El punto de partida para comprender las actuaciones europeas tendentes a reducir el
fracaso escolar es delimitar qué indicadores son los habitualmente utilizados para cuantificar este
problema. Desde la perspectiva internacional se suelen fijar tres: el abandono escolar temprano,
el nivel educativo de la población entre 20 y 24 años con una titulación superior a la secundaria
y el porcentaje de jóvenes con dificultades de comprensión lectora.
El primero de los indicadores se define como el porcentaje de jóvenes con edades
comprendidas entre los 18 y 24 años que no han alcanzado el nivel de educación secundaria y
que tampoco realizan ninguna actividad. El segundo se cuantifica como el porcentaje de jóvenes
entre 20 y 24 años con una titulación posterior a la secundaria. Finalmente, el tercero queda
establecido como el porcentaje de estudiantes jóvenes de 15 años que tienen una comprensión
lectora deficiente.
En materia educativa la Estrategia de Lisboa (2000) fijó cinco objetivos e indicadores. De

293
ellos, dos de forma directa y uno indirectamente hacían referencia a la necesidad de reducir los
altos índices de fracaso escolar (Vaquero, 2010 y 2011). Así, se establecía la necesidad de llegar
en 2010 a una tasa de abandono escolar temprano igual o inferior al 10%. Además se buscaba
incrementar hasta el 85% el porcentaje de jóvenes que completaban la educación secundaria.
Finalmente, se marcaba la recomendación de alcanzar el 12,5% de participación de la población
en programas de educación permanente. Sin embargo, los resultados en estos tres objetivos para
España no han sido los deseados (tabla 1).

Tabla 1. Indicadores y objetivos educativos para reducir el fracaso escolar y resultados para
España. Estrategia de Lisboa (2000)
Indicador Objetivo 2010 Media España
UE27 (2009)
(2009)
Reducción del fracaso escolar El porcentaje de jóvenes con edades 14,4 31,2
comprendidas entre los 18 y 24 años que
no han alcanzado el nivel de educación
secundaria y no realizan ninguna actividad
debería ser igual o inferior al 10%
Aumento del porcentaje de El porcentaje de jóvenes entre 20 y 24 años 78,6 59,9
jóvenes que completan la con al menos educación superior debería
educación secundaria alcanzar el 85%
Incrementar el porcentaje de El porcentaje de participación en 9,3 10,4
participación de la población programas de educación permanente
en programas de formación debería ser al menos del 12,5%
permanente

Fuente: Las cifras de la educación en España. Estadísticas e indicadores, Edición 2011, Ministerio
de Educación (2010a).

En junio de 2010, la Cumbre Europea aprobó cinco objetivos para cumplir en 2020.
Nuevamente se vuelve a plantear la necesidad de reducir el abandono escolar, hasta una tasa
igual o inferior al 10%119. Junto con esta medida también se establecía que al menos el 40% de las
personas de 30 a 34 años deberían finalizar la educación superior y que el 75% de la población de
20 a 64 tenga un empleo. Como se constata, en la agenda europea vuelve a aparecer la necesidad
de seguir reduciendo los indicadores de fracaso escolar.

3. El fracaso escolar en cifras

Como se ha podido comprobar, reducir los indicadores de fracaso escolar siempre ha sido
una de las preocupaciones educativas en el marco de la UE. Una primera aproximación para
cuantificar el elevado indicador de fracaso escolar en España es conocer la idoneidad de los
estudiantes, definida como la tasa de adecuación de la edad del alumno con el curso que realiza.
Como se puede comprobar (tabla 2) ésta resulta siempre mayor para las mujeres que para los
varones. Fijando como referencia el grupo de 15 años se observa como la tasa para las mujeres en
el curso 2008-09 (64,2%) supera en 11 puntos a la de los hombres (53,6%). Estas diferencias se
reducen para los grupos de 12 y 14 años (5 y 9 puntos, respectivamente).

119 En 2009 en la UE27 un 25% de los escolares presentaba una competencia lectora deficiente y un 15% de los
jóvenes abandonaban prematuramente su formación educativa.

294
Tabla 2. Tasas de idoneidad en España
Total
1991-92 2001-02 2008-09
12 años 77,3 86,4 83,5
14 años 67,1 73,7 67,1
15 años 59,2 62,1 58,7
Hombres
12 años 73,6 83,7 80,9
14 años 62,3 68,1 62,5
15 años 54,9 55,5 53,6
Mujeres
12 años 81,1 89,2 86,1
14 años 72,1 79,7 72,0
15 años 63,7 69,0 64,2

Fuente: Las cifras de la educación en España. Estadísticas e indicadores, Edición 2011(Curso 2008-
09), Ministerio de Educación (2010a) y Vaquero (2004).

Resulta conveniente determinar si los resultados anteriores se observan para todos los
niveles de estudio. A partir de la tabla 3 se comprueba la expansión de la tasa de escolaridad,
especialmente para el colectivo de 16 y 17 años, que es del 92,4% y del 77,7% respectivamente
en 2008-09 (17 y 11 puntos superior al resultado obtenido en 1991-92). Por otra parte, apenas
hay variación en el grupo de 18. Diferenciando por sexo se puede comprobar como las mujeres
nuevamente poseen tasas de escolarización más altas que los varones. Finalmente se constata
una fuerte caída de la tasa de escolarización entre los 16 y 17 años (15 puntos porcentuales)
y especialmente entre 17 y 18 años (40 puntos porcentuales), derivado al menos parcialmente,
del primer acceso al mercado de trabajo. No obstante, este resultado también puede esconder un
abandono importante de la actividad formativa, como se podrá comprobar más adelante.

Tabla 3. Tasas de escolarización en España

Total
1991-92 2001-02 2008-09
16 años 75,2 88,2 92,4
17 años 66,6 74,8 77,7
18 años 35,9 39,5 37,2
Hombres
16 años 72,4 85,4 90,6
17 años 62,8 70,5 73,9
18 años 34,6 39,4 37,2
Mujeres
16 años 78,1 91,0 94,4
17 años 70,6 79,3 81,8
18 años 37,1 39,6 37,3

Fuente: Las cifras de la educación en España. Estadísticas e indicadores, Edición 2011(Curso

2008-09), Ministerio de Educación (2010a) y Vaquero (2004).

La tabla 4 recoge los porcentajes de repetidores en educación primaria, secundaria y BUP

295
para el curso 2006-07. Se comprueba como las tasas de repetidores van aumentando a medida
que se eleva el nivel de formación, lo cual resulta preocupante, ya que por cada 100 alumnos
matriculados en segundo de Bachillerato, hay 26 repetidores. Este resultado es incluso peor si se
considera el caso de los varones (29%).
En enseñanza secundaria obligatoria el problema también es muy importante, ya que
los porcentajes de repetidores oscilan entre el 17,5% en primero y el 20,6% en cuarto curso.
Nuevamente los porcentajes de los varones superan entre 3 y 6 puntos al ratio de las mujeres.
Finalmente, para los alumnos de primaria oscilan entre 4,4 y 6%.
Como se constata, los porcentajes de repetidores son excepcionalmente elevados, sobre
todo al final de la etapa secundaria obligatoria y el bachillerato, lo que debe permitir tomar
conciencia de la necesidad de incluir actuaciones que reduzcan estos malos resultados, ya que
estos alumnos son los más propensos al fracaso escolar.

Tabla 4. Porcentaje de alumnos repetidores, 2006-07

Primaria ESO BUP
Segundo Cuarto Sexto Primer Segundo Tercer Cuarto Primer Segundo
curso curso curso curso curso curso curso curso curso
Total 4,5 4,4 6,0 17,5 19,3 19,1 20,6 23,1 26,1
Hombres 5,2 5,0 6,8 20,2 22,2 20,5 23,5 26,0 28,7
Mujeres 3,7 3,8 5,1 14,4 18,3 17,9 17,9 20,7 24,1
Fuente: Las cifras de la educación en España. Estadística e indicadores, Edición 2011 (Curso 2008-
09), Ministerio de Educación (2010a).

La cuestión relevante es si el abandono escolar temprano puede afectar a la situación

educativa de los individuos en el futuro o dicho de otra forma, si unas cifras elevadas de abandono
escolar temprano generan una rémora educativa a lo largo de la vida del individuo. Se constata
como España es uno de los países europeos con mayor porcentaje de personas entre 18 y 24
años que no habiendo completado la educación secundaria de segunda etapa, no se encuentran
actualmente realizando ningún tipo de formación (un 31,2% en 2009 frente a la media de la
UE27 del 14,4%). Este resultado es todavía más preocupante si se tiene en cuenta la situación de
los varones, con una tasa de abandono escolar del 37,4%, diecinueve puntos superior a la media
comunitaria. Si bien para las mujeres el diferencial entre España y la UE27 se reduce a 12 puntos,
la situación sigue siendo preocupante. Además, se comprueba como en los últimos años, la tasa
española en vez de disminuir, como ha sucedido en la UE27 (3,2 puntos menos entre 2000 y 2009
de media) ha aumentado (2,1 puntos más).
Realizando un ejercicio de comparación por comunidades autónomas (tabla 5) se observan
importantes diferencias en el porcentaje de población entre 18 y 24 años que no ha completado la
Educación Secundaria de segunda etapa. Por debajo de la media española (31,2%) se encontraba
en 2009 el País Vasco (16,0%), Navarra (19,8%), Asturias (21,1%), Aragón (25,1%) y en menor
medida Galicia (23,9%), Madrid (26,3%) y Castilla y León (27%). Muy por encima de la media
se encontraban las Islas Baleares (40,8%), Murcia (37,5%), y Ceuta y Melilla (37,3%). Estas
diferencias parecen responder a cuestiones de naturaleza demográfica, en especial a la mayor
incorporación de alumnado extranjero, con características diferenciales respecto de los españoles.
A partir de Pérez Esparrells y Vaquero (2009) se comprueba como si bien la escolarización de
los alumnos extranjeros en casi general en todas las comunidades autónomas, ésta disminuye
notablemente en los niveles educativos postobligatorios, especialmente en el Bachillerato. Este
hecho se produce con mayor intensidad en aquellas comunidades autónomas con mayor presencia
de población extranjera.
296
Tabla 5. Porcentaje de población entre 18 y 24 años que no ha completado la Educación Secundaria
de segunda etapa y que no sigue ningún tipo de formación (2000, 2004 y 2009)
2000 2004 2009
Andalucía 35,5 39,2 37,5
Aragón 21,9 23,5 25,1
Asturias 21,8 26,3 21,1
Baleares 42,0 42,5 40,8
Canarias 34,1 33,5 31,3
Cantabria 22,8 26,3 23,9
Castilla y León 21,6 23,3 27,0
Castilla-La Mancha 35,8 37,0 34,4
Cataluña 29,1 34,0 31,9
Comunidad Valenciana 32,7 35,6 32,8
Extremadura 41,0 39,7 34,5
Galicia 29,2 24,3 26,0
Madrid 19,6 25,4 26,3
Murcia 39,2 42,8 37,3
Navarra 16,4 21,2 19,8
País Vasco 14,7 13,4 16,0
Rioja 26,1 35,0 32,7
Ceuta y Melilla 37,5 41,3 36,0
Total 29,1 32,0 31,2
Nota: (-) Dato no disponible
Fuente: Las cifras de la educación en España. Estadísticas e indicadores, Edición 2011 (Curso
2008-09), Ministerio de Educación (2010a).

Analizando el stock de capital humano para el grupo de población de 20 a 24 años se

comprueba como la mayor parte de estos jóvenes disponen de un título de segunda etapa de
educación superior (40,1%), aunque este porcentaje se reduce para los varones (38,5%). Le siguen
por orden de importancia los que tienen únicamente un título de primera etapa de educación
secundaria (27,5%), predominando en este caso el colectivo masculino (32%), frente al femenino
(22,8%). Además, destaca el hecho de que en 2008 el 10,2% de los jóvenes españoles entre 20 y 24
sólo disponían de educación primaria (11,9% y 8,5% para hombre y mujeres, respectivamente). En
relación a las titulaciones en enseñanzas técnico-profesionales de grado superior se comprueba
una presencia reducida (8,0%), lo mismo que en la enseñanza universitaria de primer y segundo
ciclo (12,9%), debido a su corta edad, aunque notablemente más alta en el caso femenino que
masculino. Por lo tanto, el 38,3% de la población entre y 20 y 24 años tenía en 2008 un nivel
educativo igual o inferior a la primera etapa de educación secundaria (44,7% y 31,7% para
hombres y mujeres, respectivamente), el 48,6% había cursado la educación secundaria (46,8%
y 50,5% para hombres y mujeres) y el 13,1% tenía un título universitario (8,5% y 17,8% para
hombres y mujeres).
La tabla 6 permite conocer los rendimientos medios en comprensión lectora, matemáticas
y ciencias a los 15 años a partir de los informes PISA120. Precisamente uno de los Objetivos 2020
de los sistemas educativos y formativos de la UE es asegurar que todo el alumnado sea capaz

120 El Informe PISA (Programme for International Student Assessment) analiza los resultados de unas pruebas
educativas internacionales que se realizan cada tres años a alumnos de 15 años.

297
de adquirir un nivel suficiente de destrezas básicas, incorporando como indicador la necesidad
que para 2020, el porcentaje de jóvenes de 15 años con un bajo nivel de rendimiento (nivel 1 e
inferior121) no sea superior al 15%. Como se puede comprobar España tiene unos resultados que
demandan una importante mejora, en especial en lo relativo a conocimientos de matemáticas, ya
que el 23,7% de los alumnos presentan un nivel 1 o inferior. La situación es algo mejor en ciencias
(18,2%) y comprensión lectora (19,6%), pero aún así bastante lejos del objetivo perseguido. Sin
duda, se debería apostar por experiencias educativas como las aplicadas en Finlandia, Bélgica o
Alemania.

Tabla 6. Rendimientos medios en comprensión lectora, matemáticas y ciencias a loas 15 años y

porcentaje de alumnado con nivel 1 o inferior (2009)
Comprensión lectora Matemáticas Ciencias
Puntuación % con Puntuación % con Puntuación % con
media nivel 1 e media nivel 1 e media nivel 1 e
inferior inferior inferior
Alemania 497 18,5 513 18,6 520 14,8
Austria 470 27,6 496 23,2 494 20,9
Bélgica 506 17,7 515 19,1 507 18,0
Bulgaria 429 41,0 428 47,1 439 38,8
Dinamarca 495 15,2 503 17,1 499 16,6
Eslovaquia 477 22,2 497 21,0 490 19,3
Eslovenia 483 21,2 501 20,3 512 14,8
España 481 19,6 483 23,7 488 18,2
Estonia 501 13,3 512 12,6 528 8,3
Finlandia 536 8,1 541 7,8 554 6,0
Francia 496 19,8 497 22,5 498 19,3
Grecia 483 21,3 466 30,3 470 25,3
Hungría 494 17,6 490 22,3 503 14,1
Irlanda 496 17,2 487 20,8 508 15,2
Italia 486 21,0 483 24,9 489 20,6
Letonia 484 17,6 482 22,6 494 14,7
Lituania 468 24,4 477 26,3 491 17,0
Luxemburgo 472 26,0 489 23,9 484 23,7
Países Bajos 508 14,3 526 13,4 522 13,2
Polonia 500 15,0 495 20,5 508 13,1
Portugal 489 17,6 487 23,7 493 16,5
Reino Unido 494 18,4 492 20,2 514 15,0
República 478 23,1 493 22,3 500 17,3
Checa
Rumania 424 40,4 427 47,0 428 41,4
Suecia 497 17,4 494 21,1 495 19,1
Nota: (-) Dato no disponible.
Fuente: Las cifras de la educación en España. Estadística e indicadores, Edición 2011 (Curso 2008-
09), Ministerio de Educación (2010a).

121 En el nivel 1 los alumnos son capaces de conocer el destinatario de un escrito y el significado de expresiones
comunes insertas en un texto, integrar el significado de expresiones comunes insertas en un texto y algunas palabras
de uso relativamente frecuente, sintetizar la información relativa a hechos concretos o a rasgos más destacados de un
personaje, identificar situaciones y acciones concretas vinculadas a dicho personaje, reflexionar sobre la definición
de un objeto a partir de la información obtenida de un texto, localizar el espacio en que se desarrolla una historia,
organizando la información del texto y completar un texto de forma coherente con palabras dadas (Ministerio de
Educación, 2011a).

298
4. Actuaciones tendentes a reducir el fracaso escolar
4.1 Programas de segunda oportunidad
La educación y la formación permiten mejorar la calidad de vida de las personas, debido
a su importante papel sobre las oportunidades laborales. Pero además, su relevancia económica
va más allá, ya que posibilitan la adquisición de nuevas cualificaciones frente a las posibles
competencias obsoletas. Los individuos con mayor nivel educativo forman parte, durante más
tiempo, de la población activa y ocupada y reducen su presencia en la población inactiva y
desempleada. En consecuencia suponen una segunda oportunidad para mejorar la situación de los
individuos en el mercado de trabajo (San Segundo y Vaquero, 2007a).
En segundo lugar, y muy relacionado con lo anterior resulta imprescindible articular el
enlace adecuado entre los programas educativos tradicionales y los de segunda oportunidad, de
forma que sea posible la movilidad desde los segundos a los primeros. Si bien resulta necesario
apostar por la formación reglada en todos sus niveles, la formación no reglada y el reciclaje
profesional debe ocupar la importancia que le corresponde, en especial cuando las tasas de fracaso
escolar son elevadas, como ocurre en España (San Segundo y Vaquero, 2007b).
La tabla 7 permite analizar la incidencia de estos programas en el curso 2009-10. Se
comprueba como más de 56.000 alumnos menores de 25 años que no han podido terminar la
ESO se benefician del Programa de Capacitación Profesional Inicial122 (antiguamente Programa
de Garantía Social). Más de 3.200 alumnos, entre 19 y 25 años, en situación de desempleo y que
quieren aprender un oficio se encuentran matriculados en el programa de Escuelas Taller, Casas de
Oficio y Talleres de Empleo. El programa de Educación Permanente para Adultos (EPA) supone una
participación de jóvenes de menos de 25 años de más de 11.200 alumnos en enseñanzas iniciales
y 17.000 en secundaria. Finalmente en las enseñanzas secundarias a distancia para menores de
25 años hay 29.540 matriculados en el Bachillerato y más de 5.300 en Formación Profesional. La
participación de todo el alumnado asciende a los 118.000 matriculados.

Tabla 7. Programas de segunda oportunidad en el sistema educativo español

(menores de 25 años)
Programa 2009-10
Capacitación Profesional Inicial 51.659
Escuelas Taller, Casas de Oficio y Talleres de empleo 3.253
EPA-Adultos (menores de 25 años)
Enseñanzas Iniciales 11.210
Educación Secundaria 17.520
Enseñanzas medias (menores de 25 años)
Bachillerato a distancia 29.541
Formación Profesional a distancia 5.360
Fuente: Elaboración propia a partir de Datos y Cifras. Curso Escolar 2010-11, Ministerio de Educación
(2010b) y Boletín de Estadísticas Laborales, Ministerio de Trabajo e Inmigración (2010).

4.2 Mejora del rendimiento académico de los alumnos

La tabla 8 describe la evolución comparada de los resultados del rendimiento académicos
de los alumnos españoles en relación a los países de la UE27 y la media de la OCDE a partir de los
informes PISA. En España se comprueba una reducción de más de 12 puntos en los resultados en
122 Los Programas de Capacitación Profesional Inicial se imparten a través de módulos obligatorios, orientados
a impartir formación para cualificaciones del Catalogo Nacional de Cualificaciones Profesionales y de naturaleza
voluntaria, destinados a la obtención de grado en ESO.

299
comprensión lectora, de forma similar a que los resultados medios en la OCDE, hasta llegar a los
481 puntos. Tomando como referencia el año 2009, se constata un claro contrapunto entre los
valores para España y especialmente Finlandia (536), Países Bajos (508), Bélgica (506) o Polonia
(500). Sólo Bulgaria (429), Lituania (468), Luxemburgo (472), Republica Checa (478) y Rumania
(424) reflejan un resultado inferior al caso español.

Tabla 8. Resultados en comprensión lectora de los países participantes de PISA (2000, 2003, 2006
y 2009)
Países 2000 2003 2006 2009
Alemania 484 491 495 497
Austria 492 491 490 -
Bélgica 507 507 501 506
Bulgaria 430 - 402 429
Dinamarca 497 492 494 495
Eslovaquia - - - -
Eslovenia - - 494 483
España 493 481 461 481
Estonia - - 501 501
Finlandia 546 543 547 536
Francia 505 496 488 496
Grecia 474 472 460 483
Hungría 480 482 482 494
Irlanda 527 515 517 496
Italia 487 476 469 486
Letonia 458 491 479 484
Lituania - - 470 468
Luxemburgo - 479 479 472
Países Bajos - 513 507 508
Polonia 479 497 508 500
Portugal 470 478 472 489
Reino Unido - - 495 494
República Checa 492 489 483 478
Rumania 428 - 396 424
Suecia 516 514 507 497
Media OCDE 500 494 492 493

Nota: (-) Información no disponible

Fuente: Pisa 2009. Informe español, Ministerio de Educación (2010c).

Realizando el mismo ejercicio por comunidades autónomas (tabla 9) se comprueba como

Aragón (495), Asturias (490), Castilla y león (503), Cataluña (498), Galicia (486), La Rioja (498),
Madrid (503), Navarra (497) y País Vasco (494) presentan un resultado superior a la media
española. La situación contraria se obtiene en Andalucía (461), Baleares (457) y Canarias (448).
Por lo tanto, salvo estos tres últimos casos parece existir cierta homogeneidad en los resultados.
Además, se constata como el alumnado español en entornos menos favorecidos económicamente
suelen tener mejores resultados que países similares de la OCDE, lo que sin duda se debe a la
fuerte influencia de la escuela, la labor del profesorado, del equipo directivo y el comportamiento
de alumnos y sus familias sobre el rendimiento de los estudiantes (Consejo Escolar de Estado,
2010).

300
Tabla 9. Resultados en comprensión lectora en las comunidades autónomas participantes en PISA
(2003, 2006 y 2009)
2003 2006 2009
Andalucía - 445 461
Aragón - 483 495
Asturias - 477 490
Baleares - - 457
Canarias - - 448
Cantabria - 475 488
Castilla y León 499 478 503
Cataluña 483 477 498
Galicia - 479 486
La Rioja - 492 498
Madrid - - 503
Murcia - - 480
Navarra - 481 497
País Vasco - 487 494
España 497 461 481

Nota: (-) Información no disponible

Fuente: Pisa 2009. Informe español, Ministerio de Educación (2010c).

La tabla 10 permite realizar un análisis de la evolución de los resultados globales de las tres
competencias evaluadas en los informes PISA (lectura, matemáticas y ciencias) durante el período
2000-2009. Se comprueba como la mayor diferencia entre España y la OCDE se da en las pruebas
de matemáticas (15 puntos) y en menor medida en ciencias (12 puntos) y comprensión lectora
(10 puntos). Es de esperar que las últimas medidas tomadas por las diferentes administraciones
educativas tendentes a reducir el fracaso escolar, permitan mejorar los resultados actuales.

Tabla 10: Evolución de los resultados globales en lectura, matemáticas y ciencias (2000-2009)
2000 2003 2006 2009 Diferencia
promedio
OCDE/España
Lectura OCDE 500 494 492 493 10
España 493 481 461 481
Matemáticas OCDE - 500 498 496 15
España - 485 480 483

Ciencias OCDE - - 500 501 12

España - - 488 488

Nota: (-) Información no disponible

Fuente: Pisa 2009. Informe español, Ministerio de Educación (2010c).

301
4.3 La política de becas y ayudas al estudio
Como es conocido este tipo de actuaciones puede jugar un papel crucial para garantizar la
igualdad de oportunidades de los jóvenes, ya que su objetivo es favorecer el acceso a la educación
a aquellos individuos con menor nivel de recursos.
La tabla 11 recoge la evolución de las becas y ayudas al estudio en función de sus distintas
partidas y permite señalar algunas notas acerca de sus resultados. Iniciando el análisis con
las cifras de educación no universitaria de la convocatoria general se observa una reducción
considerable en el número de becarios entre 1994-95 y 2005-2006, al pasar de los 494.464 a los
157.679, debido al menos en parte a la caída generalizada del alumnado, al mismo tiempo que
aumenta notablemente su dotación (en términos nominales desde los 341 a los 1.047 €). A partir
de entonces se incrementa el número de beneficiarios de una beca no universitaria hasta llegar a
los 233.955 alumnos en el curso 2008-09, al mismo tiempo que la dotación individual pasa a ser
de 1.341 euros.
También se observan descensos en las categorías de becas para educación infantil, pero
debido a la desaparición de este programa por la extensión de la gratuidad de la enseñanza al
segundo ciclo de educación infantil y el aumento en la partida para educación especial, tanto
en el número de beneficiarios (31.000 beneficiarios más) como en su cuantía (casi 400 euros)
entre 1994-95 y 2008-09. Cabría preguntarse a que fue debido este cambio de tendencia. Esta
situación casi generalizada de descenso en las becas pudo ser por la excesiva influencia de los
umbrales de renta para su concesión, cuestión que ha generado una denegación importante de las
solicitudes presentadas. A partir del curso 2005-2006, con la reforma del sistema de concesión y
el incremento de las dotaciones, parece haberse corregido la situación.

Tabla 11. Evolución de las becas y ayudas al estudio del Ministerio de Educación por tipo de
ayudas (1994/95-2008/2009)
1994-95 2002-03 2005-06 2008-09
Becarios Importe Becarios Importe Becarios Importe Becarios Importe
medio medio medio medio
E. no 494.464 341 161.538 800 157.679 1.047 233.955 1.341
universitaria
(General)
E. 263.319 1.276 190.168 1.588 170.345 2.459 198.688 2.729
universitaria
(General)
E. Infantil 40.550 275 36.691 358 17.202 - 551 -
E. Especial 17.918 575 30.191 536 37.707 763 48.615 952
Becas de 1.663 2.103 2.616 2.104 2.785 2.341 3.267 2.700
colaboración
Idiomas 2.982 1.224 3.683 1.180 4.407 1.354 47.397 1.451
Ayudas para - - 699.607 75 827.632 87 946.252 100
libros
Tasas - - 122.356 296 96.062 335 83.299 380
familias
numerosas
Movilidad - - 17.660 3.622 19.118 4.287 23.464 4.367
Exterior - - 454 661 3.093 778 682 600

Nota: (-) Información no disponible

Fuente: Datos y Cifras, Curso Escolar 2010-11, Ministerio de Educación (2011b).

302
4.4 Programas que atienden a la diversificación del alumnado
A lo largo de la década de los noventa, tanto el gobierno central como la administración
regional han realizado importantes esfuerzos para aplicar los primeros programas basados en
la diversificación curricular y la adaptación. Este tipo de actuaciones se diseñan como medida
extraordinaria para la obtención del título de graduado en ESO a alumnos mayores de 16 años,
con contenidos y programas diferentes de los habituales. En el curso 2008-2009 el 9,0% de los
alumnos de tercer curso y el 11,8% de cuarto curso realizan este tipo de formación, un aumento
de participación notable si se tiene en cuenta que en 1999 los porcentajes fueron del 2,6% y
6,1%, respectivamente.
Este tipo de actuaciones está reduciendo de manera considerable las tasas de abandono
prematuro del sistema educativo y permiten mejorar la calidad de la educación ofrecida. Así, en
la mayor parte de las comunidades autónomas, tras la implantación de estos programas se han
reducido notablemente los porcentajes de población joven que no ha terminado la enseñanza
secundaria de segunda etapa (tabla 12). Destacan especialmente los casos de Extremadura
(-8,3), Baleares (-5,7), Galicia (-5,6), Murcia (-5,3), Asturias (-3,7) para el colectivo masculino y
Extremadura (-5,2), Canarias (-4,7) y Castilla-La Mancha (-2,4) para el colectivo femenino (tabla
12).

Tabla 12. Porcentaje de población entre 18 y 24 años que no ha completado la Educación Secundaria
de segunda etapa y que no sigue ningún tipo de formación, por sexo (2000, 2004 y 2009)
Hombres Mujeres
2000 2004 2009 2000 2004 2009
Andalucía 41,4 45,3 44,2 29,5 32,7 30,2
Aragón 25,7 31,3 29,8 18,0 15,3 20,3
Asturias 28,2 31,4 24,5 15,5 21,2 17,4
Baleares 51,7 49,8 46,0 32,3 34,6 35,1
Canarias 40,4 39,7 39,4 27,9 27,1 23,2
Cantabria 28,7 32,2 32,0 16,7 20,1 16,0
Castilla y León 29,5 29,4 32,5 13,5 16,9 21,4
Castilla-La Mancha 42,8 45,5 42,0 28,6 27,6 26,2
Cataluña 34,7 40,5 38,0 23,3 27,1 25,6
Comunidad Valenciana 38,9 44,2 39,1 26,6 26,7 26,1
Extremadura 48,9 49,3 40,6 33,2 29,8 28,1
Galicia 37,3 32,4 31,7 21,1 15,7 20,1
Madrid 22,9 29,9 32,8 16,2 20,6 19,6
Murcia 46,8 50,0 41,5 31,1 34,9 32,8
Navarra 19,8 30,0 20,7 12,7 12,3 18,8
País Vasco 19,8 18,2 20,9 9,5 8,4 11,2
Rioja 29,4 42,7 35,8 22,6 26,4 29,3
Ceuta y Melilla 43,2 46,5 43,1 31,3 36,1 28,5
Total 35,0 38,7 37,4 23,2 25,1 24,7
Fuente: Las cifras de la educación en España. Estadística e indicadores, Edición 2011 (Curso 2008-
09), Ministerio de Educación (2010a).

Mención especial merecen las actuaciones dirigidas a potenciar la integración de alumnos

extranjeros. Si hasta no hace mucho España era un país de emigrantes, desde hace menos de una
década se ha convertido en lugar de acogida. Tanto es así, que la población inmigrante ha pasado
a representar un colectivo numeroso, que merece una atención especial a nivel educativo. No es

303
de extrañar que el crecimiento del alumnado extranjero esté impulsando el desarrollo de medidas
de apoyo para los alumnos inmigrantes que se incorporan al sistema educativo (Pérez Esparrells y
Vaquero, 2009).
El número de estudiantes extranjeros en enseñanza no universitaria ha pasado de 53.213
en el curso 1994-95 a 755.587 en 2008-09, lo que supone un aumento desde el 0,68% al 9,8%
para el total del estudiantado, y muy especialmente en el grupo de ESO y primaria, con el 11,9%
y 11,6% respectivamente.
Este crecimiento ha venido acompañado de un cambio de los países de origen. Si a
principios de la década de los noventa el 40% de los alumnos extranjeros provenía de la UE, y el
24% de América del Sur y Central, en los últimos años ha cambiado la importancia de los grupos.
En 2008-09 el 31,7% del alumnado no universitario procedía de América Central y del Sur, y el
17,9% de África frente al 40,2% de la UE. Por comunidades autónomas de residencia también se
observan importantes diferencias, comprobándose como la mayor parte del alumnado extranjero
se concentra en La Rioja (15,8%), Baleares (15,5%), Madrid (13,8%) y Cataluña (13,3%).

4.5 Los programas de refuerzo, orientación y apoyo

Los Programas de refuerzo, orientación y apoyo (PROAs) son actuaciones formativas,
compartidas entre el Ministerio de Educación y las comunidades autónomas123, que buscan la
mejora del éxito escolar y la reducción del abandono escolar temprano. Los PROAs incluyen dos
tipos de programas, los de acompañamiento escolar, que dan apoyo dirigido por profesorado del
centro o por monitores especializados en horario extraescolar, para grupos reducidos de alumnos
que precisan una atención especializada y, los de apoyo y refuerzo, destinados a los centros en
secundaria en entornos complicados, para mejorar determinados aspectos y la realización de
determinado tipo de actividades (Consejo Escolar del Estado, 2010).
En el curso 2010-11 el número previsto de centros participantes ronda los 3.600, lo que
supone un notable incremento si se tiene en cuenta que en 2007-08 suponían 2.500. El 52%
tienen como objetivo programas de acompañamiento escolar en educación primaria, el 28% se
orientan hacia la educación secundaria y el 20% son programas de apoyo y refuerzo en educación
secundaria. Si bien desde hace más de 5 años ya se encuentran funcionado, lo que ha permitido
que un importante número de escolares de primaria y secundaria obligatoria prosigan sus estudios,
será necesario algo más tiempo para conocer adecuadamente sus resultados.

5. Recomendaciones
No existe ninguna receta mágica que permita asegurar una reducción de los indicadores de
fracaso escolar. La solución pasa por apostar por una serie de actuaciones.
Es preciso mejorar el nivel educativo general de la población española, lo que permitirá una
mayor igualdad de oportunidades. En todos los informes PISA se señala que uno de los factores
más determinantes en las diferencias de los resultados académicos es la “herencia familiar”. Así,
los alumnos con rentas familiares más elevadas suelen tener mejores rendimientos académicos, ya
que pueden elegir los colegios con mejores infraestructuras, profesorado más cualificado, etc.
Hay que seguir apostando por la inversión pública en educación. En 2007 el gasto público
en España en educación primaria, secundaria y postsecundaria no terciaria era del 2,8% del PIB,
frente a 3,5% de la media de la OCDE y la UE19. El dato español en enseñanza no universitaria
contrasta con el obtenido en Suecia (4,2%), Noruega o Reino Unido (ambos con el 4%) y todo

123 En 2009 el Ministerio de Educación cofinanció este programa al 50% con las comunidades autónomas, aportando
49,6 millones de euros.

304
esto a pesar del importante aumento del gasto por alumno durante el período 1995-2007. Si bien
el simple hecho de aumentar el gasto no supone una mejora de los niveles educativos, aquellos
países de la UE y la OCDE que más invierten en educación son los que obtienen mejores resultados
en las evaluaciones educativas.
Se requiere una mayor atención hacia los programas educativos compensatorios con el objetivo
de mejorar los indicadores educativos. Además, es preciso apostar por una mayor flexibilidad del
currículo, evitando los comportamientos estancos en materia educativa, para lo cuál es imprescindible
retrasar las decisiones sobre posibles itinerarios. A partir de los informes PISA se constata un proceso
segregador cuando se establecen compartimentos estancos en materia formativa. Conviene recordar
que los países que ocupan las primeras posiciones en resultados académicos (Finlandia, Suecia,
Japón, Korea, Australia y Canadá) evitan el modelo segregador de itinerarios.
Es necesario mejorar la formación del profesorado y en especial, incentivar su carrera
profesional, aumentando la motivación de los docentes. Además, en los próximos años se deberá
seguir apostando por los PROAs. En esta misma línea se encuentran los Programas de Cualificación
Profesional Inicial.
Se ha de seguir fomentando la formación permanente. Aunque el porcentaje de población
de 25 a 64 años que participa en programas de educación y formación en España ha pasado del
4,2% en 1998 al 10,4% en 2008, indicador ligeramente por encima de la media de la UE27 (9,6%)
resulta necesario mejorar este resultado, por la alta tasa de temporalidad del empleo en España.
Es preciso seguir destinando fondos a la inversión en capital humano, tanto a través de una
política de becas que incremente su cuantía como el porcentaje de alumnos becarios. Este tipo
de actuaciones deberá también tener en cuenta una potencial ampliación de sus modalidades,
especialmente en una situación como la actual de fuerte recesión económica, tan propensa a los
recortes presupuestarios.
Además, hay que subsanar una de las principales carencias que tiene el capital humano en
España: su escasa formación en idiomas. Para ello sigue siendo necesario desarrollar el programa
Inglés para jóvenes, tanto a través de ayudas individualizadas para realizar formación en países
anglófonos, como en un reforzamiento en la enseñanza en las Escuelas Oficiales de Idiomas o por
medio de cursos de inglés en el extranjero para maestros y estudiantes del último curso. También
sería conveniente destinar recursos suficientes al aprendizaje de otros idiomas, como francés o
alemán, que todavía tienen una presencia muy reducida.
Se ha de seguir apostando por la atención a la diversidad, en especial, para la población
extranjera. Es necesario articular los mecanismos para mejorar su rendimiento educativo,
especialmente en aquellos casos en los que barreras idiomáticas124 o culturales, aconsejan un
esfuerzo adicional, sobre todo en los niveles educativos post-obligatorios, debiendo tener en
cuenta esta nueva variables de diferenciación producida por la inmigración (Pérez Esparrells y
Vaquero, 2009).
Finalmente, es preciso un mayor uso de las nuevas tecnologías de la información en la
educación. Aunque el número de alumnos por ordenador ha pasado de los 13,4 en 2003-04 a 5,3
en 2008-09, todavía se manifiestan importantes diferencias por comunidades autónomas. Así,
el número medio de estudiantes por ordenador en Baleares (7,4) o Madrid (7,2) es cuatro veces
mayor al obtenido en Extremadura (1,8) o tres veces al de Castilla-La Mancha, Aragón, Andalucía
(todas con 3,6). Del mismo modo sería aconsejable que todos los centros educativos de enseñanza
secundaria tuvieran una conexión de banda ancha, ya que en el curso 2008-09 solo disponían de
ella el 85% de los centros públicos.
124 En el curso 2008-2009 el 55,9% de la población extranjera procedía de zonas donde no se hablaba el castellano.

305
Referencias
Consejo Escolar del Estado (2010), Informe sobre el estado del sistema educativo, Curso 2008-
09, Madrid, disponible en http://www.educacion.es/cesces/actualidad/pleno-junio-2010.htm
(consultado en marzo de 2011).

Instituto Nacional de Estadística (2010), Encuesta de Población Activa, año 2008, INE, disponible
en http://www.ine.es/jaxi/menu.do?type=pcaxis&path=/t22/e308_mnu&file=inebase&N=&L=0
(consultado en marzo de 2011).

Ministerio de Educación (2010a), Las cifras de la educación en España: Estadísticas e indicadores.

Edición 2011 (Curso 2008-09), Madrid, disponible en http://www.educacion.es/mecd/jsp/
plantilla.jsp?id=3131&area=estadisticas&contenido=/estadisticas/educativas/cee/Edicion2011/
cee-2011.html (consultado en marzo de 2011).

Ministerio de Educación (2010b), Datos y cifras. Curso escolar 2011-12, Madrid, disponible en
http://www.educacion.es/mecd/jsp/plantilla.jsp?id=313&area=estadisticas (consultado en marzo
de 2011).

Ministerio de Educación (2010c), PISA 2009. Informe español, Madrid, disponible en http://www.
educacion.es/cesces/actualidad/pisa-2009-informe-espanol.pdf (consultado en marzo de 2011).

Ministerio de Trabajo e Inmigración (2010), Boletín de Estadísticas Laborales, Madrid, disponible

en http://www.mtin.es/estadisticas/bel/welcome.htm (consultado en marzo de 2011).

Pérez Esparrells, C. y A. VAQUERO (2009): “La financiación de la enseñanza obligatoria en un

contexto de cambios demográficos y sociales”. Papeles de Economía Española, núm. 199, pp. 228-
245.

San Segundo, Mª. J. y A. Vaquero (2007a): “Descentralización educativa y programas nacionales

de mejora”, en Actas de las XV Jornadas de la Asociación en Economía de la Educación, Gran
Canaria.

San segundo, Mª. J. y A. VAQUERO (2007b): “Financiación educativa, descentralización y objetivos

nacionales de mejora”, en Lago, S. (editor), La Financiación del Estado de las Autonomías:
Perspectivas de Mejora, Instituto de Estudios Fiscales, Madrid.

Vaquero, A. (2004): “El abandono escolar temprano en España y medidas para su reducción” en
Trillo, D. (editor), Reflexiones sobre el rendimiento educativo, pp. 39-54, Ed. Dykinson, Madrid.

Vaquero, A. (2010): “Capital humano y su composición”. Economistas, núm. 120 (extraordinario),

pp. 235-241.

Vaquero, A. (2011): “Los jóvenes, el acceso al empleo y la formación”. Economistas, núm. 126
(extraordinario), pp. 233-241.

306
2. Bullying and absenteeism among children with special needs

Cristina Vilaplana Prieto, Universidad de Murcia

307
Bullying and absenteeism among children with special needs

Cristina Vilaplana Prieto, Universidad de Murcia

Abstract
In this paper we analyse the situation of children with mental and/or physical disabilities who
suffer discrimination due to their disabilities by their peers at school. We use a sample of 459
children between 6 and 15 years who suffer some type of disability from the Survey of Dependency,
Autonomy and Situations of Dependency (2008). We hypothesize that children with special needs
who suffer bullying might develop a less favourable attitude towards schooling and consequently
increase periods of absenteeism, which in turn, would reduce their possibilities of successful
integration in the society when being adults. Results indicate that there exists a significant
correlation between both events, and what is quite worrying, ordinary schools with inclusion
programs for children with special need show a significant increase in the probability of bullying
and of absenteeism. On the other hand, if the child has learnt to use Braille, uses an earpiece or
has received speech rehabilitation, the probabilities of both events reduce.

Keywords: bullying, absenteeism, disability, special education

JEL Classification: I21, I31

1. Introduction
During the last decade there has been an increasing sense of worry related to bullying among
children and adolescents. Evidence from several studies have suggested that bullying can have a
overwhelming effect over the developmental outcomes of students (Arsenault et al. 2006, Orpinas
and Horne, 2006). Although there are differences in the terminology used across international
literature, in this study we will apply the definition of “bullying” provided by Reynolds (2003)
as “the use of physical, psychological or direct verbal means either individually or in a group to
cause physical or psychological distress to others”. Among studies that have explored bullying,
there is a growing body of research which indicates that students with special needs may be at
greater risk of bullying than “typical” peers. For example, Marini et al. (2001), Mishna (2003) and
Flyint and Morton (2004) have shown a connection between characteristic of children who have
special developmental, emotional/behavioral, physical or healthcare needs and those victimized
by bullying. Nabouzoka (2003) pointed that children with learning difficulties were identified as
victims of bullying significantly more than children without learning disabilities.
According to certain authors, the integration of students with special needs with peers
who have no disabilities provides certain advantages in the form of increased communication
skills and social skills as well as higher self-esteem and self-confidence and they have also stated
that the type of interactions (academic and social) that a student creates with his peers are
significant for his educational performance and academic success (Heward, 2003, Fernández et
al., 2008). However, if students without disabilities do not perceive their peer with a disability
as a valuable classmate or friend, the student with a disability may have fewer opportunities
to engage in peer interactions. With the purpose of explaining attitudes and intentions, two
important theories have been developed: Theory of Reasoned Action (TRA, Azjen and Fishbein,
1980) and the Theory of Planned Behaviour (TPB, Azjen, 1991). The TPB was developed from the
TRA and considers that students’ behaviours are the result of the combination of three types of

308
beliefs: behavioural, normative and control.
Behavioral beliefs reflect the positive or negative feeling and the desirability of its
consequences; normative beliefs refers to what the student believes that other will believe if he
behaves in a certain way. For example, Obrusnikova (2010) provided evidence that middle school-
aged student’s intention to play with a peer with physical disability were heavily influenced by
the student’s feelings about the norms of others. Finally, control beliefs refer to the degree of
difficulty derived from the action to be performed. For example, a student may consider that
if interacting with a peer with disability only refers to talking to, that is easy to perform, but
it interacting is applied to other circumstances such as helping or playing with him, then he
considers that this behaviour implies much effort and resources.
Turning to the issue of absenteeism, Kearney (2008) defines school absenteeism as the
absence without permission from school that is linked to environmental, social or psychiatric
conditions. Carr (1999) and Ihle (2003) argue that children or adolescents who refuse attending
to school often show anxiety disorders, symptoms of depression, disruptive disorders, insufficient
social skills (i.e, insufficient abilities for solving conflicts), dysfunctions in achievement (i.e,
learning disabilities or deficits in organizational skills. In the setting proposed in this paper
we hypothesize that there is link between peer-victimization and absenteeism among children
with special needs. Prolonged school absenteeism is associated with a higher probability for the
development of school dropout and a broad range of economic, psychiatric, social and partnership
problems in adulthood (Kearney, 2008). In particular, adolescents showing school absenteeism
and comorbid mental health problems, such as depressive episodes, social phobia or conduct
disorders are at greater risk of adverse development (Ihle et al., 2003 ). To avoid the emergence of
these problems, Walter et al. (2010) were the first to apply the cognitive-behavioural therapy to
a sample of adolescents with extended school absenteeism, and their results showed a significant
increase in school attendance and a parallel decrease in comorbid symptoms of anxiety, depression
and disruptive disorders.
In this paper we hypothesize that there might be a significant relationship between
suffering bullying and being absent from school. As we will see in the next section, the Spanish
legislation has moved towards the inclusion of children with disabilities and the qualification of
specific professionals to attend the during their schooling. However, if they feel discriminated the
probabilities of successful integration might be seriously damage. Children who suffer bullying
will probably have a less favourable attitude towards going to school, which can lead to an
increase in absenteeism. If this constitutes a repeated behaviour the probabilities of getting a
degree will be very reduced. The structure of the paper is as follows. In section 2 we review how
has been designed special education in Spain. In section 3 we describe the survey used and the
characteristics of the sample. In section 4 we estimate the probability of suffering bullying and
the relationship between bullying and absenteeism. Finally, section 5 concludes.

2. Special education in Spain

To make a review of the situation of children with disabilities in Spain with respect to
education, we should start mentioning the General Law of Education of 1970 which made a great
difference because it recognized the schooling right of children with disabilities. Later on, the
General Plan of Special Education of 1978 introduced the term “integration” and it supposed
the disruption of two type of un-connected centres (ordinary centres and specific centres). This
important change was materialised with the General Plan of Education of 1982 who recognized
the existence of ordinary centres with special education programs. Moreover, this regulation

309
acknowledge the importance of early diagnosis and the requirement of qualified professionals,
both for diagnosing, giving advice and teaching.
More recently, the Law of General Ordering of Educational System (1990) was the first in
using the expression “special educational needs” and introduced the “principle of attention to
diversity in abilities, interests and motivations”. As a educational solution, this law articulated
the possibility of adapting the curricular design to meet the specific needs of the students.
In 2006, the Law of Quality in Education substituted the term “integration” by “inclusion”
considering that it was the logical step for accomplishing the levelling between all students.
This inclusion concentrates on the motivation of qualities and the attention to needs, so that
everybody reach the success. In summary, Spain has been witness of a deep transformation. From
an old fashioned model which categorized children in normal and not-normal to a model that
looks for the inclusion and the normalization, from an educational and social point of view.
Table 1 shows that the number of centres that undertake Special Education has increased
from 868 in 2001-02 to 1,340 in 2007-08. This growth is due to the increase in the number of
public centres (with an annual growth rate of 10.49%), while private centres have only increased
by 1.38%. On the other hand, following the integration trend that started during the eighties
the increase in public centres that undertake Special Education has been totally concentrated in
ordinary centres.

Table 1. Number of centres who undertake Special Education

Total Public centre Private centre
Total Concerted
Year 2001/2002
Total 868 542 326 311
Specific centres 478 191 287 274
Ordinary centres 390 351 39 37
Year 2007/2008
Total 1,340 986 354 345
Specific centres 476 191 285 279
Ordinary centres 864 795 69 66
Annual growth rate (%)
Total 7.51 10.49 1.38 1.74
Specific centres -0.07 0.00 -0.12 0.30
Ordinary centres 14.18 14.60 9.98 10.13

Source: Statistic of Education from the Ministry of Education

(http://www.educacion.es/mecd/jsp/plantilla.jsp?id=31&area=estadisticas)

According to Table 2, the number of students enroled in Special Education courses has
increased from 27,090 in 2001-02 to 29,427 in 2007-08. The percentage who attend to public
centres has increase from 48.83% to 54.58% (annual growth rate of 3.29%). The number of
students who attended to ordinary centres has increased by 10.20% (9.68% for public centres,
12.38% for private centres).

310
Table 2. Students enroled in Specific Education by type of centre
Total Public centre Private centre
Year 2001/2002
Total 27,090 1,323 1,386
Specific centres 24,479 11,032 13,447
Ordinary centres 2,611 2,198 413
Year 2007/2008
Total 29,427 16,062 13,365
Specific centres 24,768 12,235 12,533
Ordinary centres 4,659 3,827 832
Annual growth rate (%)
Total 1.39 3.29 -0.60
Specific centres 0.20 1.74 -1.17
Ordinary centres 10.13 9.68 12.38

Source: Statistic of Education from the Ministry of Education

(http://www.educacion.es/mecd/jsp/plantilla.jsp?id=31&area=estadisticas)

3. Data
The data that we are going to use come from the Survey of Disabilities, Autonomy and
Situations of Dependency (SDASD) carried out by the National Institute of Statistics in 2008. The
purpose of this survey was to update information regarding the incidence of disabilities among
the Spanish population, because the last available survey had been performed in 1999. The
SDASD is a representative national survey which gathered population from individuals living in
the community and in residential centres. In this paper, we focus on children living in households
(we do not consider those who are in hospitals or other type of institutions for disabled people).
For people living in households, the survey was composed of two questionnaires. The first
questionnaire, named Household Questionnaire, gathered socio-economic information from all the
members of the household, whereas the second questionnaire, named Disabilities Questionnaire,
only gathered information of those individuals who reported having a disability. The concept of
disability used is a limitation for doing daily living activities that is expected to last at least one
year. In the Disabilities Questionnaire, individuals were questioned about the type of disabilities,
the deficiencies of origin, chronic illness, age at the onset of the disability, use of social services
for dependent people and incidence of the disability over his labour situation or the level of
education.
The SDADS collected information from 258,187 individuals living in the community from
which 26,792 were between 6 and 15 years old. However, we only have information concerning
discrimination for those children who have some disability (459 children). That is, we are only
able to compare situations of bullying among children who suffer some type of disability, but we
cannot compare situations of bullying among children with and without disability. It is true that
children without any type of disability might suffer bullying due to other circumstances but the
survey does not include any question regarding these issues, because it has not been designed to
study social behaviours in general, but the integration in the society of adults and children who
suffer some type of disability.

311
Table 3. Descriptive statistics (using sample weights)
Has not suffered Has suffered
bullying bullying
Male 0.660 0.613
Female 0.340 0.387
Age
Between 6 and 10 years 0.531 0.519
Between 11 and 15 years 0.469 0.481
Size of municipality
Capital of province 0.456 0.452
Between 50.000 and 100.000 inhabitants 0.120 0.113
Between 20.000 and 50.000 inhabitants 0.181 0.212
Between 10.000 and 20.000 inhabitants 0.118 0.090
Less than 10.000 inhabitants 0.126 0.134
Disability for:
Blind or only able to differentiate between light/darkness 0.097 1.000
Difficulty for reading print newspaper 0.358 1.000
Difficulty for recognizing somebody across the street 0.470 1.000
Other significant visual disability 0.269 1.000
Completely deaf 0.147 0.670
Significant difficulty for hearing an alarm 0.374 1.000
Difficulty hearing what is being said in a conversation 0.591 1.000
Difficulty for speaking intelligibly or uttering coherent phrases 0.845 0.964
Difficulty understanding what other persons say 0.789 0.969
Difficulty understanding a written text 0.929 1.000
Difficulty understanding gestures, symbols 0.715 0.934
Difficulty holding a conversation through speech 0.839 1.000
Difficulty paying attention when listening 0.805 1.000
Difficulty learning to perform simple tasks 0.661 1.000
Difficulty learning to perform complex tasks 0.837 1.000
Difficulty changing posture unaided 0.572 1.000
Difficulty keeping the body in the same position 0.572 1.000
Difficulty walking and moving around the home 0.566 1.000
Difficulty moving or walking outside home 0.735 1.000
Difficulty lifting or carrying objects with hands (i.e. glass) 0.625 1.000
Difficulty handling or moving objects (i.e., ball) 0.596 1.000
Difficulty handling/moving small objects (i.e, writing with a pen) 0.645 1.000
Difficulty transmitting feelings 0.523 1.000
Difficulty relating to strangers 0.744 1.000
Difficulty starting relations of friendship 0.593 1.000
Use of technical aids:
Uses Braille 0.013 0.018
Use earpiece or other type of technical device 0.055 0.030
Use sign language 0.006 0.014
Has been diagnosed with:
Spinal cord injury 0.007 0.007
Lateral sclerosis 0.004 0.007
Amputations 0.016 0.002
Laringectomy 0.010 0.014
Arthritis 0.016 0.000
Rheumatoid artrhritis 0.007 0.004
Muscular distrophy 0.065 0.060
Spina bifida 0.011 0.025
Myorcardial infarction 0.030 0.004
Cerebrovascular accidents 0.025 0.051
Down’s syndrome 0.057 0.030
Autism 0.083 0.069
Cerebral paralysis 0.100 0.037
Acquired brain damage 0.119 0.120
Other types of dementia 0.010 0.045
Schizophrenia 0.007 0.003
Depression 0.021 0.037
Bipolar disorder 0.001 0.007
Pigmentary retinosis 0.007 0.000
Myopia magna 0.026 0.021
Macular degeneration 0.003 0.000
Glaucoma 0.005 0.000
Cataract 0.019 0.014
Rare illness 0.113 0.142
Renal failure 0.017 0.018

312
Table 3 (continued). Descriptive statistics (using sample weights)
In relation to school integration, which was the situation last week?
Unschooled 0.032 0.005
Educated in special centre 0.198 0.087
Educated in ordinary centre with specialized aid 0.334 0.600
Educated in ordinary centre without specialized aid 0.278 0.299
Do not know 0.054 0.008
Which type of educational centre do you attend?
Public centre 0.585 0.644
Subsidized private centre 0.209 0.322
Non subsidized private centre 0.016 0.021
How often did you miss school?
Unschooled 0.021 0.000
Less than one week 0.489 0.595
More than one week, but less than one month 0.173 0.263
Between 1 and 3 months 0.097 0.062
Between 3 and 6 months 0.020 0.025
Six months or more 0.019 0.006
Do not know 0.077 0.049
N 329 130
Source: Own elaboration using data from de SDASD (2008).
Source: Own elaboration using data from de SDASD (2008).

From the sample of 459 children, 21.82% reported that they have suffered some type of
discrimination due to their disabilities. Table 3 offers the sample means for both subsamples of
children. Approximately 60% of children with disabilities are male and slightly more than the
half are between 6 and 10 years. Among children who have suffered discrimination due to their
disabilities, we observe that there is a high concentration of certain disabilities (blind or only able
to differentiate between light and darkness, difficulty for reading print newspaper, difficulty for
recognizing somebody across the street, other significant visual disability, significant difficulty
for hearing an alarm, difficulty for hearing what is being said in a conversation, difficulty for
changing posture unaided, difficulty for keeping the body in the same position, difficulty for
walking or moving around home). Regarding chronic illness, the percentage with Down’s syndrome
and autism is higher among those who have not suffered bullying (5.7% vs. 3% and 8.3% vs.
6.9%, respectively). On the other hand, the incidence of other types of dementia, cerebrovascular
illness and rare illness is higher among those who have suffered bullying (1% vs. 4.5%, 2.5% vs.
5.1% and 11.3% vs. 14.2%, respectively).
Children who have suffered discrimination have been mostly schooled in ordinary centres
with specialized aid. On the other, 19.80% of children who have not suffered bullying are attending
a special centre as opposed to only 8.70% in the case of children who have suffered bullying.
Most of children, independently of their relationships with other children are attending public
schools (58.5% and 64.4%, respectively). With respect to absenteeism, the percentage who have
been left from school less than one week or between one week and one month is higher among
children who have suffered absenteeism (59.5% vs. 48.9% and 26.3% vs. 17.3%).

4. Estimation of the model

First of all, we would like to analyse which factors increase the probability of suffering
bullying. Table 4 offers the odd-ratios after estimating a logit model for the probability of suffering
discrimination due to disability where we have included as explanatory variables age, gender,
disabilities, use of technical aids, type of education and type of centre. We have not included the
incidence of chronic illness due to their strong correlation with the disabilities.
Regarding the impact of different disabilities the probability of suffering discrimination
increases if the child suffers difficulty for understanding what is being said, for changing posture

313
without help, for starting relations of friendship or for handling small objects with hands and
fingers. On the other hand, the probability of suffering bullying decreases if the child has other
visual disabilities (not blind), other hearing disabilities (not deaf) or has difficulty for holding
a conversation through speech. In this sense, it should be interpreted as a positive sign the
result that having learnt Braille or using an earpiece or other type of technical aid reduces the
probability of suffering bullying by 33% and 47%, respectively, because this implies that if the
student has the tools for following better the rhythm of the class, the probabilities of successful
inclusion also increases.
With respect to attending to a specific centre, the probability of suffering bullying increases
by 246.3% and 385.5% and if the child attends to an ordinary school. However, the probability of
being bullying increases even more if the child attends to an ordinary centre without specialized
aid. Finally, concerning the type of centre we have not found significant difference between
public centres and private ones (subsidized or not).

Table 4. Odd-ratios for the probability of suffering bullying

Odd-ratio z
Male 1.111 0.42
Age 11 to 15 1.267 1.00
Disabilities
Blind or unable to differentiate between light and darkness 0.660 -0.26
Other visual disabilities 0.599 -2.41
Completely deaf 0.412 -1.01
Other hearing disability 0.166 -2.33
Difficulty for speaking intelligibly or uttering coherent phrases 0.779 -0.74
Difficulty understanding what other persons say 3.314 2.98
Difficulty understanding a written text 0.720 -0.90
Difficulty understanding gestures, symbols 0.743 -0.68
Difficulty holding a conversation through speech 0.431 -2.04
Difficulty paying attention when listening 1.030 0.09
Difficulty learning to perform simple tasks 0.449 -1.43
Difficulty learning to perform complex tasks 1.561 1.09
Difficulty changing posture unaided 2.829 2.62
Difficulty keeping the body in the same position 0.643 -0.71
Difficulty walking and moving around the home 0.561 -0.99
Difficulty moving or walking outside home 1.107 0.26
Difficulty lifting or carrying objects with hands (i.e. glass) 0.507 -1.30
Difficulty handling or moving objects (i.e., ball) 0.849 -0.28
Difficulty handling/ moving small objects (i.e, writing with a pen) 2.304 2.77
Difficulty relating to strangers 0.712 -0.74
Difficulty starting relations of friendship 2.827 2.06
Use of technical aids
Uses Braille 0.770 -2.02
Use sign language 1.887 0.45
Uses earpiece or other type of technical aid 0.523 -2.04
In relation to school integration, which was the situation last week?
Unschooled 0.814 -0.18
Educated in ordinary centre with specialized aid 3.463 2.53
Educated in ordinary centre without specialized aid 4.855 3.61
Do not know 0.427 -0.68
Which type of educational centre do you attend?
Subsidized private centre 1.238 0.73
Non subsidized private centre 1.372 0.31
Log pseudolikelihood -230.32518
Wald chi2(34) 56.18
Prob > chi2 0.0172
Pseudo R2 0.1341
N 459
Omitted variables: female, age 6 to 10 years, public centre, educated in a special centre, living
in a municipality with less than 10.000 inhabitants. Robust standard errors.

314
 The next step is to analyse the relationship between bullying and absenteeism. We propose
to estimate a two simultaneous probit-equation model. The first equation refers to the probability
of being discriminated because of suffering a disability, and we use the same binary variable
that we had defined for the logit model in previous section. The second equation refers to the
probability of experiencing absenteeism and in this case we have defined a new binary variable
that takes the value one if the child has been absent from school more than one month and zero
in other case (that is, the child has been absent from school less than one week or more than one
week, but less than one month).
With respect to the explanatory variables in the equation for suffering bullying we have
included the same explanatory variables as in the logit model, and in the equation for the
probability of absenteeism we have included age, sex, size of municipality, type of education, type
of centre and having received certain services for disabled children. In particular, we would like to
study the benefits derived from rehabilitation of speech, psychological assistance (mental health
care), participation in leisure and cultural activities and psychosocial attention for relatives. For
each of these four services we have defined two dummy variables. The first one takes the value one
if the parents applied for the service and they received it. The second one takes the value one if
the parents applied for the service but they did not receive it. Therefore, in this case there would
be an unmet needs problem. We have estimated the model by simulated maximum likelihood
using sample weights. After estimating the model we have computed the predicted probabilities
in two particular circumstances: Pr[A=1|B=0] which measures the probability of being absent
from school more than one month conditioned to not suffering bullying, and Pr[A=1|B=1] which
refers to the probability of being absent from school more than one month conditioned on having
suffered bullying.
First of all, the correlation coefficient is significant and positive (rho=0.278, std. dev=0.085)
indicating that unobservable variables which make some children more prone of suffering
bullying are positively correlated with unobservable variables which increase the probability
of absenteeism. Conditional on suffering bullying, male children experience an increase of
17.72% in the probability of being absent from school more than one month, as compared to
a decrease of 3.51% of the same probability in the case of female children. With respect to the
size of municipality, living in small municipalities (less than 20.0000 inhabitants) decreases
the probability of absenteeism conditioned on bullying, and on the other hand, it increases by
32% in the case of municipalities sized between 50.000 and 100.000 inhabitants. Disabilities
that increase the most the probability of absenteeism are difficulty relating to strangers, for
speaking intelligibly, for handling or moving objects, for understanding what other people say
and being completely deaf. However, the probability of absenteeism conditioned on bullying
decreases by 24.45% in the child has learnt Braille and by 18.99% if he uses an earpiece or
other technical device.The probability of absenteeism increases by 16% if the child attends to an
ordinary centre with specialized aid and even more, it increases by 27.61% if he attends to an
ordinary centre without specialized aid. Finally, the provision of formal services is quite relevant
for the integration of children with disabilities. We appreciate that the probability of absenteeism
conditioned on bullying decreases if the child receives the service which has been applied for
(significant evidence in favour of all services considered). However, when there are unmet needs,
(specially cultural and leisure activities and rehabilitation speech) the probability of absenteeism
conditioned on bullying increases considerably (107% and 71%, respectively).

315
Table 5. Predicted probabilities after estimating a simultaneous equation two-probit model for
“suffering bulling” and “having absenteeism”
Pr[A=1|B=1] Pr[A=1|B=0]
Male 0.671 0.570
Female 0.549 0.569
Age
Between 6 and 10 years 0.569 0.516
Between 11 and 15 years 0.684 0.630
Size of municipality
Capital of province 0.626 0.560
Between 50.000 and 100.000 inhabitants 0.726 0.550
Between 20.000 and 50.000 inhabitants 0.656 0.586
Between 10.000 and 20.000 inhabitants 0.515 0.537
Less than 10.000 inhabitants 0.554 0.627
Disability for:
Blind or only able to differentiate between light/darkness 0.537 0.491
Other visual disabilities 0.501 0.475
Completely deaf 0.841 0.683
Other hearing disabilities 0.719 0.607
Difficulty for speaking intelligibly or uttering coherent phrases 0.712 0.564
Difficulty understanding what other persons say 0.648 0.522
Difficulty understanding a written text 0.647 0.532
Difficulty understanding gestures, symbols 0.591 0.539
Difficulty holding a conversation through speech 0.691 0.563
Difficulty paying attention when listening 0.686 0.583
Difficulty learning to perform simple tasks 0.488 0.465
Difficulty learning to perform complex tasks 0.605 0.499
Difficulty changing posture unaided 0.334 0.277
Difficulty keeping the body in the same position 0.379 0.346
Difficulty walking and moving around the home 0.402 0.362
Difficulty moving or walking outside home 0.451 0.44
Difficulty lifting or carrying objects with hands (i.e. glass) 0.397 0.375
Difficulty handling or moving objects (i.e., ball) 0.39 0.313
Difficulty handling/moving small objects (i.e, writing with a pen) 0.496 0.407
Difficulty transmitting feelings 0.624 0.567
Difficulty relating to strangers 0.73 0.512
Difficulty starting relations of friendship 0.777 0.583
Use of technical aids:
Uses Braille 0.377 0.499
Use sign language 0.887 0.927
Use earpiece or other type of technical device 0.725 0.895
In relation to school integration, which was the situation last week?
Unschooled 0.648 0.407
Educated in special centre 0.557 0.571
Educated in ordinary centre with specialized aid 0.605 0.521
Educated in ordinary centre without specialized aid 0.698 0.547
Which type of educational centre do you attend?
Public centre 0.617 0.608
Subsidized private centre 0.630 0.599
Non subsidized private centre 0.983 0.832
Has received
Rehabilitation speech/Therapy 0.567 0.695
Psychological assistance /mental health care 0.556 0.642
Cultural and leisure / free time activities 0.545 0.733
Psychosocial care for relatives 0.697 0.701
Applied for but not received:
Rehabilitation speech/Therapy 0.373 0.218
Psychological assistance /mental health care 0.805 0.670
Cultural and leisure / free time activities 0.412 0.199
Psychosocial care for relatives 0.664 0.657
Pr[A=1|B=1]= probability of being absent from school conditional on suffering bullying
Pr[A=1|B=0]= probability of being absent from school conditional on not suffering bullying

316
5. Conclusions
Several authors (Macrae et al. 2003, Howard, 1999) have ascertained that there exists a
significant relationship between educational failure and social exclusion. For example, Howard
(1999) indicates that people with disabilities are in principle more prone of suffering social
exclusion because given their limitations they usually receive a more restricted education that
might reduce the opportunities of obtaining a stable employment and the access to economic
independency. If additionally, people with disabilities suffer the effects of discrimination or feel
rejected during their educational life, the quality of their schooling may be seriously damaged,
which in turn, will reduce the probabilities of getting knowledge and learning a profession.
Inclusive education has two main purposes. First, to the inclusion of children with
disabilities in an environment (class, school) where most of the children do not have disabilities.
Second, make the student body aware that everybody has the same rights to achieve education
from a common framework (Booth and Ainscow, 1998). A very controverted result from this paper
is the fact that children who have been schooled in an ordinary centre with specific programs
have reported a significant increase in the probability of being bullying. To a certain extend, these
children have lived this integration experience not as an academic opportunity, but rather they
have experienced pain and segregation. In consequence, we could be living an apparent paradox:
the segregation character of some ordinary centres who promote the integration of children with
disabilities might lead them (and their families) to prefer specific centres because their level of
self-stem improves and they feel supported by their classmates. This same conclusion has been
commented by Gibson (2006), Connor y Ferry (2007), and Shah (2007).
Several limitations should be acknowledged for this study. First of all, the survey used
was not designed specifically to study bullying but the characteristics of the Spanish population
with disabilities. Controlled studies with random assignment and with a questionnaire including
more aspects of peer victimization (when did it started, if parents have put in contact with the
teachers, if the child has at leas a group of friends in spite of being bullied by others) could be
very useful. Meanwhile, working in collaboration with family, schools and community levels may
move us close to the ultimate objective of all students feeling safe and happy in their included
schools.
To our knowledge, until now there are not regular lessons at schools concerning the social
attitude towards people with disabilities. However, it would be very fruitful that medical and
educational professionals talked to pupils in their classes about children with special needs.
This kind of social education should be regularly introduced in class during all years of school
attendance, starting even from kindergarten. Additionally, the Ministries of Education, Health
and Social Issues should design guidance programs so that teachers would receive updated
information concerning these topics. Teachers should constitute a positive model in which other
pupils look at and learn to be more tolerant and have more patience. In the future, tolerant and
understanding behaviours towards people with disabilities will increase the level of cohesion in
the society.

317
References
Arsenault, L., E. Walsh, K. Trzesniewski, R. Newcombe, A. Caspi, and T. Moffit (2006): “Bullying
victimization uniquely contributes to adjustment problems in young children: a nationally
representative cohort study”. Pediatrics, 118(1), 130-137.

Azjen, I. and M. Fishbein (1980): Understanding attitude and predicting social behaviour. Englewood
Cliffs: Prentice Hall.

Azjen, I. (1991): “The theory of planned behaviour”. Organizational Behaviour and Human Decision
Processes 50, 179-211.

Booth, T. and M. Ainscow (1998): Making comparisons: drawing conclusions- In Booth, T. and
Ainscow, M. (Eds.), From them to us. London: Routledge, pp. 232-246.

Carr, A. (1999): The handbook of child and adolescent psychology. A contextual approach. Routledge:
London.

Connor, D. and B. Ferri (2007): “The conflict within: resistance to inclusion and other paradoxes
in special education”. Disability & Society 22(1), 63-77.

Shah, S. (2007): “Special or mainstream? The views of disabled students”. Research Papers in
Education 22(4), 425-442.

Fernández, M., J. Gaete and J. Terrén (2008): “¿Fronteras en las aulas? Contacto transcultural y
endogamia en las interacciones del alumnado”. Revista de Educación 345, 157-181.

Flynt, S. and R. Morton (2004): “Bullying and children with disabilities”. Journal of Instructional
Psychology, 31(4), 330-333.

Gibson, S. (2006): “Beyond a “culture of silence”: inclusive education and the liberation of
“voice””. Disability & Society 2(4), 315-329.

Heward, W. (2003): Exceptional children: an introduction to special education (7th ed.) Upper
Saddle River, NJ: Prentice Hall.

Howard, M. (1999). Enabling government: joined up policies for a national disability strategy.
London: Fabian Society.

Ihle, W., D. Jahnke and G. Esser (2003): Cognitive behaviour therapy treatment approaches in
non-dyssocial school refusal: school phobia and school anxiety. Praxis der Kinderpsychologie und
Kinderpsychiatrie, 52, 409-424.

Kearney, C. (2008): “School absenteeism and school refusal behaviour in youth: a contemporary
review”. Clinical Psychology Review, 28, 451-471.

Macrae, S., M. Maguire and L. Melbourne (2003): “Social exclusion: exclusion from school”.

318
International Journal of Inclusive Education 7(2), 89-101.

Marini, Z., L. Fairbairn and R. Zuber (2001): “Peer harassment in individuals with developmental
disabilities: towards the development of a multidimensional bullying identification model”.
Developmental Disabilities Bulletin, 29 (2), 170-195.

McShane, G., G. Walter and J. Rey (2001): “Characteristics of adolescents with school refusal”.
Australian New Zealand Journal of Psyquiatry 35, 822-826.

Mishna, F. (2003): “Learning disabilities and bullying: double jeopardy”. Journal of Learning
Disabilities, 36, 336-347.

Nabouzoka, D. (2003): “Teacher ratings and peer nominations of bullying and other behaviour of
children with and without learning difficulties”. Educational Psychology, 23, 307-322.

Obrusnikova, I., S. Dillon, M. Block (2010): “Middle school intentions to play with peers with
disabilities in pysical education: using the Theory of Planned Behaviour”. Journal of Development
and Physical Disability DOI: 10.1007/s10882-010-9210-4

Orpinas, P. and A. Horne (2006): Bullying prevention: creating a positive school climate and
developing social competence. Washington DC: American Psychological Association.

Reynolds, W. (2003): Reynolds bully victimization scales for schools manual. San Antonio, TX: The
Psychological Corporation.

Walter, D., C. Hautmann, S. Rizk, M. Petermann, J. Minkus, J. Sinzig, G. Lehmkuhl and M.

Doepfner (2010): “Short term effect of inpatient cognitive behavioral treatment of adolescents
with anxious-depressed school absenteeism: an observational study”. European Children and
Adolescents Psychiatry 19, 835-844.

319
3. An open future: schooling experiences, academic difficulties and vocational
dilemmas during the first year of university

Maria Manuel Vieira, Instituto de Ciências Sociais, Universidade de Lisboa

Natália Alves, Instituto de Educação, Universidade de Lisboa
Ana Nunes de Almeida, Instituto de Ciências Sociais, Universidade de Lisboa
Isabel André, Instituto de Geografia e Ordenamento do Território, Universidade de Lisboa
Valentina Oliveira, Reitoria, Universidade de Lisboa

320
An open future: schooling experiences, academic difficulties and vocational
dilemmas during the first year of university

Maria Manuel Vieira, Instituto de Ciências Sociais, Universidade de Lisboa

Natália Alves, Instituto de Educação, Universidade de Lisboa
Ana Nunes de Almeida, Instituto de Ciências Sociais, Universidade de Lisboa
Isabel André, Instituto de Geografia e Ordenamento do Território, Universidade de Lisboa
Valentina Oliveira, Reitoria, Universidade de Lisboa

1. Ex ante: the problem, some questions

In modern societies, education is considered to be one of the most valuable goods. From a
public point of view it is seen as a democratic goal, as well as human capital qualification; from
an individual one it is perceived as a self-development asset and, additionally, a passport for
professional ambitions.
Massive investments have been made by Western and developing countries in order to
ensure further education for all. In the last fifteen years, school enrolments increased enormously,
namely in the more advanced levels of the education system (Duru-Bellat, 2006; Heath and
Sullivan, 2011). However, the current limitations experienced by welfare state systems due,
namely, to the economic crisis, arises the problem of education public financing. Failure rates at
all levels of education become a matter of even more concern: for governments, they represent
other than a pedagogic failure, but mostly an intolerable waste of money.
In what higher education concerns, academic failure and drop out phenomena are seen as highly
problematic as well. In the Portuguese context, at least, a noticeable change has occurred over the
past few decades from a period where academic failure was “naturalized”, being the proof of high
scientific standards at university level students had to cope with, to the present situation, where
extended rates of failure are criticized as indicators of pedagogic or institutional weaknesses
(Vieira, 2007).
Additionally, the statistical comparison of educational systems encourages the choice and
definition of common indicators to measure education efficiency and to locate each country’s
performance in international scales. That is precisely the case of “failure” and “survival rate”
indicators. The official definition of “survival rate” in higher education underlies a cumulative,
sequential approach of schooling trajectories, inspired by a linear conception of time (Leccardi,
2005, 2006): “survival rate at tertiary level is defined as the proportion of new entrants to the
specified level of education who successful complete a first qualification. It is calculated as the
ratio of the number of students who are awarded an initial degree to the number of new entrants
to the level n years before, n being the number of years of full-time study required to complete
the degree” (OECD, 2010). However, this unilateral, institutional perspective doesn’t account for
the subjective perspective of the actors (Vieira, 2007; Almeida e Vieira, 2009; Vieira, 2010) –
namely, the students who experience it – which may involve a multiple, broader set of reasons
and meanings.
Furthermore, this concept of survival, as well as the opposite one, the concept of failure,
needs to be interpreted taking into consideration the Portuguese educational context, where
procedures of accessing higher education are specific. A centralized numerus clausus system has
been put in place since 1978 and limits the free entrance of eligible candidates, ranked at the
national level by the grade average obtained at upper secondary education, to a certain number
of places offered once a year by each course/institution. That means that this process may

321
conduct to misleading trajectories, whenever desired vocations don’t match with final placements.
Portuguese students may in fact be placed up to their 6th choice of higher education course/
institution, which may produce critical consequences, namely in terms of studying motivation,
institutional affiliation or even of social integration (Almeida e Vieira, 2009; Veloso, Costa &
Lopes, 2010).
The number of candidates affected has potentially enlarged in the past two decades,
since Portuguese Higher Education itself has undergone a process of increased massification and
competition. A more diverse student population (Alves, 2005, 2008; Mauritti and Martins, 2007)
has been recruited (in terms of social class origins, of age, of working experience, but also in
terms of aspirations, lifestyles and motivations regarding their studies), which opens up higher
education experience to new and more plural forms.
All these constraints become critical during the first year of Higher Education attendance,
although this stage is supposedly the arrival point of a long schooling trajectory made of
surpassed obstacles and mature choices. In fact, for those who apply to a Higher Education
institution, a clear definition of a professional project is expected. Entering upper secondary
education, Portuguese pupils are compelled to make a first vocational choice among a set of
offered courses. This individual “option” is in fact largely influenced by social (economic and
cultural resources and expectations) and academic (previous school results) constraints (Duarte
and al, 2008). However, during the three years of secondary school attendance, initial choices
can be tested, vocational options explored and either confirmation or changes of field of study
can occur (Vieira, Resende and Pappámikail, n/d). Although changes are formally possible, the
fact is that the postponement of a final commitment is clearly the option for most of those
pupils who wish to carry on their studies – thus keeping their future opened (Vieira, Resende and
Pappámikail, n/d).
For that reason, the first year at the university may turn into a probation experience, a
period when former trajectories and future projects are re-assessed.
On one hand, as we stated before, due to the numerus clausus system, some freshmen
are allocated in non “first option” courses or institutions, and this may lead them to vocational
dilemmas, namely because they deal with some core cultural values associated with modern
individualism. Self-accomplishment and authenticity – the need to be faithful to oneself
(Taylor, 1989) – are two important attributes of individuation – the process of construction of
a biographical singularity (Beck, 1992). Attending a university course that doesn’t meet one’s
abilities turns into a problematic experience, as it denies the possibility of being authentic.
Changing or leaving a current course may be a way out considered by those students in order to
reach self-accomplishment –individual success -, although it represents a clear delay of school
trajectory, under the criteria of institutional failure rate definition.
On the other hand, the schooling experience (Dubet, 1996; Dubet e Martuccelli, 1996)
itself is particularly critical in this period, as it involves different challenges the student has to
cope with. Integration is one of them. Moving into higher education means a rupture in pupils’
biographies (Ferreira e Moutinho, 2007; Scalon, Rowling e Weber, 2007; Seco et. al. 2005).
This transition implies, first, the embedment into a new institutional environment, much
less organized, controlled or supportive than the upper secondary school one. It also means
to build a new social network, to remake friendships and contacts. Additionally, it represents
a different academic and studying environment students have to master. Second, a strategic
behaviour must be exercised at a certain point, since university experience exposes students to
competition (academically and professionally, in a near future). Students have to learn how to

322
cope with a more demanding academic work, to decode the new implicit rules of the academic
success - namely, how to define study priorities, time schedules and to organize work. Finally,
some sort of subjectivation inevitably emerges, every time the student confronts to himself by
questioning his options and abilities. In fact, if the entrance to a first choice course/institution
may be a factor of study motivation for some students, for others it may be not so. Former
expectations are tested by present experiences and some doubts regarding higher education
decisions may arise. An institutional and pedagogical environment experienced as unfriendly
or uninspiring may turn itself into a good reason to consider changing course/institution. The
recognition of some sort of mismatching between higher education requirements and previous
academic preparation (Veloso et. al., 2010) may also lead some students to the feeling of not
being able to catch up with others and to reassessments of vocational options. For those who are
strongly involved simultaneously in other spheres of life (part-time or full-time work, household
and children, etc.), the first year of higher education attendance may turn into a challenging
probation experience, when conciliation between studies and other priorities may turn very
problematic. For some, the solution may be to delay the number of years of study required to
complete the degree
Therefore, in contrast with the linear, institutional definition of “survival”, based on
an unquestioned, successful academic trajectory, the subjective definition of higher education
“survival” (or failure/drop-out) may include a plural set of attributes. It is more accurate to
consider higher education survival, failure and drop-out phenomena as a multidimensional
process, decomposed in multiple meanings and involving different students’ profiles.
In this paper, we analytically explore these issues by using data obtained from an extensive
survey applied to first-year students who entered the 8 Faculties of the University of Lisbon (UL)
in the 2008/2009 school-year. The internal diversity of this population (either from an academic
or social background perspectives) can interestingly illustrate the multidimensional nature and
misleading notion of a taken-for-granted official conception of “school failure”. The paper is
organized in three main sections. We’ll present, first, methodological choices and procedures.
Second, results concerning a UL freshmen portrait are summarized; focussing first year trajectories,
a typology is then issued and discussed. Last, recovering the initial theoretical problem, some
general conclusions are drawn.

2. An ongoing research project: methodology

This paper summarizes one of the phases of a larger research project carried out in the UL
(2008-2011) on “school failure and drop-out”125. From an extensive perspective, data collection
was here based on a survey, aiming at describing and understanding the students’ status one
year after they entered the UL. What happened to them during that year? Did they stay in the
same course, did they change their trajectory by moving to another course or even to another
university? Did they leave higher education (definitely, temporarily)?
An online questionnaire was conceived and applied. The first call was made in November
2009, through an e-mail sent to all students that registered for the first time in the first cycle in
2008/09. Two other calls followed, the last appealing directly to the need to increase the number
of answers, in order to get representative data of the universe.
The questionnaire was divided in two sections. Section one described students trajectories
during the first university year, and included questions related to their motivations and
expectations about the course or higher education, and, if so, about the reasons that led them to
125 The Project is financed by the Fundação da Ciência e Tecnologia (FCT, PTDC/ESC/64875/2006).

323
change/leave the institution; the second part was about values and representations prior to their
arrival to the university about higher education institutions, in general, and the UL, in particular
(their teachers, colleagues, the staff, infrastructures, namely).
The response rate was very positive, 1253 questionnaires out of 3894 students (32 per
cent) being received; besides, the resulting distribution by faculties replicated the available
statistics concerning the universe. As an online tool was used (SurveyMonkey), the database was
easily structured and handled, under the general descriptive statistics SPSS126. Programme. In this
paper we concentrate on results from section one and comparison within the UL is emphasized,
so that diversity of its faculties and students is made clear.
These data were also related with those usually collected at the entrance moment in the
UL, through means of the universal application of a questionnaire to students registering for
the first time and where previous school trajectories, social and family origins are systematically
reconstituted.

3. Who are the first year students of the University of Lisbon?

The portrait of students that attended the 1st year in 2008-2009 highlights a young
population, mostly female, academically successful and coming from well off families. The average
age of these students is 20,7 years old (69,4 per cent are aged 17-19 years old). Compared with
other European countries, Portugal has one of the youngest university students’ cohort in the EU
(HIS, 2005). The UL is not an exception to this.
These figures can be understood as indicators of successful and linear school trajectories.
Opposite to their European colleagues, the large majority of these students never interrupted their
studies before attending tertiary education (HIS, 2005). They followed a linear path since they
entered the primary school until they reached the university. Their former educational careers
are also characterized by high educational achievements: the average score obtained in national
examinations is 151/200. Against this backdrop, some important differences are revealed when
the faculty level is considered. While Medicine and Pharmacy have the highest requirements,
Psychology and Educational Sciences and Arts and Humanities have the lowest ones. These data
suggest an internal hierarchy based on educational excellence and social and professional status
of the different courses.

Graph 1. Entry grades (national) by Faculty, University of Lisbon, 2008/2009

Source: Observatório dos Percursos dos Estudantes (OPEST), UL

126 Full overview of the results and the questionnaire is available at:
http://www.opest.ul.pt/pdf/caloirosumanodepois.pdf - in Portuguese).

324
 Another characteristic of these students is its high feminization rate – a new trend that
aroused in the middle 80’s (Almeida &Vieira, 2009; Alves, 2009; Martins, Mauriti and Costa, 2005;
Balsa et al, 2001). The majority of students enrolled in tertiary education in Portugal are women,
and in the case of the 1st year students of the UL this number raises up to 62,8%. The presence
of women is particular high in some faculties –e.g. Psychology & Educational Sciences, Dentistry,
Pharmacy, Fine Arts and Arts & Humanities - while Science remains a men’s field.

Table 1. Distribution of the 1st year students by sex and Faculty, UL, 2008/2009
Women Man
Faculty
Psychology & Ed Sciences 85,3 16,5
Dentistry 76,0 24,0
Pharmacy 74,8 25,2
Fine Arts 72,1 27,9
Arts & Humanities 72,1 27,9
Medicine 64,6 35,4
Law 61,4 38,6
Science 46,6 53,4
Total 62,8 37,2
Source: OPEST/UL.

The third characteristic of these students to be mentioned is their social origin. As can
be deduced from Tables 2 and 3, and much like all Portuguese universities, the majority of
students attending the UL are from privileged social backgrounds. Considering their parents’
educational attainment, we find an over-representation of those with the highest educational
degrees. More than an half of the parents attained secondary or tertiary education. Parents with
the highest educational backgrounds are especially important in Medicine, Health Sciences and
Fine Arts, while those with lowest ones are found in Psychology & Educational Sciences and Arts
& Humanities.

Table 2. Distribution of the 1st year students by parents’ educational attainment127 and Faculty,
UL, 2008/2009128
1st Cycle 2nd Cycle 3rd Cycle Secondary Tertiary
Faculty
Fine Arts 6,8 9,5 6,8 24,3 52,7
Science 8,0 6,6 16,0 35,1 34,4
Law 12,4 9,7 15,7 22,6 39,6
Pharmacy 7,1 4,3 11,4 34,3 42,9
Arts & Humanities 14,9 6,5 21,5 28,4 28,7
Medicine 0,9 3,8 6,6 16,0 72,6
Dentistry 10,3 3,4 17,2 24,1 44,8
Psychology & Educational Sciences 8,3 10,7 17,9 35,7 27,4
RUL (Health Sciences) 3,0 0,0 9,1 21,2 66,7
Total 9,6 7,0 15,4 28,1 39,9

Source: OPEST/UL.

127 We followed the proposal of Almeida et al. (2003) and we use the highest educational attainment of the students’
parents.
128 X2=116,443, Monte Carlo Sig (2-sided)=0,000.

325
 The proportion of students whose parents belong to cohorts CNP1129 and CNP2 accounts
for almost half of the total. If we add those from CNP3 then a total of two-thirds of all first-year
students at the UL are from families with technical-occupational resources. On the opposite side
of the scale, the presence of students from families in which the parents have a low occupational
status reaches just 11,3 per cent of the total. This diversity is not randomly organized. A detailed
examination indicates an interesting internal diversity: different faculties recruit different
students. Students from CNP1 families are highly represented in Law and Medicine while those from
CNP2 backgrounds are concentrated also in Medicine, Fine Arts, Health Sciences and Pharmacy.
Students from families with lower occupational statuses are more likely to be found studying at
the faculties of Arts & Humanities, Science, Psychology & Educational Sciences.

Table 3. Distribution of the 1st year students by parents’ occupational category130 and Faculty,
UL, 2008/2009131

Faculty CNP1 CNP2 CNP3 CNP4 CNP5 CNPn

Fine Arts 19,1 32,4 11,8 13,2 20,6 2,9
Science 15,1 15,1 27,5 14,0 14,7 13,6
Law 22,9 21,4 13,9 11,4 15,9 14,4
Pharmacy 18,8 31,9 17,4 8,7 20,3 2,9
Arts & Humanities 15,7 16,2 16,2 19,1 17,0 15,7
Medicine 21,2 48,1 11,5 10,6 3,8 4,8
Dentistry 19,2 15,4 23,1 11,5 15,4 15,4
Psychology & 18,1 15,7 15,7 22,9 21,7 6,0
Educational Sciences
RUL (Health Sciences) 19,4 32,3 19,4 12,9 9,7 6,5
Total 18,2% 22,4% 18,1% 14,5% 15,5% 11,3

Source: OPEST/UL
CNP1–employers, managers, senior professionals (business, public administration); CNP2–
intellectual occupations and self-employed professionals; CNP3–technicians and intermediate-
level professionals; CNP4–administrative employees;CNP5–personal service workers and sales;
CNPn includes CNP6–farmers, agricultural workers, fishermen, CNP7–skilled, semi-skilled manual
workers and artisans, CNP9–non-skilled manual workers and CNP10–members of the armed
forces.

Beyond a democratized openness at the entrance gate of higher education, more discrete
qualitative dimensions of this process still remain significant issues in contemporary Portugal
and in the UL. Following the increase of private and public educational offer, expanding access in
tertiary education has benefited all social classes, but it helped to maintain their relative positions
unchanged, giving rise to what Garcia & Poupeau (2003) refer to as a “uniform democratization”.
Democratization came with a selection process (Garcia & Poupeau, 2003) that results from and
reinforces the hierarchies of social prestige attributed to different areas of training and faculties
(Machado et alli, 2003). In the UL, students from more privileged milieux attend the more
129 Portuguese Standard Classification of Occupations. CNP1–employers, managers, senior professionals (business,
public administration); CNP2–intellectual occupations and self-employed professionals; CNP3–technicians and
intermediate-level professionals; CNP4–administrative employees; CNP5–personal service workers and sales; CNP6–
farmers, agricultural workers, fishermen; CNP7–skilled, semi-skilled manual workers and artisans; CNP9–non-skilled
manual labourers; CNP10–members of the armed forces.
130 We used the highest occupational category of the students’ parents.
131 X2=124,757, p=0,000.

326
prestigious Faculties, such as Medicine, Fine Arts, Dentistry and Pharmacy while those from poor
ones are at the less prestigious ones – Arts & Humanities, Psychology & Educational Sciences.

4. One year after: to stay, to change or to leave

As we stated before, far from being an arrival point tertiary education may become a new
point of departure instead. In fact, the first year at the university may turn into a probation
experience, a period when past trajectories and future projects are re-assessed and vocational
choices are tested, in a rather tensional way.
One year after entering the UL, the vast majority of students is attending the same course
at the same faculty. The highest proportions of those who didn’t change can be found in Medicine,
Psychology & Educational Sciences and Fine Arts. However, even among those, 31%o change and
11% seriously admitted to inflect their trajectory (Almeida et al., 2010, p.12).

Table 4. Students’ situation one year later, by faculty, UL, 2008/2009132

Same Faculty & Another Dropped-out
Faculty Same course course
Fine Arts 89,5 9,2 1,3
Science 83,5 15,6 1,0
Law 87,2 6,0 6,8
Pharmacy 82,2 16,4 1,4
Arts & Humanities 78,1 14,7 7,2
Medicine 99,1 0,9 0,0
Dentistry 71,9 28,1 0,0
Psychology & Educational Sciences 94,3 4,6 1,1
RUL (Health Sciences) 64,7 32,4 2,9
Total 84,3 12,3 3,4
Source: OPEST.

Among those who changed, students from Health Sciences and Dentistry come into view.
In spite of the high marks obtained in national examinations, the rigid numerus clausus rules
didn’t allow many students to attend their expected course. In the case of Health Sciences and
Dentistry, only 31,5 per cent and 35,3 per cent, respectively, are placed in their first option
(Almeida, 2009, p. 12). These students are those who changed to another course, another faculty
or to another university in order reach their vocation and self-fulfilment. In fact, the main
reasons presented to account for their decision are related with vocation (50%, “it wasn’t the
course they wanted”) and the motivation (31%, “lack of interest”).
The last group is residual and it includes the students who left the UL and are not currently
enrolled in tertiary education. Most of them are from the Faculties of Arts & Humanities and Law.
Opposite to the former group, the main reasons quoted are related to the material conditions of
their lives: the difficulty to conciliate studies, work and family life (44,2 per cent), the economic
constraints (27,9 per cent) (Almeida et al., 2010, p.31).
In order to identify and differentiate who are the students that, one year after, are in
the same course/same faculty, those who changed and those that left tertiary education, an
hierarchical cluster analysis133 was performed. Nine different groups were obtained.

132 X2=98,061, Monte Carlo Sig (2-sided)=0,000.

133 We used Between-groups linkage method and the squared euclidian distance mesure.

327
 The nine groups can be assembled into two large ones according to the students’ situation
one year after attending tertiary education. The first one includes G1, G2 and G3. All of them
share the same characteristic: a trajectory change. In G1 the students changed to a different
course; in G2 they dropped-out from tertiary education and in G3 they also dropped-out but
they are attending a non higher education course. The second group includes all the others and
is characterized by a trajectory stability. One year after, these students are attending the same
course at the same faculty. However, despite these similarities, groups differ from one another.
In G1 we find those students who changed to a different course, a different faculty or even
to another university. Since the beginning of their 1st year they had doubts about the course
and they knew they would not conclude it. They were approved only in some subjects or even
not evaluated. In some way all of them gave up that first year. When educational and socio-
demographic attributes are taken into account, we find that the students who belong to this
group were studying at the Faculty of Dentistry and at the Rectorat of the UL. Health Sciences
were their first option and their marks at national examinations were less than 135 points out of
200. They constitute a good example of the subjectivation dimension involved in the schooling
experience. The first year in higher education was a time to confront themselves with the
vocational decisions they made and to define new educational strategies.
The G2 includes students who dropped-out tertiary education and were full time workers.
However, for them this was not a final decision since they intended to repeat the national
examinations in order to change their educational trajectory. Once they withdraw, they were not
evaluated or they failed in all subjects. The students of this group were attending the Faculty of
Arts & Humanities and studying Languages, Literature and Culture or Geography. They come from
poor educational backgrounds - both parents attained only the 1st cycle – and they lived alone
or with their procreation family.
The students that belong to G3 left tertiary education and are attending a non higher
education course. Since they made such a decision they were not evaluated. As their colleagues
of the G2, they intend to repeat the national examinations and to return to higher education.
Before leaving they were studying at the Faculty of Arts & Humanities. They were aged over 23
years old and they lived with their procreation family.

328
 329
Table 5. Cluster Analysis – Students’ Profiles, UL, 2008/2009
G1 G2 G3 G4 G5 G6 G7 G8 G9
Active variables 107 27 16 100 101 223 249 70 175
Another UL, same UL, same UL, same UL, same UL, same UL, same
Students’ Situation At Another Drop-out
course not faculty, same faculty, same faculty, same faculty, same faculty, same faculty, same
NOV2009 course tertiary ed
Tertiary ed course course course course course course
He/she
Never Never Never Never
though Thought to
1st Year thought to thought to thought to thought to
seriously to change
change change change change
change
UL another
Remaining in Tertiary course
education but UL another
changed faculty
Another Univ
Intending to repeat
Yes Yes
national exams
Doubts
He/she was He/she was He/she was
He/she knew
decided to decided to decided to
1st year intention that will not
attain the attain the attain the
attain the
course course course
course
He/she was He/she was He/she was He/she was
He/she failed He/she failed
Educational success approved in approved in approved in approved in
in all subjects Not evaluated in all subjects
2008/2009 some subjects all subjects some subjects all subjects
Not evaluated
Not evaluated
Students’ work status Part time & Full time Full time
Full time job
2008-2009 full time job student Students
 330
Table 6. Students’ Profiles
G1 G2 G3 G4 G5 G6 G7 G8 G9
Non active variables 107 27 16 100 101 223 249 70 175
Dentistry Arts & Arts & Science Arts & Medicine Science RUL (Health Psychology
RUL(Health Humanities Humanities Law Humanities Sciences) &
Sciences Educational
Faculty Sciences
Health Languages, Law Medicine Computer Law Psychology
Sciences literature & engeneering Health Pharmacy
culture Physics Sciences
Course Geography Biology
Marks in national <= 135 Did,’t Didn’t >= 166 136 a 165
examinations answer answer
1st option Yes Yes Yes
>23 years >23 years <19 years <19 years <19 years
Age old old old old old
Gender Male Female
Displaced from the No Yes
habitual residence
Father’s educational 1st cycle (4 1st cycle (4
attainment years) years)
Mother’s educational 1st cycle (4 1st cycle (4
attainment years) years)
Father’s occupation CNP1 CNP2
Mother’s occupation CNP1 CNP2 CNP2
Alone Family of Alone Family with Family with
Family of procreation Family of both both
Household procreation procreation parents parents
Yes during No Yes during
School failure before compulsory secondary
tertiary education education education
 Opposite to these three groups, the others include those students whose situation is the
same one year after entering the University: they stay at the same faculty and in the same course.
The first difference comes from their relation with the course. While students in G4, G6, G8 and
G9 never thought to change, their colleagues in G7 confronted themselves with the questioning
of their vocation and decisions and thought to modify their educational trajectory; students in
G5 thought seriously about it. Among those who never questioned their decision, the G4, G6 and
G8 students were determined to finish their course since the very first day of school.
When educational success in the 1st year is considered, we find that G6 and G9 students
were approved in all subjects, while their G7 colleagues were approved only in some and those
in G8 failed in all subjects. This is the most surprising case. G8 students were confident on their
decision and determined to finish the course; however, they had no success at all. In some way,
this is the only case where we can truly speak about school “failure”, because in the others poor
results in evaluation were a consequence of previous decisions taken concerning another future.
G4 students are studying at the faculties of Science and Law and these courses were their
first option. Men aged over 23 years old are over-represented. They come from poor educational
backgrounds and they live alone or with their procreation family. There educational trajectory
wasn’t a very successful one: they failed during compulsory education. Students belonging to G5
are attending the Faculty of Arts & Humanities and they come from families where the mother
has a very high occupational status.
G6 students are studying at the Faculty of Medicine and this was their first option.
Their performance along the secondary education was extremely high: their marks in national
examinations were over 166 points in 200 and school failure is absent from their school careers.
They are mostly women, aged less than 19 years old. They come from privileged social milieux –
both parents have high occupational statuses – and they live with both of them.
Students in G7 are studying Computer Engineering, Physics and Biology at the Faculty
of Science. School failure occurred during secondary education and their grades in national
examinations ranged from 136 to 165 points. They are very young and they live with both
parents.
Last, G8 includes students attending Law and Health Sciences. They come from privileged
occupational backgrounds. Both parents are in intellectual occupations or they are independent
professionals.

5. Back to the problem and final remarks

Higher education is a moving terrain in contemporary Western societies. Once compulsory
education policies and family strategies have stimulated longer and more qualified schooling
trajectories for all, upper levels of education systems tend to accommodate new social and political
demands. From an institutional perspective, higher education is the place for obtaining and
democratizing educational credentials and for training professional expertise expected in the job
market; however, against the backdrop of both a dramatic financial and economic crisis and the
existence of a competitive school market, it becomes the object of strict public scrutiny – waste,
for example in terms of failure and drop out rates, is measured, (nationally, internationally)
diffused, compared, condemned and combated. Available indicators are not neutral, but implicitly
take for granted that linear, continuous and traditional schooling trajectories are the only existing,
legitimate and desirable ones.
The introduction of an individual perspective, the student’s one, blurs this macro scenario.
Youth condition has undergone impressive changes, mostly encouraged by individuation processes

331
in risk societies. The injunction for self-accomplishment and authenticity plays an important
role in planning, executing and re-assessing students’ own school ambitions and strategies. So
the entrance in a university is very often the starting point for an experimental, probationary
year where the student questions his vocation, ambition and competences. This dynamics is
particularly relevant in a country like Portugal, where a numerus clausus regime imposes its
drastic seriation upon individual choices and preferences. And where recent access to school
brought new fringes of students for the university, no longer an exclusive bastion of a privileged
elite.
Starting from this theoretical framework, the paper explored the subjective definitions
of higher education “survival” (or failure/drop-out), considering it as multidimensional process,
decomposed in multiple meanings and involving different students’ profiles. With its 8 faculties, the
UL offered the field for data collection and handling. Despite an evident openness of recruitment
tracks, UL freshmen compose an heterogeneous population. Diversity is not randomly distributed:
students from well off families are still largely dominant in the most prestigious and selective
courses (Medicine, Pharmacy, Dentistry, Fine Arts); students from poorer families, with weaker
school grades, occupy the lower levels of the prestige course ranking (Educational Sciences, Arts
and Humanities, Psychology).
On the other hand, the hierarchical cluster analysis performed summarized distinct modes
of experiencing and assessing the 1st year in the UL –grosso modo corresponding either to stable
or to changing trajectories. For many students (often those holding the highest grades), this is a
time to question their vocation and institutional placement; some change (drop out) for another
course or institution, some accommodate to their initial situation.
Failure rate has thus multiple meanings that don’t rely solely on academic performance
causes. As this research has pointed out, normative reasons linked to the individuation process
and the quest for individual authenticity (through an exploratory process made of institutional
mobility) may underline - and even reinforce- part of the official “failure” rates. At the same
time, institutional causes (as unfriendly, disorganized or demotivating academic environments)
may explain some drop-out figures, as they reflect higher education students’ non integration
processes. At last, social inequalities such as financial and material constraints still condition
daily lives of some students that (definitely?) leave higher education after a one year period:
conciliating work, family and studies becomes problematic in disadvantaged milieux.
Official “failure “or “survival” indicators are thus to be re-assessed. Not only because
science deserves it. But mostly because ignoring their subtle, plural and contradictory dimensions
contributes to conceal emergent social phenomena related both to contemporary youth condition
and the building of higher education systems.

References
Almeida, A.N. and M. M. Vieira (2009): “At the entrance gate: students and biographical trajectories
in the University of Lisbon”. Portuguese Journal of Social Science, vol.8, n.2, pp.165-176.

Almeida, A. N., I. André, M. M. Vieira and N. Alves (2010): Caloiros da UL: um ano depois. Lisboa:
OPEST/RUL. [Available at http://www.opest.ul.pt/pdf/caloirosumanodepois.pdf].

Almeida, J. F., P. Ávila, J. L. Casanova, J. L., A. f. Costa, F. L. machado, S. Martins e R. Mauritti, R.

(2003): Diversidade na Universidade. Um inquérito aos estudantes de licenciatura. Oeiras: Celta.

332
Almeida, A. N. (2009): Os estudantes à entrada: Universidade de Lisboa 2008-2009. Lisboa: OPEST/
RUL. [Available at http://www.opest.ul.pt/pdf/estudantesaentrada0809.pdf].

Alves, N. (2009): Inserção profissional e formas identitárias. Lisboa:UD&ICE.

Alves, N. (2008): Juventudes e inserção profissional. Lisboa: Educa.

Balsa, C., J. A. Simões, P. Nunes, R. Carmo and a. R. Campos (2001). Perfil dos estudantes do
ensino superior. Desigualdades e Diferenciação. Lisboa: Colibri/CEOS.

Beck, U. (1992): Risk society: towards a new modernity. London: Sage.

Duarte, M. I. C., C. Roldão, D. Nóvoas, S. Fernandes, T. Duarte (2008): Estudantes à entrada do

secundário. Lisboa: Gabinete de Estatística e Planeamento da Educação, ME.

Duarte, T. (2008): Estudantes à entrada do secundário. Lisboa: Gabinete de Estatística e Planeamento

da Educação, ME.

Dubet, F. and D. Martuccelli (1996) : À l’école. Sociologie de l’expérience scolaire. Paris: Seuil.

Duru-bellat, M. (2006) : L’inflation scolaire. Les désillusions de la méritocratie. Paris: Seuil.

Ferreira, M., F. Moutinho (2007): ”Começam as aulas, (…) caio de pára-quedas numa coisa
completamente diferente…”: aprender a lidar com a estranheza, tornando-se estudante da
licenciatura em Ciências da Educação. Educação, Sociedade e Culturas, nº 24, pp. 67-106.

Galland, O. and M. Oberti (1996). Les étudiants. Paris: La Découverte.

Garcia, S. e F. Poupeau (2003) : La mesure de la «démocratisation scolaire». Notes sur les usages
sociologiques des indicateurs statistiques. Actes de la Recherches en Sciences Sociales, 149, 3,
pp. 74-87.

Heath, A. and A. Sullivan (2011): “Introduction: The democratization of upper secondary

education?” Oxford Review of Education, 37(2), pp.123-138.

HIS (coord) (2005): Eurostudent 2005. Social and economic conditions of student life in Europe
in 2005. Synopsis of indicators for Austria, Finland, France, Germany, Ireland, Italy, Latvia,
Portugal, Spain, The Netherlands and United Kingdom. Hanover: HIS.

Lassibille, G. and Mª L. Navarro (2009): “Tracking students’ progress through the Spanish University
School sector”. Higher Education 58, 6, pp. 821-839.

Lassibille, G. and Mª L. NAVARRO (2009): “Why do higher education student drop out? Evidence
from Spain”. Education Economics 16, 1, pp. 89-105.

Leccardi, C. (2005): “Por um novo significado do futuro: mudança social, jovens e tempo”. Tempo
Social, 17(2), pp. 35-57.
333
Leccardi, C. (2006): Facing Uncertainty. Temporality and Biographies in the New Century. In C.
Leccardi & R. Elisabetta (Eds.), A New Youth? Young People, Generations and Family Life (pp. 15-
40). Hampshire, Burlington: Ashgate

Martins, S., R. Mauritti and A. Costa (2005): Condições socioeconómicas dos estudantes do ensino
superior em Portugal, Lisbon: DGES-MCTES.

Mauritti, R, S. Martins, S. da Cruz (2007): Estudantes do ensino superior: contextos e origens

sociais. In A. F. Costa, F.L. Machado, P. Ávila (org.), Portugal no Contexto Europeu, vol II. Sociedade
e conhecimento. Lisboa: CIES-ISCTE, Celta.

OECD (2010) Education at a Glance 2010: OECD Indicators.

Scanlon, L., L. Rowling, Z. WEBER (2007). “You don’t have like an identity…you are just lost in
a crowd”: forming a student identity in the first-year transition to University. Journal of Youth
Studies, 10, nº2, pp.223-241.

Seco, G., M. Casimiro, M. I. Pereira, M. I. Dias, S. Custódio (2005): Para uma abordagem psicológica
da transição do ensino secundário para o ensino superior: pontes e alçapões. Leiria, Instituto
Politécnico de Leiria.

Taylor, C. (1989): Sources of the self. Cambridge: Cambridge University.

Veloso, H., A. Costa, and J. T. Lopes (Ed.). (2010): Factores, representações e práticas institucionais
de promoção do sucesso escolar no ensino superior. Porto: U.Porto Edtorial.

Vieira, M.M. (2007): Recém-chegados à Universidade: entre constrangimentos sociais e projectos

individuais. In M.M: Vieira (org.). Escola, jovens e media. Lisboa: Imprensa de Ciências Sociais.

Vieira, M.M. (2010): O futuro em aberto? Modernidade, insucesso escolar e percursos de errância
no ensino superior, Sociologia da Educação – Revista Luso-Brasileira, nº1, pp. 141-184.

http://www.maxwell.lambda.ele.puc-rio.br/rev_sociologia_edu.php?strSecao=INDEX

Vieira, M.M., J. Resende, L. Pappámikail (to be published) In search of Self: uncertainty and risks
behind students’ vocational choices. Proceedings from the 2nd International Conference of the
Hellenic Sociological Society, Athens, November 2009.

334
4. El fracaso escolar en la educación secundaria: Factores que explican las
diferencias regionales

Susana Morales Sequerra, Instituto E. Secundaria Juan de Mairena, Comunidad de Madrid

Carmen Pérez Esparrells, Universidad Autónoma de Madrid

335
El fracaso escolar en la educación secundaria: Factores que explican las
diferencias regionales

Susana Morales Sequerra, Instituto E. Secundaria Juan de Mairena, Comunidad de Madrid

Carmen Pérez Esparrells, Universidad Autónoma de Madrid

Resumen
Durante los últimos veinte años se ha producido en nuestro país un avance trascendental en la
consecución de la plena escolarización de los jóvenes hasta los dieciséis años de edad, por lo
que el principal reto al que se enfrenta, actualmente, el sistema educativo español en su etapa
secundaria consiste en que los estudiantes consigan titular una vez terminada su escolarización
obligatoria y prosigan su formación en estudios post-obligatorios, para acercarnos a la situación
de los países de nuestro entorno.
Aunque el fracaso escolar es un problema generalizado en todo el sistema educativo español,
las diferencias entre Comunidades Autónomas siguen siendo muy elevadas. En este contexto, el
objetivo de esta comunicación es doble: por un lado, analizar la situación española de fracaso
escolar desde una perspectiva internacional; y, por otro, valorar las diferencias y similitudes
en el fracaso escolar entre Comunidades Autónomas, con el fin de encontrar los factores más
importantes que pueden explicar dichas diferencias regionales.

Palabras clave: educación no universitaria, fracaso escolar, abandono educativo temprano,

Comunidades Autónomas.

1. Introducción
Uno de los principales retos de cualquier sistema educativo es conseguir la universalización
de la enseñanza, así como el aumento de la calidad de la formación recibida por todos los
estudiantes. En este sentido, uno de los objetivos principales de la Estrategia UE 2020 en relación
con la educación (Comisión Europea) es que el porcentaje de abandono escolar (drop out rate)
debería ser inferior al 10%. En el caso de algunos países europeos, como España, este objetivo es
todavía más trascendental ya que el porcentaje de estudiantes que abandonan tempranamente la
educación triplica este objetivo. El estudio del fracaso escolar se ha convertido, en nuestro país
en una cuestión de plena actualidad que precisa de algunas recomendaciones de política pública
educativa. En España, desde que se aprobó la LOGSE (1990), la escolarización es obligatoria
desde los 6 hasta los 16 años, por lo que las tasas netas escolarización son del 100%, habiéndose
conseguido, por tanto, la universalización en ese tramo de edad134.
No obstante, conseguida la universalización, es fundamental que los estudiantes obtengan
los mejores resultados posibles después de su escolarización. En este punto, los datos españoles
muestran alarmantes resultados en lo que se refiere, sobre todo, a la Educación Secundaria
Obligatoria, como señalan los informes nacionales e internacionales reiteradamente: la Evaluación
de Diagnóstico que realiza el Ministerio de Educación (en adelante, ME) o el informe PISA elaborado
por la OCDE. Un 29% de los estudiantes españoles no consiguen titular en la E.S.O. y, por tanto,
134 La LGE ya estableció la obligatoriedad hasta los 16 años. En el artículo 2.2 del Título Preliminar reguló que “La
Educación General Básica será obligatoria y gratuita para todos los españoles. Quienes no prosigan sus estudios en
niveles educativos superiores, recibirán, también obligatoria y gratuitamente, una formación profesional del primer
grado”, este primer grado de formación profesional terminaba a los 16 años. Sin embargo como señala Calero (2006),
en la realidad no se tomó ninguna medida por lo que la proporción de chicos y chicas que abandonaban los estudios
a los 14 años estaba en torno a un tercio.

336
tienen notables dificultades para continuar cualquier tipo de estudios, de forma que, sólo un 37%
de los jóvenes de 18 años están escolarizados y un gran porcentaje de ellos no consiguen titular
en Educación Secundaria Superior.
Aunque es un problema que afecta de forma generalizada a todas las Comunidades
Autónomas, se observan notables diferencias regionales que requieren un análisis detallado para
detectar las causas y, por tanto, las posibles soluciones de mejora para uno de los problemas que
constituye el principal reto de nuestro sistema educativo en su etapa no universitaria.
Para evaluar y comparar internacionalmente los resultados educativos en la Enseñanza
Secundaria se utilizan diversos tipos de indicadores. Algunos de ellos miden los resultados
obtenidos por los estudiantes en pruebas objetivas que evalúan sus competencias en determinadas
áreas de conocimiento (matemáticas, comprensión lectora, ciencias naturales, etc.). A escala
internacional se pueden citar las pruebas PISA135, que muestra amplia información, no sólo del
rendimiento académico de los estudiantes, sino también de su entorno social y familiar y de
las características de los centros educativos a los que asisten. No obstante, PISA no permite
comparaciones entre todas las regiones españolas ya que en las últimas pruebas realizadas en
2009, presentaron muestra ampliada catorce Comunidades Autónomas (sólo faltaron Castilla-La
Mancha, Extremadura y Comunidad Valenciana), pero en la prueba correspondiente al 2006, sólo
lo hicieron: Andalucía, Aragón, Asturias, Cantabria, Castilla y León, Cataluña, Galicia, La Rioja,
Navarra y País Vasco.
En el ámbito nacional, en respuesta al artículo 144 de la LOE el Ministerio de Educación
desarrolló en 2009 una “Evaluación General de Diagnóstico”. Una prueba a los alumnos de todas
las Comunidades Autónomas que estaban escolarizados en el cuarto curso de primaria. Es la
primera evaluación con datos comparables a nivel nacional y que permitirá en un futuro realizar
comparaciones evolutivas sobre competencias educativas.
Esto implica que los estudios sobre resultados educativos en comparaciones regionales y
temporales recurran habitualmente a otros indicadores que miden el éxito o fracaso de los estudiantes
en su tránsito por el sistema educativo. En esta comunicación se utilizará, fundamentalmente, el
indicador relativo al fracaso escolar, aunque nos apoyaremos en otros indicadores que permitan
relativizar los datos con los que habitualmente se califica de “mediocres” los resultados del
sistema educativo español.
La comunicación se estructura de la siguiente manera. Después de esta introducción,
en el segundo apartado se define que se entiende por fracaso escolar. En el tercer apartado se
contextualiza la situación española en el entorno europeo. A continuación, en el cuarto apartado
se realiza un análisis regional del fracaso escolar, marcando las considerables diferencias a nivel de
Comunidades Autónomas y analizando las posibles causas (demográficas, económicas o puramente
educativas) de las mismas. Por último, un apartado de conclusiones en el que se resumen los
aspectos más destacados de esta comunicación.

2. ¿Qué se entiende por fracaso escolar en España?

Hablar de éxito o fracaso escolar plantea, normalmente, ciertos debates que se centran
en el uso del término “fracaso escolar”. Porque ¿cuál es el verdadero significado del fracaso
escolar?, ¿qué es lo que fracasa el alumno o el sistema educativo?, ¿qué momento escolar indica
el comienzo del fracaso escolar?.
135 PISA es el acrónimo del Programme for International Student Assessment (Programa para la Evaluación
Internacional de los Alumnos). La OCDE inició el proyecto PISA en 1997 con el objetivo de ofrecer resultados sobre
rendimiento educativo de los alumnos de 15 años en áreas consideradas clave, como son la competencia lectora, la
matemática y la científica. Otras pruebas de conocimiento internacionales son las pruebas TIMMS y PIRSL.

337
 Habitualmente, el fracaso escolar se asocia a los alumnos, aunque esta asociación tiene
un componente eminentemente “peyorativo” y como señalan Fernández Enguita, Mena y Riviere
(2010) descalifica e incluso estigmatiza al alumno. Un alumno comienza a fracasar escolarmente
cuando sufre retrasos y repeticiones escolares, que suelen iniciarse en la Educación Primaria,
pero se acentúan en la E.S.O.. Muchos de estos alumnos no consiguen la titulación mínima que
supone el graduado en E.S.O., por lo que no pueden continuar los estudios una vez finalizada la
enseñanza obligatoria española. Finalmente, algunos de los titulados en Educación Secundaria
Obligatoria no continúan los estudios y los abandonan con una titulación menor a la secundaria
superior. Evidentemente cualquiera de estas situaciones podría catalogarse como fracaso escolar.
Sin embargo, las definiciones habituales del término fracaso escolar en España son
restrictivas y se refieren a los alumnos que no consiguen la titulación en Educación Secundaria
Obligatoria, asociándose el concepto de abandono educativo temprano a los alumnos que, aunque
titulan en la E.S.O., no alcanzan la titulación en Educación Secundaria Superior.
Por otro lado, utilizar el término fracaso escolar supone un uso en términos negativos (los
que no titulan). Quizá sería más apropiado hablar del éxito escolar para referirnos a los alumnos
que obtienen la titulación una vez concluida la enseñanza obligatoria. Así se recoge en los Planes
Nacionales de Reformas que se han elaborado en nuestro país por el ME, en los que se explicita el
objetivo en términos de aumentar el éxito escolar y, por tanto, utiliza como indicador la tasa de
titulados en E.S.O.136. Esta comunicación utilizan el indicador en términos de fracaso escolar, es
decir, porcentaje de alumnos que no titulan en la E.S.O.. No obstante, esta definición de fracaso
escolar no es uniforme en Europa por lo que, en el siguiente apartado se analizan las diferencias
en la medición del fracaso escolar entre los países europeos.

3. Análisis comparado del fracaso escolar en Europa

El Consejo Europeo reunido en Lisboa en el año 2000, con el fin de mejorar los resultados
educativos, marcó un objetivo estratégico para la Unión Europea de forma que le permitiera
llegar a ser “la economía basada en el conocimiento más competitiva y dinámica del mundo, capaz
de tener un crecimiento económico sostenible con más y mejores trabajos y con una mayor cohesión
social”. A partir de este momento se inicia lo que se ha denominado como Estrategia de Lisboa,
por la que se definen tres grandes objetivos relacionados con la educación:
• Mejorar la calidad y eficacia de los sistemas de educación y formación.
• Facilitar el acceso de todos a los sistemas de educación y formación.
• Abrir estos sistemas a un mundo más amplio.
Para la consecución de estos objetivos se definen a su vez 13 objetivos específicos que
abarcan la totalidad de los tipos y niveles educativos y se proponen 33 indicadores de progreso.
Con posterioridad y de forma complementaria, el Gobierno de España en un Consejo de
Ministros de 2007 estableció un marco de 16 indicadores (“core indicators”) para el seguimiento
y progreso de los objetivos de Lisboa. De estos dieciséis indicadores, ocho son utilizados en los
informes y estadísticas del seguimiento de los objetivos y los otros ocho están en proceso de
desarrollo.
Los objetivos de la Unión Europea para el año 2010 coinciden con los establecidos en el
preámbulo de la LOE en relación con la calidad de la educación y los resultados educativos de los
alumnos, por lo que España no sólo asumió los puntos de referencia del Consejo de Bruselas, sino
que añadió otros cuatro que afectan únicamente a España. Dentro de ellos, se encuentra el de
136 Los objetivos fijados en este indicador consisten en la consecución de un 76% de alumnos titulados en ESO para
el año 2008 y más de un 80% para el año 2010.

338
incrementar la tasa de alumnos titulados en Educación Secundaria Obligatoria: el éxito de todos los
alumnos como objetivo.
Este último objetivo, explicitado por España y no por la Unión Europea, tiene una
peculiaridad que se refiere a la asociación del fracaso escolar con la no titulación en la E.S.O.,
una característica específica de nuestro sistema educativo y no comparable con el resto de
sistemas europeos (Cobo, 2010). Un alumno que en España no obtiene el graduado en ESO no
puede continuar estudiando por lo que gran parte de nuestro abandono educativo temprano se
debe al fracaso escolar entendido como no titular en E.S.O.. Ambos indicadores son, por tanto,
dos vertientes del mismo problema y poseen elementos comunes muy parecidos: afectan en
mayor medida a los varones137, comienzan a manifestarse en la educación primaria con retrasos
educativos de los jóvenes que se constatan en las repeticiones; continúa con el fracaso escolar y
la no titulación en la ESO que supone abandonar el sistema sin el título mínimo que garantiza el
acceso al mercado laboral y finaliza con el abandono de los estudios antes de concluir la educación
secundaria superior. En este sentido, el Informe del Consejo Escolar del Estado para el curso 2007-
2008 señalaba que “una parte importante del abandono escolar en España está condicionado por el
fracaso escolar, porque los alumnos y alumnas que no titulan no pueden seguir estudiando a pesar
de que, como señala PISA, buena parte de ellos tienen mejores resultados que los jóvenes europeos
que sí pueden seguir formándose si así lo desean”138.
Por ello, este punto de referencia se establece específicamente dentro del sistema educativo
español y presenta resultados muy dispares en el entorno europeo por las diversas formas de
certificar la educación secundaria inferior en cada uno de los países. Así se explican las notables
diferencias en el porcentaje de población que ha culminado la primera etapa de Educación
Secundaria en algunos de los países europeos y que colocan a España en una de las posiciones
más retrasadas y con datos que sugieren elevadas diferencias en cuanto a la forma de completar
en cada país la educación secundaria inferior. Estas diferencias podrían explicar el 100% del Reino
Unido frente al 90,4 de Finlandia o el 87% de Francia (Gráfico 1)139.

137 Casquero y Navarro (2010) analizan las grandes diferencias de género en el abandono educativo temprano en la
UE y aunque señalan que en toda la UE afectan primordialmente a los varones, en España las diferencias son más
amplias. Mientras que en la UE las diferencias de sexo son de entre 4,5 y 5,1 puntos porcentuales, en España las
diferencias superan el 10%.
138 El propio informe propone que se “estudie algún vía de salida para los alumnos que completan su escolaridad
obligatoria y no obtienen ninguna acreditación. En particular, sugiere analizar la conveniencia de expedir a estos
alumnos un certificado oficial con validez a efectos laborales y con la posibilidad de facilitarles el acceso a determinados
módulos profesionales, acordes con su situación y posibilidades”. En concreto, sugiere la generalización de los PCPI
(Programas de Cualificación Profesional Inicial) y la puesta en marcha de un curso de acceso directo desde los PCPI a
los Ciclos Formativos de Grado Medio.
139 Estos datos se refieren a la población que ha concluido educación secundaria inferior, independientemente del
momento en que la hayan concluido. Sin embargo, el objetivo establecido en el Plan Nacional de Reformas se refiere
a los titulados en la ESO, por lo que las cifras son inferiores ya que algunos de los jóvenes que no concluyen la ESO
en la edad correspondiente, se reenganchan posteriormente al sistema educativo, consiguiendo elevar su nivel de
cualificación. Así de acuerdo con la Encuesta de Transición Educativo Formativa e Inserción Laboral (ETEFIL-2005), un
18,34% de los jóvenes que en el curso 2000-01 abandonaron la E.S.O. se reengancharon al sistema educativo al curso
siguiente. Un 6,88% en Educación Secundaria para Adultos; un 5,27% en Programas de Garantía Social; y un 6,19%
en Ciclos Formativos de Grado Medio (tras superar la prueba de acceso). Según señala el Consejo Económico y Social
(2009), el fracaso escolar no sería tan preocupante si hubiese incentivos que atrajeran de nuevo al sistema educativo
a los jóvenes que lo abandonan si titulación.

339
Gráfico 1. Porcentaje de la población de 25 a 64 años que al menos ha alcanzado el nivel de la
primera etapa de Educación Secundaria (CINE 2). (Año 2007)

Fuente: Education at a Glance (2010).

Sólo Grecia y Portugal presentan datos de consecución de la Educación secundaria inferior

menores que España. No obstante, es necesario relativizar estos datos al realizar un análisis de
la situación del sistema educativo actual, ya que el nivel de formación de la población española
ha mejorado sustancialmente en los últimos años, debido por un lado, a las mejoras educativas
y, por otro lado, al desarrollo económico y social. Pero, por otro lado, cuando se utilizan pruebas
objetivas como las del Informe PISA (2009), España presenta resultados en torno a la media
(Gráfico 2). De esta forma, algunos de los alumnos españoles que no consiguen titular en la
ESO obtienen en PISA calificaciones superiores a los jóvenes de otros países que, sin embargo, sí
obtienen el grado en educación secundaria inferior, pero no necesariamente tienen porque poseer
el título.
Una vez realizado el análisis comparado de la situación de nuestro país en esta materia,
en el siguiente apartado se analizan las diferencias regionales en el fracaso escolar, así como las
variables más importantes que pueden explicar estas diferencias.

340
Gráfico 2. Porcentaje de estudiantes con puntuación con nivel de rendimiento inferior a 2 en las
pruebas de comprensión lectora y competencia matemática140. (Año 2009)

Fuente: Informe PISA. OCDE (2010).

4. Análisis del fracaso escolar por Comunidades Autónomas

Como se ha puesto de manifiesto, el fracaso escolar es un problema generalizado en nuestro
sistema educativo y los datos son extremadamente preocupantes ya que, casi un tercio de los
alumnos que terminan la E.S.O. lo hacen sin la titulación correspondiente. Aunque la E.S.O. es
una etapa educativa obligatoria, un gran porcentaje de alumnos permanecen escolarizados en
dicha etapa y, o bien, no la concluyen o la concluyen sin conseguir la titulación correspondiente.
Es decir, están escolarizados como mínimo hasta los 16 años, pero no obtienen ninguna titulación
académica para acceder al mercado laboral.
El indicador que se utiliza habitualmente para medir el fracaso escolar es el porcentaje de
alumnos que terminan la E.S.O. sin obtener el título de “Graduado en E.S.O.” (tabla 1). En el total
nacional, las cifras de alumnos que no titulan en la E.S.O. son elevadas, superiores a los objetivos
planteados en los Planes Nacionales de Reformas (para el año 2008, el 76% de titulados en E.S.O.)
y, sobre todo, con una evolución negativa que ha llevado la tasa de no titulados del 27% al 28,6%
en seis cursos escolares. Además, las diferencias regionales son considerables y la dispersión
entre regiones ha aumentado en el periodo considerado. En el curso 2006-2007, cinco CC.AA.
presentaban tasas de fracaso escolar inferiores a los objetivos del PNR 2008 (< 24%) Asturias,
Cantabria, Cataluña, Navarra y País Vasco. Sin embargo, en otras cinco los alumnos que no titulan
superan el 30%: Andalucía, Baleares, Castilla-La Mancha, Comunidad Valenciana y Extremadura.
Esta última es la región con peores cifras de titulación en la E.S.O. que son 2,2 veces menores que
las del País Vasco.
La evolución también ha sido heterogénea: Asturias, Cantabria y el País Vasco han mejorado
140 En las pruebas PISA se asocian las puntuaciones inferiores a 2 al fracaso escolar.

341
sustancialmente sus resultados, habiendo experimentado una reducción del fracaso escolar
superior al 15%. Por el contrario, en Baleares, Comunidad Valenciana y Navarra, ha aumentado
en más del 15% el porcentaje de alumnos que no alcanzan la titulación en la E.S.O.. El cambio
más significativo se produce en la Comunidad Valenciana y Baleares, que muestran en el curso
2006-2007 el menor porcentaje de titulados, pese a que en el curso 2001-02 se encontraban en
la posición 10 y 12 respectivamente. El atractivo de los empleos para los jóvenes en el sector
turístico suele argumentarse como causa del elevado fracaso escolar de muchas de las regiones
insulares y del litoral sur y mediterráneo. No obstante, en muchas de estas regiones el fracaso
escolar comienza ya en la Educación Primaria, por lo que no debe asociarse exclusivamente con la
salida al mercado laboral.
Estas cifras tan elevadas, unidas a su negativa evolución hacen presagiar dificultades para
que muchas Comunidades Autónomas puedan cumplir con los objetivos fijados en el PNR para los
años 2008 y 2010.

Tabla 1. Fracaso escolar. Porcentaje de alumnos que terminan la E.S.O. sin titular
Curso Curso %Δ
Comunidades Autónomas
2001-2002 2006-2007 2001-2007
Andalucía 32,3 34,2 5,9
Aragón 24,5 26,7 9,0
Asturias (Principado de) 18,9 15,7 -16,9
Balears (Illes) 30,0 34,7 15,7
Canarias 30,0 27,8 -7,3
Cantabria 23,5 19,8 -15,7
Castilla y León 23,5 25,7 9,5
Castilla-La Mancha 31,2 33,1 6,1
Cataluña 22,9 23,2 1,5
Comunitat Valenciana 29,0 35,3 22,0
Extremadura 32,4 34,6 6,7
Galicia 24,9 27,2 9,3
Madrid (Comunidad de) 23,8 24,8 4,1
Murcia (Región de) 30,4 30,2 -0,7
Navarra (Comunidad Foral de) 14,6 17,8 21,6
País Vasco 19,2 15,7 -18,2
Rioja (La) 29,4 28,0 -4,8
ESPAÑA 27,0 28,6 5,9

Mínimo 14,6 15,7

(NAV) (AST/PVA)

Máximo 32,4 35,3

(EXT) (CVA)

Coeficiente de variación 0,20 0,25

Fuente: Las Cifras de la Educación en España. ME (varios años) y elaboración propia.

342
 Aunque el fracaso escolar es un problema que se manifiesta al finalizar la Educación
Secundaria Obligatoria, surge con anterioridad. Los jóvenes que no consiguen titular en la E.S.O.
han experimentado, en la mayor parte de las ocasiones, trayectorias educativas difíciles y con
retrasos que comienzan en la Educación Primaria. Aunque, por definición, la Educación Primaria
es una etapa que se supera con éxito por parte de todos los alumnos, muchos de ellos comienzan
sus retrasos educativos en ella141. Estos retrasos suelen hacerse más evidentes en la Educación
Secundaria, lo que explica las altas relaciones entre el fracaso escolar y la trayectoria educativa
anterior142.

Gráfico 3. No titulados en ESO vs tasa de idoneidad a los 15 años (Curso 2006-07) (1)

Fuente: Elaboración propia con estadística de la enseñanza. ME.

(1)La correlación entre ambas variables es del -0,810 (significativa al 0,01). Se ha calculado

también la correlación con la tasa de idoneidad a los 12 años (curso 2002-03), siendo de -0,577
(significativa al 0,05).

El Gráfico 3 muestra que existe una correlación negativa entre el porcentaje de alumnos
que no titulan en ESO y la tasa de idoneidad a los quince años143. Así, las regiones en las que
los alumnos muestran una mejor trayectoria académica, sin repeticiones, concentran los mejores
resultados en la E.S.O. en cuanto a titulación. País Vasco y Navarra, las regiones con mejores
porcentajes de titulados en la E.S.O., se encuentran entre las regiones en las que los alumnos
han experimentado menos repeticiones antes de los 15 años. Las excepciones más evidentes se
141 Excepcionalmente, los retrasos en Primaria se producen por situaciones de ingreso tardío en el Sistema Educativo
en la caso de la población inmigrante o por salidas del Sistema Educativo por causas no escolares.
142 Calero, Choi y Waisgrais (2010) destacan, con datos de PISA 2006, que las probabilidades de fracaso escolar se
reducen si se consigue que los alumnos estén escolarizados en el curso que les corresponde: “la repetición de curso
no parece ser una estrategia eficaz para reducir el riesgo de fracaso escolar”. No obstante, hay que considerar que las
pruebas PISA evalúan a los alumnos de 15 años, independientemente del curso en que estén matriculados, por lo que
es lógico que los alumnos repetidores, que se encuentran en cursos inferiores, tengan más dificultades para obtener
buenas puntuaciones en PISA.
143 La tasa de idoneidad representa el porcentaje de alumnado de la edad considerada que se encuentra matriculado
en el curso teórico correspondiente a su edad. Es decir, es una medida de las repeticiones que un alumno experimenta
en su trayectoria académica.

343
producen, por un lado, en la Comunidad Valenciana y Cataluña, regiones en las que los alumnos
titulan menos de lo que les correspondería por su tasa de idoneidad144. Asturias, Cantabria y
Canarias, por el contrario, presentan altos índices de titulación en relación a las malas trayectorias
educativas de sus alumnos.
Todos estos datos evidencian que el fracaso escolar se genera en los primeros años de
escolarización y tiene un importante componente regional. Es destacable el hecho de que con un
mismo sistema educativo vigente en todas las Comunidades Autónomas, se produzcan diferencias
tan notables en las cifras de fracaso escolar, pero también en la mayor parte de los indicadores
que evalúan los resultados de los estudiantes en su trayectoria académica antes de terminar la
E.S.O., como es el caso del abandono escolar temprano (Morales, 2011).

Gráfico 4. Porcentaje de no titulados en la E.S.O. (curso 2006-07) y alumnos con niveles <2 en las
pruebas diagnóstico (2009) y PISA (2009)145

Nota: El gráfico está ordenado de mayor a menor diferencia entre la no titulación y los resultados
en comprensión lectora en PISA. Comunidad Valenciana, Castilla-La Mancha y Extremadura no
presentaron muestra ampliada en las pruebas del año 2009.
Fuente: Elaboración propia.

Así si comparamos los datos de fracaso escolar recogidos en la tabla 1 con los resultados
que las CC.AA. obtuvieron en las pruebas PISA y en la Evaluación General de Diagnóstico (EGD)
realizada en 2009 a los alumnos que cursaban 4º de Primaria se observan resultados muy diferentes
144 En este sentido, desde un punto de vista más pedagógico se puede argumentar que alumnos que concluyen la ESO
sin titular, pero sin haber experimentado retrasos en su vida escolar, han perdido opciones en el sistema educativo
tradicional de forma que concluyen a edades tempranas, pero sin el título mínimo exigido para incorporarse al
mercado de trabajo. Para estos alumnos, la posibilidad de una vía académica alternativa para la obtención del título,
se convierte en la única posibilidad de tener un futuro profesional adecuado.
145 Las relaciones entre estos indicadores hay que tomarlos con evidentes precauciones debido a los diferentes años
a los que hacen referencia y que, por tanto, afectan a diferentes alumnos.

344
entre CC.AA. (Gráfico 4). Por un lado, se comprueba nuevamente como los datos de no titulación
en ESO son superiores a las cifras de las pruebas PISA. Es decir, los criterios utilizados en España
para calificar el fracaso escolar son más restrictivos que los que utiliza esta prueba objetiva. Pero
también puede observarse que algunas CC.AA. utilizan criterios relativamente más “restrictivos”
que otras para la titulación. Los datos más relevantes son los de las pruebas PISA, ya que se
realizan a los alumnos que deberían estar en 4º de ESO y, por tanto, titular o no ese mismo año.
Así, más de diez puntos separan los resultados obtenidos por Castilla y León, La Rioja, Aragón y
Cataluña en las pruebas PISA con los datos de titulación. Sin embargo en Asturias, Cantabria y
País Vasco hay un ajuste muy alto entre los alumnos que no titulan en la ESO y los que obtienen
calificaciones inferiores a 2 en las pruebas PISA de comprensión lectora146, es decir, sus criterios
de titulación son igual de restrictivos que los de las pruebas PISA147.
Las diferencias regionales en los resultados pueden encontrarse en factores relacionados
con las estructuras económicas, sociales y culturales de cada Comunidad Autónoma. Estas
diferencias estarían afectando a los resultados educativos, por lo que su conocimiento se
convierte en un elemento esencial para hacer efectiva la igualdad de resultados de los jóvenes con
independencia de su lugar de residencia y, sobre todo, para que las regiones puedan aplicar, en
uso de sus competencias educativas, políticas concretas que compensen esos factores negativos
específicamente.
Con frecuencia se señalan como factores determinantes del fracaso escolar la situación
económica y del mercado laboral y, principalmente, la estructura sectorial de dicho mercado. Así,
por un lado, San Segundo (2005) encuentra una relación positiva entre el PIB pc de la región
y la tasa de escolarización a los 16 años, añadiendo que esta relación muestra “la importancia
de la renta per cápita en la expansión educativa reciente” (San Segundo, 2005: 72). Por otro
lado, muchos jóvenes al llegar a los 16 años comienzan a buscar alternativas laborales a tiempo
parcial o completo, en algunos casos por necesidades económicas familiares y en otros casos como
consecuencia o fruto de la desmotivación. Lo que comienza como un trabajo complementario
puede acabar con el abandono de los estudios sin titulación148.
En la tabla A.1 del Anexo se observa, sin embargo, que la titulación en E.S.O. no presenta
correlación significativa con la tasa de desempleo149, pero sí se manifiesta una relación positiva y
significativa con la evolución de la tasa de desempleo. Si el desempleo está en aumento, se titulan
menos alumnos en E.S.O. ya que disminuyen los rendimientos esperados de la inversión educativa
y esto puede provocar la desmotivación y, por consiguiente, la no conclusión de los estudios (San
Segundo, 2001).
Sí que son significativas las relaciones entre el fracaso escolar y la estructura productiva de
la región. De esta forma, regiones con elevado peso del sector de la construcción y baja ocupación
industrial, muestran mayores porcentajes de fracaso escolar. En la tabla A.1 del anexo se observa
la existencia de una correlación fuerte, positiva y altamente significativa entre el porcentaje
de no titulados en E.S.O. y el porcentaje de ocupados en el sector de la construcción. La poca
cualificación exigida en este sector podría explicar la rápida salida de los jóvenes al mercado
laboral, sin apenas completar los estudios secundarios inferiores. Sin embargo, las regiones con
146 Son los niveles considerados de bajo rendimiento y que son utilizados por Calero, Choi y Waisgrais (2010) como
definición de fracaso escolar.
147 En el siguiente apartado comprobaremos que Asturias y Cantabria tienen tasas de titulación en E.S.O. relativamente
mejores que el resto de CC.AA..
148 Según la ETEFIL 2005 (Encuesta de Transición Educativo Formativa e Inserción Laboral) un 21% de los jóvenes
que abandonaron la E.S.O. lo hicieron porque querían encontrar trabajo y un 8% más porque ya lo habían encontrado.
Un 3% alegan motivos económicos.
149 La correlación no es significativa en ninguno de los tramos de edad.

345
alto nivel industrial requieren mano de obra más cualificada por lo que hay mayores incentivos
a completar con éxito la E.S.O.150. Esta variable podría estar explicando las altas tasas de fracaso
escolar de Baleares, Castilla-La Mancha, Murcia, Extremadura, Andalucía y Comunidad Valenciana,
regiones con mayor sector de la construcción y con mayor fracaso escolar (Gráfico 5).

Gráfico 5. Porcentaje de no titulados en la E.S.O. vs ocupados en el sector de la construcción

Fuente: Elaboración propia.

La riqueza de la región muestra una relación negativa y significativa con el fracaso de

los alumnos en E.S.O. (tabla A.1 del Anexo). Aunque no puede observarse como una relación de
causalidad, sí que permite contrastar que, en las regiones con un mayor PIB pc, el fracaso escolar
es menor.
También es habitual establecer en los estudios a nivel individual una clara relación
positiva entre el nivel de formación de la familia del estudiante y los resultados académicos
obtenidos. En estudios regionales, como el que aquí se desarrolla, podría esperarse también una
relación positiva entre el stock de capital humano de la región y los resultados académicos de los
estudiantes, de forma que la generación de estructuras educativas capaces de ampliar el stock
de capital humano regional tiene efectos positivos sobre la titulación en E.S.O.. Esto ratificaría
que el nivel de formación suele perpetuarse y regiones que presentan unos mayores niveles de
formación lo trasmiten a las generaciones futuras. A nuestro modo de ver, el tejido educativo de
algunas regiones es elevado y eso se mantiene en el tiempo. En la tabla A.2 del Anexo muestra
que las correlaciones son altas, significativas y con los signos esperados. Las regiones con mayor
nivel de formación presentan menores tasas de fracaso escolar.

150 Las Cifras de la Educación en España recogen la relación entre el nivel de formación de la población y el sector
productivo en el que se encuentran ocupados, señalándose que en el año 2008 un 21% de los españoles con estudios
inferiores a la Educación Primaria se dedicaban a la construcción (de acuerdo con la clasificación CNAE-2009), el
porcentaje más alto de la población con este nivel de formación, seguida por el 16% que se dedican a la agricultura.
Para la población con sólo Estudios Primarios el 19% se dedican a la construcción, de nuevo el porcentaje más
elevado, y el 16,6% a la industria manufacturera.

346
Gráfico 6. Porcentaje de no titulados en la E.S.O. vs porcentaje de población con estudios
superiores

Fuente: Elaboración propia.

El Gráfico 6 muestra un moderado ajuste a la recta de regresión. La Comunidad Valenciana

y la Comunidad de Madrid se apartan de la recta, mostrando un mayor fracaso escolar del que
les correspondería por el nivel de formación de su población. La Comunidad de Madrid, con
una alta tradición universitaria que atrae a estudiantes de otras regiones, consolida un stock
de capital humano elevado, aunque puede no estar generado dentro de la propia región. Por el
contrario, nuevamente, Asturias y Cantabria presentan un fracaso escolar muy inferior al que le
correspondería. En este caso, como se ha visto, son las dos regiones que presentaban datos de
titulación en E.S.O. menos restrictivos en comparación con el resto de regiones.
Con los datos analizados hasta el momento, parece claro que el fracaso escolar está muy
determinado por la estructura sectorial de la población trabajadora y las posibilidades que la
región ofrece a los jóvenes para encontrar trabajo o la cualificación requerida en ellos. Estas
relaciones tan claras podrían hacer pensar que la reducción del fracaso escolar es sólo una cuestión
económica y, por tanto, difícil de reducir desde el ámbito puramente educativo.
No obstante, se observan otras relaciones significativas que ponen de manifiesto algunas
de las vías que tienen las CC.AA. con peores resultados para incidir en su mejora a través de
políticas educativas. Las inversiones educativas realizadas en el ámbito regional pueden favorecer
la mejora de las condiciones de enseñanza al permitir, por ejemplo, reducir el número de alumnos
por profesor, aumentar el apoyo educativo a los alumnos con mayores dificultades y que muestran
un retraso educativo, incluso anterior a la E.S.O. y favorecer el acceso de alumnos con desventajas
económicas o sociales a recursos fuera de su alcance (bibliotecas escolares, recursos informáticos,
internet…). Aunque las investigaciones sobre la influencia de los inputs educativos sobre los
resultados no son concluyentes151, diversas investigaciones han señalado la existencia de una
influencia positiva, aunque no estadísticamente significativa, de determinadas variables, como el
tamaño de la clase o las características de los docentes, en los resultados educativos. Desde este
151 Hanushek (1986) realiza una revisión de la literatura sobre la influencia de determinados inputs educativos
en los rendimientos académicos, sin obtener resultados concluyentes. Los inputs utilizados más habitualmente se
refieren a los ratios profesor-alumnos o las características de los docentes.

347
punto de vista, cabe esperar que, mayores inversiones educativas realizadas por las Comunidades
Autónomas sean correspondidas con mejoras en los resultados educativos. Así, como se pone de
manifiesto en la tabla A.3 del Anexo, las correlaciones entre las variables de inversión educativa
por alumno y el fracaso escolar son negativas, fuertes y altamente significativas152. Es decir, las
regiones que realizan mayores esfuerzos inversores en educación obtienen un mayor porcentaje
de alumnos titulados en E.S.O.. Como es previsible la mayor significatividad se produce en la
relación entre el porcentaje de no titulados y el gasto por alumno realizado en ESFP. Sin embargo,
la correlación con el gasto por alumno en EIP también es fuerte negativa y altamente significativa,
aunque en este caso, se ha utilizado el gasto por alumno regional del año 2000, retraso temporal
que se justifica porque los alumnos que en el curso 2006-2007 terminan la E.S.O., en el año 2000
estarían en EIP153. Esta correlación significativa con el gasto por alumno en EIP, recoge que, como
ya se ha comentado anteriormente, el fracaso escolar comienza en la educación primaria por
lo que las inversiones educativas realizadas en esta etapa también ayudan a reducir el fracaso
escolar. Además, las regiones que realizan mayores inversiones educativas por alumno, lo hacen
en los dos niveles, de forma que la correlación entre los gastos por alumno en ambos niveles
educativos es positiva (Morales, 2011).

Gráfico 7. Porcentaje de no titulados en la E.S.O. vs gasto por alumno en ESFP

Fuente: Elaboración propia.

El Gráfico 7 muestra que, en términos generales, una mayor inversión educativa por
alumno en ESFP se corresponde con menores porcentajes de alumnos no titulados. Las regiones
que más se apartan de la recta de regresión son nuevamente Baleares, Comunidad Valenciana,
Extremadura y Castilla-La Mancha, regiones que presentan mayor fracaso escolar del que les
152 Los datos de gasto por alumno utilizados en las correlaciones se han obtenido de la metodología de gasto
elaborada por Morales (2011) en la tesis doctoral titulada “La descentralización de la educación no universitaria
en España: efectos sobre la convergencia regional desde la perspectiva del gasto público” que distingue entre dos
grandes niveles educativos: por un lado Educación Infantil y Primaria (EIP) y por otro lado Educación Secundaria y
Formación Profesional (ESFP).
153 La correlación no es significativa, aunque sí muestra el signo esperado, si se utilizan el gasto por alumno en EIP
del año 2006, lo que parece lógico ya que la inversión educativa realizada en ese año no ha afectado a los jóvenes
que terminan sus estudios en el curso 2006-07.

348
correspondería en función de las inversiones educativas que realizan. Ya se ha visto que en estas
regiones la estructura sectorial de la población ocupada podría ser un condicionante importante
del fracaso escolar de los jóvenes. También Cantabria, pero en el lado opuesto, se aleja de la recta.
En este caso, el fracaso escolar es menor que el que le correspondería por el nivel de inversiones
educativas realizadas.

5. Conclusiones
El éxito académico de todos los alumnos que cursan la Educación Secundaria Obligatoria
es uno de los principales retos a los que se enfrenta nuestro sistema educativo en el nivel
no universitario. El objetivo es conseguir que todos los alumnos que permanecen escolarizados
obligatoriamente hasta los dieciséis años consigan una certificación que les permita continuar
estudiando, lo que a su vez servirá de palanca para aumentar el porcentaje de alumnos que cursan
educación secundaria post-obligatoria. En nuestra opinión, hay tres aspectos a tener en cuenta
para lograr este objetivo.
En primer lugar, la peculiaridad del sistema educativo español de asociar la titulación en
ESO con el fracaso escolar ya que se impide que los alumnos que no titulan puedan continuar
estudiando. En este sentido, creemos necesario plantear y fomentar diversas alternativas de
formación para los alumnos que no completan con éxito la E.S.O.. De esta forma, los Programas
de Cualificación Profesional Inicial, los accesos a la Formación Profesional de Grado Medio a través
de las pruebas de acceso o la posibilidad de compaginar trabajo con estudio a partir de los 16
años, podría acercar los datos de España con los del resto de Europa. Seria una recomendación de
política educativa a nivel nacional.
En segundo lugar, los datos de no titulación en ESO son en España relativamente más
restrictivos que los asociados a las pruebas PISA y, además, muy distintos entre Comunidades
Autónomas, lo que puede ser debido a la existencia de criterios de titulación muy diferentes entre
regiones.
Por último, los factores que explican las diferencias territoriales entre CC.AA., (además del
antes mencionado de diferentes criterios de titulación), ponen de manifiesto que las estructuras
económicas, educativas y culturales de las regiones influyen decisivamente en la trayectoria
educativa de los jóvenes. Pero además, consideramos especialmente significativa la influencia
positiva de las inversiones educativas (tanto gasto en ESFP como gasto en EIP) sobre el fracaso
escolar de las distintas regiones, lo que puede suponer una recomendación de política educativa
regional.

Referencias
Calero, J. (2006): La equidad en educación: informe analítico del sistema educativo español,
Ministerio de Educación y Ciencia, Subdirección General de Información y Publicaciones, Madrid.

Calero, J, A. Choi y S. Waisgrais (2010): “Determinantes del riesgo de fracaso escolar en España:
una aproximación a través de un análisis logístico multinivel aplicado a PISA-2006”. Revista de
Educación, número extraordinario 2010: Abandono temprano de la educación y la formación:
cifras y políticas, pp. 225-256.

Casquero, A y M. L. Navarro (2010): “Determinantes del abandono escolar temprano en España:

un análisis por género”. Revista de Educación, número extraordinario 2010: Abandono temprano
de la educación y la formación: cifras y políticas, pp. 191-223.

349
Cobo, R (2010): “El abandono temprano en la educación y la formación en España”. Revista de
Educación, número extraordinario 2010: Abandono temprano de la educación y la formación:
cifras y políticas, pp. 31-62.

Comisión Europea (2010): “Europa 2020. Una estrategia para un crecimiento inteligente, sostenible
e integrador”. Comunicación de la Comisión Europea.

Fernández Enguita, M., Mena, L. y J. Riviere (2010): Fracaso y abandono escolar en España.
Colección Estudios Sociales nº 29, Fundación La Caixa, Barcelona.

Hanushek, E. (1986): “The economics of schooling: Production and efficiency in public schools”.
Journal of Economic Literature, 24, pp. 1141-1177.

Ministerio de Educación (2010): PISA 2009. Informe español.

Ministerio de Educación (2009): Evaluación general de diagnóstico 2009. Educación Primaria.

Cuarto curso. Informe de resultados.

Ministerio de Educación (2008): Las cifras de la educación en España. Estadísticas e indicadores.

OCDE (2010): Education at a Glance, Paris.

San Segundo, M.J. (2001): Economía de la educación, Síntesis. Madrid.

San Segundo, M. J. (2005): “Luces y sombras de la expansión educativa”. En Ruiz- Huerta, Jesús
(coord): Políticas públicas y distribución de la renta, pp. 107-146, Fundación BBVA, Bilbao.

350
ANEXOS

Tabla A.1. Análisis de correlaciones del porcentaje de alumnos que no titulan en la E.S.O. y
variables relacionadas con el mercado de trabajo. Curso 2006-2007

Correlación de Pearson -,583*

PIB pc año 2006
Sig. (bilateral) ,014
N 17
Correlación de Pearson ,023
Tasa de paro menores 26
Sig. (bilateral) 930
años 2006
N 17
Correlación de Pearson ,560*
Evolución de la tasa de
Sig. (bilateral) ,019
paro 2006-2007
N 17
Porcentaje de ocupados Correlación de Pearson -,507*
en el sector industrial Sig. (bilateral) ,038
(2006) N 17
Porcentaje de ocupados Correlación de Pearson ,718**
en el sector de la Sig. (bilateral) ,001
construcción (2006) N 17
** La correlación es significativa al nivel 0,01 (bilateral).
*La correlación es significativa al nivel 0,05 (bilateral).

351
 Tabla A.2. Análisis de correlaciones del porcentaje de alumnos que no titulan en la E.S.O. y el
capital humano regional. Curso 2006-2007
Correlación de Pearson ,745**
Porcentaje de población de más
Sig. (bilateral) ,001
de 16 años analfabeta (2006)
N 17
Porcentaje de población de más Correlación de Pearson ,656**
de 16 años con estudios Sig. (bilateral) ,004
secundarios inferiores como
máximo (2006) N 17

Correlación de Pearson -,769**

Porcentaje de población con Sig. (bilateral) ,000
estudios superiores (2006)
N 17

  ** La correlación es significativa al nivel 0,01 (bilateral).

*La correlación es significativa al nivel 0,05 (bilateral).

Tabla A.3. Análisis de correlaciones del porcentaje de alumnos que no titulan en la E.S.O. y la
inversión educativa realizada. Curso 2006-2007
Correlación de Pearson -,709**
Gasto por alumno (2007) Sig. (bilateral) ,001
N 17
Correlación de Pearson -,758**
Gasto por alumno en ESFP
Sig. (bilateral) ,000
(2007)
N 17
Correlación de Pearson -,448
Gasto por alumno en EIP
Sig. (bilateral) 0,71
(2007)
N 17
Correlación de Pearson -,680**
Gasto por alumno en EIP
Sig. (bilateral) ,003
(2000)
N 17
** La correlación es significativa al nivel 0,01 (bilateral).
*La correlación es significativa al nivel 0,05 (bilateral).

352
/ Capítulo 4. Financiación de la educación

353
1. El modelo de financiación de la Universidad gallega 2011-2015

Sara Fernández López, Universidad de Santiago de Compostela

Alberto Vaquero García, Universidad de Vigo

354
El modelo de financiación de la Universidad gallega 2011-2015

Sara Fernández López, Universidad de Santiago de Compostela

Alberto Vaquero García, Universidad de Vigo

Resumen
En diciembre de 2010 se aprobó el modelo de financiación autonómica para las tres universidades
gallegas, que regirá los presupuestos universitarios hasta 2015. Este nuevo sistema se enmarca en
un momento de fuerte restricciones económicas, donde los recursos destinados a las universidades
se reducen notablemente. Paralelamente el nuevo modelo plantea la necesidad de apostar, de
forma decidida, por la financiación en base a objetivos. El artículo que se presenta a continuación
pretende analizar en qué medida los viejos problemas que presenta la financiación del Sistema
Universitario Gallego se podrán solucionar con las medidas que se pretenden aplicar.

Palabras clave: Financiación universitaria, contratos programas, eficiencia presupuestaria, sistemas

universitarios, indicadores.

1. Introducción
En diciembre de 2010, prácticamente rozando el límite de ejecución del modelo de
financiación del Sistema Universitario de Galicia (SUG) aprobado en 2005, la Consellería de
Educación y Ordenación Universitaria de la Xunta de Galicia llegó a un acuerdo con las tres
universidades gallegas: Universidad de Santiago de Compostela (USC), Universidad de A Coruña
(UDC) y Universidad de Vigo (UVI) para aprobar el nuevo plan de financiación que regirá el destino
económico de las tres instituciones públicas de educación superior en Galicia.
A diferencia de los modelos previos aplicados en Galicia, el esquema recientemente aprobado
apuesta por introducir mayores dosis de financiación en base a objetivos, destinando de forma
paulatina menor cantidad de recursos a la financiación estructural. Al mismo tiempo, también
se observan ciertos elementos que previsiblemente precisarán de la introducción a lo largo de los
próximos años de sensibles mejoras para adaptar el modelo de financiación universitario gallego a
un escenario económico cada vez más cambiante y con fuertes complicaciones presupuestarias.
Para abordar estas cuestiones, este trabajo se estructura en cinco apartados. Tras esta
introducción, en el segundo epígrafe se realiza un breve repaso de las diferentes etapas en la
financiación del SUG y un análisis de su posición financiera en el contexto de las universidades
españolas, como punto de partida para comprender los objetivos que persigue el nuevo modelo
de financiación. El tercer apartado aborda con detalle el vigente plan de financiación, realizando
una comparación con el sistema anterior, con objeto de establecer las diferencias. El cuarto
apartado permite delimitar el grado de ajuste del plan de financiación del SUG con el el marco
de financiación del Sistema Universitario Español (SUE) realizando un exhaustivo análisis de las
recomendaciones incluidas en los documentos elaborados por el Ministerio de Educación y las
líneas marcadas por el plan gallego. Finalmente, a modo de corolario, se establecen una serie de
conclusiones.

2. La financiación del SUG: Un breve repaso

Cuando Galicia recibe sus competencias en materia universitaria, la financiación era de 720
€ por estudiante. Una cifra muy baja si se tiene en cuenta la situación del resto de universidades
españolas. A partir de ese momento se pueden diferenciar cuatro etapas, en base a los distintos

355
planes de financiación aprobados:
Primer período (1990-1996). Hasta 1989 la USC era la única universidad en Galicia,
con campus en las principales ciudades gallegas. Tras la aprobación del Decreto de segregación
en ese año, la Xunta de Galicia diseña su primer Plan de financiación 1990-1996. Su principal
objetivo era igualar desde la perspectiva financiera las dos nuevas universidades creadas: la UDC
y UVI, cuyos centros y campus disponían de menores recursos por alumno, con la USC (Álvarez,
1997). Dicho objetivo se consiguió con relativo éxito, ya que en 1996 las transferencias reales por
alumno fueron de 1.568 y 1.520 € para la UDC y la UVI, respectivamente, frente a los 1.664 € de
la USC (Fernández, 2001).
Segundo período (1997-1999). Tras vencer el plazo de aplicación del primer plan de
financiación, en 1997 se establece su prórroga durante tres años más. Durante este período,
la subvención corriente percibida por las universidades se obtiene multiplicando el número de
alumnos del año anterior por el módulo por alumno de ese mismo año, estableciendo, además,
una corrección por la inflación. Los resultados de este mecanismo tan simple no fueron del agrado
de las universidades, ya que se había pasado de un sistema de financiación mediante fórmulas,
a partir del número de alumnos equivalentes a tiempo completo, a la ausencia de facto de un
verdadero mecanismo de financiación. Todo esto generó un proceso continuado de negociación
presupuestaria que se tradujo en tensiones entre las diferentes universidades y la Consellería
de Educación y Ordenación Universitaria debido a la naturaleza claramente incrementalista del
modelo, que poco tenía en cuenta el comportamiento eficiente de las universidades.
Tercer período (2000-2004). En 2000 entra en vigor el Acuerdo de financiación del sistema
universitario de Galicia. Programa 2000-2003. Para poder ajustar la financiación a las diferentes
necesidades de cada titulación y centro, se llegó al acuerdo de establecer el coste de las mismas
en base al grado de experimentalidad y al ciclo educativo del crédito impartido.
El sistema, por tanto, se podía considerar un modelo basado en el uso de fórmulas. Sin
embargo, en la práctica, debido a la caída del alumnado, la mayor parte de las subvenciones fueron
calculadas en base a la dotación de 1999, actualizadas en función de la inflación, por lo que a la
postre se convirtió también en un modelo básicamente incrementalista. Además, y aunque estaba
previsto que el acuerdo finalizase en 2003, mantuvo su vigencia hasta finales de 2004.
Cuarto período (2005-2010). Durante esta etapa estuvo vigente el Plan de Financiación de
las Universidades de Galicia 2005-2010 (PFUG10). Este plan mantuvo un carácter fundamentalmente
incrementalista, ya el fondo incondicionado, destinado a cubrir los costes ordinarios de las
universidades, y la financiación destinada a RAM representaban más del 85% del presupuesto
del SUG. Por el contrario, los fondos cuyo reparto seguían un criterio puramente competitivo
se reducían a menos del 8% del total. Por tanto, la incorporación de la financiación mediante
contratos-programa resultaba muy poco significativa. Además, el PFUG10 todavía preveía la
existencia de un fondo de nivelación destinado a la UDC y la UVI para favorecer su equiparación
en términos de financiación recibida a la USC (1,72% de los fondos en 2005).
Algunas de las deficiencias más importantes detectadas en el PFUG10 fueron la ausencia
de un análisis previo de la situación financiera, que dificultó el diseño y posterior ejecución del
fondo de nivelación para reducir las perennes desigualdades entre las tres universidades. Además,
el plan no permitió planificar, ya que en su diseño no se hizo referencia expresa a indicadores
tan generalmente aceptados como el gasto en educación universitaria en relación al PIB regional
o el gasto por alumno, sino que se vinculaba a la evolución de los ingresos no financieros de
los presupuestos consolidados de la Xunta de Galicia. Asimismo, el plan nació con una falta
de criterios de reparto claros en algunas de las partidas, predominando aquellos de naturaleza

356
fundamentalmente incrementalista, lo cual no fomentaba mejoras en la eficiencia del sistema
universitario. Finalmente, la crisis económica se tradujo en fuertes recortes presupuestarios,
especialmente en 2009 y 2010, que desvirtuaron los objetivos iniciales del PFUG10.
Para conocer cuál ha sido el efecto de la aplicación de los planes de financiación del SUG
durante la última década, en la tabla 1 se recogen algunos de los indicadores más habituales
de suficiencia financiera. Éstos se presentan tanto para las Universidades Públicas Presenciales
Españolas (UPPE) como para el SUG durante el periodo 2000-2008.

Tabla 1. Indicadores de esfuerzo financiero del SUG vs UPPE (2000- 2008)

Tasa de
crecimiento
2000 2002 2004 2006 2008
medio
anual
Transferencias SUG 2.216 2.580 2.992 3.967 5.408 18,00%
corrientes de las
Sobre administraciones UPPE 2.470 3.140 3.848 4.787 5.791 16,80%
número de educativas
estudiantes SUG 2.810 3.559 4.302 5.623 7.788 22,14%
Recursos públicos
(euros) UPPE 3.254 4.166 5.003 6.237 7.776 17,37%
Recursos SUG 692 827 1.225 1.505 1.608 16,55%
privados UPPE 1.056 1.105 1.355 1.507 1.744 8,14%
Transferencias SUG 0,543 0,5135 0,4824 0,5437 0,6146 1,65%
corrientes de las
Sobre PIB a administraciones UPPE 0,4579 0,4871 0,4922 0,5218 0,5519 2,57%
precios de educativas
mercado SUG 0,6883 0,7083 0,6936 0,7707 0,885 3,57%
Recursos públicos
(%) UPPE 0,603 0,6462 0,6399 0,6802 0,7411 2,86%
Gasto total SUG 1,048 1,013 1,002 0,892 1,063 0,18%
universitario UPPE 0,832 0,839 0,924 0,805 0,893 0,92%
Transferencias SUG 18,24 18,68 18,89 21,41 26,29 5,52%
corrientes de las
Sobre renta
administraciones UPPE 15,78 17,79 19,53 21,5 24,26 6,72%
per capita
educativas / NE
(%)
Gasto total SUG 31,74 32,76 35,22 35,12 45,48 5,41%
universitario/NE UPPE 27,66 29,68 35,17 33,16 39,25 5,24%

Fuente: Elaboración propia a partir de Hernández (2002, 2004, 2006, 2008 y 2010).

En particular, los tres primeros indicadores hacen referencia a la financiación media por
estudiante obtenida vía transferencias corrientes de la administración educativa, recursos públicos
y recursos privados, respectivamente. Estos indicadores nos dan una idea de la financiación
neta media que cubriría los costes de formación de los alumnos. En general, dichos fondos han
experimentado un importante crecimiento durante la última década; en términos anuales medios,
más de un 16% en el caso del SUG y de un 8,14% en el de las UPPE (ver Gráfico1). Este mayor
ritmo de crecimiento de los fondos del SUG ha permitido que la financiación por estudiante en
2008 únicamente se sitúe un 10% por debajo de la financiación de las UPPE (ver gráfico 2).
Por su parte, los indicadores transferencias corrientes de las administraciones educativas,
recursos públicos y gasto total universitario sobre el PIB a precios de mercado miden el esfuerzo
financiero. En general, los recursos públicos destinados a financiar la educación superior no
alcanzan el 1% del PIB ni en el caso del SUG ni en el de las UPPE. Por tanto, seguimos alejados

357
del esfuerzo financiero educativo realizado, en términos medios, por las economías de los países
desarrollados. A diferencia de lo que sucedía con los indicadores de financiación por alumno, el
SUG se sitúa por encima de las UPPE; a modo de ejemplo, en 2008, el porcentaje que representan
los recursos públicos y el gasto total universitario sobre el PIB a precios de mercado supera en un
20% la media de las UPPE (ver gráfico 2). Este resultado es más el reflejo del menor PIB regional
gallego en relación a otras comunidades, que de una adecuada financiación (CES, 2003, Muñoz et
al., 2005, Fernández y Vaquero, 2006).
Los dos últimos indicadores reflejan también el esfuerzo financiero pero a nivel individual.
De nuevo se repiten los resultados. Así, las UPPE y el SUG han realizado un notable esfuerzo
durante los últimos años, consiguiendo que el gasto total por alumno represente en 2008 el
45,48% y el 39,25% de la renta per cápita gallega y española, respectivamente. El esfuerzo en este
sentido ha crecido a una media anual superior al 5% en ambos casos (ver Gráfico1).
En definitiva, del análisis anterior se deduce que los planes de financiación aplicados en el
SUG durante el periodo 2000-2008 han conseguido rebajar las distancias financieras en relación
a la UPPE, si bien, estas diferencias persisten debido en parte a la menor capacidad financiera de
la comunidad autónoma gallega en relación a otros territorios regionales.

Gráfico 1. Tasa de crecimiento medio anual de los indicadores de esfuerzo financiero del SUG vs
UPPE (2000- 2008)

Fuente: Elaboración propia a partir de Hernández (2002, 2004, 2006, 2008 y 2010).

358
Gráfico 2. Posición relativa de los indicadores de esfuerzo financiero del SUG con respecto a las
UPPE (2000- 2008)
 

Fuente: Elaboración propia a partir de Hernández (2002, 2004, 2006, 2008 y 2010).

3. El plan de financiación del SUG

Desde la Xunta de Galicia se ha señalado que el nuevo Plan de Financiación del SUG 2010-
2015 (a partir de ahora PFSUG15) tiene como principios rectores la estabilidad financiera, la
suficiencia, la eficiencia y la equidad institucional, coincidiendo en su mayoría con los establecidos
en el PFUG10. Un gran avance con respecto al anterior plan es el establecimiento de un objetivo de
convergencia con el esfuerzo financiero público de la media de la OCDE. En particular, se pretende
que en 2015 las transferencias públicas al SUG representen el 1,01% del PIB gallego (Xunta de
Galicia, 2010b, ver Anexo p. 37). Para ello, como se verá a continuación, se vincula el crecimiento
de varias partidas del PFSUG15 a la evolución del PIB regional. Además, y dado que el esfuerzo
financiero en relación al PIB no es sinónimo de suficiencia financiera por alumno en territorios
como Galicia con un PIB relativamente bajo, en el Anexo al PFSUG15 también se establece como
objetivo alcanzar en 2015 la media de financiación por alumno existente en el SUE (Xunta de
Galicia, 2010b, ver Anexo p. 37).
El PFSUG15 dota tres fondos: 1) el estructural, 2) el de resultados, y 3) el de calidad (ver
tabla 2). La partida más importante es el fondo estructural, que engloba los recursos destinados al
funcionamiento del SUG. Ésta se articula en tres programas: una subvención fija de más de 306,4
millones de euros, 0,56 millones en concepto de subvención por capacidad investigadora que se
repartirá entre las tres universidades gallegas en base a convocatorias competitivas para líneas de
investigación consideradas en el Plan Estratégico Galicia 2010-2014154, y cerca de 1,09 millones
de subvención para la compensación de costes derivados de nuevas normativas.
La subvención fija es sin duda la partida más importante ya que supone en torno al 80,5%
de todo el presupuesto del SUG. Además, estos fondos se actualizarán en base a los incrementos
retributivos, básicos y complementarios, del personal al servicio de la comunidad autónoma, con
la excepción de la financiación destinada a RAM, que se mantendrá inalterable, y a las destinadas
a los Consejos Sociales y la ACSUG, que no se especifica si variarán.
154 El Plan Estratégico Galicia 2010-2104 establece cinco grandes objetivos de actuación: cohesión social, bienestar
y calidad de vida, dinamización económica, crecimiento y empleo, economía del conocimiento, sustentabilidad
ambiental y equilibrio territorial, administración austera, eficiente y próxima al ciudadano

359
 En este sentido, la subvención fija inicialmente se asemeja bastante, al menos por el peso
que supone, al fondo de financiación incondicionada del PFUG2010. No obstante, una de las
grandes novedades del PFSUG15 reside en el criterio de reparto de la partida correspondiente a
costes estructurales, que representa más del 75% del presupuesto total. Si bien en 2011 el 100%
de los fondos se distribuye asignando a cada universidad un porcentaje de participación similar
a la captación de fondos que tenía en 2010 y que prácticamente no difiere del establecido por
el PFUG10 en 2005, a partir de 2012 se fijarán nuevos criterios de reparto que se aplicarán a un
5% de la subvención fija. Además, este porcentaje se incrementará anualmente en un 5% hasta
alcanzar en 2015 el 20%.
Este cambio supone una importante ruptura con el pasado; de unos presupuestos
inmovilistas a unos mucho más dinámicos, donde priman más los fondos variables destinados a
mejorar la calidad y la innovación. Ahora bien, dichos criterios serán fijados antes del 31 de julio
de 2011 y figurarán como apéndice al acuerdo (DOG, 2010). Por tanto, una crítica al PFSUG15 es
que en el momento de firma del acuerdo las universidades no sepan aun cómo se va a repartir un
15% de los fondos.
Dentro del fondo estructural, la partida destinada a RAM sufre un fuerte recorte con
respecto a los fondos disponibles en el PFUG10 (más de un 70%), lo cual es un claro síntoma del
contexto de austeridad en el que se han planteado los nuevos presupuestos. Este drástico recorte
deja abierta la cuestión de si las universidades serán capaces de hacer frente al mantenimiento de
las inversiones realizadas durante el periodo de expansión.
A la financiación estructural le siguen en importancia los fondos destinados a financiación
por resultados, con un 14,4% del presupuesto total para 2011. Es en esta partida donde
la comunidad autónoma tiene previsto realizar un mayor esfuerzo, ya que se compromete a
incrementar anualmente estos fondos en un porcentaje superior al crecimiento anual del PIB
regional en términos nominales. En la financiación por resultados se distinguen, a su vez, tres
apartados: 1) subvención por resultados, 2) subvención por resultados de investigación, y 3)
subvención por resultados de transferencia tecnológica.

360
 361
Tabla 2. PFSUG15 vs PFUG10: dotación, criterios de crecimiento y reparto
PFSUG15 PFUG 2010
Partidas 2011 % Crec. Criterios de reparto Partidas 2005 % Crec. Criterios de reparto
2011 2012-2015 2005 2006-2010
1. Financiación estructural 308,067,461 80.9
1.1.Subvención fija 306,404,319 80.5 Fondo de financiación 240,136,3 80 t 26% UDC, 44% Incrementalista
incondicionada (1) 82 USC, 30% UVI
1.1.1. Costes estructurales 290,056,637 76.2 r 28% UDC, Cada año se incrementará en un 5%
43% USC, 29% la proporción del fondo que se
UVI reparte en base a nuevos criterios
fijados por los firmantes antes
31/07/2011
1.1.2. Inversiones en reparación y mejora 5,048,502 1.3 0% 29% UDC, N.E. RAM 17,429,35 6 0% N.E. N.E.
39% USC, 32% 2
UVI
1.1.3. Consellos sociales 600,000 0.2 N.E. 33% UDC, N.E. Son acordados entre los
33% USC, 33% Consellos Sociales y la Xunta
UVI
1.1.4. ACSUG 1,200,000 0.3 N.E. 100% ACSUG
1.1.5. INEF Galicia 2,945,254 0.8 r 100% UDC Fondos INEF 2,833,399 1 r 100% UDC
1.1.6. Plazas SERGAS 6,553,926 1.7 r 19% UDC, 80% USC, 1% UVI Fondos SERGAS 4,922,863 2 16% UDC, 82% USC, 2% UVI
1.2. Subvención por capacidad 565,122 0.1 N.E. C.C. C.C.
investigadora
1.3. Subvención para la compensación 1,098,020 0.3 N.E. 29% UDC, N.E.
de costes por normativas 39% USC, 32%
UVI
2. Financiación por resultados 54,725,278 14.4
2.1.Subvención por resultados 9,502,970 2.5 2x%PI 27% UDC, Para 2013-2015 indicadores en las Contratos-Programa 2,429,000 1 25% UDC, 50% N.E.
(2) Brn 40% USC, 33% áreas de acción (4) USC, 25% UVI
UVI (3)
2.2. Subvención por resultados de 38,011,995 10.0 %PIBr C.C. C.C. Fondo de 21,001,01 7 C.C. C.C.
investigación n+3% participación en Plan 5
Gallego de I+D+i
2.3. Subvención por resultados de 7,210,313 1.9 %PIBr C.C. C.C. Apoyo investigación y 5,250,254 2 25% UDC, 50% N.E.
transferencia tecnológica n+3% desarrollo USC, 25% UVI
universitarios
3. Financiación por mejora de la 18,000,000 4.7 N.E. 26% UDC, Condicionado al cumplimiento de los Fondo de nivelación 5,000,000 2
calidad 44% USC, 30% planes de sostenibilidad.
UVI
Notas:
r = incrementos retributivos básicos y complementarios del personal al servicio de la comunidad autónoma ; t= crecimiento anual de los ingresos no financieros de los presupuestos consolidados de la comunidad autónoma; C.C. =
convocatorias competitivas; N.E. = No especificado.
%PIBrn =Tasa de crecimiento anual del PIB regional en términos nominales.
(1) Siguiendo el Anexo al plan de financiación (Xunta de Galicia, 2010b) cuando establece la equivalencia entre el PFSUG15 y el PFUG10, incorporamos dentro del fondo de financiación incondicionada los sexenios y complementos
retributivos autonómicos, un total de 10.640.000, que tenían establecidos un porcentaje de incremento del 10% en 2006, 13% en 2007 y 2008, 16% en 2009 y 2010 y que se repartirían entre las tres universidades en función de lo
indicado por la CNEAI y la ACSUG.
 La partida subvención por resultados representa otra de las grandes novedades del PFSUG15.
Se establece como un instrumento para trabajar objetivos de mejora en cada una de las ocho áreas
de acción establecidas en el plan: adaptación a las necesidades sociales, docencia, investigación,
transferencia de tecnología, proyección internacional, responsabilidad social, gestión y campus
universitarios periféricos. El PFSUG15 representa, en este sentido, un gran avance con respecto al
PFUG10 por diversas razones:
• El porcentaje de recursos que se reparte en base a contratos programa se eleva en
el primer año de vigencia del plan del 1% al 2,5% (ver Tabla 1).
• Se establece que el importe a distribuir en base a la partida subvención por
resultados durante los años de vigencia de los segundos contratos programa será como mínimo el
10% de los créditos destinados a financiar las universidades del SUG.
• Se prevé que este fondo se incremente anualmente en un porcentaje igual al doble
del crecimiento del PIB regional nominal.
• Los indicadores que se utilizarán para medir el logro de cada universidad son
conocidos desde el principio así como sus ponderaciones sobre el total y su definición. Además,
por primera vez desde la transferencia de las competencias en materia de financiación del SUG a la
Comunidad Autónoma, la nivelación de universidades no supone un objetivo. En estos momentos,
son los campus periféricos de las tres universidades las que requieren mayor atención.
No obstante, en nuestra opinión un inconveniente que podría ser mejorado es que sólo se
trabajan dichas líneas de acción en el periodo 2013-2015, ya que para 2011-12 se establecen algo
más de 19 millones de euros, cuyo reparto tendrá en cuenta el número de alumnos matriculados
y los ingresos medios por proyectos competitivos de los últimos tres años en relación al personal
docente e investigador de cada universidad.
Por su parte, las subvenciones por resultados de investigación y de transferencia tecnológica
persiguen, en general, los mismos objetivos; promover la formación y consolidación de los
investigadores del SUG así como de sus grupos, junto con el desarrollo de un sistema integral
de apoyo a la innovación en las universidades. De nuevo el diseño de ambas partidas presenta
mejoras con respecto a las equivalentes en el PFUG10:
• Implican un mayor volumen de recursos que los asignados en 2005: un 37% más
en el caso de la subvención por resultados de transferencia tecnológica y un 81% en el caso
de la subvención por resultados de investigación. No obstante, estos incrementos tan elevados
vienen matizados por el hecho de que este año desaparece el plan INCITE que hasta el momento
subvencionaba la contratación y mantenimiento de muchas plazas de investigadores vinculadas a
la universidad gallega, de ahí que una parte significativa del presupuesto del PFSUG15 se destine
a ellos. Así la Consellería de Economía e Industria cede la competencia que tenía hasta ahora y se
la transfiere a la Consellería de Educación y Ordenación Universitaria, que será a partir de 2011 la
responsable de gestionar los fondos de I+D de las universidades. Es preciso tener en cuenta que
durante 2010, último año de vigencia del PFUG10, la Xunta de Galicia sólo convocó 25 nuevas
plazas postdoctorales y de consolidación del personal investigador y 45 plazas para gestores de
innovación, una cifra que pone en evidencia el fuerte deterioro que estaban sufriendo los fondos
destinados a investigación en Galicia, ya que en 2009 y 2008 se convocaron 240 y 286 nuevas
plazas, respectivamente.
• Existe un compromiso de que ambos fondos crezcan anualmente un 3% por encima
del incremento del PIB regional. En el PFUG10 no existía un compromiso de crecimiento establecido
a priori.
• Además, se repartirán de forma competitiva, algo que no quedaba claro con la

362
partida Apoyo a la investigación y desarrollo universitarios del PFUG10.
Finalmente, el fondo de financiación por mejora de la calidad destinará en 2011 18 millones
de euros para la mejora de aspectos docentes, de investigación y de creación y/o adaptación de
infraestructuras. Para el período 2012-2015 el reparto de los fondos queda vinculado al cumplimiento
por parte de las universidades de los compromisos adquiridos en el plan de sustentabilidad de cada
entidad, primando especialmente aquellas medidas que supongan mejorar la eficacia y eficiencia
de la gestión económica-financiera, planificación académica de las universidades públicas y el
compartir recursos entre las tres universidades gallegas.
Por ello, se obliga a las tres universidades a presentar un plan de sostenibilidad financiera
y a cumplir con los objetivos de equilibrio presupuestario durante los próximos cuatro años,
tratando de aprobar medidas de ahorro para racionalizar el gasto. En concreto se establecen
medidas como: la congelación de salarios, jubilaciones anticipadas, la reducción de los contratos
de mantenimiento, los gastos corrientes y de inversiones, ejecutando únicamente las obras
iniciadas155, la aplicación de medidas de reducción del consumo energético, la desaparición o
transformación de masters y grados con escasa demanda, el compartir titulaciones de postgrado
con otras universidades o la búsqueda de una mayor financiación externa. En caso de que la Xunta
de Galicia no constate el cumplimiento de los objetivos planteados, procederá a establecer una
penalización a cada universidad, reduciendo los fondos para la mejora de la calidad.
Finalmente, formarían también parte de la financiación para mejora de la calidad los
recursos facilitados a las universidades por cualquier consellería, entidad u organismo dependiente
de la comunidad autónoma, sin precisar el importe de las mismas.

4. El nuevo modelo en el marco de financiación del SUE

En abril de 2007 el Consejo de Coordinación Universitaria publicó el Informe sobre la
financiación del Sistema Universitario Español, donde se establecía la necesidad de plantear
un nuevo modelo en base a las características de la universidad española dentro de un marco
internacional. El objetivo era situar al SUE entre los diez mejores sistemas universitarios mundiales
en base a cuatro ejes de actuación: i) lograr que los titulados universitarios españoles alcancen
la formación y capacitación necesaria a nivel internacional, facilitando la captación de alumnos
extranjeros; ii) mejorar la capacidad investigadora, iii) incrementar el número de patentes, y iv)
contribuir al crecimiento en la actividad desarrollada por la I+D en España hasta llegar al 2,2%
del PIB.
Este planteamiento coincide con el apuntado en la Estrategia Universidad 2015.
Universidades para el progreso, bienestar y la calidad. En este documento se apuesta por una
financiación de las universidades y una situación económica-financiera estable como requisito
imprescindible para mejorar los niveles de calidad. En concreto, se señala la necesidad de lograr
un nuevo sistema de financiación que garantice el equilibrio financiero del sistema, a la par que
incentive la excelencia, tanto en el aspecto docente como en el campo de la investigación. Por
ello, se incluye la necesidad de considerar a la investigación en los modelos de financiación de
la universidad. A estas dos misiones tradicionales de la universidad se le añade una tercera: la
transferencia del conocimiento con el fin de que la universidad ocupe el papel que le corresponde
como elemento económico dinamizador y motor social.
El modelo planteado debe ajustarse, además, a los objetivos señalados en la Estrategia de
Lisboa, acercando los presupuestos destinados a educación a la media europea y dentro de un

155 Por ejemplo, la UDC aprobó un plan de ajuste para reducir sus inversiones en un 20% en 2011 y en un 40%
durante el bienio 2012-13.

363
marco de rendición de cuentas de las actuaciones universitarias. Así, se establecen dos líneas
de actuación básicas: 1) basar, de forma creciente, la financiación universitaria en objetivos y
proyectos, en base a los principios de suficiencia y equidad, y 2) lograr la financiación adecuada
para alcanzar la excelencia y para el desarrollo de proyectos específicos en el contexto nacional y
europeo.
En abril de 2010 la Conferencia General de Política Universitaria publicó el Documento
de mejora y seguimiento de las Políticas de Financiación de las Universidades para promover la
excelencia académica e incrementar el impacto socioeconómico del SUE, más conocido como el
Documento Financiación Universitaria 2010. La tabla 3 permite realizar una comparativa entre los
componentes que debe tener un sistema de financiación universitaria, según las recomendaciones
de CUCGPU (2010), y el nuevo plan de financiación del SUG. Se comprueba, así, como el diseño
del PFSUG15 ha seguido de manera clara las recomendaciones del documento del Consejo de
Universidades.

Tabla 3. Estructura general del programa plurianual de financiación del documento de financiación
universitaria 2010 y el nuevo plan de financiación del SUG
COMPONENTES DE LA DOCUMENTO DE %
% FONDOS
FINANCIACIÓN FINANCIACIÓNUNIVERSITA PFSUG15 FONDOS
SUG 2015
UNIVERSITARIA RIA 2010 SUG 2011
Costes estructurales
Inversión de reparación y
mejora
Consejos sociales
Transferencias fijas
Agencia para a Calidad do SUG
INEF Galicia
Financiación Plazas vinculadas al
80,9 78,6
estructural Servicio Gallego de Salud
Transferencias por capacidad Subvención por capacidad
investigadora investigadora
Transferencias para la
Subvención para la
compensación de los costes
compensación de costes
inducidos por la normativas
por normativas
estatal y autonómica
Transferencias por resultados Subvención por
docentes resultados docentes
Transferencias por resultados Subvención por resultados
Financiación por
de investigación de investigación 14,4 17
resultados
Transferencias por resultados
Subvención por resultados
de transferencia tecnológica
de transferencia tecnológica
e innovación
Transferencias por la mejora
Financiación por Financiación por mejora
de la calidad y desarrollo del 4,7 4,4
mejora de la calidad de la calidad
entorno

Fuente: Elaboración propia a partir del Plan de Financiación del SUG (2011-2015) y Documento
de financiación universitaria 2010.

Por su parte, en la tabla 4 se refleja en qué medida las recomendaciones contenidas en el

Documento Financiación Universitaria 2010 han sido tenidas en cuenta en el PFSUG15. Como se
constata, el PFSUG15 sigue en líneas generales las recomendaciones del informe del Consejo de
Universidades. Así, por primera vez se introduce de forma significativa unos criterios de reparto
basados en resultados, con lo que se pretende mejorar la eficiencia del SUG. El importe de fondos
así repartidos asciende en 2011 al 12% del total, aunque se espera que en 2015 el monto total
distribuido en base a resultados alcance el 30%.

364
Tabla 4. Objetivos de financiación universitaria y el plan de financiación del SUG
Principio Objetivo
Establecer un horizonte temporal amplio
de suficiencia y estabilidad financiera
Estabilidad en la Hacer compatible los cambios normativos
financiación con reglas de evolución de recursos que
respeten los objetivos perseguidos
Consideración de Los nuevos planes de financiación
variables de deberían servir para compartir riesgos
incertidumbre en financieros entre las universidades y la
los planes de administración educativa autonómica
financiación
Distribución de la mayor parte de los
fondos en base a los servicios producidos
Financiación por
resultados
Criterios de asignación explícitos,
basados especialmente en la obtención
de resultados en docencia investigación y
desarrollo tecnológico y transferencia
Horizonte Incrementar la financiación a medida que
plurianual en base aumentan los resultados, dentro del
al incremento de compromiso de austeridad presupuestaria
resultados
Favorecer la adecuación de los servicios
universitarios a las demandas sociales,
Eficiencia en el reorientación de la oferta docente,
sistema potenciar la formación continua, la
universitario transferencia del conocimiento y la
tecnología y promover la mejora de la
calidad
Además de la actividad docente, hay que
reconocer el peso creciente de la
Reconocimiento de
actividad de I+D+i. Para ello, es necesario
la pluralidad de
disponer de fondos para atender a estas
actividades de las
nuevas necesidades incentivando: la
universidades
consecución de sexenios científicos,
/Refuerzo de las
transformación del conocimiento en
actividades de I+D
mejora de la competitividad, cooperación
y transferencia
con otros centros de investigación y la
captación y promoción de talento
Valoración de la Necesidad de conocer con detalle la
suficiencia suficiencia financiera actual y establecer
financiera de una evaluación realista de las
partida y recursos posibilidades futuras de financiación
futuros
Diversa Los nuevos planes de financiación deben
composición de las reconocer la heterogeneidad y no tratar
actividades en igual a los que son diferentes
cada universidad
Los ajustes deben tener capacidad para
Mejora del ajuste
responder a las preferencias sociales y a
oferta y demanda
los coste de prestación de servicios
La modernización docente y
metodológica debe considerarse como
Adaptación al EEES
una de las prioridades de adaptación al
EEES
Fuente: Elaboración propia a partir del Plan de Financiación del SUG (2011-2015) y el Documento
Financiación Universitaria 2010.
PFSUG15 Ajuste
El nuevo modelo tendrá una vigencia
SÍ
quinquenal (2011-2015)
Se establece un fondo específico de
1,098 millones de euros para los
SÍ
cambios normativos (0,3% de los
fondos de 2011)
La evolución de la partida
Financiación por resultados (14,4% de
los fondos de 2011) se hace depender SÍ
del crecimiento del PIB a precios de
mercado
En 2011 un 12% de la financiación se
repartirá en base a resultados
(convocatorias competitivas). Este
porcentaje irá incrementándose
SÍ
paulatinamente hasta superar el 30%
en 2015 debido a la incorporación de
la Subvención por resultados y parte
de los Costes estructurales
Se conocen con anterioridad los
indicadores que guiarán el reparto de
los fondos de la Subvención por
resultados de 2013-2015. Ahora bien, Parcial
se desconocen los que se utilizarán
para el reparto de los Costes
estructurales
No se establece esta posibilidad, sino
que se penalizará con menos
NO
financiación la no consecución de
resultados
En 2011 un 14,5% de la financiación
irá destinado a estos objetivos. Este
porcentaje irá incrementándose
paulatinamente hasta superar el 30% SÍ
en 2015
En 2011 un 12% de la financiación irá
destinada a estos objetivos. Estos
fondos crecerán a un ritmo superior a
la evolución del PIB regional mientras
dure el PFSUG15
SÍ
Exigencia a las universidades de
presentar un plan de sostenibilidad
financiera. Este requisito condiciona el SÍ
acceso de las instituciones a la
Financiación por mejora de la calidad
Se parte de la situación anterior en el
reparto de fondos, aunque se van
SÍ
introduciendo cambios en el reparto
de los fondos con el paso del tiempo
Se tiene en cuenta el porcentaje de
alumnos que pueden elegir una SÍ
titulación en primera opción
No se contempla de forma específica
una partida de fondos destinadas a la
NO
completa adaptación de las nuevas
titulaciones al EEES
365
 La importancia de los fondos destinados a I+D+i y a transferencia de la tecnología en 2011
alcanza el 12% del total de fondos. Dichos recursos crecerán a un ritmo superior a la evolución
del PIB regional.
Por el contrario, el PFSUG15 no dota ningún fondo específico para favorecer la adaptación
al EES.

5. Conclusiones
Desde que Galicia recibió las competencias en materia de financiación de las universidades,
los sucesivos planes de financiación han permitido rebajar las distancias financieras en relación a
la UPPE, si bien, estas diferencias persisten debido en parte a la menor capacidad financiera de la
comunidad autónoma gallega en relación a otros territorios regionales.
En este trabajo se ha presentado un análisis detallado del PFSUG15 con el objeto de conocer
si el nuevo plan introduce mejoras respecto a sus antecesores. Como se ha podido comprobar el
diseño del nuevo plan responde en líneas generales a las recomendaciones del Documento de
Financiación Universitaria del Ministerio de Educación (2010), incentivando que las universidades
gallegas mejoren sus resultados para conseguir mayores recursos.
Así, el PFSUG15 incorpora notables mejoras en relación a sus predecesores. En primer
lugar, el peso de los recursos que se repartirán tanto en base a convocatorias competitivas como a
resultados ascenderá desde el 12% en 2011 a más del 30% en 2015, por lo que se espera alcanzar
ganancias de eficiencia significativas en el funcionamiento de las universidades. Esto supone sin
duda una importante ruptura con los presupuestos marcadamente incrementalistas de los planes
precedentes.
En segundo lugar, y en línea con lo anterior, si bien el PFSUG15 “asume” una situación de
status quo para 2011, sobre todo en lo que se refiere al reparto de la partida Costes estructurales,
en el futuro, una parte creciente de la Financiación estructural tendrá en cuenta el logro de
las distintas instituciones (hasta un 20% de los Costes estructurales en 2015). De este modo,
se produce una transición suave desde planes de financiación inmovilistas, que no valoraban el
desempeño de las universidades, hacia un plan dinámico que premie a aquellas que apuesten por
la búsqueda de la eficiencia en la utilización de los recursos públicos.
Un tercer avance ha sido el establecimiento de un objetivo de convergencia con el esfuerzo
financiero público de la media de la OCDE. Para alcanzar dicho objetivo, la administración se
obliga a que varias partidas del PFSUG15, en particular aquellas bajo la rúbrica Financiación por
resultados, crezcan anualmente por encima del PIB regional.
En cuarto lugar, las subvenciones por resultados de investigación y transferencia tecnológica
tienen un peso significativo en los fondos del SUG (un 12% en 2011), reconociendo las diferentes
actividades llevadas a cabo por las universidades.
Finalmente, y corrigiendo errores que se arrastraban en planes pasados, se establece una
comisión de seguimiento del PFSUG15 con atribuciones bastante más amplias que las de ser
un mero controlador. Así, entre otras funciones, le corresponderá la revisión de la estructura
del plan, o de los indicadores utilizados para medir la consecución de objetivos, en función de
los resultados obtenidos. Esta tarea resulta especialmente importante dada la incertidumbre del
entorno económico que nos rodea. A modo de ejemplo, baste pensar que si la evolución del PIB
regional fuese negativa, algo que ha sucedido en los últimos trimestres de la década 2010, sería
preciso reconducir los objetivos “macro” de financiación para alcanzar la media de la OCDE (1%
del PIB), objetivo planteado para 2015 por la administración autonómica en el Anexo al PFSUG15
(Xunta de Galicia, 2010b).

366
 Por el contrario, también hemos detectado ciertos aspectos que son mejorables. En primer
lugar, la administración autonómica está desperdiciando un tiempo valioso al esperar hasta 2013
para repartir la Subvención por resultados en base a indicadores. Dado que éstos están definidos
desde 2010, podría iniciarse su aplicación ya en 2011 o, si se desea un periodo de transición más
amplio, en 2012.
En segundo lugar, si bien se incluyen partidas específicas para el fomento de las actividades
de investigación y transferencia tecnológica, en 2011 está previsto la desaparición del plan INCITE,
por lo que habrá que esperar un tiempo para conocer la incidencia de este cambio de políticas
sobre los resultados de investigación y transferencia tecnológica.
Finalmente, la consideración de la adaptación del sistema universitario al EEES,
probablemente el hito más importante al que se han enfrentado las universidades españolas en
los últimos treinta años, no figura en los objetivos del PFSUG15.

Referencias
CES (2003): O Financiamento do Sistema Universitario Galego, Informe 1/2004, CES.

Castro, M. y S. Fernández (2002): “El modelo de financiación del sistema universitario gallego a
partir de 1996” en Lago, S. y Vaquero, A. (coordinadores) O Sistema Universitario Galego: Balance
e perspectivas, IDEGA, Santiago de Compostela.

Consejo De Universidades Y Conferencia General de Política Universitaria (CUCGPU) (2010):

Documento de mejora y seguimiento de las Políticas de Financiación de las Universidades
para promover la excelencia académica e incrementar el impacto socioeconómico del Sistema
Universitario Español disponible en http://www.educacion.es/dctm/eu2015/documento-de-
financiacion-26042010.pdf?documentId=0901e72b800d97ce (consultado en marzo de 2011).

Fernández, S. (2003): “Acuerdo de financiación del sistema universitario de Galicia (Programa

2000-03): Resultados financieros” en SAN SEGUNDO, Mª. J. y ZORRILLA, R. (eds.): Economía de la
Educación, Actas de las XII Jornadas de la AEDE, Universidad Carlos III de Madrid, pp. 461 –472.

Fernández., S. y A. Vaquero (2006): “La nueva financiación del sistema universitario de Galicia:
Algunas consideraciones”. Revista de Estudios Regionales nº 76, pp. 49-75

Hernández, J. (Varios años): “Información académica, productiva y financiera de las Universidades

públicas de España” en La Universidad Española en cifras, CRUE, Madrid.

Lago, S. y A. Vaquero (2002) (coord.): O Sistema Universitario Galego: Balance e perspectivas,

IDEGA, Santiago de Compostela.

Ministerio de Ciencia e Innovación (2007): Estrategia Universidad 2015. Universidades para el

progreso, el bienestar y la competitividad. Resumen, disponible en http://www.educacion.es/dctm/
universidad2015/documentos/estrategiauniversidad2015.pdf?documentId=0901e72b80049f2b
(consultado en marzo de 2011)

Ministerio de Educación (2011), Datos y cifras del sistema universitario español 2010-11, disponible
en http://www.educacion.es/dctm/ministerio/educacion/universidades/estadisticas-informes/

367
novedades/2011-datos-cifras-10 uv.pdf?documentId=0901e72b809384a4 (consultado en marzo
de 2011).

Muñoz, E., S. Fernández, A. Vaquero, I. Neira, E. Ruzo, A. Filgueira y M. L. Gómez (2004): Los
Costes de calidad del sistema Universitario de Galicia, ACSUG.

Xunta de Galicia (2010a): Resolución del 22 de diciembre de 2010, por la que se dispone la
publicación del acuerdo firmado por las Consellerías de Educación y Ordenación Universitaria,
Hacienda y Economía e Industria y las Universidades de Santiago de Compostela, A Coruña y Vigo
para el Plan de Financiación del Sistema Universitario de Galicia 2011-2015, publicado en el DOGA
de 18 de enero de 2011, disponible en http://www.xunta.es/dog/Dog2011.nsf/69dbe571cfe9ff2e
c1257251004b10d8/47010b266a4ab477c125781b00527bce/$FILE/DOG_20110118_NUM_011.PDF
(consultado en marzo de 2011)

Xunta de Galicia (2010b): Plan de financiamento do Sistema Universitario de Galicia. 2011-2015,

Documento base y anexo, disponible en http://www.edu.xunta.es/web/node/1896 (consultado
en marzo de 2011).

368
2. Austeridad financiera en la enseñanza superior en Portugal: El caso de
préstamos de garantía mutua

Luisa Cerdeira, Universidade de Lisboa, Instituto de Educação

Belmiro Gil Cabrito, Universidade de Lisboa, Instituto de Educação
Tomás Patrocinio, Universidade de Lisboa, Instituto de Educação

369
Austeridad financiera en la enseñanza superior en Portugal: El caso de
préstamos de garantía mutua

Luisa Cerdeira, Universidade de Lisboa, Instituto de Educação

Belmiro Gil Cabrito, Universidade de Lisboa, Instituto de Educação
Tomás Patrocinio, Universidade de Lisboa, Instituto de Educação

Resumen
La financiación de la educación superior se ha convertido en uno de los problemas que, en todo el
mundo, la universidad debe abordar. En la Unión Europea como consecuencia de las dificultades
financieras de los gobiernos la búsqueda de nuevas fuentes de financiación forma parte de la
agenda política no sólo de los países miembros, sino también de la Unión. En Portugal, este
problema ha tenido un gran peso, dada la drástica disminución de la contribución del Estado.
Diversificar el financiamiento hoy es la respuesta. Entre las nuevas fuentes de financiación
posibles, los estudiantes son, en el caso portugués, el más importante. Frente a las dificultades de
los estudiantes y sus familias para responder a esta nueva exigencia financiera fue creado en 2006
por iniciativa del gobierno y en asociación con siete bancos comerciales, un tipo específico de
préstamo denominado Crédito de Garantía Recíproca. En esta comunicación se pretende describir
este instrumento financiero y analizar su rendimiento entre los estudiantes portugueses para
comprender en qué medida esta fuente de financiación ha contribuido al apoyo de los estudiantes
más pobres.

Palabras clave: enseñanza superior; financiación; préstamo.

1. Introdução
O financiamento da educação, nomeadamente da educação de nível superior tornou-se
num dos problemas globais mais importantes para a governação, nas últimas décadas.
No caso particular da Europa Ocidental, o declínio do Estado Providência afecta a oferta gratuita
ou quase gratuita de inúmeros bens de natureza social, nomeadamente o educativo. Se é verdade
que o ensino básico e secundário continua a ser disponibilizado por todos os Estados europeus,
mormente os da União Europeia, de forma universal e gratuita, esta situação tende a não ser
verdade no que respeita o ensino superior. Contrariando aquela que era a tradição europeia de
perspectivar a educação como um bem de natureza pública, a privatização do ensino superior
constitui hoje uma tendência global que atinge, também, a Europa (Weiller, 1999; Johnstone,
2001, 2007; Jongbloed, 2004). O papel dos Estados no financiamento do ensino superior tem
vindo a diminuir fortemente nos últimos anos (OECD, 2009).
Como referem Johnstone (2007), Barr (2003, 2007), Barr & Crawford (2005), entre outros,
a solução actual para o financiamento do ensino superior encontra-se na diversificação das fontes.
Os Estados já não conseguem responder às necessidades de financiamento das instituições de
ensino superior pelo que se torna incontornável o recurso a outras fontes de financiamento. No
conjunto das novas fontes de financiamento encontram-se os contratos de prestação de serviços
e de investigação aplicada; o recurso as mais diversas possibilidades de mecenato (de antigos
alunos, de empresas, de filantropos); a participação dos estudantes no orçamento das instituições
através do pagamento de taxas de matrícula, anualidades etc. No que respeita a esta diversificação,
a principal nova fonte de financiamento é, certamente, o estudante e respectiva família.
No presente artigo pretendemos caracterizar os estudantes do ensino superior em termos

370
socioeconómicos, dar a conhecer o papel que ocupam, hoje, no financiamento das instituições de
ensino superior públicas em Portugal, e informar sobre os seus principais recursos financeiros.

2. O papel do Estado no orçamento das instituições públicas de Ensino Superior

Em Portugal, como na generalidade dos países europeus, o Estado tem sido um dos
mais importantes financiadores do Ensino Superior. Sendo a oferta deste nível de ensino, no
quadro do Estado Providência, basicamente publica, o seu financiamento tem sido garantido,
fundamentalmente, pelos Estados. Esta situação tem vindo a alterar-se nos últimos anos em
virtude das enormes dificuldades financeiras por que os governos têm vindo a passar. Observe-se
o Quadro 1:

Quadro 1. Despesa pública no financiamento do Ensino Superior, em alguns países (%)

1995 2000 2002 2003 2004 2005 2006

Norway 93,7 96,3 96,3 96,7 m m 97,0
Denmark 99,4 97,6 97,9 96,7 96,7 96,7 96,4
Finland 97,8 97,2 96,3 96,4 96,3 96,1 95,5
Belgium m 91,5 86,1 86,7 90,4 90,6 90,6
Sweden 93,6 91,3 90,0 89,0 88,4 88,2 89,1
Ireland 69,7 79,2 85,8 83,8 82,6 84,0 85,1
Germany 89,2 88,2 m m m 85,3 85,0
Austria 96,1 96,3 91,6 92,7 93,7 92,9 84,5
France 85,3 84,4 83,8 83,8 83,8 83,6 83,7
Slovak Republic 95,4 91,2 85,2 86,2 81,3 77,3 82,1
Czech Republic 71,5 85,4 87,5 83,3 84,7 81,2 82,1
EU19 average (all years) 85,1 83,9 84,0 83,0 82,0 79,8 79,7
Spain 74,4 74,4 76,3 76,9 75,9 77,9 78,2
Hungary 80,3 76,7 78,7 78,5 79,0 78,5 77,9
Netherlands 79,4 76,5 74,9 74,4 75,0 73,3 73,4
OECD average 79,7 77,8 76,0 76,5 74,2 72,8 73,3
Italy 82,9 77,5 78,6 72,1 69,4 69,6 73,0
OECD average (all years) 78,2 75,9 75,7 74,8 73,8 71,9 71,6
Mexico 77,4 79,4 71,0 69,1 68,9 69,0 67,9
Portugal 96,5 92,5 91,3 91,5 86,0 68,1 66,7
United Kingdom 80,0 67,7 72,0 70,2 69,6 66,9 64,8
Australia 64,8 51,0 48,7 48,0 47,2 47,8 47,6
United States 37,4 31,1 39,5 38,3 35,4 34,7 34,0
Japan 35,1 38,5 35,3 36,6 36,6 33,7 32,2

Source: Education at a Glance: OECD Indicators, 2009.

Os valores do quadro são bem significativos sobre o papel primordial que os Estados
desempenham, ainda hoje, no financiamento do ensino superior em alguns países. Todavia, esse
papel tem vindo a diminuir na última década, em consequência das inúmeras solicitações de
natureza social, nomeadamente cultura, educação, saúde, segurança social por que os Estados têm
vindo a ser confrontados.
Pela análise do quadro verificamos que há dois grupos de países onde o Estado financia o
ensino superior acima da média da União Europeia: os países escandinavos, com uma a participação

371
do Estado no financiamento do Ensino Superior perto dos 100%; e os restantes países grupo onde
a participação pública no financiamento do ensino superior ultrapassa os 80%. No conjunto dos
países apresentados, Portugal é aquele se registou uma quebra mais acentuada na participação
pública no financiamento das instituições públicas de ensino superior. Essa quebra parte de um
valor superior a 95%, em 1995, para os actuais 67%. Só nos países anglo-saxónicos, manifestamente
regidos por políticas liberais e ultraliberais, é que a participação pública no financiamento do
ensino superior é inferior à portuguesa. O caso japonês é uma situação especial uma vez que nesse
país predomina historicamente o ensino superior privado, encontrando-se a cargo dos poderes
públicos apenas a oferta científica directamente relacionada com o desenvolvimento do país,
como sejam as tecnologias e a medicina
Perante esta quebra, cerca de 30% em apenas dez anos, as instituições de ensino superior
públicas precisaram de angariar novos financiamentos tendo eleito os seus estudantes como
financiadores principais.

3. O papel dos estudantes no financiamento do Ensino Superior

O processo de afectar s despesas do ensino superior aos estudantes, isto é, o processo de
privatização do ensino superior em Portugal iniciou-se em 1986. Face a uma procura explosiva de
ensino superior e às dificuldades por parte do Estado em garantir a oferta necessária, o governo
Português abriu este nível educativo à iniciativa privada. Actualmente, cerca de um terço dos
lugares disponíveis de ensino superior é oferecido pelas universidades privadas.
Por outro lado, em 1992 é publicada uma lei de financiamento do ensino superior que
aprova o pagamento, por parte dos estudantes do ensino superior público, de taxas de matrícula
e anualidades num montante que deveria atingir 25% do custo real do ensino. Desde 1992 que
foram publicadas mais duas leis de financiamento do ensino superior que, independentemente
das diferenças, fazem do estudante o principal financiador das instituições públicas de ensino
superior. Actualmente, o valor da propina é fixado livremente por cada universidade dentro de
um intervalo fixado pelo governo, que se situa entre 1.3 do salário mínimo nacional e o valor
actualizado da anualidade que os estudantes pagavam em 1941 (durante cerca de 30 anos este
valor, 6€, correspondia a cerca de 10% do orçamento familiar de maioria da população, o que
explica a natureza fortemente elitista do ensino superior, em Portugal, antes da Revolução
Democrática de 25 de Abril de 1974. Após a Revolução, e até 1992, esse valor manteve-se igual,
tendo-se tornado um pagamento simbólico). Em consequência, actualmente os estudantes do
Ensino Superior Público pagam, no 1.º ciclo, cerca de 1000€ anuais. Nos cursos de 2º e 3ºciclos,
não existe limite legal, pelo que são as instituições de ensino superior público que fixam o
montante a pagar pelo estudante, registando-se, no 2.º ciclo, o pagamento de taxas que variam
entre os 1200€ e os 5000€ anuais, e valores ainda superiores no 3.º ciclo de estudos.
Este esforço financeiro que é exigido aos estudantes e respectivas famílias não encontra
resposta nos respectivos orçamentos familiares. As dificuldades por que passam hoje os estudantes
para realizarem os seus estudos superiores encontram-se hoje acrescidas em virtude da actual
crise económica e financeira por que passa o país, com elevados níveis de desemprego e de dívida
externa e fracos níveis de crescimento.
Nestas circunstâncias, para os estudantes tem-se tornado imperioso encontrar outras
fontes de financiamento. Esta necessidade não é, obviamente, a mesma para todos os estudantes,
tendo em atenção a respectiva origem social e económica que obedece a um duplo padrão de
recrutamento que indicia simultaneamente para um processo de reprodução social e para um
processo de mobilidade social ascendente (Cabrito, 2002; Cerdeira, 2009; Costa et al., 2009). De
entre as novas fontes de financiamento a que os estudantes destacam-se os empréstimos.

4. O crédito de garantia mútua

Até 2006, o crédito que os estudantes podiam obter era assegurado pela banca comercial
em condições de amortização e de juros muito semelhantes às condições para qualquer outra

372
modalidade de crédito. As taxas de juro e os prazos de amortização dos empréstimos aos estudantes
não assentavam em condições mais favoráveis do que as exigidas por outro tipo de empréstimo
bancário, o que explica a fraquíssima procura de crédito por parte dos estudantes (Cabrito, 2002;
Cerdeira, 2009). Todavia, desde 2007, no quadro de uma política governamental que pretende
elevar o nível de qualificações da população portuguesa que surgiu uma outra modalidade de
crédito, o crédito de garantia mútua (DL 309-A/2007 de 7 de Setembro). Este crédito aproxima-se
de programas similares de empréstimos em inúmeros países, nomeadamente na União Europeia,
destinados ao apoio a estudantes. São empréstimos que se caracterizam, apesar das diferenças
nacionais registadas, por taxas de juro mais baixas e com prazos de amortização dilatados que
se iniciam após a conclusão do curso e após um período de carência que permita a inserção do
estudante no mercado de trabalho.
O crédito de garantia mútua é um instrumento de política de apoio financeiro aos estudantes
que é resultante de uma parceria pública-privada suportada pelo Estado Português, à semelhança
do que se percebe na estruturação de outros programas semelhantes de empréstimos no quadro
internacional (Usher & Cervenan, 2005; Vossensteyn, 2004). Este empréstimo é uma parceria
entre a Caixa Geral de Depósitos, o maior banco do país e que é público, e outros seis bancos
privados, sendo os diversos parceiros co-responsáveis pelas dívidas contraídas.
Este crédito é dirigido a todos os estudantes dos 1.º, 2.º e 3.º ciclos e o seu montante
varia, em geral, entre os 1000€ e os 5000€/ano, podendo atingir um montante máximo de 25000€
e uma duração máxima de cinco anos, em função do tempo de duração do curso que o estudante
frequenta. O prazo de amortização pode ser o dobro da duração do curso e inicia-se, em geral,
um ano após a conclusão do curso. A taxa de juro é inferior à taxa de juro do mercado e diminui
em função de alguns factores nomeadamente o nível de aproveitamento anual do estudante.
Uma característica importante deste crédito, e que pode levar os jovens mais carenciados a ele
recorrerem em virtude da aversão habitual destes jovens relativamente à contracção de dívidas, é
não lhe ser exigido qualquer garantia patrimonial, contrariamente ao que se verifica nos pedidos
de empréstimo exigido, em geral, pelas instituições bancárias.

5. Alguns dados sobre o empréstimo com garantia mútua

Em primeiro lugar, vejamos qual o ciclo de estudos dos estudantes que têm recorrido ao
empréstimo de garantia mútua.

Quadro 2. Ciclo de estudos frequentado

Número • %
1º ciclo 788 82,6
2º ciclo 153 16.0
3º ciclo 13 1.4
Total 954 100.0
Fonte: Costa et al., 2009

Verifica-se que são os estudantes do 1º ciclo aqueles que mais recorrem ao crédito de
garantia mútua o que poderá resultar de necessidade sentida pelos jovens em possuírem uma
qualificação de nível superior.
De seguida, analisemos as fontes de financiamento dos estudantes que recorreram ao
empréstimo de garantia mútua.

373
Quadro 3. Fontes de financiamento dos estudantes, para além do empréstimo
(escolha múltipla)

Fonte: Costa et al., 2009.

Como se pode verificar, é extremamente significativo o papel da família dos estudantes no

respectivo financiamento. Estas foram as conclusões que se podem retirar de estudos anteriores,
relativos ao financiamento do ensino superior em Portugal (Cabrito, 2002; Cerdeira, 2009). Na
verdade, o estudo da CIES vem corroborar as anteriores investigações, demonstrando que a principal
fonte de financiamento dos estudantes do ensino superior, em Portugal, é a família, seguindo-se
as bolsas/subsídios e os rendimentos do trabalho.
Vejamos agora as razões por que os estudantes recorrem ao empréstimo.

Quadro 4. Principais razões para solicitar o empréstimo (resposta múltipla)

Número %
Pagamento de propinas 822 86.3
Despesas de transportes 461 48.4
Despesas de alimentação 445 46.7
Despesas de alojamento 377 39.6
Outros meios de estudo 219 23.0
Computador e material Informático 156 16.4
Participação em Erasmus 50 5.2
Outros 47 4.9
Fonte: Costa et al., 2009 (adaptado)

Verifica-se que o recurso ao empréstimo de garantia mútua se faz, fundamentalmente, para

as despesas em geral associadas directamente aos custos de vida e de educação dos estudantes
(Johnstone, 1986). De realçar, todavia, a importância do motivo “pagamento de propinas”, isto
é, pagamentos que o estudante efectua na instituição, no conjunto de razões justificativas do
recurso ao crédito.
De seguida, apresenta-se a qualificação académica do pai e da mãe dos estudantes que
recorreram ao crédito de garantia mútua.

Quadro 5. Nível académico do pai e da mãe (em %)

n Pai Mãe
Sem grau 0.9 1.5
1.º ciclo (4 anos de estudo) 24.6 21.3
2.º ciclo (6 anos de estudo) 12.5 13.7
3.º ciclo (9 anos de estudo) 17.7 18.0
Ensino médio e secundário (12 anos de estudo) 31.0 31.6
Ensino superior 13.4 13.9
Total 100.0 100.0
Fonte: Costa et al., 2009 (adaptado).

374
 Em primeiro lugar, registe-se a proximidade em geral do nível de qualificações dos pais
e das mães dos estudantes, ainda que o nível médio de habilitações das mães seja ligeiramente
superior ao do dos pais.
Em segundo lugar, pode afirmar-se que os jovens que recorrem ao crédito de garantia mútua
não pertencem, apenas, a estruturas familiares com baixas qualificações. De facto, o somatório dos
valores referentes ao ensino básico (até 9 anos de estudo) e o referente aos ensinos secundário
e superior (12 ou mais nos de estudo) são relativamente próximos (cerca de 56% contra 44%).
Quer isto dizer que o crédito de garantia mútua não é procurado apenas pelos jovens oriundos
de estratos mais fragilizados, o que indicia para um processo de recrutamento das instituições de
ensino superior que se poderá concretizar em procura de educação como instrumento de ascensão
social e como instrumento de reprodução social, denunciando um desígnio simultaneamente
reprodutor e de mobilidade social da educação (Bourdieu & Passeron, 1964, 1979; Prost, 1992).
Finalmente, analisemos a origem social dos estudantes que recorrem ao crédito de garantia
mútua, a partir da condição categoria socioprofissional do pai e da mãe destes estudantes.

Quadro 6. Categoria socioprofissional do grupo doméstico de origem (%)

Pai Mãe
Empresários, dirigentes e profissionais liberais 15.8 7.6
Profissionais técnicos de enquadramento 25.6 22.4
Trabalhadores independentes 9.8 5.1
Agricultores independentes 1.9 1.0
Empregados executantes 25.5 47.2
Operários industriais 20.2 15.7
Assalariados agrícolas 1.0 1.0
Total 100.0 100.0
Fonte: Costa et al., 2009 (adaptado).

Da análise dos valores do quadro pode concluir-se que as mulheres possuem, em geral,
categorias socioprofissionais menos prestigiadas do que os homens, predominando entre elas
os empregados executantes. Estes valores encontram-se dentro do quadro habitual de funções
desempenhadas por homens e mulheres e que as teorias da selecção e da segmentação do mercado
de trabalho bem explicam.
Todavia, e no que respeita aos estudantes que procuram o crédito com garantia mútua, o
que é de destacar é o facto de estes jovens serem originários de grupos domésticos diversificados.
Apesar das políticas de crédito serem destinadas, em geral, àqueles que não detém capacidade
económica para acederem a estudos superiores e aí permanecerem, em virtude da escassez de
rendimentos, o crédito com garantia mútua, à semelhança de outros créditos bonificados, são
procurados por jovens oriundos de todos os estratos sociais confirmando, aliás, a regressividade
que caracteriza estes instrumentos de apoio financeiro aos estudantes.

6. Notas finais
A análise acima remete-nos para um duplo perfil dos estudantes que se socorrem do
empréstimo com garantia mútua. Um primeiro conjunto de estudantes pertence aos estratos menos
favorecidos o que nos dá a indicação de que permanece uma perspectiva de olhar a educação como
um processo de ascensão social. Educação e capital humano andam de mãos dadas. Assim, apesar da
aversão habitual que os jovens mais pobres têm ao crédito, eles encontram-se entre os tomadores
do crédito com garantia mútua, a que não serão estranhas as condições de juro e de amortização
que caracterizam este empréstimo. Todavia, este crédito é objecto de pedido também pelos jovens
oriundos de estratos mais favorecidos, cujos familiares conhecem bem as vantagens associadas a
empréstimos bonificados. Relativamente a estes últimos estudantes, o recurso ao crédito não será

375
para garantir a sua acessibilidade e capacidade de pagar os compromissos monetários associados
aos estudos, mas antes para assegurarem uma relativa autonomia relativamente à família e/ou
assegurarem o usufruto de bens aos quais se encontram habituados.
Ascensão e mobilidade social e reprodução social parecem ser, portanto, os factores
subjacentes ao pedido de crédito com garantia mútua por parte dos estudantes que dele
beneficiam.

References
Barr, Nicholas (2003): Financing Higher Education: Comparing the Options. London: LSE.

Barr, Nicholas (2007): “Financing higher education: tax, graduate tax or loans?”. In John Hills,
Julian Le Grand e David Piachaud (eds), Making Social Policy Work: Essays in honour of Howard
Glennerster, Bristol: Policy Press, pp. 109-130.

Barr, N. e I. Crawford (2005): Financing Higher Education: Answers from the UK, London:
Routledge.

Bourdieu, P. and J.-C. Passeron (1964) : Les Héritiers. Paris : Les Éditions Minuit.

Bourdieu, P. and J.-C. Passeron (1970): La reproduction. Paris : Les Éditions Minuit.

Cabrito, B. (2002): Financiamento do Ensino Superior: Condição Social e Despesas de Educação dos
Estudantes Universitários em Portugal, Lisboa: Educa.

Cerdeira, L. (2009): O Financiamento do Ensino Superior Português: a partilha de custos, Coimbra:

Almedina.

Costa, A. (Coord.), A. Caetano, S. Martins and R. Mauritti (2009): Estudantes do Ensino Superior
e Empréstimos com Garantia Mútua. Lisboa: ISCTE – CIES.

Johnstone, D.B. (1986). Sharing the Costs of HE. Student Financial Assistance in the United Kingdom,
The Federal Republic of Germany, France, Sweden and the United State. New York: College Board
Publications.

Johnstone, D. (2001): Those ‘out of control’ costs”. In Defense of American Public University, P.
Altbach, D.B. Johnstone & P. Gumport (Eds.). Baltimore: The John Hopkins University Press, pp.
144-178.

Jonhstone, D. (2007): Financing higher education in the United Kingdom: Policy options from
an international perspective, Seminar Series on Mass Higher Education in UK and International
Contexts, Seminar Two – Funding of Higher Education, Langbank Scotland, 7-8 February, Centre
for Research in Lifelong Learning, at Glasgow Caledonian University in conjunction with The
University of Edinburgh, The University of Sheffield, and Kingston University London. Review
of National Policies for Education – Tertiary Education in Portugal, Background Report, EDU/EC,
Paris, 26, 28 de Novembro. OCDE 2006

Jongbloed, B. (2004): Cost-sharing and equity in higher education: Implications of income

contingent loans. In Markets in Higher Education, P. Teixeira, B. Jongbloed, D. Dill, & A. Amaral
(Eds.). Dordrecht, The Netherlands: Kluwer Academic Publishers, pp. 37-60.

Education at a Glance: OECD Indicators. Paris: OECD, 2009

376
Prost, A. (1992): L’Enseignement s’est-il démocratizé ? Paris : PUF.

Usher, A. e A. Cervenan (2005): Global HE Rankings, Affordability and Accessibility in Comparative

Perspective, Toronto: EPI, Educational Policy Institute.

Vossensteyn, Hans (2004): Student Financial Support. An Inventory in 24 European Countries,

Background report for the project on the portability of student financial support. C4HV 225.

Weiler, H. (1999): “Universities, Markets and the State: Higher Education Financing as a Laboratory
of Change”. CESE newsletter, 41, May, pp. 19-25.

377
3. La estructura del gasto público educativo en las comunidades autónomas
españolas

Juan Manuel Cabrera Sánchez, Universidad de La Laguna

378
La estructura del gasto público educativo en las comunidades autónomas
españolas

Juan Manuel Cabrera Sánchez, Universidad de La Laguna

Resumen
El gasto educativo ha sido analizado en la mayoría de los casos referido a la totalidad del mismo
o la desagregación en función de la clasificación funcional del gasto, siendo menos frecuente el
análisis de la estructura de dicho gasto en función de la clasificación económica.
El trabajo que se presenta pretende valorar las diferentes estrategias de las Comunidades
Económicas, no sólo en cuanto a la cuantía del gasto, sino a la estructura económica de dicho
gasto como elemento diferencial. Así mismo se valorarán algunos elementos de la estructura del
gasto de forma comparada con el marco de la OCDE.

Palabras clave: Financiación educación, gasto público educativo, gasto Comunidades Autónomas.

1. Introducción
El gasto educativo supone junto al sanitario los dos principales componentes de gasto
en las Comunidades Autónomas, es por ello lo relevante de analizar no sólo su cuantía sino
igualmente su estructura por capítulos, poniendo de manifiesto los componentes particulares de
las distintas Comunidades Autónomas.
Tomaremos como referencia la clasificación por naturaleza económica del gasto por
capítulos156:
156 La clasificación económica del gasto sigue los criterios establecidos por la O.M. de 13 de febrero de 1989. Los
principales conceptos de los capítulos presupuestarios del gasto público educativo son:

• Capítulo 1. Gastos de personal:

Recoge principalmente las retribuciones, en dinero y en especie (vivienda) de todo el personal (funcionario, laboral
y otro tipo de personal).

• Capítulo 2. Gastos corrientes en bienes y servicios:

Comprende todos aquellos gastos en bienes y servicios, necesarios para el ejercicio de las actividades del Estado,
Organismos Autónomos y Otros Organismos Públicos, y que no supongan un aumento de capital o del patrimonio
público.
Son imputables a este capítulo los gastos originados por la adquisición de bienes que reúnan algunas de las
características siguientes:
a) Ser bienes fungibles.
b) Tener una duración previsiblemente inferior al ejercicio presupuestario.
c) No ser susceptibles de inclusión en inventario.
d) Ser, previsiblemente, gastos reiterativos.

• Capítulo 4. Transferencias corrientes:

Se imputan a este capítulo los pagos, condicionados o no, efectuados por el Estado, Organismos Autónomos y Otros
Organismos Públicos, sin contrapartida directa por parte de los agentes receptores, los cuales destinan estos fondos
a financiar operaciones corrientes.

• Capítulo 6. Inversiones reales:

Este capítulo comprende los gastos a realizar directamente por el Estado, Organismos Autónomos y Otros Organismos
Públicos, destinados a la creación o adquisición de bienes de capital, así como los destinados a la adquisición de
bienes de naturaleza inventariable necesarios para el funcionamiento operativo de los servicios y aquellos otros
gastos de naturaleza inmaterial que tengan carácter amortizable, entendiendo por tal aquel gasto que contribuya al
mantenimiento de la actividad del sujeto que lo realiza en ejercicios futuros.

• Capítulo 7. Transferencias de capital:

Dentro de este apartado se incluyen aquellos pagos, condicionados o no, efectuados sin contrapartida directa por
parte de los agentes receptores, los cuales destinan estos fondos a financiar operaciones de capital.

379
Capítulo 1: Gastos de personal.
Capítulo 2: Gastos corrientes en bienes y servicios.
Capítulo 4: Transferencias corrientes.
Capítulo 6: Inversiones reales.
Capítulo 7: Transferencias de capital.

Los tres primeros constituyen gastos corrientes y los dos últimos, gastos de capital.
En el análisis realizado se ha excluido los capítulos referidos a gastos financieros debido a
sus especiales características y a su alta variabilidad (capítulo 3: Gastos financieros, y capítulos
7 y 8: Activos y pasivos financieros). Es igualmente necesario aclarar que del concepto amplio
utilizado por el MEC como gasto educativo, se ha excluido la Formación Ocupacional. Por último,
referido al nivel educativo universitario, se ha tomado como referencia de gasto, el realizado por
las universidades públicas recogido en sus presupuestos.
La distribución del gasto, refleja distintos modelos de gestión, de prioridades y del peso
de los diferentes componentes del sistema educativo, lo cual cobra especial relevancia en un
momento en el que la estructura, funcionamiento y gestión del sistema educativo español está
siendo sometida a significativos replanteamientos.

2. Distribución del gasto público educativo por capítulos

Las tablas 1, 2 y 3 muestran la distribución del gasto público educativo por capítulos para
todas las Comunidades Autónomas, referidos al total de la educación (cuadro 1), la educación no
universitaria (cuadro 2) y la universitaria (cuadro 3).

CUADRO Nº 1
PRESUPUESTO DE GASTO PÚBLICO EDUCATIVO POR CAPÍTULOS NO FINANCIEROS
EDUCACIÓN TOTAL
Distribución porcentual
2008

TOTAL CAP.1 CAP.2 CAP.4 CAP.6 CAP.7

Andalucía 100 68,4 6,7 11,8 6,4 6,7

Aragón 100 65,8 9,3 13,7 11,1 0,1
Asturias 100 71,5 9,6 11,0 7,2 0,7
Baleares 100 65,9 6,4 19,3 8,3 0,1
Canarias 100 75,6 9,1 8,9 6,3 0,2
Cantabria 100 63,4 11,5 15,2 9,8 0,1
Castilla y León 100 66,3 9,7 14,2 9,5 0,3
Castilla-La Mancha 100 72,8 9,2 8,2 7,0 2,8
Cataluña 100 59,7 8,3 21,8 9,2 1,0
Com. Valenciana 100 57,4 8,1 17,7 16,2 0,5
Extremadura 100 73,4 7,9 9,3 9,3 0,2
Galicia 100 66,5 11,9 10,4 11,1 0,0
Madrid 100 62,5 10,1 16,6 9,5 1,3
Murcia 100 69,4 6,5 13,2 9,1 1,9
Navarra 100 61,3 9,0 20,6 5,2 3,9
País Vasco 100 57,0 8,8 27,5 6,4 0,4
La Rioja 100 64,9 10,3 15,9 6,6 2,3

Media no ponderada 100 66,0 9,0 15,0 8,7 1,3

Fuente: eleboración propia a partir de MEC Estadística del Gasto Público en Educación

380
 

381
 La comparación entre el ámbito universitario y no universitario pone de manifiesto el
gasto mayoritario en capitulo 1 en ambos niveles, y respecto al resto de capítulos de gasto, la
mayor presencia en la educación no universitaria del capítulo 4 (referido a multitud de proyectos
y programas destinados a los diferentes agentes y actividades: familias, comedores, residencias,
deportes….), con valores que pueden alcanzar el 27,2% del gasto considerado en Cataluña,
mientras que en el nivel universitario, toma especial relevancia el capítulo 6 de inversiones
(Comunidad Valenciana, Extremadura y Cantabria superan el 30% del gasto) y el capítulo 2 de
gastos corrientes.
El mayor peso relativo del gasto de la enseñanza no universitaria que el de la universitaria
en el gasto total de la educación, hace que la distribución en capítulos del total educativo se vea
influenciado fundamentalmente por la estructura de gasto del nivel no universitario.

3. El significado de los gastos de personal

Un especial análisis diferencial lo requiere el capítulo de gastos de personal. Puede
observarse como en la distribución por capítulos, alcanza un peso específico de mayor relevancia
los gastos de personal, que supone el 66% del gasto de los valores de las Comunidades Autónomas,
para el total de la educación, 67,6% en la educación no universitaria y 59,2% en la universitaria.
Este peso diferencial se debe a que la actividad educativa constituye una actividad productiva
intensiva en factor trabajo, además dicho factor cuenta con importantes niveles de cualificación
y por tanto de salarios.
No obstante, en términos internacionales, España es uno de los países con mayor peso de
los gastos de personal. Las figuras 1 y 2 ponen de manifiesto el lugar que ocupa España, referido
al porcentaje de gastos de personal sobre el total de gastos corrientes, tanto para le enseñanza
no universitaria (primaria, secundaria y Post-secundaria no terciaria) y la Educación Superior. Si
bien en el nivel de enseñanza anterior a la superior, España se encuentra relativamente cerca de
la media OCDE (82,9% España y 79,2 OCDE), es en la Enseñanza Universitaria donde España ocupa
uno de los valores más altos en lo referente a la proporción de remuneraciones de personal sobre
los gastos corrientes: 76,9% España frente a la media OCDE 68,1%. La importancia de los gastos
de personal en España sólo se es superada por Islandia (92,1%), Dinamarca (81,7%), Francia
(79,1%), Suiza (77,6%) y Bélgica (77,2%).

Figura 1. Porcentaje del gasto de personal sobre el gasto corriente. Educación primaria, secundaria
y postsecundaria no terciaria. Países OCDE 2007

382
Figura 2. Porcentaje del gasto de personal sobre el gasto corriente.
Educación terciaria. Países OCDE 2007

Referido a las Comunidades Autónomas españolas, el peso del capítulo 1 en el conjunto

de gastos no financieros para el total del sistema educativo, la educación no universitaria y la
universitaria, se muestra en el cuadro 4.
En todas las Comunidades Autónomas, el peso del capítulo 1 es mayor en la Educación
no Universitaria que en la Universitaria (excepto en Cataluña, que tiene el mismo valor, y en
País Vasco), lo cual evidencia, en términos generales, la mayor necesidad de fundamentalmente
inversiones (capítulo 6).
Una dimensión dinámica de la estructura del gasto público educativo la proporciona la
evolución acaecida desde el año 2000, en el que la totalidad de las Comunidades Autónomas
cuentan con competencias transferidas lo que permite la homogeneidad de la información.
El cuadro 5 presenta la misma información que el cuadro anterior nº 4, pero referida al año
2000. La situación relativa respecto a la proporción que presentan los gastos de personal en las
distintas Comunidades Autónomas, varía escasamente entre el año 2000 y 2008 en la educación
no universitaria y en el total educativo. No ocurre lo mismo con el segmento universitario, en
el que hay una variación significativa respecto al lugar relativo de las distintas Comunidades
Autónomas.
Puede observarse como la mayoría de las Comunidades han disminuido el peso del capítulo
1 en la enseñanza no universitaria, excepto en el caso de Baleares, que parte en el año 2000
con una de las proporciones más bajas de capítulo 1. Esta contracción del peso de los gastos de
personal en la educación no universitaria repercute de manera generalizada en el total de los
gastos educativos excepto en caso ya comentado de Baleares y Asturias, debido al crecimiento del
peso del capítulo 1 en la educación universitaria.
Respecto a la educación universitaria, la evolución es muy poco homogénea, aproximadamente
la mitad de las Comunidades suben el peso del capítulo 1, aunque en la mayoría de los casos, son
las que presentaban menor proporción relativa de dicho capítulo en el año 2000.

383
 

384
4. Referencia a la estructura presupuestaria de gastos de las Comunidades Autónomas
Cabría pensar que la estructura presupuestaria del sistema educativo obedece a pautas más
genéricas existentes en cada Comunidad Autónoma respecto al gasto público no financiero. El
cuadro 6 refleja la distribución del gasto público en los presupuestos liquidados de cada Comunidad
Autónoma. Si comparamos con las tendencias más marcadas del capítulo 1 existentes en el gasto
educativo, con las presentadas en el gasto conjunto, la mayoría de las Comunidades Autónomas
que presentan rasgos destacados en cuanto a la presencia del capítulo 1 en el gasto educativo, lo
presentan en el gasto público conjunto, así destacan por una alta presencia de gastos de personal
Canarias, Castilla La Mancha y Extremadura, mientras que por baja proporción de capítulo 1
Cataluña, Navarra y País Vasco. No siguen esta tendencia Comunidad Valenciana y Murcia.

CUADRO 6
PRESUPUESTOS DE GASTO POR CCAA
LIQUIDACIÓN DE PRESUPUESTO DE LAS COMUNIDADES AUTÓNOMAS
OBLIGACIONES RECONOCIDAS NETAS. No incluye capítulos financieros
2008

TOTAL CAP.1 CAP.2 CAP.4 CAP.6 CAP.7

Andalucía 100 46,9 17,9 1,5 12,3 21,4

Aragón 100 51,5 18,0 1,7 12,7 16,2
Asturias 100 49,3 20,0 1,0 15,0 14,7
Baleares 100 44,9 24,4 2,9 10,8 17,0
Canarias 100 52,8 22,8 1,1 13,2 10,1
Cantabria 100 50,0 19,4 0,8 17,7 12,1
Castilla y León 100 50,0 13,1 1,0 18,9 17,0
Castilla-La Mancha 100 57,0 18,5 1,4 10,3 12,9
Cataluña 100 40,0 38,5 3,9 8,7 8,9
Com. Valenciana 100 54,4 25,8 3,8 8,8 7,2
Extremadura 100 51,6 18,6 1,0 20,9 7,9
Galicia 100 45,4 17,9 1,7 17,3 17,7
Madrid 100 54,5 30,8 2,1 7,4 5,2
Murcia 100 46,4 8,3 1,3 20,0 24,0
Navarra 100 42,4 19,0 1,2 11,7 25,7
País Vasco 100 29,8 49,9 0,3 5,2 14,8
La Rioja 100 49,6 23,3 1,6 12,3 13,2

Media no ponderada 100 48,0 22,7 1,7 13,1 14,5

Fuente: elaboración propia. Ministerio de Economía y Hacienda

5. Conclusiones
La comparación de la estructura del gasto público educativo por capítulos económicos no
financieros de las distintas Comunidades autónomas y distinguiendo el segmento universitario del
no universitario, refleja en ambos casos un predominio del capítulo 1, y de forma diferencial, un
mayor peso del capítulo 4 (transferencias corrientes) en el nivel no universitario y del capítulo 6
(inversiones reales) en el universitario.
Si bien la actividad educativa confiere inevitablemente un peso específico importante a
los gastos de personal, la comparación de dicho gasto de España en el marco de la OCDE muestra
como España ocupa uno de los valores más altos en la presencia de gastos de personal respecto al
conjunto de los gastos corrientes, sobre todo en el nivel universitario.
La evolución del peso del capítulo 1 entre los años 2000 y 2008, muestra en la enseñanza
no universitaria una disminución muy generalizada de la proporción que ocupa los gastos de
personal, mientras que en la enseñanza universitaria, la evolución de las Comunidades Autónomas

385
es muy dispar, casi igualándose las que aumentan el peso de capítulo 1 como las que disminuyen,
produciéndose en la mayoría de los casos, los aumentos, en las Comunidades que parten en el año
2000 de un menor valor relativo del capítulo 1.
La mayoría de las Comunidades Autónomas que presentan una proporción de capítulo 1
significativamente alejada de la media, presentan igualmente esta desviación en los presupuestos
liquidados del conjunto de gasto de la Comunidad Autónoma, lo que sugiere que dicha presencia
de los gastos de personal (marcadamente superior o inferíos a la media del conjunto de CCAA)
es reflejo de pautas más generales de la estructura de gastos generales, políticas de personal
y retribuciones, externas al propio sistema educativo, aunque este último participa de dicha
tendencia.

Referencias
De La Fuente, Angel (2006) : “La educación en las regiones españolas: algunas cifras preocupantes”.
Presupuesto y Gasto Público 44/2006. Instituto de Estudios Fiscales.

González López, María José (2004): La incidencia de la función financiera en las políticas
universitarias. Ed. Universidad de Granada. 2004.

Pérez Esparrells C. y Vaquero García A. (2009): “La financiación de la educación obligatoria en un

contexto de cambios demográficos y sociales”. Papeles de Economía Española nº 119. Madrid

Pérez García, José Antonio (2008): “Análisis de la evolución del comportamiento económico-
financiero de las universidades públicas españolas”. En Hernández Armenteros Dir. : La universidad
española en cifras 2008. Ed. CRUE. Madrid.

386
4. Public expenditure on education and skill formation: are there simple
rules to maximise skills?

Marcell Vaillant, Universidad de la República

Rossana Patrón, Universidad de la República

387
Public expenditure on education and skill formation: are there simple rules
to maximise skills?

Marcell Vaillant, Universidad de la República

Rossana Patrón, Universidad de la República

Abstract
The ratio of skill to unskilled labour stocks in the economy is widely acknowledged to have an
important role for development. Can education policy affect the evolution of this ratio? This paper
shows that it can, and it also shows that the actual effect of education policy depends on the
allocation rule of the budget across educational levels. The consideration of a stylized hierarchical
education model allows us to develop analytical conditions under which the allocation rule favours
the accumulation of skills. The analysis has implication for policy makers in developing countries,
where skill formation is much needed, because it shows that observed allocation rules usually
violate the maximization condition by the assignment of higher-than-optimal resources to higher
education.

Keywords: education budget, skills accumulation

JEL Classification: I21, I22, I28

1. Introduction
Even when the links between skills and growth, and hence education and growth, are well
established on theoretical grounds (mainly in the endogenous growth theory, see for instance,
Lucas, 1988, and Romer, 1986), the empirical evidence of these links is weak. To explain this, several
authors (Birdsall et al., 1998; Gemmel, 1996; Papageorgiou, 2003) have stressed the importance
of the distinction between the different stages of human capital creation for development and,
therefore, the relevance of considering the internal allocation rules of the education budget.
The skill-to-unskilled stock ratio in developing and developed countries shows significant
differences. According to UNESCO, the proportion of population with below upper secondary
as maximum educational attainment of adult population in the OECD country members is, on
average, 29% (data for 2005), whereas the proportion of lower secondary as maximum attainment
in developing countries is much higher; for instance, in Brazil, the rate is 70.5%, and it is even
higher in many African countries, with rates over 90%. Explanations to this gap are easy to
find, as in developing countries, the accumulation of skills is hindered by inefficient education
systems, often aggravating funding difficulties.
For this reason, the system structure matters because the performance at earlier stages
affects the output at higher levels; the budget allocation rule should take this into account. To
analyze this point, hierarchical education models have been used by Driskill and Horowitz (2002,
2009) and Su (2004). As noted by Su (2004), hierarchical structure in educational systems implies
that levels are not perfect substitutes, which means that different allocation of similar budget
size have different effects on aggregate efficiency and distribution. This paper discusses the
allocation rules of the educational budget in a stylized two-level education system characterized
by internal inefficiency. Dealing with inefficiency optimally will allow the achievement of a
maximum ratio of skill to unskilled labour, considered the target. The simplicity of the model
allows the development of analytical conditions under which the allocation rule favours the
accumulation of skills and allows the development of several clear-cut policy recommendations
that may serve as a guide to policy makers.
This article is organized as follows. Section 2 describes the current situation regarding
education budget allocation and accumulation of skills. Section 3 presents the education model

388
and its properties. In Section 4, the conditions to maximize the stock of skills are discussed. The
conclusion is presented in Section 5. An Appendix with mathematical details also is presented.

2. The current situation

The distribution of skills across countries varies considerably, especially between developed
and developing countries (see Table 1). In developing countries, the majority of the population
(above a half) has primary education or less as maximum educational attainment, whereas in
developed countries, the proportion of the population with tertiary education is more than one
third of the total population, and it is as high as 46% in the case of Canada.

Table 1. Educational attainment of the adult population. Distribution of the population aged 25
and older, by highest level of education attained (in percentages)

No schooling
Country Year and primary
complete or Lower Upper Tertiary
incomplete secondary secondary education
Argentina 2004 43.8 14.2 28.4 13.6
Bangladesh 2001 73.3 9.6 12.9 4.2
Botswana 2000 75.3 15.7 5.9 3.1
Brazil 2004 57.5 13.0 21.2 8.1
Chile 2004 24.0 26.0 36.9 13.2
Costa Rica 2007 50.9 13.8 18.5 15.0
India 2000 77.7 12.4 6.5 3.3
Kuwait* 2006 55.2 19.2 17.2 8.3
Mauritius* 2000 60.5 18.6 17.6 2.6
Mozambique 2000 96.9 2.3 0.8 0.1
Nigeria 2000 97.1 1.8 0.7 0.4
Uganda 2002 88.5 5.1 1.6 4.8
Uruguay 2006 52.8 22.4 15.1 9.6
Australia 2005 9.1 25.8 33.3 31.5
Canada 2004/2005 4.9 9.9 39.2 46.1
Finland* 2006 22.0 8.9 38.8 30.3
Ireland* 2006 23.7 16.3 31.2 26.4
Japan 2004/2005 60.1 40.0
New Zealand 2005 21.3 51.6 27.1
Republic of
Korea 2005/2006 11.9 12.6 43.9 31.6
United
Kingdom 2004/2005 14.4 55.9 29.6
United States 2005 6.3 8.5 49.0 36.2

Notes: Last data available. Total may differ from 100% because of missing information or
rounding.* Upper secondary includes postsecondary nontertiary.
Source: Own elaboration with data from UNESCO/UIS WEI (www.uis.unesco.org/publications/
wei2007); UNESCO, Global Education Digest 2009; Barro and Lee data set.

In many developing countries education systems show several weaknesses, especially in

quality and coverage. In many cases, the expenditure on public education per student is far
behind that in the developed world, but as argued by Birdsall et al. (1998), Gemmel (1996), and
Papageorgiou (2003), both the size and the efficiency of the allocation of the public funds for
education are relevant for the overall systemic performance.

389
 A hint on allocation rules can be obtained by examining Table 2, which shows that, in
general, although the government preferences do not differ very much across developing and
developed countries in terms of the size of the budget (measured by the public expenditure on
education as % of GDP, shown in the last column of the table), there are significant differences in
the preference over the budget allocation (measured by the public expenditure per pupil as a %
of GDP per capita by education level, shown in the first, second, and third data columns). As can
be seen in Table 2, countries such as US and Japan have a perfectly flat allocation pattern (levels
“equally preferred”), and in general, developed countries have a quite even distribution, with the
exception of Korea, which allocates less than average to higher education. The situation among
developing countries is more heterogeneous. For instance, whereas in countries, such as Chile and
Argentina, the distribution is quite flat, there are many countries that display strong preferences
for higher education, some of them extraordinary high, such as Mozambique and Botswana.
Considering the data in Tables 1 and 2, the observed differences in educational budget
allocation rules and systemic performance (measured by the educational attainment of the
population) lead to the question of the role of budget allocation in skills formation. For instance,
as noted by Gemmel (1996), there is a key skill level for each development stage: human capital
effects on growth are most evident at the primary level in low-income countries; for higher
income developing countries, the key is the secondary level, whereas the tertiary level is the
most relevant in developed countries. Thus, according to this approach, many African countries
would be using allocation rules contrary to their development needs. In the long term, the
disparity between skills endowment between the rich and poor countries is likely to widen, as
richer countries are able to invest more money to expand and improve their educational services,
generating virtuous or vicious circles

Table 2. Public expenditure per pupil as a % of GDP per capita by education level and public
expenditure on education as % of GDP
Public expenditure per pupil as a % of GDP per Public
capita expenditure on
education as %
COUNTRY Primary Secondary Tertiary All levels of GDP
Argentina 12 19 13 14 4
Bangladesh 9 15 46 13 2
Botswana 16 41 450 34 10
Brazil 14 12 34 15 4
Chile 12 13 13 13 3
Costa Rica 17 17 36 19 5
India 9 17 58 15 3
Kuwait 12 16 102 22 5
Mauritius 12 19 37 17 4
Mozambique 16 69 570 23 5
Nigeria 31 46 366 34 3
Uganda 11 32 179 14 5
Uruguay 8 10 18 11 3
Australia 17 16 24 18 5
Finland 18 32 35 28 6
Ireland 15 22 25 19 5
Japan 22 22 20 22 4
New Zealand 19 22 28 22 6
Republic of Korea 18 23 9 17 4
United Kingdom 20 25 30 24 5
United States 22 24 24 23 6
Note: Averages of available years 2004-2006.

390
 Source: Own elaboration with data from UNESCO data base http://stats.uis.unesco.org/unesco/
ReportFolders/ReportFolders.aspx

This article focuses on the role of budget allocation rules on the skill formation process.
Under this approach, considering a desired target of skill share in labour produce, policy makers
could allocate resources accordingly. The conditions to do this efficiently will be discussed in the
rest of the paper.

3. The education model

As the learning process is cumulative, the indicator f m is defined as fm = ∑ qj , which
m
is the knowledge accumulated per student who has completed up to level m , where q j is the
accumulation at j . The indicator f m measures the human capital accumulated during the
schooling process; the q j accumulated at different levels are not€perfect substitutes, so the
allocation of resources across them will affect human capital accumulation.
A two-level education system is considered, consisting of basic and higher education
( )
( j = B, H ), The output per student is q j = q j k j , where k j measures the resource intensity
per student, and ∂qj ∂kj > 0 , ∂ qj ∂ kj < 0 , it is assumed to measure “school quality.” Students
2 2

leave the system early when the quality of education they receive is poor; the output per student
is taken as the determinant of early dropouts, θ = θ ( qB ) , where ∂θ ∂qB < 0 and ∂ θ ∂ qB < 0
2 2

. € €
The composition of the inflow of labour produced depends on time of exit and on school quality.
Thus, the accumulation process is driven by
€ € €
dLU =θ E B fB
dL S = E H fH = (1− θ )E B fH

€ where θ is the early exit rate, and dLU and dL S are the inflow of units of unskilled and skilled
€ labour, respectively. The marginal ratio of skilled to unskilled labour produced can be defined
as:
dL S 1− θ fH
€ ξ(kB ,kH ) = = € €
dLU θ fB
The ratio of skilled to unskilled labour in the economy is modified by ξ . When ξ > L S LU , where
LS and LU are the stocks of skilled and unskilled labour, respectively, the ratio of skilled to
€
unskilled labour in the economy rises; it declines when ξ < L S LU and remains unchanged when
growth is balanced € €
As the marginal ratio ξ is dependent on the capital intensity of the basic and high education,
totally differentiating and after some manipulation results:
^ €
⎛ fH ⎞ SŲ
ξŲ= ⎜ ⎟+ €
⎝ fB ⎠ θ
where a hut (^) placed over the variables denotes rate of growth, and S is the survival rate defined
as S = 1− θ .
€ The evolution of ξ depends on the effects of allocation on the survival-to-exit rate and on the
relative human capital accumulation across levels. This is presented in Figure 1, considering
⎛ 1− θ ⎞ 2 ⎛ 1− θ ⎞
⎟ ∂kB > 0 ∂ ⎜ ⎟ ∂ kB < 0
2
€ ∂⎜
, ∂( fH fB ) ∂kB < 0 , and ∂ ( fH fB ) ∂ kB > 0 , which implies
2 2
⎝ θ ⎠€ , ⎝ θ ⎠
the variability of ξ over kB .
391
€ € € €
€ €
 Figure 1

1− θ
θ

€ fH
fB

kB
€

€ determine the sign of ξ . In general, dξ > 0 when

Specific conditions allow to

d( fH fB ) d(1− θ θ )
>−
fH fB (1− θ ) θ € €

4. Properties and implications

€ The properties of ξ , the conditions under which dξ > 0 and its implications, will be
analyzed in what follows.
Property 1. ∂ξ ∂kB > 0 if εθ qB > sH (1− θ ) , where sH = qH fH and εθ qB = − ∂θ ∂qB qB θ . (See
Appendix for Demonstration
€ 1) €

€ The capital intensity in basic education

€ will have a positive effect on the marginal ratio
€ €
of skilled to unskilled labour if the elasticity of the dropout variable to the quality of basic
education is high. So, for a given sH , if the survival parameter is too low, the higher the
possibility that the increase in capital intensity in basic education have a positive effect on the
marginal ratio ξ .
Implication1. ξ is a non monotonic function of k B . It follows from the demonstration that
∂ξ ∂kB has an indeterminate sign.
Implication
€ 2. ξ is a non monotonic function of K .
This can be seen by totally differentiating ξ :
€
∂ξ ∂ξ
€ dξ = dkH + dkB
∂kH ∂kB ∂ξ 1− θ qH'
€ = >0
where considering that the sign of ∂ξ ∂kB is indeterminate and that ∂k θ q , coupled
€ H B
with that by definition ∂kj ∂K > 0 , j = B, H , it follows that ξ is a non monotonic function
of K .
€
Proposition 2. The allocation € of more resources to basic education (with fixed budget and
€
enrollment) will increase the marginal ratio of skilled to€unskilled labour, that is, dξ dkB > 0 , if
€
εθ qB
> sH (1− θ )
ε qB kB +ε qH kHε khkB
€
where εθ kB = − ∂θ ∂kB kB θ , ε hH kB = − dkH dkB kB kH and ε qj kj = − ∂qj ∂kj kj qj , j = B, H . (See
the Appendix for Demonstration 2).
€

€ € € 392
 Implication 3. Considering that k B = B B k , where BB = K B K , when dξ dkB > 0 it also holds
that dξ dBB > 0 , assuming k is constant.

5. Are there clear-cut policy recommendations?

€
For a given budget, it is possible to find a rule to maximize the skill to unskilled ratio of
labour produced by maximizing ξ(kB ,kH ) subject to K = K B + K H and technology parameters.
€
From the first order conditions, follows that
dξ εθ kB
=0⇔ = SH (1− θ )
dkB ε qH kHε kH kB +ε q€k
B B . €
where εθ kB = − ∂θ ∂kB kB θ , ε hH kB = − dkH dkB kB kH , and ε qj kj = − ∂qj ∂kj kj qj , j = B, H . The
program has no closed solution, but some clear hints can be obtained. It can be shown that
€ εθ kB
ε€ ξ kB = [ ]
− sH ε qH kHε kH kB +ε qB k B
€ 1− θ € €
Considering also the “quasi-neutral” assumption on education technology that ε qB kB = ε qH kH = ε qj kj
, the above expression can be written as:
€ θ ⎛1 ⎞ s
ε ξ kB = εθ kB ⎜ − sHε qj kj ⎟ − H ε qj kj
1− θ ⎝θ ⎠ BH €
where B H = K H K is the participation of higher education in the total budget.

€ The determinants of the elasticity of ξ with respect to the resource intensity in basic
education can be shown using the above expression. It shows that the elasticity of the marginal
ratio of skilled to unskilled labour relative to the resource intensity in basic education is
higher:
€

- The higher is εθ kB , the responsiveness of the early exit rate to the resource intensity.
- The higher is sB ( sB = 1− sH ), the contribution of basic education in total human capital
accumulated.
- The lower
€ is B B ( B B = 1− B H ), the participation of basic education in the total budget.
€ €
The level of the early exit rate (θ ) has an ambiguous role. The former aspect listed is
a pure technology parameter, the latter is a pure policy variable; the second value listed is a
€ €
combination of technology and policy aspects. Note that the education technology plays a crucial
role. For instance, in an extreme case, εθ kB could be zero, in which case, the effect on ξ of an
€
increase in kB would be negative.
These results imply that in many developing countries with bad systemic outcomes due to
the poor performance of basic education, the increase in the share of resources to basic education
€ €
( B B = K B K ) could be more effective in terms of increasing the amount of skill labour in relation
€
to unskilled.

6 ...an explanation to poverty traps?

€
Some countries seem to be lagging behind global pace of accumulation of skills. Is catching
up possible? The poor performance of the education sector in many countries cast serious doubts
on this. In most of developing countries the share of the population (aged 25 and over) which
has primary education as the highest level of educational attainment is around a half or over, in
the US the United Kingdom and most of developed countries this share is below 10%. In the other
extreme, while the share of less developed countries speed had made a significant difference: for
instance, according to Barro and Lee data set in 1960 the average years of schooling in Uruguay
was 5.3, higher than Republic of Korea where it was 3.23; however, during the period 1960-2000

393
 the average attainment in Korea rose 7.23 years while in Uruguay it rose only 2.22 years. As
pointed out by Duryea and Pages (2002) for the Latin American case: “In general, the prospects
are dim because progress in raising average schooling levels has been slow even under the best
historical scenarios.”
So some questions arise: What happened? How bad this gap could be? Is there anything
that can be done to reverse this situation? These are key questions for many developing countries.
As poor countries are lagging behind the global pace of accumulation of skills, the unsatisfactory
performance of the education sector seems to be a central aspect of the problem, so, there would
be broad scope for policy action to reverse the situation. Indeed education policy can regulate the
level of speed of the accumulation process, by means of suitable strategies aiming at improving
systemic efficiency.
Let focus on the Korea-Uruguay case. For computation purposes, efficiency units are
disregarded. Let assume that the central authority set as an objective to achieve a certain objective
level of skill to unskilled labor ξ * in a minimum period of time, given the budget constraint.
Assuming a constant variation in each magnitude it is possible to describe the route to the target
as:
*
L S 0 + TdL S ⎛ L S ⎞ €
=⎜ ⎟
LU 0 + TdLU ⎝ LU ⎠

where T is the time required to reach a desired target of skilled to unskilled ratio (LS LU )* ,
from a starting situation LS 0 LU 0 , given the flows dL S , dLU . By extension, the initial and the
€ * *
target ratios can be written as: ξ = ( L S LU ) and ξ0 = L S 0 LU 0 , then the following expression
for results:
ξ * − ξ0 € €
T = ( LU 0 dLU )
ξ − ξ* € €
where it holds that ∂T ∂θ > 0 and ∂T ∂K < 0 . Assuming ξ * − ξ0 > 0, the above expression
shows that time will be higher the farther is the target from the current situation, and it will be
€ lower the greater is the marginal ratio. But the target is only feasible when ξ > ξ * , so speed is
not the only problem but feasibility too.
€ €
For instance, in 2006 ξ = 0.16 in Uruguay € and ξ0 = 0.11 (see Doneschi and Patron,
2010), while in Korea 0 ξ = 0.46 (UNESCO data). An Korea-like ratio as target ( ξ * = 0.46 ) is
* €
unfeasible for Uruguay given 2006 values, as ξ < ξ . So the speed may not be the problem, as it
may be is much worse:€the target is unfeasible if the € generation of skills follow the current trend
as feasibility requires ξ > 0.46. This value would imply that the share of tertiary graduate in the
€ €
flow should rise to at least 32% (from 14% in 2006) to be able to reach Korea current levels of
€
skills (i.e. 2005/6) at some point in time (soon or later).
So, is catching up the developed world levels of skills always possible for developing
€
countries? The poor performance of the education sector in many countries cast serious doubts
on this, though education policy could regulate the level and speed of the accumulation process
by means of suitable strategies aiming at improving systemic efficiency. So, the question that
not only the speed of skill accumulation that matter but that the question might be one of
unfeasibility.

7. Conclusions
The ratio of skill to unskilled labour stocks in the economy is widely acknowledged to have
an important role for development. Can education policy affect the evolution of this ratio? This
paper shows that it can, and it also shows that the actual effect of education policy depends on
the allocation rule of the budget across educational levels.
The skilled-to-unskilled ratio of the inflow of labour created depends on the internal

394
efficiency of the education sector. The cumulative nature of the education process leads to
asymmetries between educational levels, particularly in presence of systemic inefficiency. This is
so because school failure at the basic level leaves the few entrants to higher education with high
output per student: few highly qualified graduates. The consideration of a stylized hierarchical
education model allows us to develop analytical conditions under which the allocation rule favours
the accumulation of skills.
The analysis has implication for policy makers in developing countries, where skill formation
is much needed, as it shows that observed allocation rules usually violate the maximization
condition by the assignment of higher than optimal resources to higher education. A further
implication is that, as long as the marginal skill-to-unskilled ratio regulates the wage gap, a less-
than-maximum value would worsen the wage distribution.

References
Birdsall, N., J. Londono and L. O’Connell (1998): “Education in Latin America: demand and
distribution are factors that matter”. Cepal Review, vol. 66, 39-52.

Doneschi, A., and R. Patron (2010): Educación y mercado de trabajo: metodología y cálculo de
flujos laborales por calificación. Uruguay 1998-2008. Departament of Economics, University of
Uruguay, Teaching Notes Series.

Driskill, R. and A. Horowitz (2009): “Hierarchical human capital and economic growth theory and
evidence”. Journal of Institutional and Theoretical Economics 165, 723-743.

Driskill, R. and A. Horowitz (2002): “Investment in hierarchical human capital”. Review of

Development Economics, vol. 6, no.1, 48-58.

Gemmel, N. (1996): “Evaluating the impacts of human capital stocks and accumulation on
economic growth. Some new evidence”. Oxford Bulletin of Economics and Statistics, vol. 58, 9-28.

Lucas, R. (1988): “On the mechanics of economic development”. Journal of Monetary Economics,
vol. 22, 3-42.

Papageorgiou, C. (2003): “Distinguishing Between the Effects of Primary and Post-primary

Education on Economic Growth”. Review of Development Economics, 7 (4), 622–635.

Romer, P. (1986): “Increasing returns and long run growth”. Journal of Political Economy vol. 94,
no.5, 1002-1037.

Su, X. (2004): “The allocation of public funds in a hierarchical education system”. Journal of
Economic Dynamics and Control 28, 2485-2510.

395
 APPENDIX

Preliminary results

The educational budget constraint is:

K = KB + KH

By definition k = kB + (1− θ ) kH , where k = K E B . Thus,

dkH = − [1− θ − (k − kB )] dkB (1− θ )2 (A.1)

Also, after some manipulation, the above expression can be written as:
€ K θ €
ε kH kB = B + εθ kB
€ K H 1− θ (A.2)
where εθ kB = − ∂θ ∂kB kB θ and ε hH kB = − dkH dkB kB kH

€ Demonstration 1
€ €
Totally differentiating ξ results in the following:
∂ξ ∂ξ
dξ = dkH + dkB
∂kH ∂kB (A.3)
where €
∂ξ 1 ⎡ qH ' θ '⎤
=− ⎢(1− θ ) qB + (qB + qH ) ⎥
€ ∂kB θqB ⎣ qB θ ⎦ (A.4)
and
∂ξ 1− θ qH'
=
€ ∂kh θ qB (A.5)

While the sign of ∂ξ ∂kH > 0 , that for ∂ξ ∂kB is indeterminate. The conditions under
€ which ∂ξ ∂kB > 0 are easy to find. Considering the following definitions, SH = qH fH and
εθ qB = − ∂θ ∂qB qB θ = −θ ' qB θ , and substituting in Equation A.3 after some manipulation, the
following is€obtained €
€ ∂ξ
> 0 ⇔ εθqB > SH (1− θ ) €
€ ∂kB .

€
€

396
 Demonstration 2

Inserting in A.1, A.4, and A.5 in A.3, using A.2 and the definitions εθ kB = − ∂θ ∂kB kB θ and
εθ kH = − ∂θ ∂kH kH θ , after some manipulation, the result is as follows
dξ εθ kB
>0⇔ > SH (1− θ )
dkB ε qH kHε kH kB +ε qB kB . €
€

It also can be shown that

€ €
εθ kB
ε ξ kB =
1− θ
[
− SH ε qH kHε kH kB +ε qB k B ]

Inserting A.2 in the above expression, and defining BH = K H K , and considering the “quasi-
€
neutral” assumption that ε qB kB = ε qH kH = ε qj kj , the following is obtained:

εθ kB S
ε ξ kB = 1− S ε θ ] −
[ H
ε qj kj
1− θ
H qj kj
€ B H .

397
5. Estructura, diferenciación y convergencia de los aranceles universitarios
en Chile, 1999 a 2009

Victor Salas Opazo, Universidad de Santiago de Chile

398
Estructura, diferenciación y convergencia de los aranceles universitarios en
Chile, 1999 a 2009*

Victor Salas Opazo**, Universidad de Santiago de Chile

Resumen
El artículo analiza las tendencias globales y particulares de los aranceles en las distintas carreras
e instituciones universitarias chilenas. El sistema de educación superior en Chile es complejo y
diverso, no sólo por las actividades realizadas por las universidades (docencia, investigación y
extensión), sino también por la estructura de precios (aranceles) que cada una de ellas cobra a
sus estudiantes. Un aspecto destacable es la persistente diferencia entre los aranceles cobrados
por universidades tradicionales y privadas, tanto entre ambos conglomerados como al interior de
ellos. En este mercado compite un gran número de universidades que, según los demandantes (los
potenciales alumnos), producen bienes diferenciados, sus instituciones tienen libertad de entrar
y salir. La competencia no sólo se da en base al precio del producto –no producen commodities
– sino que también en términos de calidad efectiva o creada mediante actividades de marketing.
Ninguna universidad tiene posición dominante en el mercado respecto de la docencia de pregrado,
de tal forma que no imponen sus condiciones ni afectan las acciones del resto y la colusión es
prácticamente imposible. En resumen, el mercado se caracteriza por una baja tendencia a la
especialización lo que redunda en importantes ineficiencias al interior del mismo que mantienen
las diferencias arancelarias. En la segunda parte del estudio se analiza la persistencia en el
tiempo de las estructuras arancelarias universitarias. Se utiliza la hipótesis de convergencia de
la teoría del crecimiento económico, aplicando las respectivas condicionantes y asumiendo que
existirán mayores similitudes entre diversos conglomerados de universidades: tradicionales -
privadas; regionales - metropolitanas; complejas - no complejas; grandes - medianas - pequeñas.
Las distintas agrupaciones de universidades indican, en general, bajos valores en las pendientes
y una baja convergencia, implicando que aproximadamente entre 8 y 17 años se llegaría a niveles
similares en los aranceles cobrados por los distintos planteles del sistema.

Palabras Claves: universidades, investigación, docencia pregrado, capital académico, política

pública.

Clasificación JEL: I23; I28; H52; J24; D24.

Correspondencia a: Departamento de Economía, Universidad de Santiago de Chile. Av. Bernardo

O’Higgins 3363. Santiago, Chile 562-718-0769. Dirección electrónica: victor.salas@usach.cl

1. Introducción
A partir de una revisión sistemática de la realidad del sistema, se describen las principales
tendencias de los aranceles, tanto de cada una de las universidades chilenas como de sus
agrupaciones y se da cuenta de la evolución de este importante precio relativo.
Adicionalmente, y a modo de ejercicio exploratorio utilizando instrumental econométrico
apropiado, se busca identificar la existencia o no de patrones de convergencia en los aranceles del

* Este artículo se enmarca en el área de investigación en economía de la educación, desarrollado por el autor en el
Departamento de Economía de la Universidad de Santiago. Recibió los comentarios y observaciones del profesor Mario
Gaymer, académico del Departamento de Economía. Este estudio contó con la eficiente colaboración del Ayudante de
Investigación, Matías Muñoz Berríos, Ingeniero Comercial, mención Economía de la Universidad de Santiago de Chile.
Cualquier error es, sin embargo, de responsabilidad del autor.
** Doctorandus in Economics Science, Katholieque Universiteit te Leuven, KUL, Belgium y Profesor Titular del
Departamento de Economía de la Universidad de Santiago de Chile.

399
sistema, con el fin de comprender la dinámica de los mismos y extraer elementos que permitan
caracterizar de mejor manera la estructura del mercado de la educación superior en Chile.
El artículo se estructura en las siguientes secciones. La sección 2 describe los aspectos
metodológicos básicos utilizados para la estimación de los aranceles promedio anual de cada
universidad y los criterios para agruparlas. La sección 3 entrega una visión de la estructura
global y la evolución de los aranceles en el sistema universitario chileno y de los principales
conglomerados universitarios del país (universidades tradicionales y universidades privadas). La
sección 4 discute la evolución de los aranceles en las universidades Tradicionales, pertenecientes
al Consejo de Rectores de Universidades Chilenas, CRUCh, y los subgrupos observables entre ellas;
la sección 5 analiza el caso de las universidades privadas y sus subgrupos. La sección 6 realiza un
análisis comparado de los diversos conglomerados de universidades, tradicionales y privadas. La
sección 7 analiza la situación observada en las universidades que realizan docencia de pregrado
vespertina. La sección 8 discute, a nivel teórico, la eventualidad de la convergencia en los niveles
y tasas de crecimiento de los aranceles, en la perspectiva de la consecuencia lógica de un mercado
competitivo. La sección 9, analiza los resultados en convergencia, observados en las estimaciones
econométricas realizadas. Finalmente, la sección 10 concluye.

2. Aspectos Metodológicos
La variable objeto de análisis en este estudio es el Arancel cobrado por las universidades
en las distintas carreras que ofrecen, diurnas y vespertinas. Se trata de identificar el valor de
mercado de la educación universitaria, considerando sólo lo precios efectivamente pagados. Por
ello, no se incorporan los costos adicionales en que incurre un estudiante durante sus años
de estudios (costo de oportunidad por no trabajar, costos de mantención durante su período
estudiantil y otros).
Para realizar sus estudios superiores los alumnos pagan el Arancel Anual de la Carrera,
que corresponde al valor anual de sus estudios. Este es el valor que se considera como variable
relevante para el análisis en el presente trabajo. Las estimaciones no incluyen la cuota básica de
matrícula.
Para analizar todo el sistema universitario, se tomó el período 1999-2009, para el cual
existe suficiente información comparable de las distintas carreras e instituciones. En el cálculo
se utilizaron los datos de aranceles cobrados a los alumnos del primer año de todas las carreras
de las Universidades del país, obtenidos de las Bases de datos oficiales sobre la oferta de carreras
del Consejo Superior de Educación ahora Consejo Nacional de Educación, CNED, y de la División
de Educación Superior del Ministerio de Educación de Chile. Pese a todas sus debilidades157, estos
datos proveen adecuados indicios sobre las tendencias básicas del sistema respecto de la variable
aranceles universitarios.
La estructura y conducta seguida por los aranceles de las universidades en Chile es analizada
según las diversas agrupaciones que se pueden hacer para estas corporaciones. Luego, el análisis
se realizará agrupando las universidades según los siguientes criterios: momento de creación,
propiedad, tamaño de su matricula de pregrado y profundidad de las actividades que realizan.
Así se tienen Universidades Tradicionales (pertenecientes al Consejo de Rectores) y universidades
Privadas. Entre las tradicionales están las Estatales y las Tradicionales Privadas. Entre las últimas
están las Católicas y No Católicas. Según tamaño se agrupan las universidades, tradicionales y
privadas, como Grandes (de más de 10.000 alumnos de matrícula de pregrado), Medianas, entre
4.600 y 10.000 alumnos matriculados y Pequeñas, menos de 4.600 alumnos. Desde la perspectiva
157 Son Bases oficialmente entregada por las Universidades para ser publicada por el Consejo Superior de Educación
y el Ministerio de Educación a fin de orientar las postulaciones, aunque la información no es confirmada por estos
organismos. Los datos de aranceles de algunas carreras, a veces, terminan siendo modificados por las instituciones;
los cupos de alumnos nuevos que se ofrecen por carrera, a veces, también son modificados posteriormente; incluso
algunas carreras no son finalmente puestas en marcha. Pero, estos son casos especiales y no la generalidad. Aún en
el caso que esto ocurriera permanente y generalizadamente, de todas maneras la tendencia de los datos en el período
de análisis (1999-2009) mantendría el sesgo o lo compensaría.

400
de localización se clasifican a las universidades Tradicionales entre las instaladas principalmente
en la Región Metropolitana, RM, y las Universidades de Regiones, otras que no estén en la RM. En
el caso de las universidades privadas, varias de las cuales tienen sedes a lo largo del país, se toma
en cuenta como localización la ciudad y región donde tiene su casa central. Se categoriza como
universidades completas y complejas a aquellas que realizan investigación científica de manera
relevante, participando durante la última década, en un porcentaje superior a 1%, en los fondos
de investigación concursados por FONDECYT, como incipientes a aquellas que en los últimos años
han logrado entre 0,5% y 1% de esos fondos de investigación y no completas a aquellas que
obtienen menos de 0,5% o nada en FONDECYT, criterio aplicadas tanto para tradicionales como
privadas.
A partir de las cifras disponibles para cada año del periodo se estimó el arancel promedio
para cada universidad, cada agrupación y para el sistema universitario. El arancel promedio de
cada universidad corresponde a un promedio ponderado de los aranceles de cada carrera por el
número de nuevos estudiantes ingresados en cada año, y se expresa en términos reales, a pesos de
Diciembre de 2010158. Resulta multiplicando precio (arancel) por cantidad (número de estudiantes
nuevos), para finalmente dividir el ingreso por el número total de estudiantes nuevos (matrícula
de primer año) de la universidad (en éste caso), lo que permite obtener sólo el efecto precio dado
por:
( ∑ P * Q ) ∑Q
Para determinar el arancel promedio de cada conglomerado y del sistema se utiliza el
mismo procedimiento anterior. En este caso, se multiplica el arancel promedio de cada universidad
perteneciente al conglomerado€ por la matricula nueva total de la correspondiente universidad.
Los valores obtenidos por cada universidad son sumados y el total del conglomerado se divide por
la matricula nueva total del conjunto.

3. Estructura de Aranceles del Sistema Universitario Chileno

El mercado de carreras profesionales dictadas por las universidades chilenas ha estado,
en la última década, sometido a un creciente proceso de competencia, especialmente debido
al fortalecimiento y expansión de la matrícula de las universidades privadas, que se manifiesta
con mayor fuerza a partir del año 2000. La matrícula total de pregrado crece desde 271.426
alumnos en 2000, hasta 443.877 alumnos en 2009, mientras que la matrícula de las universidades
privadas aumenta desde 76.122 a 214.824 en igual período, mostrando estas últimas una tasa de
expansión, entre 2000 y 2009, de 182% versus el 64% observado para todo el sistema.
La competencia llevó en los últimos años de la década de los noventa y principios del
2000 a que las universidades tradicionales también inicien un proceso de fuerte incremento
en los aranceles cobrados por su docencia de pregrado, de $1.650.680 en 1999 a $2.030.364 en
2003 (ver tabla 1), aumentando sus aranceles entre ambos años en 23% en términos reales, en
la búsqueda de financiar sus presupuestos, permanentemente en desequilibrio, y de conseguir el
mejor “precio” por su producción docente, lo que hasta ese momento, beneficiaba ampliamente
al segmento de universidades privadas. Al tomar esta estrategia de “precios” las universidades
tradicionales asumen implícitamente que sus servicios son de mejor calidad al proporcionado
por las instituciones privadas y que ello será reconocido por los postulantes a las carreras
universitarias.

158 Se utiliza la metodología de cálculo para actualización de valores sobre la base del nuevo IPC e índice de
Remuneraciones elaborados por el INE y publicada en el Diario Oficial de la República de Chile, viernes 29 de Enero
de 2010.

401
Tabla 1. Aranceles del sistema Universitario. Universidades Tradicionales y Privadas.
Promedio Ponderado anual (Pesos de Diciembre 2010)
Universidades 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

Valores de aranceles

2.460.9
Privadas 2.151.096 2.141.509 2.203.828 2.185.329 2.351.321 84 2.382.490 2.436.644 2.380.769 2.371.509 2.609.403

Tradicionales 2.169.0
Privadas 1.762.448 1.877.619 2.012.459 2.155.206 2.324.370 05 2.246.631 2.251.242 2.309.836 2.297.590 2.590.810

2.179.
Sistema 1.794.576 1.839.828 1.929.629 1.983.451 2.147.115 853 2.171.141 2.243.329 2.237.977 2.214.622 2.481.027

1.994.2
Tradicionales 1.650.680 1.711.147 1.805.417 1.882.972 2.030.364 31 2.012.951 2.085.817 2.113.137 2.079.296 2.360.626

Tradicionales 1.868.3
Estatales 1.576.598 1.596.061 1.651.157 1.685.995 1.810.302 93 1.827.048 1.978.176 1.955.145 1.909.173 2.175.965

Crecimiento anual

Tradicionales
1,23% 3,45% 2,11% 7,37% 3,21% -2,21% 8,27% -1,16% -2,35% 13,97%
Tradicionales
Privadas
6,53% 7,18% 7,09% 7,85% -6,68% 3,58% 0,21% 2,60% -0,53% 12,76%
Sistema
2,52% 4,88% 2,79% 8,25% 1,52% -0,40% 3,32% -0,24% -1,04% 12,03%
Privadas
-0,45% 2,91% -0,84% 7,60% 4,66% -3,19% 2,27% -2,29% -0,39% 10,03%
Tradicionales
Estatales
1,23% 3,45% 2,11% 7,37% 3,21% -2,21% 8,27% -1,16% -2,35% 13,97%

Fuente: Elaboración propia a partir de la Base de datos INDICES del Consejo Nacional de Educación,
CNED.

Sin embargo, esa estrategia fue exitosa principalmente para las tradicionales privadas, que
tenían mejor posicionamiento que las tradicionales estatales.
Entre los años 1999 y 2009, el arancel promedio anual por alumno del sistema universitario
incrementó su valor, en términos reales, desde $ 1.794.576 a $2.481.027 en pesos diciembre 2010159,
lo que significa una tasa de aumento de 38,25% entre ambos años. A su vez, las universidades
Tradicionales muestran un aumento de 38,02% para el mismo período, que es contrarestada con el
crecimiento de las Tradicionales Privadas con un 47% y un crecimiento para el período de 21,31%
de las universidades Privadas. Pese a esto último, los aranceles de las universidades Privadas son
1,11 veces superiores a los de las Tradicionales, aunque tienden a converger en el tiempo.
Del análisis de las tendencias globales del sistema, se destaca que los aranceles anuales
de las universidades privadas tradicionales tienen un comportamiento fluctuante que los otros
grupos, que parecen tener un comportamiento afín. Este mismo grupo muestra tasas de crecimiento
negativas en los años 2004 (-7,16%) y 2008 (-0,53%). En el año 2000, en circunstancias en que el
PIB de Chile había mostrado en 2009 una caída del 0,7%, el crecimiento anual del sistema estuvo
en el orden de 2,46%. Sólo el grupo de las universidades Privadas se ajusta, disminuyendo sus
aranceles en -0,45%. En el último año analizado (2009) todos los grupos aumentan sus aranceles
a tasas significativas, las universidades Tradicionales en 12,26%, las Tradicionales Privadas en
11,32% y las Privadas en 9,12%.
El crecimiento total de las universidades Tradicionales Privadas en el período es de 47%,
contrarestado por sólo un 21,31% del resto de las Universidades Privadas. Esto ayuda a que la
brecha entre ambos grupos se esté acortando fuertemente en los últimos tres años, reduciéndose
en 2009 el diferencial a sólo $18.593, que representa apenas el 4,8% de la diferencia que existían
en 1999 ($388.647).
Los aranceles de las universidades Tradicionales Estatales están permanentemente por
debajo del resto de los grupos. El diferencial de este grupo con las Privadas es de $433.438 en el
2009, reduciéndose en 25% la diferencial de 10 años atrás, que era de $574.497, mostrando así
159 Expresados en dólares (promedio del dólar observado del mes de marzo 2011) los aranceles alcanzan los siguientes
valores U$3.741 en 1999 y 5.173 en 2009.

402
una lenta tendencia a acercar el valor de sus aranceles entre ambos grupos.

4. Estructura y Evolución de Aranceles en las Universidades Tradicionales

A pesar de ser las únicas universidades existentes en Chile antes de la reforma de 1982,
las universidades tradicionales (del Consejo de Rectores) son un conjunto heterogéneo de
corporaciones de educación superior.
En general, las universidades Tradicionales, en los distintos subgrupos, no parecen tener un
comportamiento uniforme, presentando tasas de crecimiento distintas en el período en análisis.
Los grupos que tienen mayor crecimiento entre los años 1999 y 2009 son las tradicionales privadas
católicas (50%), las no estatales (47%) y las universidades regionales (45%). A su vez, el grupo
de universidades tradicionales que creció menos fue el de las universidades metropolitanas (27%)
y las universidades pequeñas (29%).
El “mejor posicionamiento de mercado”, entre las universidades tradicionales, es decir, la
capacidad de cobrar los mayores aranceles, es alcanzado (ver tabla 2) sólo por algunos subgrupos
de ellas, como las Tradicionales Privadas Católicas, las radicadas en la Región Metropolitana, las
universidades consideradas Grandes, las universidades Completas y las No-estatales.

Tabla 2. Aranceles Universidades Tradicionales, según subgrupos.

Niveles Promedios Ponderados Anuales (Pesos de Diciembre 2010)
U. Tradicionales 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

Metropolitanas 2.106.529 2.094.676 2.217.640 2.250.273 2.436.456 2.499.552 2.467.734 2.479.210 2.449.246 2.428.775 2.681.926

Grandes 1.876.868 1.951.665 2.046.836 2.150.462 2.307.297 2.224.661 2.267.712 2.329.143 2.360.997 2.324.809 2.637.769

Completas 1.818.976 1.896.563 1.995.489 2.093.618 2.247.343 2.183.836 2.232.609 2.290.674 2.318.084 2.286.408 2.595.715

Privadas Católicas 1.805.523 1.955.612 2.148.689 2.298.780 2.443.973 2.250.531 2.328.789 2.258.947 2.407.835 2.394.988 2.711.517

Pequeñas 1.789.306 1.935.838 1.943.366 1.930.492 2.043.321 2.048.196 2.006.685 2.030.243 2.027.871 2.073.511 2.299.353

No estatales 1.762.448 1.877.619 2.012.459 2.155.206 2.324.370 2.169.005 2.246.631 2.251.242 2.309.836 2.297.590 2.590.810

Privadas
noCatólicas 1.696.281 1.754.535 1.819.729 1.954.376 2.145.415 2.045.156 2.129.212 2.242.238 2.176.621 2.172.791 2.438.751

Total
Tradicionales 1.650.680 1.711.147 1.805.417 1.882.972 2.030.364 1.994.231 2.012.951 2.085.817 2.113.137 2.079.296 2.360.626

Estatales 1.576.598 1.596.061 1.651.157 1.685.995 1.810.302 1.868.393 1.827.048 1.978.176 1.955.145 1.909.173 2.175.965

Regionales 1.487.706 1.569.444 1.638.269 1.707.082 1.840.012 1.829.929 1.827.571 1.939.918 1.924.172 1.911.774 2.152.184

Medianas 1.400.404 1.442.839 1.506.638 1.571.927 1.689.915 1.714.506 1.669.007 1.805.298 1.790.333 1.787.068 1.999.979

No completas 1.367.520 1.433.417 1.506.547 1.603.465 1.692.365 1.683.759 1.707.515 1.729.760 1.739.221 1.693.763 1.960.477

Incipientes 1.328.639 1.346.822 1.404.667 1.460.521 1.581.943 1.663.138 1.543.060 1.787.393 1.722.519 1.740.013 1.918.793

Fuente: Elaboración propia a partir de la Base de datos INDICES del Consejo Nacional de Educación,
CNED.

Durante todo el período que va desde 1999 hasta el año 2009, las universidades denotadas
como de complejidad Incipiente, cobran los aranceles más bajos de todos los subgrupos de
universidades Tradicionales, excepto el año 2008, mostrando que una estrategia de dedicación a la
investigación y el desarrollo del conocimiento tiene una maduración de largo plazo, especialmente
respecto de la ganancia en imagen de mejor calidad para una universidad que adopta el camino
de ser completa y compleja.
Los subgrupos de Tradicionales que más alto arancel cobran, en promedio, son las privadas
católicas y las metropolitanas. En el año 2009, el subgrupo más alto es el de las privadas católicas
($2.711.517) seguido por las universidades metropolitanas, con un arancel promedio de $
2.681.926, lo que corresponde a 1,4 veces más que el grupo de las universidades de complejidad
Incipiente (que es el que cobra el arancel más bajo, en promedio en el año 2009, $ 1.918.793).
En cambio, el arancel promedio de las Estatales está permanentemente por debajo de todos los
otros subgrupos de las universidades Tradicionales. Las universidades señaladas como Pequeñas

403
tienen un comportamiento variable, sus aranceles están inicialmente por arriba del promedio de
las universidades tradicionales y, a partir del año 2005, están por debajo.
El crecimiento de los aranceles del conjunto de las universidades estatales durante el
período es de un 37% y en el período de 1995 al 2000 fue superior (43,5%, en Salas y Aranda,
2004). Indicando que las universidades estatales para enfrentar sus desequilibrios presupuestarios,
expanden sus aranceles. También resulta interesante observar que se expande la brecha entre
los aranceles de las universidades tradicionales no estatales y las estatales, pasando de una
diferencial de $185.850 en 1999 a $388.417 en 2009, lo que es compatible con la alta expansión
de los aranceles de las tradicionales privadas católicas, que están muy bien posicionadas en el
mercado de la educación superior en Chile.
Existen profundas diferencias en los aranceles que cobran las universidades tradicionales,
agrupadas según propiedad (ver tabla 3). Mantienen similar conducta y ranking entre sí durante
todo el período 1999-2009. Así, son las universidades tradicionales privadas católicas las que
cobran más caro a sus estudiantes, la siguen las universidades no estatales y tradicionales privadas
no católicas, dejando en último lugar a los aranceles más bajos para las universidades estatales.
El comportamiento es igual durante todo el período, pero la brecha entre el grupo de arancel más
alto (católicas) contra el más bajo (estatales) se incrementó de $228.925 en 1999 a $535.552 en
2009, aumentando la diferencial en un 134%.

Tabla 3. Niveles y Diferencias entre conglomerados de universidades tradicionales,

definidos según propiedad
U.
Tradicionales 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

Privadas
Católicas 1.805.523 1.955.612 2.148.689 2.298.780 2.443.973 2.250.531 2.328.789 2.258.947 2.407.835 2.394.988 2.711.517

No estatales 1.762.448 1.877.619 2.012.459 2.155.206 2.324.370 2.169.005 2.246.631 2.251.242 2.309.836 2.297.590 2.590.810

Privadas no
Católicas 1.696.281 1.754.535 1.819.729 1.954.376 2.145.415 2.045.156 2.129.212 2.242.238 2.176.621 2.172.791 2.438.751

U. estatales 1.576.598 1.596.061 1.651.157 1.685.995 1.810.302 1.868.393 1.827.048 1.978.176 1.955.145 1.909.173 2.175.965

Diferencial
Estatales
menos
Privadas
católicas -228.925 -359.550 -497.531 -612.785 -633.671 -382.139 -501.742 -280.771 -452.689 -485.814 -535.552

Diferencial
Estatales
menos No
Estatales -185.850 -281.558 -361.302 -469.211 -514.068 -300.613 -419.584 -273.066 -354.690 -388.417 -414.845

Diferencial

Privadas
católicas
menos
privadas No
católicas 109.242 201.077 328.960 344.404 298.558 205.375 199.577 16.709 231.214 222.196 272.766

Fuente: Elaboración propia a partir de la Base de datos INDICES del Consejo Nacional de Educación,
CNED.

El arancel de las universidades no estatales creció, en términos reales, un 47% en el período

1999-2009. Entre éstas, las universidades privadas no católicas registraron un crecimiento real
de 44%. A su vez, las universidades estatales en igual período, muestran un incremento menor,
38%. Los resultados están asociados con las distintas reacciones de las instituciones ante la crisis
económica y los impactos de ésta sobre sus presupuestos.
Los aranceles de las universidades estatales están en constante crecimiento a lo largo del
período, aunque con tasas bajas (no más de 7%). Sin embargo durante los años 2007 y 2008 existe
un crecimiento negativo de -1,18% y -2,41% respectivamente, que luego repunta a un crecimiento

404
no observado antes en el período, de 12,26% (el mayor crecimiento anterior fue de 6,87%, en 2003).
La evolución está asociada, como se señaló antes, con decisiones de las corporaciones estatales
de aumentar sus aranceles para resolver sus desequilibrios presupuestarios, pero limitados a las
viabilidades y momentos del ciclo de los conflictos estudiantiles.
En el año 2008 se observa que todos los subgrupos de las universidades Tradicionales
tienen crecimiento negativo en sus aranceles promedio, lo que sin dudas es atribuible de manera
importante a que en 2007 se generó en el país un conflicto estudiantil gigantesco. Además,
durante fines de 2008 se vivió una alta inflación (9,9% en setiembre de ese año) y la crisis
económica y financiera mundial que terminó en Chile con una reducción del PIB del 1,7%. La
caída de los aranceles en 2008 se revierte en 2009, y éstos crecen a tasas por sobre el 10% en
todos los subgrupos. Ello muestra que las universidades tradicionales actúan contracíclicamente,
haciendo uso de su alto “poder” de mercado, al contrario de las universidades privadas cuyos
aranceles bajan con la crisis mostrando su prociclicalidad.
En términos de localización las universidades tradicionales ubicadas en la Región
Metropolitana cobran aranceles más altos que las universidades tradicionales instaladas en
regiones, situación que ocurre durante todo el período analizado (ver tabla 4). En el último año
(2009), las primeras cobraban a sus estudiantes un arancel real promedio de $2.681.926, mientras
las de Regiones cobraban $2.152.184, un 19,75% menos que el arancel de las metropolitanas.
La diferencia entre ambos subgrupos se ha estado reduciendo en los últimos 4 años, aunque
igualmente mantiene un margen más o menos constante durante todo el período. No obstante de
1999 a 2009 la diferencia cayó en un 14%. Los aranceles de las universidades metropolitanas, de
1999 a 2009 han crecido en un 27%, mientras que las regionales han registrado un crecimiento
mayor, correspondiente a 45%. De ahí la razón del porque la diferencia entre ambos ha decrecido
en un 14%.

Tabla 4. Niveles y diferencias entre conglomerados de universidades tradicionales,

definidos según localización.
INSTITUCIONES 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

Metropolitanas 2.106.529 2.094.676 2.217.640 2.250.273 2.436.456 2.499.552 2.467.734 2.479.210 2.449.246 2.428.775 2.681.926

Regionales 1.487.706 1.569.444 1.638.269 1.707.082 1.840.012 1.829.929 1.827.571 1.939.918 1.924.172 1.911.774 2.152.184

Diferencia 618.823 525.231 579.370 543.191 596.444 669.623 640.163 539.292 525.074 517.001 529.742

Fuente: Elaboración propia a partir de la Base de datos INDICES del Consejo Nacional de Educación,
CNED.

Desde la perspectiva del tamaño de su matrícula, se observa que las universidades

tradicionales Grandes tienen un aparente mejor posicionamiento de mercado que las corporaciones
Medianas y Pequeñas (ver tabla 5). Durante todo el período 1999-2009, han cobrado a sus estudiantes
de pregrado, un arancel promedio muy por sobre el de las instituciones de tamaño mediano y
pequeñas. Justamente en el último año observado (2009) se presenta el mayor diferencial de
arancel promedio entre las universidades grandes y medianas, correspondiente a un $ 637.790,
que representa 1/3 de lo que cobran las medianas.
Sin embargo, las universidades medianas exhiben el incremento real más alto entre los
años 1999-2009 (43%), seguidas por las universidades grandes que muestran un aumento real en
el valor del arancel promedio del 41%, mientras que las universidades pequeñas tienen un menor
crecimiento (29%).

405
Tabla 5. Niveles y diferencias entre conglomerados de universidades tradicionales,
definidos según tamaño de matrícula de pregrado
U. Tradicionales 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

Grandes 1.876.868 1.951.665 2.046.836 2.150.462 2.307.297 2.224.661 2.267.712 2.329.143 2.360.997 2.324.809 2.637.769

Medianas 1.400.404 1.442.839 1.506.638 1.571.927 1.689.915 1.714.506 1.669.007 1.805.298 1.790.333 1.787.068 1.999.979

Pequeñas 1.789.306 1.935.838 1.943.366 1.930.492 2.043.321 2.048.196 2.006.685 2.030.243 2.027.871 2.073.511 2.299.353

Dif. Grandes
menos medianas 476.464 508.826 540.198 578.535 617.382 510.156 598.705 523.845 570.664 537.742 637.790

Dif. Grandes
menos pequeñas 87.562 15.827 103.471 219.969 263.976 176.465 261.026 298.900 333.125 251.299 338.416

Dif. Medianas
menos pequeñas -388.903 -492.998 -436.727 -358.565 -353.406 -333.691 -337.679 -224.945 -237.538 -286.443 -299.374

Fuente: Elaboración propia a partir de la Base de datos INDICES del Consejo Nacional de Educación,
CNED.

Una universidad se define como tal, según sea la complejidad de su quehacer y eso
significa que realiza, simultáneamente, como institución, todas las actividades para las cuales
está destinada, desde la transmisión del conocimiento (docencia), la creación de conocimiento
(investigación) hasta la difusión de éste a la sociedad (extensión y asistencia técnica). En esta
perspectiva se consideran universidades completas y complejas a aquellas que se dedican a la
docencia y además, desarrollan investigación en un nivel relevante160. Luego, las no completas son
aquellas que se dedican básicamente a la docencia y las de complejidad incipiente son aquellas
que están en crecimiento hacia la investigación.
Las universidades tradicionales completas y complejas, durante el período 1999-2009,
han sido más caras que los otros dos subgrupos (ver tabla 6). Las de incipiente complejidad
resultan más baratas en promedio que las no completas, alcanzando un diferencial de $164.454
en el año 2005. Las diferenciales más grandes entre las Tradicionales ocurren en 2009, entre las
universidades completas y las no completas ($635.238) y entre las completas y las de incipiente
complejidad ($676.922).
En el período analizado, los aranceles de las universidades tradicionales completas se
expanden, en términos reales, en un 43%, de igual cantidad que las no completas, mientras las
de complejidad incipiente presentan un aumento de un 44%. Igualmente el diferencial entre las
completas con las no completas ha aumentado en un 41%, y en 38% respecto de las de incipiente
complejidad.
Los resultados observados están asociados con el reconocimiento social que tienen las
universidades completas y complejas; se asume que tienen mejores ofertas que hacerle a la
sociedad y, por lo tanto, ésta las reconoce y está dispuesta a pagar la docencia que entrega con
valores más altos que en aquellas universidades no completas.

160 En términos específicos, las Universidades se consideran completas y complejas cuando participan al menos en el
1% de los fondos de investigación de FONDECYT. Se consideran de complejidad incipiente cuando participan en más
del 0,5% y menos del 1%. En el período de tiempo 2005-2009.

406
Tabla 6. Niveles y Diferencias entre conglomerados de universidades tradicionales, definidos según
tipo de actividad que realizan principalmente
INSTITUCIONES 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

Completas 1.818.976 1.896.563 1.995.489 2.093.618 2.247.343 2.183.836 2.232.609 2.290.674 2.318.084 2.286.408 2.595.715

No completas 1.367.520 1.433.417 1.506.547 1.603.465 1.692.365 1.683.759 1.707.515 1.729.760 1.739.221 1.693.763 1.960.477

Incipiente 1.328.639 1.346.822 1.404.667 1.460.521 1.581.943 1.663.138 1.543.060 1.787.393 1.722.519 1.740.013 1.918.793

Diferencial
Completas -
incipientes 490.338 549.741 590.822 633.097 665.400 520.698 689.549 503.281 595.565 546.395 676.922

Diferencial
Completas - no
completas 451.456 463.146 488.942 490.154 554.978 500.077 525.095 560.914 578.863 592.646 635.238

Diferencial
Incipientes - no
completa -38.881 -86.595 -101.880 -142.944 -110.422 -20.621 -164.454 57.633 -16.702 46.251 -41.684

Fuente: Elaboración propia a partir de la Base de datos INDICES del Consejo Nacional de Educación,
CNED.

Ranking de universidades tradicionales, según aranceles.

Cualquiera sea la característica que tenga una universidad del Consejo de Rectores,
finalmente será necesario comparar cada una de ellas con el resto. El ranking de universidades
tradicionales construido sobre la base del valor de los aranceles anuales promedio que cobra cada
institución indica no sólo el orden de dichos valores, sino también da un indicio de la capacidad de
mercado que tienen o han tenido, anualmente y a lo largo del tiempo, las distintas universidades
tradicionales.
Algunas características del ordenamiento individual de universidades tradicionales (ver tabla 7),
son las siguientes:
• Los aranceles cobrados, en 2009, por las universidades del Consejo de Rectores fluctúan en
pesos de Diciembre de 2009, entre $1.380.614 y $3.673.736. La más cara llega a cobrar 2,6 veces
el valor de la más barata.
• Las universidades más caras del sistema tradicional, en 2009, fueron: La Pontificia
Universidad Católica de Chile, Universidad de Chile, Universidad Austral de Chile, Universidad
Católica del Norte y Universidad de Talca.
• A su vez, las cuatro universidades tradicionales que cobraban el 2009, los aranceles más
bajos son: la Universidad de los Lagos, Universidad de Playa Ancha, Universidad Metropolitana de
Ciencias de la Educación y la Universidad de La Serena.
• Doce Universidades tradicionales cobraron, en 2009, aranceles por sobre el promedio del
conjunto de veinticinco instituciones pertenecientes al Consejo de Rectores ($2.194.799).
• De las 4 universidades tradicionales que cobran los aranceles más altos de este sistema, 2
son Metropolitanas y 2 regionales. Las cuatro universidades son completas y complejas.
• El grupo de universidades que cobra los aranceles más bajos está conformado por
universidades no completas, tres de ellas son regionales (la excepción es la Universidad
Metropolitana de Ciencias de la Educación).

407
 408
Tabla 7. Ranking de Universidades Tradicionales, según aranceles de su docencia de pregrado. Promedio ponderado en $ diciembre 2010
Instituciones 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
1 P.U.C. de Chile 2.466.559 2.549.430 2.940.618 3.167.152 3.391.220 3.012.999 3.093.727 3.225.550 3.231.293 3.241.704 3.673.736
2 U. de Chile 1.899.086 1.949.122 2.051.725 2.088.686 2.243.275 2.376.286 2.410.676 2.557.029 2.533.040 2.537.546 2.856.414
3 U. Austral de Chile 1.864.868 1.922.932 2.121.554 2.269.943 2.470.569 2.321.471 2.340.928 2.485.138 2.315.400 2.283.222 2.539.620
4 U. Católica del Norte 1.428.877 1.562.156 1.702.787 1.815.427 2.063.524 1.967.997 2.096.907 2.181.934 2.172.411 2.203.947 2.510.312
5 U. de Talca 1.751.307 1.845.124 1.950.426 1.995.006 2.077.575 2.162.299 2.133.855 2.249.779 2.196.501 2.185.764 2.465.487
6 UTFSM 1.696.878 1.840.767 1.708.308 1.834.808 2.013.548 1.873.518 1.919.004 2.069.790 2.005.378 2.048.420 2.441.265
7 U. de Magallanes 1.584.108 1.600.406 1.658.148 1.730.413 1.844.280 1.877.924 2.123.692 2.208.121 2.120.038 2.091.390 2.410.617
8 U. de Antofagasta 1.440.571 1.563.432 1.665.600 1.756.807 1.894.887 1.967.125 2.062.573 2.120.974 2.114.473 2.179.316 2.406.366
9 U. Concepción 1.601.375 1.638.051 1.725.516 1.861.951 2.050.415 1.981.337 2.124.655 2.206.647 2.195.630 2.176.737 2.388.432
10 U. de Santiago 2.004.627 2.013.435 1.955.090 2.021.448 2.193.366 2.171.707 2.146.878 2.210.280 2.133.928 2.083.654 2.356.534
11 U. C. Valparaíso 1.497.223 1.673.416 1.782.929 1.874.666 1.985.655 1.856.082 1.936.043 2.058.562 2.066.111 2.069.259 2.316.402
12 U. C. del Maule 1.216.446 1.370.578 1.505.614 1.630.050 1.754.485 1.694.084 1.711.248 1.778.196 1.900.609 1.922.125 2.197.543
13 U. de Valparaíso 1.572.557 1.554.878 1.572.926 1.597.743 1.674.677 1.714.444 1.716.020 1.923.058 2.027.816 1.859.527 2.182.733
14 U. de la Frontera 1.506.810 1.529.364 1.589.479 1.625.630 1.675.472 1.755.963 1.773.397 1.837.174 1.820.247 1.785.626 2.061.009
15 U. C. Temuco 1.435.115 1.504.533 1.588.191 1.663.036 1.752.801 1.687.688 1.841.847 1.900.689 1.838.465 1.818.747 2.029.871
16 U. C. S. Concepción 1.682.043 1.749.689 1.851.737 2.041.222 2.129.256 1.944.237 1.908.277 1.903.002 1.846.417 1.826.602 2.023.808
17 U. de Atacama 1.510.265 1.539.157 1.525.773 1.574.665 1.569.340 1.672.721 1.628.891 1.549.555 1.601.292 1.625.207 2.004.310
18 U. Tec. Metropolitana 1.403.658 1.440.209 1.445.771 1.530.215 1.562.768 1.695.228 1.724.929 1.710.754 1.738.470 1.711.046 1.974.100
19 U. del Bio bio 1.270.727 1.293.000 1.317.207 1.350.009 1.444.129 1.564.916 1.622.801 1.708.535 1.710.380 1.698.958 1.904.356
20 U. de Tarapacá 1.248.271 1.191.855 1.242.059 1.291.259 1.367.462 1.563.337 1.556.193 1.734.799 1.621.321 1.669.494 1.867.341
21 U. Arturo Prat 1.415.492 1.420.104 1.496.386 1.503.180 1.625.320 1.649.346 1.686.130 1.666.985 1.696.223 1.562.239 1.834.457
22 U. La Serena 1.462.128 1.490.428 1.522.235 1.593.145 1.728.551 1.748.723 1.744.283 1.793.192 1.693.699 1.641.425 1.831.160
23 U. Metrop. Cs de la 1.114.774 1.192.686 1.218.472 1.297.002 1.395.334 1.464.899 1.416.547 1.445.285 1.400.171 1.367.833 1.639.514
24 Educ.
U. de Playa Ancha 1.174.872 1.216.684 1.262.876 1.260.423 1.342.535 1.342.021 1.368.696 1.430.250 1.441.099 1.393.811 1.573.984
25 U. de los Lagos 977.437 987.278 991.582 1.037.616 1.132.173 1.198.290 930.776 1.392.912 1.331.324 1.357.502 1.380.614
Fuente: Elaboración propia a pertir de la Base de datos INDICES del Consejo Nacional de Educación, CNED
Fuente: Elaboración propia a partir de la Base de datos INDICES del Consejo Nacional de Educación, CNED
5. Estructura de Aranceles de las Universidades Privadas en Chile
Las universidades privadas (creadas a partir de la Reforma de 1982) son un grupo de
corporaciones con distintas característica y desarrollos. Durante la década de los noventa se
produjo una consolidación de estas corporaciones. Parte del cual se refleja en los incrementos de
matrícula y en el mantenimiento de un liderazgo en aranceles, que le reconoce el mercado. Sin
embargo, dado que no existe un sistema común de selección para ingresar a las universidades en
el país, es posible sostener aún que parte importante de este liderazgo en precios se debe a que
atiende un segmento especial del mercado, a una parte importante de los estudiantes que no
ingresan a las universidades tradicionales y que disponen de ingresos, personales y/o familiares,
suficientes para pagar sus estudios de educación superior.
Para el análisis de las universidades privadas se clasifican según el tipo de supervisión
estatal que presentan. Características clasificatorias utilizadas paras las universidades tradicionales,
como la propiedad de estas instituciones, no son aplicables en este caso pues todas ellas son de
propiedad privada. Las únicas aglomeraciones que se podrían construir son las de localización y las
de tamaño de matrícula de pregrado161. Tampoco se les puede aplicar la calificación de complejidad
debido a su aún débil desarrollo de la investigación. Sólo 2 de ellas obtienen entre 0,5% y 1% de los
fondos de FONDECYT destinados a ese fin y por lo tanto se le puede categorizar como universidad
de incipiente complejidad, estas son la universidad de los Andes y la universidad Diego Portales.
Mientras que sólo la universidad Andrés Bello supera el 1% de los fondos de FONDECYT.
Las universidades privadas localizadas en la Región Metropolitana cobran aranceles
más altos que las localizadas en regiones, situación que ocurre todo el período 1999-2009 (ver
tabla 8). Este último año, las primeras cobraban a sus estudiantes un arancel real promedio de
$2.718.172, mientras las regionales cobraban $2.248.479, un 17% menos que el arancel de las
metropolitanas.
La diferencia entre ambos subgrupos ha estado decreciendo en los últimos 4 años. Los
aranceles de las universidades metropolitanas han estado creciendo a una tasa promedio anual de
1,69%, menor a la tasa de expansión promedio de las regionales (4,10%). Así, los aranceles de las
metropolitanas han tenido un incremento real, entre 1999 y 2009, de 14,51%, mientras el arancel
de las regionales ha crecido un 31,92%. Evolución que da cuenta de la reducción de la diferencia
entre ambos grupos, que baja en un 40,7%.

Tabla 8. Niveles y Diferencias entre conglomerados de universidades privadas, definidos según

localización. Aranceles promedio anual ($dic.2010)
INSTITUCIONES 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

Metropolitanas 2.323.729 2.206.157 2.289.053 2.259.462 2.463.661 2.601.546 2.539.044 2.594.224 2.506.003 2.493.919 2.718.172

Regionales 1.530.840 1.808.907 1.763.991 1.812.942 1.900.315 1.987.254 1.896.520 1.925.344 1.975.308 2.004.387 2.248.479

Diferencial Metrop.
Menos Reg. 792.889 397.250 525.062 446.520 563.346 614.293 642.524 668.881 530.695 489.532 $ 469.693

Fuente: Elaboración propia a partir de la Base de datos INDICES del Consejo Nacional de Educación,
CNED.

El último año analizado cuenta con un crecimiento significativo en las universidades

privadas regionales, las cuales cobran un arancel 12,18% mayor que el año anterior.
Las universidades privadas medianas tienen aparentemente un mejor posicionamiento
de mercado que las corporaciones privadas grandes y pequeñas (ver tabla 9). En el año 2009
las medianas cobraron un arancel promedio de $ 3.343.117, monto superior a las grandes ($
2.448.581) y las pequeñas ($ 2.365.697).

161 Debido a la gran dispersión territorial que presentan las corporaciones privadas, la localización será definida en
términos de la ubicación de la casa central.

409
 Son las mismas universidades medianas las que ofrecen un incremento real en sus aranceles
promedio más alto que los demás subgrupos (30,20%), contra un 11,56% de las universidades
grandes y 26,65% de las universidades pequeñas.

Tabla 9. Niveles y diferencias entre conglomerados de universidades privadas, definidos según

tamaño de matrícula de pregrado
U. Privadas 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

Grandes 2194806 2116778 2175883 2239997 2309161 2414945 2323984 2352846 2280446 2225809 2448581

Medianas 2567607 2398810 2499308 2345631 2767244 2981681 2935676 3071925 2964397 3016720 3343117

Pequeñas 1867883 1959234 1992464 2002035 2071361 2124935 2055596 2093979 2111547 2138484 2365697

Diferencial

Grande/medianas -372800 -282032 -323426 -105634 -458083 -566736 -611692 -719080 -683951 -790911 -894536

Diferencial

Grandes/pequeñas 326924 157544 183419 237963 237800 290010 268388 258867 168899 87326 82884

Diferencial

Medianas/pequeñas 699724 439576 506845 343596 695883 856746 880080 977947 852850 878237 977420

Fuente: Elaboración propia a partir de la Base de datos INDICES del Consejo Nacional de Educación,
CNED.

Ranking de Universidades Privadas, según Aranceles.

Al ordenar a las universidades privadas según el valor de los aranceles promedio que
cobran a sus alumnos, se observa que:
• Los aranceles más altos en las universidades privadas, al 2009, fueron cobrados por la
UNIACC y alcanzó un monto anual de $4.525.672.
• Existen otras ocho universidades que cobran aranceles por sobre los tres millones de pesos
(U. de Los Andes, U. Finis Terrae, U del Desarrollo, U. Adolfo Ibáñez, U. Diego Portales, U. Mayor,
U. Andrés Bello, U. Gabriela Mistral).
• A su vez la Universidad Tecnológica de Chile fue la que cobró (2009) el arancel promedio
más bajo, correspondiente a $1.418.747.
• Las Universidades que mostraron las tasas más altas de crecimiento entre 1999 a 2009
fueron la Universidad del Desarrollo (54%), U.C. Silva Henríquez (46%), U. Finis Terrae (42%) y la
Universidad Andrés Bello (40%).

410
Tabla 10. Ranking de Universidades Privadas según Aranceles
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

1 UNIACC 3.343.606 3.191.012 3.399.656 3.589.044 3.849.687 4.071.241 3.931.848 4.508.680 4.405.108 4.048.173 4.525.672

2 U. de los Andes 2.951.677 2.816.969 2.916.923 3.001.022 3.203.937 3.426.259 3.516.459 3.668.815 3.479.305 3.609.437 4.079.951

3 U. Finis Terrae 2.853.398 2.723.176 2.815.730 3.111.755 3.012.503 3.107.723 3.253.220 3.401.364 3.469.020 3.582.528 4.056.007

4 U. del desarrollo 2.497.568 2.383.585 2.580.624 2.788.255 2.989.749 3.204.927 3.246.772 3.490.973 3.414.030 3.465.869 3.856.483

5 U. Adolfo Ibáñez 2.973.287 2.837.593 2.858.267 254.489 3.112.339 3.269.137 3.201.811 3.268.581 3.321.581 3.318.520 3.715.724

6 U. Diego Portales 2.687.953 2.565.281 2.647.013 2.699.341 2.899.022 3.049.340 3.094.799 3.222.380 3.062.735 3.028.750 3.348.424

7 U. Mayor 2.399.765 2.290.246 2.287.520 2.334.744 2.572.785 2.948.574 2.865.730 3.048.594 2.880.088 2.975.819 3.224.877

8 U. Andrés Bello 2.263.380 2.160.085 2.211.036 2.307.703 2.370.358 2.551.847 2.637.340 2.871.528 2.857.774 2.839.077 3.160.133

9 U. Gabriela Mistral 3.040.952 2.902.170 2.923.517 2.836.063 2.858.724 3.052.833 3.039.217 2.938.189 2.850.215 2.745.857 3.082.889

10 U. San Sebastián 2.147.384 2.049.382 2.013.336 2.087.014 2.227.284 2.241.473 2.155.728 2.312.319 2.588.445 2.446.595 2.734.790

11 U. Central 2.230.220 2.128.439 2.275.667 2.365.560 2.429.263 2.891.490 2.581.577 2.590.222 2.467.298 2.430.145 2.696.990

12 U. del Pacifico 2.337.423 2.230.748 2.364.970 2.433.798 2.594.450 2.765.671 2.640.278 2.774.386 2.626.344 2.472.021 2.673.279

13 U. Alberto Hurtado 2.022.769 1.930.455 2.111.834 2.260.779 2.310.452 2.403.033 2.285.007 2.393.779 2.235.120 2.190.683 2.529.488

14 U. beroamericana 2.176.157 2.076.843 2.222.032 2.209.422 2.161.478 2.154.860 2.386.557 2.346.041 2.230.990 2.284.947 2.441.930

15 U. de las Américas 2.464.836 2.352.346 2.395.756 2.420.210 2.544.060 2.588.982 2.618.254 2.751.135 2.534.539 2.150.843 2.216.912

16 U. Pedro de Valdivia 2.149.550 1.892.751 2.192.825

U. Chileno Británica
17 de la Cultura 2.250.786 2.093.473 1.903.955 2.117.510

18 U. Viña del Mar 2.021.430 1.929.177 1.750.719 1.945.764 1.968.193 1.962.367 1.905.417 1.897.907 1.903.682 2.126.771 2.112.371

19 U. del Mar 1.873.776 1.788.261 1.969.831 1.996.167 2.010.670 2.141.156 1.949.721 1.881.146 1.832.145 1.866.956 2.051.357

20 U. Arcis 1.935.875 1.847.526 2.076.543 2.018.716 1.871.288 1.769.207 1.711.388 1.837.651 1.907.193 1.917.320 2.049.854

U. Autónoma de
21 Chile 1.746.614 1.666.902 1.534.234 1.675.829 1.488.629 1.602.762 1.628.208 1.752.431 1.754.634 1.773.753 2.019.325

22 U. C. Raul Silva H. 1.350.267 1.288.644 1.312.971 1.399.166 1.499.868 1.622.526 1.773.982 1.840.063 1.808.108 1.776.568 1.971.348

23 U. Santo Tomás 2.113.130 2.016.692 2.069.302 2.011.986 2.144.790 1.966.194 1.789.742 1.801.610 1.767.467 1.769.926 1.969.416
U. Regional San
24 Marcos 1.513.163 1.354.631 1.279.455 1.368.391 1.347.393 1.938.083

25 U. A. H. Cristiano 1.593.007 1.520.306 1.536.999 1.506.641 1.525.979 1.617.619 1.567.476 1.708.897 1.728.821 1.758.103 1.915.712
U. Adventista de
26 Chile 1.676.559 1.600.045 1.262.708 1.324.684 1.394.667 1.361.858 1.391.073 1.379.209 1.443.571 1.712.571
U. Bernardo
27 O’higgins 1.387.320 1.324.006 1.281.525 1.312.424 1.413.996 1.625.051 1.606.229 1.613.534 1.479.272 1.427.076 1.570.377

28 U.Internacional Sek 1.844.748 1.760.558 1.934.655 2.023.458 2.020.292 2.159.420 2.090.715 2.120.627 2.169.310 1.712.081 1.567.696

29 U. Bolivariana 1.628.567 1.554.243 1.513.924 1.526.629 1.565.640 1.645.513 1.375.230 1.396.540 1.463.804 1.361.807 1.466.395

30 U. de Aconcagua 1.595.078 1.522.283 1.525.824 1.531.095 1.563.029 1.570.941 1.450.206 1.471.702 1.480.546 1.395.139 1.462.946

31 UCINF 1.402.930 1.338.904 1.325.288 1.324.203 1.125.456 1.437.312 1.288.966 1.260.192 1.358.237 1.367.793 1.461.581

32 U. La Republica 1.878.456 1.792.727 1.841.697 1.907.131 1.986.500 1.845.893 1.765.748 1.705.701 1.663.900 1.558.954 1.454.008

U. Miguel de
33 Cervantes 2.060.930 1.966.874 2.081.422 1.789.982 1.772.038 1.612.191 1.514.838 1.559.755 1.492.598 1.236.889 1.421.050
U. Tecnológica de
34 Chile 1.407.488 1.289.714 1.302.395 1.418.747

Fuente: Elaboración propia a partir de la Base de datos INDICES del Consejo Nacional de Educación,
CNED.

6. Análisis comparado de Conglomerados de Universidades Tradicionales y Privadas.

El análisis comparado de las agrupaciones de universidades tradicionales y privadas
proporciona resultados interesantes. En este punto se trabaja con todo el sistema a nivel de
conglomerados y a continuación se observan y presentan sus características grupales más relevantes,
así como sus comportamientos y sus resultados en el mercado de la educación superior.
Los conglomerados de universidades que tienen los aranceles de pregrado más altos del
sistema son, en orden de importancia (ver tabla 11) los siguientes: las Universidades Privadas
Medianas que en 2009 cobraban aranceles promedio de $3.343.117; las Privadas Metropolitanas,
con un arancel de $2.718.172; las tradicionales privadas católicas con un arancel de $2.711.517;
las universidades metropolitanas cobraban $2.681.926; y las universidades tradicionales grandes
con $2.637.769. El conjunto de universidades privadas presenta un arancel promedio en 2009

411
de $2.609.403. Finalmente entre los conglomerados que cobran los más altos aranceles a sus
estudiantes están las universidades tradicionales completas con $2.595.715 y las tradicionales no
estatales con $2.590.810.
Existen, sin embargo, fuertes divergencias entre los conglomerados respecto a su capacidad
para mantener un claro posicionamiento en el mercado. Mientras las privadas regionales crecen
entre 1999-2009 un 47%, las privadas metropolitanas crecen sólo un 17% pese a mostrar un
arancel más alto ponderado por alumno.
Un comportamiento interesante es el mostrado por las universidades tradicionales no
estatales, las privadas regionales y las tradicionales privadas católicas, las cuales logran buenos
posicionamientos en el mercado universitario en el período. Estas últimas aumentan el valor de
sus aranceles en un 50% respecto al valor inicial real, mientras que las otras dos aumentan el
valor de los aranceles que cobran, en términos reales, en casi la mitad del valor inicial (47%).
Otros conglomerados han logrado similares resultados, como las tradicionales regionales (45%) y
las tradicionales de incipiente complejidad (44%).
Varios conglomerados de universidades tradicionales cobran los aranceles más bajos del
sistema, durante el período, entre ellos las de incipiente complejidad, las no completas, y las
medianas, que cobraban en 2009 (en términos reales) aranceles de $1.918.793, $1.960.477 y
$1.999.979 respectivamente, y que son los únicos conglomerados del total del sistema que están
por bajo los 2 millones de pesos en su arancel promedio anual. Igualmente es importante señalar
que estos mismos conglomerados presentan, entre 1999 y 2009, tasas de crecimiento no despre-
ciables, correspondientes al 44% la primera y 43% las dos siguientes.

Tabla 11. Agrupaciones de Universidades. Ranking Según Arancel Promedio Ponderado Anual
Instituciones 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Crec.

Priv. Medianas 2.567.607 2.398.810 2.499.308 2.345.631 2.767.244 2.981.681 2.935.676 3.071.925 2.964.397 3.016.720 3.343.117 30%

Priv.
Metropolitanas 2.323.729 2.206.157 2.289.053 2.259.462 2.463.661 2.601.546 2.539.044 2.594.224 2.506.003 2.493.919 2.718.172 17%

Trad. Privadas
Católicas 1.805.523 1.955.612 2.148.689 2.298.780 2.443.973 2.250.531 2.328.789 2.258.947 2.407.835 2.394.988 2.711.517 50%

Trad.
Metropolitanas 2.106.529 2.094.676 2.217.640 2.250.273 2.436.456 2.499.552 2.467.734 2.479.210 2.449.246 2.428.775 2.681.926 27%

Trad. Grandes 1.876.868 1.951.665 2.046.836 2.150.462 2.307.297 2.224.661 2.267.712 2.329.143 2.360.997 2.324.809 2.637.769 41%

U. privadas 2.151.096 2.141.509 2.203.828 2.185.329 2.351.321 2.460.984 2.382.490 2.436.644 2.380.769 2.371.509 2.609.403 21%

Trad. Completas 1.818.976 1.896.563 1.995.489 2.093.618 2.247.343 2.183.836 2.232.609 2.290.674 2.318.084 2.286.408 2.595.715 43%

No estatales
Trad. 1.762.448 1.877.619 2.012.459 2.155.206 2.324.370 2.169.005 2.246.631 2.251.242 2.309.836 2.297.590 2.590.810 47%

Priv. Grandes 2.194.806 2.116.778 2.175.883 2.239.997 2.309.161 2.414.945 2.323.984 2.352.846 2.280.446 2.225.809 2.448.581 12%

Trad. Privadas no
Católicas 1.696.281 1.754.535 1.819.729 1.954.376 2.145.415 2.045.156 2.129.212 2.242.238 2.176.621 2.172.791 2.438.751 44%

Priv. Pequeñas 1.867.883 1.959.234 1.992.464 2.002.035 2.071.361 2.124.935 2.055.596 2.093.979 2.111.547 2.138.484 2.365.697 27%

Sistema
Tradicionales 1.650.680 1.711.147 1.805.417 1.882.972 2.030.364 1.994.231 2.012.951 2.085.817 2.113.137 2.079.296 2.360.626 43%

Trad. Pequeñas 1.789.306 1.935.838 1.943.366 1.930.492 2.043.321 2.048.196 2.006.685 2.030.243 2.027.871 2.073.511 2.299.353 29%

Priv. Regionales 1.530.840 1.808.907 1.763.991 1.812.942 1.900.315 1.987.254 1.896.520 1.925.344 1.975.308 2.004.387 2.248.479 47%

U. estatales 1.576.598 1.596.061 1.651.157 1.685.995 1.810.302 1.868.393 1.827.048 1.978.176 1.955.145 1.909.173 2.175.965 38%

Trad. Regionales 1.487.706 1.569.444 1.638.269 1.707.082 1.840.012 1.829.929 1.827.571 1.939.918 1.924.172 1.911.774 2.152.184 45%

Trad. Medianas 1.400.404 1.442.839 1.506.638 1.571.927 1.689.915 1.714.506 1.669.007 1.805.298 1.790.333 1.787.068 1.999.979 43%

Trad. No
completas 1.367.520 1.433.417 1.506.547 1.603.465 1.692.365 1.683.759 1.707.515 1.729.760 1.739.221 1.693.763 1.960.477 43%

Trad. Incipiente 1.328.639 1.346.822 1.404.667 1.460.521 1.581.943 1.663.138 1.543.060 1.787.393 1.722.519 1.740.013 1.918.793 44%

Fuente: Elaboración propia a partir de la Base de datos INDICES del Consejo Nacional de Educación,
CNED.

412
 Las privadas regionales son las universidades Privadas que presentan un menor arancel
en promedio con un $2.248.479 ($1.094.638 menos que el conglomerado privado más alto).
Igualmente este conglomerado presenta una de las tasas de crecimiento más altas del período
1999-2009, correspondiente a un 47% y su arancel promedio (en 2009) supera al total del sistema
de universidades estatales.

7. Análisis de los aranceles de docencia vespertina de las Universidades

Las carreras vespertinas son una opción que da el mercado para satisfacer la demanda de las
personas que trabajan y poseen limitantes de horario para cursar una carrera en el horario diurno.
La oferta va dirigida en gran parte a alumnos que terminan su enseñanza media y no
tienen el dinero para solventar gastos en educación, por lo que se ven obligados a trabajar y
complementar sus estudios en la noche. Como también a jóvenes profesionales que trabajan y
desean proseguir sus estudios o bien complementarlos con otra carrera. Así el sistema genera una
posibilidad de movilidad social.
Para hacer el análisis de este ámbito de la educación superior se separaron las universidades
que imparten carreras vespertinas en distintos subgrupos, según propiedad: tradicionales estatales,
tradicionales privadas y privadas; y según localización: metropolitanas y regionales.
Se puede observar un amplio poder de mercado por parte de las universidades privadas,
puesto que durante todo el período 1999-2009 cobran un arancel más alto que los otros dos
conglomerados. Esto hace suponer que estás universidades se dedican al negocio de carreras
vespertinas. Su matrícula en el 2000 era 16.810 alumnos, mientras que el 2009 tienen 89.353
matriculados en este nivel.
El año 2009 las privadas cobraban un arancel promedio de $1.728.957, a este grupo le
siguen las tradicionales estatales con $1.388.683 y finalmente las tradicionales privadas con solo
$910.552 (ver tabla 12). Sin embargo son las estatales las que muestran un mayor crecimiento real
en el período 1999-2009, correspondiente a 14,02%. Mientras que las privadas tradicionales pese a
cobrar un arancel promedio más alto en todo el período que los otros dos subgrupos, presentan un
crecimiento menor correspondiente al 12,35%. Las universidades privadas tradicionales decrecen
-34,18%, con lo cual obviamente los diferenciales con los otros dos subgrupos aumentan en una
gran proporción.

Tabla 12. Niveles y Diferencias entre conglomerados de universidades en su dimensión vespertina,

según propiedad
INSTITUCIONES 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

Tradicionales
Estatales 1217931 1059129 1398321 1376829 1320467 1176104 1271518 1718193 1222879 1201962 1388683

Tradicionales
Privadas 1383463 1230103 1218138 1238936 1574003 1069157 1457751 1950448 856260 781669 910552

Privadas 1538885 1535739 1543947 1624461 1541793 1803813 1746122 2036088 1687342 1627700 1728957

Diferencial
Estatales menos
Privadas
tradicionales -165532 -170974 180183 137893 -253537 106947 -186233 -232255 366620 420293 478131

Diferencial
Estatales menos
Privadas -320954 -476610 -145625 -247632 -221327 -627709 -474604 -317895 -464462 -425739 -340275

Diferencial
Privadas
tradicionales
menos no
tradicionales -155422 -305637 -325808 -385525 32210 -734655 -288372 -85640 -831082 -846032 -818406

Fuente: Elaboración propia a partir de la Base de datos INDICES del Consejo Nacional de Educación, CNED.

413
 Las Universidades vespertinas localizadas en la Región Metropolitana cobran aranceles más
altos que las localizadas en regiones a partir del año 2000 hasta 2009. Este último año, el arancel
de las metropolitanas correspondió a un $1.776.210 mientras que el de las regionales $1.201.874,
un 32% menos que las metropolitanas (ver tabla 13).
La diferencia entre ambos subgrupos ha sido de altos y bajos, llegando a su punto máximo
durante 2002, donde la diferencia fue de $827.736, y a su punto mínimo en el año 2000, donde
la cifra llegó a $184.124.

Tabla 13.Niveles y Diferencias entre conglomerados de universidades en su dimensión vespertina,

según localización
INSTITUCIONES 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

metropolitanas 1.305.743 1.397.924 1.921.818 1.948.700 1.973.231 1.857.224 1.629.670 1.902.399 1.601.717 1.506.871 1.776.210

regionales 1.343.221 1.213.801 1.135.238 1.120.965 1.571.813 1.063.991 1.132.793 1.588.661 1.117.796 1.081.944 1.201.874

Diferencia
Metropolitanas
menos
regionales -37.478 184.124 786.580 827.736 401.418 793.233 496.878 313.739 483.921 424.927 574.335

Fuente: Elaboración propia a partir de la Base de datos INDICES del Consejo Nacional de Educación,
CNED.

8. Convergencia en el mercado universitario chileno. Aspectos Teóricos y Metodológicos

La persistente diferencia entre los aranceles cobrados por las universidades tradicionales y
privadas, tanto entre ambos conglomerados como al interior de ellos es uno de los aspectos más
destacables de los datos analizados en las secciones anteriores. Luego, será necesario reconocer si
estas diferencias son efectivamente persistentes o tienden a reducirse o desaparecer en el tiempo,
a medida que el mercado de la educación superior va madurando.
El análisis de la estructura del mercado y de cómo esta incide sobre la dinámica de los precios
ayudará en la búsqueda de respuestas. Al respecto se puede afirmar inicialmente que el mercado
de la educación superior tiene, desde la perspectiva de la conducta de los agentes, elementos
que lo asemejan a lo que la teoría económica caracteriza como competencia monopolística. En
tal estructura compite un gran número de empresas – en este caso universidades – que producen
un bien diferenciado a los ojos de los consumidores (los potenciales alumnos), y que tienen la
libertad de entrar y salir del mercado dependiendo de las condiciones económicas imperantes en
él, como lo demuestra la creciente incorporación de universidades privadas durante la década
pasada, así como también el cierre de algunas de ellas como consecuencia de su incapacidad para
mantenerse en el negocio. Más aún, la competencia no sólo se da en base al precio del producto
– el sistema de educación superior no produce un commodity – sino que también en términos
de calidad y actividades de marketing, como lo demuestran los ingentes recursos en publicidad
que algunas universidades privadas han gastado en el último tiempo, así como también en la
permanente campaña de las universidades tradicionales para “garantizar” que su producto es de
mejor calidad.
En la docencia de pregrado ninguna universidad tiene una posición dominante en el mercado,
sólo poseen una fracción del mismo. Así, ninguna corporación puede dictar las condiciones del
mercado ni afectar, por lo tanto, las acciones del resto y, la colusión es prácticamente imposible. El
mercado se caracteriza por una baja tendencia a la especialización lo que redunda en importantes
ineficiencias al interior del mismo.
En tales circunstancias, la misma teoría económica señala que en el largo plazo no se
debieran observar diferencias sustanciales en los precios (aranceles) cobrados por los distintos
competidores monopolísticos. En una perspectiva dinámica, a medida que el mercado se va
acercando a su posición de largo plazo, donde los beneficios económicos son cero, se debería
observar una convergencia en términos de la estructura de aranceles al interior del sistema o bien

414
subsistemas de él, lo que es garantizado por la libre entrada y salida de empresas – universidades
– del mercado.
En la medición de la convergencia es posible utilizar los aportes recientes de la teoría
del crecimiento económico. La literatura empírica sobre el crecimiento económico alude
recurrentemente a la hipótesis de convergencia, entendiéndose ésta, como la conjunción de dos
o más economías a un estado o situación similar, cuando la única diferencia entre ellas radica en
el punto donde se encuentran inicialmente, y todos los otros factores relevantes como; funciones
de producción, tasas de ahorro, de crecimiento poblacional, entre otras, se asumen homogéneas
(convergencia absoluta). Sin embargo, cuando se tiene la intuición o la certeza que no sólo el
punto de partida origina las diferencia, sino que hay rasgos diferenciadores más estructurales,
entonces se habla de convergencia relativa o condicional. Existen dos formas mediante las cuales
se condicionan los datos. La primera consiste en ingresar como regresores variables que pudiesen
generan las brechas162, o alternativamente, separar de acuerdo a la experiencia e intuición del
investigador grupos más o menos similares y testear en estos subgrupos la convergencia absoluta
(Sala-i-Martín, 1994).
La idea central de la hipótesis de convergencia es que, países que partan de un nivel de
stock de capital per-cápita (y por ende de ingreso per cápita) menor tenderán a crecer muchos más
rápido que aquellos países con niveles superiores de stock e ingreso (per cápita). Esta idea es de
extrema relevancia en la teoría de crecimiento económico, puesto que al confirmarse la hipótesis
de convergencia se estaría abogando por modelos de corte neoclásico, mientras su rechazo hace
pensar en modelos del espíritu de crecimiento endógeno (Jones, 1998).
En este estudio se aplica la misma idea al caso de los aranceles, para el sistema universitario
chileno, habida cuenta de las respectivas condicionantes y bajo el prisma de encontrar mayores
similitudes entre diversos conglomerados: universidades tradicionales (del Consejo de Rectores) y
privadas (post reforma 1982); regionales y metropolitanas; complejas y no complejas; o grandes,
medianas y pequeñas. Se optó por esta forma de condicionar los datos, ya que no se encontró
disponibilidad de variables estructurales que entregasen más información acerca de la diferenciación
entre las respectivas casas de estudio. Por ende, se actúa bajo el supuesto que la única disonancia
sustancial entre planteles universitarios es el nivel inicial de las variables consideradas en éste
caso (matriculas y aranceles), con lo que aquellas universidades que se encontraban en un nivel
bajo en el primer año del período considerado (1999) debiesen crecer a una tasa más alta que las
universidades que en idéntico año presentaban un nivel mayor.
El enfoque econométrico utilizado rescata los siguientes principios. Existe convergencia- β
entre un conjunto de agentes (universidades en éste caso), si es que existe una relación inversa
entre la tasa de crecimiento de la variable en cuestión (aranceles) y el nivel inicial de dicha
variable. Mientras que la convergencia- σ alude al concepto mediante el cual la dispersión de
€
la variable entre los agentes considerados tiende a reducirse en el tiempo. De éste modo, de no
existir convergencia- σ no puede darse tampoco convergencia- β , transformándose la primera en
condición necesaria para que se € cumpla la segunda hipótesis.
Así la hipótesis de convergencia- β plantea que la tasa de crecimiento de la variable es una
función negativa
€ del nivel en el primer año del período considerado, con lo que la especificación
€
es, γ i, t = log(yi, t )− log(yi, t−1 ) = α − β ⋅ log(yi, t−1 )+ε it
donde γi,t es la tasa de crecimiento
€ de los aranceles en el año “t”; log (yi,t) es el logaritmo natural
de la tasa de crecimiento de los aranceles en el año “t”; ε it , es un término de perturbación
(estocástica), y€el coeficiente β , corresponde a la tendencia hacia la convergencia, y por ende
un mayor valor del parámetro refleja una mayor velocidad de acercamiento entre las unidades de
corte transversal.
€
€

162 A nivel de economías, normalmente se usan variables como nivel de escolaridad; índices de natalidad, etc.

415
 Alternativamente la medida de dispersión de la variable entre las secciones cruzadas
debiese ser,
2
1 N
σ t = ∑[ log(yi, t )− μ t ]
2

T i =1
2 2
Cuando σ t = σ t−1 para todo t, la expresión anterior se reduce a:
σ ε2
σ *2 =
€ [1− (1− β )2 ]
€Sin embargo, en éste artículo sólo se alude a la convergencia- β .
Otro de los elementos necesarios de destacar es que en éste análisis de corte transversal
se asume que la velocidad de convergencia163 es la misma para todo el período en cuestión,
€
perdiéndose la información que se puede obtener mediante el uso de un panel data (unidades de
€
corte transversal seguidas a lo largo del tiempo), pero dicho esquema escapa de los objetivos de
éste estudio.

9. Convergencia, resultados para el Sistema universitario chileno

Si se analiza el Sistema Universitario, agrupadas todas las corporaciones (tradicionales y
privadas) según el tamaño de su matrícula, entre universidades grandes, medianas y pequeñas,
se puede concluir que las universidades grandes y medianas muestran convergencia condicional
en aranceles, es decir, muestran la pendiente esperada (negativa), mientras las pequeñas no
muestran convergencia (pendiente positiva, aunque el parámetro no resulta significativo). Para
el caso de convergencia se debe observar una pendiente negativa en la regresión, y donde una
mayor inclinación indica mayor velocidad de convergencia.
Las universidades grandes (tradicionales y privadas) convergen entre ellas a un ritmo
importante (40%), pero el nivel de significancia no es suficiente (p-value de 0,14), mientras
que las medianas también convergen a una tasa no menor (16%), y muestran un p-value de
0,06, por lo que podríamos concluir que es significativo, al nivel señalado, por lo que tardarían
poco más de 6 años en converger a un nivel similar de aranceles. Las universidades medianas
muestran significativa velocidad de convergencia, mientras que los dos grupos restantes hacen
sus resultados estimados poco fiables, debido a la gran dispersión observada en los datos.

Tabla 14. Convergencia de Aranceles Sistema Universitario, Universidades clasificadas según

tamaño de matrícula
Suma de
cuadrados
Clasificación Pendiente test-t residuales R cuadrado
Grandes -0,407282 -1,5441 0,346008 0,154974
Medianas -0,16536 -1,9656 0,287378 0,168982
Pequeñas 0,0306516 0,1545 0,85225 0,001402

163 El parámetro de la pendiente no indica exactamente la tasa de convergencia, ya que para ello es necesario correr
una especificación no lineal, que escapa del ámbito de éste artículo.

416
 Lo anterior se reafirma mediante las siguientes figuras:

     
Otra observación para el conjunto universidades segmentadas según propiedad, indica que
las universidades privadas también convergen de manera importante al ser tomada todas ellas en
conjunto, ya sea tradicionales privadas (del Consejo de Rectores) como privadas propiamente tal
(post reforma). Las estimaciones entregan los resultados presentado en la tabla 15, siguiente.

Tabla 15. Convergencia de Aranceles de universidades privadas

(tradicionales y privadas propiamente tal)
Suma de
cuadrados
Clasificación Pendiente test-t residuales R cuadrado
Total Universidades Privadas -0,186052 -1,4983 2,181331 0,046531

donde la pendiente es la esperada, y muestra una tasa de convergencia de 18%, es decir, tardarían
en converger a un nivel similar de aranceles poco más de 5 años. Lo anterior es reafirmado con
la siguiente figura:

  Al realizar el análisis para la convergencia de las universidades tradicionales, pertenecientes

al Consejo de Rectores, se observa que casi todas las agrupaciones de ellas muestran convergencia
(Estatales y no Estatales, Completas y no Completas, Metropolitanas y Regionales, Grandes y
Medianas), presentando el signo negativo esperado para la pendiente (ver tabla 16). Sin
embargo, el análisis de los resultados de las regresiones indica que sólo resulta significativa la

417
convergencia de las universidades tradicionales no completas. Este grupo muestra una pendiente
considerablemente alta, correspondiente a una tasa de 71%, con lo que tardarían 2 años en
converger a un nivel de arancel, lo que no quiere decir que todas tendrán iguales valores de sus
aranceles en ese período, sino que estarán en valores similares, con una baja dispersión alrededor
de un valor central del grupo.

 Tabla 16. Convergencia de Aranceles de las Universidades Tradicionales (Consejo de Rectores)

Suma de
cuadrados
Clasificación Pendiente test-t residuales R cuadrado
Estatales -0,108638 -0,9316 0,102716 0,058377
No Estatales -0,297988 -1,4439 0,095083 0,229491
Completas -0,23168 -1,2076 0,084123 0,139444
No Completas -0,714484 -2,2122 0,04277 0,550257
Incipiente 0,0778576 0,2819 0,044585 0,01948
Metropolitanas -0,0498607 -0,2674 0,040952 0,023272
Regionales -0,29075 -1,481 0,184268 0,114279
Grandes -0,124457 -0,5816 0,050631 0,05336
Medianas -0,19738 -0,9748 0,176006 0,06812
Pequeñas Datos no suficientes

Los resultados de los otros conglomerados de universidades tradicionales no sirven para

discriminar la existencia de convergencia en ellos, pues pese a que tienen la pendiente esperada
(negativa), sus estadísticos muestran no significancia de la estimación, esto debido a la gran
variabilidad en tasas que muestran las universidades en los distintos conglomerados. Los gráficos
siguientes muestran esa gran dispersión y el poco ajuste a la recta de las estimaciones.

418
  Las universidades Privadas,
  separadas en conglomerados según
  tamaño de matrícula, en
Grandes, Medianas y Pequeñas, no muestran convergencia en sus niveles de aranceles, de hecho,
muestran todas una pendiente positiva en la regresión, lo que afirma justamente lo contrario, y se
resume en la tabla 17, siguiente. No convergen porque existe mucha diferencia entre los aranceles
que cobran, en cualquiera de sus tamaños. De hecho, las universidades siguen muy distintas
estrategias de captación de sus alumnos, mientras unas son masivas con bajos aranceles, otras
son selectivas164 con altos aranceles.

Tabla 17. Convergencia de Aranceles de las Universidades Privadas, según tamaño

Suma de
cuadrados
Clasificación Pendiente test-t residuales R cuadrado
Grandes 0,0233603 0,0381 0,178962 0,00029
Medianas 0,472908 1,3414 0,059608 0,310281
Pequeñas 0,130337 0,6711 0,668644 0,029153

Un aspecto novedoso en el desarrollo del sistema universitario chileno es la docencia de

pregrado vespertina que ha tenido un alto desarrollo en los últimos años. En 2000 eran 20.500
alumnos en el sistema (82% era de las universidades privadas) mientras que en 2009 se observa
un fuerte incremento llegando a 46.868 alumnos en el sistema y 93% en las privadas.
Las universidades (tradicionales y privadas) con carreras vespertinas, si bien muestran la
pendiente esperada (negativa), separadas en conglomerados según su propiedad, los estadísticos
no son significativos, debido nuevamente a su alta dispersión, lo cual se muestra en la tabla 18 y
gráficos siguientes.

Tabla 18. Convergencia de Aranceles de las Universidades con Docencia Vespertina

Suma de
cuadrados
Clasificación Pendiente test-t residuales R cuadrado
Tradicionales Estatales -1,01411 -0,9384 0,197911 0,305707
Tradicionales Privadas -0,410636 -0,8564 1,051199 0,037166
Privadas -0,395781 -0,7903 1,049674 0,033538

164 Lo selectivo no se refiere a la calidad de sus alumnos medida por la PSU, sino a las imágenes publicitarias
que proyectan sobre si mismas, en relación con temas de redes en determinados sectores socioeconómicos y otras
similares.

419
     
10. Conclusiones.
El sistema de educación superior en Chile es complejo y diverso. Esta complejidad y diversidad
se manifiesta no sólo en las actividades realizadas por las universidades del sistema (docencia,
investigación y extensión), sino que también en la estructura de precios relativos (aranceles) que
cada de ellas cobra a sus estudiantes que hacen pensar, a aquellos no directamente involucrados
en el sistema, en una anarquía al momento de determinar tales precios y los reajustes anuales de
los mismos para cada carrera e institución universitaria del sistema.
El análisis realizado en el presente artículo muestra, sin embargo, ciertos patrones que
tienden a mantenerse durante el período de análisis, patrones que tienen relación con la propia
complejidad de las instituciones, con el entorno global (económico) en que se desenvuelven y con
la estructura propia del mercado de la educación superior. A modo de ejemplo, el sistema muestra
claramente una alta diferenciación a través de los aranceles que cobran, lo cual parece estar
asociado con la calidad académica de las universidades, posicionamiento del mercado a través de
su marca e incluso con la ubicación geográfica de esta. Esto se puede señalar debido a que los
aranceles más altos son de universidades tradicionales metropolitanas y completas, y en el sector
privado también existe una alta diferenciación entre las que son tradicionales y no.
El reconocimiento y constatación de esta diferenciación constituye un significativo
aporte de este trabajo a la discusión pública sobre el mercado de la educación superior en
Chile, y proporciona elementos para una mayor profundización sobre esta realidad y sobre el
comportamiento de las universidades en este mercado.

Referencias
Consejo Nacional de Educación, CNED, antes Consejo Superior de Educación. Bases Estadísticas.
I.N.D.I.C.E.S. Varios Años.

Jones, Charles I. (1998): Introduction to Economic Growth. Norton & Co., Inc. First Edition.

MINEDUC. Compendio Estadístico de la Educación Superior. www.mineduc.cl.

Sala-i-Martin, Xavier (1994): Apuntes de Crecimiento Económico. Antoni-Bosch Editor. Primera

edición.

Salas, Víctor (2010): “Claves del financiamiento de las universidades chilenas”. Working Paper
Series. Departamento Economía USACH, WP 03/10, agosto.

420
Salas, Víctor (2010). “Financiamiento de las Universidades Chilenas. Situación actual y problemas
futuros”. Estudios Sociales N° 118/ 2010. Corporación de Promoción Universitaria, CPU, pp. 65-
118.

Salas, Víctor (2011): ”La producción de las universidades chilenas. Indicadores básicos”. Working
Paper Series, Departamento Economía USACH, WP 2011-001. marzo.

Salas, Víctor y F. A. Rodrigo (2002): “¿Por Qué es Necesaria la Participación del Estado en la
Educación Superior? El Caso de Financiamiento Estudiantil.” Estudios Sociales No. 110, Semestre
2, Corporación de Promoción Universitaria, CPU. Santiago de Chile.

Salas, Víctor y F. A. Rodrigo (2004): “Estructuras y Tendencias de los Aranceles Universitarios

en Chile”. Estudios Sociales No. 113, Corporación de Promoción Universitaria, CPU. Santiago de
Chile.

Salas Víctor y F. A. Rodrigo (2005): “Razones de la presencia del Estado en la Educación Superior”
Estado, Gobierno, Gestión Pública. Revista del Instituto de Estudios Políticos, Universidad de
Chile. Vol. II. N° 6- ISSN 0717 – 697 – 6759. pp. 77-98.

421
/ Capítulo 5. Indicadores de calidad educativa

422
1. El sistema de indicadores educativos de México: Hacia la elaboración de
un índice de educación

Rafael Domínguez Martín, Cátedra de Cooperación Internacional y con Iberoamérica, Universidad

de Cantabria
Marta Guijarro Garvi, Universidad de Cantabria
Carmen Trueba Salas, Universidad de Cantabria

423
El sistema de indicadores educativos de México: Hacia la elaboración de un
índice de educación

Rafael Domínguez Martín, Cátedra de Cooperación Internacional y con Iberoamérica, Universidad

de Cantabria
Marta Guijarro Garvi, Universidad de Cantabria
Carmen Trueba Salas, Universidad de Cantabria

Resumen
Entendiendo el desarrollo humano como un proceso de ampliación de las capacidades de los
individuos, y considerando la educación como un elemento del mismo, en este trabajo se estudia
el sistema educativo de México. Para ello, se analiza el Sistema de Indicadores Educativos (SIE)
del Instituto Nacional para la Evaluación de la Educación de México (INEE), caso particular del
sistema en el que la Organización para la Cooperación y el Desarrollo Económico (OCDE) recoge
anualmente los indicadores de sus países miembros, profundizando en el contexto educativo, los
costes, los recursos y procesos escolares y los resultados de la educación.

Palabras clave: educación; desarrollo humano, sistema de indicadores.

1. Introducción
Son muchos los trabajos en los que se ha tratado de analizar el papel de la educación en
el desarrollo. Ya en el siglo XVIII, Adam Smith veía en la mejor cualificación de los individuos
motivos para el progreso económico. La teoría del capital humano, llegada de la mano de Schultz
(1961), con posteriores aportaciones de Becker (1964), entre otros, considera la educación como
una inversión en capital que permite un aumento de la productividad, lo cual se traduce, a su vez,
en mayores ingresos futuros. En consecuencia una mayor educación se relaciona con un mayor
crecimiento económico.
La Economía de la Educación ha sido testigo de los numerosos trabajos realizados en torno
a las teorías del crecimiento económico que concedían un papel fundamental a la educación
como factor determinante del mismo, incluyéndola en la estimación de diferentes funciones
de producción. Estos enfoques productivistas de la educación, entre los que se encuentran los
trabajos de Solow (1956) y Denison (1964), están empezando a ceder terreno al enfoque de las
capacidades de Amartya Sen, según el cual la educación es un factor constitutivo del desarrollo
humano.
En todos los momentos de la historia, la educación ha tenido un papel protagonista en
la consecución del desarrollo, tanto desde su concepción como motor del mismo, entendido éste
como crecimiento económico, como desde la consideración de la educación como una de las
dimensiones básicas del desarrollo humano.
El análisis propuesto se estructura del siguiente modo: en primer lugar, se aborda la
educación como dimensión del desarrollo humano, entendido éste como un proceso de ampliación
de las capacidades humanas. A continuación, se realiza una aproximación a la medición de la
educación como fenómeno multidimensional, mediante la utilización de indicadores e índices.
En el cuarto apartado, se aterriza en el Sistema de Indicadores Educativos (SIE) de México, caso
particular del sistema de la Organización para la Cooperación y el Desarrollo Económico (OCDE),
con el objetivo de aplicar el proceso de instrumentación que lleva a la elaboración de un indicador
sintético, descrito en la sección anterior.

2. La educación como dimensión del desarrollo humano

Según el diccionario de la Real Academia Española (2001), la educación se define como la
“acción y efecto de educar”. Para comprender mejor este concepto, merece la pena realizar una

424
aproximación a la procedencia etimológica de la palabra educar:
Para intentar el acotamiento y aprehensión de lo que constituye
la esencia de la tarea educativa, no hay vía más directa y
adecuada que dejar a las raíces mismas de la lengua –donde se
recoge y atesora el más hondo y prístino sentido que poseían
originariamente los fenómenos- que nos devuelvan y desvelen
lo que primordial y elementalmente expresaba el término
educar (Mayz, 1971).
El verbo educar procede del latín educare, cuyo significado es criar, alimentar. Este verbo
latino deriva, a su vez, de otro más antiguo educere, que significa conducir o llevar hacia fuera
(Blanco, 1933). Educare sería, por tanto, la educación como actividad que consiste en proporcionar
al individuo, desde fuera, lo necesario. Educere, sin embargo, consistiría en extraer algo que
potencialmente el individuo ya tiene.
Estos dos significados pondrían en contraposición la escuela tradicional, que acentúa la
función del educador y del “alimento” proporcionado al sujeto, frente a otra más reciente, basada
en las posibilidades de desarrollo del individuo, restando importancia a la actividad educadora
(García, 1989). Dicho de otra manera, el término educare confluiría en el cauce de los procesos de
enseñanza-aprendizaje, esto es, en la vertiente de instructiva, mientras que educere convergería
en la vertiente evolutiva o del desarrollo humano de la educación (Miras et al., 2003).
Asumiendo, por tanto, la complementariedad entre ambas acepciones del término
educación, en este trabajo se hace hincapié en la educación como proceso de desarrollo de las
capacidades innatas de las personas (educere). Como señala García (1989), la ayuda que llega
desde fuera y el desarrollo de las capacidades inherentes de los individuos no son excluyentes,
sino que son necesarias en el proceso de la educación. En este sentido, Blanco (1933) presenta
la definición de Dupont de Nemours (s. XVIII) en la que “la educación tiene por objeto no sólo
suministrar conocimientos positivos a los niños, sino hacerlos trabajar y pensar por sí mismos, sin
dejar un punto de razonar y de aprender”.
Asimismo, Sen (1999) sostiene que, a igualdad de ingresos, los individuos que han recibido
educación son capaces de leer, argumentar y elegir de un modo más adecuado y, consecuentemente,
son más tenidos en cuenta que aquellos que no tuvieron un proceso de enseñanza-aprendizaje.
Esta línea argumental es coherente con la concepción del desarrollo de un individuo como proceso
de ampliación de sus capacidades (Sen, 1984, 1988, 1989 y 1999), origen del nuevo paradigma
del desarrollo humano (Fukuda-Parr, 2003; Fukuda-Parr y Kumar, 2003) adoptado por el Programa
de las Naciones Unidas para el Desarrollo (PNUD) en su primer Informe sobre Desarrollo Humano
(PNUD, 1990), donde el desarrollo se define como “un proceso mediante el cual se amplían las
oportunidades de los individuos, las más importantes de las cuales son una vida prolongada y
saludable, acceso a la educación y el disfrute de un nivel de vida decente”.
El desarrollo humano se concibe como el estado en que se hallan las libertades de los
individuos. En el núcleo del concepto de desarrollo humano se encuentran las personas y sus
oportunidades, no en la riqueza que poseen, el ingreso que perciben, los bienes y servicios
que consumen o sus percepciones de bienestar (PNUD México, 2002). La importancia de la
educación como capacidad básica del desarrollo se refleja en su consideración como una de las
tres dimensiones, junto con la salud y el ingreso, a partir de las cuales se construye el Índice de
Desarrollo Humano (IDH) (PNUD, 1990)165.
165 El IDH es un índice complejo que trata de reflejar en una medida la definición de desarrollo humano. El IDH se
basa en las tres capacidades básicas: la capacidad de vivir una vida larga y saludable (salud), estar formado (educación)
y disfrutar de un nivel de vida digno (ingreso). La dimensión de educación, se ha ido adaptando a las críticas que
han ido surgiendo en relación al índice intermedio que la representa (Kelley, 1991). La versión original del índice
de educación, de 1990, recurría únicamente a la variable alfabetismo adulto (PNUD, 1990), que se combinó un año
después con la escolaridad promedio, pues aunque la variable inicial era un requisito básico, no servía por sí sola para
justificar la consecución de desarrollo en la dimensión del conocimiento (PNUD, 1991). Cuatro años más tarde (PNUD,
e 1995), los años de escolarización fueron reemplazados por la tasa combinada de matriculación primaria, secundaria

425
 Una de las principales funciones de la educación consiste en que la humanidad sea
responsable de su propio destino, dirigiendo su propio desarrollo, de manera que contribuya al
progreso de la sociedad en la que vive. La educación contribuye, por tanto, al desarrollo humano
en todos sus aspectos, permitiendo que cada individuo sea capaz de comprenderse mejor a sí
mismo, entender a los demás y participar, en consecuencia, en la vida social (Delors, 1996).
Fernández y Carmona (2009) realizan una crítica constructiva de la educación actual que
consideran contraria a la concepción de la educación como desarrollo de lo humano, esto es,
como actividad que hace crecer a las personas gracias al aprendizaje a lo largo de toda la vida.
Más rotundo en sus conclusiones es Moreno (1999), al concebir el enfoque del desarrollo humano
como la única opción posible para afrontar la educación del futuro, lo cual conlleva la necesidad
de rediseñar y de adaptar los “anticuados” sistemas educativos, económicos y sociales166.

3. La medición de un fenómeno social

Según CEPAL (2004), un indicador es “una observación empírica que sistematiza aspectos
de un fenómeno que resultan importante para uno o más propósitos analíticos y prácticos. Si bien
el término indicador puede aludir a cualquier característica observable de un fenómeno, suele
aplicarse a aquellas que son susceptibles de expresión numérica”. Un indicador es, por tanto, un
instrumento que permite cuantificar la realidad de un fenómeno, con el objetivo, en la mayoría
de los casos, de realizar comparaciones espaciales o temporales.
La ventaja que tienen los índices es que simplifican realidades complejas, ya que su función
es dar una idea clara y precisa de un concepto de forma rápida, sencilla, visual y abreviada (Brenes
y Gutiérrez Espeleta, 2007).
A pesar de que hay una gran cantidad de definiciones del concepto de indicador, la mayoría
de ellas coinciden en que los indicadores son estadísticos, aunque no existe pleno consenso en
cuanto a su potencialidad (Nuttall, 1994).
Lo que está claro, sin embargo, es la necesidad de que los indicadores se refieran a
conceptos susceptibles de ser captados empíricamente, como se observa en la siguiente cita
de Bauer (1966), de su obra Social Indicators, considerada el manifiesto del movimiento de los
indicadores (Martínez, 2005):
El problema clave de un sistema de indicadores sociales… es
que nunca podemos medir directamente las variables que nos
interesan, sino que tenemos que seleccionar substitutos en el
lugar de esas variables. Podemos, por ejemplo, estar interesados
en saber si una persona es o no ambiciosa. Pero no podemos
observar la ambición en sí misma. Podemos hacer preguntas a
la persona, y escuchar sus respuestas, o bien observar qué tan
intensamente trabaja y en busca de qué tipo de retribución; a
partir de ello podemos inferir si la persona es o no ambiciosa.
Tradicionalmente, el estudio de los fenómenos o procesos sociales, dado su carácter
multidimensional, se ha realizado de dos formas distintas aunque complementarias. Se puede
optar por presentar una serie de indicadores sociales que evalúen y midan individualmente cada
una de esas dimensiones, o se puede completar el anterior enfoque, presentando índices sintéticos
que resuman el fenómeno sometido a examen.

y terciaria. El último informe (PNUD, 2010) presentó un índice de educación totalmente renovado que sustituía todas
las variables que habían representado la dimensión educativa del desarrollo hasta entonces; la alfabetización fue
relevada por los años promedio de instrucción, mientras que la tasa de matriculación se replanteó como los años
esperados de instrucción.
166 Pino (2005) presenta una propuesta de estructura curricular, refiriéndose al caso particular de un programa de
educación física, recreación y deporte, con el desarrollo como eje transversal, que permita una concepción integral
del ser humano. Se busca una estructura curricular donde, mediante el desarrollo humano, la comunidad educativa
afronte los conceptos básicos de la formación, consiguiendo una organización entre práctica y teoría, para ir más allá
de la tradición en la que “venimos enfrascados” desde hace mucho tiempo.

426
 En la investigación empírica de las ciencias sociales, el proceso a partir del cual un
concepto es susceptible de someterse a medición, se conoce como operationalization (Boudon y
Lazarsfeld, 1973), al que nos referiremos de aquí en adelante como proceso de instrumentación o
implementación.
Este proceso comprende cuatro fases. La primera de ellas es la representación teórica del
concepto, que consiste en esbozar una imagen abstracta de aquello que se desea explicar.
En segundo lugar, se realiza una especificación de las dimensiones que lo componen. En
general, según se ha apuntado anteriormente, los conceptos asociados a los fenómenos sociales
comprenden múltiples dimensiones, por lo que es necesario referirse a ellas por separado, para
una adecuada comprensión de la globalidad del concepto.

Figura 1. Fases del proceso de instrumentación

 
Fuente: Elaboración propia

La tercera fase consiste en seleccionar los indicadores que van a representar cada una de
las dimensiones especificadas anteriormente. Resulta adecuado que los indicadores se enmarquen
en un sistema informativo, con el fin de asegurar que están captando y reflejando las principales
características del fenómeno objeto de estudio.
Por último, se elaboran los índices o síntesis de los indicadores. Una vez elegidos los
indicadores para cada dimensión, a cada uno se le asigna un peso o valor, de acuerdo con su
importancia relativa. A partir de estos valores se confecciona un índice sintético o compuesto,
esto es, una medida común que agrupa a varios indicadores de una misma dimensión conceptual
implementada numéricamente o un índice que agrupe la totalidad de las dimensiones que
componen el concepto (Figura 1).

4. Hacia la elaboración de un índice sintético de educación para México

La OCDE aprobó en 1988 el proyecto Indicators of National Education Systems (INES),
planteado con el objetivo de desarrollar estadísticas educativas comparables en los países miembros
(Tuijnman y Bottani, 1994). Como resultado del proyecto, se obtuvo la publicación Education at
a Glance, que recoge anualmente, desde 1990, los indicadores educativos actualizados de los
países que integran la OCDE, con información sobre el contexto, los costes, los recursos y procesos
escolares, y los resultados de la educación (Martínez, 2005).
El conjunto de indicadores educativos de la OCDE, que ha ido evolucionando desde el
primer informe167, constituye un sistema organizado que proporciona una visión general sobre el
funcionamiento y la evolución de los sistemas de enseñanza, los recursos humanos y financieros
167 Las continuas modificaciones en la forma de medir ciertos conceptos no es más que una de las consecuencias de
las dificultades que entraña la simplificación de un fenómeno social en una sola medida.

427
invertidos en la educación, y la rentabilidad de los mismos. La mayoría de los países desarrollados
ha ido elaborando sus propios sistemas de indicadores. En este sentido, el informe L’Etat de
L’école, en Francia, es considerado seminal (Morduchowicz, 2006).
En 1994, México se incorpora a la OCDE y, en 1995, la Dirección General de Planeación,
Programación y Presupuesto de la Secretaría de Educación Pública asume la participación en las
tareas de recolección de la información educativa del proyecto INES (Martínez, 2004). En 1996 la
información de este país aparece por primera en la publicación Education at a Glance.
México no puede adaptar directamente su sistema nacional de indicadores al sistema
OCDE, puesto que sus objetivos van más allá de la comparación internacional, centrándose en
tareas más específicas de diagnóstico y de planificación. Sin embargo, puede beneficiarse de los
conocimientos y metodologías generadas por el proyecto INES para adecuarlas a su situación
particular; de hecho, su participación en dicho proyecto ha dado como resultado mejoras en
la estadística educativa del país. El proyecto de la OCDE no considera, por ejemplo, indicadores
relativos a la educación básica puesto que en la mayoría de los países miembros, prácticamente la
totalidad de la población alcanza este nivel; sin embargo, en países como México, los indicadores
del nivel de educación básica son fundamentales para orientar las políticas educativas (Treviño,
1997).
En México, la Secretaría de Educación Pública es la encargada de desarrollar el Sistema
Nacional de Indicadores, con la participación del Instituto Nacional para la Evaluación de la
Educación (INEE). En el artículo 3º de su decreto de creación destaca que el Instituto deberá
“Desarrollar y mantener en operación un sistema de indicadores que permita valorar en forma
objetiva la calidad del sistema educativo nacional, en los niveles que le corresponden”.
El sistema de indicadores no debería limitarse a un compendio de información recogida
con fines administrativos, sino que su estructura y contenido tendría que basarse primero en
una definición aceptable de la calidad educativa, para luego construir cada indicador a partir de
dicha información y de otra adicional más elaborada (INEE, 2003). Así, en 2003, el INEE presenta
por primera vez el Panorama Educativo de México con un sistema de indicadores de extensión
considerable, pero todavía insuficiente para cubrir todas las dimensiones del concepto de calidad
con el que trabaja el organismo. El objetivo fue presentar versiones cada vez más completas, que
permitieran tener una visión cada vez más amplia y, a la vez más detallada, del sistema educativo
mexicano.
El último informe, publicado en julio de 2009 por el INEE, es el séptimo volumen del
Panorama Educativo de México, en el que se plasman los avances del Instituto, en la construcción
del Sistema de Indicadores Educativos (SIE). A pesar de que el SIE se ha diseñado para contribuir
a la evaluación de la calidad del subsistema de Educación Básica y del subsistema de Educación
Media Superior, hasta ahora, el desarrollo de los indicadores se ha centrado en la educación
básica, aunque se espera que los relativos a la educación media y superior estén disponibles para
el año 2010 (INEE, 2009)168
En el Panorama Educativo 2009 se recogen los progresos del sistema de indicadores169 de
educación básica 2009.
Las variables se organizan en cinco grupos, que se corresponderían con las dimensiones del
proceso de instrumentación descrito en la sección anterior: contexto social, agentes y recursos,
168 Los datos del año 2009 se publicaron a mediados del siguiente año. Previsiblemente, los datos del año 2010
estarán disponibles a mediados de este año.
169A pesar de que, por abuso de lenguaje, se habla de sistema de indicadores, en realidad, se trata de un conjunto de
variables. Así, una variable se refiere a un aspecto de la realidad que se pretende estudiar, y toma diferentes valores
entre las unidades de la población objeto de estudio. Cuando las variables se identifican de manera clara con la
realidad a la que corresponden, como es el caso del sexo o la edad, no hay ningún problema. Los problemas aparecen
cuando la conceptualización de la variable no está tan clara, por lo que para utilizarlas, hay que buscar conceptos
representativos de los aspectos abstractos, que puedan utilizarse equivalentemente pero de forma más práctica.
Por ejemplo, para estudiar el aspecto nivel socioeconómico, se podría utilizar un concepto equivalente, pero más
manejable, ingresos mensuales. El ingreso mensual sería, por tanto, el indicador correspondiente a la variable nivel
socioeconómico (Boudon y Lazarsfeld, 1973)

428
procesos y gestión, acceso y trayectoria y resultados.
La dimensión de “contexto social” ofrece información sobre las condiciones demográficas
y socioeconómicas en las que se desarrolla la educación, con el fin de valorar su interacción
con el sistema familiar y con el sistema laboral, donde se producen la reproducción biológica y
económica, respectivamente. Se dan situaciones que condicionan o potencian la labor educativa
o que configuran la cantidad, la distribución espacial, y la vulnerabilidad de la población objetivo
que debe cubrir los servicios educativos públicos. A corto plazo, las situaciones son fijas, pero a
medio o largo plazo, se podría incidir sobre esas condiciones iniciales.
El Sistema Educativo Nacional (SEN) debe emplear los recursos humanos, pedagógicos y
financieros necesarios y suficientes para desarrollar los planes educativos, lo cual se concreta en
la dimensión de los “agentes y recursos del sistema”.
En la dimensión de “procesos educativos y gestión” se incluyen los indicadores que reflejan
la organización escolar de las escuelas que atienden pequeñas poblaciones escolares en zonas
rurales dispersas, donde el SEN implementa una organización multigrado sin que los docentes
tengan, necesariamente, una preparación adecuada para asumir ese tipo de modelo pedagógico.
El Estado, a través del SEN, está obligado a ofrecer y promover el acceso, el tránsito y el
egreso de los servicios de educación básica. Con la dimensión de “acceso y trayectoria” se valora
en qué medida se consiguen estos objetivos sociales.
Por último, la dimensión de “resultados educativos” incluye los indicadores de los objetivos
educativos, imprescindible para valorar la eficacia interna del SEN, y de la correspondencia entre
la escolaridad alcanzada por los escolares y la metas sociales a corto plazo.
La Figura 2 ilustra el proceso de instrumentación que se debe llevar a cabo para la obtención
de índices sintéticos. Como puede verse, la descripción del fenómeno de la educación con las
diversas dimensiones descritas anteriormente se corresponde con la segunda fase.

Figura 2. El proceso de instrumentación: una aplicación a la educación en México

 
Fuente: Elaboración propia.

En este momento y una vez definidas las dimensiones de la realidad educativa que se
pretende explicar, el proceso de elaboración de un indicador sintético de educación para México se
halla en la tercera fase del proceso de instrumentación, esto es, en la elección de los indicadores
que van a representar las dimensiones del contexto social, agentes y recursos, acceso y trayectoria,
procesos y gestión y resultados educativos. Tras depurar la extensa base de datos obtenida del INEE,
se seleccionarán dichas variables haciendo uso de diferentes técnicas de análisis multivariante,
que permitirán la elaboración del índice sintético.

429
5. Conclusiones
La consideración de la educación como proceso de desarrollo de las capacidades innatas
(educere) rompe en cierto modo con la tradición que ha existido de concebirla únicamente como
determinante del crecimiento económico. Bajo esa idea, en este trabajo se ha recurrido al enfoque
de las capacidades de Amartya Sen, para empezar a explicar y comprender la educación en el
contexto del desarrollo humano, más allá de la perspectiva clásica del enfoque productivista que
está siendo cada vez más cuestionado.
La aplicación del proceso de instrumentación, descrito de manera general, permitirá
obtener un índice de educación para las entidades federativas de México, tomando como punto
de salida el esbozo que realiza el Instituto Nacional para la Evaluación de la Educación del de la
calidad del Sistema Educativo Nacional en las dimensiones de contexto social, agentes y recursos,
acceso y trayectoria, procesos y gestión y resultados educativos.
Los índices simplifican realidades complejas y proporcionan, de forma rápida, una idea
precisa de un concepto. Asumiendo las debilidades que tienen estas medidas, pues resumen en un
“número” un fenómeno de las dimensiones de la educación, el objetivo que se persigue no va más
allá de la realización de comparaciones intersectoriales entre las entidades federativas de México.
Como decía Lord Kelvin, “lo que no se puede medir, no se puede mejorar”, a lo que se puede añadir
a continuación, ni tampoco comparar.

Referencias
Bauer, R. A. (1966): Social Indicators, Cambrdige: M. I. T. Press.

Blanco, R. (1933): Teoría de la educación, Madrid: Librería y Casa Editorial de Hernando.

Boudon, R. y P. Lazarsfeld (1973): Metodología de las ciencias socials. Conceptos e índices,

Barcelona: Laia.

Becker, G. S. (1964): Human capital, New York: Columbia University Press.

Brenes, H. y E. E. Gutiérrez-Espeleta, E. E. (2007): “Propuesta de un índice para la medición de la

calidad de vida en Costa Rica”. Revista de Ciencias Sociales, vol. II, nº 116, pp. 113-132.

CEPAL (2004): Anuario estadístico de América Latina y el Caribe 2003, Santiago de Chile.

Corvalán, A. M. (1998): “El uso de indicadores: requisito fundamental para alcanzar la educación
requerida al año 2000”. Boletín Proyecto Principal de Educación en América Latina y el Caribe, nº
46, OREALC.

Delors (1996): La educación encierra un tesoro, Madrid: Santillana, UNESCO.

Denison, E. F. (1964): “Measuring the Contribution of Education and the Residual to Economic
Growth”. The Residual Factor and Economic Growth, París: OCDE.

Fernández A. y G. Carmona (2009):”Re-hacer la educación: los mapas del desarrollo humano”.

Teoría de la educación, vol. 2, nº 21, pp. 45-78.

Fukuda-Parr, S. (2003): “The Human Development Paradigm, Operationalizing Sen’s Ideas on

Capabilities”. Feminist Economics, nº 9 (2/3), pp. 301-317.

Fukuda-Parr, S. and A. K. Kumar (2003): “Readings in Human Development”. Oxford: University

Press.

430
García, L. (1989): La educación. Teorías y conceptos. Perspectiva Integradora, Madrid: Paraninfo.
INEE (2003): Panorama Educativo de México, México D. F.

INEE (2009): Panorama Educativo de México, México D. F.

Kelley, A. C. (1991): “The Human Development Index: Handle with Care”. Population and
Development Review, nº 17 (2), pp. 315-324.

Martínez. F. (2004): “La edición 2004 de Education at a Glance de la OCDE. Presentación general y
lecciones para México”, Colección Cuadernos de Investigación Instituto Nacional para la Evaluación
de la Educación, nº 13.

Martínez, F. (2005): “El Diseño de Sistemas de indicadores educativos: consideraciones teórico-

metodológicas”. Colección Cuadernos de Investigación, Instituto Nacional para la Evaluación de la
Educación, nº 14.

Mayz, E (1971): “Arquetipos e ideales de la educación”. El sueño del futuro, Caracas, Venezuela:
Equinoccio.

Miras, F., F. Vicente y R. Rubio (2003): “Fundamentación psicológica del aprendizaje”. Revista de
educación, nº 332, pp.11-31.

Morduchowicz, A. (2006). “Los indicadores educativos y las dimensiones que los integran”.
Instituto Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura.

Moreno, J. L. (1999): “Educación, crecimiento y desarrollo humano: la necesaria consolidación

del enfoque del desarrollo humano”. Témpora. Revista de Sociología de la Educación, vol. 2, pp.
309-325.

Nuttall, D. (1994): “Choosing Indicators”. En Making Education Count: Developing and using
international indicators, París: CIRE, OECD.

Pino, S. (2005): “El Desarrollo Humano como eje transversal de las estructuras curriculares”.
Revista Electrónica de la Red de Investigación Educativa, vol. 1, nº 2.

PNUD (varios años): Informe sobre Desarrollo Humano, Nueva York.

PNUD México (2002): Informe sobre Desarrollo Humano, México.

Real Academia Española (2001). Diccionario de la lengua española. Vigésimo segunda edición (2
vols.), Madrid: Espasa.

Schultz, T. W. (1961): “Investment in Human Capital”. American Economic Review, vol. 54, pp.
1-17.

Sen, A. (1984): Resources, Values and Development, Cambridge: Harvard Universtity Press.

— (1988): “The Concept of Development”, en Chenery H. y Srinivasan, T.N. (eds.), Handbook of

Devolopment Economics. Amsterdam: Elsevier.

__ (1989): “Development as Capabilities Expansion”. Journal of Development Planning, nº 19, pp.

41-58.
431
— (1999): Development as Freedom, Oxford: Oxford University Press.

Smith, A. (1994): La riqueza de las naciones, Madrid: Alianza Editorial.

Solow, R. (1956). “A Contribution to the Theory of Economic Growth”. Quarterly Journal of

Economics, nº 70, pp. 65-94.

Treviño, E. (1997): “La experiencia de México en el Proyecto INES/OCDE”. En Indicadores Educativos

comparados en el Mercosur. Oficina Regional de Educación para América Latina.

Tuijnman A. y N. Bottani (1994): International Education Indicators: Framework, Development

and interpretation. Making Education Count: Developing and Using International Indicators, París:
OECD.

432
2. Universidades de clase mundial e indicadores de competitividad económica
de los países

Santos López Leiva, Universidad Autónoma de Baja California
Rosario Alonso Bajo, Universidad Autónoma de Sinaloa
José Mateo Bastidas Morales, Universidad Autónoma de Sinaloa

433
Universidades de clase mundial e indicadores de competitividad económica
de los países

Santos López Leiva, Universidad Autónoma de Baja California
Rosario Alonso Bajo, Universidad Autónoma de Sinaloa
José Mateo Bastidas Morales, Universidad Autónoma de Sinaloa

Resumen
Esta comunicación establece una relación entre las universidades de clase mundial y los indicadores
de competitividad del Foro Económico Mundial (WEF) para los países. Para las universidades se acude
a los dos principales rankings: Times Higher Education Suplement (THES), con 200 universidades
y el Academic Ranking World Universities (ARWU), creado por la universidad JiaoTong de Shangai,
que considera 500 instituciones.
En los países se realiza una clasificación de acuerdo a las cinco etapas de competitividad del
WEF. Con ellas se hicieron dos agrupaciones, la primera integra los países de la etapa III, con
orientación hacia la sofisticación de los negocios y a las actividades de innovación. Un segundo
grupo se formó con los países ubicados en las restantes cuatro etapas.
En el THES, en promedio, el 93% de las universidades se encuentran en los países del grupo I,
observándose un alto grado de concentración en estos países y con ello, una alta concentración
en la producción de conocimiento. Se hace una comparación de medias de los indicadores de
competitividad de ambos grupos de países y se busca la relación de las universidades de clase
mundial con los pilares de la competitividad.
Para el ARWU, además de llevar cabo una comparación de medias de los indicadores de competitividad,
se hace un análisis del comportamiento de los seis indicadores de este ranking para establecer qué
tipo de diferencias existen entre las universidades del primero y segundo grupo de países.
Las preguntas de investigación son: cómo se distribuyen las universidades de clase mundial en
esos dos grupos de países, donde están ubicadas estas instituciones, el grado de concentración
existente en los países del grupo I y cuáles son las características de las universidades ubicadas
en ambos grupos de países.

Palabras clave: Análisis en educación, Educación superior e instituciones de investigación,

Instituciones y crecimiento, Medida del crecimiento.

Clasificación JEL: I21, I23, 043, 047.

1. Introducción
La presente comunicación establece una relación entre las universidades de clase mundial
consideradas por los dos principales rankings internacionales: el Times Higher Education World
University Rankings (THES), publicado por The Times Higher Education Suplement y el Academic
Ranking World Universities (ARWU), creado por la universidad JiaoTong de Shangai, y los niveles
de competitividad de los países instituidos por el World Economic Forum (WEF).
El WEF inicia los reportes de competitividad por naciones, atendiendo los pilares de la
competitividad en 2006, de tal manera que se toma ese año como inicial y se recorre el periodo
hasta el 2010, este organismo considera que son doce los pilares en los cuales se sustenta la
competitividad de los países. Considerando las cinco etapas de competitividad que integra el
WEF, las tres etapas principales y las dos transitorias, se ubicaron los países en cada una de
ellas. Para facilitar el estudio se hicieron dos agrupaciones. El grupo I está compuesto por los
países clasificados en la etapa III por su nivel de competitividad, cuya orientación es hacia la
sofisticación de los negocios y a las actividades de innovación, por tanto son los de más alta
competitividad o países de mayor desarrollo. El grupo II se formó con los países ubicados en las

434
restantes cuatro etapas, que comprende los otros diez pilares de la competitividad. Se consideran
como países en proceso de afianzar su competitividad o en vías de desarrollo.
Se llevó a cabo la distribución de las universidades en los dos grupos de países, consideradas
en cada uno de los rankings donde se observó el grado de concentración en los países del grupo
I, en el cual se encuentra alrededor del 90% de las universidades.
Se consideran las categorías que integran cada ranking con sus respectivos indicadores,
para caracterizar las universidades ubicadas en los dos grupos de países y definir las barreras de
participación de las universidades de los países del grupo II.
El marco teórico se inscribe en la economía de la educación al reflexionar que los niveles
de educación y el establecimiento de universidades de clase mundial no tienen el mismo efecto
en los dos grupos de países, al existir factores institucionales que hace que las instituciones de
educación superior cuenten con mejores condiciones de desarrollo en unos países que en otros.
Las preguntas de investigación giran en torno a cómo se distribuyen las universidades de
clase mundial en esos dos tipos de países, donde están ubicadas estas instituciones, qué grado de
concentración existe en los países del grupo I y cuáles son las características de las universidades
ubicadas en ambos grupos de países.

2. Educación y desarrollo económico

Existe una opinión muy generalizada entre autores y formuladores de política económica
acerca de la relación positiva entre la inversión nacional en educación y los logros en el desarrollo
económico (Brewer, Hentschke, y Eide, 2010:4).
La educación mejora los niveles de comportamiento de las economías de los países, cuando
menos por tres vías: a) incrementa el capital humano inherente a la fuerza de trabajo, lo cual
repercute positivamente en los niveles de productividad y traslada el punto de equilibrio económico
hacia arriba; b) incrementa la capacidad del sistema nacional de innovación, por la vía de producir
conocimientos capaces de generar y aplicar nuevas tecnologías tanto para productos como para
procesos, y c) permite la difusión y trasmisión del nuevo conocimiento necesario para entender
y procesar la información requerida para la instrumentación eficiente de las nuevas tecnologías
(Hanushek y WöBmann, 2010:60; Del Campo y Salcines, 2008:47).
Por otra parte, Alexander (2008:6) establece que los beneficios de la educación se
manifiestan en a) un incremento en la producción a través del avance del factor trabajo; b)
incrementa la eficiencia y reduce los costos innecesarios, de este modo ahorra y preserva recursos
que se usan para el incremento de la productividad, y c) incrementa la conciencia social de la
comunidad para mejorar las condiciones en que vive.
Como idea central en el pensamiento de ambos autores se encuentra la educación como
factor clave para el desarrollo de los países y el impulso a la competitividad de las economías.
A pesar de que la economía de la educación adquiere desarrollo propio en la segunda mitad
del siglo XX, esto no significa que no existieran preocupaciones por el estudio de la participación
de la educación en el mundo productivo, pues ya Petty (1623-1687) se preocupó por medir la
riqueza de un país en función del grado de conocimiento de sus habitantes. Para el siguiente
siglo, Cantillon analizó las diferencias salariales considerando el nivel educativo como elemento
de referencia. Pero la primera defensa explicita del capital humano, sin duda, la hace Smith al
considerar la cualificación del trabajador como el factor influyente en el incremento productivo.
Aquí se encuentra el embrión del pensamiento que liga una alta relación entre la instrucción de
la población y la riqueza nacional (Del Campo y Salcines, 2008).
Más adelante, ya en el pensamiento neoclásico, Alfred Marshall (1842-1924) enfatizó en
los efectos de la educación sobre el trabajador industrial, al señalar que una actividad productiva
superior en la industria requería un trabajador más educado. Reconoció que la educación tiene la
capacidad de influir en los ingresos de los trabajadores, el individuo invierte en educación puesto
que ello le permitirá conseguir el empleo deseado en términos de ingreso.

435
 Pero no fue hasta principios de los años sesenta del siglo XX, con el surgimiento de la teoría
del capital humano, cuando la economía de la educación se estrena como un campo disciplinario.
La educación es vista como un espacio de inversión productiva.
Por otra parte, desde la teoría del crecimiento se han formulado una serie de modelos
que buscan explicar y algunos de ellos intentan medir la influencia de la educación sobre el
crecimiento y el desarrollo económico. La inversión en educación constituye un elemento central
para el impulso al desarrollo económico y la competitividad de los países.
Las anteriores propuestas resultan muy certeras, aunque autores como Hanley (en Rubio
Mayoral, 2006:48) señalan que a pesar de que existían países con una mayor alfabetización que el
Japón no tuvieron un nivel de desarrollo impresionante como lo tuvo Japón, por lo que: “no son
tanto los niveles de escolarización sino la actitud hacia la educación, la función que desempeña
en la vida social y económica del país, y su contenido” los que hacen que se logre el desarrollo
económico. En segundo lugar, mantiene que “la educación es un factor necesario para el desarrollo
económico, pero evidentemente no es suficiente”.
A este respecto, Lassibille y Gómez Navarro (2004:150), establecen que: “los mecanismos
que relacionan a la educación con el desarrollo económico son algo más complejos, pues la
observación de los hechos a lo largo de los últimos cuarenta años muestra que el aumento del nivel
de educación de la población activa es una condición necesaria para el crecimiento económico, no
es sin embargo una condición suficiente”.
Más adelante establecen que: “para que la educación incida en el desarrollo y el crecimiento
económicos, es imprescindible que los sistemas de enseñanza produzcan las cualificaciones que
requieren las economías, y que los mercados de trabajo tengan la capacidad de absorber los flujos
de titulados que salen del sistema educativo”
Hanushek y WöBmann (2010) con el estudio del comportamiento de 50 países, en el
periodo 1960-2000, sostienen que la calidad del ambiente institucional y la calidad de la educación
son importantes y van combinados en el logro del desarrollo económico de las naciones. Además,
el efecto de la calidad de la educación sobre el crecimiento resulta significativamente mayor en
países con un marco institucional productivo; entonces la calidad del marco institucional y la
calidad de la educación se refuerzan uno con el otro. Por lo tanto, el efecto macroeconómico de la
educación depende de otras políticas complementarias que fomenten el crecimiento y fortalezcan
las instituciones. Pero sostienen, que a pesar de todo, la formación de habilidades cognitivas tiene
un importante efecto en el crecimiento, aun en los países con pobre ambiente institucional.
Los países que carecen de marcos institucionales adecuados para el impulso a la educación,
pueden invertir recursos en mejorar los niveles educativos de sus habitantes, pero no tendrán el
mismo éxito que las naciones que se han preocupado por implementar ambientes propicios para el
cultivo del conocimiento. Sin embargo, la educación, de todas formas se convierte en un elemento
que mejora las estructuras institucionales de un país.
En este sentido, Glaessev et al. (Hanushek y WöBmann, 2010:65) afirman que el capital
humano en sí puede llevar a la creación e impulso de mejores instituciones; se puede lograr el
mejoramiento de las habilidades cognitivas, sin consideración de las instituciones económicas. O
sea que de forma independiente el mejoramiento a los sistemas de educación acarrea repercusiones
positivas en la fortaleza institucional y en la competitividad de un país.
La existencia de un mejor ambiente institucional explica la existencia de un mayor número
de universidades en los países de mayor desarrollo. Sin embargo, la opinión y la existencia
de grupos, que aun sin contar con la fortaleza institucional propia de los países desarrollados,
impulsan la creación de este tipo de universidades, bajo la lógica que estas instituciones vienen
a promover la fortaleza institucional en los países en vías de desarrollo, mejorando sus niveles
de competitividad y promoviendo un fenómeno de convergencia hacia los países de mayor
desarrollo.
La educación, así como la favorece la convergencia entre los países, también funciona
como un elemento que promueve la igualdad de los individuos en la sociedad.

436
 A este respecto, Checchi (2008:5) sostiene y demuestra dos importantes principios en la
relación con la participación de la educación en la economía de los países, de manera particular
en la búsqueda de equidad entre la población: a) los países con mayores logros educativos
se caracterizan también por la disminución de las diferencias en los niveles educativos de su
población, y b) la desigualdad de ingresos tiende a ser menor en los países donde el promedio
de educación es superior. De acuerdo con este planteamiento, en los países donde existen mayor
número de universidades de alta calidad existirá menores diferencias en los niveles educativos de
la población, pero además, contarán con una mejor distribución del ingreso. Esto resulta así por
la función igualadora que cumple la educación.
Desde la perspectiva de atención al desarrollo mediante la existencia de universidades de
alta calidad, el Banco Mundial ha impulsado lo que denomina universidades de clase mundial.
Salmi (2009) señala que en la última década, el término “universidad de rango mundial”
se ha convertido en una frase de moda, no sólo para mejorar la calidad de la enseñanza y la
investigación en la educación terciaria, sino también, y lo que es más importante, para desarrollar
la capacidad que se necesita para competir en el mercado mundial de la educación terciaria
mediante la adquisición y creación de conocimientos avanzados.
El mismo autor, (Salmi, 2009) más delante señala que las universidades de rango mundial son
reconocidas en parte por la superioridad de sus resultados. Producen graduados universitarios
excepcionalmente calificados y con alta demanda en el mercado laboral, que llevan a cabo
investigaciones de vanguardia con publicaciones en las principales revistas científicas y que, en
el caso de instituciones orientadas hacia la ciencia y la tecnología, contribuyen con innovaciones
tecnológicas a través de patentes y licencias.

3. El Foro Económico Mundial y los índices de competitividad

El Foro Económico Mundial es una organización internacional independiente comprometida
a mejorar el estado del mundo mediante la participación de hombres de negocios, líderes políticos,
académicos y otros líderes de la sociedad para modelar las agendas globales, regionales e industriales
(www.weforum.org)
Este organismo divide los países en cinco etapas de desarrollo de su competitividad, de la
siguiente manera:

1. Países en la etapa I. Economías dirigidas por los factores o de competitividad básica, las
cuales están impulsadas por cuatro pilares, que son: fortaleza de las instituciones, o sea los
organismos y normas en las que se sustenta el país; calidad de la infraestructura, construcciones,
edificios, comunicaciones, trasportes, etc.; estabilidad macroeconómica, eficiencia de las políticas
macroeconómicas, tanto fiscales como monetarias, y el nivel de educación básica y salud de la
población.

2. Países en la etapa II. Economías guiadas por la eficiencia, las cuales basan su competitividad
en seis pilares: los servicios de educación superior y capacitación, disponer de un mercado de
bienes y servicios eficiente, contar con un mercado laboral eficiente, poseer mercados financieros
sofisticados, adecuada capacidad para la adopción tecnológica y gozar de un mercado de bienes
y servicios amplio y eficiente.

3. Países en la etapa III. Economías guiadas por la innovación. Éstas se basan en dos factores:
grado de sofisticación en los negocios y la capacidad en las tareas de innovación
Además, incluye dos etapas intermedias que son:

4. Países entre la etapa I y etapa II.

5. Países entre la etapa II y etapa III

437
Tabla 1. Número de países distribuidos por etapas de competitividad. Según el Foro Económico
Mundial (2006-2010)

2006 2007 2008 2009 2010

No. % No. % No. % No. % No. %
Etapa I 47 37.6 44 33.6 42 31.1 38 28.5 38 27.3
Entre I y II 12 9.6 18 13.7 17 12.6 18 13.5 25 17.9
Etapa II 26 20.8 27 20.6 27 20.0 26 19.5 29 20.8
Entre II y III 9 7.2 11 8.4 15 11.1 14 10.5 15 10.8
Etapa III 31 24.8 31 23.6 33 24.4 37 27.8 32 23.0
Total 125 131 135 133 139

Fuente: The Global Competitiveness Report de 2006-2010. http://www3.weforum.org/docs/

WEF_GlobalCompetitivenessReport_2010-11.pdf

Al realizar una revisión del peso porcentual que tiene cada una de las etapas en el total de
países estudiados por el WEF, se puede observar que la etapa I fue de las que tuvo mayor movilidad,
pues de representar el 37.6% en 2006, se pasó al 27.3% en 2010, presentó un decrecimiento aun
cuando el número total de países pasó de 125 a 139. La cantidad de países en esta etapa sigue
siendo mayoritaria, pero esta cifra se incrementa si se considera el monto de países inscritos en
la Organización de las Naciones Unidas (ONU) que alcanza la cifra de 192 miembros, por lo que
hay una diferencia de 53 países con respecto a los analizados por el WEF. La mayoría de estos 53
países se ubican en la etapa I.
El porcentaje de países entre la etapa I y la etapa II presentó un crecimiento como
consecuencia de la disminución de la etapa I, es decir, un número de países se impulsó hacia
arriba, pues pasaron del 9.6% al 17.9%, casi en el mismo porcentaje que disminuyo la etapa I.
La etapa II fue la que presentó una mayor estabilidad moviéndose en porcentajes muy
cerca del 20%. Son países que ya cuentan con un buen sistema de educación superior y de
capacitación para el trabajo, el cual constituye uno de los pilares de su competitividad.
Los países que se encuentran entre la etapa II y la etapa III presentaron un ligero
crecimiento, moviéndose del 7.2% al 10.8%.
La etapa III se mantiene estable entre 23% y 25% a excepción de 2009, que subió al 27.8%,
siendo en este año cuando se observó un deslizamiento de los países hacia la etapa III. Esta etapa
comprende a los países con mayor nivel de desarrollo y mejores indicadores de competitividad y
donde la promoción de la innovación constituye el eje de la competitividad. En este espacio es
donde mayormente se han anidado las universidades de clase mundial, las cuales cuentan con
mejores condiciones de respuesta para atender los criterios de evaluación que establecen las
rankings aquí revisados.

4. Times Higher Education World University Rankings (THES)

4.1 Estructura del ranking y peso porcentual de las categorías.
Este ranking selecciona 200 de las principales universidades del mundo. Tal clasificación
fue introducida por primera vez en 2004 y lo integran cinco categorías, las cuales se evalúan a
través de trece indicadores y se distribuyen como sigue:
Docencia. Ambiente de aprendizaje. Esta categoría alcanza un peso del 30% en la evaluación
general de la universidad y la componen cinco indicadores, donde el de mayor peso es la encuesta
de reputación, que a nivel general se valora en 15% y representa el 50% de la evaluación de la
docencia. Otro indicador importante es la relación de doctores con respecto al personal académico

438
de tiempo completo, el cual que tiene un peso del 6% en el contexto general y 20% de la
categoría.
Investigación. Cuenta con cuatro indicadores, donde la encuesta de reputación influye
en el 19.5% de la evaluación general y logra el 65% de peso porcentual en la categoría. Otro
indicador evalúa los ingresos que tiene la universidad a través de la investigación, con un peso
del 5.25% en lo general y 17.5% en la categoría.
Grado de influencia de las citas. Esta categoría alcanza el 32.5% de la evaluación general.
Cuenta con un solo indicador que lo constituye la evaluación de las citas.
Ingresos provenientes del sector productivo como resultado a las innovaciones. Tiene un
peso del 2.5% a nivel general y está constituida solo por el indicador de ingresos que resulta de
la comercialización de los productos de la investigación.
Mezcla internacional de profesores y estudiantes. Tiene un peso del 5% y la constituyen
dos indicadores, uno para la combinación internacional de profesores con 3% en el peso y otro
para estudiantes, con 2%. Ver tabla 2.
En este ranking dos categorías dominan el panorama de la evaluación, la primera es la
reputación internacional que tenga la institución, tanto en docencia, 15%, como en investigación,
19.5%, por tanto el valor del factor reputación recogido a través de encuestas alcanza una
participación del 34.5% en la evaluación total de la universidad. La información que se utiliza
es obtenida a través de un cuestionario aplicado por la empresa Thomson Reuters, que en 2010,
encuestó a 13 388 académicos de 131 países, en ocho idiomas. El siguiente factor en peso es el de
las citas que reciben los artículos publicados por los académicos, el cual equivale al 32.5% de la
evaluación. Para este indicador recurre a las revistas integradas a la Web of Science de la empresa
Thomson Reuters, que en 2010 consideraba 11600 revistas. Entre los dos indicadores mencionados
anteriormente acumulan un peso del 67% en la evaluación de una universidad.

439
Tabla 2. Categorías e indicadores del THES
Categorías Indicadores Peso Peso
porcentual porcentual
del total de la
categoría
Docencia. El ambiente de Encuesta sobre reputación en 15% 50%
aprendizaje docencia
30% Razón entre doctores y personal 6% 20%
académico
Razón de estudiantes de 4.5% 15%
licenciatura por académico

Promedio de ingreso por 2.25% 7.5%

académico
Razón de doctores a estudiantes 2.25% 7.5%
graduados
Investigación. Volumen, Encuesta sobre reputación en 19.5% 65%
ingresos y reputación investigación
30% Ingresos por investigación 5.25 17.5%
Artículos publicados por 4.5 15%
académico
Ingresos provenientes de recursos 0.75% 2.5%
públicos/total de ingresos por
investigación
Grado de influencia de las Impacto de las citas 32.5% 100%
citas (Impacto normalizado por el
32.5% promedio de citas por artículo)
Ingresos por innovación Ingresos de la investigación 2.5% 100%
provenientes del sector provenientes del sector
productivo. productivo
2.5%
Mezcla internacional de Razón entre profesores nacionales 3% 60%
estudiantes y profesores a internacionales
5% Razón de estudiantes nacionales a 2% 40%
internacionales

Fuente: http://www.timeshighereducation.co.uk/world-university-rankings/2010-2011/analy-
sis-methodology.html

4.2 Los grupos de países de acuerdo a este ranking

Considerando los países que cuentan con universidades en este ranking, se integraron
dos grupos de países: el primero con países del grupo I, definido en el apartado anterior, con
universidades en este ranking, el cual se denominó Grupo I-THES, que consta de 21 países,
los cuales han tenido al menos una universidad en este ranking de 2006 a 2010. El segundo
grupo denominado Grupo II-THES, integrado por los países del grupo II con universidades en este
ranking y está integrado doce países.
Al comparar las medias de competitividad general, podemos ver la diferencia muy marcada
de los dos grupos. El grupo I-THES, con media igual a 16.4 y el grupo II-THES con media de 56,
lo que implica una distancia de casi 40 lugares. Cabe recordar que los números menores indican

440
mayor competitividad. Por otra parte, el grupo I-THES es más estable en los tres indicadores.
En el caso de la competitividad de factores o requerimientos básicos la distancia es de casi 49
puntos; en cuanto a niveles de eficiencia, la distancia es de 37 y en el renglón de innovación la
distancia es decasi 36. La mayor diferencia es en infraestructura o requerimientos básicos, lo que
implica que a pesar de que este es el sustento principal de la competitividad del grupo II-THES,
no destacan las medidas de competitividad instrumentadas en los cuatro pilares que lo sostienen.
Ver tabla 3.
Otros indicadores que nos muestran la concentración provienen de la población y el ingreso.
Por ejemplo, el primer grupo de países cuentan con una población aproximada de 891 millones
de habitantes que acaparan el 49% de la riqueza mundial, o sea que el 13% de la población, la
cual se encuentra en estos 21 países, cuenta con casi el 50% de la producción mundial, con un
ingreso per cápita promedio de 41 172 dólares al año. En cambio el grupo II integra una población
de 3 355 millones de habitantes, distribuidos en doce países, cuenta con el 31.3% de la riqueza
mundial, con un gran peso de China que participa con el 12% de la riqueza mundial. Los países
del grupo alcanzan un ingreso promedio per cápita de 6 809 dólares anuales.

Tabla 3. Indicadores de competitividad de los países que tienen universidades en el ranking THES
Grupo I-THES Grupo II-THES
Promedio de Promedio de Promedio de Promedio de
lugar indicador lugar indicador
Total 16.42 5.14 55.63 4.34
Nivel Básico 17.42 5.62 66.09 4.56
Nivel de eficiencia 14.28 5.08 50.27 4.27
Nivel de innovación 16.42 4.93 52.09 3.78

Fuente: Sala-i-Martin, et al (2010), The global competitiveness index 2010-2011: Looking beyond the
global economic crisis, en World Economic Forum, The global competitiveness index 2010-2011.

4.3 La distribución de las universidades

En la tabla 4 muestra la distribución de universidades en los dos grupos de países. El grupo
I-THES está compuesto por 21 países y el grupo II-THES lo integran doce países.

Tabla 4. Cantidad de universidades de clase mundial consideradas en el ranking THES, distribuidas

por grupos de países
2006 2007 2008 2009 2010
Universidades ubicadas en los 181 189 185 186 186
países del grupo I-THES
Peso porcentual 90.5% 94.5% 92.5% 93.5% 93.4%
Universidades ubicadas en el 19 11 15 13 13
grupo II-THES
Peso Porcentual 9.5% 5.5% 7.5% 6.5% 6.6%

Fuente: Para la lista de países se toma The global competitiveness report del World Economic
Forum (WEF), 2006, 2007,2008, 2009 y 2010.http://www.weforum.org/reports
Para el número de universidades se recurrió a los reportes del Academic Ranking of World
Universities http://www.arwu.org/
En promedio, en los cinco años estudiados, estos 21 países alojan el 93.4% de las
universidades de clase mundial, lo cual nos dice que el restante 6.6%, o sea 13 universidades se
441
encuentran ubicadas en los 118 países restantes según el WEF, o en los 172 según el número de
países registrados en la ONU, de los cuales solo doce países cuentan o han contado con al menos
una universidad de este tipo.
Si bien el grado de concentración general se ha incrementado en un 3% en los países del
grupo I-THES. Al considerar la participación de los primeros cuatro países, se observa un mayor
incremento en el nivel concentración en los cinco años estudiados, pues en 2006, los primeros
cuatro países albergaban el 47.5% de las universidades y para 2010 alcanzaron el 62.5%. Se
observa elcaso de Estados Unidos que en 2006 mantenía 55 universidades y para 2010, esta cifra
llegó a 72 instituciones.
Otro caso que merece atención es el de Japón, pues se había mantenido con 11 universidades
hasta 2009, pero para 2010 bajó a 5 instituciones.
El grupo II-THES, se formó con los países que están en las siguientes cuatro etapas.
Aquí se observa la movilidad de China, pues este país que aparecía en la etapa I en 2006, con 9
universidades en el ranking mundial. Para 2007 aparece entre la etapa I y II con seis universidades
reconocidas, para 2008 se ubicó en la etapa II con las mismas seis universidades, lo mismo en
2009 y 2010.
Para el caso de los países de América Latina, la experiencia no es halagadora, pues es una
historia de entradas y salidas, solo tres países han participado en este ranking. Brasil aparece
en 2007 con dos universidades y en 2008 con una institución, manteniéndose ausente en los
restantes años. México, considerado en la etapa II, pero que en 2009 llegó a estar entre la etapa II
y III, mantuvo una universidad hasta 2009, para desaparecer en 2010. Argentina que se encuentra
en la etapa II, solo aparece en 2008 con una institución.
Para 2010, esta región no logró inscribir ninguna universidad en el THES. Señala un
documento del propio organismo que los principales contendientes son las universidades públicas,
las cuales atraviesan por una serie de problemas como los de cargar con una estructura de gobierno
engorrosa, burocrática y la mayoría de las veces politizada. Reconoce la calidad internacional de
algunas universidades brasileñas, sin embargo, esta no les alcanza para ser integradas en este
ranking. http://www.timeshighereducation.co.uk/world-university-rankings/2010-2011/south-
america.html. (Consulta 24/03/2011)

5. Academic Ranking World Universities (ARWU)

5.1 Estructura del ranking y peso de los criterios.
Este ranking es calculado y promovido por la universidad JiaoTong de Shangai. Fue
publicado por primera vez en 2003 por el Center for World-Class Universities y el Institute of
Higher Education de esta universidad. Considera cuatro criterios y seis indicadores, los cuales se
distribuyen como sigue:
Calidad de la educación. Este criterio se mide con el indicador de egresados de la institución
que han obtenido Premios Nobel y Medallas Fields y tiene un peso del 10%. Las Medallas Fields se
otorgan en el campo de las matemáticas, ya que en esta disciplina no hay Premio Nobel.
Calidad de los académicos. Tiene un peso porcentual del 40% y lo integran dos indicadores:
los Premios Nobel y Medallas Fields obtenidos por los académicos de la institución, con un peso del
20%, y las citas en revistas de alto Factor de Impacto que reciben los trabajos de los investigadores
en 21 categorías temáticas, con otro 20%.
Productos de investigación. Tiene un peso del 40% y la integran dos indicadores: artículos
publicados en las revistas Nature y Sciense, con 20% de peso, y el número de publicaciones
indexadas en el Science Citation Index Expandido y en el Social Science Citation Index. Excluye
el Arts and Humanities Citation Index.
Comportamiento individual de los profesores. Se calcula con base en un promedio del monto
alcanzado por los anteriores cinco criterios, entre el personal académico. Logra una valoración del
10%. Ver tabla 5.

442
Tabla 5. Criterios e indicadores del Ranking ARWU
CRITERIO INDICADOR CODIGO PESO
Calidad de la Egresados de la institución ganadores de Premios Alumni 10%
educación Nobel o Medallas Fields
10%
Calidad de los Personal de la planta académica ganadores de Award 20%
académicos Premios Nobel o Medallas Fields
40% Investigadores altamente citados en revistas de HiCi 20%
alto Factor de Impacto, distribuidos 21 categorías
temáticas
Productos de Artículos publicados en las revistas Nature y N&S 20%
Investigacion Science
40% Artículos publicados en revistas incluidas en el PUB 20%
Science Citation Index Expandido o en el Social
Science Citation Index
Comportamiento Comportamiento individual de los académicos de la PCP 10%
per cápita de los institución. Promedio del monto alcanzado por
académicos cinco indicadores anteriores, entre la planta
10% académica de tiempo completo.

Fuente: www.arwu/ARWUMethodology/2010.jsp.

5.2 Los grupos de países de acuerdo a este ranking

Igual que en el ranking anterior, se formaron dos grupos: el de países con mayor
competitividad que se denomina grupo I-ARWU y el de países de menor competitividad denominado
grupo II-ARWU.
Al hacer el análisis se encontró que la media de los lugares de competitividad en el
grupo I-ARWU alcanza el lugar 21, lo cual indica que en promedio estarían en el lugar 21 de
competitividad de los 139 países. En cambio, los países del grupo II-ARWU estarían en un promedio
de 54.2, esto indica una gran diferencia entre las medias de los dos grupos. El grupo I alcanza su
mayor competitividad en el renglón de innovación, al contar con una media de 18. Por otra parte,
el grupo II alcanza su mayor nivel de competitividad en el renglón de eficiencia en el lugar 51. En
esta comparación, las medias más cercanas resultan en la eficiencia, donde se ubican los factores
como la educación superior y la capacitación, que son los factores que están buscando fortalecer
los países del grupo II, siendo este renglón es donde se encuentran mejor ubicados los países de
este grupo, al alcanzar una media de 51 y con ello la menor diferencia con el grupo I.
Si esta comparación se hace por indicadores de WEF, el grupo I alcanza una media de 5 y
el grupo II de 4.36, lo que resulta indudable una mayor competitividad del grupo I; pero además
se puede observar que el grupo II donde alcanza su menor competitividad es en el nivel de
innovación. En ambas comparaciones se observa que las menores diferencias se encuentran en los
factores del nivel de eficiencia, los cuales manifiestan una relación más estrecha con la educación
superior y capacitación. Ver tabla 6.
Otros indicadores que nos muestran la diferencia entre grupos provienen de la población
y el ingreso. Por ejemplo, el primer grupo de países cuentan con una población aproximada de
966.6 millones de habitantes que acaparan el 51.75% de la riqueza mundial, o sea que el 14.4%
de la población, la cual se encuentra en estos 24 países, cuenta con más del 50% de la producción
mundial, con un ingreso per cápita promedio de 41 559.6 dólares al año. En cambio el grupo II
integra una población de 3 329.7 millones de habitantes, distribuidos en quince países, cuenta
con el 32.45% de la riqueza mundial, con un gran peso de China que participa con el 12% de
la riqueza mundial, y con un ingreso per cápita de 9 846 dólares anuales en los países de este
grupo.

443
Tabla 6. Indicadores de competitividad de los países que tienen universidades en el ranking
ARWU
Grupo I-ARWU Grupo II-ARWU
Promedio de Promedio de Promedio de Promedio de
lugar indicador lugar indicador
Total 21 5.022 54.2 4.36
Nivel Básico 22.6 5.5 63.5 4.61
Nivel de eficiencia 19 4.95 51 4.27
Nivel de innovación 18 4.82 53.7 3.75

Fuente: Sala-i-Martin, et al (2010), The global competitiveness index 2010-2011: Looking beyond
the global economic crisis, en World Economic Forum, The global competitiveness index 2010-
2011.

5.3 Distribución de las universidades incluidas en el ARWU

En la tabla 7 aparece la distribución de las 500 universidades consideradas en este ranking,
por años y por grupos.

Tabla 7. Distribución de las universidades de clase mundial por años y por grupos de países
2006 2007 2008 2009 2010
Numero de universidades ubicadas 451 462 451 447 441
en los países del grupo I-ARWU
Peso porcentual 90.2% 92.4% 90.2% 89% 88.2%
Numero de universidades ubicadas 49 38 52 54 59
en los países del grupo II-ARWU
Peso Porcentual 9.8% 7.6% 9.8% 11% 11.9%

Fuente: Para la lista de países se toma The global competitiveness report del World Economic
Forum (WEF), 2006, 2007,2008, 2009 y 2010.
Para el número de universidades se recurrió a los reportes del Academic Ranking of World
Universities http://www.arwu.org/

En este ranking, era de suponerse que al pasar de 200 a 500 universidades, la concentración
podría bajar, sin embargo su grado se mantuvo en promedio en el 90%. Al revisar los primeros
cuatro países, ésta bajó del 56.4% en 2006 al 51.2% en 2010. Lo cual se debe a la caída de Estados
Unidos que pasó de 167 universidades en 2006 a 154 en 2010, esto es contradictorio con el
ranking THES, pues en éste, Estados Unidos presenta un salto hacia arriba. Japón en el ARWU
presenta una baja de 32 a 25 universidades, siendo el año de mayor baja en 2010, lo cual coincide
con el ranking THES.
Para el caso de América Latina se observa la aparición de cuatro países. Brasil, aun cuando
se mantiene en el nivel II por su grado de competitividad, pasó de cuatro universidades en 2006
a seis en 2008, donde se mantuvo hasta 2010.
Un país que si subió en su nivel de competitividad fue Chile, pues en 2008 pasó de la etapa
II a ubicarse entre la etapa II y III y desde 2007 mantiene dos universidades en este ranking.
México, hasta 2010, mantuvo una sola universidad, que es la Universidad Nacional Autónoma de
México (UNAM) y no se observa que otra institución mexicana pueda llegar a ser considerada de
clase mundial. Por el contrario, al perder niveles de competitividad como país, pues pasó del lugar
32 en 2000, al lugar 66 en 2010, con ello las instituciones de educación superior tienen mayor
riesgo de perder participación internacional.
Argentina se mantiene con una universidad en el nivel II de competitividad.

444
 Con la finalidad de detectar la existencia de diferencias entre las universidades
pertenecientes a los países del grupo I y las universidades ubicadas en los países del grupo II, se
tomó una muestra aleatoria de 133 universidades del grupo I, cantidad que resulta representativa
pues el tamaño de la muestra fue de 115 instituciones con un nivel de confianza del 95%. En
cuanto al grupo II se consideraron 31 universidades, se obtuvo la media de los seis indicadores.
La información aparece en la tabla 8.

Tabla 8. Medias del comportamiento de los indicadores de las universidades de los dos grupos de
países
Premios Premios Citas de los Artículos Publicaciones Comportamie
Nobel y Nobel y investigadore de la planta en revistas nto
Medallas Medallas s en revistas académica integradas en individual de
Fields Fields con alto publicados el Scince los
obtenidos logrados Factor de en las Citation Index profesores
por los por la Impacto revistas Expandido o
egresados planta Nature y en el Social
académica. Science Science
Citation Index
Grupo I-ARWU 9.42 6.47 16 15.75 38.1 20.26
Grupo II-ARWU 2.38 0.81 3 5.1 38.8 15.2
Participación del grupo 25.3% 12.5% 18.7% 32% 101% 75%
II con respecto al grupo I
Fuente: Elaboración propia con datos del ARWU

6. Algunos puntos de discusión

Se puede decir que los grupos I de cada ranking tienen medias de competitividad similares.
Lo mismo se puede decir de los grupos II, aunque en estos últimos, las medias son más cercanas
a pesar de que el universo de donde se obtienen los países resulta más extenso. Los países que
integran los grupos II, se parecen más entre sí.
En ambos rankings se observa un alto grado de concentración de las universidades en el grupo I.
En el caso de THES, este grupo alcanzó una concentración promedio del 93% y para el ARWU esta
fue del 90%.
Al revisar los factores que producen la concentración, para el caso del THES son dos los
elementos de mayor peso, el primero de ellos es la reputación, que alcanza un peso porcentual del
34.5%, dividido en docencia e investigación. En la encuesta levantada se considera las veces que
la institución es referida por los académicos encuestados La Universidad de Harvard, la cual es
más mencionada en las encuestas, se califica con 100 y las restantes se calculan como porcentaje
de esta universidad de acuerdo a las veces que fueron mencionadas por los encuestados. Seis
universidades concentran los mayores porcentajes: la Universidad de Harvard, 100%; Instituto
Tecnológico de Massachusetts, 85%; Universidad de Cambridge, 80.7%; Universidad de California
Berkeley, 74.7%; Universidad de Stanford, 71.5% y Universidad de Oxford, 68.6%. De ahí para
adelante los porcentajes son bajos, al ser menos mencionadas las universidades, esto implica
una barrera de entrada a este ranking para las universidades de los países del grupo II, al no ser
mencionadas o bien mencionadas pocas veces en la encuesta. Además, la participación de los
académicos de estos países es reducida.
Otra barrera a la entrada lo constituye las citas que se hagan a los trabajos de los
investigadores, este factor alcanza un peso porcentual del 32.5%. La mayor parte de los
investigadores de las universidades del grupo II publican en revistas que tienen un Factor de
Impacto muy reducido, por tanto tienen poca probabilidad de ser citados. Además, en este aspecto
tienen la barrera del idioma, de la disciplina donde se desarrollan y la baja participación en los
comités dictaminados de los artículos.
Para el caso del ARWU, que se integra con cuatro criterios y seis indicadores, donde el

445
mayor peso lo tienen la calidad de los académicos y la investigación con el 40% de cada uno.
La barrera más fuerte para la entrada de las universidades de los países del grupo II se encuentra
en la calidad de los académicos, pues el primer indicador que se refiere a los Premios Nobel y
Medallas Fields ganadas por los académicos, en ambos casos la distancia entre los dos grupos de
países es grande, pues como se observa en el cuadro 8, la participación de los académicos del
grupo II en estos reconocimientos apenas alcanza el 12.5% del grupo I. Otro elemento son las
citas en revistas con alto factor de impacto, donde los investigadores del grupo II apenas alcanzan
el 18.7%, en promedio, de los investigadores de las universidades del grupo I. Medir la calidad de
los académicos con estos indicadores resulta muy selectivo y presenta una gran desventaja para
las universidades ubicadas en el grupo II.
En cuanto al criterio investigación, con un peso del 40%, también la componen dos
indicadores, el primero es los artículos publicados en las revistas Nature y Science, de antemano
esta constituye una desventaja proveniente de las líneas disciplinarias que mayormente cultivan
los investigadores de las universidades del grupo II, quienes alcanzan un 32% de los del grupo
I. El otro indicador, lo constituye las publicaciones de los investigadores en revistas integradas
al Science Citation Index Expandido y al Social Science Citation Index. En una revisión realizada
en bancos de publicaciones indexadas, se encontró que en este aspecto, los investigadores de
las universidades del grupo II, están a la par con los de las universidades del grupo I. En este
renglón lo que hay que destacar que las publicaciones indexadas en los países del grupo II se han
incrementado en forma considerable, pero no así su crecimiento en los indicadores que miden
el impacto de estas revistas, tales como el Factor de Impacto, el Índice de Vida Media, el Factor
de Inmediatez y el Índice de Hirsh. Los investigadores del grupo II, en cantidad, publican tanto
como los investigadores de las universidades del grupo I.

7. Conclusiones
Se demuestra con diferentes datos la existencia de dos grupos de países en lo que respecta
a la competitividad económica, pero si bien en este aspecto se establecen diferencias, también
es posible observarlo en el campo de las universidades y en la producción de conocimiento.
Sin duda en los mecanismos de producción y publicación del conocimiento existen factores
institucionales que hacen la diferencia entre países, como lo señalan algunos autores manejados.
En la competitividad económica existen factores que los países del grupo II difícilmente pueden
atender, tales como la orientación a la innovación y alto grado de sofisticación de los negocios.
En el caso de la academia, al realizar una revisión de los dos rankings se encuentran indicadores
que los países del grupo II no pueden atender con eficiencia, por tanto se establecen diferencias
en los mecanismos de producción y difusión del conocimiento, lo cual se convierten en barreras
de entrada a los rankings de parte de las universidades ubicadas en este grupo, pues resulta casi
imposible que sus académicos cumplan requisitos como la obtención de un Premio Nobel o ganar
una Medalla Fields; o bien que sus publicaciones sean abundantes en revistas como Nature o Science
o en otras revistas de alto Factor de Impacto; que sus universidades sean mencionadas en forma
frecuente en las encuestas que recogen los niveles de reputación. Pero los académicos de estas
universidades realizan el trabajo que sus condiciones les permiten y difunden los conocimientos a
través de los medios que tienen a su alcance, lo cual hace que tengan índice de publicación igual
que los investigadores de las universidades de países desarrollados. Esto hace que los niveles de
competitividad académicos de estos países sean mucho mejores que los niveles de competitividad
económica. En un ejercicio realizado por el autor considerando las publicaciones, se encontró que
los países del grupo II, en promedio se encuentran en el lugar 28, solo diez lugares debajo de los
países desarrollados que en promedio, su competitividad académica alcanza en lugar 18. Datos
muy diferentes a la competitividad económica, pues los países del grupo I-ARWU están en el lugar
21, en promedio y los del grupo II-ARWU, en el lugar 54.2.

446
Referencias
Alexander, K. (2008): ‘The value of an education”. Education and Economic Growth. Investment
and distribution of financial resources, Linton Atlantic Books, Cambridge.

Brewer, D. J., G.C. Hentschke, y E. R. Eide (2010): “Theoretical concepts in the Economics of
Education”, en Dominic Brewer and Patrick J. McEwan (2010), Economics of Education, Elsevier-
Academic Press, Amsterdam.

Checchi, Daniele (2008): The economics of education. Human capital, family background and
inequality. Cambridge University Press, Cambridge.

Del Campo, O. y C. Venancio (2008): “El valor económico de la educación a través del pensamiento
económico del siglo XX”. Revista de la educación superior, Vol. XXVII (3), No. 147, julio-septiembre
de 2008, México, pp.45-61

Hanushek, E. A. y WöBmann, L. (2010): “Education and Economic Growth”, en Dominic Brewer

and Patrick J. McEwan (2010). Economics of Education, Elsevier-Academic Press, Amsterdam.

Lassibile, Gerard y María Luisa Navarro Gómez (2004): Manual de economía de la educación. Teoría
y casos prácticos. Ediciones Pirámide, Madrid.

Rubio Mayoral, Juan Luís (2006): “Desarrollo Económico y Educación. Indicios históricos de
las primeras “revoluciones industriales”. Revista Educación XX1, Facultad de Educación de la
Universidad Nacional de Educación a Distancia, Madrid, pp.35-55

Sala-i-Martin, et al (2010): The global competitiveness index 2010-2011: Looking beyond the
global economic crisis, en World Economic Forum, The global competitiveness index 2010-2011.
http://www3.weforum.org/docs/WEF_GlobalCompetitivenessReport_2010-11.pdf

Salmi, Jamil (2009): El desafío de crear universidades de rango mundial. Banco Mundial-Mayol
Ediciones, Colombia

447
3. Student’s concretion learning outcomes, satisfaction and dropout
intentions

Lola Duque, Universidad Carlos III

448
Student’s concretion learning outcomes, satisfaction and dropout
intentions*

Lola Duque, Universidad Carlos III

Abstract
Student satisfaction has become an increasingly important component of institutional reports
as a means of accountability to educational stakeholders. The measures and models for this vary
across higher education institutions. Some models try to understand how different perceptions
of quality areas impact student satisfaction, while others use more complex relationships that
integrate factors such as student learning outcomes and student persistence intentions. This
research tries to disentangle the relationship between student satisfaction, cocreation and
learning outcomes drawing in Tinto’s dropout intentions model (1975), Bean’s socialization
model (1985), Astin’s involvement theory (1999), and the service marketing literature. This
article presents a conceptual framework and findings of four studies testing fragments of the
framework. Data sets come from three different countries (Spain, U.S. and Colombia) and various
undergraduate programs (Business and Economics, Geography and Nursing). The methodological
approach consists of a base questionnaire adapted to the specific contexts and undergraduate
programs. The four models are empirically tested using structural equation modeling based on
the Partial Least Squares algorithm. Findings suggest that student cocreation can be as important
as perceived service quality on explaining student’s cognitive learning outcomes, which in turn
explains a high percentage of satisfaction and affective learning outcomes. The studies also shed
light on the roles of variables such as burnout emotional exhaustion and dropout intentions.

Keywords: subjective measures, satisfaction, learning outcomes, involvement, dropout

intentions.

1. Introduction
Reporting on performance indicators of higher education has become a normal practice
of institutions nowadays, which responds to academic accountability to communities and
governments, regional or professional accreditation, as well as internal practices for institutional
performance evaluation and improvement (Nichols, 1995; Peterson & Einarson, 2001; Terenzini,
1989). There are numerous assessment tools that might be employed, and they usually complement
one another. While the traditional assignment of course grades is one of them, and tracking the
performance of alumni in the labor market is another, there are also subjective approaches that
evaluate students’ feelings and perceptions. Subjective measures have been proved to be good
predictors of performance and behavioral intentions (Lizzio, Wilson & Simons, 2002) highlighting
the importance of their study in the educational context.
The aim of this research is to integrate a framework reporting on higher education
indicators (students’ learning outcomes, satisfaction and dropout intentions) based on the
students’ perceptions of various factors (educational, environmental, psychological and their own
involvement) to better understand the students’ complete experience at university.
This framework builds on Tinto’s dropout intentions model (1975), Bean’s socialization
model (1985), Astin’s involvement theory (1999), and the service marketing literature. These
models and theories have given insight to different areas of knowledge and we propose that
together they can enlighten the role of different factors on students’ perceptions, intentions and
feelings of their overall educational experience.

* The author acknowledges support received from the Spanish Ministry of Education and Science (Projects SEJ2007-
65897 and EA2007-0184) and collaboration of the Universities and Departments involved in the study.

449
 We first introduce the general framework and post specific hypotheses to be tested. Then,
four different studies are presented and empirically tested with different data sets. We conclude
by summarizing the results of the studies and the implications of this approach.

2. Integrative framework
Learning outcomes and dropout intentions have been central concepts studied in the
higher education literature. However, few studies approach them in a simultaneous way. Building
on Tinto’s conceptual schema for dropout from college (1975), Bean (1985) posts a socialization
model in which academic/educational, environmental and social/psychological factors predict
students’ dropout intentions. Astin (1999) proposes the involvement theory (effort and dedication)
as a mechanism to explain the students’ dropout syndrome, which is a result of a low integration
both academic and social. More recent studies coming from service marketing literature suggest
that perceptions of quality of higher education have an impact on students’ satisfaction and
behavioral intentions (Douglas, Douglas & Barnes 2006; Eagle & Brennan, 2007; Helgesen &
Nesset, 2007; Petruzzelis, D’Uggento & Romanazzi 2006), and a new perspective in marketing
highlights the active participation of the student as cocreator of service value (Dann, 2008;
Gummesson, 2008; Vargo & Lusch, 2004), which goes in line with higher education theories.
Thus, integrating these streams of literature together with both cognitive and affective learning
outcomes (Terenzini, 1989) may prove a more general approach, from the student point of view, to
better understand their experience at university. Figure 1 presents the integrative framework.

Figure 1. Integrative framework of students’ learning outcomes, satisfaction and dropout

intentions

 
3. Conceptual model for empirical testing
Overall satisfaction is the consumer’s general dis/satisfaction with the organization based
on all encounters and experiences with that particular organization (Bitner & Hubbert, 1994).
This definition is a cumulative approach, which is preferred over the specific transaction one since
we are interested in assessing the complete student experience, thus overall student satisfaction
will be based on the students’ general experience within the university.
Perceived quality can be measured at the overall level, by dimensions or by service
attributes. Overall service quality is defined as the consumer’s overall impression of the relative
inferiority/superiority of the organization and its services (Bitner & Hubbert, 1994), and has a
functional and a technical dimension (Grönroos, 1984). For higher education the corresponding
two dimensions would be educational quality and administrative quality (supporting resources
for higher education). The former covers teaching and program quality perceptions whereas the
latter evaluates the quality of necessary resources for learning, including the functioning of

450
administrative offices. As perceived quality has been found to affect consumer satisfaction in
both the services marketing and the higher education literatures, we also expect that educational
quality and the administrative quality will influence student satisfaction.
Assessment has been conceived as an extension of quality (Koslowski, 2006) and is aimed
at evaluating student learning and gains as a way to improve the quality of higher education
(Palomba & Banta, 1999). There are various classifications of learning outcomes. A general
definition is provided by Frye (1999): cognitive learning outcomes cover the student acquisition
of specific knowledge and skills, whereas the affective learning outcomes reflect how the college/
university experience has impacted the student’s values, goals, attitudes, self-concepts, worldview
and behavior. Students acquire knowledge (cognitive outcomes) during their learning process,
which is the main objective of the time spent at university, so their perception of knowledge and
skills learnt is expected to impact their satisfaction level. Therefore we expect:
H1a: Perceptions of educational quality will positively influence student satisfaction.
H1b: Perceptions of administrative quality will positively influence student satisfaction.
H1c: Perceptions of cognitive learning outcomes will positively influence student satisfaction.
Terenzini (1989) notes that doing an assessment requires a reconsideration of the essential
purposes and expected academic, and also non-academic, outcomes of college education. The
cognitive learning outcomes can be measured in terms of specific academic achievements (e.g.,
the learning objectives set by the department or institution) and as an extension of quality they
are expected to be influenced by the two quality dimensions (educational and administrative).
Acquiring knowledge (cognitive outcomes) not only depends on the perceptions of
educational and administrative quality. As Eagle & Brennan (2007), we believe that students
should take an active role in their academic experience. This view is coherent with a recent
theory in marketing (The Service Dominant Logic –Vargo & Lusch, 2004) that has as a premise
that the consumer is an actor who cocreates the service by interacting with other actors (in this
case, faculty, classmates, administrative personnel, etc), thus giving entrance to a balanced-
centricity view of value creation (Gummesson, 2008) as opposed to a customer-centricity view of
the student with a passive role in this experience.
Student involvement is a concept recognized in the college engagement literature (Kuh
et al, 2005; Braxton, 2000) and Astin (1999) posits that students who put more effort and
energy into their academic experience will obtain better learning and personal development. This
contribution can be seen as energy devoted to studies, time spent on campus, active participation
in student organizations and interaction with faculty members and other students. Thus, that
proactive role of the student: cocreation (Dann, 2008; Kotzé & Plessis, 2003) is expected to
influence students’ cognitive learning outcomes.
From the psychological factors we want to study emotional exhaustion, which is one of the
three components of the Burnout syndrome, accompanied by cynicism and professional efficacy
(Schaufeli et al, 2002). Emotional exhaustion represents feelings of fatigue, frustration, burnout
and discontent with studies (Neumann et al, 1990, Schaufeli et al, 2002), which we expect will
influence, negatively, the acquisition of knowledge and skills (cognitive outcomes). Therefore we
expect:
H2a: Perceptions of educational quality will positively influence perceived cognitive learning
outcomes
H2b: Perceptions of administrative quality will positively influence perceived cognitive learning
outcomes
H2c: Student cocreation will positively influence perceived cognitive learning outcomes
H2d: Student feelings of Burnout (emotional exhaustion) will negatively influence perceived
cognitive learning outcomes
There is more to education than learning facts and skills (cognitive outcomes). Education
also importantly involves affective learning --understanding how the world works and developing
a world view that guides behavior and shapes the way in which people acquire and use knowledge

451
(Duque & Weeks, 2010). The expected academic outcomes represent the more concrete cognitive
goals, whereas the nonacademic outcomes relate to more general results (affective outcomes)
of the whole student educational experience (values, goals, attitudes, self-concepts, worldview
and behavior). Therefore we expect that part the perception of affective outcomes be partly
influenced by the perceptions of cognitive learning:
H3: Perceptions of cognitive learning outcomes will positively influence perceptions of affective
learning outcomes.
Dropout intention is the proneness, conscious and discussed, to leave the university or the
studies (Bean, 1985). We expect the two more general evaluations of the university experience
(student satisfaction and affective outcomes) to influence in a direct way this intention; thus, the
more satisfied and the higher the perception of affective outcomes learnt, the lower the intention
to leave the university. Therefore we expect:
H4a: Student satisfaction will negatively influence the student dropout intention.
H4b: Perceptions of affective learning outcomes will negatively influence the student dropout
intention.

4. Methodology
We develop 4 different studies that test fragments of the framework. Study1 presents a
basic model that includes overall service quality, overall learning outcomes, student cocreation and
satisfaction, and is tested with a sample of 235 Spanish students of Economics. Study2 considers
the same variables but instead of overall service quality, quality is modeled at the dimension level
(educational and administrative). This model is tested with 191 Colombian students of Business
Administration. Study3 considers the same variables in study2 but instead of overall learning
outcomes, those are modeled as cognitive and affective outcomes. This more complete model is
tested with 79 American students of Geography. Finally, Study4 considers the same variables as
in study3 and adds two new variables: a psychological factor of emotional exhaustion (Burnout)
and dropout intentions as the ultimate dependent variable in the model. Study4_bus is tested
with 284 Spanish students of Business Administration and Study4_nur is tested with 192 Spanish
students of Nursing. Annexes 1 and 2 present, visually, the summary of the studies.
The methodological approach consists of a base questionnaire adapted to the specific
contexts and undergraduate programs. Traditional scales (set of measures) used in the literatures
are included in the questionnaire, and the PLS-Graph software (Chin, 2001) is used for estimation
of the models.

5. Analyses and results

Structural equations based on the Partial Least Squares (PLS) algorithm tests the model.
This consists of an iterative process that maximizes the predictive and explanatory power of the
model, which is assessed in terms of the R2 value of the dependent variables. These values are
very high for all models given the complexity of the models (see Table 3, section “R2 Dependent
variables”).
Tables 1 and 2 present the validity analysis of the measures and constructs for the
Studies. Discriminant validity is tested by comparing the average variance extracted (AVE) of each
construct with the shared variance between constructs (Fornell & Lacker, 1981): for each construct,
the AVE’s squared root exceeds its shared variance with other constructs confirming that the
constructs are independent from each other. Average communalities of the measures by construct
are close to 0.70, implying good consistency (see Table 3, section “Average communality”). It is
important to note that cocreation is modeled as formative: we checked measures quality using
the Diamantopoulos and Winklhofer´s (2001) criteria.

452
Table 1. Discriminant validity between constructs Studies 1 and 2
Study1 ServQuality Cocreation Outcomes Satisfaction
ServQuality 0,84
Cocreation 0,24 0,65
Outcomes 0,72 0,45 0,81
Satisfaction 0,80 0,37 0,77 0,82
Study2 EducQual AdminQual Cocreation Outcomes Satisfaction
EducQual 0,76
AdminQual 0,61 0,81
Cocreation 0,53 0,43 0,75
Outcomes 0,62 0,53 0,69 0,88
Satisfaction 0,72 0,62 0,59 0,76 0,81
Note: The diagonal gives the square root of AVE

Table 2. Discriminant validity between constructs Studies 3 and 4

Study3 EducQual AdminQual Cocreation CogniOut Satisfaction AffectOut
EducQual 0,85
AdminQual 0,64 0,87
Cocreation 0,47 0,65 0,83
CogniOut 0,52 0,67 0,67 0,86
Satisfaction 0,62 0,81 0,78 0,63 1,00
AffectOut 0,16 0,29 0,44 0,33 0,29 0,92
Study4 bus. EducQual AdminQual Cocreation CogniOut Satisfaction AffectOut Burnout DropoutInt
EducQual 0,79
AdminQual 0,52 0,81
Cocreation 0,41 0,35 0,62
CogniOut 0,53 0,62 0,48 0,87
Satisfaction 0,56 0,47 0,49 0,65 0,85
AffectOut 0,41 0,41 0,46 0,53 0,64 0,82
Burnout -0,29 -0,18 -0,33 -0,24 -0,35 -0,28 0,83
DropoutInt -0,46 -0,33 -0,39 -0,43 -0,63 -0,56 0,31 0,86
Study4 nur. EducQual AdminQual Cocreation CogniOut Satisfaction AffectOut Burnout DropoutInt
EducQual 0,79
AdminQual 0,49 0,77
Cocreation 0,50 0,40 0,65
CogniOut 0,47 0,55 0,41 0,87
Satisfaction 0,60 0,45 0,45 0,61 0,82
AffectOut 0,48 0,31 0,45 0,61 0,65 0,85
Burnout -0,29 -0,17 -0,24 -0,31 -0,40 -0,29 0,81
DropoutInt -0,22 -0,14 -0,11 -0,15 -0,45 -0,26 0,23 0,85
Note: The diagonal gives the square root of AVE

Based on the reported psychometric properties we conclude that the models reasonably
fit the data sets. Table 3 reports the standardized coefficients for the models estimation (t values
come from bootstrap simulations), the average communality of the measures in each construct
and the R2 for the dependent variables in the models.

453
Table 3. Model estimation summary

Study1 Study2 Study3 Study4 business Study4 nursing

Relationships in the models (n= 235) (n= 191) (n= 79) (n= 284) (n= 192)

Quality > Outcomes 0,65 **

EducQual > Outcomes 0,28 **
AdminQual> Outcomes 0,15 *
Cocreation > Outcomes 0,30 ** 0,48 **
Quality > Satisfaction 0,52 **
Outcomes > Satisfaction 0,40 ** 0,47 **
H1a EducQual > Satisfaction 0,32 ** 0,15 * 0,30 ** 0,39 **
H1b AdminQual> Satisfaction 0,18 ** 0,62 ** 0,01 0,03
H1c CongniOut > Satisfaction 0,13 0,48 ** 0,41 **
H2a EducQual > CogniOut 0,12 0,20 ** 0,17 **
H2b AdminQual> CogniOut 0,34 ** 0,42 ** 0,39 **
H2c Cocreation > CogniOut 0,40 ** 0,24 ** 0,14 *
H2d Burnout > CogniOut -0,03 -0,16 **
H3 CongniOut > AffectOut 0,33 ** 0,53 ** 0,61 **
H4a Satisfaction > Dropoutint -0,46 ** -0,49 **
H4b AffectOut > Dropoutint -0,26 ** 0,06
Average communality
Quality 0,71
Outcomes 0,66 0,78
Satisfaction 0,67 0,66 1,00 0,73 0,67
EducQual 0,58 0,72 0,63 0,63
AdminQual 0,65 0,76 0,66 0,60
CogniOut 0,74 0,76 0,76
AffectOut 0,85 0,67 0,72
Burnout 0,69 0,65
Dropoutint 0,74 0,72
R Dependent variables
2

Outcomes 60% 58%

Satisfaction 72% 70% 68% 49% 50%
CogniOut 56% 49% 40%
AffectOut 11% 28% 38%
Dropoutint 44% 20%

Note: ** significant at 5% level (t > 1.96), * significant at 10% level (t > 1.64).

Looking at Table 3 we can confirm that in overall all the posted hypotheses are supported.
The proposed relationships are significant in at least one of the studies, suggesting that the
conceptual model helps to explain the perceived learning outcomes formation, the student
satisfaction judgments, and their dropout intentions. Student satisfaction is driven by both
perceptions of quality, educational (H1a) and administrative (H1b), and by the perception of
cognitive learning outcomes (H1c). Cognitive outcomes are driven by various factors: both types
of quality perceptions (H2a and H2b), student cocreation (H2c) and negatively by emotional
exhaustion or Burnout (H2d). This last relationship is significant for Nursing students. Affective
outcomes are strongly driven by cognitive learning (H3). Finally, dropout intentions are driven,

454
negatively and strongly, by student satisfaction (H4a), and in the case of Business students
driven by perceived affective outcomes (H4b). The results from studies 1 and 2 (including overall
quality and overall outcomes) also give support to the hypothesized relationships.

6. Discussion
This research contributes to the higher education assessment literature by integrating the
marketing services perspective along with other theories to allow for a better understanding of
the educational experience from the student point of view. In essence, results of applying the
integrative framework suggest that students learning outcomes (knowledge and skills acquisition)
depend not only on perceptions of quality, but also on student cocreation (efforts and the effective
interactions with other educational actors) and psychological states related to their studies. At
the same time, these perceptions of learning outcomes have a very strong effect on overall
satisfaction with the experience at the university and the more general perception of affective
learning outcomes (values, goals, attitudes, self-concepts, worldview and behavior). Ultimately,
our findings confirm that the more satisfied and the higher the perception of those affective
outcomes, the lower students’ intention to leave the university. Implications for university
managers and teachers reside on finding out ways for engaging students in university life so they
become more affiliated and proactive, which in turn will result in greater effort and stronger
motivation for their studies (Tam, 2007). Kotzé & Plessis (2003) suggest that engagement may be
achieved by making students realize the importance of capitalizing the opportunity for their own
personal growth.
The model estimations present subtle differences. In study 3 (for Geography), the effect
of educational quality on satisfaction was not significant, which may be due to the fact that this
program relies heavily on laboratory-based infrastructure (administrative quality) as a base of
student learning or can either respond to values and culture: Americans have a higher reference
for technology and resources compared to Spaniards. The effect of burnout exhaustion has a
negative influence on cognitive outcomes for Nursing students, but not for Business students.
This difference can be related to the more vocational aspect or higher work load related to the
Nursing program as compared to Business.
In sum, all the posited relationships were supported by at least one of the model
estimations, suggesting that the model is helpful in understanding the different factors that
determine students’ perceptions about their learning outcomes, satisfaction level and dropout
intentions. This framework and conceptual model can be useful for other institutions that could
adapt the questionnaire used, which presents good reliability and consistency in the different
studies. The analysis of this questionnaire can provide departments and institutions with useful
information for understanding the students’ overall educational experience, as well as for tracking
changes in student perceptions. This can be done by comparing indices for each construct over
time.
As outlined in the introduction, this approach is based on students’ perceptions, thus
subjectivity must be complemented with objective performance measures. An interesting future
study will be to replicate the model but modeling cocreation as two different factors, one
accounting for the academic integration and the other for social integration. The model could
also be extended to cover other behavioral intentions such as recommendations, loyalty and
attitudes in order to gain more insight about the overall student experience at university.

References
Astin, A.W. (1999): “Student Involvement: A Developmental Theory for Higher Education”. Journal
of College Student Development, 40 (5), pp. 518-529.

Bean, J.P. (1985): “Interaction Effects Based on Class Level in an Explanatory Model of College
Student Dropout Syndrome”. American Educational Research Journal, 22 (1), pp. 35-64.

455
Bitner, M.J., and A.R. Hubbert (1994): “Encounter Satisfaction versus Overall Satisfaction versus
Quality”, in R.T. Rust & R.L. Oliver (Eds.). Service Quality: New Directions in Theory and Practice,
Sage, Thousand Oaks, CA, pp. 72-94.

Braxton, J. (2000): Reworking the Student Department Puzzle. Nashville: Vanderbilt University
Press.

Chin, W.W. (2001): “PLS-Graph User’s Guide”, Version 3.0. (User’s manual that accompanies PLS-
Graph version 3.00 provided by Wynn Chin).

Dann, S. (2008): “Applying Services Marketing Principles to Postgraduate Supervision”. Quality

Assurance in Education, 16 (4), pp. 333-346.

Diamantopoulos, A. and H.M. Winklhofer (2001): “Index Construction with Formative Indicators:
An Alternative to Scale Development”. Journal of Marketing Research, 38 (2), pp. 269-277.

Douglas, J., A. Douglas and B. Barnes (2006): “Measuring Student Satisfaction at a UK University”.
Quality Assurance in Education, 14 (3), pp. 251-267.

Duque L.C. and J. R. Weeks (2010): “Towards a Model and Methodology for Assessing Student
Learning Outcomes and Satisfaction”. Quality Assurance in Education, 18 (2), pp. 84-105.

Eagle, L. and R. Brennan (2007): “Are Students Customers? TQM and Marketing Perspectives”.
Quality Assurance in Education, 15 (1), pp. 44-60.

Fornell, C., and D. F. Larcker (1981): “Evaluating Structural Equation Models with Unobservable
Variables and Measurement Error”. Journal of Marketing Research, 18, pp. 39-50.

Frye R. (1999): “Assessment, Accountability, and Student Learning Outcomes”. Dialogue, 2, pp.
2-11.
Grönroos, C. (1984), “A Service Quality Model and its Marketing Implications”. European Journal
of Marketing, 18 (4), pp. 36-44.

Gummesson, E. (2008): “Extending the Service-Dominant Logic: From Customer Centricity to

Balanced Centricity”. Journal of the Academy of Marketing Science, 36, pp. 15-17.

Helgesen, O. and E. Nesset (2007): “What Account for Students’ Loyalty? Some Field Study
Evidence”. Quality Assurance in Education, 21(2), pp. 126-143.

Koslowski, F.A. (2006), “Quality and Assessment in Context: A Brief Review”. Quality Assurance in
Education, 14 (3), pp. 277-288.

Kotzé, T.G. and P.J. Plessis (2003): “Students as Co-producers of Education: A Proposed Model of
Student Socialization and Participation at Tertiary Institutions”. Quality Assurance in Education,
11 (4), pp. 186-201.

Kuh, G., J. Kinzie, J. Schuh, E. Whitt (2005): Student Success in College: Creating Conditions that
Matter. San Francisco: Jossey-Bass.

Lizzio, A, K. Wilson and R. Simons (2002): “University Students’ Perceptions of the Learning
Environment and Academic Outcomes: Implications for Theory and Practice”. Studies in Higher

456
Education, 27 (1), pp. 27-52.

Neumann, Y., E. Finaly-Neumann, and A. Reichel (1990): “Determinants and Consequences of

Students’ Burnout in Universities”. The Journal of Higher Education, 61 (1), pp. 20-31.

Nichols, J.O. (1995): The Department Guide and Record Book for Student Learning Outcomes
Assessment and Institutional Effectiveness, Agathon Press, New York, NY.

Palomba, C.A. and T.W. Banta (1999): Assessment Essentials: Planning, Implementing, and
Improving Assessment in Higher Education, Jossey-Bass, San Francisco, CA.

Peterson, M.W. and Einarson, K.E. (2001), “What are Colleges Doing about Student Assessment?
Does it make a Difference?” The Journal of Higher Education, 72 (6), pp. 629-669.

Petruzzelis, L., D’Uggento, A.M. and Romanazzi, S. (2006), “Student Satisfaction and Quality of
Service in Italian Universities”, Managing Service Quality, 16 (4), pp. 349-364.

Schaufeli, W.B., Martínez, I.M., Marques Pinto, A., Salanova, M. and Bakker, A.B. (2002). “Burnout
and Engagement in University Students: A Cross-National Study”, Journal of Cross-Cultural
Psychology, 33, pp. 464-481.

Tam, M. (2007), “Assessing Quality Experience and Learning Outcomes: Part II. Findings and
Disucssion”, Quality Assurance in Education, 15 (1), pp. 61-67.

Tinto, V. (1975), “Dropout form Higher Education: A Theoretical Synthesis of Recent Research”,
Review of Educational Research, 45 (1), pp. 89-125.

Terenzini, P.T. (1989), “Assessment with Open Eyes: Pitfalls in Studying Outcomes”, The Journal
of Higher Education, 60 (6), pp. 644-664.

Vargo, S.L. and Lusch R.F. (2004), “Evolving to a New Dominant Logic for Marketing”, Journal of
Marketing, 68 (1), pp. 1-17.

457
Annex 1. Path diagram for Studies 1, 2 and 3

Study 1 Study 2

Study 3

Note: Values on lines are the standardized coefficients;

Values below circles present the R2 of the dependant variables in the model.

458
Annex 2. Path diagram for Study 4

0.283
Study 4 – Business Administration

0.376
Study 4 – Nursing

Note: Values on lines are the standardized coefficients;

Values below circles present the R2 of the dependant variables in the model.

459
4. Utilización de indicadores para la evaluación de las universidades públicas
españolas: ¿existe consenso?

Davinia Palomares-Montero, Ingenio CSIC-UPV

Adela García-Aracil, Ingenio CSIC-UPV

460
Utilización de indicadores para la evaluación de las universidades públicas
españolas: ¿existe consenso?*

Davinia Palomares-Montero, Ingenio CSIC-UPV

Adela García-Aracil, Ingenio CSIC-UPV

Resumen
La sociedad reclama la utilidad socio-económica de los resultados de la universidad y, por esta
razón, las Administraciones Públicas solicitan la medición del desempeño de la institución como
respuesta a esa demanda.
Evaluar el desempeño de las universidades públicas es complicado ya que se trata de una institución
multidimensional que desarrolla numerosas actividades en base a sus tres principales misiones:
docencia, investigación y transferencia de conocimiento. En este contexto, el uso de indicadores
es considerado un medio útil para evaluar las universidades. Sin embargo, aunque se proponen
multitud de indicadores, existen intensos debates técnico-académicos acerca de cuáles son los
más apropiados, por lo que resulta indispensable sistematizar la diversidad de indicadores para
obtener una clasificación rigurosa de los mismos.
El presente trabajo trata de profundizar en estas cuestiones, definiendo un mapa de indicadores
relacionados con las misiones que desarrolla la institución universitaria. Una vez establecida la
bateria de indicadores de forma estructurada, se han validado los mismos a través del método
Delphigráfico a expertos en materia de evaluación, permitiendo finalmente realizar una selección
de aquellos indicadores que mejor describen y permiten evaluar el desempeño de las universidades
públicas españolas. Los resultados del Delphi ponen de manifiesto que entre los gestores
universitarios continúa habiendo discrepancias en cuanto a la identificación de los indicadores
tanto a qué misión representan como en su tipología de input, proceso u output. No obstante,
sin perder de vista las limitaciones de los resultados obtenidos, la identificación realizada por el
grupo de expertos participantes en el Delphi sirve de ayuda para tomar la decisión en torno a
qué indicadores deben ser incluidos en los modelos de análisis de evaluación de las universidades
públicas españolas.

Palabras clave: Instituciones de Educación Superior; Sistemas de Indicadores; Evaluación.

1. Introducción
La progresiva reducción de los fondos públicos para la educación superior, la creciente
competencia entre las instituciones y la conciencia creciente en el público de la relación calidad-
precio produce un aumento del interés de la evaluación de las universidades (Stella y Woodhouse,
2006). Por un lado, las familias ven la educación como una inversión personal y, por otro lado,
los gobiernos solicitan la rendición de cuentas para formular políticas y los organismos de
financiación necesitan tomar las decisiones en base a los resultados de la evaluación. Además,
la sociedad reclama conocer el uso que se hace del dinero de los contribuyentes, mientras la
industria considera esencial la adecuada formación de los futuros empleados y el desarrollo de
actividades en colaboración con la universidad para promover la innovación industrial. De igual
modo, la necesidad de formar parte de la Sociedad del Conocimiento exige a las instituciones
y a los gobiernos aplicar sistemas nacionales de evaluación que garanticen un mínimo patrón
de calidad (Royero, 2002). En este contexto, debido a que la institución universitaria realiza
actividades de muy diversa índole y se encuentra en el punto de mira de muchos actores, surge
la necesidad de evaluar su actividad, tanto desde el punto de vista de su efectividad o eficiencia

* Agradecimientos: Este trabajo ha recibido apoyo del proyecto ref. ECO2008-02553/ECON, titulado “Las misiones de
la universidad y su complementaridad. Nuevos métodos de evaluación en términos de eficiencia”, financiado por el
Plan Nacional de I+D del Ministerio de Ciencia e Innovación.

461
como de sus posibles usos, con el objetivo de buscar la racionalidad de los recursos de acuerdo con
los intereses estratégicos definidos por la institución (Buela-Casal et al., 2009).
La evaluación de la educación superior es un proceso complejo que puede llevarse a cabo
desde diferentes enfoques en función de la finalidad del proceso evaluativo. Herb R. Kells describe
tres tipologías de evaluación en función de su intención, su marco de referencia, el foco de
amplitud de la evaluación y el procedimiento principal para desarrollarla; éstos son: la acreditación,
la evaluación por pares y el uso de indicadores (Kells, 1993). Se trata de tres métodos que no
han cesado de evolucionar a lo largo del tiempo y están muy interrelacionados, de hecho unos
necesitan, en ocasiones, de los otros (Simoneau, 1991; Cerezo et al., 2008; RIN, 2010). Nuestro
interés se centra en el último de los métodos, especialmente debido a la multitud de propuestas
de indicadores, de muy diversa índole y con objetivos de aplicación también diferentes, que
han surgido en los últimos años (García-Aracil y Palomares-Montero, 2010), por lo que resulta
pertinente reflexionar acerca del procedimiento a seguir para el diseño, elaboración y selección
de los mismos.
De hecho, es manifiesta la complejidad que conlleva analizar y estructurar la diversidad
de indicadores existentes, y es que el uso de indicadores no es únicamente una actividad técnica
o neutra, sino que supone juicios de valor y responde a una serie de objetivos predeterminados
(Consejo de Universidades, 1999). Esta es la razón de que, hasta la fecha, no se haya alcanzado
un consenso entre los diferentes organismos involucrados en la definición de un sistema común
aceptado por todos los implicados y en la forma de cuantificarlos. La ausencia de un modelo de
indicadores aceptado globalmente conlleva que la evaluación de las actividades universitarias
se esté realizando sin base teórica que justifique la selección de unos u otros indicadores. Sin
embargo, a pesar de las dificultades y limitaciones encontradas, en los próximos años habrá
movimientos hacia la consolidación de los mismos, como aseguramiento en el alcance de la calidad
(Bonaccorsi et al., 2007).
En este sentido, el presente trabajo pretende salvar el inconveniente derivado de la falta
de acuerdo. Para ello, aplicamos el método Delphi que ha sido utilizado con éxito en el ámbito
de la educación superior con la intención de explorar las tendencias de opinión emergentes
de los expertos sobre el rol de la educación superior en relación con el desarrollo humano y
social (Lobera, 2008), con respecto a la acreditación (GUNI, 2007), a las políticas de evaluación
institucional (Santana Armas, 2007) y a la financiación (Escrigas, 2006), por lo que es considerado
un método apropiado en este área. Con la ayuda del método Delphi tratamos de alcanzar, entre
un grupo de expertos, el consenso respecto a cuáles son los indicadores que caracterizan las
misiones de docencia, investigación y transferencia de conocimiento de las universidades,
así como la tipificación del indicador como input, proceso u output, y su importancia en los
procesos de evaluación. Para ello, facilitamos a un panel de expertos una batería de indicadores
cuantitativos utilizados en los diversos procesos de evaluación de la actividad universitaria, dado
que se considera que la utilización de sistemas de indicadores cuantitativos ayuda a detectar con
rapidez las tendencias de los cambios en las necesidades de la sociedad, en las preferencias por
determinados tipos de estudios y, en consecuencia, en la reasignación de recursos entre las partes
del sistema más necesitadas en cada momento (Sizer, 1982).
El artículo está organizado de la siguiente forma. Después de esta breve introducción, en
el apartado 2 se presenta la metodología utilizada; los resultados se exponen en el apartado 3,
mientras que las conclusiones y se muestran en el apartados 4.

2. Metodología: Aplicación del método Delphi entre expertos académicos de las universidades
públicas españolas
En este estudio aplicamos el Delphi conocido como “Delphi para la toma de decisiones”,
donde el panel de expertos suele elegirse en función de su posición en la estructura jerárquica
de la institución, teniendo en cuenta, principalmente, su motivación por el proceso y su nivel de
pericia, ya que no se pretende trabajar con muestras representativas. Así, el panel se compuso por

462
expertos con altos cargos académicos y de gestión en la universidad pública española, agrupados
en cuatro categorías: Rectores, Gerentes, Vicerrectores y Directores de Oficinas de Transferencia de
Resultados de Investigación – OTRI –. Se estableció contacto con distintos organismos oficiales para
informar del proceso de comunicación grupal que se iba a llevar a cabo. De esta forma se contactó
con la “Mesa de Gerentes”, la “Comisión Sectorial de I+D” y la “Comisión Académica Sectorial”
de las universidades públicas españolas, estructuras dependientes de la Conferencia de Rectores
de las Universidades Españolas (CRUE). Asimismo, se solicitó la colaboración de la RedOTRI para
instar a los directores de las OTRIs de las universidades públicas españolas su participación en
el estudio. Esta forma de proceder fue elegida para dar formalidad institucional al cuestionario
y así lograr una mayor cuota de participación e implicación de los sujetos, ya que, al tratarse de
personas con altos cargos académicos, con sobrecarga de tareas y poca disponibilidad de tiempo,
se consideró necesario apoyar el proceso en las estructuras formales universitarias.
A tal fin, se elaboró un cuestionario, previamente testado, recogiendo una batería de
indicadores para evaluar posteriormente a las universidades. Debido a la ausencia de modelo
teórico de referencia, el listado de indicadores presentados en este estudio es el resultado de una
selección de indicadores propuestos por distintos organismos y teóricos que han profundizado en
este tema (Molas-Gallart, 2002; D’Este, P. et al, 2009; García-Aracil y Palomares-Montero, 2010).
El cuestionario se divide en tres bloques. El primer bloque trata de recoger información
relacionada con las variables socio-demográficas para caracterizar el perfil del experto. El segundo
bloque recoge seis ítems en los que se pide al experto que manifieste su opinión respecto a
la adecuación o no del uso de indicadores para la evaluación de universidades públicas, en
una escala likert de 1 a 5, donde (1) es “totalmente en desacuerdo” y (5) es “totalmente de
acuerdo”. En el tercer y último bloque, se presenta la batería de indicadores, un total de 40, como
posibles candidatos para ser utilizados en la evaluación de las universidades públicas españolas.
En este bloque, el experto identifica para cada uno de los 40 indicadores propuestos la misión
que representa cada indicador: docencia, investigación o transferencia de conocimiento; además,
valora si se trata de un indicador de input, proceso u output (tipología del indicador), al igual que
su opinión con respecto a la importancia que otorga a cada uno de los indicadores en un proceso
de evaluación en una escala likert de 1 a 5 puntos, donde (1) es “nada importante” y (5) “muy
importante”.
El desarrollo del método de trabajo se llevó a cabo en dos rondas durante los meses
de Mayo a Octubre de 2009 (véase Tabla 1). En la primera de ellas, fueron 45 los expertos
que decidieron tomar parte del estudio para expresar sus opiniones y juicios con respecto a
las preguntas planteadas en la encuesta. Posteriormente, las respuestas a esta primera ronda
fueron analizadas, obteniendo datos estadísticos para cada ítem del cuestionario a partir de la
distribución de las respuestas (mediana, cuartil inferior, cuartil superior, mínimo y máximo).
Dicha información se utilizó como base para el cuestionario de la segunda ronda, con el objetivo
de disminuir la dispersión de las opiniones y precisar la opinión media consensuada, lo cual
permitió, por un lado, mejorar la formulación de varias preguntas con el fin de garantizar que
todos los expertos respondían verdaderamente a la misma cuestión; y, por otro lado, hizo posible
que los argumentos y reflexiones realizados fueran conocidos por los demás expertos y valorados
en sus respectivas respuestas, de forma que el panelista pudiera decidir si mantenía su respuesta
u optaba por modificarla en base a la respuesta del grupo.
Tras la segunda ronda, ocho panelistas quedaron fuera del proceso, produciéndose el
abandono propio de estudios en los que se requiere consultar en más de una ocasión al mismo
sujeto. Es decir, la segunda ronda del cuestionario Delphi contó con la colaboración de 37 de los
expertos que participaron en la primera ronda. Se puede asumir que el número de expertos es
aceptable teniendo en cuenta que el margen sugerido para el buen uso del método es de 7 a 50
personas (Landeta, 1999).

463
Tabla 1. Ficha técnica del estudio Delphi.
Correo electrónico:
Formato de entrevista
Carta de presentación y Cuestionario
Nº de Rondas 2
Fecha de envío 1ª ronda Mayo 2009
Nº expertos 1ª ronda 45
Fecha de envío 2ª ronda Octubre 2009
Nº expertos 2ª ronda: muestra final 37
% participación 2ª ronda 82,2%
Tasa de abandono 17,8%

Fuente: Elaboración propia.

La composición del panel de expertos acorde a su perfil queda recogida en la Tabla 2.

Observamos que el grupo más representado es el correspondiente a los Vicerrectores de Investigación
(32,4%), seguido de los Directores de las OTRIs (24,3%), Vicerrectores de Planificación Académica
(18,9%) y Gerentes (10,8%).

Tabla 2. Composición del panel de expertos acorde a su perfil (2ª ronda).

Perfil Nº %
Vicerrector de Investigación 12 32,4
Director OTRI 9 24,3
Vicerrector de Planificación Académica 7 18,9
Gerente 4 10,8
Vicerrector de Planificación Estratégica y Calidad 2 5,4
Vicerrector de Planificación Económica 2 5,4
Rector 1 2,7
Total 37 100,0
Fuente: Elaboración propia.

3. Resultados.
Una de las formas de identificar el consenso entre las opiniones de los expertos es a través
de la ponderación de las respuestas y la corrección de los sesgos (Mitchell, 1991; von der Gracht,
2008). En nuestro caso, como la selección de los expertos no fue aleatoria, pero sí en base al
elevado grado de especialización en temas de evaluación de instituciones públicas de educación
superior, no se consideró necesario ofrecer al experto la posibilidad de autoevaluar su grado
de conocimiento o dominio del tema a consultar. Al no disponer de dicha autovaloración (que
hubiera permitido dar una ponderación diferente en los resultados grupales a las opiniones de los
expertos según el grado de conocimiento manifestado), se considera que el consenso es logrado,
para el caso de una pregunta con dos alternativas, cuando una de las alternativas acumula el
70% de los votos, y para el caso de preguntas con más de dos alternativas, cuando una de las
alternativas acumula al menos el 50% (Landeta, 1999; Astigarra, 2003).
Observamos que en cinco de los seis ítems que componen el segundo bloque del cuestionario,
donde se solicitaba al experto que expresara su opinión con respecto al uso de indicadores en la
evaluación de universidades públicas, los expertos alcanzan el consenso en sus opiniones dado que
alguna de las alternativas concentra más del 50% de las respuestas (ítem 1, 2, 3, 4 y 6) (Tabla 3).
Entre dichos ítems el consenso es alcanzado por encima del 60% en aquéllos donde se considera
que el sistema de indicadores permite llevar a cabo comparaciones entre las universidades y que

464
éstos deberían combinarse con métodos cualitativos para realizar la evaluación de las mismas
(ítem 2 y 3). Sin embargo, no ha sido posible alcanzar el consenso entre los expertos referente a si
cada universidad debería desarrollar su propio sistema de indicadores (ítem 5). Aunque la mayor
parte de los expertos se posiciona en desacuerdo respecto a este ítem, por lo que parece que los
indicadores deberían ser aplicados en base a un modelo único que permitiera la realización de
comparaciones entre universidades.

Tabla 3. Adecuación del uso de indicadores en la evaluación de universidades públicas (fila =100) (%).
Total Total
desacuerdo Neutro acuerdo
Ítem
1 2 3 4 5
1. Es posible desarrollar un sistema de indicadores
que refleje convenientemente las misiones de la 2,7 13,5 - 54,1 29,7
universidad
2. Es posible llevar a cabo comparaciones entre
las universidades utilizando sistemas de - 2,7 8,1 67,6 21,6
indicadores
3. Los indicadores como método de evaluación de
universidades públicas deberían combinarse con - 2,7 8,1 25,3 63,9
métodos cualitativos
4. El uso de indicadores no supone costes
elevados por lo que este tipo de evaluación - 10,8 21,6 56,8 10,8
debería promoverse
5. Cada universidad debe desarrollar su propio
16,2 45,9 24,3 8,1 5,4
sistema de indicadores
6. El uso de indicadores como método de
evaluación de universidades públicas se extenderá - 2,7 10,8 27,0 59,5
en los próximos 5 años

Fuente: Elaboración propia.

En relación a la distribución porcentual para el primer apartado del tercer bloque del
cuestionario, donde el experto era instado a identificar para cada uno de los 40 indicadores la
misión que representa cada uno de ellos (docencia, investigación y transferencia de conocimiento),
está recogida en la Tabla 4.
En este caso, en 28 de los 40 ítems presentados se ha logrado el consenso entre las
opiniones de los expertos, dado que una categoría agrupa a más del 50% de las respuestas. En
este sentido, los ítems que recogen información relacionada con el número de estudiantes en
1er y 2º ciclo, el número de estudiantes en 1er y 2º ciclo que realizan prácticas en empresas, el
número de graduados, los ingresos medios de los graduados en su primer trabajo, el cociente de
PDI por el número de estudiantes y los resultados de la encuesta de evaluación de la labor docente
del PDI se consideran como indicadores asociados a la misión docencia (ítems 1, 2, 3, 8, 11 y 12,
respectivamente).
Asimismo, los ítems que recaban información relacionada con las tesis doctorales
defendidas, las publicaciones en revistas indexadas, las citas que ha recibido una publicación,
el porcentaje de PDI que publica en revistas indexadas, los sexenios concedidos, la participación
en redes científicas, los ingresos por proyectos nacionales y europeos y los fondos asignados por
la universidad a los centros de investigación son indicadores asociados a la misión investigación
(ítem 17, 18, 19, 20, 23, 24, 26, 27 y 30, respectivamente).
Por otro lado, aquellos ítems que hacen referencia a los ingresos recibidos por trabajos
realizados a entidades con alto valor añadido, las licencias concedidas, el número de spin-off

465
originadas por la I+D de la universidad, la participación en empresas que desarrollan actividades
productivas basadas en la I+D universitaria, la existencia de incubadora y el número de empresas
ubicadas en la misma hacen alusión a la misión de transferencia de conocimiento (ítems 29, 34,
35, 36, 37 y 38, respectivamente).
Los indicadores anteriores han sido identificados de forma consensuada con una de las
misiones de la universidad. Por tanto, se puede afirmar que estos indicadores deben ser aplicados
en la evaluación de la misión de la universidad a la que hacen referencia; si no fuera de esta
manera, podríamos decir, siguiendo la opinión de los expertos participantes en esta investigación,
que el indicador está siendo mal utilizado ya que estaría midiendo una vertiente de la universidad
que realmente no se pretende medir y, por tanto, los resultados de la evaluación no serían
fiables.
Además, si centramos nuestra atención en las cuatro últimas columnas de la Tabla 4, se
observa que, en base a la opinión de los expertos encuestados, determinados indicadores no hacen
referencia exclusivamente a una misión, sino que pueden ser utilizados para referirse a varias
misiones, dependiendo del contexto y del uso que se haga de ellos. En este sentido, los indicadores
ligados al número de PDI dedicado exclusivamente a la investigación, al número de PAS de apoyo
a la investigación, al número de contratos de investigación y la existencia de un parque científico
y/o tecnológico, fueron catalogados como indicadores asociados tanto a la misión investigación
como a la transferencia de conocimiento (ítems 14, 15, 32 y 39, respectivamente). El consenso
alcanzado en los dos primeros es interesante pues, si bien los indicadores hacen referencia explícita
a la investigación, los expertos consideran que se trata de indicadores relacionados también con la
transferencia de conocimiento. Asimismo, también aparecen indicadores relacionados a la vez con
las tres misiones básicas de la universidad; éstos son el número de PDI y PAS y las infraestructuras
universitarias (ítem 9, 10 y 40, respectivamente). Si bien, a tenor de las respuestas de los
expertos, de la lista de indicadores mostrados, ninguno hace referencia a docencia e investigación,
ni a docencia y transferencia de conocimiento al mismo tiempo. De la consideración de estos
resultados, podríamos inferir que, de forma general, los expertos consideran la investigación y
la transferencia de conocimiento como misiones complementarias, mientras la relación entre la
docencia y las otras dos misiones parece ser independiente.
Por otra parte, cabe reseñar que existen indicadores para los que el consenso no ha sido
alcanzado entre los expertos (ítems 4, 5, 6, 7, 13, 16, 21, 22, 25, 28, 31 y 33, respectivamente).

466
Tabla 4. Misión de la que informa el indicador (fila = 100) (%)*.
Ítem D I TC D-I D-TC I-TC D-I-TC
1. Nº de estudiantes en 1er y 2º ciclo 94,6 - - 5,4 - - -
2. Nº estudiantes 1er y 2º ciclo con prácticas en empresas 51,4 - 8,1 - 37,8 2,7 -
3. Nº de graduados 83,8 - 2,7 5,4 5,4 - 2,7
4. Nº de estudiantes en cursos de postgrado 40,5 8,1 2,7 40,5 5,4 - 2,7
5. Nº de postgraduados 32,4 16,2 2,7 35,1 13,5 - -
6. Nº de postgraduados que participan en actividades de I+D 2,7 43,2 - 5,4 - 40,5 8,1
7. Nº de postgraduados subvencionados por las empresas 8,3 8,3 33,3 - 11,1 36,1 2,8
8. Ingresos medios de los graduados en su 1er trabajo 50,0 - 33,3 - 16,7 - -
9. Nº de Personal Docente Investigador (PDI) - 10,8 - 21,6 - 8,1 59,5
10. Nº de Personal de Administración y Servicios (PAS) 8,6 2,9 - 34,3 - - 54,3
11. Cociente PDI por número de estudiantes 75,0 2,8 - 11,1 - - 11,1
12. Resultados Encuesta de Evaluación de la labor docente 100,0 - - - - - -
13. Cociente PAS por PDI 6,1 12,1 - 33,3 - 3,0 45,5
14. Nº de PDI dedicado exclusivamente a la investigación - 37,8 - - - 59,5 2,7
15. Nº de PAS de apoyo a la investigación - 29,7 5,4 - - 64,9 -
16. Nº de apariciones del PDI en artículos de periódicos 2,8 11,1 41,7 13,9 - 11,1 19,4
17. Nº de tesis doctorales defendidas - 54,1 - 21,6 - 18,9 5,4
18. Nº de publicaciones en revistas indexadas - 72,2 - - - 22,2 5,6
19. Nº de citas que ha recibido una publicación - 72,2 - - - 22,2 5,6
20. % PDI que produce publicaciones en revista indexada - 69,6 - - - 26,1 4,3
21. Nº de publicaciones en revistas profesionales - 13,5 35,1 2,7 - 43,2 5,4
22. Nº de trabajos presentados a congresos internacionales - 48,6 - - - 40,5 10,8
23. Nº de sexenios concedidos - 81,1 - 5,4 - 13,5 -
24. Participación en redes científicas - 67,6 - 5,4 - 18,9 8,1
25. Ingresos por proyectos investigación local y regional - 48,6 5,4 - - 45,9 -
26. Ingresos por proyectos investigación nacional - 59,5 2,7 - - 37,8 -
27. Ingresos por proyectos investigación europea - 54,1 2,7 - 2,7 40,5 -
28. Ingresos por actividades de formación bajo demanda 29,7 - 21,6 - 45,9 2,7 -
29. Ingresos por trabajos a entidades con alto valor añadido - 2,7 73,0 - 2,7 21,6 -
30. Fondos asignados por Universidad a centros de
- 68,6 5,7 - - 22,9 2,9
investigación
31. Presupuesto de las OTRI - 11,4 42,9 - - 45,7 -
32. Nº contratos de investigación (universidades con
- 14,3 14,3 - - 71,4 -
entidades)
33. Nº de patentes solicitadas - 5,4 48,6 - - 45,9 -
34. Nº de licencias concedidas - 2,7 62,2 - - 35,1 -
35. Nº de Spin-off originadas por la I+D de la Universidad - - 75,7 - - 24,3 -
36. Participación en empresas que desarrollan actividades
- 2,7 78,4 - - 18,9 -
productivas basadas en la I+D de la Universidad
37. Existencia de Incubadora - 2,8 83,3 - - 13,9 -
38. Nº de empresas en la Incubadora - 2,8 86,1 - - 11,1 -
39. Existencia de Parque Científico y/o Tecnológico - - 45,9 - - 51,4 2,7
40. M2 de infraestructuras universitarias 2,7 - - 37,8 2,7 5,4 51,4

Fuente: Elaboración propia.

*(D) Docencia; (I) Investigación; (TC) Transferencia de Conocimiento; (D-I) Docencia e Investigación;
(D-TC) Docencia y Transferencia de Conocimiento; (I-TC) Investigación y Transferencia de
Conocimiento; (D-I-TC) Docencia, Investigación y Transferencia de Conocimiento.

En la Tabla 5 se recoge la distribución porcentual por lo que respecta al segundo apartado

del tercer bloque en el que el experto era instado a identificar la tipología del indicador, es decir,
si se trata de un input (recurso), un proceso (actividad) o un output (resultado).

467
Tabla 5. Tipología del indicador (fila = 100) (%)*.
Ítem I P O I-P I-O P-O I-P-O
er
1. Nº de estudiantes en 1 y 2º ciclo 35,1 27,0 - 24,3 2,7 - 10,8
er
2. Nº estudiantes 1 y 2º ciclo con prácticas en empresas 3,0 36,4 9,1 9,1 3,0 27,3 12,1
3. Nº de graduados - 8,3 77,8 - - 11,1 2,8
4. Nº de estudiantes en cursos de postgrado 21,6 43,2 - 21,6 2,7 - 10,8
5. Nº de postgraduados - 8,1 78,4 - - 8,1 5,4
6. Nº de postgraduados que participan en actividades de I+D 10,8 29,7 13,5 2,7 2,7 35,1 5,4
7. Nº de postgraduados subvencionados por las empresas 13,9 36,1 19,4 - 2,8 25,0 2,8
8. Ingresos medios de los graduados en su 1er trabajo - 2,9 97,1 - - - -
9. Nº de Personal Docente Investigador (PDI) 41,7 22,2 - 25,0 - 2,8 8,3
10. Nº de Personal de Administración y Servicios (PAS) 47,2 27,8 - 13,9 - 5,6 5,6
11. Cociente PDI por número de estudiantes 33,3 44,4 - 16,7 - - 5,6
12. Resultados Encuesta de Evaluación de la labor docente - 56,5 21,7 - 4,3 17,4 -
13. Cociente PAS por PDI 27,0 40,5 - 24,3 - 5,4 2,7
14. Nº de PDI dedicado exclusivamente a la investigación 35,1 18,9 2,7 13,5 - 10,8 18,9
15. Nº de PAS de apoyo a la investigación 38,9 27,8 - 16,7 2,8 2,8 11,1
16. Nº de apariciones del PDI en artículos de periódicos - 8,6 71,4 - - 17,1 2,9
17. Nº de tesis doctorales defendidas - 5,4 64,9 - - 27,0 2,7
18. Nº de publicaciones en revistas indexadas - 3,0 66,7 - - 30,3 -
19. Nº de citas que ha recibido una publicación - 6,1 75,8 - - 18,2 -
20. % PDI que produce publicaciones en revista indexada - 17,4 52,2 - - 30,4 -
21. Nº de publicaciones en revistas profesionales - 8,1 67,6 - - 24,3 -
22. Nº de trabajos presentados a congresos internacionales - 5,4 59,5 - - 35,1 -
23. Nº de sexenios concedidos 5,6 16,7 58,3 2,8 - 13,9 2,8
24. Participación en redes científicas - 48,6 21,6 5,4 - 21,6 2,7
25. Ingresos por proyectos investigación local y regional 18,9 10,8 16,2 10,8 18,9 16,2 8,1
26. Ingresos por proyectos investigación nacional 19,4 11,1 13,9 11,1 13,9 22,2 8,3
27. Ingresos por proyectos investigación europea 19,4 8,3 13,9 8,3 13,9 27,8 8,3
28. Ingresos por actividades de formación bajo demanda 10,8 8,1 37,8 10,8 10,8 13,5 8,1
29. Ingresos por trabajos a entidades con alto valor añadido 10,8 - 43,2 5,4 21,6 16,2 2,7
30. Fondos asignados por Universidad a centros de
investigación 34,3 31,4 5,7 17,1 - 5,7 5,7
31. Presupuesto de las OTRI 25,7 28,6 5,7 17,1 11,4 11,4 -
32. Nº contratos de investigación (universidades con
entidades) 5,6 8,3 41,7 2,8 13,9 16,7 11,1
33. Nº de patentes solicitadas - 10,8 64,9 - - 24,3 -
34. Nº de licencias concedidas - 83,8 - - 2,7 13,5 -
35. Nº de Spin-off originadas por la I+D de la Universidad - 5,4 70,3 - 8,1 16,2 -
36. Participación en empresas que desarrollan actividades
productivas basadas en la I+D de la Universidad - 8,3 69,4 - 2,8 19,4 -
37. Existencia de Incubadora 11,8 20,6 41,2 8,8 - 14,7 2,9
38. Nº de empresas en la Incubadora - 17,6 61,8 - - 17,6 2,9
39. Existencia de Parque Científico y/o Tecnológico 14,3 22,9 14,3 5,7 - 25,7 17,1
40. M2 de infraestructuras universitarias 42,9 28,6 2,9 17,1 - - 8,6

Fuente: Elaboración propia.

*(I) Input; (P) Proceso; (O) Output; (I-P) Input y Proceso; (I-O) Input y Output; (P-O) Proceso y
Output; (I-P-O) Input, Proceso y Output.

468
 En esta ocasión, solo 17 de los 40 ítems recogen en alguna de sus categorías más del
50% de las observaciones. El consenso ha sido alcanzado en la consideración de los indicadores
de proceso o de output, no habiéndose obtenido para el caso de los inputs. En este sentido, los
indicadores identificados como indicadores de procesos de la universidad son los relacionados
con los resultados de la encuesta de evaluación de la actividad docente del PDI y las licencias
concedidas (ítems 12 y 34, respectivamente).
Por otra parte, han sido considerados como indicadores de output los siguientes: indicadores
relativos al número de graduados y postgraduados, los ingresos medios de los graduados en su
primer trabajo, el número de apariciones del PDI en artículos de periódicos, las tesis doctorales
defendidas, las publicaciones en revistas indexadas, las citas que estas publicaciones reciben, el
porcentaje de PDI que publica en estas revistas, el número de publicaciones en revistas profesionales,
los trabajos presentados a congresos internacionales, los sexenios concedidos, las patentes
solicitadas, las spin-off originadas por la I+D de la universidad, la participación en empresas
desarrollando actividades productivas basadas en la I+D universitaria y el número de empresas
en la incubadora (ítems 3, 5, 8, 16, 17, 18, 19, 20, 21, 22, 23, 33, 35, 36 y 38, respectivamente).
Asimismo, destacamos la variabilidad de opiniones con respecto a la consideración de la tipología
en los indicadores referidos a los ingresos obtenidos por la universidad, bien a través de proyectos
de investigación o bien por trabajos a entidades con alto valor añadido (ítem 25, 26, 27, 28 y 29,
respectivamente).
Además, hemos podido observar que no ha habido consenso con respecto a la consideración
de alguno de los indicadores mostrados que hacen referencia a dos de las tipologías analizadas al
mismo tiempo, es decir, de input-proceso, de input-output, de proceso-output, ni tampoco a la
de input-proceso-output. Por tanto, podríamos concluir que la identificación de los resultados de
las actividades universitarias genera un mayor acuerdo entre los expertos que, por el contrario, la
identificación de recursos y procesos.
Finalmente, en la Tabla 6 se recoge la distribución porcentual para el último apartado
del tercer bloque del cuestionario donde el experto debía valorar la importancia de cada uno de
los 40 indicadores propuestos en el proceso de evaluación, en una escala de 1 a 5, siendo (1)
“nada importante” (no debe ser considerado en el proceso de evaluación) y (5) “muy importante”
(esencial en el proceso de evaluación).

469
Tabla 6. Importancia del indicador en el proceso de evaluación de las universidades públicas (fila
= 100) (%)
Nada Muy
Ítem Importante Neutro Importante
1 2 3 4 5
1. Nº de estudiantes en 1er y 2º ciclo - 2,7 21,6 32,4 43,2
2. Nº estudiantes 1er y 2º ciclo con prácticas en empresas - 8,3 22,2 36,1 33,3
3. Nº de graduados - - 13,5 51,4 35,1
4. Nº de estudiantes en cursos de postgrado - 5,4 16,2 37,8 40,5
5. Nº de postgraduados - 8,1 16,2 37,8 37,8
6. Nº de postgraduados que participan en actividades de I+D - 2,7 18,9 51,4 27,0
7. Nº de postgraduados subvencionados por las empresas - 11,1 27,8 44,4 16,7
8. Ingresos medios de los graduados en su 1er trabajo 20,0 25,7 37,1 11,4 5,7
9. Nº de Personal Docente Investigador (PDI) - 2,7 27,0 35,1 35,1
10. Nº de Personal de Administración y Servicios (PAS) - 16,7 50,0 25,0 8,3
11. Cociente PDI por número de estudiantes 2,8 2,8 16,7 58,3 19,4
12. Resultados Encuesta de Evaluación de la labor docente - 13,0 8,7 43,5 34,8
13. Cociente PAS por PDI - 5,4 45,9 40,5 8,1
14. Nº de PDI dedicado exclusivamente a la investigación - 2,7 21,6 48,6 27,0
15. Nº de PAS de apoyo a la investigación - 8,1 21,6 45,9 24,3
16. Nº de apariciones del PDI en artículos de periódicos 11,1 44,4 27,8 8,3 8,3
17. Nº de tesis doctorales defendidas - - 2,7 48,6 48,6
18. Nº de publicaciones en revistas indexadas - - 5,6 25,0 69,4
19. Nº de citas que ha recibido una publicación - - 8,3 38,9 52,8
20. % PDI que produce publicaciones en revista indexada - - 4,3 47,8 47,8
21. Nº de publicaciones en revistas profesionales 2,7 8,1 45,9 37,8 5,4
22. Nº de trabajos presentados a congresos internacionales - 21,6 35,1 32,4 10,8
23. Nº de sexenios concedidos 2,7 5,4 16,2 35,1 40,5
24. Participación en redes científicas - 8,1 29,7 45,9 16,2
25. Ingresos por proyectos investigación local y regional - - 28,6 51,4 20,0
26. Ingresos por proyectos investigación nacional - - 8,1 51,4 40,5
27. Ingresos por proyectos investigación europea - - 5,4 29,7 64,9
28. Ingresos por actividades de formación bajo demanda - 16,2 32,4 43,2 8,1
29. Ingresos por trabajos a entidades con alto valor añadido - 8,1 21,6 43,2 27,0
30. Fondos asignados por Universidad a centros de
investigación 10,8 13,5 35,1 21,6 18,9
31. Presupuesto de las OTRI 5,4 5,4 32,4 35,1 21,6
32. Nº contratos de investigación (universidades con
entidades) - 2,8 11,1 58,3 27,8
33. Nº de patentes solicitadas 2,7 - 18,9 56,8 21,6
34. Nº de licencias concedidas - - 18,9 24,3 56,8
35. Nº de Spin-off originadas por la I+D de la Universidad - 2,7 18,9 32,4 45,9
36. Participación en empresas que desarrollan actividades
productivas basadas en la I+D de la Universidad - 2,7 27,0 48,6 21,6
37. Existencia de Incubadora - 5,6 33,3 36,1 25,0
38. Nº de empresas en la Incubadora - 2,9 20,0 45,7 31,4
39. Existencia de Parque Científico y/o Tecnológico - 5,4 18,9 35,1 40,5
40. M2 de infraestructuras universitarias 2,7 10,8 21,6 40,5 24,3

Fuente: Elaboración propia.

470
 En este bloque es donde se ha alcanzado menor grado de consenso entre los componentes
del panel ya que solo 12 de los 40 ítems analizados recoge más del 50% de las respuestas en una
de sus categorías.
A tenor de las opiniones de los expertos, los indicadores que deben ser tenidos en cuenta
en los procesos de evaluación de las universidades son aquellos relacionados con el número de
graduados, el número de postgraduados participando en actividades de I+D, el cociente de PDI
por número de estudiantes, el número de publicaciones en revistas indexadas y las citas que
reciben dichas publicaciones, los ingresos recibidos por proyectos tanto locales y regionales, como
nacionales y europeos, el número de contratos de investigación, así como las patentes solicitadas
y las licencias concedidas (ítems 3, 6, 11, 18, 19, 25, 26, 27, 32, 33 y 34, respectivamente), ya
que son considerados importantes o muy importantes.
Por otro lado, debe señalarse el consenso alcanzado con respecto al indicador que recoge el
número de PAS de la universidad (ítem 10), siendo la valoración de los expertos neutra, indicando
que la consideración de dicho indicador en la evaluación de la institución no es excesivamente
importante.

4. Conclusiones
En este trabajo se han presentado los resultados obtenidos en la investigación llevada a cabo
para identificar los indicadores que permitan evaluar la actividad universitaria en su conjunto y
para cada una de sus misiones, mediante la aplicación del método Delphi, a un grupo de expertos
formados por altos cargos académicos y de gestión de las universidades públicas españolas. Los
resultados obtenidos han permitido conocer la opinión del panel de expertos respecto a la validez
del uso de indicadores en la evaluación de las universidades públicas, así como constatar el grado
de acuerdo entre ellos con respecto a la consideración de dichos indicadores.
Destaca en primer lugar el consenso alcanzado entre los expertos con relación a la utilidad
y validez del uso de indicadores en la evaluación de las universidades públicas. Ahora bien, a
pesar del consenso alcanzado en este aspecto, continúa habiendo discrepancias en cuanto a la
identificación de dichos indicadores, tanto en la misión que representan como en su tipología, tal
como hemos tenido ocasión de poner de manifiesto en el resto del análisis llevado a cabo.
A tenor de los resultados alcanzados, parece claro que los gestores universitarios están
de acuerdo en la validez de los indicadores como un instrumento útil para la evaluación de las
universidades públicas. Sin embargo, persiste la necesidad de que las administraciones públicas
implicadas y la comunidad universitaria en su conjunto alcancen un mayor consenso, siendo
necesaria una mayor reflexión en torno a la definición de un modelo teórico de mínimos aceptado,
que permita a las instituciones universitarias asignar pesos a los distintos indicadores en función
de su planificación estratégica. Para tal fin, habría que mejorar la definición de cada uno de los
indicadores, al igual que su medición. Sería recomendable avanzar en la estandarización, no solo
a nivel nacional sino teniendo en cuenta el contexto europeo, de un manual de indicadores para
evaluar las instituciones de educación superior.
En este sentido, organizaciones como UNESCO, OCDE y EUROSTAT están trabajando para
desarrollar un sistema de indicadores comparables a nivel internacional (European Commission,
2009). De esta forma, se podría contar con una infraestructura estadística a nivel micro de los
centros universitarios, coherente y transparente, que proporcionara a estas instituciones y a
los responsables políticos información pertinente para evaluar comparativamente y realizar un
seguimiento de las tendencias que desarrolla el sector de la educación superior, el cual está
acometiendo una transformación y expansión sustancial que requiere y exige ser supervisada y
evaluada para facilitar la toma de decisiones y adquirir un mayor conocimiento de la rentabilidad
económica y social de la inversión en educación superior. Si el acuerdo fuera alcanzado, podría
construirse una estructura permanente encargada de la recogida sistemática y periódica de datos
normalizados con una metodología bien desarrollada, que permitiría desarrollar evaluaciones de
las universidades en base a un método comúnmente aceptado.

471
Referencias
Astigarra, E. (2003): El método Delphi. San Sebastián: Universidad de Deusto.

Bonaccorsi, A.; Daraio, C.; Lepori, B. y Slipersaeter, S. (2007): Indicators on individual higher
education institutions: addressing data problems and comparability issues. Research Evaluation,
16(2), pp. 66-78.

Buela-Casal, G.; Bermúdez-Sánchez, M. P.; Sierra, J. C.; Quevedo-Blasco, R. y Castro, Á. (2009):

Ranking de 2008 en productividad en investigación de las universidades públicas españolas.
Psicothema, 21(2), pp. 304-312.

Cerezo, Y.; Valbuena, C.; Asensio, E. y Carmona, N. (2008): La calidad de la educación superior.
Indicadores y costes. Adaptación al Espacio Europeo de Educación Superior en España. Madrid:
Instituto de Investigaciones Económicas y Sociales “Francisco de Vitoria”.

Consejo de Universidades (1999): Indicadores en la Universidad: Información y decisiones. Madrid:

Ministerio de Educación y Ciencia.

D’Este, P.; Castro-Martínez, E. y Molas-Gallart, J. (2009): Documento de base para un “Manual de

Indicadores de Vinculación de la universidad con el entorno socioeconómico”: un marco para la
discusión. Buenos Aires: OEI y AECID.

Escrigas, C. (2006): Perspectivas de los líderes sobre la financiación de la educación superior.

Encuesta Delphi. En: GUNI (eds.). La educación superior en el mundo 2006: La financiación de las
universidades. Barcelona: Mundiprensa, pp. 277-297.

European Commission (2009): EUMIDA Project. http://www.eumida.org

García-Aracil, A. y Palomares-Montero, D. (2010): Examining benchmark indicator systems for the

evaluation of higher education instittutions. Higher Education, 60(2), pp. 217-234.

GUNI (eds.) (2007): La educación superior en el mundo 2007: Acreditación para la garantía de la
calidad ¿qué está en juego? Barcelona: Mundiprensa.

Kells, H. R. (1993): Sistemas nacionales de garantía y control de la calidad académica. En: UNESCO.
La evaluación académica. París: UNESCO, pp. 15-27.

Landeta, J. (1999): El método Delphi. Una técnica de previsión para la incertidumbre. Barcelona:
Ariel.

Lobera, J. (2008): Encuesta Delphi: la educación superior para el desarrollo humano y social. En:
GUNI (eds.). La educación superior en el mundo: nuevos retos y roles emergentes para el desarrollo
humano y social. Madrid: Mundiprensa, pp. 307-327.

Mitchell, V. W. (1991): The Delphi Technique: An Exposition and Application. Technology Analysis
& Strategic Management, 3(4), 333-358.

Molas-Gallart, J. (2002): Measuring Third Stream Activities. Brighton: University of Sussex.

RIN (2010): Peer Review. A guide for researchers. Londres: Research Information Network.

472
Royero, J. (2002): Contexto mundial sobre la evaluación en las instituciones de educación superior.
OEI Revista Iberoamericana de Educación, 10/9, pp. 1-14.

Santana Armas, F. (2007): Las políticas de evaluación de las universidades vistas por un grupo de
expertos. En: J. Giró Miranda (coord.). La escuela en el siglo XXI: la educación en un tiempo de
cambio social acelerado. Logroño: Universidad de La Rioja, pp. 45-46.

Simoneau, R. (1991): La evaluación institucional: conceptos teóricos. Publicación Trimestral de

la Asociación de Universidades e Instituciones de Educación Superior, 23(79). http://www.anuies.
mx/servicios/p_anuies/publicaciones/revsup/res079/art7.htm

Sizer, J. (1982): Institutional performance assessment under conditions of changing needs.

International Journal of Institutional Management in Higher Education, 6(1), pp. 17-28.

Stella, A. y Woodhouse, D. (2006): Australian Universities Quality Agency. Ranking of Higher

Education Institutions. Melbourne: AUQA.

Von der Gracht, H. A. (2008): The Delphi Technique for Future Research. En: H. A. von der Gracht.
The future of logistics. Scenarios for 2025. Wiesbaden: GWV Fachverlage Gmbh, pp. 21-68.

473
/ Capítulo 6. Eficiencia y equidad

474
1. Equity of access to higher education in the transforming economy. Evidence
from Poland

Mikolaj Herbst, University of Warsaw

Jakub Rok, University of Warsaw

475
Equity of access to higher education in the transforming economy. Evidence
from Poland

Mikolaj Herbst, University of Warsaw

Jakub Rok, University of Warsaw

Abstract:
This paper demonstrates how the probability of enrolment in tertiary schools evolves for different
social groups in Poland over the period of educational boom and expansion of tertiary schooling
institutions. It also investigates how the socio-economic status influences the choices between
full-time and part-time studies (the latter being of relatively low quality), and the probability
of admission to subsidized, free programs versus programs requiring tuition. Using data from the
household survey for the period 1995–2008, we show that the expansion of tertiary schooling in
Poland has undoubtedly improved the accessibility of universities for students with low family
educational background, low income and residing in smaller towns and rural areas. However,
if we look at the relative change in the odds of enrollment for different layers of the social
strata, we find that the improvement refers to those with low family educational background
and living in small settlements, but not to individuals suffering from the low income. Further
investigation shows that the policy makers should focus not only on ensuring equal access to
tertiary education for the whole social strata, but on allowing the unprivileged groups access to
education of acceptable quality.

Keywords: Higher education, equity, participation rate, transformation, Poland

1. Introduction
During the twentieth century, the role and accessibility of tertiary education has been
evolving, as the economies and societies of developed countries have evolved. Along with the
reduction of employment in agricultural and industrial sectors and the growing demand for
an educated labor force, the formerly elitist universities have gradually became more open to
students from less socially advantaged families. The demand for education was stimulated by
technological progress, emancipation of women, reduction of discriminatory practices toward
ethnic minorities (especially in the U.S), and the democratization process. Some studies
emphasize the role decolonization plays in stimulating the expansion of higher education in
developing countries. Secondary-education expansion and public expenditures for this also
played crucial roles in widening access to universities. In effect, as noted by Schofer and Meyer
(2005), while in 1900 only about 1% of the relevant age cohort was enrolled in tertiary education
institutions worldwide, this indicator reached 20% by the end of the twentieth century. Currently
the participation rate in leading countries exceeds 50%. As the author puts it: “a new model of
society became institutionalized globally – one in which school knowledge and personnel were
seen as appropriate for a wide variety of social positions, and in which many more young people
were seen as appropriate candidates for higher education.” A decreasing selectivity of admissions
to higher education institutions with respect to U.S. colleges was demonstrated by Hoxby (2009).
In Europe, the evolution of the admissions system since World War II is summarized by Hasley
(1993), who points out that the progress toward a more egalitarian access to higher education
in Europe is associated with the move away from traditional admissions, controlled by university
teachers, to the system in which control is more in the hands of politicians and budgetary
administrators.
Despite the gradual opening of higher education to the masses, numerous analyses prove
that even in the most egalitarian contemporary societies the access to tertiary education remains
uneven for different social groups. OECD statistics (see Table 1) show that, in virtually all countries

476
that were considered, individuals with high socio-economic status are overrepresented among
students enrolled in tertiary institutions. This is an important problem, since in the presence of
substantial returns to higher education estimated for most economies, barriers in the access to it
for socially disadvantaged individuals widen the social and economic gap between groups within
societies.
The literature on the equity of access to higher education is mostly oriented toward some
clearly defined social groups that were, or still are, (depending on country and social group)
considered as being discriminated against. Typically, this refers to race (ethnicity), sex, religion,
income, and place of residence. Naturally, the participation of these groups in tertiary education
depends not only on the institutional arrangements in the tertiary schooling of particular countries,
but also on the access and quality of education at the lower tiers, on the country’s history, on its
political system, on its economic performance, and on many other factors. Therefore, university
enrollment within underprivileged social groups is a measure of equity referring to much broader
phenomena, than the education system itself.
Low income is traditionally considered one of the main barriers to achieving higher
education, or even enrolling in university. Intuitively, this should apply most of all to the
countries in which many tertiary schools are financed through tuition fees and particularly those
with underdeveloped assistance programs. Blom and Murakami (2008) demonstrate that in Latin
American countries the direct costs of education (tuition fees) represent on average 35% of GDP
per capita, as compared with 10% observed for the high income countries. At the same time
the available student grants and loans (4% jointly) in Latin America are much lower than these
available in more affluent economies (9%).
Insufficient income is still perceived as a barrier against university enrollment in the U.S.
(Hill and Winston 2010; Rumberger 2010), but, as observed by Asplund et al. (2008), the liquidity
constraint argument in reference to highly developed countries has recently been challenged,
with some evidence suggesting that the long-term consequences of poverty in a child’s formative
years are far more important for subsequent higher education enrollment than is the necessity to
cover a direct cost of university admission in a later period.
Mateju et al. (2007) demonstrate in turn that socio-economic status still has a significant
effect on college admission expectations at the age of 15, but its magnitude is strongly diversified
across OECD countries. Eastern Europe, Italy and Germany are characterized by a strong link
between social status and expected educational attainment, while in the U.S., Denmark and
France this effect is much weaker. The authors argue that the institutional arrangements for
tertiary schooling (including funding method) are of minor importance in determining the equity
of access, which is more affected by the degree of “openness” of the secondary education systems
in particular countries.
Early formation of college expectations and the weaker than expected influence of direct
cost on participation have important implications for the ongoing debate on effective ways of
higher education funding, with many authors arguing that, with proper financial assistance to
low income students, tuition based systems actually tend to be more equitable than these relying
on state subsidies to public universities (Woessmann 2008).
Some less-developed countries still experience a significant gender gap (in favor of men)
in access to higher education (Azam and Blom 2008). Low participation of females in tertiary
education is no longer an issue in highly developed nations. In fact, in most modern educational
systems the rates for women tend to be higher than for men—see Baum and Goodstein (2005)
for evidence from the U.S, or Christofides et al. (2010) for Canada. It is argued, however, that
the horizontal segregation (across fields of studies rather than levels) is very common despite
the ongoing cultural changes (Charles and Bradley 2002). There is also evidence of discriminatory
admission practices toward women, a result of their submitting more applications than men do
(Baum and Goodstein 2005).
Empirical research proves, also, that even in the countries with a well-developed transport

477
network, such as Germany, the probability of studying at tertiary level may be significantly
influenced by a student’s place of residence. Spiess and Wrohlich (2010) show that – controlling
for other socio-economic and regional characteristics – distance to the nearest university at the
time of completing secondary school significantly affects the decision to enroll in a university.
Their results further suggest that the distance effect is driven mainly by transaction costs rather
than by neighborhood effects.
Although various types of social disadvantages are believed to have independent influence
on higher education accessibility, they frequently overlap for particular individuals. This makes
identifying causal relationships and addressing them with effective policy tools challenging.
For instance, James (2001) observes that higher education participation for people in rural and
isolated areas of Australia may be affected less by distance from university campuses than by
socio-economic circumstances and the influences of rural social and cultural contexts. Socio-
economic effects are generally more pronounced and pervasive than any effects of location
identified by this study.
The U.S. literature on the equity of access to higher education is in large part devoted to
racial issues. Affirmative action, while achieving some success in ensuring equal opportunities
for individuals of all races, is for many reasons highly controversial and still hotly debated.
During the 1990s some states, like Texas, Washington, California, and Florida, banned the direct
application of racial criteria in admission process for public universities. Instead they introduced
the so-called top x-percent programs, under which students graduating from high school in the
top x percent of their school (or class) are guaranteed to qualify for the state university. However,
as demonstrated by Long (2004) such programs are unable to replace traditional affirmative
action and maintain the proportion of minority students.
The social background has impact on not only the admission process, but also on the
propensity to continue studies after the initial year(s). Using French data, Jaoul-Grammare (2007)
shows that, although after the first year of university education the probability of continuation
depends on academic performance and area of studies, in a later period the socio-economic status
plays an important role, with students with stronger family backgrounds being less likely to drop
out.

2. Conceptual framework and data

This paper demonstrates how the probability of enrolment in tertiary schools evolves for
different social groups in Poland over the period of educational boom and expansion of tertiary
schooling institutions. It also investigates how the socio-economic status influences the choices
between full-time and part-time studies (the latter being of relatively low quality), and the
probability of admission to subsidized, free programs versus programs requiring tuition.
While discussing equity in access to higher education, we focus on the three criteria
defining the social groups that potentially have uneven odds of enrollment to tertiary school.
The first criterion is the household income, the second describes the student’s place of residence
and the third refers to the parental education.
The rapid growth of university enrollment in Poland (a fivefold increase over two decades)
was accompanied by partial privatization and marketization of the system, previously based
exclusively on public schools and financed through subsidies from the central budget. We first
discuss the recent developments in Poland’s higher education sector, including changes in
demand, supply, and public policy toward students and tertiary institutions. Then we show how
the tertiary education participation rates were changing between 1994 and 2008 for various social
groups. In the next stage, using a logit specification and controlling for a number of individual
characteristics, we estimate the odds of enrollment ratios for different groups, separately for each
year in the 1994–2008 period. Drawing on the latest available data we also discuss the socio-
economic characteristics of students who end up in different types of tertiary programs (full-time
versus part-time, and tuition-based versus subsidized). We then comment on the results, in the

478
context of existing public policy measures and demographic trend.
To calculate the participation rate and logit estimation, we use data from the national
Household Budget Survey conducted by Główny Urząd Statystyczny (GUS), which is Poland’s
Central Statistical Office. We start with 1994 data, which is the oldest available, and we repeat
the analysis for each year until 2008. The survey involves about 30,000 households yearly (about
100,000 individuals), but we limit attention to individuals between 19 and 26 years old, which
gives 8,700 observations on average per year.
The data we use are the best available to research the impact of socio-economic status on
the higher education participation in Poland. However, there are important bottlenecks resulting
from the use of the household survey to observe individual behavior. First, since the survey is
designed mostly to collect information on the household, and only secondarily on household
members, we can only observe family characteristics for those individuals who still live with
their parents in the same household. Since the information on family background is crucial for
this research, we have to exclude all individuals who left their family home early. Although this
implies a loss of some important information, and may induce a bias to our estimates, it has to
be emphasized that a vast majority of the considered age cohort in Poland actually lives with
parents. According to Eurostat, this situation applies to 81% of women and 89% of men ages
18–24. Therefore, although the omission of early home leavers will certainly have some influence
on the results of estimation, we still believe that the research conclusions can be informative. We
think that this research’s most valuable contribution to knowledge of the determinants of higher
education accessibility will result from the analysis of the time pattern of the role particular factors
play, rather than from estimating the precise measures of their impact at a given moment.
In the discussion and the introductory part of the results’ description, we also rely on
additional data on public and private spending on higher education as well as on enrollment, and
teachers and faculty profiles in tertiary schools. These were collected by the Central Statistical
Office. The Ministry of Science and Higher Education was the information source on the policies
and legal acts in tertiary schooling. International data, used as reference in discussion, was
gathered from OECD database.

3. Model
We use a logit approach to determine the influence of various aspects of an individual’s
socio-economic status on the probability of participation in higher education. For each individual
i aged between 19 and 26 the endogenous variable Y takes one of the two values that follow:

Since the logit function of the probability p is:

,
the estimated equations take following forms:

Where:
Gi is a binary variable describing an individual’s gender (0=male), Si indicates three binary variables
representing father’s educational attainment, with primary level serving as a reference category,
Mi reflects a quintile of household income per head, with four binary variables included in the

479
specification and the lowest quintile being a reference category, Li describes an individual’s place
of residence, with rural areas as a reference category, and Ai represents an individual’s age.
The estimation of equation 4’s parameters is performed separately for each year between
1995 and 2008 in order to examine the changing role socio-economic variables play in determining
the probability of enrollment in tertiary school.

4. Results
4.1. Recent developments in tertiary education in Poland
Poland is a valuable case for studying the equity of access to tertiary education. For 45
years following World War II, higher education participation has been very low, not exceeding
10% of the respective age cohort. Under communist rule, the centrally planned economy was
dominated by the industrial and agricultural sectors, with limited demand for highly educated
labor. Moreover, the government preferred to keep the number of the intellectuals low to depress
the risk of political turbulence. However, the situation has been changing dramatically since 1989
as a result of democratization and the opening of the Polish economy to the world.
The number of tertiary students has risen from 404 thousands in the academic year
1990/1991 to 1.928 thousands in 2008/2009 – a nearly fivefold increase. Simultaneously, the
number of tertiary schools has increased from 112 to 456 (Główny Urząd Statystyczny 2009).
The rapid growth of higher education enrollment would not have been possible without
allowing private capital to invest in education. Until 1990 all existing higher education institutions
were state owned. Since the academic year 1990/1991 and the introduction of the new Law on
Higher Education (1990), private tertiary schools have been established and public schools can
offer paid part-time programs. In the academic year 2008/2009, in addition to 131 operating
public tertiary school, there were 325 nonpublic institutions, attended by one-third of Polish
tertiary students (see Table 1). Part-time study, chosen by 46.7% of students, was much more
prevalent than on average in the OECD (20.1%).
Unlike public schools, which receive substantial subsidies from the state (mainly for
teaching activities) the nonpublic sector relies financially on tuition fees paid by students,
constituting 83.7% of its total revenues, compared to 14.4% of public tertiary schools’ revenues.
Tuition fees are only required from students in nonpublic schools (regardless of the mode of
studying) and from those enrolled in part-time programs in public institutions.
Since the majority of students in Poland pay tuition fees, while the remaining students’
studies are fully subsidized by the public, the burden of private contributions is borne by part of
the student population and not shared by all. The number of students paying tuition fees (i.e.,
part-time students from public TEIs and all the students from nonpublic TEIs) reached 1.1 million
in the academic year 2008/2009, accounting for 58% of the total student population in Poland
(Ernst&Young and Instytut Badań nad Gospodarką Rynkową 2009). The tuition fees are rather
low. The average annual fee paid at ISCED 5A nonpublic institutions in academic year 2004/2005
equaled 2.710 USD (PPP) – a similar amount to the Czech Republic. According to other sources of
data, yearly tuition fees in the academic year 2003/2004 ranged between PLN 1600 and 8000170
across different institutions (OECD 2007).
From the equity point of view, the duality of the higher education funding system
(subsidized full-time public programs versus tuition fees required in the other forms of schooling)
raises serious concerns. It is believed, although little research has been done in this area, that
the students from affluent families, with high educational background and residing in the large
cities, are winning the competition for the subsidized seats in public schools. Therefore, the
less privileged families end up paying both general taxes (through which they subsidize public
schools) and the tuition fees. Moreover, it is argued that despite paying twice they receive
education of lower quality as compared to their well-endowed peers, as they attend the part-time
programs or are enrolled in the nonpublic schools.

170 After converting these amounts using PPP (2004), fees range between USD 850 and 4500.

480
 At this point it must be said that the available data do not allow a fully reliable assessment
of the quality of the different forms of tertiary schooling in Poland. There are no longitudinal,
comprehensive studies on the labor market performance of the graduates, and neither the public
statistics, nor the universities, track the careers of alumni in a way that would permit the
evaluation of the contribution of the received education to the success in life. A few quantitative
studies which approached this issue focused on the short-term probability of employment after
graduation, but they have not controlled for the obvious endogeneity of the educational choices.
The results of these evaluations are therefore strongly biased.
Some valuable observations on the quality of higher education in Poland can be made by
looking at the indicators describing different resources available to the sector (see Table 2).
First, along with the increase of enrollment in higher education, the student to teacher
ratio also increased dramatically. The number of full-time academic teaching positions in Polish
tertiary schools amounted to 99,000171 in the academic year 2008/2009, thus it grew by 60%
since 1990 (Główny Urząd Statystyczny 2009; Ernst&Young and Instytut Badań nad Gospodarką
Rynkową 2009) It is a moderate increase compared to a fivefold growth in enrollment during
the last 20 years. As a consequence, the accessibility to teachers has significantly worsened for
students. It is, however, much better for the students in the public schools (15.1), than in the
private sector (37.3).
Enrolling so many students with such scarce human resources wouldn’t be possible without
multiple employments of staff, which severely compromises the quality of teaching, particularly
in nonpublic institutions, which are often “second posts.” Some 30% of Polish academic staff,
and 66% of Polish professors, hold multiple teaching posts, either in other tertiary institutions
or outside education systems (Ernst&Young and Instytut Badań nad Gospodarką Rynkową 2009).
Multiple employment is a particular impairment at nonpublic schools – 95% of academic teachers
work there on their (at the best) second post, compared to 25% in the case of public institutions
(Główny Urząd Statystyczny 2009). Such academics have to share their teaching time between
at least two schools, which undoubtedly lowers their ability to match students’ specific needs.
Moreover, such professors are unlikely to devote much time to the needs of students in nonpublic
institutions, who are de facto directly paying for their courses, while nonpaying students tend
to get priority attention, as they are academically stronger (passing the merit-based selection
process). Therefore, the less-well-off students attending nonpublic TEIs are indirectly subsidizing
the better-off students in public universities (World Bank 2004).
Another quality-related aspect of the Polish tertiary education involves the dominant
position of the humanities and social sciences. Most new slots created in higher education during
the 1990s and 2000s were funded directly by tuition fees, with little financial aid from the
state. This resulted in a shift toward mass, inexpensive studies (see Table 2). The distribution
of students by profiles reflects their willingness to acquire a tertiary school diploma at low cost,
and not necessarily a concern about the demand by the labor market for various professions.
The current distribution of Polish students among academic profiles skews strongly toward social
sciences, business, and education.
The performance of Polish higher education institutions in the area of academic research,
which is presumably correlated with the quality of teaching, is not improving along with the
expansion of tertiary schooling, and the contribution of nonpublic schools to the internationally
recognized literature is negligible. According to SCImago Journal & Country172, Poland’s rank (by
number of publications) decreased by 4 places since 1996, giving Poland 20th place in the world
in 2008. If focusing on the citation indicator reflecting the quality of the contribution, Poland
drops to 38th place out of 68 countries included in this query (Ernst&Young and Instytut Badań
nad Gospodarką Rynkową 2009). According to the standard assessment of the academic potential
171 This value refers to number of posts, therefore an individual employed at two full-time posts simultaneously is
counted twice.
172 SCImago Journal & Country Rank is a bibliometric project of four Spanish TEIs, which provides international
comparisons based on number of publications and citations.

481
of Poland, undertaken in 2006 by State Committee for Scientific Research, 98.5% of this capability
(measured by, e.g., number of publications, research grants, patents obtained, etc.) lies in the
public sector, while only 1.5% result from research activities performed by nonpublic schools.
Independent of the concerns about the quality of Polish higher education in general, as
well as the public-private gap, there are also many reasons to believe that part-time programs
provide students with a lower quality education as compared to full-time programs. Some research
shows that teaching takes place in overcrowded conditions, there is insufficient time for direct
student-teacher relations, the profiles often mismatch the needs of the labor market, etc. (United
Nations Development Programme 2007; Drogosz-Zabłocka and Minkiewicz 2007). The teaching
time offered to students in part-time programs can even be 65% to 70% less than that of the
respective full-time programs.
Summarizing the recent developments in tertiary education in Poland, the government
policy in the transformation period emphasized the expansion of overall enrollment considerably
more than it directly addressed equity of access. Clearly, equity itself is not among the priorities
of Polish tertiary education policy – e.g., little data on student’s background are collected and
a relatively small share of public funds is allocated to needs-based schemes. Also, the equity of
outcomes receives minimal attention – little emphasis is placed on students’ progression or on
assisting disadvantaged (socially or academically) students.
The state-financed program of grants for low-income students was extended to cover
those enrolled in the part-time programs and in private schools only in 2004 – fourteen years
after the expansion of the higher education sector has been initiated. It must be noted here that
institutional (school-based) financial assistance is nonexistent in Poland, so the state aid is the
only aid available. Recently (in 2008/2009) the grants were received by only 12.4% of students,
and their amounts are by far insufficient to cover the substantial part of education costs.
Besides nonrepayable forms of support, students in Poland are eligible for a loan under the
student loan scheme (launched 1998/1999). Up until the 2008/2009 school year, nearly 318,000
students had been granted a loan, but the popularity of this form of support has been significantly
decreasing over the last ten years. According to OECD authors (OECD 2007), up until 2004/2005
only 22% of grants were taken by students from the nonpublic sector. The main reason for the
low and decreasing usage of student loans was that the banks offering them imposed their own
eligibility criteria based on standard risk assessment procedure, preventing less affluent students,
who really needed assistance, from using them.
In many aspects the recent developments in the Polish tertiary schooling are strikingly
similar to the experience of Brazil (McCowan 2007). Similarly to this country, the rapid expansion
of higher education in Poland was achieved largely through increasing the share of private sector
in the market and, given different funding schemes for public and private schools, in both
countries this brings serious equity concerns. Although Polish enrollment increases much faster
and observed inequities are by far less severe than in Brazil, some of the mechanisms described
by McCowan definitely apply to Poland.

The main equity-related questions to be answered by this research are:

1. How did the rapid increase in the number of tertiary programs contribute to the improvement
of the enrollment odds for the socially disadvantaged groups, given that the majority of new
seats in school are offered in tuition-financed programs?
2. Do students with low socio-economic status tend to end up in presumably lower quality
programs than the well-endowed programs?
3. Are students from unprivileged groups more likely to pay tuition fees?

482
4.2 Changes in participation rates of different social groups
Given the unusual rate of increase in the number of students and tertiary education
institutions reflected in Polish statistical data, one cannot expect anything else than the strong
improvement in accessibility of higher education across all social and economic groups. Indeed,
the enrollment rate at the tertiary level within the 19–26-years-old age group increased from
8% in 1994 to 34.5% in 2008. The changes particularly benefitted women. In the early 1990s,
participation in higher education was similar for both sexes, although earlier it had been higher
for males than for females. The economic transformation and developments in the education
sector have reversed this: from the mid-1990s on, young females have been more likely to study
at the tertiary level than their male peers. Since then, the gap between sexes has been steadily
increasing, reaching 8.7 percentage points in 2008 (30.1% for males and 38.8 for females).
The transformation generated the demand for education among young people in Poland,
but the increase in participation rate within other age groups was much smaller. For instance,
the portion of tertiary students among the 27–35-years-old age cohort, which was below 0.5% in
1994, reached 4% in 2003 and remains at this level. In turn, the rate for the 36–50-years-old age
cohort has increased from 0% to 1.2% during 1994–2008. Therefore, the easier access to higher
education has been a moderately used opportunity to catch up by those who, for some reason,
did not enter the tertiary level directly after graduating from secondary school. Those members
of older age cohorts who decide to study at the tertiary level do it predominantly at part-time
and in nonpublic institutions.
The changes in the higher education participation rates for different social groups are
shown in Figure 1. The enrollment rate has been increasing within all income quintiles (see upper-
left chart in Figure 1). However, although the higher education accessibility for the less affluent
groups has improved in absolute terms, the relative accessibility (compared to that experienced by
affluent individuals) has been decreasing for most of the period considered. Evaluating whether
the changes led to more or less equitable situations in particular years depends on the measures
applied. On the one hand, the difference in participation rate between the 1st and the 5th income
quintiles increased from 13.3 percentage points in 1994 to 40.5 percentage points in 2005, and
then began to fall, reaching 30.5 percentage points in 2008. On the other hand, if one considers
a ratio of probabilities for studying at the tertiary level for the 1st and 5th income quintiles, it
decreased from 6% in 1994 to 2.5% in 2008 (through 3.7 in 2005).
After 10 years of rapid growth, the demand for higher education among the most affluent
households stabilized, possibly indicating the end of adjustment caused by the economic
transformation. The enrollment rates within the three highest income quintiles were increasing
from the beginning of the 1990s until the mid-2000s, then began falling (see Figure 1). It seems
probable that the stabilization of enrollment rates results from demand reaching its “natural
level”.
The expansion of tertiary schooling in medium-sized cities undoubtedly shortened the
way to higher education institutions for secondary school graduates, reducing spatial inequity
in access. One important aspect of tertiary schooling development in Poland relied on the
establishment of a number of tertiary institutions outside the largest metropolitan areas, in
cities of regional importance or even smaller. In the context of the low mobility of Polish students
and the very low capacity of student dormitories (according to the Central Statistical Office, only
6% of tertiary students live in dormitories), reducing the distance between tertiary school and
households should significantly improve the accessibility of tertiary studies in the provincial
areas of Poland.
Research based on the data from the web portal tracking the educational careers of
students showed that the average distance between the secondary school from which an individual
graduates and the tertiary school he or she chooses to attend has decreased from 79 km in 1990
to 67 km in 2008 (Herbst 2009). Also, household data (see upper-right chart in Figure 1) prove
that spatial accessibility to tertiary education improved vastly in the past 13 years. For instance,

483
the enrollment rate for individuals living in rural areas increased from 3% in 1995 to 24% in
2008.
Participation in tertiary education improved for both those individuals with high- and with
low-family educational backgrounds, but since the 1999/2000 school year the gap in enrollment
rate between these two groups has begun to close. Previous studies on the equity of the Polish
tertiary education system emphasized the role of parental education in determining tertiary
school accessibility. Indeed, as shown in Figure 1 (lower chart), 50% of individuals with a father
holding a degree entered tertiary school in 1994, as compared to only 3% of individuals whose
fathers had reached only the primary level of education. During the 1990s, the difference in
higher-education participation rates between families with highly and poorly educated parents
was increasing, despite the fact that accessibility was generally improving across all social groups.
In 1999, the enrollment rate for the individuals with a degree-holding father reached 72%, and
it remained close to 70% during 1999–2008, which suggests it met a demand limit at this level.
Similarly, the enrollment rate for households with fathers having secondary education
was improving until the mid-2000s and eventually stabilized around 50%. The participation
rates among the least-educated families were, in turn, rising during 1994–2008 and eventually
reached 30% and 17% for those with fathers holding basic vocational and primary education,
respectively.

4.3 Logit estimation results
The results of logistic regressions are shown in Table 3 and in Figures 2–4. Since the table,
containing the estimated odds of enrollment ratios separately for each year over 1995–2008, are
quite difficult to read, the changes of the odds in time are also shown in the Figures 2–4.
Concerning the difference by sex in participation in tertiary education, the estimation
confirmed that in the 1990s and early 2000s the probability of entering the tertiary school
was significantly higher for females than for males. The value of odds ratio (females to males)
estimated for the full sample remained close to 2.0 between 2000 and 2006, but in the most
recent period (2007–2008) it began to fall, indicating a decreasing gap between the probability
of studying, for males and females (see Table 3).
Father’s education remains a strong determinant of tertiary education participation,
but its importance decreased rapidly between 1995 and 2002. In the mid-1990s, the odds for
individuals with a tertiary-education family background was more than 10 times higher than
for those whose fathers received only primary education. By 2002 this ratio fell below 8 (see
Figure 2), and eventually remained stable. The advantage provided by a father with secondary
education, as compared to primary education, was substantially smaller, but also was more stable
over time. It remained close to 4 over the whole period considered. Also the probability of
participation in tertiary education for the individuals with a basic-vocational family background
is significantly higher than for those with only primary background, and the relative odds of
these two categories haven’t changed meaningfully between 1995 and 2008. Overall, what Figure
2 shows is that the higher education system in Poland prior to the reforms was extremely elitist.
The changes introduced in the early 1990s relied on closing the participation gap between students
originating from highly educated families and the remaining categories, while the ratios between
these remaining categories have almost not changed at all.
By the end of the 1990s, the distance to a large city (for those who decided not to move
to the city) ceased to be an unbreakable barrier to accessing a tertiary education program. In the
middle of the decade the residents of the metropolises faced a respective odds ratio about 4 times
higher than did those living in rural areas. Recently this indicator dropped to approximately 1.5
(see Figure 3). Although some difference in accessibility of tertiary education in medium-sized
towns (with a population of up to 100,000) as compared to the largest cites is observed, it is also,
in this case, just a fraction of the spatial inequity existing 15 years ago, and the gap is no longer
substantial.

484
 Independently of educational background and the place of residence, the household income
seems to affect the chances of entering higher education. The latest (2008) data show that, with
lowest income quintile being a reference category, the relative odds for the remaining quintiles
are 1.28, 1.59, 1.73, and 1.88 respectively. Thus, although the role of money in determining the
probability of studying is not as important as that of family education, it is still remarkable.
What is more intriguing, however, is the observed pattern of income contribution’s change
over time. Between the mid-1990s and 2002 the role of income in determining participation in
tertiary education was increasing, despite the rapid growth of total enrollment. For instance, the
odds of participation for the most affluent quintile, as compared with the poorest, reached 5.1.
Eventually the impact of income has weakened, and as of 2008 the odds values for particular
income quintiles are not very different from these observed in 1995 (see Figure 4). Therefore, a
quick increase in the number of seats in higher education institutions proved to be insufficient
to achieve the improvement in the relative accessibility of tertiary schooling for low-income
groups. Instead, in the absence of adequate assistance to the underprivileged students and in
the presence of high demand for education among the well-situated individuals, the relative
chances of studying for the least affluent individuals have been decreasing in the first part of
the considered period. A question arises as to why their odds have started to improve since 2002.
Neither that year nor shortly before, did any substantial change in the rules of income-based
assistance to students occur that would facilitate admission for low-income individuals. Such
changes took place two years later, in 2004, when the public system of income-based grants was
extended to cover students in the part-time programs and in the private schools (previously it
was only available to full-time students in the public schools). But at that time the relative odds
of enrollment for the highest versus lowest income quintile was already lower by 12% than in
2002. Thus the equalization process has started before the policy has changed, which does not
exclude the eventual positive impact of the policy in subsequent years.
One possible explanation of the improving equity of the tertiary enrollment chances for
different income quintiles refers to demographic changes and the presumed reaction of the higher
education sector. The 19–26 age cohorts reached its demographic peak (in urban areas) in 2002.
Since then the numbers have been falling, and they are expected to drop by approximately
50% (compared to 2002 value) by 2025 (Główny Urząd Statystyczny 2009). This means that the
higher education institutions, previously provided with the constantly growing demand for their
services, are now forced to compete for students, and certainly some of them will be pushed out
of the market. Their incentives for students may rely on relaxing the academic requirements at
the entry, which can be done by these schools that perform entry selection, or on lowering the
tuition fees, which can be done by the schools and programs requiring a tuition fee. The former
process is difficult to verify with the available data, but it is likely to occur and to contribute to
the easier access of less endowed individuals to higher education. The latter possibility is more
verifiable, but so far is not confirmed by the statistical data. For instance, the average yearly
tuition fee paid by the students in the private tertiary schools in 2008/2009 was higher by 4.5%
than in 2004 (in real terms), which indicates, that the “price war” hasn’t taken place or at least
hasn’t started yet.
An important question is how belonging to disadvantaged social groups shapes the
probability of enrollment to different types of tertiary schools. As argued earlier, there exists
evidence indicating that the recently emerging part-time programs and private schools offer
education of lower quality as compared with the traditional forms of tertiary schooling in Poland.
Moreover, if disadvantaged students tend to end up more frequently in the programs requiring
tuition fees, then we should consider such situation as doubly inequitable – both in terms of
conditions of access, and the quality of received service.
While investigating the role of social status in determining the mode of studying we focus
on the family educational background, father’s occupation and the place of residence as the status
indicators. The reason for not considering household income is that it is difficult to distinguish

485
its impact on the school and program choice from the reverse causal effects, as income is observed
simultaneously with enrollment, and certain types of education programs are clearly more likely
to be combined with professional work.
According to 2008 data, students with low family-educational backgrounds are much more
likely to end up in part-time tertiary programs than are their peers coming from well-educated
households (see Table 4). Only 20% of students with a father holding a university degree would
study in a part-time program. About 60% of tertiary students with only a primary educational
background and 50% of those with fathers who had obtained basic vocational education, however,
would study in a part-time program.
The effect of father’s occupation on student’s choice of tertiary program seems much
weaker than that of educational background, but students with fathers holding high-skill white-
collar jobs (according to ISCO 88 categories) are less likely to study part-time than are the other
groups (see Table 5).
Part-time studies are chosen (voluntarily or by necessity) by 50% of the students living in
small- and medium-sized towns and villages. This is 20 percentage points more than in the case
of students from large cities. Interestingly, the propensity to study part-time divides students
into two groups: those who live in settlements with populations of more than, and those who live
in settlements with populations of fewer than, 100,000 persons. No significant variation in the
proportion of part-time students is observed within these groups, indicating that the population
of 100,000 constitutes a threshold, above which it is possible to study “locally” in Poland.
When it comes to the probability of ending up in a subsidized versus a tuition-based
program (the latter including all part-time programs and the full-time programs in the private
schools), it seems that students with high-education family backgrounds win the competition for
the available free slots. Less than 30% of students with a father with a university degree attend
a program requiring a tuition fee. In turn, almost 70% of students with the poorest background
(the father received only a primary education) have to pay directly for tertiary schooling. The
same applies to 56% of students whose fathers hold basic vocational training (see Table 4).
Whether or not a student is obliged to pay for a tertiary program is also influenced by his
or her place of residence. As much as 58% of students living in small towns, with populations
below 20,000, pay tuition fees, while it is true for only 36% of large-city residents.

5. Conclusions
The transformation of Polish economy toward a free market system and related changes
on the Polish labor market released the demand for higher education, held for decades at an
artificially low level. The increase in enrollment was possible because the Polish government
allowed the private sector to establish higher education institutions. The existing public schools
also expanded, mostly by offering more seats in the part-time programs. The participation in
higher education has increased from 10% to 40%. In absolute terms it has improved for all social
groups, including these traditionally considered disadvantaged.
Most of the newly created slots in tertiary schools are offered in the tuition-based programs,
as opposed to traditional, full-time studies in public schools, the costs of which are covered by
subsidies from the central budget to universities. According to many experts, the “marketization”
of higher education was not accompanied by the adequate development of the assistance programs
that would support disadvantaged social groups in bearing the cost of schooling. Using data
from the household survey for the period 1995–2008, we first demonstrated that the expansion
of tertiary schooling in Poland has undoubtedly improved the accessibility of universities for
students with low family educational background, low income and residing in smaller towns and
rural areas.
However, if we look at the relative change in the odds of enrollment for different layers
of the social strata, we find that the improvement refers to those with low family educational
background and living in small settlements, but not to individuals suffering from the low income.

486
 Despite the fivefold increase in tertiary enrollment over twenty years, today’s odds ratio
of participation in higher education for individuals in the top- versus bottom-income quintile is
similar to that observed in the mid-1990s. Moreover, when isolated from the influence of other
factors, and compared with their more affluent peers, the low income students’ relative chances
of studying were systematically falling during the initial period of transformation, and they have
begun to rise only since 2002. It is also doubtful if the subsequent improvement is a consequence
of policy changes introduced. The increasing demographic pressure imposed on tertiary schools,
being now more and more forced to compete for the new students, seems to be a more probable
explanation.
Further investigation shows that the policy makers should focus not only on ensuring
equal access to tertiary education for the whole social strata, but on allowing the unprivileged
groups access to education of acceptable quality. The analysis proves that, currently, students
originating from uneducated families or living in small towns and villages are significantly more
likely to study in part-time mode which, under the Polish institutional arrangements, frequently
means receiving education of low quality. Low socio-economic status and living outside a large
city contribute also to the increased probability of enrolling in the tuition-based program, which
is in line with the common view that the well-situated students win the competition for the
subsidized seats in the public schools.

487
Anex

Table 1. Tertiary students, teachers and schools in 1990 and 2008

1990 2008
Total Public Non-public
Number of schools 112 456 131 325
Enrollment (thousands) 404 1,928 1,268 659
Enrolment ratio 9.8 40.6 - -
Full-time students (% of) 77.2 48.1 63.7 18.3
Number of full employed teachers 61.5(?) 98.6 81.7 16.9
(thousands)

Source: Central Statistical Office

Table 2. Inputs and performance indicators for tertiary schooling in Poland in 1990 and 2008
1990 2008
Non-
Total Public
public
Student/teacher ratio 6.6 18.9 15.1 37.3

SCImago Country Rank 16 (‘96) 20 - -

Contribution to scientific potential of Poland (‘06) - 100% 98.5% 1.5%
Public spending per student (in PLN) - 8564 11123 3642
Teachers at first post (% of) 76.8* 63.0 74.8 5.5
(’93)
Students benefitting from nonrepayable forms of support (% of) 54.3 24.0 25.5 21.3
Distribution of students by fields of study [%]:
Education 14.2 11.8 9.9 15.5
Social science 4.4 13.5 12.2 16.0
Business and administration 13.2 23.5 16.8 36.5
Engineering 17.2 6.9 10.3 0.3
Health 10.1 6.1 7.0 4.5
Mathematics & computing 3.1 5.4 5.3 5.6
Science no data 8.9 10.2 6.4

Note: *Only public schools included; based on a survey of a representative group of academic
teachers undertaken in 1993 by Wnuk-Lipińska Wnuk-Lipińska, E. (1996). Innowacyjność a
konserwatyzm: uczelnie polskie w procesie przemian społecznych. Warszawa, Centrum Badań
Polityki Naukowej i Szkolnictwa Wyższego, Uniwersytet Warszawski.; presented value is computed
by excluding those interviewees who declared they are holding a post (either full-time or part-
time) in another school.
Source: Based on Bajerski 2009; Ernst&Young and Instytut Badań nad Gospodarką Rynkową 2009;
Główny Urząd Statystyczny 1991, 2000, 2009.

488
 489
Table 3. Estimation of the logit model of participation in tertiary education
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
Number of siblings
0.891 * 0.908 * 1.019 1.045 1.066 * 1.054 * 1.054 * 1.016 1.015 0.988 0.939 ** 0.971 1.006 0.938 **
Age
1.047 * 1.028 1.011 0.962 * 0.938 ** 0.937 ** 0.918 ** 0.924 ** 0.899 ** 0.921 ** 0.908 ** 0.897 ** 0.916 ** 0.896 **
Sex (male=reference category)
Female 1.415 ** 1.458 ** 1.600 ** 1.597 ** 1.679 ** 2.144 ** 2.052 ** 1.947 ** 1.959 ** 2.034 ** 1.939 ** 2.107 ** 1.831 ** 1.761 **
Father’s education (primary =reference category)
Higher
15.474 ** 12.278 ** 11.324 ** 11.875 ** 12.049 ** 10.639 ** 9.474 ** 7.440 ** 7.674 ** 7.971 ** 6.165 ** 6.945 ** 6.395 ** 7.209 **
Secondary
5.314 ** 4.442 ** 5.406 ** 4.558 ** 4.321 ** 4.527 ** 3.675 ** 4.041 ** 3.932 ** 4.155 ** 4.068 ** 4.314 ** 3.876 ** 3.746 **
Basic vocational
2.052 ** 1.696 ** 1.865 ** 2.033 ** 1.940 ** 2.010 ** 1.714 ** 1.895 ** 1.789 ** 1.874 ** 1.718 ** 1.912 ** 1.731 ** 1.822 **
Quintile of household income per member (1st quintile = reference category)
2nd 1.556 ** 1.227 1.142 1.492 ** 1.926 ** 1.946 ** 1.707 ** 1.944 ** 1.443 ** 1.687 ** 1.715 ** 1.546 ** 1.621 ** 1.277 **
3rd 1.699 ** 1.309 1.634 ** 1.626 ** 2.039 ** 2.072 ** 2.087 ** 2.444 ** 2.118 ** 2.260 ** 2.245 ** 1.931 ** 1.793 ** 1.588 **
4th 1.530 * 1.249 1.821 ** 2.205 ** 2.748 ** 2.934 ** 2.369 ** 2.810 ** 2.637 ** 2.816 ** 2.448 ** 2.340 ** 1.988 ** 1.733 **
5th 1.634 ** 1.418 * 1.911 ** 2.060 ** 2.963 ** 3.497 ** 3.237 ** 3.555 ** 2.800 ** 2.795 ** 2.940 ** 2.942 ** 2.487 ** 1.883 **
City population in thousands (rural = reference category)
More than 500 3.849 ** 4.211 ** 2.237 ** 2.018 ** 1.691 ** 1.573 ** 1.749 ** 1.653 ** 1.430 ** 1.502 ** 1.916 ** 1.840 ** 1.456 ** 1.497 **
200-500
3.414 ** 4.319 ** 2.783 ** 2.083 ** 2.224 ** 2.348 ** 2.012 ** 2.067 ** 1.648 ** 1.817 ** 1.750 ** 1.534 ** 1.781 ** 1.569 **
100-200
1.885 ** 2.362 ** 1.666 ** 1.441 ** 1.563 ** 1.691 ** 1.244 1.449 ** 1.326 ** 1.292 * 1.278 * 1.385 ** 1.060 1.333 **
20-100
1.611 ** 1.493 ** 1.732 ** 1.541 ** 1.497 ** 1.528 ** 1.199 * 1.227 * 1.395 ** 1.199 * 1.265 ** 1.128 1.189 * 1.254 **
Up to 20
1.088 1.316 1.159 1.283 * 1.246 * 1.449 ** 1.281 ** 1.405 ** 1.461 ** 1.364 ** 1.350 ** 1.026 1.196 * 1.237 *
Note: Sample includes only individuals living with their parents. Values of the odds ratios (eB)
* Denotes significance at 0.05 level. ** Denotes significance at 0.01 level.
Source: Author’s calculations based on Household Budget Survey data 1995-2008.
Table 4. Tertiary students enrolled to part-time and all tuition-based programs

Students in part-time Students in all tuition-

programs (%) based programs (%)

Father's education
Tertiary 21.2% 28.5%
Secondary 38.4% 44.2%
Basic vocational 50.9% 55.1%
Primary 61.4% 65.1%
Father's occupation
high-skill white-collar 27.4% 34.5%
low-skill white-colla 40.5% 46.0%
high-skill blue-collar 49.2% 53.3%
low-skill blue-collar 47.1% 52.2%
Place of residence (Population)
500,000 and more 27.6% 36.8%
200,000–500,000 27.4% 32.5%
100,000–200,000 34.5% 39.2%
20,000–100,000 51.2% 55.2%
Fewer than 20,000 53.1% 57.7%
Rural 54.8% 57.6%

Source: Based on Household Survey data, 2008

490
 Figure 1. Participation in higher education: rates by household income quintiles, town population
and father’s educational attainment

Figure 2. Odds of participation in higher education for differing levels of father’s education,
estimated through logistic regression. Primary education is a reference category.

 
491
Figure 3. Odds of participation in higher education depending on the place of residence, estimated
through logistic regression. Rural area is a reference category

Figure 4. Odds of participation in higher education for different income quintiles, estimated
through logistic regression. First quintile is a reference category

492
References
Asplund, R., O. B. Adbelkarim et al. (2008): “An Equity Perspective on Access to, Enrolment in
and Finance of Tertiary Education”. Education Economics 16 (3): 261–274.

Azam, M. A. and A. Blom (2008): Progress in Participation in Tertiary Education in India from
1983 to 2004, The World Bank, Policy Research Working Paper Series: 4793: 47 pages.

Bajerski, A. (2009): Przekształcenia struktury przestrzennej szkolnictwa wyższego w Polsce po 1989

r. Poznań, Bogucki Wydawnictwo Naukowe.

Baum, S. and Goodstein, E. (2005): “Gender Imbalance in College Applications: Does It Lead to a
Preference for Men in the Admissions Process?” Economics of Education Review 24 (6): 665–675.

Blom, A. and Y. Murakami (2008): Accessibility and affordability of tertiary education in Brazil,
Colombia, Mexico and Peru within a global context, The World Bank, Policy Research Working
Paper Series: 4517.

Charles, M. and K. Bradley (2002): “Equal but Separate? A Cross-National Study of Sex Segregation
in Higher Education”. American Sociological Review 67(4): 573–599.

Christofides, L. N., M. Hoy et al. (2010): “Participation in Canadian Universities: The gender
imbalance (1977–2005)”. Economics of Education Review 29(3): 400–410.

Drogosz-Zabłocka, E. Minkiewicz, & B. (2007): Instytucje szkolne. Edukacja dla pracy: Raport o
Rozwoju Społecznym Polska 2007. Warszawa, United Nations Development Programme.

Ernst &Young, & Instytut Badań nad Gospodarką Rynkową (2009): Diagnoza stanu szkolnictwa
wyższego w Polsce Warszawa, Ernst & Young & IBnGR.

Główny Urząd Statystyczny (1991): Szkolnictwo 1990/91. Warszawa, GUS.

Główny Urząd Statystyczny (2000): Szkoły wyższe i ich finanse w 1999 roku. Warszawa, GUS.

Główny Urząd Statystyczny (2009): Prognoza ludności na lata 2008–2035, GUS.

Główny Urz4d Statystyczny (2009): Szkoły Wyższe i ich Finanse w 2008 roku, GUS.

Halsey, A. H. (1993): “Trends in Access and Equity in Higher Education: Britain in International
Perspective”. Oxford Review of Education 19(2): 129–140.

Herbst, M. (2009): Tworzenie i absorpcja kapitału ludzekiego przez miasta akademickie w Polsce.
Studia Regionalne i Lokalne 38(4).

Hill, C. B. and G. C. Winston (2010): “Low-income students and highly selective private colleges:
Geography, searching, and recruiting”. Economics of Education Review 29(4): 495–503.

Hoxby, C. M. (2009): “College Admissions: The Changing Selectivity of American Colleges”. Journal
of Economic Perspectives 23(4): 95–118.

James, R. (2001): “Participation Disadvantage in Australian Higher Education: An Analysis of

Some Effects of Geographical Location and Socioeconomic Status”. Higher Education 42(4): 455–
472.
493
Jaoul-Grammare, M. (2007): “Social Attributes, Equity and Higher Educative Path: Microeconometric
Study of a Discrete Choice Model with Logistic Regression”. Applied Economics Letters 14(4-6):
287–291.

Long, M. C. (2004): Race and College Admissions: An Alternative to Affirmative Action? Review of
Economics and Statistics 86(4): 1020–1033.

Mateju, P. and M. L. Smith et al. (2007): “Determination of college expectations in OECD countries:
The role of individual and structural factors”. Czech Sociological Review 43 (6): 1121–1148.

McCowan, T. (2007): “Expansion without Equity: An Analysis of Current Policy on Access to

Higher Education in Brazil”. Higher Education 53 (5): 579–598.

OECD (2007): OECD Reviews of Tertiary Education: Poland, OECD.

Rumberger, R. W. (2010): “Education and the reproduction of economic inequality in the United
States: An empirical investigation”. Economics of Education Review 29(2): 246–254.

Schofer, E. and Meyer, J. W. (2005): “The Worldwide Expansion of Higher Education in the
Twentieth Century”. American Sociological Review 70(6): 898–920.

Spiess, C. K. and Wrohlich, K. (2010): “Does distance determine who attends a university in
Germany?” Economics of Education Review 29(3): 470–479.

United Nations Development Programme (2007): Edukacja dla pracy: Raport o Rozwoju Społecznym
Polska 2007 Warszawa, UNDP.

Ustawa z dnia 12 września 1990 r. o szkolnictwie wyższym. S. RP. Dz.U. 1990 nr 65 poz. 385.

Wnuk-Lipińska, E. (1996): Innowacyjność a konserwatyzm: uczelnie polskie w procesie przemian

społecznych. Warszawa, Centrum Badań Polityki Naukowej i Szkolnictwa Wyższego, Uniwersytet
Warszawski.

Woessmann, L. (2008): “Efficiency and Equity of European Education and Training Policies”.
International Tax and Public Finance 15(2): 199–230.

World Bank (2004):. Tertiary Education in Poland. World Bank. Report no. 29718.

494
2. Contributory education scheme: Theoretical basis and application

David Flacher, Université Paris 13

Hugo Harari-Kermade, ENC- Cachan
Léonard Moulin, Université Paris 13

495
Contributory education scheme: Theoretical basis and application

David Flacher, Université Paris 13

Hugo Harari-Kermade, ENC- Cachan
Léonard Moulin, Université Paris 13

Abstract
After a short criticism of the “self-funded education scheme” which is widely implemented in the
world and often based on tuition fees, this article develops theoretical basis for a “contributory
education scheme”. This model is characterised 1) by a universal access for students to grants
allowing them to take charge of themselves during their higher education curriculum; and 2) by
a funding regime relying in particular on the population that has benefited from grants, once
studies are finished. The article first points out the limits of the self-funded education scheme.
Then, it discusses the analogies and differences with pension systems implemented in countries
like France. We derive theoretical motivations in favour of a contributory education scheme: The
equity of access to higher education, the incentives for students and university to be efficient,
as well as the contributory equity are discussed. The article proposes finally to assess, for France,
the cost and the options concerning the transformation of the tax system that would be needed
for funding such a reform. Beyond the individual income, variables like the degree obtained by
the student are taken into account in our assessment. The conclusion draws research perspectives
concerning the theoretical dimensions and the transition such a reform concretely implies.

Keywords: contributory education scheme, grants, France, equity, self-funded education scheme,
tuition fees.

JEL Classification: I20, H30, H52, H75.

1. Introduction
In many countries, higher education education is facing two types of problems: the
insufficient expenditure per capita in the higher education and, because of social, cultural or
financial barriers, the difficulties for the system to insure that all the potential talented students
will be enrolled in the higher education. What type of funding should be implemented for higher
education in order to enhance both efficiency and social justice? This question returns to the role
of the state and, to some extent, to the industrial support universities can get. It also returns to
students’ participation to education costs.
The self-funded education scheme is widely implemented all around the world even if
students are more or less involved in the financial effort. It can be defined as the system in
which the student invests in order to pay for his studies. This scheme relies in an accumulation
approach: students invest and expect private returns. In countries like the United States, many
universities are asking high or very high tuition fees, while in other countries, like France, almost
all the universities and school (with a few exception) are almost “free” for enrolled students.
Even if the second case facilitates individual’s entry, we must keep in mind that the cost of living
is very significant (Courtioux, 2009, 2010), obliging many students to have a job in parallel with
their studies.
The level of students’ participation to education costs depends on the role played, on the
one hand, by the state and, on the other hand, by the firms. Indeed, the state finances more the
education system if the social externalities of education are considered to be very high and if the
needs can not be easily and efficiently brought by a financial support from the industry or by the
students themselves. State’s commitment also depends from the socio-political context and from
the historical path of each national education system. Even if it is often difficult to rise taxes,

496
the public funding is supposed to favour adjustment between regions and to take into account
the social welfare beyond the short term profitability concerns. It is also supposed to act in favour
for the reduction of social inequalities. In this article, we will concentrate on the opportunity of
students’ participation to the education costs by distinguishing the participation to the costs of
the academic institution itself (through tuition fees) and the funding of students’ living costs. In
particular, we will try to understand the corresponding mechanisms that could be favourable to
social justice and efficiency. This question is crucial because the population in higher education
have massively increased in the past fifty years: in France, the number of students has been
multiplied by seven (from 300 000 students per year in 1960 to more than 2 millions nowadays).
The proportion of graduate students has also increased significantly from 20% of the population
born in 1960 to 40% for the 1975 generation. However, even if all social classes have benefited
from this evolution, strong social inequalities remain and have even increased: the probability to
study in the higher education is three times higher for individuals born in the upper-class than
for individuals born in the working class. The proportion of the latter in the most prestigious
schools has even decreased from 39% to 9% in about 40 years. In parallel, the inequalities in
education funding are still very important at the individual level (for a student born in 1970,
the average expenditure is 19000 euros per student born in the working class education and
31000 euros for a student born in the upper-class) and at the institutional level (the average
expenditure in the universities is 8970 euros per student in 2007 while it is 13 880 euros per
student in the prestigious preparatory schools for the “grandes écoles”). We can also point out
that tax exemptions for richest households is equivalent to 60% of social grants (which, moreover,
are still very low).
This situation, for certain economists, justifies to implement tuition fees in order to
compensate the anti-redistributive effect of “free” education (Gonzalez Rozada and Menendez,
2002). However, can these inequalities in terms of funding and of access to higher education be
solved by implementing tuition fees and thus deepening the self-funded education scheme ? Can
a more efficient and equitable system be proposed ? This question is not only fundamental for
funding higher education. It is also a crucial for efficiency concerns: is the implementation of
tuition fees leading to a better allocation of resources, to stronger efforts from students teachers
and universities ?
To answer these problems, two options will be considered: one consists in the promotion
of the self-funded education scheme, with a growing role of tuition fees, while the other relies
on a collective contributory education scheme. We define the latter scheme as a system in which
the academic institution is more heavily financed by the state and in which students do not pay
tuition fees but receive an autonomy-grant, financed by the active people who have benefited
from the higher education system (similarly to the contributory pension scheme).
To assess the relevance of these two approaches, Section 1 presents the motivations and
limits of the self-funded education scheme. Section 2 presents the principles that could support
the contributory education scheme. Finally, Section 3 proposes mechanisms to implement such a
scheme and their quantification for the French education system.

2. Motivations and limits of self-funded education scheme

The self-funded education scheme relies on the idea that education has to be more or less
directly financed by the student or by its family. This comes down to consider that education is
primarily a investment in order for individuals to accumulate human capital with the expectation
to get private return.
Within this logic, borrowing can be justified and the intervention of the state can be
twofold.
It can remove the borrowing constraints. As stressed by Gary-Bobo and Trannoy (2005),
an efficient allocation of the resources (and in particular the enrolment of talented students,
independently from their financial situation) requires that this condition is fulfilled. According

497
to these authors, tuition fees appear to be primarily a good tool for selecting students in presence
of information asymmetry: if the students own an information on their talents that the university
can not observe, tuition fees reveals a part of this information173. However, each student also
takes the risk not to succeed his curriculum or career. Thus, this risk appears to be a disincentive
for potential students to be enrolled in higher education.
The state can thus implement “insurance mechanisms” in order to favour students’
enrolment. A literature, since Friedman (1955) has argued the possibility to implement loans
with “conditional reimbursement”. For Grégoir (2008), reimbursements could be due only if the
individual’s wage exceed a threshold and with an interest rate depending of the individual’s
wage, as implemented in Australia. However, such a mechanism reduces the self-selection effect
expected from tuition fees. The remaining objective is then to increase the resources of the
higher education system without hanging on public funds.
Finally, the literature in favour of tuition fees argues that students and teachers would be
incited to be more efficient: students would become the customers of the university, demanding
more to teachers and to themselves. The university would also face a competitive environment
(Friedman (1962), Gary-Bobo and Trannoy (2005)). Additionally, since the population in higher
education mainly comes from upper social classed, tuition fees would induce more social
justice.
Nevertheless, all these arguments in favour of tuition fees can highly be challenged.
Tuition fees are not necessarily effective for raising fund: in a context of unemployment,
for instance, the risk of borrowing is too high and many students would prefer to leave school. In
case of conditional loans, the state would bear a costly financial risk. This is one of the conclusion
of a recent report issued in the United Kingdom after the rise of tuition fees cap (REF). Let also
note that the increasing tuition fees can be accompanied with a decrease of state’s contribution.
As it has been observed in Australia (REF).
Tuition fees are not even leading to more social justice or more efficiency. Tuition fees do
not necessarily provide effective incentives for the agents to be more productively efficient: in
France for instance, the quality of the curriculum and the one of the student have no link with
the level of tuition fees (that are very low in most cases and even negative).
In the theoretical literature, the adverse effects of implementing tuition fees are not
taken into account; the social return from education neither. This is particularly the case when
the models do not integrate the heterogeneity of the population. However, students’ behaviours
and beliefs depend also on their social environment: individuals with the same basic talents
differ in their abilities to comply with the social codes of examinations and in their perception
of their own abilities. Students from socially and/or culturally privileged backgrounds tend to
estimate more precisely (or to overestimate) their talent, while the reverse is true of students from
disadvantaged families174. As stressed by Flacher and Harari-Kermadec (2011), these dimensions
contradict the self-selection effect defended by Gary-Bobo and Trannoy (2008).
Moreover, by increasing the debt burden relying on a part of the population, tuition fees
distort individual’s behaviours, even with conditional loans: relying on empirical and experimental
studies, Field (2009) show that even perfect access to finance may be insufficient to avoid the
distortions related to the debt burden: if borrowing behaviours and the reactions to the debt
burden are not rational then career choices will favour lucrative jobs, to the detriment of jobs
that might be socially useful.

173 Without this information asymmetry, merit-based scholarship can be awarded to favour enrolment of talented
students (or tuition fees could be removed).
174 See Bourdieu (1974), Boudon (1974;1994), Sullivan (2006) and the “relative risk aversion theory” (Breen et
Goldthorpe (1997), Holm et Jaeger (2008). See also Flacher and Harari-Kermadec (2011).

498
 In this context a significant risk of inefficient bipolarisation of the higher education
system results from the debt burden and the heterogeneity of the population. Consequently, the
potentially ineffectiveness of tuition fees for raising fund and for achieving education aims may
be very important. On the one hand, cumulative mechanisms are favouring the upper class that
can afford paying high tuition fees to be enrolled in very reputed schools with very high resources,
the schools being more and more attractive for an elite. On the other hand, other universities are
enrolling students from lower social classes and consequently getting lower resources to provide a
good education. Moreover, the very best students from lower social classes are usually financially
helped to be enrolled in the best universities leaving the others with average students. Such self-
funded education scheme reproduce and amplify the inequalities without being necessarily more
efficient, somewhat like the self-funded pension scheme does.
Even if low tuition fees in countries like France leads to anti-redistributive funding
of universities (a majority of the students comes from upper social classes while education is
financed by the national tax system175), there is no guarantee that the bipolarisation resulting
from the introduction of tuition fees would not be socially worse.
In order to fund the higher education, to favour a fair access to the whole population and
to make the system more efficient, we must go beyond the self-funded scheme. We must take into
account social externalities, even if they are difficult to measure. We must reduce the social bias
in the universities enrolment as well as the debt burden that distort individual choices. These
dimensions are of great importance not only at the economic level but also in terms of society
choice: what should be the relations between the students, the knowledge and the whole society?
How can the school be a vector of social cohesion if the education system leads to an increasing
polarisation of the society?

3. A collective contributory education scheme

Part of the classical arguments used in discussion about pension funding (contributory
pension scheme - unfunded state pensions - vs self-funded pension scheme - generally through
pension funds) can be usefull to discuss the funding of direct and indirect cost of higher education.
Contributory pension systems (pay-as-you-go) are based on redistribution from current workers
to retiered workers and suppose an intergenerational solidarity. We propose here to complete this
social link in direction of the youth, and we introduce a contributory funding scheme for higher
education. In fact, actual higher education is already mainly financed by current workers, as
parents of students or as creditors of education loans, and increasing in volume as the population
of students increases. From a long term perspective, a contributory scheme for funding for higher
education strengthen the reproduction of the production system since it ensures that future
workers are educated to replace actual workers (and future retirees). It would also legitimate a
stronger monitoring on education choices, in order to anticipate technological evolutions and
ecological constraints.
Such a redistribution system is more likely to lead to social justice than a self-funding
system, since it ensures a direct control on wealth transfers instead of a indirect control based
on saving incentives or disincentives. The main difference between contributory and self-funded
systems is therefore not on who pays, since it is always in the end the current workers that produce
current wealth, but who control the distribution: with self-funding, wealth allocation is left to
individual choices and conjuncture hazard through financial assets, while under contributory
distribution, choices are explicitly political and can result from a democratic procedure (elections,
votes, protestations, etc).
In this part, we propose a concrete and quantified proposition for French higher education
funding of, first, direct cost and, second, indirect costs.
Currently, per student funds are very unfairly distributed, with a clear lack of funds for
175 This situation is reinforced if we look at the difference between the population and the funding of the most and
less prestigious institutions.

499
Universities during the 3 first years of Licence (L in the LMD European system). For each student
in a preparatory school for the “grandes écoles”, the French state spends 5 000 more euros than
for a student at the university. Since one million students are currently a Licence, the global cost
of this measure would rise to 5 billion euros. Part of the additional cost could be compensated by
a reduction of higher education dropout and repeating, each inefficient year saves corresponding
to 9 000€.
In addition to this increase of part of the direct cost of higher education, we propose to
introduce an universal allocation for students, covering the indirect cost of education: housing,
clothing, food, entertainment etc. This allocation must be seen as matching with the state
contributory pension system: it is conditioned to commit to participate afterwards to the funding
of the future allocations. Let’s underline that this is not a credit since the future worker won’t
reimburse a loan but will contribute to a pay-as-you-go allocation system. Students receive the
allocation during their studies under some conditions such as engagement to be a full-time
student, a convincing academic project and exam success. We propose to set the allocation to 6
000 € per year for a student housed by her parents (or owner of her accommodation) and 12 000
€ for a non-housed student. Assuming that 30% of the 2 200 000 students are housed (data of
2009), we get a global cost of 23 billions euros.
The first expected return of this system (increase of higher education fundings and
allocation) is a real democratisation of higher education. Indeed, the large inscrease of students
populations during the 80’s and 90’s in developed countries have first been described as a
democratisation, but this denomination is now discussed since inequalities have in fact raised
during the period, at least in France (see Albouy and Tavan (2007)). With a strong incentive and
time to study, young people from lower classes are more likely to candidate and succeed in higher
education, specially if the additional means for universities are used to better supervise the
students. The universality of the allocation make it simpler than actual grants, often designed to
populations unaware of.
This actual democratisation of higher education will produce a highly qualified working
people. Since the allocation is conditioned to the academic projet of the student, it is possible to
encourage orientation to emerging sectors (to anticipate an energetic change for example).
Additionally, the universal allocation will encourage youth autonomy and increase
consumption since it is expected to be fully spend. Massive non marketable benefits usually linked
with education, such as better health, culture and civic participation are also to be expected.

4. Contribution to the education funding scheme

We differentiate the contributions to our two propositions: direct cost of higher education
must be financed on state budget, by an extension of a progressive tax, whereas the universal
allocation must be financed as the state pension, as an indirect wage (social contribution).

4.1 Additional means for universities

We have evaluated the additional direct cost needed to 5 billion euros, which represent
an augmentation of the French income tax of 9% if all the taxpayers contribute. If we only tax
graduate taxpayers, this rise to 12%. And if one wants to differentiate between Licence graduates
and Master (or higher) graduates, augmentations of respectively 15% and 10.5% will do the job.

500
Table 1.: Assumptions on taxpayers population structure

Income deciles Mean income, Graduated Including Master

rank €/year holders
1 7698 5% 10 %
2 11253 10 % 20 %
3 13391 20 % 25 %
4 15297 30 % 30 %
5 17132 35 % 35 %
6 19220 40 % 40 %
7 21565 50 % 45 %
8 24698 60 % 50 %
9 29768 70 % 55 %
10 50778 80 % 60 %

Globally, these augmentations seem important because the French income tax is now a
small tax with regard to TVA (French equivalent of Spanish IVA) or CSG (a very large tax directly
deducted on income). If we chose to rise the CSG instead of the income tax, a 6% augmentation
is sufficient.

4.2 Universal allocation

The evaluation of the cost of our universal allocation is of 23 billions euros. Since we
consider this allocation as an extension of the state unfunded pension system, it must be
financed in the same way. In France, pensions are part of the social security system, financed
by a cotisation on wages. It is constituted of four ``branches’’ such as health, pensions, families
and accidents. Since the allocation will replace part of the family branch (which includes housing
grants, for 4 billions euros), we propose to extend this branch, from 57 billions to 57-4+23=76
billions euros. This correspond to rising the employer contribution from 5.4% of wages to 7.2%. It
could be interesting to adjust the contribution with regards to the qualification of the employee,
since employers of qualified workers benefit strongly from the higher education supported by the
allocation.

5. Conclusion
In the article, we have suggested that a “self-funded education scheme” is not relevant
to favor a quantitative and qualitive democratisation of higher education. We argue that a
“contributory education scheme” would be much more effective and we develop the theoretical
basis for such a scheme, by analaogy with the French pension system. This model is characterised
1) by a universal access for students to grants allowing them to take charge of themselves
during their higher education curriculum ; and 2) by a funding regime relying in particular on
the population that has benefited from grants, once studies are finished. We derive theoretical
motivations in favour of a contributory education scheme: the equity of access to higher education,
the incentives for students and university to be efficient, as well as the contributory equity are
discussed. Finally, we assess, for France, the cost and the options concerning the transformation
of the tax system. We show the cost of such a system would be of 24 billions euros and that it
could be financed with a distribution of the effort depending on the revenue and diploma.

501
References
Boudon, R. (1974): Education, opportunity, and social inequality : Changing prospects in Western
society. Wiley-Interscience, New York.

Boudon, R. (1994): The art of self-persuasion : The social explanation of false beliefs. Polity Press,
Cambridge.

Bourdieu, P. (1974): “Avenir de classe et causalité du probable”. Revue française de sociologie, 15:
3–42.

Breen, R. and J. H. Goldthorpe (1997): “Explaining educational differentials : Towards a formal

rational action theory”. Rationality and Society, 9 (3):275–303.

Field, E. (2009): “Educational debt burden and career choice: Evidence from a financial aid
experiment at nyu law school”. American Economic Journal: Applied Economics, 1(1):1–21,
2009.

Flacher, D. and H. Harari-Kermadec (2011): “Tuition fees, self-esteem and social heterogeneity”.
Education Economics (to be published).

Gary-Bobo, R. and A. Trannoy (2005): “Faut-il augmenter les droits d’inscription à l’université?”
Revue Française d’Economie, 19 (3):189–237.

Gary-Bobo, R. and A. Trannoy (2008): “Efficient Tuition Fees and Examinations”. Journal of the
European Economic Association, 6 (6):1211–1243.

Gonzalez M. and A. Menendez (2002): “Public University in Argentina: subsidizing the rich?”
Economics of Education Review, 21(4):341–351, 2002.

Grégoir, S. (2008): Les prêts étudiants peuvent-ils être un outil de progrès social? Technical
report, EDHEC, Lille, Nice, Octobre.

Holm, A. and M. Jaeger (2008): “Does relative risk aversion explain educational inequality ? A
dynamic choice approach”. Research in Social Stratification and Mobility, 26(3):199–219, 2008.

Sullivan, A.: “Students as rational decision-makers: The question of beliefs and attitudes”. London
Review of Education, 4(3):271–290, 2006.

502
3. Efficiency of public spending in education: A challenge among italian
regions

Piergiacomo Sibiano, Politecnico di Milano

Tommaso Agasisti, Politecnico di Milano

503
Efficiency of public spending in education: A challenge among italian
regions

Piergiacomo Sibiano, Politecnico di Milano

Tommaso Agasisti, Politecnico di Milano

Abstract
The Italian educational system is strictly regulated by the Ministry of Education. However, there
are strong differences in educational inputs and outputs among Regions, as can be noticed by
analyzing the allocation of public budgets to the Regions and their students’ (average) performance
in national and international test scores. A general institutional change is ongoing in Italy,
that is, the decentralization of competencies from the State to the Regions (federalism). Some
insights are necessary about the efficiency of public spending on education in a comparative
perspective across Regions. To estimate efficiency scores, a non-parametric technique called DEA
(Data Envelopment Analysis) was used. The units of analysis are the 18 Italian Regions, with
the focus on the lower-secondary education. Then a second-stage Tobit regression was used to
detect the factors affecting efficiency. The results corroborate the difference between the North
and South of Italy (the Regions in the North outperform their counterparts in the South). When
looking at the Regional socio-economic context, GDP per capita appears as the key determinant
of efficiency.

Keywords: efficiency of public spending, standard costs in education.

1. Introduction
The intervention of the State in providing social services, including education, is universally
agreed upon. Since the 1950-60s the cost of welfare services as a whole has grown increasingly,
up to the point where it became hard to sustain in the 1980s (Barr, 1992 and Malinvaud, 1994).
The issue of sustainability of the system and the increasing focus on the importance of the results
of the system have led to new ideas: the progressive devolution of powers from the public sector
to the schools (Bottani, 2000; Mitch, 2004 and Maroy, 2008) and stressing the link between
funding and performance (Bartlett and Le Grand, 1993; Hood, 1995).
This paper focuses on the former. Indeed, since a general institutional change is ongoing
in Italy, that is, the decentralization of competencies from the State to the Regions (federalism),
some insights are necessary about the efficiency of public spending on education in a comparative
perspective across Regions.
“Italy shows marked geographical variation in educational achievement: a key question
is whether this is related to exogenous factor or to the characteristics of the education system”
(Boarini, 2009 - p. 51). A well known problem in Italy is a wide difference in terms of socio-
economics characteristics of its Regions. Our key question is: in a comparative perspective, does the
Regional efficiency on education differ because of their structural differences (i.e. socio-economic
factors)? Or is there a different productivity of public expenditure in this sector?
To estimate efficiency scores, a non-parametric technique called DEA (Data Envelopment
Analysis) is used. The units of analysis are the 18 Italian Regions, and the focus is on the
lower-secondary education. The teacher:students ratio and the PISA 2009 scores were chosen,
respectively, as the input and the output. Then, a second-stage Tobit regression was used to
detect the factors affecting efficiency. The candidate factors are: the proportion of disabled and
foreign students, the gross domestic product (GDP) per capita, the proportion of adult population
with a tertiary degree, and the percentage of students attending private schools.
The results corroborate the difference between North and South of Italy (the Regions in
the North outperform their counterparts in the South), even though there are some exceptions.

504
Finally, the Regional socio-economic context appears as a key determinant of efficiency.
The paper is organised as follows: in the next section the Italian context is described. In
the third section the contribution of the literature about Italian Regions’ difference in education
is addressed. Then in the fourth section the data and the methodology are explained. The fifth
section shows the results, and includes some concluding remarks.

2. The Italian educational system

Italian Regions are widely different in terms of socio-economic development. As it has
been reported in table 1, Northern Italy has higher GDP per capita, a higher graduation rate
and higher employment rate. Daniele and Malanima (2007) argue that the gap started between
1861 and 1913, by the unification of the country, and was confirmed after the Second World War
(Brugnoli and Fachin 2001), so it is an embedded issue. Italy is considered one of the best-known
examples of a persistent and quantitatively important Regional divide (Maffezzoli, 2007). Indeed,
Barro and Sala-I-Martin (2004) reported that the Regional inequality in Italy is the highest
among all EU countries. Moreover, the economic gap has not shown any tendency to decrease
over time (Marrocu et al., 2000; Paci and Saba, 1997). The determinants of this diversity have
been hugely investigated, and both differences in total factor productivity and the quality of
institutions seem to be important in explaining the situation (Aiello and Scoppa, 2000; Pigliaru,
2009).
However, even though Italy is so diversified, the education system is very centralised.
In figure 1 the number of pupils per class in every Region has been reported. There is no clear
distinction between North and South and there is a very small variance: every Region lies between
18 and 22 pupils per class.

Table 1. GDP, graduation rate and employment rate by Regions

Italian Regions GDP1 Graduation rate2 Employment rate3
Piemonte 27,350.7 10.1 64
Lombardia 31,743.1 11.5 65.7
North Veneto 28,856 9.8 63.4
Friuli V.G. 28,248.7 9.1 64.6
Liguria 26,858 13.0 63.4
Emilia-Romagna 30,493 11.2 68.5
Toscana 27,932.7 10.0 64.8
Center Umbria 23,531 9.8 62.9
Marche 25,640.5 9.8 63.7
Lazio 29,837.5 14.5 59.4
Abruzzo 20,700.4 10.2 55.7
Molise 20,097.6 9.9 52.2
Campania 16,322.3 9.3 40.7
South Puglia 16,711.4 8,2 44.9
Basilicata 18,586.8 7.7 48.4
Calabria 16,897.9 9.1 43.1
Sicilia 17,045.2 8.8 43.5
Sardegna 19,986.1 7.1 50.8

1 GDP per capita at market prices in 2009.

2 Percentage of population with academic qualification (undergraduation, master and phd) in
2008.
3 Percentage o population with an employment in 2009.
Source: Elaborations on ISTAT (2010).

505
Figure 1. The number of pupils per classes and its distribution in Italy (2009)
 

Source: MIUR (www.pubblica.istruzione.it)

Moreover, there is weak school autonomy in Italy176. Schools have low autonomy in
comparison to other OECD countries on recruiting, pay-roll and dismissing of teachers, as it
has been reported in table 2. The process through which teachers are recruited embodies three
different actors: the government (MIUR, which is the employer), Regional Educational Agency
(USR) and Provincial Educational Agency (USP) – which are branches of MIUR, located in the
Regions and Provinces – and, only lastly, the schools. The USR determines the number of classes
and the USP the allocation between schools, according to their requests (Fontana and Petrina,
2001). It is worthwhile to note that schools request not a specific teacher but just a generic
teacher of a given subject. In other words, they do not select their own teachers. Teachers’
salaries are determined and paid by the government. Thus, schools just manage facilities and
integrative projects.

Several public actors deal with spending in education:

• the Ministry of Education, University and Research (MIUR), which awards the resources
for teachers, non teachers personnel salaries, and facilities and operations funds;
• the Provinces, which own the schools’ buildings; moreover, they have responsibility for
buying the teaching equipments, furniture for schools and for paying electricity, light and gas
(only for secondary schools);
• the Municipalities, which make sure of any additional service (i.e. transport and meals),
and have the same responsibility as the Provinces but only regarding primary and lower-secondary
schools.
The Regions also have a role in the educational system, but only about vocational education.
Moreover, they have responsibility for students aid, such as either scholarships or vouchers. The
different contribution to education by all the actors is reported in table 3. As it is clear, MIUR
covers the 86% of the education spending in the country (the most part of which is absorbed by
salaries). Interestingly, the Regions which have lower education spending by local authorities,
are located in Southern Italy.

176 Law n. 59/1997, D.P.R. n. 275/1999, D.l. n. 44/2001.

506
Table 2. The autonomy of Italian schools: comparison with other OECD countries (2009)
(% of decision’s power, for each category)
Only principals and/or Both principals and/or teachers Only Regional/national
Selecting teachers for hire
teachers and Regional/national authority authority
Germany 29 36 34
Italy 9 10 82
Spain 31 3 66
Sweden 96 4 0
United Kingdom 90 9 0
United States 88 12 0
OECD average 61 14 25
Determining teachers' salary
School only School and government Government only
increases
Germany 4 15 81
Italy 3 0 96
Spain 3 2 95
Sweden 69 22 9
United Kingdom 67 17 15
United States 18 6 75
OECD average 17 10 73
Formulating the school
School only School and government Government only
budget
Germany 29 4 67
Italy 7 7 86
Spain 63 4 33
Sweden 64 20 16
United Kingdom 57 29 14
United States 54 29 16
OECD average 46 22 32
Source: Elaborations on OECD PISA (2009), Volume IV, Figure IV.3.3a.

Table 3. The expenditure per student by Regions (2008)

Total in absolute values Total in percentage
Regions*
Public expenditure Of which by provincies Public expenditure Expenditure by provincies and
per student and municipalities per student municipalities
ITALY 6,810 923 86.45% 13.55%
Piemonte 7,010 1,141 83.72% 16.28%
Lombardia 6,934 1,228 82.29% 17.71%
Veneto 6,812 1,088 84.03% 15.97%
Friuli V.G. 7,655 1,267 83.45% 16.55%
Liguria 6,886 1,014 85.28% 14.72%
E. Romagna 6,722 1,335 80.29% 19.71%
Toscana 6,791 1,043 84.64% 15.36%
Umbria 6,874 788 88.54% 11.46%
Marche 6,613 808 87.78% 12.22%
Lazio 6,772 1,088 83.93% 16.07%
Abruzzo 6,864 761 88.91% 11.09%
Molise 7,646 1,027 86.57% 13.43%
Campania 6,458 569 91.19% 8.81%
Puglia 6,179 566 90.84% 9.16%
Basilicata 7,476 736 90.16% 9.84%
Calabria 7,564 728 90.38% 9.62%
Sicilia 6,496 615 90.53% 9.47%
Sardegna 7,407 689 90.70% 9.30%

* Valle d’Aosta and Trentino Alto Adige are special status Regions that have complete autonomy
on this field, and was excluded.
Source: elaborations on MIUR (2009).

507
 The amount of resources that schools receive for facilities and operations is partly
determined through a formula and partly according to national agreements between the
government and trade unions (funds devoted to the substitutions personnel). The formula takes
into account the number of students, the school type and school size. The amount of these funds
in 2009 were 0.896 billions of euro for the funds for facilities and operations and 2.286 billions of
euro, for the funds devoted to the substitutions personnel. Finally, there is another fund for the
widening of schooling supply and for redistributive interventions, that is distributed according
to ministerial priorities, dealing with teacher training, disadvantaged areas and evaluation or
innovation projects. Its amount is around 180 million.
Thus, all public funds, apart from the 12% awarded by local authorities, are defined at
central level.

3. The literature
The Italian North/South dualism is not a new occurence. A recent report about public
services by Banca d’Italia argues that territorial differences in Italy do not deal only with
education but also with the public services as a whole (Bripi et al., 2011). Recently, the issue has
been raised because this strong difference occurs despite the fact that the educational system is
very centralised (Boarini, 2009; Bratti et al., 2007; Brunello and Checchi, 2004).
Italian students’ performances are also affected by socio-economic background as well as
other individual and schools factors. However, two factors are particularly different from other
countries: the choice of secondary school type (Boarini, 2009; Montanaro, 2008; Quintano et
al., 2009) and the Region in which students live: “the social environment where one was raised
matters for the returns to education” (Brunello and Checchi, 2004 - p. 572)
Several studies have tried to shed more light on this diversity between North and South.
Bratti et al. (2007) investigated in depth this point, finding confirmations about the gap between
North and South. They begun by analyzing the context according to three categories: pupils and
family factors, schools’ resources and environmental factors. Regarding the first category they
found a different situation for social status, parental education and material goods possession.
Interestingly, they did not find any diversity between North and South for education expenditure,
students: teachers and students: class ratios. They found instead a strong diversity according to
the environmental factors: very different occupation rates and crime rates. Next, they analysed
the variance (ANOVA) of Italian students’ achievements (with PISA 2003 data). They found that
individuals, schools and territorial (provinces) factors contribute similarly and importantly to
explain the variance of students’ achievements. Moreover, through an OLS model that included also
some contextual variables (occupation rates, schools building status, expenditure for teachers,
demographic indicators and social climate). They found that the expenditure for teachers was not
significant, while the occupation rates and local (Province level) literacy matter.
Thus, it appears that the context is a critical determinant of students’ performance.
Moreover, expenditure per student is not higher in the North than in the South of Italy (see
table 3). The issue of efficiency is raised. As outlined by Bratti et al. (2007) and Boarini (2009),
differences among Regions in students’ performances are not explained by the quantity of
resources. Boarini (2009) argued also that the low educational attainment and the higher turn-
over rate of the teachers in the South are important determinant of the Italian gap. Specifically,
her study expounds that: (i) an important driver of PISA 2006 results is the Region in which
schools are located (even when contextual variables are included, Regional fixed effects are still
significant); (ii) school level factors do not seem to matter for students’ performance.

4. Data and methodology

4.1 Methodology
To estimate efficiency scores, Data Envelopment Analysis is used. This is a nonparametric
technique that considers each Region as a Decision Making Unit (DMU) using inputs to produce

508
outputs (details in Cooper et al., 2006). In the DEA model, technical efficiency is defined as the
relative ability of each DMU (in this case, Regions) in producing outputs, the term “relative”
means that each unit is compared with any other homogeneous unit. The choice of a set of
weights that combine several outputs and several inputs is the core of DEA analysis. DEA can be
represented by a linear programming technique where each DMU tries to maximise the efficiency
ratio (output over inputs) choosing the best set of weights. However, in this paper we use just
one input and one output, so that the efficiency score coincides with the (size-adjusted) output/
input ratio. The efficiency score ranges between [0;1]: the units that obtained a score equal to 1
are efficient, while the inefficiency of the other Regions is calculated through the distance from
the efficient frontier.
DEA mathematical formulation can deal with both constant returns to scale (CRS) and
variable returns (VRS). In a constant return to scale (CRS) model, the single DMU’s dimension
has no importance in defining efficiency performance - that is, DMUs face the same efficiency
frontier, independently of their relative size. The VRS results can be derived by introducing the
dimension factor in DEA modelling: each unit is analysed with respect to another of the same
“relative” size. Both CRS and VRS efficiency can be calculated for each unit. In this paper, we
used VRS formulation to take into account the different relative size of the Regions. Moreover,
there are two different specifications of a DEA model: input-oriented and output-oriented. In the
input-oriented model, DMUs minimise inputs while maintaining the same level of output. On the
contrary, in output-oriented models, DMUs maximise their level of outputs while keeping inputs
constant. In this paper, an output-oriented approach was preferred.
A well-know shortcoming of DEA is that the method is deterministic; so all the deviance
from the frontier is attributed to inefficiency, without considering the possibility of random
noise. This is obviously a very strong assumption. Some methodological advancement allowed
solving this problem, by defining a procedure to derive statistically robust efficiency scores
through DEA. The method consists in bootstrapping DEA results, and was firstly proposed by
Simar & Wilson (1998). The bootstrap procedure consists in re-sampling the observational data,
to derive confidence intervals for the calculated efficiency scores (more details in Daraio & Simar,
2007). In this paper, we used such a robust approach to derive DEA efficiency scores.
After having derived the efficiency scores, we regressed them against a set of contextual
variables, which capture potential explanations for efficiency differentials (sections 1 and 4.2).

Table 4. The descriptive statistics

Variable Obs Mean Std. Dev. Min Max
teach_stud_avg 18 0.1090556 0.0101023 0.098 0.13
foreign_avg 18 0.0752222 0.0481915 0.015 0.137
disabled_avg 18 0.0313333 0.004284 0.022 0.041
gdp_avg 18 24,219.82 5,657.187 1,6705.8 32,870.1
literacy_avg 18 9.889611 1.688176 7.058 14.519
private_avg 18 0.0355556 0.0272466 0.002 0.1
employ_avg 18 57.61183 9.178417 42.32 69.674
pisa_read 18 484.8583 20.97911 447.96 521.63
pisa_math 18 481.7686 22.50223 442.069 515.839
pisa_science 18 487.6824 25.48184 442.717 525.651

509
4.2 Data
The data have been collected from different sources: (i) the Ministry of Education,
University and Research (MIUR); (ii) OECD and (iii) National Institute of Statistics (ISTAT). They
have been accumulated for three years: 2007, 2008 and 2009, apart from the expenditure per
student (which is not available for the other years) and the PISA 2009 scores. Since education is
a dynamic process, the averages of the three years’ values are used. The descriptive statistics of
our data set are shown in table 4. A deeper description of the data is necessary in order to get
an idea of the relations and the correlations between variables, and then to choose the input
variables. Figure 2 shows the evident correlation between the expenditure per student and the
teachers:students ratio (0.97). This is an important point, as data of expenditure per student is
not available for all the three years considered, so we used students:teachers ratio as a proxy for
the resources invested in education.

Figure 2. The correlation between the expenditure per student and the teachers:students ratio
 

5. The results
5.1 The results from DEA: the efficiency of public spending
A DEA analysis has been run with teachers:students ratio as input and the PISA 2009
mathematic score as output177. The results are shown in table 5. At a first glance, the DEA results
corroborate what is already known, that is the North outperforms the South of Italy (INVALSI,
2010). However the focus here is not on “performance” but on “efficiency”. Thus, a Region with
good performance can be inefficient (due to high level of available inputs); conversely, a low-
performer Region can be efficient anyway. Indeed, the Piemonte and Puglia Regions represent a
sort of outlier from the North/South dualism point of view. Indeed, Piemonte, which has scored
0.943, is the worst out of the Northern Regions, while Puglia has an efficiency score (0.971, more
than Piemonte) similar to the Northern Regions. In figure 3 the observed and efficient outputs
are compared: the former is the OECD-PISA average score for each Region, while the latter is the
(average) score that the same Region should obtain if efficient. The Regions have been ranked
according to the difference between the two outputs. Puglia is the best efficient after Emilia-
Romagna, while Piemonte is the worst out of the Northern Regions.

177 The appendix in table A1 shows the strong correlation among all of three PISA tests, which are reading,
mathematics and science. Thus, anyone of those fit with the analysis.

510
Table 5. The efficiency scores: DEA results
Efficiency Efficiency Bias Low.bound Upp.bound
(DEA) (Bootstrap DEA)
PIEM 0.955 0.943 0.013 0.928 0.954
LOMB 1.000 0.986 0.014 0.970 0.998
VEN 0.996 0.984 0.013 0.966 0.995
FVG 0.989 0.977 0.012 0.962 0.988
LIG 0.958 0.947 0.011 0.933 0.958
EROM 1.000 0.960 0.040 0.901 0.998
TOSC 0.976 0.958 0.018 0.925 0.975
UMB 0.947 0.936 0.011 0.922 0.947
MAR 0.986 0.968 0.019 0.934 0.985
LAZ 0.930 0.917 0.013 0.898 0.929
ABR 0.928 0.917 0.011 0.903 0.927
MOL 0.905 0.897 0.008 0.883 0.905
CAMP 0.868 0.857 0.011 0.844 0.867
PUG 0.971 0.932 0.038 0.875 0.969
BAS 0.920 0.912 0.008 0.897 0.920
CAL 0.857 0.850 0.007 0.836 0.857
SIC 0.873 0.864 0.009 0.851 0.873
SARD 0.884 0.876 0.008 0.863 0.884

Figure 3. The comparison between observed output and efficient output

 

What is more interesting now, is to inquiry on the determinant of these (in)efficiencies.

Before analyzing this topic by mean of a Tobit regression, some graphical correlations are shown
between the efficiency scores estimated and some contextual variables (figure 4), which are: GDP
per capita, percentage of students enrolled in privates schools (as an insight of either competition
and wealth of the educational context), the percentage of graduated population (as a proxy of
the differences of the human capital stock among Regions), the employment rate and, finally,
the percentage of disabled and foreign students. These are critical characteristics that potentially
affect schools’ performances.
Many of them show unexpected scenarios. The GDP graph shows a clear positive correlation
with Math score, though Puglia and Lazio are two significant exceptions. The former, despite of
its low GDP per capita, out-performs all the South Regions; the latter, despite of its high GDP per
capita, performs as a South Region.
The correlation with the percentage of students enrolled in private schools is less clear.
It seems positive, but with high variability. For example, at a relative high level of PISA score
(around 500), four Regions are at different levels of students in private schools: Marche at 2%,
Toscana at 3%, Piemonte at 6% and Liguria at 7%.
The correlation between PISA scores and the percentage of graduated population is
positive, though Lazio represents an important exception, since it has a high graduation rate

511
with a relatively low PISA score. Similar considerations hold for employment rates.
Surprisingly, the number of foreign students does not appear as negatively correlated with
students’ performance. In order to give a synthetic panoramic of all these correlations, the annex
reports the correlation matrix (table A2).

Figure 4. The correlation between PISA 2009 math score and contextual variables
 

5.2 The results from the Tobit regression: the determinants of public spending efficiency
The Tobit regression (table 6) suggests the effect of two contextual characteristics
(employment rate was not included because of multicollinearity with GDP rate). First, the
relationship between students’ performance and the percentage of disabled students has a
significant and negative coefficient. Thus, these results suggest that the critical characteristic
of schools that really affect the performances is the number of disabled students, rather than
foreign students. The coefficient of the GDP per capita is positive, as the data suggested. Instead,
graduation rate and percentage of students enrolled in private schools do not show any relationship
with performances.

512
Table 6. The second stage analysis: Tobit regression results
Variables Coefficient St Error t P>t Beta
coefficients
GDP per capita 0,000 0,000 1,900 0,082 0,664
% Private 0,194 0,341 0,570 0,580 0,121
Adult literacy 0,000 0,005 0,030 0,977 0,005
% Disabled students -4,285 1,765 -2,430 0,032 -0,420
% Foreign students 0,220 0,260 0,850 0,413 0,243
Constant 0,912 0,061 15,000 0,000 .

F (5,12) 13,58
Adjusted R2 0,7873

6. Concluding remarks
The analysis conducted in this paper confirms the Italian contradiction between inputs
and outputs in the educational system: despite of uniformity of inputs across the country, the
dispersion of the outputs is relevant.
Then the determinants of this diversity have been investigated, following an interest in
this topic, which was previously studied by other authors (Boarini, 2009; Bratti et al., 2007).
Among several variables that could matter for variance in educational outputs, the economic
difference between Regions appeared to be the most important.
The implication of this situation is critical. As it has been reported at the beginning of
this paper, the economic difference between North and South of Italy have not decreased since
the 60-70s. Thus, it is plausible to argue that the different economic development of the Italian
Regions severely influences the educational achievements (Di Liberto, 2006). Since our results
corroborate this statement, the risk is a problematic path where the low economic development
biases the achievements, which, in turn, biases the economic development.
The crucial point, then, is to answer to the question: “could it be that growth causes
education, rather than education causing growth?” (Wolf, 2002 - p. 44). Indeed, the consequent
implication is: should we implement policies devoted to the economic development (such as fiscal
policies) or should we focus on the educational improvements (such as a new teacher recruiting
system)? Further research is needed in this field

References
Aiello, F. and V. Scoppa (2000): “Uneven Regional Development in Italy: Explaining Differences in
Productivity Levels”. Giornale degli Economisit e Annali di Economia, vol. 60, n. 2, pp. 1-30.

Barr, N. (1992): “Economic Theory and the Welfare State: a Survey and Interpretation”. Journal of
Economic Literature, vol. 30, n. 2, pp. 741-803.

Barro, R. and X. Sala-I-Martin (2004): Economic Growth, 2, McGraw-Hill, New York.

Bartlett, W. and J. Le Grand (eds.) (1993): Quasi-Markets and Social Policy, MacMillan Press LTD,
London.

Birpi, F., A. Carmignani, and R. Giordano (2011): La qualità dei servizi pubblici in Italia, Banca
d’Italia, Questioni di Economia e Finanza (Occasional Papers), n. 84.

Boarini, R. (2009): Towards better Schools and more Equal Opportunities for Learning in Italy, OECD
Economics Department Working Papers, n. 727, OECD.

513
Bottani, N. (2000). Autonomy and Decentralization: Between Hopes and Illusions – A comparative
study of reforms in five European countries, Paper presented at the AERA Annual Meeting, 24-28
April, New Orleans.

Bratti, M., D. Checchi and A. Filippin (2007): Da dove vengono le competenze degli studenti?, Il
Mulino, Bologna.

Brugnoli, A. and S. Fachin (2001): “Testing economic geography: Italy, 1951-1991”. Economics
Bulletin, vol. 18, n. 1, pp. 1-7.

Brunello , G. and D. Checchi (2004): “School quality and family background in Italy”. Economics
of Edcuation Review, vol. 24, pp. 563-577.

Cooper, W.W., L.M. Seiford and K. Tone (2006): Introduction to data envelopment analysis and its
uses, Springer, New York.

Daniele, V. and P. Malanima (2007): “Il prodotto delle Regioni e il divario Nord-Sud in Italia (1861-
2004). Politica Economica, n. III-IV, pp. 267-315.

Daraio, C. and L. Simar (2007): Advanced robust and nonparametric methods in efficiency analysis:
Methodology and applications, Springer, New York.

Di Liberto, A. (2006): “Education and Italian regional development”. Economics of Education

Review, vol. 27, pp. 94-107.

Fontana, A. e F. Petrina (2001): Valutazioni sull’efficacia della politica di contenimento del personale
del comparto scuola attuata dal 1997 al 1999, Ministero del Tesoro, Commissione Tecnica per la
Spesa Pubblica, Roma, marzo 2001.

Hood, C.C. (1995): “The New Public Management in the 1980s: Variations on a Theme”, Accounting,
Organizations and Society, vol. 20, n. 2/3, pp. 93-109.

Invalsi (2010): La prova nazionale al termine del primo ciclo, 2009/10 (The results of the
national examination at the end of lower secondary education, 2009/10), Istituto Nazionale per
la Valutazione del Sistema di Istruzione e Formazione, Roma.

Istituto Nazionale di Statistica (ISTAT): Annuario Statistico 2010, ISTAT, Roma.

Maffezzoli, M. (2006), “Convergence Across Italian Regions and the Role of Technological Catch-
Up”, The B.E. Journal of Macroeconomics, vol. 6, n. 1 (Topics), Article 15.

Malinvaud, E. (1994): Is the european Welfare State Unsustainable?, in Baldassarri, M., Paganetto,
L. and Phelps, E.S. (eds.) (1995), Equità efficienza e crescita. Il futuro del welfare state, SIPI,
Roma.

Maroy, C. (2008): The New Regulation Forms of Educational Systems in Europe: Towards a Post-
bureaucratic Regime, in Soguel, N.C. and Jaccard, P. (2008), Governance and Performance of
Education Systems, Springer, Dordrecht.

Marrocu, M., R. Paci and R. Pala (2000): Estimation of total factor productivity for Regions and
sectors in Italy. A panel cointegration approach, Contributi di Ricerca CRENoS, n. 00/16.

514
Mitch, D. (2004): School finance, in Johnes G. and Johnes J. (2004), International Handbook on
the Economics of Education, Edward Elgar Publishing Limited, Cheltenham.

Ministero dell’Istruzione, dell’Università e della Ricerca (MIUR) (2009): La Scuola in Cifre, MIUR,
Roma.

Montanaro, P. (2008): I divari territoriali nella preparazione degli studenti italiani: evidenze dalle
indagini nazionali e internazionali, Banca d’Italia, Questioni di Economia e Finanza (Occasional
Papers), n. 14.

Quintano, C., R. Castellano and S. Longobardi (2009): “L’influenza dei fattori socio-economici
sulle competenze degli studenti italiani. Un’analisi multilevel dei dati PISA 2006”, Rivista di
Economia e Statistica del territorio, n. 2, pp. 109-149.

Paci, R. and Saba, A. (1997): The empirics of Regional economic growth in Italy (1951-1994),
CRENos Working Paper, n. 97/01.

Pigliaru, F. (2009): Persistent Regional gaps and the role of scial capital: Hints from the Italian
Mezzogiorno’s case, IAREG Working Paper, n. Wp5/4.

Simar, L. And Wilson, P.W. (1998): “Sensitivity analysis of efficiency scores: How to bootstrap in
nonparametric frontier models”. Management Science, vol. 44, n. 1, pp. 49-60.

Wolf, A. (2002): Does education matter?, Penguin Group, UK, London.

515
Annex

Table 1. The correlation between PISA scores

pisa_read pisa_math pisa_science

pisa_read 1.0000
pisa_math 0.9877 1.0000
pisa_science 0.9907 0.9764 1.0000

Table 2. The correlation between PISA scores and contextual variables

516
4. Directions in entrepreneurship education (EE) in Europe

Caroline Rizza, European Commission-Joint Research Centre-Econometrics and Applied Statistics

Unit-Centre for Research on Lifelong Learning
Celeste Amorim, University of Aveiro

517
Directions in entrepreneurship education (EE) in Europe

Caroline Rizza, European Commission-Joint Research Centre-Econometrics and Applied Statistics

Unit-Centre for Research on Lifelong Learning
Celeste Amorim, University of Aveiro

Resumen
An extraordinary proliferation of entrepreneurship courses and programs was and still is underway
in colleges and universities worldwide. In Europe this phenomenon has been further stimulated
by the focus on Entrepreneurship as key objective for the implementation of the Europe2020
strategy (EC, 2010).
This paper provides a systematized overview of patterns and directions in EE in Europe in recent
years. We conduct a review of the published research of the theme with an European focus in an
attempt to organize the literature along precise lines. When possible we use empirical findings to
sustain our arguments. Systematizing the existing literature is a necessary step in developing the
field. For researchers, this overview will be constructive in providing an analysis of the directions
of published research and in setting up a research agenda for the future. It also raises awareness
with regard to entrepreneurship, and in particular, to its potential contribution to the individuals
and to the competitiveness of economies. The empirical analysis adds to our knowledge about the
current situation of EE in practice in Europe.

Keywords: Entrepreneurship and educational institutions, entrepreneurship education, review,

Europe.

JEL classification: A200, I210, I290

1. Introduction
Not surprisingly, the issues related to entrepreneurship education are under increasing
attention. In recent years, entrepreneurship education has been enjoying a clear interest, apparent
in the ‘boom’ in published research on the matter. As a result, from its initial contributions in
the 1970s, entrepreneurship education (EE hereafter) has developed into a major theme. A major
issue that needs to be addressed is how to organize the literature along new, precise lines.
Systematizing and organizing the existing literature is a necessary step in developing the field
and bringing the value of entrepreneurship education to a wider public (Matlay, 2006). Regarding
the European region, there is also a lack of comparative studies at European-wide level, which
probably is a reflection of the lack of internationally comparable data about entrepreneurship
education.
This paper provides a systematized overview of patterns and directions in EE in Europe
in recent years. We conduct a review of the published research of the theme with an European
focus in an attempt to organize the literature along precise lines. When possible we conduct
an empirical analysis focused on a number of European economies with the aim of identifying
the trends and directions of EE in Europe. The analysis is based mainly on data from the EU
Flash 2009 Eurobarometer Entrepreneurship Survey (European Commission, 2009), and from the
European Commission (2008) report on Entrepreneurship in Higher Education Institutions, and
from results from the survey by the Global Entrepreneurship Monitor (2008).
The contribution is twofold. A survey of the academic literature is conducted, in order to
identify trends and to categorize the literature on several levels, thought to be useful for both
academics and practitioners. For researchers, this systematic overview of the literature is useful
not only by providing an analysis of the directions of published research but also in setting up
a research agenda for the future. For practitioners (e.g. educators), the study provides a clear

518
outline of the main developments in this area, both at the level of methods and techniques
recognized as being more effective to teach entrepreneurship, as well as about the experience on
courses and programs already developed and their results/outputs. This helps them to synthesize
the existent knowledge and to engage more completely in their activity. It is also a means to
raising awareness with regard to entrepreneurship.
The paper is structured as follows. Section 2 describes the methodology. Section 3 discusses
the results and Section 4 conducts a detailed analysis of the content material of the literature
using text analysis and data related to EE for European countries and Economies. Section 5
concludes and points out directions for future research.

2. Methodology
The exercise developed clearly aimed to conduct a comprehensive assessment of existing
academic research on entrepreneurship education, through which we could identify the main
characteristics of the work developed and the knowledge created in this field. The review is
based on a bibliometric study carried out through an electronic search on the ISI Web of Science
platform and SCOPUS. Quantitative and qualitative aspects of the articles identified are discussed,
a method frequently suggested in the literature.
The electronic searches drew on three major databases: the Science Citation Index Expanded
(SCI) and the Social Sciences Citation Index (SSCI) and SCOPUS. These databases offer high
coverage of all scientific research fields, contain information about citations and the institutional
addresses of all the authors of a given article, thus providing the necessary conditions to perform
a deeper analysis. Furthermore, since the criterion for including a journal is the number of
citations it receives, there are some guarantees as to the scientific relevance of the potential
outputs.
The period covered was the widest permitted by the platforms, going from 1900 to
2011. The research was performed in March 2011. Three different key search terms were used:
“entrepreneurship education” or “teaching entrepreneurship” or “education of entrepreneurship”.
In spite of the diversity of the terminology in the literature, these are the most commonly used
expressions in research in the field. This option implied running the risk of excluding from the
quantitative analysis articles which did not include these expressions in the title, subject or
abstract. The search was also restricted to scientific articles published in several subject categories.
Therefore, book reviews, letters, notes, meeting abstracts, etc. were all excluded.
In a first step, a quantitative analysis was conducted, considering publication years, source
titles and authors. Was also recorded the number of citations for the articles.
In a second step, a qualitative review of each document was performed in order to identify
the articles on EE which provide empirical results for any European country. This final set contained
46 documents. Surveying the academic literature on the theme is not an easy task, but it was
believed that the sample is sufficiently representative, so as to identify the directions taken in
published academic research, and the directions in EE in Europe. It is expected that this effort
to review a representative sample of published articles may comprise a relevant step towards a
rigorous account of the paths taken by EE research and practice in Europe in the last few decades.
The methodological steps taken are presented in Figure 1.

519
Figure 1. Methodological steps carried out in the identification of the literature

 
For each article, a range of indicators was collected to create a series of cross-tabulations.
These indicators were organized though the categories proposed by the European Commission
(2011, forthcoming) inputs, activities, outcomes and impact: “In outlining the shape of an
entrepreneurship education ecosystem the potential range of metrics and indicators begin to be
discerned” (European commission, 2011, forthcoming). These indicators may range from inputs to
outcomes and impacts; across the range of activities that comprise the ecosystem; at levels from
the individual to the system as a whole; and, be both quantitative and qualitative in nature”.
The qualitative analysis of the abstracts was conducted bearing in mind the following aspects:
Country under focus, and Content.

3. Entrepreneurship education research – History of publication

An extraordinary proliferation of entrepreneurship courses and programs was and still is underway
in colleges and universities worldwide.

Figure 2. Number of articles published on EE over time

In Europe this phenomenon has been further stimulated by the focus on Entrepreneurship
 
as key objective for the implementation of the Europe2020 strategy (EC, 2010). It has been
suggested that entrepreneurship education is also now enjoying a high popularity. The present
study corroborates this fact.
A number of articles on the theme have been published in the last century. The results
show that articles focused on Europe represent 32.3 percent of the total number of articles
published in the period (73 articles out of 226). However, it was only from the middle-2000s
that the number of articles published per year registered considerable growth. Looking at the
distribution of the articles published over a time series of five years, this growth is evident.

520
Recall that the growth has been significantly lower for papers focused in Europe. Hence, it is
evident that the other regions apart from Europe are also diverting increasing attention to EE.
Overall, the year of 2010 registered the higher number of publications (55 articles overall, 15 of
which with information about European countries).
Overall, articles on EE were published in 96 different publications, out of which 41 are
indexed by ISI, and 76 are in SCOPUS (21 Journals are indexed in both indexes). Articles addressing
Europe or European countries were published in 38 Journals.

Figure 3. Articles Published by Journal (%)

 
Ten Journals published over 50% of the articles. The Journal Education and Training is the
journal with more published articles in this field (32 articles). Another nine journals published at
least five scientific articles on the matter: Journal of Small business and Enterprise Development
(20 articles), International Journal of Entrepreneurship and Small Business (14 articles), Journal
of Business Venturing (14 articles), European Journal of Social Sciences (6 articles), and Journal
of Entrepreneurship Education (6 articles), Simulation and Gamming (6 articles), International
Entrepreneurship and Management Journal, International Journal of Entrepreneurship and
Innovation Management and Technovation (5 articles).
The TOP 4 journals overall along with Technovation are also the ones that have published more
research on EE focused on Europe.
Most of the articles analysed were published in management and business journals (over
62 percent of articles either when considering ISI or SCOPUS indexed Journals).

Figure 4. Articles Published by Field (%)

Matlay,
  Rae, Henry, and Cheung are the authors with the highest number of articles (3
each). Matlay and Seikkula-leino (3 articles) are the authors with more articles in what concerns

521
European focused studies. Taking in consideration the ISI citations, Robinson from 1994 is the
article more cited, followed by the article from Katz (2003) and Baron (2006) (Table 1).

Table 1. Top cited articles and corresponding author (based only the ISI articles)
AVERAGE
TIMES
AUTHOR ARTICLES JOURNAL CITATIONS
CITED
PER YEAR

ROBINSON,
THE EFFECT OF EDUCATION AND EXPERIENCE JOURNAL OF BUSINESS
P. B. 44 2,44
ON SELF-EMPLOYMENT SUCCESS VENTURING
(1994)

THE CHRONOLOGY AND INTELLECTUAL

KATZ J. A. JOURNAL OF BUSINESS
TRAJECTORY OF AMERICAN 36 4
(2003) VENTURING
ENTREPRENEURSHIP EDUCATION 1876-1999

OPPORTUNITY RECOGNITION AS PATTERN

BARON R. RECOGNITION: HOW ENTREPRENEURS ACADEMY OF MANAGEMENT
31 5,17
A. (2006) “CONNECT THE DOTS” TO IDENTIFY NEW PERSPECTIVES
BUSINESS OPPORTUNITIES

VESPER K. MEASURING PROGRESS IN JOURNAL OF BUSINESS

25 1,67
H. (1997) ENTREPRENEURSHIP EDUCATION VENTURING

PETERMAN ENTERPRISE EDUCATION: INFLUENCING

ENTREPRENEURSHIP THEORY
N. E. STUDENTS’ PERCEPTIONS OF 20 2,5
AND PRACTICE
(2003) ENTREPRENEURSHIP

DO ENTREPRENEURSHIP PROGRAMMES RAISE

SOUITARIS ENTREPRENEURIAL INTENTION OF SCIENCE JOURNAL OF BUSINESS
17 3,4
V. (2007) AND ENGINEERING STUDENTS? THE EFFECT VENTURING
OF LEARNING, INSPIRATION AND RESOURCES

WILHELM PERCEPTIONS INDEX: IMPLICATIONS FOR

JOURNAL OF BUSINESS
P. G. BUSINESS ETHICS AND ENTREPRENEURSHIP 17 1,7
VENTURING
(2002) EDUCATION

The growth in literature on entrepreneurship education continues. However, unlike the US,
where “state-of-the-nation” reviews of enterprise education have been undertaken for decades,
in Europe reviews of activity in supporting enterprise and entrepreneurship development within
Europe are few.). Hence the review conducted in the next section aims to contribute to reduce
this gap.

4. Direction in EE in Europe: qualitative results from research

The articles somehow addressing the European context cover in one way or another 23
countries. UK (13 articles) and Germany (7 articles) are the countries more frequently debated in
these literature, followed by Netherlands (6 articles), Finland (6 articles) and France (6 articles).
Most of the articles (35 articles) have focus in one country only, which makes difficult to make
European-wide comparisons or generalizations.

Table 2. Number of Articles by Subject of the content

Subject Content Nº articles

Input 14
Activity 31
Outcome and 34
impact

522
 Few studies cover data collected in 3 or more different European economies (e.g. Johansen,
2010; Carey and Matlay, 2010; Komulainen et al., 2009; Kraaijenbrink et al., 2010; Pavey, 2006),
while some refer to Europe in general (e.g. Cuevas and Alcalde, 2005).
The articles may be related to inputs to EE, or to specific characteristics of EE activity in
practice, or to the outcomes and impact of EE in students or in society. Overall, 14 articles address
specifically inputs for EE, 31 articles provide results regarding activity of EE in practice in Europe,
and 34 articles concern outcomes and impact from EE.. The main findings and key messages from the
literature review are presented in the next section, following this structure input, activity, outcome
and impact. The section presents also data from the EU Flash Eurobarometer Entrepreneurship
Survey (2009) and from the European Commission report (2008) “Entrepreneurship in Higher
Education Institutions”.

4.1 Input related issues of EE in Europe

The literature about entrepreneurship education highlights the increased interest of
European and national policy agendas for this topic. Overall, governments in Europe are broadly
supporting the embedding of enterprise and entrepreneurship capacities across education and
through society more generally. Some economies seem to have embarked on this process ealier on
in time, such is the case of UK and Finland (e.g. Gibb, 2002; Hannon, 2007; European Commission,
2007b).
At the level of inputs dedicated to EE, the studies analysed shed light on the recurrent
following questions: The degree and type of stakeholders involved in EE; and, why EE should not
be exclusively taught in Business Schools but included in Higher Education programs. These two
aspects are discussed below.

4.1.1 The stakeholders involved in EE

A survey on entrepreneurship in higher education in 31 European Countries (European
Commission, 2008) reveals the degree of involvement of different stakeholders on EE programmes
(Figure 5). The results reveal that overall there is high involvement from entrepreneurs and private
companies on the programmes analysed. However, when considering insights and evidences from
individual countries one may realise how realities differ. In Finland, EE has been developed as
part of the 2004 curriculum reform supported by an action plan. This action plan has extended
EE to all school levels (Korhonrn, Komulainen and Räty, 2011).

Figure 5. Entrepreneurship Education in Europe: links with externals, percent, N=180

(EC, 2008).

Source:  Own elaboration based on data from the European Commission (2008).

523
 According to Sekkula-Leino (2011) the implementation of EE in Finland has been a
success and the estimates of its future implementation are still very positive. Nevertheless, the
responsibility of this development by teachers has been haltingly. Underlining this “paradox”,
the author demonstrates that an EE strategy (focus on subjects, pedagogy, learning cultures,
etc.) is not sufficient to reach the objectives of change and that a more specified design of
the reform and of the monitoring based on the co-operation of all the responsible partners is
required. Matlay (2006, 2008, 2009) also underlines the necessity to involve stakeholders in the
implementation of EE. More specifically, the author worked on the involvement of stakeholders
in EE in the United-Kingdom. He shows that the involvement of students and faculty members
in EE is perceived as being of primary importance whereas the involvement of parents, alumni,
employers and entrepreneurs is low. Matlay (2009) sheds light on the difficulty to measure the
level of involvement of UK government and related agencies and their impact on EE but he
demonstrates that their main support is focused on start-ups and growth-oriented SMEs at local,
regional and nationals levels. About this, he deplores an overall lack of clarity and transparency
related to financial support for EE and an increasing credibility gap between higher education
funding realities and government discourse on EE in particular.
In the EU, unlike the US, there is a high dependency upon public resources at the European,
state and sub-regional levels (see for instance the case of UK, Hannon, 2007). Hynes and Richardson
(2007) call for the need to engage external stakeholders in programme design, commitment by
educational institutions, and for educators to change their knowledge and teaching perspective.
They highlight the importance of linking educational institutions and industry, especially the
small firm sector, by a number of methods of collaboration which mutually benefit a number of
stakeholders.

4.1.2 EE: beyond business schools

An overwhelming number of articles focus on where EE should be delivered. From the
literature it emerges the consensus that entrepreneurship should not be exclusively taught in
business school, but, instead, that it should be included in educational programs, from college to
University, in business or non-business related courses (e.g. Gibb, 2002).
The rationality for this positioning is clearly understood when one takes the broader
definition of entrepreneurship: “Sense of initiative and entrepreneurship refers to an individual’s
ability to turn ideas into action. It includes creativity, innovation and risk-taking, as well as the
ability to plan and manage projects in order to achieve objectives. This supports individuals, not
only in their everyday lives at home and in society, but also in the workplace in being aware of
the context of their work and being able to seize opportunities, and is a foundation for more
specific skills and knowledge needed by those establishing or contributing to social or commercial
activity. This should include awareness of ethical values and promote good governance” (European
Commission, 2007a, p. 11).
This definition mirrors Seikkula-Leino (2011) arguments that EE covers “enterprising”,
which refers to general education and learning processes, and “entrepreneurial”, which refers to
the business context. Hence, there is a shift of pedagogy: from the focus on business orientation
towards the focus on the development of the enterprising person.
Enterprise education, on the one hand, supports young students to acquire more
responsibility, to try to reach their objectives, to be creative, to seize opportunities. Along
these lines, Enterprise education spurs youngsters active role in job markets and aware them to
consider entrepreneurship as a career choice. On the other hand, enterprising education is the

524
process which supports such behaviour.
On this regard, Greene and Saridakis (2008), Hynes and Richardson (2007), and von
Graevenitz, Harhoff and Weber (2010) consider that is necessary to equip all graduates for a
changing working market, including those graduates who have not studied entrepreneurship. EE
should not be limited to business students but has to be extended to higher education students
in order to allow them to know their own competencies and inform them about career options
(meaning by allowing them to be able to assess which career is more suitable).
Schwarz and colleagues (2009) argue even that ‘developing entrepreneurial skills as crucial
life capacity should be the main target of all university faculties’.
These literature also highlights the eventual problems that may arise on the implementation
of EE by universities. The question of whether or not universities should make the effort to try to
embed new learning and teaching methods is broached and the conclusion is that it is unlikely
that any such programs could be adopted in any substantial way at Universities due to resource
limitations; lack of training in synergistic methods; keeping the freshness alive; finding suitable
entrepreneurs to take part in the academic assessment processes appear to evaluate and test
knowledge and skills rather than behaviour (Papayannakis, et al., 2008;Toledano and Urbano,
2008; Varblane and Mets 2010).

4.2 Activity related issues of EE in Europe

Regarding the activities of EE in practice in Europe, from the papers reviewed, it is possible
to realise that there are significant definitional as well as conceptual differences affecting the
design of EE programmes, across Europe and within countries in specific, as well as a variety of
questions regarding the learning and teaching activities and the importance of teacher training.
These three aspects are detailed below.

4.2.1 Definitional and conceptual differences regarding entrepreneurship when it comes to

implement an EE curriculum
From the papers reviewed it is possible to realise that there are significant definitional
as well as conceptual differences affecting the design of EE programmes, across Europe and
within countries in specific (e.g. Matlay, 2006), as well as the delivery of the chosen curriculum.
Most of the papers addressing this aspect address the EE in higher education. On the papers
reviewed, EE covers two different terms: “enterprising” which refers to general education and
learning processes, and “entrepreneurial” which refers to the business context (Seikkula-Leino,
2011). Thus, Seikkula-Leino, Ruskovaara, Ikavalko, Mattila and Ritkola (2010) differentiate
between internal entrepreneurship in education (about learning to become entrepreneurial) and
external entrepreneurship in education (about understanding entrepreneurship and becoming an
entrepreneur)
Bridge, Hegarty and Porter (2010) also develop this idea, showing that entrepreneurship
education programs can aim at learning to understand entrepreneurship (“enterprise for life”)
or at helping students to become entrepreneurs (“enterprise for new venture creation”). The
author suggests that “enterprise for life” approach is more adapted and fit well into the life
perspectives of students. Ruda, Martin and Danko (2009) adopt the same approach and explain
that entrepreneurship education is not only the “foundation sensitization” but imparts general
entrepreneurial competences. According to Guenther and Wagner (2008) because of the increasing
third mission of universities - related to more economic activities – the role of the “entrepreneurial
university” is now to support entrepreneurial activities through infrastructures and EE. This

525
is also the thesis of McKeown and colleagues (2006).These authors defend that adopting the
“enterprise for life” approach does not imply to reject the “business start-up approach”. Instead,
Universities and other training institutions should support and implement both approaches.
Regarding those programmes following a “business start-up approach” there is a need
for improvement. Practitioners highlight that programmes should emphasize recognizing
opportunities, preparing business plans, gathering resources and networking, managing growing
businesses, developing communication skills, and recognizing entrepreneurial skills (e.g. Kierulff,
2005). The study from Matlay (2008) based on 64 graduate entrepreneurs from eight high
education institutions in the UK indicates that graduate needs for entrepreneurship education
do not match actual outcomes in terms of entrepreneurial skills, knowledge and attitudes. This
mismatch influences an entrepreneur’s perceptions of actual and future educational needs.
Most of the graduate entrepreneurs, however, seem to be satisfied with the outcomes of their
entrepreneurship education, both in relative and in absolute terms.

4.2.2 Learning and teaching activities to support EE

The programmes and activities related to EE can rely on different teaching methods. The
survey from the European Commission (2008) provides data on the methods more commonly
used. Lecturing is still a method more frequently used (Figure 6), but the practice in Europe
seems to be moving in line with a “shift of pedagogy” proposed by Gibb (2002).
Beyond the results from the questionnaire, the literature revels an increasing awareness
and use of learning by doing activities (Rasmussen and Sorheim, 2006), competence-based learning
activities (Nab, Pilot, Brinkkemper and Berge, 2010), and student-centred learning (Harkema
and Schout, 2008). Klapper and Tegtmeier (2010) also underline the use of interdisciplinary
learning, while Guenther and Wagner (2008) discuss the complementary between technology
transfer activities and EE. Others such as Elernurm (2008) and Lucas et al. (2009) shed light on
the importance of action learning experience in teams and of industry placement in order to
support student authentic experience.

Figure 6. Use of teaching methods in EE in Europe: Percent answering often, sometimes, rarely,
never, N=186 (EC, 2008)

 
Source: Own elaboration based on data from the European Commission (2008).

526
4.2.3 The importance of teacher training
The literature review highlights also that often the teachers lack the competences regarding
EE. Indeed there is further and further discussion upon the need for advanced and specialised
training on the matters of entrepreneurship (Gibb, 2002; Smith, Collins and Hannon, 2006).
Seikkula-Leino and colleages (2010) argue that this training should be a component of educators’
education and of their in-service training. In the same line, Achtenhagen and Knyphausen-Aufsess
(2008) argue that despite a growing interest in entrepreneurship there are few doctoral programs
solely dedicated to it. Doctoral education is a crucial element to develop qualified scholars in the
field, especially in countries without a strong tradition in entrepreneurship education.

4.3 Outcomes and impact of EE

The literature on this regard contributes to our knowledge regarding the outcomes from EE
in terms of it contribution to the development of core entrepreneurship competences and skills;
to enhancing self-confidence and self-motivation, to more positive attitudes to risk taking, and
more potential entrepreneurs.
From the review we may raise a few conclusions about the outcome of EE in Europe. First,
EE outcome can be evaluated regarding it impact in terms of contribution to the development of
students’ skills and competences, to their self-confidence and self-motivation, to the development
of attitudes towards risk taking, and intention. Overall, the results show that the programs
changed attitudes and the overall entrepreneurial intention, but also that ‘inspiration’ has been
the programs’ most influential benefit. Second, a number of moderation variables affect the
outcomes from EE and mediate the effectiveness of enterprise education.

4.3.1 The effect of education upon entrepreneurship

Although EE research seems to acknowledge the importance of more comprehensive
approaches to EE, the outcomes and antecedents of entrepreneurial behaviour in EE that are
being studied are often operationalised in a classical way: intentions to start up a business are
regarded as the ultimate outcome and economic performance (i.e. growth or sales of the starting
firm) as the ultimate long term achievement of EE (Lans et al., 2010).
Indeed, the first question that must be raised is at which point education provided at
schools or in specific EE programmes gives students entrepreneurial competences and skills.
Regarding the educational system as a whole, in the last Eurobarometer Survey on
entrepreneurship (see Figure 7), between the EU Member States, only interviewees of Cyprus
(55%) and Portugal (54%) agreed that their school education gave them the requisite skills to
run a business. In Latvia, on the other hand, about one in six (17%) respondents agreed that
their school education helped them develop the skills needed to be able to run a business. Other
countries with a low level of agreement were the Czech Republic (28%), Slovakia (30%), Estonia
and the UK (31%). More than a third of respondents in the UK and Latvia strongly disagreed
with this statement (34%-35%); the corresponding proportions were lower in Slovakia (17%),
Estonia (24%) and the Czech Republic (26%). Hungarians were as likely at Latvian and British
respondents to express their strong disagreement (34%).

527
Figure 7. My school education gave me skills and know-how that enable me to run a business’
(EU Flash Eurobarometer, Entrepreneurship Survey, 2009)

Source: Own elaboration based on data from the European Commission (2009).
 
Figure 8. My school education helps me to develop my Figure 9. My school education made me
sense of initiative – a sort of entrepreneurial attitude’ (EU interested to become an entrepreneur. (EU Flash
Flash Eurobarometer, Entrepreneurship Survey, 2009) Eurobarometer, Entrepreneurship Survey, 2009)

 
Source:
  Own elaboration based on data from the European Commission (2009).

528
 The results on perceptions about the role of school education (see figure 8) about its help
to develop a sense of initiative and an entrepreneurial attitude is the highest in Czech Republic
, Malta, Portugal, Iceland and Norway.
About the role of the school education in developing an interest in becoming an
entrepreneur, while Latvia and Lithuania rank lowest in the EU in terms of raising interest in
entrepreneurship during one’s educational career, Portugal remains at the top (See Figure 9 ).

4.3.2 The outcome of EE programmes

The European Commission survey on Higher Education Institutions (2008) also reveals that
over 87% of the institutions had some type of activities that could be considered entrepreneurship
education. It also found that of about 22%, 27% and 21% of undergraduates, graduates and
postgraduate students of those institutions were enrolled in entrepreneurship courses. Based on
a questionnaire survey conducted by the GEM there are indications that there is already a share
of population with training on starting a business. Notwithstanding there are high asymmetries
across the European countries for which data is available (see Figure 10).

Figure 10. Population aged 18-64 with training in starting a business - EU Countries for which
data is available, Average for the 14 European countries in the sample (GEM, 2008)

Source: Own elaboration based on data from the Global Entrepreneurship Monitor (2008).
 

In what concerns the effect of specific EE courses, there is substantial evidence for the
effectiveness of such programmes (e.g. Smith et al. 2006, Mataly 2008, Nab et al. 2010; Souitaris
et al. 2007). However there is an on-going discussion about whether the courses indeed impact
upon skills and competences (learning), or upon inspiration, or attitudes.
The results from Jarna Heinonen and Sari-Anne Poikkijoki (2006) show that students
considered entrepreneurial behaviour to be useful in their current studies regardless of the subject,
as it is considered a useful way of working in any context. Nab et al. (2010) analyze an EE course
and it outcomes in terms of it effects in starting enterprises, learning effects, and perception
of the course by students. The relevance of the course, as perceived by the respondents (67%
of 57 participants), was high (4.21 on a five-point Likert scale). 90% of the attending student
successfully finished the course, meaning they met the competences. In the course of 2005-2006,
9 out of 17 companies had plans to enter the market, and continued in an incubator facility that
was offered after the course. However, other studies refute the significant learning effects of EE.

529
On this regard, Souitaris et al. (2007) studied a group of 20 students (23 years old on average)
having attended in January 2004 an elective course of entrepreneurship in a French engineering
school. The results showed that: 1) Students in the ‘program’ group increased their subjective
norm and intention towards self-employment, whereas students in the control group did not.
Therefore, the program raised entrepreneurial attitudes and intention; 2) Intention towards self-
employment was not related to create a business at the end of the program (probably due to the
time lag between intention and action, especially in the case of young students). Longitudinal
studies are the only way to test the intention–action link; 3) Inspiration (and not learning or
resource-utilization) was the program’s benefit related to the increase of subjective norm and
intention towards self-employment.
One the short term, there was a strong, measurable impact on the entrepreneurial intention
of the students, while it had a positive, but not very significant, impact on their perceived
behaviour. In their study, Harkema andSchout (2008) conclude that EE programs mainly address
entrepreneurial intentions, instead of actual entrepreneurial behaviour.
Oosterbeek et al. (2010) analyse the impact of entrepreneurship education program on
college students’ entrepreneurship skills and motivation. The results show that the program
does not have the intended effects: the effect on students’ self-assessed entrepreneurial skills
is insignificant and the effect on the intention to become an entrepreneur is even negative. The
results can possibly be related to the fact that students have obtained more realistic perspectives
both on themselves as well as on what it takes to be an entrepreneur. A more realistic self-
perception may have caused the (insignificant) decreases in the traits measures among students
in the treatment group relative to the control group. In the same vain, changes in self-perception
might have caused the slight decreases in the entrepreneurial skill levels of program participants
relative to non-participants as these are of the same order of magnitude as the changes in traits
scores.
Packham et al. (2010) research on the impact of enterprise education on entrepreneurial
attitude within European higher education institutions (HEIs) in France, Germany and Poland
suggests that entrepreneurial attitude among European students can be influenced by exposure
to enterprise education. Enterprise education influences students’ perceptions of, and motivations
towards, entrepreneurship as a viable career option.
Recently, von Graevenitz et al. (2010) study on the outcome from EE concludes that the
results can be read as confirmation for educational policies that view entrepreneurship training
as a way of informing students about career options, and of creating learning opportunities for
calibrating and refining their assessments of which career is most suitable. Students update their
beliefs about their entrepreneurial aptitude.
On the study conducted by Vij and Ball (2010), students agreed that the entrepreneurship
module has boosted mostly their self-confidence, determination, self-belief, drive to succeed
by hard work and the acceptance of possible failures. The majority had a positive experience
of creating business plans for their proposed enterprises. Only a few decided that they would
rather be in employment. All agreed that the entrepreneurial skills gained from this module are
transferable to any future working environment.
Hence, EE needs to both focus on how to equip students with entrepreneurial skills,
as well as create awareness that there is an alternative route to working other than being in
employment.

530
4.3.2.1 The effect of the teaching methods used
The methods used in entrepreneurship education are diverse and include e.g. lecturing,
mentoring and company visits. Entrepreneurship education can also occur through extra-curricular
activities, from business plan competitions (the most common), to attendance of seminars and
mentoring schemes. It is common to have external stakeholders making actual contributions to
the institutions entrepreneurship education (see Figure 5 above).
Jarna Heinonen and Sari-Anne Poikkijoki (2006) analysed a specific EE program where
students were asked to reflect on how well the objectives had been achieved. Their results suggest
the need for a shift from teaching to learning in an environment as close to real life as possible.
Concrete experience gained through the active participation of students should be part of the
curriculum at it has been shown section 4.2.2. The same results are supported from Nab et al.
(2010). Also authentic tasks in an authentic context are essential for the acquisition of all
sorts of knowledge, including tacit knowledge. However, learning takes place not just from the
experience, but only if there is reflection over the experience. Reflection has a key role in making
the knowledge from experience explicit to the learner. However, entrepreneurs often fail to reflect
because of time pressure and changing and pressing circumstances. They show a preference for
fast information gathering to solve a problem. To build in reflection as an authentic activity of
education, a design principle on reflection in an entrepreneurial context and following research
at this principles’ effects is needed.

4.3.2.2 Country specificities

A) Cultural and industrial heritage can moderate the impact of enterprise education.
Packham et al. (2010) study suggests that entrepreneurial attitude among European
students can be influenced by exposure to enterprise education. But, the results also indicate
that cultural and industrial heritage can moderate the impact of enterprise education. On their
study enterprise education had a positive impact on entrepreneurial attitude of French and Polish
students.
Regarding the influence of culture and industrial heritage, when interviewing and
discussing with French students the reason for this lack of interest, Carayannis et al. (2003)
identified the view that society has of the entrepreneur. Society sees the entrepreneur as greedy
and individualist. His or her motivation is to make money at the expense of others. Rather than
seeing start-up activities as beneficial to the society. Hence, they deducted that a French student
might suggest that you are taking the clients and sales of existing companies by starting a new
company. Another reason that was given was that it is too risky. In France, someone who fails
at entrepreneurship is stereotyped as a failure for the rest of his/her life. Another idea about
entrepreneurship is that it is for those who have failed to have a “real” job. Young business
students also believe that entrepreneurship is for those who already have a great experience in
business and not for someone who is just starting in business. Apparently, students also believed
that it is too difficult to raise start-up funds for a new venture. One of the most common reasons
given for not being interested in entrepreneurship is that the taxes are too important and the risk
of bankruptcy is too great. They conclude that in order to see more interest among France’s young
people in creation activities in a collectivist society, they must be taught positive entrepreneurial
values. By contrast, the study by Birdthistle (2010) indicates that even at a young age, Irish
people are creative in their thinking and also see self-employment as a career option.
Hence, results from different economies highlight that citizens have different positioning
and thoughts towards entrepreneurship and this may affect the degree of success of EE

531
programmes.
B) Level of income
More recently, Levie and Autio (2008) call attention to other environmental factors.
Specifically, Levie and Autio (2008) find that in high-income countries, opportunity perception
mediates fully the relationship between the level of post-secondary entrepreneurship education
and training in a country and its rate of new business activity, including high-growth expectation
new business activity.

4.3.2.3 Individual characteristics

There are several demographic factors which have been studied in relation to entrepreneurial
intentions, either as control variables or as indirect variables, that may moderate the effect of EE.
Among the most popular are gender, family experience of entrepreneurship and prior experience.
Mgaya and Magembe (2007) show how intrinsic inclination, support seeking, fame seeking, self
doubt and income stability affect the attitudes of University students towards entrepreneurship.
They argue that the differences in attitudes might have a bearing on entrepreneurship education
and promotion of entrepreneurship.
The study from Packham et al. (2010) suggests that gender may also moderate the effect
of EE programmes. On their study enterprise education had a negative impact on male German
students. It was also found that while female students are more likely to perceive a greater benefit
from the learning experience the impact of EE on entrepreneurial attitude is more significant for
male. There is also the case that the effect of gender does not hold for all types of entrepreneurial
intentions, as revealed by Lans et al. (2010): men are only more inclined to start-up a business,
while they do not differ from female students in their intentions towards taking over a (family)
business (alternative intention) or becoming intrapreneurial. Schwartz et al (2009) also found
significant differences in entrepreneurial intent regarding age, gender and field of study.
Students’ intentions
The study by Harkema and Schout (2008) shows that students have a wide range of
entrepreneurial intentions when entering an EE programme. However, overall, their main
intention is directed to becoming an enterpreneurial individual, and not at starting up a firm of
their own, while this is often the main focus of EE programs. Increasing enterpreneurial skills
or competencies and attitudes fruitful for a much broader professional career than merely for
starting up a firm. Certainly in the current dynamic knowledge society, people who display pro-
active, innovative behaviour and see opportunities, or people who are willing and able to be a good
networker or have an entrepreneurial mindset are valuable for all different kinds of employers,
jobs or careers. In line with arguments from, for example, Gibb (2002) and Fayolle, Gailly and
Lassas-Clerc (2006), this calls for EE programmes that not only focus on the microeconomic side
of entrepreneurship, but certainly should take students’ entrepreneurial intentions seriously and
offer them a broad range of possibilities to develop themselves as enterprising individuals. EE
programs should create triggers that lead to translating the high entrepreneurial intentions of
students into actual enterprising activities. If EE programs can succeed in this challenge, they
might have a huge impact on these students’ future careers. There not however much results on
this regard.

532
5. Conclusion and discussion
The literature about entrepreneurship education highlights the increased interest of
European and national policy agendas for this topic. Overall, governments in Europe are broadly
supporting the embedding of enterprise and entrepreneurship capacities across education and
through society more generally. In the EU, unlike the US, there is a high dependency upon public
resources at the European, state and sub-regional levels. In the current economic climate it is
uncertain how and from where this agenda will continue to be supported.
The literature review raises issues about the significant structural problems of delivery of
entrepreneurship programs that employ new pedagogic methodology. The question of whether
or not universities should make the effort to try to embed new learning and teaching methods
is broached and the conclusion is that it is unlikely that any such programs could be adopted
in any substantial way at Universities due to resource limitations; lack of training in synergistic
methods; keeping the freshness alive; finding suitable entrepreneurs to take part in the academic
assessment processes appear to evaluate and test knowledge and skills rather than behaviour.
Widening the assessment process to accommodate behaviour would therefore represent a real
challenge for academic institutions.
Although the success of programs at later stages shows that education can improve
the likelihood of business success, the fact that few highly educated persons are interested in
entrepreneurship needs to be addressed. Is it possible to change this perception of entrepreneurship
in some cultures?
While entrepreneurship education has been introduced and promoted in many countries
and at many institutions of tertiary education, little is known at this point about the effect of
these courses. In particular, it is largely unknown how the courses impact students’ willingness to
engage in entrepreneurial activity and what kind of learning processes are responsible for these
effects. Instead, the literature has focused on a simplified “up and down” analysis which studies
outcomes, but does not consider the causes or the path of learning. Heinonen and Poikkijoki
(2006) argue that learning about entrepreneurship and learning to become entrepreneurial
represent individual decisions that are always more or less subjective, and a qualitative approach
is needed to assess programmes (Hytti et al., 2010).
Regarding the studies addressing the outcome from EE, the results show that the programs
raise some attitudes and the overall entrepreneurial intention and that inspiration (a construct
with an emotional element) is the programs’ most influential benefit (Souitaris et al., 2007). The
implication for program developers is that whereas knowledge and resources might increase the
likelihood of success for those who are going to start a new venture, it is the inspiration that
raises attitudes and intention and increases the chances that students will actually attempt an
entrepreneurial career at some point in their lives. Therefore, if the target is to increase the number
of entrepreneurs in the student population, then the inspirational part of the programs has to be
designed purposefully and instructors should be trained not only to teach the entrepreneurship
curriculum, but also to change ‘hearts and minds’.
Although the success of programs at later stages shows that education can improve
the likelihood of business success, the fact that few highly educated persons are interested in
entrepreneurship needs to be addressed. Is it possible to change this perception of entrepreneurship
in some cultures?
In the context of funding of entrepreneurial ventures it has been argued that subsidizing
finance for new entrepreneurs could be socially wasteful. By analogy, one might expect that
entrepreneurship education could have negative effects if it succeeded in convincing those not

533
suited to entrepreneurship that they should become entrepreneurs. Alternatively, and more
positively, it could be that such education actually informs students and allows them to discover
their specific abilities. In this case, even a decline in entrepreneurial intentions could be socially
valuable, since it may indicate that subsequent matches in the labour market will be improved.
Finally, a three-stage approach must be taken to evaluating EE. first, it is important to
evaluate the immediate impact of the events upon participants. Second, it is important to take a
longer-term view of the impact of the program on participants’ behaviour. The final stage of the
evaluation is if indeed students create new ventures and success in the long run.
There is clearly a need for studies on the intermediate impacts of EE, namely regarding
the impact on greater active citizenship, on more creative and adaptable workforce or on more
potential entrepreneurs. A precise evaluation of EE depends also on it global impact in terms
of enhanced social cohesion, more productive and innovative businesses, and increased rates of
business start-up and survival and greater employment opportunities in SMEs. Future research
should place more emphasis on interaction between personal and environmental factors. Besides,
students social networks (family and friends) should be included in the analysis of entrepreneurial
career decision. Practical implications (Schwartz, et al., 2009)
Finally, future research should move on to more quantitative and larger studies, preferably
with international comparable data.

References
Achtenhagen, L., and D. Z. Knyphausen-Aufsess (2008): Fostering doctoral entrepreneurship
education in Germany. Journal of Small Business and Enterprise Development 15 (2):397-404.

Baron R. A. (2006): “Opportunity recognition as pattern recognition: How entrepreneurs “connect

the dots” to identify new business opportunities”. Academy of Management Perspectives 20, 104-
119.

Birdthistle, N. (2010): “A study of collegiate entrepreneurship in Ireland”. International Journal

of Entrepreneurship and Small Business 9 (2):227-242.

Bridge, S., C. Hegarty, and S. Porter (2010): “Rediscovering enterprise: Developing appropriate
university entrepreneurship education”. Education and Training 52 (8):722-734.

Carayannis, E. G., D. Evans, and M. Hanson (2003): “A cross-cultural learning strategy for
entrepreneurship education: Outline of key concepts and lessons learned from a comparative
study of entrepreneurship students in France and the US”. Technovation 23 (9):757-771.

Carey, C., and H. Matlay (2010): “Creative disciplines education: A model for assessing ideas in
entrepreneurship education?” Education and Training 52 (8):694-709.

Cuevas, J. G., and F. L. Alcalde (2005): “Progress of entrepreneurship education in the USA and
Europe: Its role as a development instrument”. Revista de Economia Mundial (12):149-171.

Elenurm, T. (2008): “Applying cross-cultural student teams for supporting international networking
of Estonian enterprises”. Baltic Journal of Management 3 (2):145-158.

534
European Commission (2011): Progress towards the Lisbon Objectives in Education and training –
Education and benchmarks 2010. Commission staff working document. Forthcoming.

European Commission (2010). Europe 2020: A European strategy for smart, sustainable and inclusive
growth. http://europa.eu/press_room/pdf/complet_en_barroso___007_-_europe_2020_-_en_
version.pdf [05/11/2011]

European Commission (2009). 2009 Entrepreneurship in the EU and beyond. Flash Eurobarometer
Nº 283, Analytical Report.

European Commission (2008): Survey on entrepreneurship in Higher Education in Europe.

http://ec.europa.eu/enterprise/policies/sme/promoting-entrepreneurship/education-training-
entrepreneurship/higher-education/index_en.htm.

European Commission (2007a): Key Competences for Lifelong Learning – A European Framework.
Education and Culture DG. http://ec.europa.eu/dgs/education_culture/publ/pdf/ll-learning/
keycomp_en.pdf [05/11/2011].

European Commission (2007b): Assessment of the compliance with the entrepreneurship education
objective in the context of the spring 2006 Council http://ec.europa.eu/enterprise/policies/
sme/files/support_measures/training_education/doc/edu2006_en.pdf [05/11/2011]

Fayolle, A., B. Gailly, and N. Lassas-Clerc (2006): “Assessing the impact of entrepreneurship
education programmes: A new methodology”. Journal of European Industrial Training 30 (9):701-
720.

Gibb, A. (2002): “In pursuit of a new ‘enterprise’ and ‘entrepreneurship’ paradigm for learning:
Creative destruction, new values, new ways of doing things and new combinations of knowledge”.
International Journal of Management Reviews 4 (3):233-269.

Global Entrepreneurship Monitor (2008): Executive Report. http://www.gemconsortium.org/

download/1305019947647/GEM_Global_08.pdf [05/11/2011].

Greene, F., and G. Saridakis (2008): “The role of higher education skills and support in graduate
self-employment”. Studies in Higher Education 33 (6):653-672.

Guenther, J., and K. Wagner (2008): Getting out of the ivory tower - new perspectives on the
entrepreneurial university. European Journal of International Management 2 (4):400-417.

Hannon, P. (2007): “Enterprise for all? The fragility of enterprise provision across England’s HEIs”.
Journal of Small Business and Enterprise Development 14 (2):183-210.

Harkema, S. J. M., and H. Schout (2008): “Incorporating student-centred learning in innovation

and entrepreneurship education”. European Journal of Education 43 (4):513-526.

Heinonen, J., and S. A. Poikkijoki (2006): “An entrepreneurial-directed approach to entrepreneurship

535
education: Mission impossible?” Journal of Management Development 25 (1):80-94.

Hynes, B., and I. Richardson (2007): “Entrepreneurship education: A mechanism for engaging and
exchanging with the small business sector”. Education and Training 49 (8-9):732-744.

Hytti, U., P. Stenholm, J. Heinonen, and J. Seikkula-Leino (2010): “Perceived learning outcomes
in entrepreneurship education: The impact of student motivation and team behaviour”. Education
and Training 52 (8):587-606.

Johansen, V. (2010): “Entrepreneurship education and entrepreneurial activity”. International

Journal of Entrepreneurship and Small Business 9 (1):74-85.

Katz J. A. (2003): “The chronology and intellectual trajectory of American entrepreneurship

education 1876-1999”. Journal of Business Venturing 18 (2):283-300.

Kierulff, H. E. (2005): “Entrepreneurship education in Poland: Findings from the field”. Human
Factors and Ergonomics In Manufacturing 15 (1):93-98.

Klapper, R., and S. Tegtmeier (2010): “Innovating entrepreneurial pedagogy: Examples from
France and Germany”. Journal of Small Business and Enterprise Development 17 (4):552-568.

Komulainen, K., M. Korhonen, and H. Räty (2009): “Risk-taking abilities for everyone? Finnish
entrepreneurship education and the enterprising selves imagined by pupils”. Gender and Education
21 (6):631-649.

Korhonen, M., K. Komulainen, and H. Räty (2011): “Bringing up global or local citizens? Pupils’
narratives of spatial selves in Finnish entrepreneurship education”. Young 19 (1):45-67.

Kraaijenbrink, J., G. Bos, and A. Groen (2010): “What do students think of the entrepreneurial
support given by their universities?” International Journal of Entrepreneurship and Small Business
9 (1):110-125.

Lans, T., J. Gulikers, and M. Batterink. (2010): “Moving beyond traditional measures of
entrepreneurial intentions in a study among life-sciences students in the Netherlands”. Research
in Post-Compulsory Education 15 (3):259-274.

Levie, J., and E. Autio (2008): “A theoretical grounding and test of the GEM model”. Small
Business Economics 31 (3):235-263.

Lucas, W. A., S. Y. Cooper, T. Ward, and F. Cave (2009): “Industry placement, authentic experience
and the development of venturing and technology self-efficacy”. Technovation 29 (11):738-752.

Matlay, H. (2006). “Researching entrepreneurship and education: Part 2: What is entrepreneurship

education and does it matter?” Education and Training 48 (8-9):704-718.

Matlay, H. (2008): “The impact of entrepreneurship education on entrepreneurial outcomes”.

536
Journal of Small Business and Enterprise Development 15 (2):382-396.

Matlay, H. (2009): “Entrepreneurship education in the UK: A critical analysis of stakeholder

involvement and expectations”. Journal of Small Business and Enterprise Development 16 (2):355-
368.

McKeown, J., C. Millman, S. R. Sursani, K. Smith, and L. M. Martin (2006): “Graduate

entrepreneurship education in the United Kingdom”. Education and Training 48 (8-9):597-613.

Mgaya, K. V., and B. A. Magembe (2007): “Attitudes of university students towards entrepreneurship”.
World Review of Entrepreneurship, Management and Sustainable Development 3 (2):192-206.

Nab, J., A. Pilot, S. Brinkkemper, and H. T. Berge (2010): “Authentic competence-based learning
in university education in entrepreneurship”. International Journal of Entrepreneurship and Small
Business 9 (1):20-35.

Oosterbeek, H., M. van Praag, and A. Ijsselstein (2010): “The impact of entrepreneurship education
on entrepreneurship skills and motivation”. European Economic Review 54 (3):442-454.

Packham, G., P. Jones, C. Miller, D. Pickernell, and B. Thomas (2010): “Attitudes towards
entrepreneurship education: A comparative analysis”. Education and Training 52 (8):568-586.

Papayannakis, L., I. Kastelli, D. Damigos, and G. Mavrotas (2008): “Fostering entrepreneurship

education in engineering curricula in Greece. Experience and challenges for a Technical University”.
European Journal of Engineering Education 33 (2):199-210.

Pavey, B. (2006): “Human capital, social capital, entrepreneurship and disability: an examination
of some current educational trends in the UK”. Disability & Society 21 (3):217-229.

Rasmussen, E. A., and R. Sorheim (2006): “Action-based entrepreneurship education”. Technovation

26 (2):185-194.

Robinson, P. B. (1994): “The effect of education and experience on self-employment succes”.

Journal of Business Venturing 2,44:141-156.

Ruda, W., T. A. Martin, and B. Danko (2009): “Target group-specific design of student
entrepreneurship support - A German example focusing on start-up motives and barriers”. Acta
Polytechnica Hungarica 6 (3):5-22.

Schwarz, E. J., M. A. Wdowiak, D. A. Almer-Jarz, and R. J. Breitenecker (2009): “The effects of

attitudes and perceived environment conditions on students’ entrepreneurial intent: An Austrian
perspective”. Education and Training 51 (4):272-291.

Seikkula-Leino, J. (2011): “The implementation of entrepreneurship education through curriculum

reform in Finnish comprehensive schools”. Journal of Curriculum Studies 43 (1):69-85.

537
Seikkula-Leino, J., E. Ruskovaara, M. Ikavalko, J. Mattila, and T. Rytkola (2010): “Promoting
entrepreneurship education: The role of the teacher?” Education and Training 52 (2):117-127.

Smith, A. J., L. A. Collins, and P. D. Hannon (2006): “Embedding new entrepreneurship programmes
in UK higher education institutions: Challenges and considerations”. Education and Training 48
(8-9):555-567.

Souitaris, V., S. Zerbinati, and A. Al-Laham (2007): “Do entrepreneurship programmes raise
entrepreneurial intention of science and engineering students? The effect of learning, inspiration
and resources”. Journal of Business Venturing 22 (4):566-591.

Toledano, N., and D. Urbano (2008): “Promoting entrepreneurial mindsets at universities: a case
study in the South of Spain”. European Journal of International Management 2 (4):382-399.

Varblane, U., and T. Mets (2010): “Entrepreneurship education in the higher education institutions
(HEIs) of post-communist European countries”. Journal of Enterprising Communities 4 (3):204-
219.

Vij, V., and S. Ball (2010): “Exploring the impact of entrepreneurship education on university
nonbusiness undergraduates”. International Journal of Entrepreneurship and Small Business 9
(1):86-109.

von Graevenitz, G., D. Harhoff, and R. Weber (2010): “The effects of entrepreneurship education”.
Journal of Economic Behavior and Organization 76 (1):90-112.

538
5. Economics of Education and Education Policymaking Processes in Pakistan:
A critical Review

Ahmed Nawa Hakro, College of Economics, Management and Information Systems, University of Nizwa
Saadia Mesti, Leceister University

539
Economics of Education and Education Policymaking Processes in Pakistan:
A critical Review

Ahmed Nawa Hakro, College of Economics, Management and Information Systems, University of Nizwa
Saadia Mesti, Leceister University

Abstract
A number of critical economic issues are discussed linked to education; such as equity,
productivity, public expenditure, regional and class divide, choice and competition, market
failure, externalities. Different perspectives on impact of education and how education should be
produced and financed are analyzed. Educational Policy making processes in Pakistan is critically
assessed in its historical perspective. Recommendations derive out of analyzes that are immediate
end to apartheid educational system, decrease inequality, increase public expenditure, more
social justice, humanist inclined, less bureaucratic system should be devolved which can serve
the society in best way.

1. Introduction
Education has been source of political and intellectual debate. The debate is shaped
by different perspectives on impact of education and how education should be produced and
financed. Approach based on educational outcomes; opinion holds that education increases
the skills of individuals, and thereby wages. Human capital view; investment in people is as
akin to capital investment, the greater the investment greater the productivity. Socializing role
approach; education teaches how to perform well in workplace, teaches how to obey orders,
follow directions and work in teams, when successful, this socialization teaches punctuality and
reliability. The social abilities make the individuals more valuable in the workplace. Another view
of education, called screening view- argues that one of the important functions of education is to
identity the ability of different individuals. There who go to school larger get a higher wage and
are observed to be more productive. The school system is viewed as screening devices, separating
the very able and highly motivated from the less able and less motivated.

2. Educational Apartheid in Pakistan—Educational System Divided against Itself178

Pakistan has multiple parallel systems of education divided into English and non-English
medium of instructions with different text books methods of learning’s. The classification of this
apartheid is on the lines of elite and non-elite, government and non-government military and
mudarssah, rural and urban etc. First, well-known system division is between English medium
and Urdu medium schools that exacerbates existing social and economic divisions and leads
to a virtual system of educational apartheid in the country. Equally important second is the
division between ‘formal’ educational institutions179 and the ‘informal’ institutions, especially the
Madaris180. Third, education remains inequitably distributed among various income groups and
178 Higher education in Pakistan: towards a reform agenda in Pakistan . A draft report to task force on higher
education by Boston group.
179 (formal in the sense of being under some nominal supervision of national educational authorities).
180 The report further stated that The madrassah system differs from the formal educational system (including its
own internal divides) most profoundly in every respect—the underlying approach to education, the values to be
espoused, the literatures to be studied, the philosophical bases of pedagogy, and the social and political priorities.
Although, the graduates of the two systems have long been active in the social, cultural, and political life of
the country, their relative proportions, economic prospects, and their attitudes towards each other have changed
dramatically. During the first Afghan war (1979-90), the madrassah system expanded from a small and impoverished

540
regions in the country181. Access of education to children of relevant age group is still inadequate.
Educational institutions lack physical facilities. The target of minimum essential requirement
of competencies for quality education has not yet been achieved. Educational institutions face
shortage of qualified and motivated teachers, especially female teachers. Financial constraints
and want of managerial capacity education targets remained unaccomplished etc182.
A one classical example is a population of six hundred thousand people in Islamabad has
unlimited number of universities with different names of open, air, arid, green etc, but virtually
not a single reputed school or college of national repute in Balochistan for more than 8.0 million
population. One can simply judge the apartheid nature, regional and rural bias in educational
system. The story is too long.
This apartheid nature of educational system is hardly an issue in policy debates or circles
of Federation of Pakistan. Striking features and stylized facts of education of economically
disadvantaged particularly impoverished areas of rural Pakistan are that very good students receive
very inadequate education or support at primary and secondary levels. Leaving them unprepared
to go for skills and colleges and universities, without adequate skills, these people earn low
wages, and are forced to continue to live in poor and impoverished areas, thus continuity in their
the cycles of poverty. The problem has been exacerbated and coupled with trends in the economy
e.g., increase in food prices, expansionary monetary and fiscal policies, rise in food inflation,
privatization without safely net, increase in transport and oil prices, and recent increase in rental
and transport costs along with speculations in property and stock markets often resulted suicides
and increasing trend in unemployment, violence and social problems etc. Consequently, real
wages of the poorest declines, real tuition fees at public sector for two and four-year institutions
of higher learning increased markedly. In these circumstances students who are qualified for
higher education faced increasingly insurmountable financial hurdles. Thus, education remains
the domain for those who can afford, as a result increasing return on education (discussed latter)
did lead to an increase in college and higher education enrollment for elites. Children’s of more
affluent families are better able to respond to these market signals of returns and gap between
enrollment rates of the disadvantaged and advantaged actually increased. All these issues have
made education a critical concern for the oppressed and marginalized people. The concerns which
policy makers are unable to address.

3. Ambitious Targets and Poor Achievements- Common Features of Policies and Historical
Context
The history of policy making in education is the history of repeated admission of failure
of all policies, plans, projects and schemes183. Table 1 and 2 show nearly all the five year plans
have been failed to achieve the targets of primary school enrollment e.g. third five year plan set
the target of achievement of 70 percent of school enrollment rate but actually it was 54 percent
at the time of fifth plan, the fifth plan set the target of achieving 100 percent enrollment rate by
1987 but, it was 60 percent at the time of seventh plan by 1998. Eighth plan set the target of 48
enclave to an elaborate and well-funded network. Although precise numbers are not available, the general impression
is that it now produces graduates in the thousands. Whatever the political motivations and implications of this
development might be, the point is that the existence of two completely alienated systems of cultural reproduction
has contributed significantly to the social polarization. To put it most bluntly, both groups simultaneously harbor
feelings of inferiority and superiority towards the other. It is very clear that a society cannot long survive in such a
polarized situation.
181 Policy framework paper for Educational sector reform.
182 As above
183 History of educational policy making and planning in Pakistan by (Kaiser Bengali).

541
percent by 1998 but actual enrollment rate was 39 percent.
All the educational policies set the ambitious targets of achieving the 100 percent literacy
by 1975 in 1959 educational policy but ended 21.7 percent literacy in 1972. 1979 educational
policy set the target of 35 percent by 1983 and 100 percent by 2010 but the literacy ended 26.17
percent by 1981. Same with the national literacy plan and nationwide literacy program which
set the targets of 33 percent literacy by 1986 and 54 percent by 1990 respectively, but ended 34
percent of literacy in 1992. The last educational policy set the target of 70 percent literacy by
2010.

Table 1. Targets of various five year plans to achieve The primary school enrollment rate
Five Year Plans Targets (primacy school Actual
enrollment rate)
70 percent 54 percent at the time of
Third Five Year fifth plan
Fifth Five Year 100 percent by 1987 60 percent at the time of
seventh plan 1998
Seventh Plan 100 percent by 1993 Lowered to Actual 39 percent
modest 40 percent by 1993
Eight Plan 48 percent by 1998 39 percent in 1998
1992 Education policy 100 percent by 2002
1998 Education policy 90 percent by 2002

Table 2. Targets of literacy achievements in various educational policies

Education Policy Targets (literacy)
1959 education policy 100 percent literacy by 1975
1979 education policy 35 percent by 1983 and 100
percent by 2010
National Literacy plan 33 percent by 1986
Nationwide Literacy Program 53 percent by 1990
1998 education policy 70 percent by 2010
Actual
21.7 percent in 1972
26.17 percent by 1981
34 percent in 1992
34 percent in 19992
55 percent in 2006-07

It is visibly clear each policy commenced with a lament about the failure of past, each plan
reviewed performance of the previous plan and opined about the failure to achieve the targets,
each PC-I of an education scheme provided justification for the project in terms of the failure of
past schemes. A part from many other critical issues, the drafting and finalization process of the
(1998-2010) policy also violated three fundamental requirements for developing a viable plan
of education: openness, transparency, and critical debate184. Most of these polices are failed to
achieve their own set targets and in fact largely formulated and maintained around the issues of
achievements of literacy and enrollment targets rather addressing the issues of seriousness of its
apartheid nature and several imbalances in the system.

4. Major Economic Imbalances linked to educational system

Two major economic issues- a slow down in productivity and increasing inequality are the
striking features of economy reflected also in educational system in Pakistan. Many economists
and policy makers agree that improvements in human capital-skills and experience of workers-
may hold the key to improving productivity growth; and strong education is seen as critical to that
goal. Evidence demonstrates in Pakistan, output per worker during the first decade and during
the period of nationalization 1970-80 increased with the rate above three percent, but during the
period of green revolution and during the period of stabilization policies of post 1990’s eras the
184 Eqbal Ahmed ‘A critique on education policy’: a newspaper article (internet downloaded).

542
output per worker declined to below two percent on the average (see Graph 1.1). It seems that
over the last two decades the productivity growth per worker declines significantly.

Graph 1.1 Output per worker (percent change)185

labor Productivity

4.5
4
output per worker (%

3.84
3.5 3.45
3
change)

2.5 2.51
2
1.79 1.72
1.5 1.31 1.5
1
0.5
0
1961- 1971- 1981- 1991- 2001 2002 2003
70 80 90 2000
year

Post 1990’s also marked important changes in pattern of income distribution in Pakistan.
The return in poverty is attributed to the implementation of liberal economic polices which
resulted, besides other things, elimination of subsidies, the deregulation of prices-particularly
in the agriculture and energy sector, privatization, and informal labor markets186. The post
September 2001, speculation, boom in telecommunication, real state property, finance, banks,
stock markets and credit markets etc. The fruits of economic growth are largely shared more
inequitable during the last two decades. The income gap between rich and poor classes widens.
The Gini co-efficient (measure of inequality increased from 0.35 to 0.398 in 1992-93 and reduced
to 0.296, (See Table 3 and graph 2 and 3) increased again to 0.301 in 2005-06

Table 3. Incidence of Poverty and inequality

Incidence of Poverty
All Rural Urban Gini Coefficient
1963-64 40.2 38.9 44.5 0.356
1979 20.7 32.5 25.9 0.36
1990-91 22.1 23.6 18.5
1992-93 24.9 27 19.8 0.398
1998-99 32.6 34.7 25.9 0.296
2000-01 34.5 39.3 22.7 0.275
2004-05 23.9 28.1 14.9 0.297
2005-06 22.3 27 13.1 0.301

Source: Economic survey of various years

185 Data graphed from the source given in ‘Macro Determinants of Total Factor Productivity in Pakistan’, by Safdar
Ullah Khan, State Bank of Pakistan , working papers February 2006.
186 Rehana Siddiqui (April 2006), ‘ The Pakistan economy: performance and challenges’, the Muslim World , Volume
96., p251-268.

543
Graph 2. Incidence of poverty

Incidence of Poverty

45
% population below poverty

40
35
30
25
line

20
15
10
5
0
1963-64 1979 1990-91 1992-93 1998-99
year

Graph 3. Incidence of Rural Urban

Rural Urban poverty incidence

50
45
% of population below

40
35
poverty line

30 rural
25
20 urban
15
10
5
0
1963-64 1979 1990-91 1992-93 1998-99
year

Much of the inequalities linked and reflected to education. Average wage increases as the
level of educational attainment is increasing (see graph 4). Simply, income of educated graduate
will increase compare to no schooling or quasi literate, the market place a greater premium on
skilled (educated) workers. Thus, providing better education and ensuring that larger fraction of
population went for education or seen as ways of enhancing opportunity and reducing inequality.
By getting education, a number of social returns are increasing as well e.g., fertility rate of
educated married women is dropped significantly, incidence of mortality and contagious disease,
diarrhea, of educated mothers is dropped significantly187.

187 SPDC annual reviews of various years.

544
Graph 4. Average age of different level of educational attainment

Monthly average wage Average wage by Educational level

9000
8000
7000
6000
5000
4000
3000
2000
1000
0

al

l
ry
g

ry
y

na
ar
lin

er
da
da

io
rim

en
o

on
on

ss
ho

-G
P

e
ec
ec
sc

of
ry
S
S

Pr
o

a
r
N

rti
he

ry
Te
ig

a
rti
H

Te
Educational level

PIHS 2001-2002
Economists and policy makers placed a very high priority on strong education. The central
question is how strong is the educational system in Pakistan?

5. Structure of Education System: Trends in Expenditure in Health and Education

Health and education is considered to be the two key elements of human development
apart from reduction in income poverty. Following picture figure 1.5 depicts the historical trends
in expenditures in these two sectors health and education as percent allocation of GNP. The trend
is declining in the post-PRSP (poverty reduction strategy) years. The over all expenditure on
education as percentage of GNP has declined from the level of 1990’s in post-PRSP era. The health
expenditure remained stagnant. Looking the table 4 PRSP years projected data 2002-2008 even
the projection of expenditure on education is insignificant around two percent of GDP to 2.35
percent. Though it is also visible for last many ears this projection and actual expenditure speaks
a lot, education expenditure is grossly under utilized, mismanagement and misused. It can be
derived that increased expenditures in key social development sectors is not robust which should
lead to achieving the millennium development goals or goals of educational policies. Several
independent experts are of the view that government should double its budget to social sectors to
meet the MDGs targets which will surely not be achieved within the target time of 2015. Pakistan
is already marked as underachiever based on international progress reports of MDGs.

545
Figure 5. Expenditure on Education and Health as % of GNP
3

2.5

2
education
1.5
health
1

0.5

3
81

85

89

90

91

94

95

97

98

00

01

02 2
00
-
01
-

-
80

84

88

89

90

93

94

96

97

99

00

-2
20
19

19

19

19

19

19

19

19

19

19

20

20
Source: Data compiled from Pakistan Economic Survey 2003-04, Government of Pakistan

Table 4. Projected prsp budgetary expenditures (2002-2008)

PRSP BASELINE PROJECTIONS

EXPENDI- (Actual) (Based upon FY 2001-02 actual expenditures) (Rs. in million)
TURES

FY 2002-03 FY 2003-04 FY 2004-05 FY 2005-06 FY 2006-07 FY 2007-08

(Actual) (Budgetary) (Projected) (Projected) (Projected) (Projected)

% GDP % % % % % % GDP
GDP GDP GDP GDP GDP

66290 1.78 7861 1.96 88842 2.01 102375 2.10 116036 2.15 135049 2.25 156698 2.35
3

Source: Ministry of Finance, Government of Pakistan

6. Do Expenditures matter? Why education should not be publicly provided and publicly
financed?
Economic theory guides that public provision of public goods like education should provide
by the government as markets are failed to provide, why because there are issues of redistribution
(education to be provided to marginal classes), equity (reducing the gap between poor and
rich), merit goods (compelling to consume education) and externality (positive benefits) and
correct market failure (where market is unable to provide education). Education is not a pure
public good as marginal cost of education- to provide extra good to additional individual is not
equal to zero. However, the marginal cost is equal to average cost. Economic theory guides, that
there are who justify public education in terms of market failure focuses on the importance of
externalities. Educated citizen in a society in which everyone can read functions smoothly than
a society in which few can read. There are large private returns that are being able to read. The
benefits are not only for individual but nation also. Access to education should not be based on
the dependence upon the parent’s income; thus it should be publicly provided while addressing
the issues of equity.

7. Fault Lines- Critical Issues and Controversies in Educational Policies Affecting Educational
System
Evidence demonstrate that “Educational Policy announcement” is too frequently been
made, had little to do with reality. A good education policy must forehand understand the existing

546
structures as well as the behavior of all participants and to asses how the system is working. It
would then the very objectives are to be defined based on the assessment whether the current
system is capable of achieving these targets or not. What extent government is capable to make
the difference? Does the government have the valid instruments and equipments to overhaul
the system and address the critical issues? For example, in education before prescription, there
are several questions that need to be answered to understand the current situation and place
the role of government in some perspective. It is not the targets of attainment of literacy rate or
enrollment; it is wider problems of inequity, inefficiency, divisions mentioned earlier.
a) Understanding the demand for education: Presumably there is a demand for education because
it is an investment that pays of in terms of higher earnings than the alternative of no education.
But does this mean that the return occurs to all forms of schooling regardless of quality, content
and some form of certification? Do moral and religious education increases earnings in the
marketplace? If not, is the continued emphasis on these aspects in the curricula served to increase
the demand for education? Similarly, does the declining quality of education in public schools
help to increase the demand for education?188
c) The system of supply of education: a complex bureaucracy and apartheid nature in which the
teacher is at the bottom, frustrated in every way is not supplying Education. He has a lower grade
than the administrator, a lower salary, relatively limited perks, and little control over syllabi and
grading and poorly trained and qualified. He has no control over even his location, being subject
to whimsical transfer. Why should he invest in his current situation? Is this model efficient? Is it
followed in the rest of the world?189

8. Choice and competition

This apartheid nature of system is lacking in offering choice and competition. Measuring
quality or the kind of education that the people demand requires effort and hence, is not
comprehensible or not done. It is easier to keep the issue at the level of increasing the number
of schools and commanding what has to be read regardless of market considerations. Moreover,
constantly increasing the number of schools is good for obtaining rents and corruption gains.
Similarly suggesting non-modern and non-skilled subjects leads to employment of those that
would otherwise be unemployable. But then they are only nurturing non-skilled-non-demanded
related certifications that are not going to yield a social or private rate of return. But in view
of their private gains society and children must lose. This vicious cycle of rent seeking and
corruption has destroyed education system and many analysts, academician; educationist today
is lamenting the situation. The notion that the form of actions that government intervention
can take, is to build more schools and enforce syllabi, has not worked in the past and is unlikely
to work in the future. Policy must therefore not be based on it. New initiatives must break away
from this approach and look for new interventions and instruments. The only way out of it is to
reform the system in keeping with the way that most other countries are running their education
system. In this globalizes world, one cannot be an only exception that provides our kids useless
and low quality education. It will surely destroy our economy and society. And it has already!

9. Performance Standards and Goals

Examine the achievements of the current system, the quantitative indicators, such as
the resiliently low literacy and enrollment rates are well known. What is not emphasized as

188 The New Education Policy by Dr. Abdus Samad posted December 12, 2001.
189 Same as above.

547
much as it should be the abysmally low and declining standards in the public schools that have
robbed the poor of any opportunity for social mobility? Public do not notice how under-utilized
expenditure is, educational establishment given that an average school (especially college day)
is much shorter in Pakistan than the rest of the world. There are hardly any seminars, creative or
extra-curricular activities. Recognizing the dismal quality of this education system, the rich have
already flown the local education system. The poor have no chance of competing with the foreign
educated sons of the richer. Is this not explosive?
What is the measure of performance in the current system? How is it enforced? When
exams are not held on time and student years are wasted, do any heads roll? When students gain
an education that they cannot use for gaining employment, what is the cost to those who provide
and write the syllabi? Admittedly, the current system with its low quality education, wastage,
and ghost schools is not working. Should one expect it to deliver on more ambitious objectives
without some fundamental reform? Is this system capable of using resources more efficiently?
Should throw more resources at this system? Is it possible to run the system with the current
managers, teachers and bureaucracy? Or does it require a complete overhaul?

10. Conclusion
The system of education is largely unequal at all levels of language, courses, regional
and access to disadvantaged communities and classes. Education remains inequitably distributed
among various income groups and regions in the country Economics guides as how education
should be produced and financed. The history of policy making in education demonstrate failure
of all policies, plans, projects and schemes, present policies are proved to be failure, the system
is unlikely to work and will not work in future. Paper analyzed as how slow down in productivity
and income inequality reflected in educational system in Pakistan. The system’s inherent inability
to assess the various biases, demand and supply mechanism, choice and competition, resource
allocation, systems inability to correct itself of resource allocation and other inefficiencies in
quality, syllabus and bureaucratic nature of system put it into a grave danger.
It is recommended that immediate end to apartheid system of inequality at all levels,
that education should be provided by the state irrespective of any biased ness, more efficient
allocation of resources through decentralizing of powers to the lowest level of education and
empowering the communities by controlling the managerial affairs, Increasing local community
democratic accountability in schooling and further, the resource allocation can be increased by
reducing spending on defense and by taxing rich people and increasing better provision of quality
schools, curriculum, staff, and higher incentives for teachers. Engagement in critical pedagogy,
with a commitment to developing critical reflection committed to struggling for social justice and
equality inside and outside the classroom could be its ultimate solution. Lastly, development and
dissemination of policies for equality (e.g. secular, anti racist, gender sensitive, class sensitive),
seeking to promote equality for the working classes and marginalized communities.
Increasing the powers of democratically elected and accountable Local government
(Education Authorities) with powers of redistribution of resources, quality control, engaging,
inter alia, in the development and dissemination of policies for equality (e.g. secular, anti-racist,
anti-sexist, anti-homophobic policies and policies seeking to promote equality for the working
class and the disabled); greater involvement of relevant stakeholders in policy making process-
transparent, open and accountable policies.

548
/ Capítulo 7. El Espacio Europeo de Educación Superior

549
1. Investigación y estudio sobre competencias profesionales: El caso de la
Universidad de A Coruña

María Jesús Freire Seoane, Universidad de Coruña

Mercedes Teijeiro Álvarez, Universidad de Coruña
Féliz Blázquez Lozano, Universidad de Coruña

550
Investigación y estudio sobre competencias profesionales: El caso de la
Universidad de A Coruña

María Jesús Freire Seoane, Universidad de Coruña

Mercedes Teijeiro Álvarez, Universidad de Coruña
Féliz Blázquez Lozano, Universidad de Coruña

Resumen
En el presente estudio190 se analizan las competencias profesionales genéricas más valoradas, tanto
por las empresas, como por los graduados universitarios españoles, así como la relación existente
entre la probabilidad de tener un empleo y el nivel adquirido en dichas competencias. Esta
investigación es un estudio cualitativo y cuantitativo en el que se usan datos sobre competencias
de dos fuentes principales, por un lado, los graduados de la universidad de A Coruña y, por otro,
los empresarios de la provincia de A Coruña. Los resultados confirman la opinión existente entre
los expertos de que en la actualidad las competencias que se están valorando en el mercado laboral
se caracterizan por ser todas del tipo sistémicas, es decir competencias personales transferibles,
en detrimento de las competencias instrumentales más relacionadas con las capacidades y la
formación del graduado.

Palabras clave: competencias adquiridas, competencias requeridas, universidad, logit .

1. Introducción
Cada vez más, las competencias profesionales juegan un papel crucial en el mundo laboral,
porque son la llave necesaria para abrir el cada día más duro acceso al mercado del trabajo y el
complemento perfecto a un currículum académico, que desde el punto de vista de los procesos
de selección, se ve cada vez más vacío sin ellas (Freire, 2008). Hoy en día el debate europeo
sobre la educación está centrado en el papel que ésta juega en la economía del saber. De hecho,
en muchas ocasiones se afirma que la formación que se imparte en las universidades y en los
centros de educación secundaria no es la adecuada para satisfacer las necesidades de la sociedad
de mercado y cumplir con sus objetivos de crecimiento. El estudio Tertiary Education for the
Knowledge Society, realizado por la Organización para la Cooperación y el Desarrollo Económico
(OCDE, 2008), centra el debate educativo en los siguientes interrogantes:
¿Se está produciendo un exceso de oferta de graduados en relación a la demanda del
mercado de trabajo?
¿Reciben los universitarios una educación pertinente o existe un desajuste entre los cursos
que ellos eligen y las necesidades de la economía?
¿Son apropiadas las capacidades y habilidades que los jóvenes adquieren para el desempeño
de roles exigidos en el mundo laboral?

La vieja aspiración familiar de que un título universitario era sinónimo de talento ha

entrado en crisis y ha sido reemplazada por las competencias de empleabilidad en el contexto
contemporáneo de modificación de los métodos productivos (gestión de conocimientos, destrezas,
habilidades, liderazgo estratégico y otras capacidades emergentes). Este es el panorama que fuerza
a las universidades a adaptarse a las demandas de la economía y del mercado laboral.
190 Este trabajo forma parte del estudio sobre “Competencias profesionales de los titulados de la UDC” realizado por
el Observatorio Ocupacional e impulsado por el Consejo Social de la Universidad de A Coruña.

551
 El Espacio Europeo de Educación Superior incide en la incorporación de modelos de
formación orientados hacia el dominio de las competencias, en donde la introducción de este
nuevo enfoque puede concebirse como una interesante y sistemática tentativa para poner la
formación universitaria a la altura de los nuevos tiempos (López Ruíz, 2011).
Bajo una perspectiva de empleabilidad también hay que prestar una gran atención a las
competencias profesionales en los procesos de selección de personal, y en su transcendencia
en el desarrollo de la vida laboral de las personas, hecho que justifica la realización de esta
investigación.
Sin embargo, no es fácil acotar el concepto de competencias, pues una somera revisión
de la literatura sobre esta materia, además de evidenciar los esfuerzos dedicados a esta tarea
y los diferentes vaivenes habidos en su concreción desde distintas perspectivas (pedagógica,
psicológica, laboral y económica,) también ha puesto de manifiesto que el término no es unívoco
(Corominas, 2001). Tal y como advierte Díaz Barriga (2006), el empleo del término competencias
ha dado origen a un lenguaje muy amplio en el terreno de la educación. Esta diversificación lleva
a promover clasificaciones distintas de las competencias y origina una enorme confusión. Así, en
los últimos años se han desarrollado varios modelos191 sobre la estructura de las competencias
con supuestos previos o con diversos niveles de abstracción. Esta situación ha provocado que las
investigaciones realizadas hayan seguido itinerarios distintos. Esta diferenciación inicial implica
diferentes parámetros de referencia, y como consecuencia, los resultados muestran una gran
variabilidad. Habitualmente, en las distintas definiciones sobre competencias se incluyen otros
conceptos que por sí mismos también resultan, en la mayoría de las veces, ambiguos o contienen
en su seno dificultades semánticas (Alonso, Fernández y Nissen, 2009; Barth, Godeman, Rieckmann
y Stoltenberg, 2007; Fallow y Steven, 2000)
Así, son diversas las definiciones de competencias, propuestas tanto por investigadores
como por organismos internacionales, que se pueden encontrar en la revisión de la literatura
científica. A continuación se definen algunas de las más significativas:
Competencias: son los conocimientos, destrezas y actitudes necesarias para ejercer una profesión,
la persona que las posee puede resolver problemas profesionales de forma autónoma y flexible y
está capacitada para colaborar en su entorno profesional y en la organización del trabajo (Bunk,
1994).
Competencias: son las características de una persona, ya sean innatas o adquiridas, que
están relacionadas con una actuación de éxito en un puesto de trabajo (Ernest & Young Consultores,
1997).
Competencias: son las capacidades para responder a las demandas y llevar a cabo tareas de
forma adecuada (Definition and Selection of Competences “DeSeCo”, 2003).
Competencias: se conciben como un constructo angular que sirva para referirse a un
conjunto de conocimientos y habilidades que los sujetos requieren para desarrollar algún tipo de
actividad. Cada actividad exige un número variado de competencias que pueden ser desglosadas
en unidades más particulares en las que se especifican las tareas concretas que están incluidas en
la competencia global (Barrón Tirado, 2002).
Competencias: son la combinación dinámica de atributos –respecto al conocimiento, a su
aplicación, a las actitudes y a las responsabilidades– que describe los resultados del aprendizaje
de un proceso educativo. Se distingue entre competencias específicas en un campo de estudio y
competencias genéricas que son comunes y transferibles (Proyecto Tuning, 2003).

191 Entre los más relevantes se encuentran los modelos de competencias de la OCDE (Proyecto DeSeCo), de la Comisión
de las Comunidades Europeas y el proyecto Tunning.

552
 Ya centrada en el ámbito universitario una definición muy completa de competencias es la
de López Ruíz (2011) en donde se entienden las competencias como un sistema de conocimientos,
destrezas y actitudes y valores que se adquieren de modo progresivo en diversos contextos y que se
aplican en situaciones específicas a la resolución de problemas complejos mediante un desempeño
eficaz de las tareas académicas y profesionales para lograr un pleno desarrollo personal integral,
lo que repercute tanto en la mejora del la calidad de la educación superior como en la deseable
prosperidad económica, social y ambiental.
Estas definiciones conducen a una primera síntesis en la que se puede afirmar que las
competencias se refieren a las funciones, tareas y roles de un profesional para desarrollar adecuada
e idóneamente su puesto de trabajo, que es el resultado y el objeto de un proceso de capacitación
y cualificación. Pero este asentimiento inicial no está exento de problemas desde el punto de vista
de la formación. Cabría hacerse varias preguntas:
¿Qué entrañan las competencias?
¿Respecto a qué se comparan para poder articular el proceso de capacitación o
cualificación?
¿Cómo se evalúan desde la óptica de la suficiencia?
¿De qué competencias profesionales se está hablando?

Las respuestas a todos estos interrogantes no son fáciles, habida cuenta los diferentes
enfoques que podemos encontrar respecto a este término y las implicaciones con otros conceptos
entre los que necesariamente hay que discernir. Pero, algo tan polisémico y ubicuo se utiliza
demasiado a menudo como un sustantivo más, sin prestar atención a los atributos que lo
caracterizan. Esta situación genera demasiada confusión y errores en la práctica, pues se trata
de un problema complejo que requiere de una clarificación de los enfoques conceptuales. En los
momentos actuales, el término competencias domina de manera extensiva en el ámbito de la
formación, la inserción y los recursos humanos, ya sea para mejorar la enseñanza, desarrollar
políticas de gestión o actuar en la selección de personal.
Cada competencia se construye a través de la combinación de habilidades cognitivas y
prácticas, conocimiento, motivación, valores, actitudes, emociones y otros componentes sociales
y conductuales. Estos comportamientos de los individuos son observables en la realidad cotidiana
del trabajo, y las competencias representan un trazo de unión entre las características individuales
y las cualidades requeridas para llevar a cabo misiones profesionales precisas.
La competencia laboral no es una probabilidad de éxito en la ejecución del trabajo, es una
capacidad real y demostrada de saber hacer las cosas. Además, es una capacidad productiva del
individuo que se define y se mide en términos de ejecución en un determinado contexto laboral,
y no solamente de conocimientos, habilidades, destrezas y actitudes; éstas son necesarias pero
no suficientes por sí mismas para el desempeño efectivo de un trabajo (Cajide et al., 2002; Villa
y Pobrete, 2007). Por otro lado y, tal y como indica Goñi Zabala (2009), ser poseedor de un
conocimiento no implica tener la capacidad de transferirlo192.
Las competencias las podemos clasificar en genéricas y específicas:
Se denominan competencias genéricas aquellas que se refieren a competencias transversales,

192 Dado que en esta investigación se centra en la opinión de un universo de egresados sobre sus propias habilidades
y saberes, podría proceder, en consecuencia, hablar de conocimientos adquiridos y no de competencias adquiridas, ya
que, para poder afirmar que se es poseedor de una competencia es necesario haber demostrado la capacidad de aplicar
un saber o una habilidad. No obstante, para que este estudio encaje metodológicamente y sea comparable con el
enfoque de la OCDE fue necesario asumir como un supuesto de partida que los graduados analizados han demostrado
sus capacidades.

553
transferibles a multitud de funciones y tareas.
Se denominan competencias específicas aquellas relacionadas directamente con una
ocupación concreta.
En este trabajo se van a analizar las competencias genéricas o transversales. Se trata de
competencias comunes a la mayoría de las profesiones y relacionadas con la puesta en práctica
de aptitudes, rasgos de personalidad, conocimientos y valores adquiridos, éstas se requieren en
diversas áreas ocupacionales y son transferibles entre distintas actividades de un sector. Levy-
Leboyer (2003) las define como rutinas de comportamiento que algunas personas dominan mejor
que otras, lo que las hace eficaces en una situación determinada. El Proyecto Tuning Education
Structures in Europe (2003), cuyo objeto de estudio es la búsqueda de competencias que permitan
comparar perfiles académicos y profesionales dentro de un marco europeo de educación superior,
las clasifica en tres grandes grupos: competencias instrumentales, interpersonales y sistémicas.
Las competencias instrumentales son capacidades cognitivas, metodológicas, técnicas
y lingüísticas. Éstas se consideran necesarias para la comprensión, la construcción, el manejo
y el uso crítico en las diferentes prácticas profesionales. Estas competencias constituyen las
capacidades y la formación del licenciado y se pueden resumir en: conocimientos básicos de la
profesión, capacidad de análisis y síntesis, capacidad de organizar y planificar, resolución de
problemas, toma de decisiones y comunicación oral y escrita.
Las competencias interpersonales se relacionan con las habilidades de relación social e
integración en distintos colectivos, así como la capacidad de desarrollar trabajos en equipos
específicos y multidisciplinares. Se resumen en: capacidad de crítica y autocrítica, trabajo en
equipo, habilidades interpersonales y capacidad de trabajar en equipos interpersonales.
Las competencias sistémicas son habilidades relativas a todos los sistemas ya sean
combinación de entendimiento, sensibilidad y conocimiento. En general, hacen referencia a las
cualidades individuales y a la motivación a la hora de trabajar. Son las siguientes: capacidad de
aplicar los conocimientos a la práctica, capacidad de aprender, capacidad de liderazgo, capacidad
de adaptarse a nuevas situaciones, habilidad de trabajar de forma independiente y responsabilidad
en el trabajo.
En esta investigación se pretende seleccionar las variables a investigar y transformar los
propósitos del estudio en problemas empíricos. El resultado de la misma es dual: por una parte, se
ha obtenido un indicador que permite evaluar las competencias adquiridas por los graduados de la
Universidad de A Coruña y por otra, ofrece una información muy importante sobre las competencias
más valoradas por los empresarios permitiéndonos determinar la desviación existente entre la
demanda y la oferta real de las capacidades profesionales en el mercado laboral. Para finalizar se
realiza una estimación logística binaria sobre la probabilidad de tener un empleo en una empresa
teniendo en cuenta las competencias adquiridas en la universidad.
Los resultados de dicha estimación son muy novedosos y concluyentes permitiéndonos
confirmar la opinión existente entre los expertos de que en la actualidad y teniendo en cuenta el
entorno cambiante en el que nos movemos, las competencias que se están valorando de cara a la
consecución de un empleo se caracterizan por ser todas del tipo sistémicas, es decir competencias
personales transferibles, en detrimento de las competencias instrumentales más relacionadas con
las capacidades y la formación del graduado.

554
2. Objeto y metodología del trabajo
El objetivo final de este trabajo es profundizar en el conocimiento existente acerca de las
competencias profesionales de los graduados universitarios, tomando como base los egresados de
la UDC. En línea con la directiva europea referida al Espacio Europeo de Educación Superior, se
persigue obtener información con un alto grado de fiabilidad acerca de cuáles son las diferencias
más importantes entre los ítems adquiridos en la universidad y los requeridos por los empresarios,
así como cuáles de dichas competencias son las que, en la actualidad, están influyendo más
en la probabilidad de encontrar un empleo. Los resultados de la misma nos permitirán conocer
cuáles son los puntos fuertes y débiles en la formación universitaria y permitirán mejorar el
conocimiento de la comunidad educativa acerca de la realidad tan cambiante del mercado laboral
y de la adecuación de la formación universitaria a dicha realidad.
Los objetivos de esta investigación se pueden resumir en: 1.Conocer el grado de competencias
adquiridas en la UDC por los titulados. 2. Identificar las competencias aplicadas en la empresa. 3.
Determinar las competencias requeridas por las empresas a los titulados universitarios. 4. Calcular
las diferencias existentes entre las exigencias empresariales y el grado de adquisición de dichas
competencias por parte de los titulados. 5. Conocer la opinión manifestada por los empresarios
acerca de la formación académica impartida en la UDC, y en particular, la importancia de las
prácticas en las empresas.
Esta investigación es un estudio cualitativo y cuantitativo en el que se usan datos sobre
competencias de dos fuentes principales, por un lado, los graduados de la universidad de A Coruña
(en adelante UDC) y, por otro, los empresarios de la provincia de A Coruña193. La metodología
utilizada es cuantitativa y se ha desarrollado en tres fases consecutivas: diseño de las muestras,
recogida de datos y análisis y elaboración de resultados.
Muestra de graduados. Con el objetivo de disponer de información acerca de los graduados
se han utilizado los ficheros del Centro de Cálculo de la Universidad (UDC). Esto ha facilitado el
acceso a la información de los universitarios que han terminado sus estudios en los últimos años.
Las titulaciones se han agrupado en 19 grupos por afinidad competencial, es decir, teniendo en
cuenta las similitudes existentes en los trabajos desempeñados por los graduados de cada grupo.
En la tabla 1 se presenta la composición de la muestra desagregada por género, la selección
muestral se ha hecho de forma aleatoria en base al censo de todos los graduados de las promociones
señaladas. En total se han entrevistado a 1.052 graduados.
El diseño de la muestra se realizó de forma estratificada, por titulaciones y año de finalización
de los estudios, siguiendo las técnicas habituales de muestreo. El tamaño muestral seleccionado
proporcionó un nivel de confianza del 98% y un margen de error del ±2%. El universo poblacional
se definió como el conjunto de graduados de la UDC pertenecientes a los cursos académicos de
2003/2004 y de 2006/2007. Es importante señalar que técnicamente la muestra obtenida para
graduados por afinidades competenciales alcanzó los objetivos propuestos, y la representación
por año de finalización de la carrera y titulación obtenida cumple con todas las condiciones
necesarias previas al muestreo.

193 La razón de seleccionar sólo la provincia de A Coruña se debe principalmente a que la mayoría de los
estudiantes universitarios encuestados trabajan en empresas de esta zona, especialmente, en los primeros años de
su graduación.

555
 Tabla 1.
Composición de la muestra de graduados por sexo y afinidad competencial de titulaciones
Afinidad competencial Hombre Mujer
1. Arquitectura y Arquitectura Técnica 58 38
2. Ciencias Empresariales y Administración y Dirección de Empresas 34 56
3. Maestros 17 66
4. Ingenierías Técnicas no Navales 46 25
5. Ingenierías en Informática 53 18
6. Ciencias de la Salud 11 57
7. Derecho 14 46
8. Ingenierías Superiores 43 14
9. Ciencias Económicas 23 32
10. Relaciones Laborales 12 41
11. Integración y Apoyo Social 7 42
12. Humanidades 12 33
13. Transporte y Navegación 34 10
14. Ciencias 10 33
15. Ciencias de la actividad física y del deporte 33 9
16. Sociología y Psicopedagogía 11 30
17. Turismo 8 28
18. Ingenierías Técnicas Navales 18 7
19. Biblioteconomía 6 17
Total 450 602

Muestra de empresas. Para disponer de la muestra de empresas se ha seguido una serie

de protocolos que es necesario especificar. El primer paso en esta etapa de la investigación ha
consistido en disponer de la máxima información posible sobre las empresas existentes en la
provincia de A Coruña194, y con todas las fuentes accesibles se ha elaborado un directorio propio
para el estudio. El punto de arranque ha sido la información general que se ha desagregado en
diversos subdirectorios: (a) los censos-directorios del INE (Instituto Nacional de Estadística) y del
IGE (Instituto Galego de Estadística); (b) los directorios Ardan, e-informa y otros directorios de
fuentes privadas, y (c) los directorios obtenidos mediante trabajo de campo (inspección in-situ de
los establecimientos empresariales existentes en las diferentes zonas industriales).
De este modo se ha obtenido información primaria de 10.269 empresas que se han agrupada
teniendo en cuenta el número de trabajadores y los sectores de actividad a nivel de 2 dígitos del
CNAE-2009. A partir de esa información de base, el principal objetivo ha sido contactar con
las empresas a través del envío de una carta pidiéndoles su colaboración en el estudio. Para la
obtención de la muestra de las empresas se han desagregado las empresas en grandes, medianas,
pequeñas y microempresas.
El diseño del proceso muestral ha sido diferente según el tamaño. En las empresas
pequeñas y las microempresas se realizó un muestreo aleatorio e independiente de todo el censo
para obtener una muestra del 7%. En el caso de las empresas medianas y grandes se ha trabajado
194 La razón por la que hemos escogido sólo la provincia de La Coruña es porque la mayoría de los universitarios
trabajan en las empresas del entorno, sobre todo en los primeros años después de la graduación.

556
directamente con todo el censo, aunque la muestra definitiva no consiguió incorporar a todas las
empresas de estos dos estratos.
La muestra ha sido diseñada de forma estratificada, siguiendo las técnicas habituales de
muestreo, por número de trabajadores y sector de actividad. Una vez obtenidos diversos tamaños
de la muestra, se ha seleccionado aquel que proporcionase un nivel de confianza del 98% y un
margen de error del ±3%. El universo poblacional ha sido definido como el conjunto de empresas
de la provincia de A Coruña.
En la tabla 2 se presenta el total de empresas encuestada para el estudio (907
establecimientos), desagregada según el número de trabajadores.

Tabla 2.
Composición de la muestra de empresas
encuestadas por número de trabajadores
Tamaño de empresa
Microempresas (< 9 trabajadores) 420
Pequeña empresa (10-49 trabajadores) 304
Mediana empresa (50-249 trabajadores) 142
Gran empresa (> 250 trabajadores) 41

En coherencia con los objetivos propuestos se utiliza una metodología de investigación de

corte cuantitativo, fundamentalmente descriptivo (Anderson, 2000), el enfoque metodológico por
el que se opta es el de la encuesta. Para la obtención de los datos se utilizan dos cuestionarios: el
cuestionario para el estudio de las competencias genéricas adquiridas por los graduados de la UDC
y el cuestionario de las competencias genéricas requeridas por los empresarios de A Coruña.
La información disponible en la encuesta a los graduados hace referencia a las puntuaciones
medias de las competencias profesionales para cada uno de los 19 ítems195 que el joven declara
haber adquirido en la UDC. Las categorías presentadas en el cuestionario han sido las siguientes:
desde 1= “ninguno o nada” a 7= “sobradamente o muy importante”.
En el cuestionario de empresas, se estudian las respuestas obtenidas de todas las empresas
de la muestra sobre las competencias requeridas a sus trabajadores. Las competencias transversales
analizadas están representadas por la valoración dada por los empresarios a los 19 ítems que
simplifican las competencias comunes a la mayoría de las profesiones y que se relacionan, como
hemos señalado, con la puesta en práctica de actitudes, rasgos de personalidad y conocimientos
que el empresario estima como necesarios para el desarrollo de una carrera profesional. Se optó
por incluir los mismos ítems con el mismo número de categorías y valores.

3. Análisis de resultados
Una vez tabulados los datos, el tratamiento estadístico aplicado en cada una de las dos
muestras ha sido un análisis descriptivo basado en el paquete informático SPSS 18.0. Se eligieron
los estadísticos más adecuados teniendo en cuenta las características de los ítems. Las competencias
se han medido a través de una escala ordinal Liker con valoraciones que van desde 1 a 7 puntos.
Para la calibración del modelo logit se utilizó el test de Hosmer Lemsehow, en donde las
distribuciones, esperada y observada se contrastan mediante una prueba de X2.
A continuación se presentan los resultados más relevantes de los ítems analizados en cada
195 Los 19 ítems utilizados en este trabajo de investigación simplifican las competencias comunes a la mayoría de
las profesiones y provienen de la lista de competencias genéricas establecidas en el proyecto Tuning anteriormente
citado.

557
una de las muestras estudiadas, así como las conclusiones que se alcanzan con la estimación
del modelo logit de la probabilidad de estar ocupado teniendo en cuenta las competencias
adquiridas.

3.1 Comparación de las competencias adquiridas por los titulados en la UDC y las requeridas
por las empresas
Las puntuaciones otorgadas a cada uno de los ítems adquiridos por los graduados de la
UDC y el nivel requerido por las empresas, se encuentran reflejados en la tabla 3. Hay que tener
presente que las competencias son generales, es decir, en su gran mayoría no afectan al desempeño
efectivo de un trabajo, pero puede ocurrir que, en algunos casos en concreto, dependiendo de la
profesión, o del tamaño de las empresas se produzcan diferencias significativas.
A la vista de la información obtenida, podemos destacar que la adecuación de las
competencias adquiridas respecto a las demandadas es media, siendo la variación entre algunos
ítems relativamente grande. Pero una cosa es valorar como importante la adecuación de las

Tabla 3.
Comparación entre las competencias adquiridas en la UDC y las requeridas por las empresas
Competencias Competencias
adquiridas Diferencial
requeridas

1. Responsabilidad en el trabajo 4,985 6,600 1,615

2. Capacidad de aprender 5,441 6,326 0,885
3. Motivación por el trabajo 4,801 6,309 1,508
4. Resolución de problemas 4,398 6,308 1,910
5. Capacidad de trabajar en equipo 5,057 6,232 1,175
6. Preocupación por la calidad y la mejora 4,866 6,202 1,336
7. Conocimientos básicos de la profesión 4,772 6,155 1,383
8. Capacidad de aplicar los conoc. a la práctica 4,351 6,143 1,792
9. Capacidad de organizar y planificar 4,539 6,098 1,559
10. Motivación por alcanzar metas 4,879 6,060 1,181
11. Capacidad de adaptación a nuevas situac. 4,646 6,021 1,375
12. Capacidad de comunicación 4,469 5,961 1,492
13. Compromiso ético 4,636 5,887 1,251

14. Habilidades interpersonales 5,02 5,837 0,817

15. Toma de decisiones 4,317 5,802 1,485
16. Capacidad para generar nuevas ideas 4,528 5,756 1,228
17. Habilidad de gestión de la información 4,752 5,703 0,951
18. Capacidad de análisis y de síntesis 4,951 5,559 0,608
19. Habilidad para trabajar de forma independ. 4,99 5,490 0,500
Total 4,758 6,024 1,266

558
competencias de los graduados de la UDC, pues todos los ítems alcanzan valores superiores a
4,758 puntos (es decir, sobre 10 su puntuación sería 6,80), y otra muy distinta la que hace
referencia a los requerimientos de las empresas que son muy superiores en casi todos los ítems
formativos (es decir, en una valoración de 1 a 10 exigirían de los jóvenes una formación promedio
en competencias de 8,61).
En relación a la priorización de los ítems que se hace en uno y otro entorno, se observan
claras asimetrías que es relevante señalar:
Entre los ítems que los empresarios consideran importantes y que su adquisición, según afirman
los graduados es de escasa relevancia, se encuentran, entre los más significativos: (a) la resolución
de problemas (puesto 4º en importancia para las empresas y 17º para los titulados); y (b) la
capacidad de aplicar los conocimientos a la práctica (puesto 8º en importancia para las empresas
y 18º para los graduados).
Entre los ítems que los empresarios consideran poco importantes y que, según afirman los
graduados son muy relevantes, destacan: (a) la habilidad para trabajar de forma independiente
(puesto 19º en importancia para la empresa y 4º para los graduados); y (b) las habilidades
interpersonales (puesto 14º en la empresa y 3º para los titulados).
Se observa que hay una gran diferencia entre los ítems más valoradas por parte de los
graduados y los requeridos por parte de las empresas. Estos resultados permiten alcanzar uno
de los fines de esta investigación que era tratar de cuantificar cuáles son las diferencias más
importantes entre los ítems adquiridos en la universidad y los requeridos por los empresarios.

3.2 Estimación logit de la probabilidad de estar ocupado.

Con el fin de analizar si las competencias adquiridas en la universidad son significativas
a la hora de estar trabajando y cuáles de las mismas son más relevantes, hemos realizado una
estimación utilizando un modelo logit binario196 en donde la variable dependiente es la situación
laboral (valor de referencia: estar en paro) y las independientes son las competencias adquiridas
en la universidad, el resultado de la misma se expone en la tabla 4.
Tabla 4.
Modelo logit binomial de la probabilidad de estar ocupado teniendo en cuenta las competencias adquiridas en
la universidad.
Variables B E.T. Wald Sig. Exp (B)
Conocimientos básicos de la profesión -0,175 0,064 7,378 0,007 0,840
Capacidad de comunicación -0,250 0,066 14,304 0,000 0,779
Capacidad de organizar y planificar -0,176 0,067 6,974 0,008 0,839
Capacidad de aprender 0,305 0,074 16,868 0,000 1,357
Capacidad de aplicar los conocimientos a la práctica 0,157 0,064 6,043 0,014 1,170
Motivación para alcanzar las metas 0,183 0,073 6,224 0,013 1,201
Capacidad de adaptación a nuevas situaciones 0,155 0,077 4,064 0,044 1,168
Toma de decisiones -0,408 0,076 28,595 0,000 0,665
Habilidad para trabajar de forma independiente 0,128 0,059 4,652 0,031 1,137
Constante 2,040 0,399 26,136 0,000 7,687
R2 de Nagelkerke 0,170
Clasificación correcta del modelo 73,9%

196 El objetivo primordial que resuelve esta técnica es el de modelar cómo influye en la probabilidad de aparición
de un suceso, habitualmente dicotómico (como en nuestro caso), la presencia o no de diversos factores y el valor o
nivel de los mismos.

559
 Para la calibración del modelo se utilizó el test de Hosmer_Lemsehow197 en el que se obtuvo
una X2 de 13,082 con 8 grados de libertad y ρ = 0,109, no existieron diferencias estadísticamente
significativas entre estar trabajando y no estarlo.
Los resultados más significativos, de la estimación del “modelo logit de la probabilidad
de estar ocupado teniendo en cuenta las competencias adquiridas en la universidad”, son los
siguientes: (a) las competencias adquiridas que afectan significativa y negativamente a la
probabilidad de estar ocupado son los conocimientos básicos de la profesión, la toma de decisiones,
la capacidad de organizar y planificar y la capacidad de comunicación y (b) las competencias
adquiridas que afectan significativa y positivamente a la probabilidad de estar ocupado son la
capacidad de aprender, la capacidad de aplicar los conocimientos a la práctica la motivación para
alcanzar las metas, la capacidad de adaptación a nuevas situaciones y la habilidad para trabajar
de forma independiente.
Es curioso observar que aquellas competencias clasificadas como instrumentales,
relacionadas directamente con las capacidades y la formación del graduado, como son la toma de
decisiones, los conocimientos básicos de la profesión o la capacidad de organizar y planificar y
que, en un principio, cabría pensar que son importantes de cara a la consecución de un empleo,
no sólo no afectan positivamente sino que afectan negativamente, entendiendo que aquellos
individuos que consideran que poseen una puntuación más alta en estas competencias tienen
menos probabilidad de encontrar un empleo. Mientras que, por el contrario, las competencias que
afectan positivamente al empleo son todas del tipo sistémicas, es decir competencias personales
transferibles como pueden ser la capacidad de aprender, la capacidad de aplicar los conocimientos
a la práctica, la motivación para alcanzar metas, la capacidad de adaptación a nuevas situaciones
o la habilidad para trabajar de forma independiente.
La confirmación de este conocimiento se consideran de gran valor en el momento actual
que está viviendo la universidad y contribuyen en la toma de decisiones de los responsables de
gestión y organización de cara a la consecución de los nuevos planes de estudios en donde uno de
los objetivos primordiales debe ser formar a profesionales con una alta capacidad de adaptación
al cambio de tal forma que se promueva en ellos el desarrollo de aquellas competencias que estén
directamente relacionadas con la polivalencia y sus habilidades personales.

4. Conclusiones
Las conclusiones obtenidas son muy significativas, y además, se presentan con una gran
rotundidad. Entre las más importantes podemos señalar:
Las competencias requeridas por los empresarios son siempre más altas que las que dicen
adquirir los graduados en la UDC, señal de la importancia que reconocen a las competencias
genéricas. Con la información disponible se puede afirmar que la valoración oscila entre un
mínimo en la habilidad para trabajar de forma independiente con 5,49 puntos y un máximo, en
la responsabilidad en el trabajo con 6,6 puntos.
La adecuación entre las competencias que dicen haber adquirido los graduados y las
requeridas por los empresarios es media. En la mayoría de los casos, los ítems con mayor variación
son los que hacen referencia a las competencias personales transferibles como la motivación en el
trabajo, la responsabilidad en el mismo o la capacidad de aplicar los conocimientos a la práctica.
En relación a la priorización entre los ítems que los empresarios consideran importantes y que, en
197 La prueba de Hosmer-Lemeshow (1989) consiste en dividir el recorrido de la probabilidad en deciles de riesgo
(por ej. la probabilidad de estar ocupado ≤ 0,1, ≤ 0,2, ….., ≤ 1) y calcular tanto la distribución de ocupados, como
la de no ocupados prevista por la ecuación y los valores realmente observados. Ambas distribuciones, esperada y
observada, se contrastan mediante una prueba de X 2.

560
opinión de los graduados, se les está dando escasa importancia, figuran la resolución de problemas
y la capacidad de aplicar los conocimientos a la práctica.
La estimación realizada del modelo logit en relación a las competencias adquiridas por
los graduados de la UDC nos muestra que las competencias que afectan positivamente a la
probabilidad de estar ocupado son aquellas de tipo sistémicas, caracterizadas por ser personales y
transferibles, como pueden ser la capacidad de aprender, de aplicar los conocimientos a la práctica
o la motivación para alcanzar metas.
Estos resultados son novedosos y muy interesantes en aras de mejorar la formación por
competencias de nuestros graduados y consecuentemente la calidad de nuestra universidad,
informándonos de que en la actualidad las competencias requeridas por la sociedad laboral son las
que hacen referencia a las cualidades particulares del individuo. La empleabilidad de los titulados
universitarios requiere de la universidad una mayor permeabilidad a las nuevas necesidades sociales
(Palmer, Montaño y Palou, 2009). Desde una perspectiva orientada a la mejora de la calidad de
la educación superior, la formación de graduados debe integrar un conjunto de aprendizajes de
carácter transversal o genérico que garanticen una buena incorporación al mundo del trabajo
y satisfagan las necesidades del mismo, para ello se debe formar a los profesionales con una
alta capacidad de adaptación al cambio de tal forma que se promueva en ellos el desarrollo de
aquellas competencias que estén directamente relacionadas con la polivalencia y sus habilidades
personales.
Por último, y a modo de reflexión, sería necesario que el sistema universitario español
implementase la realización de estudios sistemáticos sobre las competencias adquiridas por los
graduados y las requeridas por los empresarios, con el objetivo de que la universidad y los docentes
en general dispongan de información actualizada sobre la realidad tan cambiante del mercado
laboral.

Referencias
Alonso, L., C. Fernández y J. Nyssen (2009): El debate sobre las competencias. Una investigación
cualitativa en torno a la educación superior y el mercado de trabajo. ANECA, Madrid.

Barrón Tirado, Ma. C. (2009), “Docencia universitaria y competencias didácticas”, Perfiles

Educativos, vol. XXXI, núm. 125, pp. 76-85.

Barth, M., J. Godeman, M. Rieckmann y U. Stoltenberg (2007): “Developing key competences for
sustainabe development in higher education”, International Journal of Sustainability in Higher
Education, 8 (4), pp. 416-430.

Boyatzis, R. (1982): The Competent Manager. N.Y. Wiley and Sons.

Bunk, G. (1994): “Teaching competence in initial and continuing vocational training in the
Federal Republic of Germany”. Vocational Training European Journal, 1, pp. 8-14.

Cajide, J., A. Porto, C. Abeal, F. Barreiro, E. Zamora, A. Expósito y J. Mosteiro (2002): “Competencias
adquiridas en la universidad y habilidades requeridas por los empresarios”. Revista de Investigación
Educativa, 20 (2), pp. 449-467.

Carreras, J., y P. Perrenoud (2005): El debat sobre les competències a l’ensenyament universitari,

561
Barcelona: Universitat de Barcelona.

Corominas, E. (2001): “Competencias genéricas en la formación universitaria”, Revista de Educación

(MEC), 325, pp. 299-321.

De Miguel, M. (2005): “Cambio de paradigma metodológico en la Educación Superior. Exigencias

que conlleva”. Cuadernos de Integración Europea, 2, pp. 16-27.

DESECO (2003): Key competencies for a Successful life and well-functioning society. Final Report,
OECD, París.

Díaz Barriga, A. (2006): “El enfoque de las competencias en la educación. ¿Una alternativa o un
disfraz de cambio?”. Perfiles Educativos, vol. XXVIII, núm. 111, pp. 7-36.

Echeverría, B. (2002): “Gestión de la competencia de acción profesional”, Revista de Investigación

Educativa, 20, (1), pp. 7-43.

Ernest & Young Consultores (1997): Innovación en la gestión empresarial. 6 Gestión por
competencias, Madrid, Edición especial Cinco Días.

Fallow, S. y C. Steven (2000): Integrating key skills in higher education, London, Kogan Page.

Freire, M. (2008): Competencias profesionales de los universitarios, Secretaría del Consejo Social
de la Universidad de A Coruña.

Goñi Zabala, J. Ma. (2009): “El desarrollo de la competencia matemática en el currículo escolar de
la educación básica”. Educatio Siglo XXI, vol. 27, núm. 1, pp. 33-58.

Lévy-Leboyer, C (2003): Gestión de las competencias, Barcelona: Ediciones Gestión 2000.

López Ruíz, J. (2010): “Un giro copernicano en la enseñanza no universitaria: formación por
competencias”. Revista de Educación (Madrid), 356, (pendiente de publicación).

OECD (2008): Tertiary Education for the Knowledge Society. París.

Palmer, A., J. Montaño y M. Palou (2009): “Las competencias genéricas en la educación superior.
Estudio comparativo entre la opinión de empleadores y académicos”. Psicothema, 21, (3), pp. 433-
438.

Proyecto Tuning (2003). Tunning education structures in Europe. Informe final, Bilbao, Universidad
de Deusto.

Spencer, L. y S. Spencer (1993): Competence at Work, New York, John Wiley and Sons.

Villa, A. y M. Pobrete (2007): Aprendizaje basado en competencias. Una propuesta para la

evaluación de las competencias genéricas, Bilbao: Universidad de Deusto.

562
2. Aportación de la universidad y de la experiencia laboral al desarrollo de
competencias en la juventud egresada

Julio Grao, Universidad del País Vasco/Euskal Herriko Unibertsitatea (UPV/EHU)

José Miguel Carot, Universidad Politécnica de Valencia
Marian Iriarte, UPV/EHU
José-Ginés Mora, University of London
Carlos Ochoa, UPV/EHU
Pedro José Pérez, Universitat de Valencia
Cristina Uriarte, UPV/EHU
Luis E. Vila, Universitat de Valencia

563
Aportación de la universidad y de la experiencia laboral al desarrollo de
competencias en la juventud egresada*

Julio Grao, Universidad del País Vasco/Euskal Herriko Unibertsitatea (UPV/EHU)

José Miguel Carot, Universidad Politécnica de Valencia
Marian Iriarte, UPV/EHU
José-Ginés Mora, University of London
Carlos Ochoa, UPV/EHU
Pedro José Pérez, Universitat de Valencia
Cristina Uriarte, UPV/EHU
Luis E. Vila, Universitat de Valencia

Resumen
En los últimos años se ha desarrollado una intensa labor investigadora en torno a la formación
basada en competencias. El reciente interés en este campo de estudio se debe no sólo a la
necesidad de adaptación de las universidades al nuevo Espacio Europeo de Educación Superior,
sino también al compromiso de las instituciones de educación superior por mejorar la calidad de
la enseñanza universitaria y facilitar la integración de los futuros egresados en el mercado laboral.
El presente estudio pretende ofrecer una panorámica desde un triple punto de vista (graduados,
profesorado y empresas) del grado de ajuste entre el perfil competencial que efectivamente poseen
los jóvenes graduados y el requerido en el puesto de trabajo. En primer lugar se caracterizará el
perfil competencial de los jóvenes graduados desde una triple perspectiva: su propia visón, la del
profesorado y la de los empleadores; en segundo lugar se determinarán, también desde esa triple
perspectiva, cuales son las competencias profesionales efectivamente requeridas en el puesto de
trabajo. De la comparación de ambas y con información referente a la contribución de la educación
superior y de la experiencia laboral en el desarrollo competencial puede valorarse la idoneidad de
la educación superior a la hora de preparar a los futuros profesionales en el futuro desempeño de
sus tareas profesionales así como las posibles vías de mejora.

Palabras clave: Enseñanza Superior, graduados universitarios, experiencia laboral, competencias

profesionales, perfiles competenciales.

Clasificación JEL: I2 Educational and Research Institucions (I23 Higher Education Research
Institutions; I28 Government Policy).

1. Introducción
La tarea de identificar cuáles son las demandas que la sociedad del conocimiento ejerce
sobre las personas que estudian en las universidades, y sobre el grado en que las instituciones
de educación superior cumplen con la misión de equipar a su alumnado con las competencias
necesarias para satisfacer dichas demandas, ha sido objeto de diversos proyectos de investigación.
También se ha buscado conocer cómo las demandas sociales y la capacidad de las personas para
* El trabajo que se presenta a continuación forma parte de un proyecto desarrollado conjuntamente por un equipo de
la Universidad del Pais Vasco/Euskal Herriko Unibertsitatea, la Universidad Politécnica de Valencia y la Universidad
de Valencia, APORTACION DE LA UNIVERSIDAD Y LA EXPERIENCIA LABORAL AL DESARROLLO DE COMPETENCIAS EN
LOS JOVENES GRADUADOS UNIVERSITARIOS, habiéndose centrado dicho estudio en los universitarios guipuzcoanos
de la UPV/EHU. Este proyecto ha sido financiado por el Departamento de Innovación y Sociedad del Conocimiento
de la Diputación Foral de Gipuzkoa.

564
enfrentarlas reflejan los modos en que se organiza el trabajo en las empresas y otras organizaciones.
Los mercados de trabajo ya no sólo exigen que las personas con estudios universitarios posean un
nivel elevado de conocimientos y destrezas especializados en el nivel profesional, sino también
las capacidades que les permitan adaptarse a nuevos ámbitos de desarrollo profesional. Tres
tendencias principales afectan a las demandas que las personas graduadas en las universidades
deben satisfacer. La primera es el creciente énfasis social y económico en el papel crucial de la
educación y la formación en el desarrollo económico; la segunda es la volatilidad de todos los
procesos en los mercados de trabajo, desde la selección de personal a la asignación de tareas
y responsabilidades; la tercera es la profundización de los procesos de internacionalización y
globalización. Estas tendencias alimentan nuevas demandas sobre las competencias que los
individuos necesitan desarrollar para funcionar adecuadamente y contribuir a la generación de
bienestar privado y social. Además de la necesidad tradicional de que las personas formadas en
la universidad sean expertas en su propia área profesional, es decir, en el ámbito en que han
cursado estudios superiores, hoy en día es necesario que sean flexibles en varias dimensiones
para garantizar su empleabilidad a lo largo de toda su trayectoria profesional. Adicionalmente,
los objetivos de la estrategia de Lisboa implican la necesidad de reforzar específicamente las
capacidades de innovación de las economías europeas y avanzar hacia una utilización optima del
capital humano disponible. Finalmente, la globalización de la economía y la sociedad actuales
requiere que las personas con educación superior estén más orientadas internacionalmente.
El presente estudio pretende ofrecer una panorámica del grado de ajuste entre el perfil
competencial que efectivamente poseen los jóvenes graduados y el requerido en el puesto de
trabajo desde un triple punto de vista: el de los graduados, el del profesorado y el de las empresas.
El perfil competencial propio del graduado es el resultado de las competencias adquiridas durante
su paso por la universidad y de sus primeras experiencias laborales correspondientes al período de
transición al mercado de trabajo. La visión que los graduados ofrecen de su perfil competencial y
del perfil requerido en el puesto de trabajo que desarrollan indica las disparidades o desajustes,
en términos de competencias, de los individuos y sus trabajos. La visión de los graduados se
complementa con la que proporcionan los profesores de la universidad y los empleadores.
Adicionalmente, el análisis contribuye a la identificación de qué competencias se adquieren
principalmente como resultado de los estudios universitarios y cuáles se desarrollan en mayor
medida como consecuencia de la experiencia laboral y personal de los graduados, determinando
así las necesidades formativas de los graduados para desempeñar sus funciones laborales.

2. Metodología
El estudio de las competencias de los graduados universitarios se fundamentó en el análisis
de las opiniones de los diversos tipos de actores interesados en que la formación que reciben los
graduados universitarios les permita realizar una transición suave al mercado laboral y facilitar su
desarrollo personal y profesional. Así, se ha considerado la opinión de los propios graduados, la
de los profesores de la universidad y la de los empleadores.
Para conocer las opiniones de los graduados se utilizó el análisis de la encuesta REFLEX sobre
competencias y mercado laboral de los graduados universitarios en Gipuzkoa, País Vasco, España
y determinados países de Europa como Francia, Inglaterra y Alemania. El proyecto REFLEX: “El
Profesional Flexible en la Sociedad del Conocimiento: Nuevas Exigencias en la Educación Superior en
Europa” es una iniciativa que forma parte del Sexto Programa Marco de la Unión Europea. A partir
de la encuesta realizada en el marco de este proyecto se obtuvo una base de datos internacional
con un total de 40.787 registros. En la actualidad se está implantando la metodología del proyecto

565
en Latinoamérica y Europa Oriental. El proyecto se basa en la aplicación de un cuestionario a
los graduados universitarios que obtuvieron la titulación cinco años antes del momento de la
entrevista. El cuestionario constaba de varios apartados referidos principalmente a la experiencia
educativa del graduado durante la universidad así como su experiencia de transición al mercado
laboral y características de su trabajo actual. La opinión de los profesores universitarios se recabó
mediante una encuesta dirigida al personal docente e investigador de la Universidad del País Vasco
con sede en Gipuzkoa sobre la aportación de las instituciones de educación superior a la formación
en competencias. La opinión de los empleadores se obtuvo del examen de las percepciones de
los empresarios del entorno empresarial de Gipuzkoa sobre las competencias adquiridas por los
graduados recientes y la contribución de la experiencia laboral y la formación en el puesto de
trabajo al incremento y perfeccionamiento de sus competencias. Esta parte del estudio se realizó
mediante la metodología de grupos focales de interés. Esta herramienta de investiga¬ción se
fundamenta en la discusión, análisis y obtención de un conocimiento con¬sensuado por todos los
asistentes a la reunión sobre una temática social, que consti¬tuye el objeto de la investigación. En
este caso se debatieron distintos aspectos y cuestiones concernientes a la formación universitaria
de los graduados vascos así como su situación laboral y el papel que juegan sus competencias en
el desempeño de sus tareas.

3. La visión de los graduados

Las respuestas al cuestionario Reflex proporcionan la visión de los graduados. Dicha
visión con respecto al nivel competencial propio está resumida en el Gráfico 1 que muestra los
datos correspondientes a las diversas competencias ordenadas, en sentido horario, de menor a
mayor nivel promedio. El perfil competencial medio de los graduados presenta una forma espiral
característica, que pone de manifiesto diferencias considerables entre los relativamente altos
niveles alcanzados en algunas competencias y los niveles mucho más bajos alcanzados en otras.

Gráfico 1. Perfil competencial propio de los graduados

Hablar y escribir idiomas

Trabajar en equipo 6 Conocimientos de otras áreas

Adquirir nuevos conocimientos Negociar

5
Utilizar herramientas informáticas Detectar nuevas oportunidades

4
Hacerse entender Hacer valer tu autoridad

3
Utilizar el tiempo de manera efectiva Movilizar las capacidades de otros

Coordinar actividades Presentar en público ideas, informes

Rendir bajo presión Pensamiento analítico

Redactar informes y documentos Dominio del área propia

Encontrar nuevas ideas y soluciones Cuestionar ideas propias y ajenas

Gipuzkoa UPV-EHU Reflex

566
 En general, los graduados señalan poseer un mayor nivel en las competencias Trabajar
en equipo, Uso de herramientas informáticas, Adquisición de nuevos conocimientos y Encontrar
nuevas ideas y soluciones, mientras que Hablar y escribir en idiomas extranjeros, Conocimientos
de otras áreas, Hacer valer tu autoridad y Negociar son las competencias que los graduados poseen
en menor medida. Los perfiles competenciales medios de las personas encuestadas en la UPV/
EHU y en Reflex, por su parte, son casi perfectamente paralelos, esto es, muy similares entre sí
en cuanto a composición.
En lo que se refiere al nivel competencial requerido en los trabajos, el Gráfico 2 muestra
los datos correspondientes las diversas competencias ordenadas, en sentido horario, de menor
a mayor nivel promedio. En las tres muestras, las competencias más requeridas en los trabajos
son Utilizar el tiempo de manera efectiva, Dominio de la propia área y Hacerse entender. Por
el contrario, las competencias menos requeridas en los trabajos de los graduados son Negociar,
Conocimientos de otras áreas y, muy particularmente, Hablar y escribir idiomas extranjeros. Este
hecho contradice la creencia sobre el carácter imprescindible de los idiomas para el ejercicio
profesional de los universitarios: aunque el dominio de idiomas extranjeros pueda ser un criterio
de selección de personal, y estar por tanto vinculado al éxito profesional, no es un componente
de capital humano que resulte muy necesario, en promedio, en el desempeño del trabajo de los
jóvenes graduados.

Gráfico 2. Perfil de competencias requeridas en los puestos de trabajo

Hablar y escribir idiomas

Utilizar el tiempo de manera efectiva 6 Conocimientos de otras áreas

Dominio del área propia Negociar

5
Hacerse entender Presentar en público ideas e informes

4
Trabajar en equipo Detectar nuevas oportunidades

3
Rendir bajo presión Movilizar las capacidades de otros

Adquirir nuevos conocimientos Hacer valer tu autoridad

Utilizar herramientas informáticas Cuestionar ideas propias y ajenas

Encontrar nuevas ideas y soluciones Redactar informes y documentos

Coordinar actividades Pensamiento analítico

Gipuzkoa UPV-EHU Reflex

Considerados conjuntamente, los niveles competenciales alcanzados por las personas y

los niveles requeridos en sus trabajos permiten analizar la calidad del grado de ajuste entre las
exigencias del mercado de trabajo y las capacidades individuales. De la calidad de este ajuste
depende, en último término, la productividad del graduado en su trabajo y, por agregación, la
eficiencia de todo el sistema productivo. Globalmente, el grado de ajuste es razonablemente
elevado; no obstante, en competencias concretas el desajuste entre capacidades personales y
exigencias del trabajo es más apreciable y, por tanto, relevante. Así, las personas encuestadas en

567
la muestra de Gipuzkoa consideran, en promedio, que sus trabajos requieren mayor Dominio del
área y mayor capacidad para Rendir bajo presión y para Utilizar el tiempo de manera efectiva que
los que poseían en el momento de la encuesta. Por el contrario, consideran que tienen mayor
capacidad para los Idiomas, el Uso de herramientas informáticas y la Detección de oportunidades
que las que requieren las tareas y responsabilidades de los trabajos que realizan.
En cuanto al origen del desarrollo competencial, el Gráfico 3 muestra, según la opinión
de los egresados, cuál fue la contribución de los estudios universitarios a su desarrollo en las
diversas competencias. Resulta claro que los graduados opinan que la universidad fue la principal
fuente de competencias, especialmente en aquellas en que su nivel personal es más elevado. Así,
se aprecia que el Trabajo en equipo, Adquirir nuevos conocimientos con rapidez y el Dominio de
la propia área son las competencias con mayor contribución de los estudios; por el contrario, los
Idiomas, Hacer valer tu autoridad y Negociar son las competencias cuyo desarrollo ha sido menos
influenciado por los estudios universitarios.

Gráfico 3. Contribución de la universidad al desarrollo de competencias

Hablar y escribir idiomas

Trabajar en equipo 5 Hacer valer tu autoridad

Adquirir nuevos conocimientos Negociar

4
Dominio del área propia Detectar nuevas oportunidades

3
Pensamiento analítico Movilizar las capacidades de otros

2
Utilizar el tiempo de manera efectiva Conocimientos de otras áreas

Hacerse entender Cuestionar ideas propias y ajenas

Redactar informes y documentos Presentar en público ideas, informes

Utilizar herramientas informáticas Coordinar actividades

Encontrar nuevas ideas y soluciones Rendir bajo presión

Gipuzkoa UPV-EHU Reflex

4. La visión del profesorado

La visión del profesorado sobre las competencias se organiza en términos de su principal
función, que es la de contribuir al desarrollo académico, profesional y personal de sus estudiantes,
que serán los futuros titulados universitarios. La primera cuestión se planteó con relación a los
métodos de enseñanza que emplean en el aula: ¿Qué importancia le da en su experiencia docente
actual como profesor a las siguientes metodologías de enseñanza – aprendizaje?. La opinión más
destacada es que el profesorado del Campus de Gipuzkoa de la UPV/EHU parece hacer mayor
énfasis en métodos de enseñanza basados en los conocimientos prácticos, la asistencia a clase, el
aprendizaje basado en problemas, seminarios, y trabajos en grupo. Por otro lado creen menos en
el papel del profesor como fuente básica de información, en la enseñanza de teorías y paradigmas
o en los trabajos escritos que han sido tradicionalmente los aspectos centrales de la docencia en

568
las universidades españolas. En principio, este hecho debe ser valorarlo positivamente porque
representa un importante cambio de paradigma por parte del profesorado. Con relación a las
competencias que, según la opinión de los profesores, tienen los estudiantes cuando ingresan
en la universidad cabe destacar algunos hechos. En primer lugar, la competencia más valorada
en los nuevos estudiantes es su capacidad para manejarse con la informática. Este es un hecho
relativamente nuevo que muestra un avance de la preparación de los estudiantes en las nuevas
tecnologías. En segundo lugar, la competencia menos valorada es, lógicamente, el conocimiento
de la disciplina. También está poco valorado el conocimiento de otras disciplinas. En tercer lugar,
destaca que una de las competencias peor valoradas es el manejo de idiomas extranjeros. Mientras
que las deficiencias tradicionales en informática parecen afortunadamente superadas no se puede
decir lo mismo de los idiomas extranjeros en los que parece que no se superan las carencias
históricas. En general, la opinión del profesorado sobre algunas competencias básicas de los
estudiantes relacionadas con su capacidad de aprendizaje y su espíritu crítico son favorables. Así,
las competencias más valoradas por el profesorado después de la habilidad para la informática
son: la capacidad para adquirir con rapidez nuevos conocimientos, la capacidad para trabajar en
equipo, la capacidad para hacerse entender, la capacidad para encontrar nuevas ideas y soluciones,
la capacidad para rendir bajo presión, y la predisposición para cuestionar ideas propias o ajenas.
Se trata de un conjunto de competencias transversales que indican que el profesorado percibe que
el nuevo alumnado tiene una buena predisposición hacia el aprendizaje.
Por otra parte, la opinión de los profesores sobre qué competencias son más necesarias
para un adecuado funcionamiento en el mercado laboral indica que tanto el conocimiento
de la propia disciplina como el de otras disciplinas está entre las competencias consideradas
menos importantes para trabajar, resultado sorprendente si tenemos en cuenta que el sistema
universitario esta básicamente orientado a la formación disciplinar. Esto indica que los últimos
procesos de cambio curricular que están llevando a cabo las universidades esta calando realmente
en la cultura tradicional del profesorado. Además, el profesorado parece darle poca importancia
a las competencias organizativas tales como capacidad para coordinar actividades, negociar
de forma eficaz, rendir bajo presión, movilizar las capacidades de los demás o hacer valer tu
autoridad. Sin embargo, este tipo de competencias son claves en los puestos dirigentes. A recalcar
el hecho de que quienes concilian su trabajo en la universidad con otro trabajo exterior hacen
una valoración sensiblemente mayor de este grupo de competencias. Las competencias que el
profesorado considera más importantes para el trabajo son la capacidad para usar el tiempo de
forma efectiva, para hacerse entender, para trabajar en equipo, para redactar informes, para
presentar en público, para utilizar herramientas informáticas, para encontrar nuevas ideas y
soluciones, para adquirir con rapidez nuevos conocimientos y predisposición para cuestionar
ideas propias o ajenas. Ciertamente se trata de competencias importantes en el mercado laboral
todas ellas de carácter generalista o transversal.
Por último, las opiniones del profesorado sobre las competencias que proporciona la
Universidad indican que la universidad promociona el conocimiento de la propia disciplina
y la capacidad para seguir aprendiendo, dos competencias que forman parte de los objetivos
tradicionales de la enseñanza universitaria, pero que no son según los mismos profesores las más
necesarias para el trabajo. Por el contrario, las competencias más relacionadas con la capacidad
para la innovación y el emprendedurismo son las menos promovidas por la Universidad en opinión
de los profesores.
La Tabla 1 presenta el ‘déficit formativo’ evaluado como la diferencia para cada competencia
entre lo que la Universidad proporciona a sus graduados y lo que el mercado laboral necesita, ambas

569
valoradas por los profesores. Los resultados sugieren una imagen de aquello que sería necesario
cambiar para que el resultado de la enseñanza estuviese mejor adaptado a las necesidades del
mundo del trabajo.

Tabla 1. Déficit formativo según la visión de los profesores (Diferencia entre la contribución de la
universidad y los requerimientos del mercado laboral)

  En conjunto, se observa que los profesores no aprecian déficit en el conocimiento de la

propia disciplina y que el déficit es bajo en el conocimiento de otras disciplinas y en el conocimiento
informático. No ocurre lo mismo con el cuarto tipo de conocimiento incluido en la lista de
competencias, el de idiomas extranjeros, en el que el déficit es el más alto de todos. Aparte de los

570
idiomas, las competencias con mayores déficit son las relacionadas con la capacidad innovadora
(detectar oportunidades, encontrar nuevas ideas y soluciones, cuestionar las ideas) y con la
capacidad para gestionar el tiempo y las relaciones (negociar, hacerse entender). Un conjunto de
competencias que remarcan el escaso carácter innovador de la enseñanza universitaria y el escaso
desarrollo de las relaciones formales dentro de la Universidad. La necesidad de desarrollar este
tipo de competencias exige replantearse muy profundamente el modelo de enseñanza para hacer
que el déficit formativo disminuya en esas competencias tan importantes en el mercado laboral.

5. La visión de los empleadores

El estudio incluye la consideración de los empleadores en la evaluación de las competencias
de los graduados universitarios. Para conocer la visión de los empleados se ha usado la metodología
denominada “grupos focales de discusión”, consiste en una entrevista grupal abierta y dirigida,
empleada con frecuencia en análisis comercial y de marketing, así como en temas de investigación
social. El nombre de esta metodología hace referencia a la focalización del interés de los participantes
en un tema específico, previamente definido por el investigador. Este tema es planteado como
objeto de discusión, de forma que la extracción de conclusiones se realiza a partir de la interacción
y la contrastación de opiniones de los participantes. El objetivo de la reunión se fundamentó en la
discusión sobre cuál es el perfil de los recién titulados en cuanto a las competencias que ofrecen a
los empleadores en los procesos de selección de personal, y qué competencias sería necesario que
adquirieran para afrontar las dificultades y requerimientos inherentes a sus tareas en el ámbito
laboral. En definitiva, se pretende comparar la formación en competencias que caracteriza a los
actuales titulados universitarios y la formación que exigen los empleadores y organizaciones a sus
empleados con estudios universitarios. De la misma forma se enfatizó en cuáles son los factores
críticos de éxito que propician el aprendizaje de las competencias más demandadas en el mundo
laboral.
Finalizada la fase de debate e intercambio de opiniones, los participantes puntuaron las
competencias que consideraban más características del perfil de los titulados universitarios. Los
resultados resultaron acordes con las valoraciones previas de los participantes. Los ítems que
obtuvieron las mayores puntuaciones fueron: la capacidad para utilizar herramientas informáticas,
la capacidad para adquirir con rapidez nuevos conocimientos y el dominio del área de conocimientos.
Por el contrario los ítems que obtuvieron las menores puntuaciones correspondieron a las
relacionadas con el liderazgo, como movilizar las capacidades de otros, coordinar actividades,
detectar oportunidades, hacer valer la propia autoridad y negociar de forma eficaz. Asimismo la
capacidad para redactar informes o documentos resultó ser otra área de mejora evidente, al igual
que la capacidad para escribir y hablar en idiomas extranjeros.
La valoración de las competencias más necesarias en el ámbito laboral enfatizó la capacidad
para el trabajo en equipo, la capacidad para encontrar nuevas ideas y soluciones y la capacidad
para detectar nuevas oportunidades. Los conocimientos del área de estudio o de otras disciplinas
se valoraron igualmente de forma positiva, así como las competencias vinculadas a la capacidad
para adquirir con rapidez nuevos conocimientos y el pensamiento analítico. No ocurre lo mismo
con las competencias comunicativas, como la capacidad de redactar informes o documentos, la
capacidad para presentar en público productos, ideas o informes y la capacidad para hacerse
entender, reconocidas por los participantes como posibles aspectos de mejora en la formación de
los titulados. Igualmente determinadas capacidades de liderazgo parecen ser poco necesarias en
los trabajos de los titulados, como ocurre en el caso de la capacidad para hacer valer tu autoridad
y la capacidad para coordinar actividades.

571
 Considerando los resultados anteriores es posible representar gráficamente el perfil
competencial de los titulados universitarios. El Gráfico 4 muestra las diferencias en las puntuaciones
obtenidas. Las competencias con puntuaciones positivas (situadas en el sector derecho) reflejan
un excedente en el nivel de formación que ofrecen los graduados respecto al nivel exigido en
sus trabajos. Por el contrario las competencias con puntuaciones negativas (situadas en el sector
izquierdo) muestran las competencias en las que los titulados experimentan deficiencias formativas
en su contexto laboral.

Grafico 4. Ajuste de competencias según los empleadores (Diferencia entre Competencias

características del perfil de los titulados universitarios y Competencias requeridas en el ámbito
laboral de los titulados universitarios - Diferencia entre el número de puntos obtenidos por cada
competencia desde ambos enfoques)

 
Los participantes percibían a los titulados como personas con excelentes capacidades para
el uso de herramientas informáticas y para adquirir con rapidez nuevos conocimientos. Asimismo,
consideraban que tienen suficiente preparación para hacerse entender y cuestionar ideas propias
o ajenas. La formación en conocimientos de su propia área de estudio u otras áreas, también se
estimaron adecuadas respecto al nivel exigido en el trabajo, así como el pensamiento analítico.
No obstante los participantes juzgaron que los titulados mostraban ciertas deficiencias en las
competencias relacionadas al liderazgo, como las capacidades de detectar nuevas oportunidades,
movilizar las capacidades de otros, negociar de forma eficaz y coordinar actividades. Por otro lado
los idiomas extranjeros y la capacidad de redactar documentos reaparecen como obligadas áreas
de mejora así como el trabajo en equipo.
La última fase del estudio se focalizó en la identificación de los factores críticos de éxito
que favorecen o facilitan el aprendizaje de las competencias exigidas a los titulados en el ámbito
laboral. En términos generales los participantes señalaron como factores más relevantes la
realización de prácticas en empresa, el desarrollo de valores laborales que fomenten la adquisición
de competencias, la propuesta de modelos o referentes de trabajo y la alineación de las expectativas

572
de los titulados con las de la organización. En primer lugar las prácticas en empresa surgieron
de forma unánime como la herramienta básica para aportar una nueva perspectiva a los recién
titulados. Esta experiencia resulta interesante para los estudiantes tanto si contribuyen a ampliar
sus conocimientos, como si no es así, ya que igualmente constituye un importante ejercicio de
contacto con la realidad del mundo laboral. De esta forma los participantes consideraban que las
prácticas en empresa contribuyen en cualquier caso al desarrollo de competencias transversales a la
formación de los titulados. Tal es la relevancia que los participantes concedieron a esta experiencia
formativa, que incluso propusieron ciertas mejoras como que se realicen preferentemente en el
extranjero, que planteen al estudiante problemas reales, que se exija ya en la realización del
Proyecto Final de Carrera y que también puedan realizarlas los profesores, evitando así la pérdida
de contacto con el entorno empresarial. El siguiente factor de éxito propuesto por los participantes
fue el desarrollo de valores laborales que fomenten la incorporación de competencias. Valores
tales como la confianza en el titulado, la autonomía en la ejecución del trabajo y la fidelidad a
la empresa se citaron como ejemplos de valores que deberían poseer los titulados. Respecto al
ámbito laboral se aludió a la dificultad de lograr la correspondencia entre valores individuales y
empresariales y se sugirió que, idealmente, la Universidad debería orientar a los estudiantes hacia
el desarrollo de un balance equilibrado de valores académicos y empresariales. Otros factores
considerados fueron a) la importancia de un modelo de liderazgo efectivo de la organización, que
facilite el aprendizaje de las competencias necesarias para realizar el trabajo; b) que se realicen
tareas de orientación de las personas. Esta orientación debe basarse siempre en una adecuada
gestión del conocimiento, de forma que permita identificar a las personas con las capacidades
requeridas por la organización así como los procedimientos mediante los que las adquirieron; c)
la importancia de que los titulados poseyeran suficiente visión internacional para comprender que
pueden desarrollar su trabajo en el ámbito internacional.

6. Sumario y conclusiones
El estudio permite obtener una visión multidimensional de las competencias de los
graduados universitarios desde la perspectiva de los estudios universitarios y la transición al
mundo del trabajo a través de las experiencias profesionales tempranas. Dichas experiencias
pueden considerarse como el resultado de los procesos de búsqueda de empleo por parte de los
individuos, en los cuales éstos utilizan todas las capacidades que poseen y, por tanto, también
las que han desarrollado durante sus estudios universitarios. Las experiencias laborales en la
transición también dependen de otros muchos elementos tales como las políticas de contratación
de las empresas y las organizaciones, las regulaciones del mercado de trabajo o del clima económico
general.
En primer lugar se analiza la opinión de los graduados sobre su propio nivel competencial,
el nivel competencial requerido en su trabajo, y la contribución de los estudios a su desarrollo
competencial. En segundo lugar, se estudia la opinión del profesorado universitario sobre los
métodos de enseñanza más adecuados para el desarrollo competencial, los niveles de competencia
de los graduados, y las competencias requeridas por el mercado laboral. En tercer lugar, se analiza
la visión de los empleadores en cuanto a las competencias de los graduados y las requeridas en
los trabajos que realizan, así como sobre la adquisición de competencias en el propio puesto de
trabajo.
Los graduados universitarios se consideran a sí mismos bien dotados en algunas competencias
(Trabajo en equipo, Adquirir con rapidez nuevos conocimientos y Herramientas informáticas),
mientras que consideran claramente mejorable su nivel en otras capacidades (Movilizar a los otros,

573
Detectar nuevas oportunidades, Coordinar actividades y Negociar de forma eficaz). Los estudios
universitarios contribuyeron en gran medida al desarrollo competencial de los graduados. De
hecho, la contribución de la carrera universitaria al desarrollo competencial fue relativamente
más elevada precisamente en las capacidades en que se consideran mejores. Otras competencias
como Hablar y escribir lenguas extranjeras, Hacer valer tu autoridad y Negociar de forma eficaz
constituyen un conjunto diferenciado cuyo desarrollo se debe en menor medida a los estudios
universitarios.
Los graduados consideran, en conjunto, que poseen las competencias requeridas en su
trabajo aunque reconocen carencias en Rendir bajo presión y para Utilizar el tiempo de manera
efectiva. Por el contrario, consideran que tienen mayor capacidad para los Idiomas, el Uso de
herramientas informáticas y la Detección de oportunidades que las que requieren las tareas y
responsabilidades de los trabajos que realizan. La opinión de los graduados sobre el desajuste
competencial traza un panorama que coincide, a grandes rasgos, con la visión que ofrecen los
profesores y con la de los empresarios.
Los profesores opinan que las mayores carencias se encuentran, aparte de los idiomas, en
las competencias relacionadas con la capacidad innovadora (detectar oportunidades, encontrar
nuevas ideas y soluciones, cuestionar las ideas) y con la capacidad para gestionar el tiempo y
las relaciones (negociar, hacerse entender). Los empresarios, por su parte, también enfatizan
como competencias más necesarias en el ámbito laboral la capacidad para el trabajo en equipo,
la capacidad para encontrar nuevas ideas y soluciones y la capacidad para detectar nuevas
oportunidades. La conveniencia de desarrollar este tipo de competencias en mayor grado durante
los estudios universitarios exige replantear los modos de aprendizaje para que el déficit formativo
disminuya en esas competencias tan importantes en el mercado laboral. Desde la perspectiva de los
empleadores existen determinados factores críticos de éxito capaces de contribuir significativamente
a la adquisición de las competencias requeridas en el puesto de trabajo: realizar prácticas en
empresa, el desarrollo de valores laborales, ofrecer referentes para los recién titulados (modelos
de liderazgo efectivo), buscar una mayor correspondencia entre los intereses de los titulados y los
de la organización, y fomentar una mayor implicación y responsabilidad de los graduados con su
trabajo.

Referencias
Allen, J. y R. van der Velden (2001): “Educational Mismatches versus Skill Mismatches: Effects on
Wages, Job Satisfaction and On-the-job Search”. Oxford Economic Papers, 53, 434-452.

Amabile, T. M (1996); Creativity in Context. Westview Press, Boulder, USA.

Arthur, M.B., S. N. Khapova, C. P. M. Wilderom (2005): “Career success in a boundaryless career

world”. Journal of Organizational Behavior, vol. 26, nº2, 177-202.

Becker, G.S. (1964). Human Capital.

Bishop, J. H. (1995): “Vocational Education and At-Risk Youth in the United States”. Vocational
Training European Journal, 6, 42.

Boshuizen, H. P. A. (2004): “Does Practice Make Perfect? A slow and discontinuous process”. En
H. P. A. Boshuizen, R. Bromme y H. Gruber (Eds) Professional Learning: Gaps and Transitions on

574
the way from novice to expert Dordrecht: Kluwer Academic Publishers.

Buesa, M. y A. Zubiarurre (1999): “Patrones tecnológicos y competitividad: Un análisis de las

empresas innovadoras del País Vasco”. Ekonomiaz, vol. 44, 208-237

Bunk, G. P. (1994): “La transmisión de las competencias en la formación y perfeccionamiento

profesionales en la RFA”. CEDEFOP, 1, 46-61.

Diputación Foral de Guipúzcoa (2006): Informe i-guipuzkoa 2010, Guipuzkoa en la Sociedad de la

Información, estrategia 2006-2010.

European Commission (2005): Strategy for an innovative and inclusive European Information
Society. Information Society and Media. General Fact and Sheet.

FECYT (2007): Mujer y ciencia. La situación de las mujeres investigadoras en el sistema español
de ciencia y tecnología, 2ª edición actualizada.

Fundación COTEC para la Innovación Tecnológica (1997): Patrones y comportamientos de innovación

tecnológica en las PYMES del País Vasco. Análisis de casos.

García-Aracil, A. y R. van der Velden (2008): “Competencies for young European higher education
graduates: labor market mismatches and their payoffs”. Higher Education.

Hartog, J. (1992): Capabilities, Allocation and Earnings. Boston: Kluwer.

Heijke, H., C. Meng y G. Ramaekers (2003): “An investigation into the role of human capital
competences and their pay-off”. International Journal of Manpower, 24, 750-773.

Kellerman, P. (2007): Acquired And Required Competencies Of Graduates. En U. Teichler (Ed)

Careers of University Graduates: Views and Experiences in Comparative Perspectives Dordrecht:
Springer.

Korman, A.K., Wittig-Berman, U. y Lang, D. (1981). Career Success and Personal Failure: Alienation
in Professionals and Managers. Academy of Management Journal, vol. 24, nº 2, 342-360.

Lawrence, P. A. (2006): “Men, Women, and Ghosts in Science”. PLoS Biol. 4(1): e19

Mora, J.G., CEGES-LMPF (2008): “El éxito laboral de los jóvenes graduados universitarios europeos”.
Revista de Educación, nº extraordinario 2008, 41-58.

Ochoa, C. (coord.) (2010): Aportación de la Universidad y la experiencia laboral en Gipuzkoa al

desarrollo de competencias en la juventud egresada universitaria. UPV/EHU y Diputación Foral de
Gipuzkoa.
Nordaug, O. (1993): Human capital in organizations, competence, training and learning.

Plan de Ciencia, Tecnología e Innovación 2010 para el País Vasco

575
Ramis Pujol, J. (2005): Guía práctica de la innovación para PYMES. ANETCOM

ROA (Research Centre for Education and the Labour Market). The Flexible Professional in the
Knowledge Society. New Demands on Higher Education in Europe (REFLEX) < http://www.fdewb.
unimaas.nl/roa/reflex/> [Consulta: 08/01/2007]

Schomburg, H. (2007): “The Professional Success of Higher Education Graduates”. European

Journal of Education, vol. 42, nº1, 35-57

Seibert, S.E., M.L. Kraimer y R.C. Liden (2001): “A social capital theory of career success”. Academy
of Management Journal, 2, 219-237.

Stasz, C. (1998): Generic Skills at Work: Implications for Occupationally-Oriented Education.

En W. J. Nijhof y J. N. Streumer (Eds) Key Qualifications in Work and Education (pp. 187-206).
Dordrecht: Kluwer Academic Publishers.

Tejada Artigas, C. M., S. Tobón, J. A. Martínez, C. Mendo, J. A. Moreiro González y L. F. Ramos Simón
(2006): El diseño del plan docente en Información y Documentación acorde con el Espacio Europeo
de Educación Superior: un enfoque por competencias. Facultad de Ciencias de la Documentación.
Universidad Complutense de Madrid.

TRAGSA (2006): Manual de Oslo 3ª edición. Organización de Cooperación y Desarrollo Económico,

Empresa de Transformación Agraria, Oficina Estadística de las Comunidades Europeas.

Vila, L. (2005): “Capital Humano Heterogéneo y Productividad de los Graduados de Educación

Superior”. Revista Económica de Castilla-La Mancha, 7, 82.

576
3. La adaptación al entorno de las universidades españolas

Gonzalo Rodríguez Pérez, Universidad Autónoma de Barcelona

Inmaculada Vilardell Riera, Universidad Autónoma de Barcelona

577
La adaptación al entorno de las universidades españolas

Gonzalo Rodríguez Pérez, Universidad Autónoma de Barcelona

Inmaculada Vilardell Riera, Universidad Autónoma de Barcelona

Resumen
Con la adaptación de las enseñanzas universitarias al Espacio Europeo de Educación Superior
(EEES), las universidades han tenido plena libertad para diseñar su oferta docente, reformando los
contenidos de estudios ya existentes, implantando nuevos títulos o suprimiendo otros con el fin
de atender las aspiraciones y necesidades de sus stakeholders –estado, estudiantes, instituciones
públicas, la industria en general– y compitiendo para la captación de más y mejores estudiantes.
En definitiva, cada institución ha tenido que diseñar su estrategia para hacer frente a la nueva
situación en las condiciones más favorables.
El objetivo de nuestro trabajo es determinar las causas y motivos que han inspirado las estrategias
seguidas por las universidades españolas en su adaptación al EEES en este empeño por atender las
demandas de la sociedad y de un entorno de creciente competitividad. Para alcanzar este objetivo
se analiza y compara la oferta formativa de las Facultades de Economía y Empresa de un total de
83 centros universitarios españoles desde dos perspectivas: (a) estrategias de diversificación y (b)
de diferenciación en la oferta de los grados.

Palabras clave: educación superior, diversidad, diferenciación horizontal.

1. Introducción
La adaptación de las enseñanzas universitarias al Espacio Europeo de Educación Superior
(EEES) ha supuesto para las universidades españolas dos retos importantes: atender las aspiraciones
y necesidades de sus stakeholders –estado, estudiantes, instituciones públicas, la industria en
general– y ser competitivas en su entorno. Con estos fines, las universidades han tenido plena
libertad para diseñar su oferta docente reformando los contenidos de estudios ya existentes,
implantando nuevos títulos o extinguiendo algunos con el fin de competir para la captación de
más y mejores estudiantes. En definitiva, cada institución ha tenido que diseñar su estrategia
para hacer frente a la nueva situación en las condiciones más favorables.
En el ámbito de los estudios de Economía y Empresa esta situación se acentúa puesto
que se trata de unos estudios de gran demanda con muchas alternativas dónde escoger, dado
que prácticamente la totalidad de las universidades españolas ofrece títulos de esta rama
del conocimiento. Por otra parte, la supresión de las diplomaturas ha obligado a las Escuelas
Universitarias de Ciencias Empresariales a definir una nueva oferta adaptada a las capacidades del
profesorado existente o bien a entrar en procesos de fusión con facultades afines.
El objetivo de este trabajo es determinar las causas y motivos que han inspirado las
estrategias seguidas por las Facultades de Economía y Empresa (FEE) de las universidades españolas
en su adaptación al EEES, con el fin de atender las demandas de la sociedad y a un entorno de
creciente competitividad. Para alcanzar este objetivo se analiza y compara la oferta formativa de
una muestra de las Facultades de Economía y Empresa de un total de 83 centros universitarios
españoles desde dos perspectivas: (a) estrategias de diversificación y (b) de diferenciación en la
oferta de títulos.
La teoría institucional ofrece un marco útil para entender las respuestas de las universidades
a los cambios del entorno. Para explicar las estrategias seguidas por las Facultades de Economía

578
y Empresa en el proceso de adaptación de su oferta de estudios al EEES construimos dos índices,
uno de diversificación y otro de diferenciación, y los relacionamos con factores como la titularidad
de la universidad, la ratio de cobertura matrícula/oferta, el tamaño de la FEE y otras variables
caracterizadoras de estas Facultades nos permitan explicar su comportamiento en los términos
analizados.
Este trabajo se estructura de la forma siguiente. Tras esta introducción se exponen
las razones y la adecuación de la elección del ámbito de estudio a los objetivos del mismo.
Posteriormente se presenta el marco teórico en el que se apoya la investigación. En el cuarto
apartado se describe el diseño de la misma, con la muestra y las variables analizadas, y en el
quinto se realiza el análisis de los resultados para presentar, en último lugar, las conclusiones más
relevantes de la investigación empírica.

2. La adaptación al EEES de los títulos relacionados con la economía y la empresa

Hemos focalizado nuestro análisis en las Facultades y Escuelas Universitarias del sistema
universitario español que imparten estudios relacionados con la economía y empresa198 por
varias razones: la dimensión y competitividad del mercado en el que operan y el proceso de
reestructuración organizativa al cual se han visto inmersas. Los títulos vinculados a esta rama
del conocimiento, a lo largo del tiempo, han atraído y continúan atrayendo una gran cantidad de
estudiantes. En el curso 2009-2010, los estudiantes matriculados por primera vez en este tipo de
títulos representaban el 20% aproximadamente del total de estudiantes de nuevo ingreso en el
sistema universitario español, considerando universidades públicas, privadas y no presenciales.
Por otra parte, el 95% de las universidades españolas ofrece algún título relacionado con la
economía o la empresa199. Así pues, se trata de un mercado con una dimensión importante y un
grado de competencia elevado.
La adaptación de las enseñanzas universitarias al EEES ha homogeneizado la duración de
todos los títulos de grado con la consecuente supresión de las diplomaturas y las titulaciones de
segundo ciclo. Este cambio ha afectado especialmente a la titulación de diplomado en Ciencias
Empresariales, que en los cursos previos a la reforma (2006-07 y 2007-2008) aglutinaba una
media del 38 % de los alumnos de nuevo ingreso matriculados en estudios vinculados a la
economía y la empresa, lo que representaba el 6,5% del total de estudiantes que se incorporan al
sistema universitario público español. A su vez, estos estudios eran ofrecidos por un 86% de las
universidades públicas y un 54,5% de las privadas. La reconversión de la diplomatura en Ciencias
Empresariales en estudios de grado no ha sido una tarea fácil dada la existencia de un grado
en Administración y Dirección de Empresas (ADE) que presenta una gran demanda. Además, la
supresión de dicha diplomatura ha llevado aparejada, en la mayoría de casos, la desaparición de
las Escuelas Universitarias de Estudios Empresariales y su fusión con las Facultades de Economía y
Empresa de la misma universidad. Por su parte, la supresión de los títulos de segundo ciclo de este
ámbito –Ciencias Actuariales e Investigación y Técnicas de Mercado– no tiene una repercusión tan
importante sobre las Facultades puesto que en los cursos citados sólo aglutinaban algo más del
2,5% de los alumnos de nuevo ingreso en el sistema universitario público.
En esta nueva coyuntura, las FEE se enfrentan a dos retos importantes: dar respuesta a una
demanda creciente de formación de titulados en este campo y garantizar su sostenibilidad en un
198 A lo largo de este trabajo las denominaremos de forma genérica “Facultades de Economía y Empresa” (FEE) dada
la diversidad de denominaciones existente. Así pues, el término FEE incluye las Facultades, las Escuelas Universitarias
de Estudios Empresariales y los centros adscritos a las universidades públicas.
199 Datos extraídos de los Informes sobre la oferta, la demanda y la matrícula de nuevo ingreso de cada curso
elaborados por el Ministerio de Educación.

579
mercado de fuerte competencia, lo que les obliga a adoptar las estrategias que han considerado
más adecuadas para conseguir dichos objetivos. Estas estrategias pivotan sobre dos ejes, la nueva
oferta de estudios y los cambios en la estructura organizativa. Las facultades han definido su
nueva oferta de enseñanzas siguiendo estrategias de diversificación o concentración de títulos, y
entrando en procesos de fusión o absorción de las Escuelas Universitarias de Estudios Empresariales
existentes. Además, dada la competencia creciente entre facultades para la captación de más y
mejores estudiantes, éstas deben potenciar a través de los contenidos de los estudios ofrecidos
algunos rasgos característicos que les permitan una cierta diferenciación.
La respuesta de las facultades a estos cambios impuestos por el entorno que acentúan la
competencia entre ellas puede adoptar diferentes formas:
• Concentración: las facultades no sustituyen los títulos suprimidos por otros nuevos
y optan por ofrecer más plazas de los más demandados y de mayor éxito. Como concluye Rossi
(2009) las universidades, en presencia de limitaciones financieras y dada la vinculación de su
financiación al número de matriculados, son muy sensibles a las dinámicas de la demanda de
los estudiantes a corto plazo, por lo que ajustan su oferta de curricula a la evolución de la
matrícula.
• Diversificación: las facultades han ofrecido nuevos títulos que sustituyen a los
eliminados o que incrementan su elenco manteniendo el número de plazas ofrecidas Se trata de
una diversificación horizontal en el sentido de que “las universidades son libres para definir la
combinación de materias de acuerdo con sus estrategias, ofreciendo cursos y grados a diferentes
públicos” (Daraio et al. 2011, p. 150)
Nuestra hipótesis es que las Facultades de Economía y Empresa han tendido a ofrecer
los mismos títulos que venían ofreciendo y no han presentado procesos de diversificación, ni
de diferenciación manteniendo un comportamiento homólogo en la elección de la oferta de sus
títulos.

3. Marco teórico
La mayoría de estudios efectuados hasta la fecha sobre los determinantes de la diversidad
en la educación superior se centran en las instituciones o en los sistemas universitarios en su
conjunto (Riesman, 1956; Birnbaum, 1983; Rhoades, 1990; Meek, 1991 y Rossi, 2009, 2010,
entre otros). Son pocos los autores que han estudiado el comportamiento de las instituciones
de educación superior en relación a su oferta de estudios (Schultz y Stickler, 1965; Huisman y
Morphew, 1998; Morphew y Huisman, 2002).
Las posiciones teóricas actuales respecto a la diversificación y diferenciación en educación
superior son controvertidas200. Por un lado hay autores que defienden que los sistemas de educación
superior muestran una tendencia innata hacia la diferenciación y los niveles incrementales de
diversidad (Parsons y Platt, 1973 y Clark, 1978) o los que mantienen que la acción del gobierno
puede contribuir a la diversidad institucional (Huisman y Morphew, 1998). En la literatura sobre
educación superior, la diversidad ha sido identificada como uno de los principales factores asociados
con un rendimiento positivo del sistema ya que se supone que los sistemas de educación superior
diversificados producen niveles altos de orientación al cliente (atendiendo a las necesidades de
los estudiantes y del mercado), movilidad social, eficacia, flexibilidad, innovación y estabilidad
(van Vught, 2008). Las instituciones universitarias llevan a cabo procesos de diversificación y
diferenciación motivadas por distintos factores como la necesidad de satisfacer las demandas de
los estudiantes y del mercado laboral (Van Vaught, 2008); la variedad de la población estudiantil,
200 Para una visión elaborada de los estudios ver Huisman (1995).

580
la emergencia y crecimiento de nuevas disciplinas y el crecimiento de las oportunidades de trabajo
para los graduados (Clark, 1983).
En el lado opuesto, se sitúan los que, basándose en el isomorfismo institucional201 concluyen
que los sistemas de educación superior se caracterizan por una tendencia hacia la uniformidad,
la homogeneización y hacia niveles decrecientes de diversidad debido a la influencia del contexto
institucional, como las políticas gubernamentales y de regulación (Morphew y Huisman, 2002);
la competencia por los recursos escasos (Hannan y Freeman, 1989; van Vught, 2008) o al fuerte
predominio de los valores y normas de los académicos (Rhoades, 1990; Meek, 1991), lo que
conduce a un comportamiento de imitación –isomorfismo–, también llamado “deriva académica”
por el cual las instituciones, en ausencia de ninguna restricción, tienden a copiar el papel y a
parecerse cada vez más a las instituciones de mayor prestigio ((Riesman, 1956; Neave, 1979;
Birnbaum, 1983 y Berdhal, 1985).
Morphew y Huisman (2002) arguyen que la teoría institucional ofrece un marco muy útil
para examinar y explicar las razones por las cuales se producen estos comportamientos. Esta
teoría establece que, cuando las organizaciones están sometidas a fuertes presiones externas,
para sobrevivir tienden a un isomorfismo institucional. Éste consiste en un proceso de adaptación
a un entorno uniforme que tiende a conducir a la homogenización puesto que las organizaciones
reaccionan de forma más o menos similar. DiMaggio y Powell (1991) formulan tres procesos que
conducen al isomorfismo institucional, siendo el que denominan mimético202 el que constituye el
núcleo de nuestro análisis. Sin embargo, otros autores señalan factores que pueden favorecer la
diversidad, como la demanda masiva de educación superior (Neave, 2000) o la competencia entre
instituciones (Aldrich, 1979).
Ya hemos comentado que nuestro objetivo es contrastar si el proceso de definición de
los nuevos planes de estudio de las Facultades de Economía y Empresa de las universidades
españolas ha seguido un proceso isomórfico o ha tendido a la diversidad mediante estrategias de
diversificación y diferenciación en la oferta de los grados.

4. Diseño de la investigación
4.1 Muestra
Nuestra unidad de análisis son las facultades de las universidades españolas que ofrecen
títulos relacionados con la economía y la empresa. Los cambios introducidos por la adaptación
de los estudios a l’EEES en el estado español convierten a las facultades en el nivel en el cual
se toman las decisiones referentes a la oferta de títulos, y dónde se elaboran y diseñan los
contenidos de los planes de estudios. Hasta la fecha no conocemos ningún estudio a este nivel de
desagregación dado que la mayoría de trabajos toman la universidad, el departamento o incluso
los grupos de investigación como unidad de análisis.
La población objeto de estudio abarca tanto las universidades públicas como las privadas y
los centros adscritos que ofrecen títulos relacionados con la economía y la empresa, considerados
en cada caso como centros independientes. De las diferentes FEE se ha recogido información
sobre número y título de los estudios ofrecidos, los campos o sedes en las que se imparten dichos
títulos, la oferta de plazas y el número de matriculados para el año 2006 (el primero del cual se
dispone de una cantidad importante de datos y en el que la mayoría de centros todavía no se
había adaptado al EEES) y el año 2009 (último del cual se dispone de datos). En el panel A de la
201 El isomorfismo “es un proceso que fuerza a una unidad de una población a parecerse a las otras unidades que se
enfrentan a las mismas condiciones del entorno” (DiMaggio i Powell, 1991, p. 66)
202 El isomorfismo mimético resulta de dar respuestas estándar a la incertidumbre, lo que conduce a la imitación de
lo que hacen las organizaciones exitosas.

581
tabla 1 se puede observar como nuestra muestra está formada por un total de 82 centros en 2006
y 83 centros en 2009. No se han considerado los centros de los que no se dispone de datos. La
distribución de la muestra según la titularidad de los centros –públicos, privados y adscritos– es
similar a la de la población, aunque la proporción de los centros públicos es inferior en 10 puntos
a la que representan en la población y la de los centros adscritos superior en 12 puntos.
En total se han analizado 251 grados (G) y 250 licenciaturas y diplomaturas (L), de lo cual
se deduce que el número de grados ofrecidos por las universidades analizadas es prácticamente
idéntico al número de licenciaturas y diplomaturas en proceso de extinción. Por titulaciones,
los estudios en Administración y Dirección de Empresas (ADE) constituyen la mayor parte de
la oferta de las FEE, tanto antes como después de la adaptación al EEES, con un incremento
importante, tanto absoluto como relativo, pasando de representar el 33% de la matrícula en 2006
a ser del 39% en 2009. Probablemente, una parte del incremento en la matrícula de este grado
puede atribuirse a la extinción de la diplomatura de Ciencias Empresariales, que agrupaba en el
año 2006 el 36% de los estudiantes matriculados en estudios de economía y empresa, y en 2009
se ha reducido al 20%. Las titulaciones de Economía recogen un 11% del total de alumnos, con
una ligera disminución de 2006 a 2009. Los estudios de Turismo eran cursados por el 5% de los
alumnos en 2006, con una ligera disminución de un 1% en 2009. Finalmente, el resto de estudios
ofrecidos por las FEE han pasado de representar un 13% en 2006 a un 25% en 2009, lo que podría
indicar una cierta diversificación en sentido contrario a lo sugerido por el incremento de los
grados de ADE.

4.2 Variables a explicar

En la identificación de los procesos de diversificación y diferenciación de las FEE, siguiendo
a Rossi (2009) partimos de las definiciones de estos conceptos acuñadas por Huisman (1995)
y las adaptamos a nuestra unidad de análisis –la facultad–. Huisman toma como unidad de
análisis las instituciones de diferentes tipos y Rossi, en su trabajo sobre el sistema universitario
italiano, toma como unidad la universidad. No obstante, en cada caso se mantiene el sustrato de
la definición adaptado a las características de la unidad de análisis.

4.2.1 Índice de diversificación

La diversificación es “el proceso por el cual una institución cambia en el tiempo en relación
a su configuración pasada” (Rossi, 2009, p. 395). En nuestro caso, entenderemos la diversificación
como el cambio en el número de títulos distintos que ofrece una facultad, por lo que será más
diversificada cuando mayor variedad ofrezca o más especializada si dispone de una menor variedad
en relación a todo el rango de títulos posible.
La medida de la diversificación de la oferta de títulos de las universidades la obtendremos
basándonos en el índice de Herfindahl (H), una herramienta ampliamente usada para medir el
poder de mercado de las empresas, así como el grado de concentración de una industria. En el
ámbito de la educación superior Daraio et al. (2011) lo usan, junto con otras ratios, para medir
la concentración de estudiantes de 488 universidades europeas; Hoxby (1997) lo ha utilizado en
diferentes trabajos sobre la estructura del mercado de la educación superior de USA y Rossi (2009,
2010) define su inverso para medir la diversificación en la oferta de disciplinas de las universidades
italianas. A excepción del trabajo de Laband y Lentz (2004), hasta la fecha no conocemos ningún
estudio que utilice dicho índice a nivel de título. El índice (V) que utilizaremos expresa la inversa
de la suma del cuadrado de la proporción que representa cada título i sobre la oferta total de la
facultad j:

582
 n⎛ x ⎞2
Vj = 1/ ∑⎜ ij ⎟
i =1 ⎝ X j ⎠

donde, xij es el número de veces que se ofrece el título i por la facultad j y Xj es el número total de
títulos ofrecidos por la misma (suma de xij). El índice normalizado, que se situará entre 0 (mínima
€ diversificación correspondiente a centros con una sola titulación) y 1 (máxima diversificación), se
calculará mediante la siguiente expresión Vj* = (Vj – 1) / (n – 1) , siendo n el número total de
títulos distintos ofrecidos por el conjunto de facultades. Un valor de 1 indicaría que la facultad
ofrece todos los títulos considerados.

4.2.2 Índice de diferenciación

La diferenciación es “el proceso por el cual una institución cambia una o más de sus
características en relación a la totalidad del sistema del cual forma parte” (Rossi, 2009, p. 395).
Una facultad puede diferenciarse más o menos según si la composición de la oferta de títulos que
realiza dista mucho o poco de la ofrecida por una “facultad media”. Para medir la diferenciación
en la oferta de títulos de las FEE utilizaremos el índice empleado por Rossi (2009, 2010) tomado
de Zwanziger et al. (1996). Se trata del “índice de diferenciación” de una facultad j que se expresa
de la forma:

xji xi 2
D j = ∑( − )
i Xj X
donde, xji representa el número de veces que se ofrece el título i por la facultad j, y Xj el número
total de xji ofrecidos por la facultad j; xi es el número de títulos i ofrecidos por todas las facultades
€ y X el número total de títulos ofrecidos por todas las facultades.
Este índice nos indicará si la composición de los títulos ofrecidos por una facultad es más o menos
similar a la ofrecida por la media de las facultades, indicando una diferenciación mínima cuando
toma el valor cero o máxima cuanto toma el valor 1.

4.3 Variables explicativas

Para explicar tanto la diversificación como la diferenciación de las facultades en los
años 2006 y 2009, así como su evolución, se consideran diferentes variables que pueden estar
relacionadas con estos procesos.
La titularidad de la institución –pública, privada o adscrita– puede haber condicionado la
estrategia seguida por las universidades. Antes de la adaptación al EEES, al existir un catálogo
de títulos oficiales con directrices comunes, las universidades públicas tenían menor libertad
que las privadas para diseñar su oferta, por lo que estas últimas podrían presentar a priori más
diversificación / diferenciación. Sin embargo, con motivo de la adaptación al EEES es de esperar que
los cambios más substanciales en la oferta de estudios se presenten en las universidades públicas.
En consecuencia, la dimensión temporal afectaría el grado de diversificación / diferenciación,
pues podemos esperar más diversidad de estudios en 2009 que en 2006 como consecuencia de la
exención de ceñirse a un catálogo cerrado de títulos.
El número de sedes de cada facultad también puede influir en su comportamiento, puesto
que un mayor número de sedes favorecería la propuesta de estudios diferenciados en cada una de
ellas. La identificación de las FEE de nuestra muestra se ha realizado a partir de la situación que
presentan en el año 2009 en el que ya se han producido la mayoría de fusiones de las Escuelas

583
Universitarias de Estudios Empresariales con las Facultades afines, ampliándose el número de
universidades con una FEE con presencia en más de un campus. Esta dispersión geográfica que,
a priori, puede comportar mayor diversificación también puede actuar en sentido contrario dada
la probabilidad que las diplomaturas en Ciencias Empresariales se reconviertan en grados en ADE
por la similitud de sus contenidos.
A pesar de que escoger como nivel de análisis la facultad facilita la comparación entre las
unidades analizadas, subsiste cierta heterogeneidad entre las facultades debido a la amplia gama
de títulos ofrecidos. Así, nos encontramos con facultades especializadas en estudios relacionados
con la economía y la empresa (p.e. las Facultades de Ciencias Económicas y Empresariales) y
otras, más generalistas, que comparten una oferta de estudios de economía y empresa con otros
del ámbito de las ciencias sociales (p.e. las Facultades de Ciencias Sociales y Jurídicas). En este
último caso, las posibilidades de diversificación / diferenciación son mayores, tanto desde una
perspectiva estática como dinámica a lo largo del tiempo.
También desde el doble punto de vista, estático y dinámico, el tamaño de la Facultad
–medido por el número de alumnos matriculados en primer curso– podría relacionarse con una
mayor diversificación / diferenciación, por cuanto permitiría ofrecer un mix de títulos más
específico adaptado a las diversas opciones de los estudiantes al disponer de más personal con
diferentes conocimientos. Lo mismo podría decirse si consideramos la capacidad investigadora
de la Facultad –medido a través del número de artículos publicados en el área de economía en
el periodo 2003-2005 por profesores del centro en revistas recogidas en el índice Thomson ISI–.
Una mayor capacidad investigadora, además de recoger un efecto de tamaño, indicaría también la
posibilidad de ofrecer unos estudios más diversos dada la mayor especialización del profesorado.
Finalmente, la última variable considerada para explicar la diversificación / diferenciación
es la ratio de cobertura que relaciona el número de matriculados y las plazas ofertadas. Un valor
alto de esta ratio indica que se cubren las plazas ofrecidas, por lo que la Facultad no tendría tanta
presión para cambiar su oferta de estudios. Adicionalmente, un valor alto de esta ratio podría
relacionarse con un comportamiento sensible a las demandas de los estudiantes, lo que puede
conducir a las facultades a concentrar sus opciones de títulos.

5. Análisis de resultados
5.1 Análisis descriptivo y bivariante
En la Tabla 1 Panel B se puede observar como la diversificación media (DIV) de las FEE se
ha reducido significativamente entre 2006 y 2009, sin que su diferenciación (DIF) haya variado
significativamente, lo que indicaría que con la adaptación al EEES las facultades han reducido el
elenco de títulos ofrecidos coincidiendo en la elección de los que van a impartir en el futuro.
Al comparar las medias de la diversificación y diferenciación según la titularidad de la
institución (panel C de la tabla 1) constatamos que, con el tiempo, la diversificación ha disminuido
en todos los tipos de centros, siendo significativa esta diferencia únicamente para las FEE públicas,
lo que indicaría su tendencia a una mayor concentración. A su vez, la media de la diversificación no
es significativamente diferente para las facultades públicas y las privadas mientras que los centros
adscritos sí que presentan, en los dos años analizados, una diversificación significativamente
menor que los otros dos tipos de centros.
En cuanto a la diferenciación observamos cómo, en 2006 y en 2009, los más diferenciados son
los centros adscritos, seguidos de las FEE privadas y por las públicas con diferencias significativas
para todos ellos. No obstante, hay que interpretar con cautela este resultado, pues la mayor
diferenciación de los centros adscritos se debe a que ofrecen un menor número de títulos y, por

584
ello, se distancian más de la media, al igual que sucede en las universidades privadas. Hemos de
considerar también el gran peso de las universidades públicas en la construcción de esta media.
En todo caso podemos afirmar que, entre 2006 y 2009, sólo se observa un incremento significativo
en la media de diferenciación de las FEE de titularidad pública, por lo que la adaptación al EEES
ha conducido a una mayor diferenciación entre las facultades de las universidades públicas.

Tabla 1. Muestra y descriptivos de variables dependientes (diversificación y diferenciación) e

independientes
Panel A. Datos de la muestra
Centros Matriculados
Total Públicos Privados Adscritos Total Públicos Privados Adscritos
Muestra 2006 82 45 16 21 40.578 35.538 2.582 2.458
Muestra 2009 83 45 17 21 42.717 35.927 4.165 2.625

Panel B. Descriptivos de los índices de diversificación y diferenciación. Años 2006 y 2009.

Significación de
Media Desv, st Mínimo Máximo
las diferencias
2006 DIV 0,117 0,085 0,000 0,341
***
2009 DIV 0,080 0,068 0,000 0,399
2006 DIF 0,175 0,197 0,035 0,850
2009 DIF 0,191 0,180 0,031 0,843
*p-value < 0.1; **p-value < 0.05; ***p-value < 0.01.
DIV: diversificación; DIF: diferenciación.

Panel C. Descriptivos de los índices de diversificación y diferenciación segmentados por

titularidad de la universidad. Años 2006 y 2009.
Significación de
Media Desv, st Mínimo Máximo
las diferencias
2006 DIV
ADS (1) 0,050 0,058 0,000 0,167 (2)** y (3)***
PRIV (2) 0,126 0,099 0,000 0,333 (1)***
PUB (3) 0,146 0,074 0,044 0,341 (1)***

2009 DIV
ADS (1) 0,030 0,028 0,000 0,083 (2)** y (3)***
PRIV (2) 0,083 0,067 0,000 0,255 (1)***
PUB (3) 0,103 0,071 0,000 0,399 (1)***

2006 DIF
ADS (1) 0,363 0,226 0,054 0,805 (2)** y (3)***
PRIV (2) 0,216 0,239 0,038 0,850 (1)** y (3)**
PUB (3) 0,074 0,046 0,035 0,225 (1)*** y (2)***

2009 DIF
ADS (1) 0,373 0,230 0,138 0,843 (2)** y (3)***
PRIV (2) 0,167 0,127 0,058 0,480 (1)***
PUB (3) 0,114 0,091 0,031 0,480 (1)***

*p-value < 0.1; **p-value < 0.05; ***p-value < 0.01.

DIV: diversificación; DIF: diferenciación; ADS: Centros adscritos; PRI: Centros privados; PUB: Centros públicos.
585
 En la tabla 2 se presentan las diferentes relaciones entre las variables incluidas en el
estudio. Del análisis de las correlaciones entre las variables continuas (panel A) observamos,
en primer lugar, que existe una correlación negativa y significativa entre la diversificación y
la diferenciación. Aquellas facultades más diferenciadas (más apartadas de la media) están
menos diversificadas, o lo que es lo mismo, las facultades más especializadas son las que más se
diferencian de la muestra. La misma observación podría hacerse si se considera la diferencia entre
2006 y 2009 para estas variables.
Tanto la diversificación como la diferenciación dependen positivamente del tamaño–
medido a través del número de matriculados en primer curso– y de la potencia investigadora de la
facultad. La correlación entre estas dos variables nos indica que ambas son subrogadas del tamaño.
La ratio de cobertura matrícula/oferta no explicaría ni la diversificación ni la diferenciación, pero
sí la evolución de esta última, indicando que aquellas facultades con mayor porcentaje de plazas
cubiertas se han diferenciado menos dado que ya que estaban ajustadas a la demanda.

Tabla 2. Análisis bivariante

Panel A: Correlaciones entre variables continuas
DIV DIF DIV_D DIF_D ART MAT MAT_OF
DIV 1,0000
DIF -0,6290 *** 1,0000
DIV_D -0,1135 0,3023 * 1,0000
DIF_D -0,1399 0,2893 -0,3528 ** 1,0000
ART 0,3995 *** -0,3347 *** 0,0993 0,0412 1,0000
MAT 0,5662 *** -0,4556 *** -0,0255 0,0641 0,5914 *** 1,0000
MAT_OF 0,0534 -0,1067 0,1075 -0,4249 *** 0,0454 0,0228 1,0000

*p-value < 0.1; **p-value < 0.05; ***p-value < 0.01.

DIV: diversificación; DIF: diferenciación; DIV_D: diversificación 2009 – diversificación 2006;
DIF_D: diferenciación 2009 – diferenciación 2006; ART: número de artículos publicados en revistas
indexadas en el Thomson Reuters ISI en el área de Economía en el periodo 2003-2005; MAT_OF:
matriculados / plazas ofertadas; MAT: alumnos matriculados en primer curso.

Panel B: Medias de la diversificación / diferenciación respecto a variables discretas

*p-value < 0.1; **p-value < 0.05; ***p-value < 0.01.

DIV: diversificación; DIF: diferenciación; DIV_D: diversificación 2009 – diversificación 2006; DIF_D:
diferenciación 2009 – diferenciación 2006; NOECO: 0 si la facultad sólo ofrece títulos relacionados
con la economía y la empresa, 1 si ofrece además otros títulos; CENT: 0 si la facultad sólo tiene
un centro, 1 si tiene varios

586
Panel C. Medias de las variables independientes continuas frente a las discretas
MAT ART MAT_OF
(3) vs (1)
121 0,05 0,60
ADS (1) (3) vs (1) (3) vs (2)
***
PRI (2) 217 (3) vs (2) 12,35 1,51
PUB (3) 794 29,69 0,92

NOECO=0 460 20,00 0,91

NOECO=1 581 17,03 1,00

CENT=0 373 14,95 *** 0,94

***
CENT=1 896 29,37 0,96

2006 507 - 0,85

*
2009 514 - 1,04

ADS: Centros adscritos; PRI: Centros privados; PUB: Centros públicos; NOECO: 0 si la facultad sólo
ofrece títulos relacionados con la economía y la empresa, 1 si ofrece además otros títulos; CENT:
0 si la facultad sólo tiene un centro, 1 si tiene varios; ART: número de artículos publicados en
revistas indexadas en el Thomson Reuters ISI en el área de Economía en el periodo 2003-2005;
MAT_OF: matriculados / plazas ofertadas; MAT: alumnos matriculados en primer curso; TI: nº de
títulos diferentes ofrecidos.

En el Panel B de la Tabla 2 observamos cómo tanto la diversificación como la diferenciación

son significativamente mayores en las facultades especializadas en estudios de economía y
empresa que en las más pluridisciplinares, lo que sustenta que el hecho de una especialización en
un ámbito del conocimiento permite ofrecer un catálogo de títulos más amplio y diferente que las
facultades más generalistas. Por otro lado, las facultades con más de una sede son más diversificadas
pero menos diferenciadas que las de seda única, lo cual puede ser debido a duplicidades en la
programación de títulos. Por su parte, las facultades pluridisciplinares presentan una evolución
de la diversificación significativamente menor que las facultades especializadas en economía y
empresa, dada probablemente la existencia de un catálogo de estudios suficientemente amplio
que no precisan variar.
En el Panel C de la Tabla 2 observamos las relaciones entre diferentes variables que
caracterizan a las FEE. El tamaño y la producción científica de las facultades de titularidad pública
son significativamente mayores que los de las privadas y adscritas, entre las cuales no existen
diferencias significativas. En las FEE de las universidades públicas la media de artículos publicados
en 2009 es significativamente más alta que en 2006.
Respecto a la ratio de cobertura matrícula/oferta, las universidades privadas presentan una
ratio media superior a 1, mientras que las universidades públicas se ajustan relativamente bien
a la oferta y los centros adscritos no cubren la totalidad de las plazas ofertadas. Las diferencias
entre las medias de la ratio de cobertura entre los tres tipos de centros son significativas.
Entre las facultades especializadas en estudios de economía y empresa y las pluridisciplinares
no existen diferencias significativas en relación a las variables anteriores (tamaño, producción
científica y ratio de cobertura). En cambio, como cabía esperar, las facultades con más de una sede
son significativamente de mayor tamaño. Respecto a la evolución entre los años 2006 y 2009,
no se observan diferencias significativas en el tamaño de las facultades, pero sí las hay respecto
a la media de la ratio de cobertura, siendo mayor en 2009 que en 2006, lo que indicaría que la
587
adaptación al EEES ha favorecido el equilibrio entre plazas ofertadas y estudiantes matriculados,
aunque esta diferencia sólo es atribuible a la evolución de las universidades privadas ya que en
las públicas y en los centros adscritos el cambio entre 2006 y 2009 de la media de la ratio de
cobertura no es significativo. Probablemente otros factores no considerados en este estudio como
la población que accede a la universidad en cada uno de los años sea un elemento que puede
influir notablemente en esta evolución.

5.2 Análisis multivariante

En la tabla 3 se presenta el análisis multivariante para explicar la diversificación /
diferenciación y su evolución en función de diferentes variables. Para evitar problemas derivados
de la multicolinealidad no se han considerado algunas variables explicativas correlacionas con
las finalmente incluidas en el análisis. Sin embargo se ha considerado de interés incluir tanto
el tamaño como la titularidad del centro, a pesar de que las universidades públicas presentan
un tamaño significativamente mayor que el resto. Hemos optado por ello debido a que estas dos
variables, a pesar de su relación, podrían tener efectos diferentes sobre las variables a explicar.
Para explicar la diversificación y la diferenciación en 2006 y 2009, en la primera y la segunda
columna se realiza un análisis tobit (dado que el valor de las variables se sitúa entre cero y uno)
considerando datos de panel con efectos aleatorios. Los resultados son idénticos si se realizan
análisis tobit para cada año por separado.

Tabla 3. Análisis de regresión por mínimos cuadrados ordinarios de los factores que explican la
diversificación, la diferenciación y la diferencia de estas variables entre los años 2009 y 2006
DIV DIF DIV_D DIF_D
NOECO 0,0795 *** -0,0768 ** -0,0378 *** -0,00865
(6,341) (-2,563) (-3,607) (-0,279)
CENT -0,00601 0,0124 0,00645 0,00108
(-0,402) (0,340) (0,518) (0,0293)
MAT_OF 0,00598 -0,0413 *** 0,0166 *** -0,0678 ***
(0,978) (-2,658) (2,845) (-3,928)
PRIV 0,0700 *** -0,132 *** -0,0621 *** 0,0526
(3,715) (-2,955) (-3,784) (1,083)
PUB 0,0774 *** -0,244 *** -0,0546 *** 0,0706
(4,192) (-5,638) (-3,576) (1,562)
MAT 5,89e-05 *** -3,84e-05 2,05e-05 -1,60e-05
(3,757) (-1,002) (1,537) (-0,406)
2009 -0,0432 *** 0,0227
(-6,973) (1,546)
Constant -0,0102 0,417 *** -0,00998 0,0480
(-0,691) (12,73) (-0,887) (1,442)
n 163 163 82 82
R2 ajust. - - 22,12 15,23
Wald Chi2 162.19 *** 82.16 *** - -

*p-value < 0.1; **p-value < 0.05; ***p-value < 0.01.

DIV: diversificación; DIF: diferenciación; DIV_D: diversificación 2009 – diversificación 2006; DIF_D:
diferenciación 2009 – diferenciación 2006; NOECO: 1 si la facultad ofrece títulos no relacionados
con la economía; CENT: 1 si la facultad tiene más de un centro; MAT_OF: matriculados / plazas
ofertadas; PRIV: 1 si la universidad es privada; PUB: 1 si la universidad es pública; MAT: alumnos
matriculados en primer curso. 2009: 1 si el año es 2009. La variable de referencia de las universidades
privadas y públicas son los centros adscritos.

588
 Observamos una dependencia positiva entre la diversificación y el hecho de que la facultad
sea pluridisciplinar (NOECO), que se trate de una universidad privada (PRIV) o pública (PUB)
respecto a un centro adscrito (pero no hay diferencia entre que sea privado o público) y el tamaño
de la facultad. Por el contrario, en el 2009 se observa una disminución de la diversificación, como
ya hemos comentado anteriormente. Para explicar la diferenciación dejan de ser significativos el
tamaño y el año y aparece como variable explicativa la ratio de cobertura matrícula/oferta, si
bien, todos los coeficientes presentan signos negativos.
En cuanto a la evolución de la diversificación podemos afirmar que las universidades
públicas y privadas se han diversificado menos que los centros adscritos, así como las facultades
pluridisciplinares. Por el contrario, el porcentaje de plazas cubiertas explica una mayor
diversificación, siendo la única variable que explica los procesos de diferenciación en sentido
negativo: cuanto mejor se cubren las plazas ofertadas menos necesidad ha tenido la facultad de
diferenciarse del resto.

6. Conclusiones
La adaptación de las enseñanzas universitarias al EEES no ha supuesto un cambio radical
en la oferta de títulos de las Facultades de Economía y Empresa. De la comparación de la oferta
de estudios de estas facultades entre el año 2006, previo a la implantación de los nuevos grados,
y el 2009 en el cual una buena parte de los mismos ya se impartía, se observa una reducción en
la media del elenco de títulos ofrecidos por cada facultad sin apenas diferenciación entre ellas.
Una razón para este comportamiento isomórfico la podemos encontrar en la supresión
de la diplomatura en Ciencias Empresariales. Este hecho ha comportado que algunas facultades
hayan ampliado el número de sedes (debido a procesos de fusión) y hayan podido buscar títulos
sustitutivos. No obstante, ni la extensión geográfica, ni la posibilidad de diseñar nuevos estudios
han sido aprovechados por las FEE españolas para realizar una oferta innovadora como elemento
diferenciador. Todo lo contrario, la mayoría de facultades ha convertido la diplomatura en Ciencias
Empresariales en un grado en ADE aumentado la oferta de plazas en aquellas facultades que ya
lo ofrecían. Este comportamiento se justifica por la demanda creciente y sostenida de dichos
estudios, lo que garantiza ciertas posibilidades de éxito en su oferta y, como hemos visto, de
nuestro análisis se deduce que la cobertura de las plazas ofrecidas de un estudio es un elemento
que perjudica la diferenciación. Así pues, podemos concluir que las universidades españolas en la
adaptación de los estudios al EEES han tendido a la homogeneización en la oferta de títulos y a
seguir la dinámica de la demanda de los estudiantes.
El comportamiento de las FEE en el diseño de los grados difiere en función de la titularidad
de la institución a la cual pertenecen. Los centros adscritos a las universidades públicas son los
que presenten una menor diversidad de estudios, por lo que realizan una oferta limitada pero
diferenciada del resto de centros, si bien son los que más se han diversificado en el período
estudiado. La sostenibilidad de los centros adscritos debe basarse en una oferta muy distintiva de
la que realizan las universidades públicas y privadas, lo que es corroborado por los resultados de
la investigación de que cuanto más especializado es un centro más se diferencia del resto.
Las universidades públicas, a pesar de que su mayor tamaño y superior capacidad
investigadora favorece su diversificación, han tendido a la concentración de títulos. No obstante,
la libertad que ofrece el EEES de diseñar nuevos grados ha sido aprovechada por las Facultades de
Economía y Empresa para introducir una cierta diferenciación, si bien los resultados no difieren
sustancialmente de los de las universidades privadas, aunque éstas últimas presentan mayor
diferenciación, siguiendo un comportamiento similar a los centros adscritos.

589
 Por su parte, el hecho que una facultad esté especializada en economía y empresa le
permite realizar una oferta más amplia de títulos y diferente de la que ofrecen las facultades más
generalistas.
Las conclusiones de esta investigación están en línea con las tesis y resultados de la
mayoría de trabajos en el ámbito de la educación superior que demuestran un comportamiento
mimético de las universidades a las presiones del entorno que se traduce en una homogeneización
de las organizaciones. Trabajos posteriores más detallados en los que se incluyan variables hasta
ahora no consideradas como la demanda de los estudiantes, con mejoras en la muestra y la
metodología utilizadas, nos permitirán profundizar en estos resultados.

Referencias
Aldrich, H.E. (1979): Organizations and environments. Englewood Cliffs, NJ: Prentice-Hall.

Berdahl, R. O. (1985): “Strategy and government: US state systems and institutional role and
mission”. International Journal of Institutional Management in Higher Education 9 (3), 301-307.

Birnbaum, R. (1983): Maintaining Diversity in Higher Education. San Francisco: Jossey-Bass.

Clark, B.R. (1978): United States. En: J.H. van de Graaff; B.R. Clark; D. Furth; D. Goldsschmidt
y D. Wheeler (eds.) Academic Power: Patters of Authority in Seven national Systems. New York:
Praeger.

Clark, B. R. (1983): The higher education system: academic organization in cross-national

perspective. Berkeley: University of California Press.

Daraio, C., A. Bonaccorsi, A. Geunah, B. Lepori, L. Bach, P. Bogetoft, M.F. Cardoso, E. Castro-
Martinez, Crespi, G., I. Fernandez, H. Fried, A. Garcia-Aracil, A. Inzelt, B. Jongbloed, G. Kempkes,
P. Llerena, M. Matt, M. Olivares, C. Pohl, T. Raty, M. J. Rosa, C.S. Sarrico, L. Simar, S. Slipersaeter,
P.N. Teixeira, F. Vanden Eeckaut (2011) The European university landscape: A micro characterization
based on evidence from the Aquameth Project, Research Policy 40, 148-164.

DiMaggio, P.J. y Powell, W.W. (1991): The new institutionalism in organizational analysis. Chicago:
University of Chicago Press.

Gates, G. (1997): “Isomorphism, homogeneity, and rationalism in university retrenchment”. Review

of Higher Education 20 (3), 253-275.

Hannan, M.T. y Freeman, J. (1989): Organizational Ecology. Cambridge: Harvard University

Press.

Hoxby, C.M. (1997): “How the changing market structure of US Higher Education explains college
tuition”. Working paper 6323, National Bureau of Economic Research, Cambridge. www.nber.org/
papers/w6323.

Huisman, J. (1995): Differentiation, Diversity and Dependency in Higher Education.

Utrecht:Lemma.

590
Huisman, J. y Morphew, C. C. (1998): “Centralization and diversity: Evaluating the effects of
government Policies in US and Dutch Higher Education”. Higher Education Policy 11(1), 3-13.

Laband, D.N. y B.F. Lentz (2004): “Do costs differ between for-profit and not-for-profit producers
of higher education? Research in Higher Education 45(4), 429-441.

Meek, V.L. (1991): “The Transformation of Australian higher education from binary to unitary
system”. Higher Education 21 (4), 461-494

Meek, V.L., L. Goedegebuure, O. Kivinen y R. Rinne (eds.) (1996) The Mocker and Mocked:
Comparative Perspectives on Differentiation, Convergence and Diversity in Higher Education. IUA
Press Pergamon.

Ministerio de Educación, Informe sobre la oferta, la demanda y la matrícula de nuevo ingreso.

Varios años, www.educacion.es/educacion/universidades/estadisticas-informes/informes.html

Morphew, C.C y J. Huisman (2002): “Using Institutional Theory to Reframe Research on Academic
Drift”. Higher Education in Europe,26(4), 491-506.

Neave, G. (1979): “Academic drift: Some views from Europe”. Studies in Higher Education 4(2),
143-159.

Neave, G. (2000): “Diversity, differentiation and the market: The debate we never had but which
we ought to have done”. Higher Education Policy 131, 7–21.

Parsons, T. y Platt, G.M. (1973): The American University. Cambridge: Harvard University Press.

Riesman, D. (1956) Constraint and Variety in American Education. Lincoln: University of Nebraska
Press.

Rhoades, G. (1990): Political competition and differentiation in higher education, en: J.C. Alexander
y P. Colony (eds), Differentiation Theory and Social Change. New York: Columbia University Press.

Rossi, F. (2009): Increased competition and diversity in Higher Education: An empirical analysis
of the Italian University System, Higher Education Policy 22, 389-413.

Rossi, F. (2010): “Massification, competition and organizational diversity in higher education:

evidence from Italy”. Studies in Higher Education 36 (3), 277-300.

Schultz, R. E. y Stickler, W. H. (1965): “Vertical extension of academic programs in institutions of

higher education”. Educational Record, Summer, 231-241.

Van Vught, F. (2008): “Mission Diversity and Reputation in Higher Education”. Higher Education
Policy 21, 151-174.

Williams, R. (2008): “Ranking Australian universities: controlling for scope”. Higher Education in

591
Europe 33(2), 331–344.

Williams, R. y van Dyke, N. (2007): “Measuring the international standing of universities with
an application to Australian universities”. Higher Education: The International Journal of Higher
Education and Educational Planning 53 (6), 819–841.

Zwanziger, J.; Melnick, G. y Simonson, L. (1996): “Differentiation and specialization in the

California hospital industry 1983 to 1988”. Medical Care 34(4), 361–372.

592
4. La movilidad internacional de los doctores españoles: ¿cuáles son sus
determinantes?

Diego Dueñas Fernández, Universidad de Alcalá

Carlos Iglesias Fernández, Universidad de Alcalá
Raquel Llorente Heras, Universidad Autónoma de Madrid

593
La movilidad internacional de los doctores españoles: ¿cuáles son sus
*
determinantes?

Diego Dueñas Fernández, Universidad de Alcalá

Carlos Iglesias Fernández, Universidad de Alcalá
Raquel Llorente Heras, Universidad Autónoma de Madrid

Resumen
No hay duda acerca de la importancia que la ciencia tiene en la consecución de los resultados
económicos, los niveles de bienestar, la capacidad de crecimiento y los procesos de innovación. Los
sistemas de ciencia y tecnología están modificando su definición tradicional hacia otras alternativas
más abiertas donde la conexión internacional y los procesos de movilidad se encuentran en el
núcleo de la generación del conocimiento. En este contexto, las políticas destinadas a la movilidad
de los investigadores son un elemento cada vez más importante dentro de la ciencia, la tecnología
y de las políticas de innovación. De acuerdo con los anteriores argumentos, el objetivo de la
ponencia es analizar los determinantes de las decisiones de movilidad internacional emprendidas
por los doctores españoles así como de su intensidad. Para ello, se utilizan datos originarios de la
Encuesta de Recursos Humanos en Ciencia y Tecnología (ERHCT-2006). Los resultados alcanzados
permiten afirmar que la movilidad hacia el extranjero parece ser un requisito previo al inicio de
la carrera académica más que una consecuencia de su desarrollo. En segundo lugar, la movilidad
se relaciona especialmente con el hecho de trabajar en la Educación Superior. En tercer lugar, se
observa una relación negativa importante entre la intensidad de la movilidad hacia el extranjero y
el tiempo transcurrido desde la finalización del doctorado y la primera estancia internacional. Por
último, el género presenta diferencias importantes en las decisiones de movilidad internacional
de los doctores españoles y algo menores en relación a la intensidad de la misma.

Palabras clave: movilidad internacional, determinantes, intensidad, Encuesta de Recursos Humanos

en Ciencia y Tecnología.

1. Introducción.
Hoy en día existe un amplio consenso sobre la relevancia e importancia que la ciencia
tiene en la consecución de los resultados económicos. Los niveles de bienestar que actualmente
disfrutamos en las sociedades desarrolladas se basan en la capacidad para alcanzar un crecimiento
sostenido y para mantener un proceso de innovación constante, donde la ciencia y la tecnología
juegan un papel fundamental. La visión tradicional de la ciencia como un sistema cerrado en sí
mismo y con una escasa exposición al extranjero está cambiando hacia otras alternativas más
abiertas donde la conexión internacional y los procesos de movilidad se encuentran en el núcleo
de la generación del conocimiento. Las políticas destinadas a la movilidad de los investigadores
son un elemento cada vez más importante dentro de la ciencia, la tecnología y de las políticas de
innovación.
En nuestra opinión, dos son los argumentos principales que explicarían la existencia
de la internacionalización del sistema científico. Por una parte, la elevada influencia que la
globalización está teniendo dentro de la economía mundial. Hoy en día, resulta casi imposible
crear valor económico o científico fuera de un contexto donde no existan elevadas conexiones
* Este artículo se basa parcialmente en el proyecto de investigación “Flujos de Recursos Humanos en Ciencia y
Tecnología. Buscando la excelencia a través del talento”. Plan Nacional I+D+i de España.

594
internacionales. El capital y el trabajo, como insumos productivos, junto con el conocimiento
fluyen actualmente en un mundo sin fronteras donde las políticas nacionales parecen ser incapaces
de limitar y controlar este tipo de procesos. En segundo lugar, las Tecnologías de la Información y
la Comunicación (TIC), que están en la base de la construcción de la Sociedad del Conocimiento,
también requieren que las ideas y la información se muevan rápidamente por todo el mundo,
exigiendo que esta internacionalización sea cada vez mayor.
A su vez, como consecuencia de este entorno económico y social cada vez más internacional,
la forma en que se crea el conocimiento y se construye la ciencia y la tecnología también está
cambiando. En la actualidad es más complejo, improbable e ineficiente trabajar solo, encerrado en
la oficina. El conocimiento y la investigación deben ser compartidos y la movilidad se constituye
como una de las herramientas principales que posibilita dicha cuestión. En este contexto y en el
caso de las universidades españolas, se puede observar cómo para alcanzar la progresión laboral
se valora en mayor medida y de forma positiva la existencia de una movilidad académica hacia
el extranjero entre los profesores. Al mismo tiempo, dentro del mundo empresarial, la movilidad
hacia el extranjero puede aumentar las oportunidades de negocio gracias a la incorporación de
nuevos conocimientos provenientes del exterior.
En este sentido, es fácil comprobar cómo la movilidad académica hacia el extranjero ha
sufrido recientemente un importante aumento (OCDE, 2008), incrementando las estancias de
investigación o docencia por parte de los investigadores españoles (Aceituno, 2007). La estructura
de las universidades españolas y su organización también están evolucionando desde un modelo
tradicional hacia otro más abierto, donde la movilidad y las experiencias internacionales de
investigación son cada vez más frecuentes y permiten obtener mayores resultados (Pérez,
2005).
De acuerdo con estas ideas, el objetivo de nuestro artículo es analizar las decisiones de
movilidad internacional llevadas a cabo por los doctores españoles. Más concretamente, dos serán
los objetivos centrales de nuestro trabajo. En primer lugar, queremos identificar las variables que
tienen una mayor influencia en dicha decisión sobre la movilidad hacia el extranjero. Y en segundo
lugar, nos gustaría obtener un conocimiento más profundo sobre los factores determinantes de la
intensidad de dicha movilidad internacional, concretamente poder establecer de qué depende el
número de países visitados o la duración de las estancias en el extranjero.
Para desarrollar este doble objetivo hemos utilizado los datos originarios de la Encuesta de
Recursos Humanos en Ciencia y Tecnología (ERHCT-2006), que proporcionan una rica información
sobre las características de los doctores que residen en España en el año 2006 y que recoge cuál ha
sido la movilidad internacional de los mismos durante los 10 últimos años previos a la realización
de la encuesta (1996-2006).
Nuestro artículo está organizado según la siguiente estructura. En la sección 2 se revisa
la literatura económica existente en relación a nuestro objeto de estudio. La sección 3 muestra
las principales características de la base de datos utilizada, recogiendo una amplia descripción
estadística de los doctores españoles. En la Sección 4 se desarrolla el análisis econométrico
determinando cuáles son los factores determinantes en relación a la movilidad internacional y su
intensidad. Por último, las principales conclusiones se resumen en la sección 5.

2. El Análisis Económico de la movilidad académica.

A partir del trabajo pionero de Marshall (1964) se ha desarrollado una gran cantidad
de literatura sobre el análisis económico de la movilidad académica de carácter internacional,
pudiéndose establecer varias corrientes de estudio. En primer lugar, destacan las obras dedicadas

595
al análisis de los fundamentos o determinantes de los procesos de la movilidad académica
internacional (Ackers, 2005; Crespo, Nesta y Geuna, 2005). El objetivo principal de esta línea de
trabajo es aislar las principales variables que determinan las decisiones de movilidad internacional
de los recursos humanos, estableciendo cuál es la influencia ejercida en estas decisiones de
los rasgos personales, el tipo de institución académica de origen o el lugar de origen. Estos
estudios llegan a la conclusión de que las características individuales (Crespo et al, 2007), así
como el contexto institucional y social (Breschi y Lissoni, 2001) o incuso el sistema de I+D
(Bozeman y Gaughan, 2007) tienen una gran influencia en la explicación de las decisiones de
movilidad internacional. Asimismo, se encuentra muy relacionada con lo anterior la literatura que
revisa las políticas públicas llevadas a cabo con el objetivo de estimular la movilidad académica
y la circulación de los investigadores a nivel internacional (Goddard y Isabelle, 2006). En este
contexto, cabe mencionar que algunos trabajos diferencian la movilidad internacional desde una
perspectiva de género, concluyendo que existen diferencias significativas en función del sexo de
la persona (Moguérou, 2004). Estos trabajos establecen que existen obstáculos importantes para
las mujeres en relación al desarrollo de sus carreras académicas y de la movilidad internacional. En
De Grip et al. (2008), usando modelos logit para nueve países europeos incluido España, se analiza
la migración de los egresados en los estudios de Ciencia e Ingeniería. La evidencia encontrada
muestra que existe una migración selectiva, de modo que, los mejores estudiantes son aquellos
que tienen más probabilidades de emigrar al extranjero. Los resultados para las mujeres de este
estudio están de acuerdo con la literatura anterior. Sin embargo, también nos encontramos con
algunas excepciones como el trabajo de Faggian et al (2007). El análisis desarrollado por estos
autores muestra que para el caso de los graduados del Reino Unido son generalmente las mujeres
aquellas con una mayor probabilidad de emigrar al extranjero, tal vez debido a un intento de
compensar el sesgo de género existente en el mercado de trabajo.
En segundo lugar, las investigaciones y la literatura sobre la movilidad académica se han
interesado en los procesos de movilidad desde las universidades hacia las empresas privadas
(Beret et al, 2003) y en sus implicaciones sobre los resultados económicos de estas empresas
(Herrera, Muñoz Doyague y Nieto, 2009). La idea central contenida en esta literatura es doble. De
un lado, se establece que las investigaciones que se están desarrollando en las universidades se
constituyen como el núcleo central en la formación del conocimiento, la innovación empresarial
y la productividad de las empresas. Por otro lado, la movilidad académica se muestra como el
camino que permite a las empresas ampliar sus resultados económicos a través de la captura
de investigadores provenientes de las universidades y centros de investigación nacionales o
extranjeros para su utilización en los procesos de trabajo dentro de la empresa. La movilidad
académica implica una transferencia de conocimientos (Moen, 2005) y hay pruebas que apuntan
a que los resultados de las investigaciones llevadas a cabo por los académicos y las instituciones
públicas tienen un gran impacto en el sector privado (Czarnitzki et al, 2008).
Paralelamente a las ideas previas, la tercera línea de investigación respecto a la movilidad
académica se centra en ampliar el conocimiento existente en relación a los procesos de movilidad
y la transferencia del conocimiento y la tecnología. La hipótesis principal de esta línea de
investigación se fundamenta en que el conocimiento y la tecnología actualmente se construyen a
partir de las ideas e investigaciones realizadas en las universidades, señalando que principalmente
estos resultados surgen del trabajo de los investigadores y profesores universitarios (Crespo et al,
2005; Herrera et al, 2009).
Por último, pero no menos importante, otra área de investigación se centra en analizar
cuáles son las principales consecuencias y efectos inducidos de la movilidad académica en los

596
resultados obtenidos por los investigadores y doctores. En este sentido, destacan los trabajos que
analizan la productividad, la situación laboral y las carreras profesionales de aquellos doctores que
participan en algún proceso de movilidad internacional (Boschma y Fritsch, 2007). Estos trabajos
no logran aportar una evidencia clara, de modo que no se observan importantes consecuencias de
la movilidad académica en relación a los salarios (Barbezat y Hughes, 2001), aunque la movilidad
académica llega a tener efectos positivos sobre la productividad y el rendimiento académico
(Trajtenberg, 2005; Hoisl, 2007).
Dentro de este marco de trabajo, nuestro artículo se centra en analizar la movilidad hacia
el extranjero de los doctores españoles. Más allá de este objetivo general, la investigación tratará
de obtener una respuesta acerca de qué características o circunstancias personales aumentan o
reducen la movilidad internacional de los doctores españoles tratando de identificar también la
existencia de comportamientos diferentes por género.

3. La base de datos y análisis descriptivo.

Los datos utilizados en este trabajo provienen de la Encuesta sobre Recursos Humanos
en Ciencia y Tecnología (ERHCT-2006) elaborada por el Instituto Nacional de Estadística (INE).
El objetivo de esta base de datos es identificar, medir y analizar los recursos humanos dedicados
a la investigación en España. El ámbito de estudio de la encuesta es la población con un título
de doctorado, de menos de 70 años de edad, residente en España en 2006. Dicha base de datos
pretende medir la situación laboral, los salarios y la movilidad internacional, nacional e intra-
sectorial de este colectivo. Por otro lado, la encuesta también tratar de determinar el nivel de
ajuste entre la formación que los titulares de doctorado han obtenido y la oferta de empleo
existente en el mercado de trabajo, el grado de satisfacción con su trabajo, la experiencia laboral
y la productividad que han desarrollado en su carrera profesional.
Para el estudio de la movilidad internacional, la ERHCT considera las diferentes residencias
que ha tenido un individuo durante los 10 años anteriores al período de referencia, en nuestro
caso, de 1996 a 2006. Los datos relativos a los resultados académicos y económicos obtenidos por
un individuo están relacionados con los 3 años inmediatamente anteriores 2006.
Los titulares de un doctorado son definidos como aquellas personas que poseen un nivel
de estudios de categoría 6 dentro de la Clasificación Internacional de Educación (ISCED 97) que
engloba al personal que ha desarrollado programas completos de educación terciaria conducentes
a la investigación avanzada, y, por lo tanto, recoge aquellos estudios avanzados dedicados a
la investigación que no se basan solamente en la ejecución de cursos (INE, 2009). La ERHCT
considera tanto a nativos como a extranjeros titulares de doctorado, siempre si están viviendo en
España en 2006, por lo que los datos son depurados considerando sólo aquellos individuos nacidos
en España.
De acuerdo con las posibilidades de explotación de los datos referentes a la encuesta,
para definir la movilidad académica en el extranjero se requiere que los doctores españoles hayan
estado residiendo en un país extranjero al menos durante un mes entre 1996 y 2006. Para capturar
la intensidad de la movilidad académica en el extranjero se construyen dos nuevas variables. Por
un lado se calcula el número de países extranjeros visitados y, por otro, la duración total en meses
del tiempo que se ha residido en el extranjero.
La ERHCT cubre una amplia gama de aspectos académicos, económicos y sociales relativos
a los titulares de doctorado. Concretamente, las variables relacionadas con las características
personales que poseen los doctores españoles recogen información sobre las circunstancias de su
doctorado, la situación laboral general, la situación en el empleo para los que están ocupados,

597
la movilidad internacional, la experiencia profesional o la productividad académica y científica,
entre otros aspectos.
A la luz de estos datos descriptivos203, se comprueba que casi el 30 por ciento de los
doctores españoles han residido al menos durante un mes en el extranjero en el período de
1996 a 2006 y, por tanto, cuentan al menos una movilidad internacional. La distribución entre
hombres y mujeres de los doctores españoles que han realizado una movilidad internacional resulta
similar al caso general. Sin embargo, en relación a otras características personales se observa que
aquellos que realizan principalmente una movilidad internacional son los jóvenes (menores de 40
años) y las personas solteras. Igualmente, la movilidad hacia el extranjero resulta más frecuente
entre los doctores cuyas áreas de doctorado fueron las CC. Naturales y CC. Agrícolas. En el caso
opuesto se encuentra el área de las CC. de la Salud o Médicas que presenta una tasa de movilidad
internacional muy baja. La mayoría de los doctores españoles se encuentran ocupados dentro de
las universidades o en organizaciones privadas sin ánimo de lucro (ONG). Los españoles con título
de doctorado que han realizado una movilidad internacional presentan unos niveles salariales más
bajos que el resto de doctores, de modo que, la distribución de sus salarios se encuentra sesgada
hacia los tramos más bajos de la distribución (menos de 30.000 euros netos por año). Por último,
obtener una beca se muestra como la vía más frecuente de financiación de la movilidad académica
hacia el extranjero.
Por otra parte, la tabla 1 incluye los datos descriptivos sobre la movilidad internacional
que realizan los doctores españoles. Estos nuevos datos indican claramente que los proyectos
de movilidad internacional no suelen implicar más de tres estancias en el extranjero y/o una
duración media de más de un año en conjunto. EE.UU. es el destino más frecuente, aunque el
destino principal suelen ser el conjunto de países europeos.

4. Factores determinantes de la movilidad internacional de los doctores españoles

El objetivo principal de este artículo es entender cómo se desarrollan las decisiones de
movilidad internacional llevadas a cabo por los doctores españoles. Para ello, centramos nuestro
análisis en dos cuestiones principales:
a) ¿Cuáles son los determinantes más relevantes que explican la movilidad internacional
en España?
b) ¿Qué factores determinan la intensidad de dicha movilidad para el mismo colectivo?
La movilidad académica en el extranjero debe ser considerada como una decisión sujeta a la
obtención resultados económicos y/o profesionales. De acuerdo con la teoría del capital humano,
las personas realizarían movilidades hacia el extranjero con el objetivo de aumentar sus ganancias
o utilidades futuras. Los doctores españoles al residir en el extranjero desarrollan una actividad de
inversión en capital humano, si bien a través de la formación en el extranjero con el desarrollo de
experiencias profesionales o simplemente a través del contacto establecido con nuevas estructuras
de conocimiento. En la medida que el valor presente esperado de los ingresos supere a los costes
directos e indirectos de la movilidad internacional, ello conllevará que compense desarrollar un
proceso de movilidad hacia el extranjero. Sin embargo, a nivel individual cada persona cuenta
con diferentes costes y beneficios ante la decisión de inversión en su propio capital humano. Ello
establece que el perfil personal, familiar y profesional de las personas determine cuál y cómo
sea su proceso de movilidad. Sobre la base de este marco teórico, el enfoque metodológico más
frecuente implica desarrollar diferentes estimaciones econométricas que tengan en cuenta los
rasgos personales sobre la probabilidad de invertir en capital humano. Bajo este objetivo y de
203 La tabla que contiene dichos datos se ha suprimido del trabajo por motivos de espacio, si bien se encuentra a
disposición que quien la requiera.

598
acuerdo a la metodología general, se desarrollan algunos modelos de elección discreta (logits)
sobre la probabilidad de llevar a cabo una movilidad internacional (apartado 4.1), y algunos
modelos de probabilidad ordenados (probits) sobre el número de estancias internacionales y el
tiempo que se ha vivido en el extranjero (apartado 4.2).

4.1 Determinantes de la movilidad hacia el extranjero para los doctores españoles.

En primer lugar, hemos especificado un modelo de probabilidad binario (logit) donde la
variable dependiente muestra el valor “1” si un doctor/a español/a ha experimentado al menos
una estancia en el extranjero en los últimos 10 años cuya duración ha sido al menos de un mes y
“0” en el caso contrario. Las variables explicativas que se tienen en cuenta son el sexo, la edad,
la experiencia potencial204, el estado civil, el área de doctorado, la situación laboral en conjunción
con el sector de colocación, el modo de financiación del doctorado y la región donde se doctoró.
Debido a que el género suele ser una variable fundamental para explicar los comportamientos personales,
se han diferenciado los modelos para toda la población, para hombres y para mujeres205 . En la primera
estimación, para la población total, destacan algunas pautas interesantes (tabla 2), a saber:
• En materia de género, ser mujer tiene un efecto negativo y significativo en la
probabilidad de llevar a cabo una movilidad hacia el extranjero.
• Tener una estancia internacional es más frecuente entre los jóvenes, ya que la
probabilidad estimada muestra una relación negativa con la edad. Muy relacionado con este
hallazgo puede ser que el hecho de ser soltero también aumenta la probabilidad de desarrollar una
estancia internacional. En ocasiones, el desarrollo de estancias internacionales se asocia como un
requisito necesario para iniciar la carrera académica y no como una consecuencia de la misma.
• La experiencia potencial en el mercado de trabajo influye escasamente en la
movilidad.
• Las diferencias más notables surgen al analizar el área de doctorado, de modo que es
más frecuente realizar estancias internacionales para aquellos cuyo doctorado se centró en Ciencias
Naturales y/o Humanidades. Sin embargo, todas las categorías obtienen probabilidades positivas
en comparación con la categoría de referencia, determinando que la movilidad internacional es
menos frecuente entre los doctores en Ciencias de la Salud o Médicas.
• La probabilidad de haber realizado una estancia internacional aumenta cuando en
la actualidad se trabaja dentro del mundo académico o en el sector privado, en comparación con
el hecho de estar parado o inactivo.
• De la misma manera, la movilidad hacia el extranjero aumenta si la financiación del
doctorado se realizó en base a una subvención o beca.
Hombres y mujeres parecen compartir los mismos patrones en las decisiones de movilidad
hacia el extranjero. Los resultados son muy similares para todas las variables, excepto para la edad.
En general, para toda la muestra en su conjunto, existe una relación negativa entre la movilidad
internacional y la edad (las personas mayores son las que muestran una menor probabilidad de
realizar una movilidad internacional), pero al diferenciar por género, esta pauta resulta más
fuerte para las mujeres que para los hombres. En nuestra opinión, este resultado puede ser un
reflejo de las diferencias de género existentes en España, que se concretan en términos del acceso
204 Definida al modo tradicional como el número de años desde que completó su doctorado hasta el momento de
elaboración de la encuesta.
205 En base a los análisis descriptivos previos, se consideró la posibilidad de replicar y diferenciar dichos modelos
entre aquellos que trabajan en el sector de la Educación Superior, dado que son la mayor parte de la muestra,
frente al resto de personas; sin embargo, esta estrategia de estimación no ofreció buenos resultados. No se logró
obtener ninguna diferencia relevante o interesante al respecto. Por ello, estas estimaciones finalmente no han sido
incluidas.

599
a la Universidad y en especial a la movilidad internacional. Además, en relación a la edad, la
conciliación laboral y familiar puede ser más determinante para la movilidad internacional en el caso
femenino. Las mujeres, a medida que ganan edad, se enfrentan a un conjunto de responsabilidades
familiares que impiden en mayor medida el desarrollo de movilidades internacionales.

4.2 Los determinantes de la intensidad de la movilidad internacional de los doctores

españoles.
Para completar nuestro análisis hemos analizado cómo son las experiencias internacionales
de los doctores españoles en relación a la intensidad de las mismas. Los datos de la ERHCT-2006
permiten establecer un doble enfoque utilizando la información sobre el número de estancias en
el extranjero y la duración total en meses del total de estancias internacionales realizadas por los
doctores españoles.
Respecto a la primera aproximación se trata de construir una nueva variable dependiente
que recoja el número de estancias internacionales desarrolladas dentro del máximo de 7 respuestas
posibles. Desde la segunda perspectiva, se puede establecer dos tipos de análisis paralelos: a)
el número total de meses residiendo en el extranjero desde 1996 hasta 2006, b) el porcentaje
que esta duración supone sobre el total de meses posibles (para aquellos que responden a los
7 ítems posibles serían 131 meses entre 1996 y 2006)206. Los resultados obtenidos con ambas
aproximaciones resultan similares, por lo que finalmente se ha optado por incluir la definición
más sencilla relativa al número total de meses vividos en el extranjero. En consecuencia, definimos
una nueva variable dependiente referida a la duración total en meses de las estancias en el
extranjero, diferenciando dicha variable en los siguientes tramos: de 1 a 3 meses, de 4 a 6 meses,
de 7 a 11 meses, y 12 meses o más.
Siguiendo las pautas establecidas, se han estimado varios modelos de probabilidad
ordenados (probit ordenados) para el total de los doctores españoles y diferenciado por género,
teniendo en cuenta las variables dependientes anteriormente definidas, incluyendo una nueva
variable definida como el número de años transcurridos desde la finalización del doctorado hasta
que se realizó la primera estancia internacional, con el fin de atrapar la influencia que tiene en
la movilidad el hecho de un comienzo temprano o tardío de dicho proceso.
La tabla 3 muestra los resultados obtenidos en relación al número de estancias internacionales
desarrolladas por los doctores españoles. La variable género no es significativa para determinar el
número de estancias internacionales. Los resultados apuntan claramente a la existencia de una
relación negativa entre la intensidad de la movilidad hacia el extranjero y el momento en que
este tipo de decisiones se lleva a cabo (tanto a partir de la experiencia potencial como a partir del
número de años desde que se terminó el doctorado y se realizó la primera estancia). Por lo tanto,
para aumentar el número de estancias en el extranjero se requiere iniciar estas estancias lo antes
posible tras la finalización del doctorado. Por otra parte, el coeficiente positivo que se obtiene
para las personas solteras refuerza indirectamente esta conclusión. En nuestra opinión, estos
resultados refuerzan la idea de que la movilidad internacional es un requisito de cara al inicio de
la carrera académica y posterior colocación dentro de la Universidad. Por último, los patrones de
movilidad muestran que el número de estancias suelen ser superiores entre aquellos doctores en
Ciencias Sociales y Humanidades. La misma conclusión se alcanza si el doctorado fue financiado
por una beca de la Administración Pública.
Al diferenciar por género (tabla 4) encontramos algunos patrones interesantes. Aunque los
hombres y las mujeres comparten las pautas anteriormente mencionadas, las mujeres muestran

206 Téngase en cuenta que no todos los individuos cuentan con el mismo periodo de movilidad internacional, de
modo que, existen doctores que contestan sobre los 10 años posibles y otros sobre un periodo menor.
600
una mayor intensidad en sus movilidades internacionales en el caso de que su área de doctorado
sea las Ciencias Naturales, Ingeniería y Tecnología y/o Humanidades, o cuando trabajan dentro de
la Educación Superior. Por consiguiente, la conclusión principal podría ser que el género introduce
algunas diferencias en relación a la decisión de movilidad en general, pero estas diferencias
son menores en relación a la intensidad de dicha movilidad. A pesar de ello, se debe remarcar
que las diferencias por género respecto a la intensidad de la movilidad internacional resultan
especialmente importantes para los doctores en Ciencias Naturales y el trabajo dentro del sector
de la Educación Superior.
Los análisis previos se han replicado teniendo en cuenta nuestra segunda definición sobre
la intensidad de la movilidad internacional basada en la duración total en meses de las estancias
en el extranjero. Las tablas 5 y 6 muestran los resultados obtenidos al desarrollar los modelos de
probabilidad ordenados (probit ordenados) para toda la población y para los hombres y mujeres
por separado. Los resultados del conjunto de la población complementan los resultados anteriores
en términos del número de países extranjeros visitados. En este caso, el patrón es muy similar: los
hombres, las personas de edad media, las personas solteras, con un doctorado en Ciencias Naturales
y que trabajan en la AAPP presentan una mayor probabilidad de desarrollar una movilidad hacia
el extranjero más duradera. Las probabilidades en el punto medio (Tablas 7 y 8) demuestran la
importancia de este patrón y, por tanto, refuerzan las conclusiones comentadas anteriormente.
Parece que las mujeres sin responsabilidades familiares pueden gozar de movilidades hacia al
extranjero más duraderas. La conciliación de la vida familiar con la movilidad internacional parece
ser más complicada dentro de las mujeres mayores y casadas.

5. Conclusiones
El objetivo de este trabajo ha sido analizar cómo son las decisiones de movilidad hacia
el extranjero de los doctores españoles. Utilizando datos originarios de la Encuesta de Recursos
Humanos en Ciencia y Tecnología (ERHCT-2006) nuestro análisis ha tratado de establecer cuáles
son los principales determinantes de la movilidad internacional y de su intensidad, ampliando
dicha cuestión desde una perspectiva de género. Los resultados obtenidos apuntan a las siguientes
conclusiones.
En primer lugar, la movilidad hacia el extranjero parece ser un requisito previo al inicio
de la carrera académica más que una consecuencia de su desarrollo. Parece que para el doctorado
español el hecho de contar con una movilidad internacional se constituye como una ventaja en
el desarrollo de la carrera académica. La relación negativa observada entre la edad y la movilidad
internacional apuntan hacia esta conclusión. Además, los resultados obtenidos para el caso de las
personas solteras refuerzan este hallazgo.
En segundo lugar, el sector de colocación junto con el área de doctorado determinan
diferencias importantes en los patrones de movilidad internacional. La movilidad hacia el
extranjero es más frecuente para las personas que trabajan en la Educación Superior y que se
han doctorado en las Ciencias Naturales y Humanidades.
En tercer lugar, si prestamos atención a la intensidad de la movilidad internacional (el
número y la duración de las estancias), los resultados obtenidos también apoyan la idea de que
la movilidad hacia el extranjero es especialmente relevante al comienzo de la carrera académica,
ya que se observa una relación negativa importante entre la intensidad de la movilidad hacia
el extranjero y el tiempo transcurrido desde la finalización del doctorado y la primera estancia
internacional.
Por último, el género presenta diferencias importantes en las decisiones de movilidad

601
internacional de los doctores españoles y algo menores en relación a la intensidad de la misma.
La edad aparece como una restricción muy fuerte a la movilidad internacional de las mujeres.
Por consiguiente, para las mujeres es más necesario llevar a cabo la movilidad hacia el extranjero
en edades más tempranas y más cercanas a la finalización del doctorado. Probablemente este
resultado se deba a que de esta manera se puede evitar la influencia negativa derivada de las
circunstancias familiares.

Referencias
Aceituno, P. (2007): “Informe Innovacef: Aportaciones para el regreso de los investigadores
españoles en el extranjero”. Revista de Trabajo y Seguridad Social CEF, n. 296.

Ackers, L. (2005): “Moving people and knowledge: scientific mobility in the European Union”.
International Migration vol. 43 (5), 99-131.

Ackers, L. (2005a): “Promoting scientific mobility and balanced growth in the European Research
Area”. Innovation vol. 18 (3), 301-317

Barbezat, A. y J. Hughes (2001): “The effect of job mobility on academic salaries”. Contemporary
Economic Policy; Oct 2001; 19, 4, 409-422.

Beret, P., J.F. Giret and I. Recotillet (2003): “Trajectories from public sector of research to private
sector; an analysis using French data on young PHD graduated”. 15th annual meeting on Socio-
Economic SASE. Aix-en-Provence.

Boschma, R A. and M. Fritsch (2007): “Creative Class and Regional Growth – Empirical Evidence
from Eight European Countries”. JENA WP. 2007-66.

Bozeman, B. and M. Gaughan (2007): “Impacts of grants and contracts on academic researchers’
interactions with industry”. Research Policy, 36, 5, 694-707.

Breschi, S. and F. Lissoni (2001): “Knowledge spillover and local innovation systems: A critical
review”. Industrial and Corporate Change, 10, 4, 975-1005.

Czarnitzki, D., K. Hussinger and C. Schneiderm (2008): “Commercializing academic research:

The quality of faculty patenting”. ZEW Discussion Paper 08-069. Centre for European Economic
Research.

Crespi, G., A. Geuna y L. Nesta (2005): “Labour Mobility of Academia Inventors. Career Decision
and Knowledge Transfer. Working Paper 139. Science and Technology Policy Research (SPRU).
University of Sussex.

Crespi, G., A. Geuna y L. Nesta (2007): “The mobility of univesity inventors in Europe”. Journal of
Technology Transfer, 32, 3, 195-215.

De Grip, A.; D. Fouarge y J. Sauermann (2008): “What affects international migration of European
science and engineering graduates?”. REFLEX WP-6.

602
Faggian, A., P. McCann, and S. Sheppard (2007): “Some Evidence That Women Are More Mobile
Than Men: Gender Differences In U.K. Graduate Migration Behavior,” Journal of Regional Science,
47(3), 517-539.

Goddard, JG. and Isabelle (2006): “How do Public Laboratories Collaborate with Industry? New
Survey Evidence from France”. Working Paper IMRI 2006/02

Herrera, L., M.F Muñoz-Doyague and M. Nieto (2009): “Mobility of Public Researchers, Scintific
Knowledge Transfer and the Firm’s Innovation Process”. Working Paper 0809. University of Leon.

Hoisl, K. (2007): “Does mobility increase the productivity of inventors?”. Discusión Paper 2006-
13. Munich School of Management. University of Munich.

INE (2009): Survey on Human Resources in Science and Technoloy. 2009 Methodology. Instituto
Nacional de Estadística. Madrid.

Marshall, HD. (1964): The Mobility of Colleger Faculties. PAGEANT Press. NY.

Moen, J. (2005): “Is Mobility of Technical Personnel a Source of R&D Spillover?”. Journal of Labour
Economics, 23, 1, 81-114.

Moguérou, Ph. (2004): “A double gender-family inequality phenomenon in the international

mobility of young researchers”. Research Institute on Education (IREDU). University of
Bourgogne.

OECD (2008): The Global Competition for Talent. Mobility of the Highly Skilled.

Pérez, E. (2005): Los Programas de Formación y Movilidad del Personal Investigador de Flujo
Directo e Inverso: Problemas, retos y soluciones. Informe del Proyecto EA 2005-0004.

Trajtenberg, M. (2005): “Recombinant Ideas: The Mobility of Inventors and the Productivity of
Research”. CEPR Conference. Munich.

603
Anexos y tablas

Tabla 1. Proceso de movilidad internacional de los doctores españoles: Análisis descriptivo

Personas Frecuencia
Número de países extranjeros
1 12.238 51.2
2 5.666 23.7
3 5.103 21.4
4 817 3.4
5 68 0.3
7 4 0.0
Duración de la movilidad internacional
1-3 meses 5.903 24.7
4-6 meses 4.566 19.1
7-12 meses s 3.985 16.7
Más de 12 meses 9.442 39.5
Destino más frecuente (moda)
EEUU 5.444 22.8
Resto de América 2.227 9.3
Alemania 2.079 8.7
Francia 2.774 11.6
Italia 1.740 7.3
Reino Unido 3.418 14.3
Resto de Europa 3.889 16.3
Otros (Asia, África y Oceanía) 815 3.4
No repite país – No existe moda 1.510 6.3

Fuente: ERHCT-2006.

604
Tabla 2. Probabilidad de realizar una movilidad internacional de los doctores españoles. Logit
Total Hombres Mujeres
B Sig. Exp(B) B Sig. Exp(B) B Sig. Exp(B)
Mujer -0,168 0,000** 0,846 - - - - - -
16 – 30 1,153 0,000** 3,166 1,384 0,000** 3,990 0,742 0,000** 2,101
31 – 40 1,098 0,000** 2,999 1,379 0,000** 3,969 0,678 0,000** 1,969
41 – 50 0,320 0,000** 1,378 0,512 0,000** 1,669 0,012 0,889 1,012
Exp. potencial -0,056 0,000** 0,946 -0,035 0,000** 0,966 -0,079 0,000** 0,924
2
Exp. potencial 0,000 0,021** 1,000 0,000 0,412 1,000 0,001 0,054* 1,001
Soltero 0,364 0,000** 1,439 0,353 0,000** 1,424 0,391 0,000** 1,479
Área del doctorado
CC Naturales 0,617 0,000** 1,854 0,487 0,000** 1,628 0,716 0,000** 2,046
Ingeniería y Tecnología 0,116 0,002** 1,123 -0,076 0,126 0,927 0,393 0,000** 1,482

CC Agricultura 0,408 0,000** 1,504 0,493 0,000** 1,637 0,298 0,000** 1,347

CC Sociales 0,199 0,000** 1,220 0,066 0,141 1,068 0,308 0,000** 1,361

Humanidades 0,492 0,000* 1,636 0,218 0,000** 1,243 0,743 0,000** 2,101
Situación Laboral – Sector
Trabajando AAPP 0,329 0,000** 1,390 0,356 0,000** 1,427 0,301 0,000** 1,351
Trabajando Ed. Superior 0,906 0,000** 2,474 0,948 0,000** 2,582 0,860 0,000** 2,362
Trabajando ONG 0,654 0,000** 1,922 0,860 0,000** 2,363 0,436 0,000** 1,547
Desempleado o inactivo 0,290 0,000** 1,337 0,406 0,000** 1,500 0,217 0,001** 1,243
Financiación del doctorado
Beca institución del programa
0,401 0,000** 1,493 0,490 0,000** 1,632 0,316 0,000** 1,372
de doctorado
Beca AAPP 0,666 0,000** 1,947 0,710 0,000** 2,033 0,632 0,000** 1,881

Ayudante de un profesor 0,111 0,002** 1,118 0,033 0,485 1,034 0,253 0,000** 1,288
Tiempo completo en otra
-0,591 0,000** 0,554 -0,550 0,000** 0,577 -0,652 0,000** 0,521
ocupación
Ahorros personales -0,773 0,000** 0,462 -0,753 0,000** 0,471 -0,811 0,000** 0,444

Ayudas familiares -0,424 0,000** 0,655 -0,577 0,000** 0,562 -0,316 0,000** 0,729
Región de la Universidad de doctorado
Andalucía 0,117 0,000** 1,124 0,150 0,001** 1,162 0,046 0,335 1,048
Cataluña 0,301 0,000** 1,351 0,215 0,000** 1,240 0,402 0,000** 1,495
Madrid 0,247 0,000** 1,280 0,277 0,000** 1,320 0,206 0,000** 1,229
Valencia 0,050 0,104 1,052 0,137 0,001** 1,147 -0,054 0,253 0,948
Galicia 0,399 0,000** 1,490 0,439 0,000** 1,551 0,363 0,000** 1,438
Constante -2,220 0,000** 0,109 -2,623 0,000** 0,073 -1,775 0,000** 0,169
-2 log verosimilitud 81.768,7 43.057,2 38.426,9
2
R Nagelkerke 0,275 0,301 0,254
% correcto 75,77 77,37 74,49

** Significativo al 95 %. * Significativo al 90 %. Persona de referencia: Hombre, con más de

50 años de edad, que no es soltero, con doctorado en Ciencias de la salud, que trabaja en el
mundo empresarial, cuyo doctorado se financió a través de otras fuentes y que ha desarrollado su
doctorado en otras regiones a parte de las señaladas.
Fuente: ERHCT-2006.

605
Tabla 3. Determinantes de la intensidad de la movilidad internacional de los doctores españoles:
número de estancias en el extranjero. Toda la población. Probit ordenado
Coeficiente Probabilidad en el
punto medio (2)
B P>z dy/dx P>z
Sexo Mujer -0,009 0,298 -0,001 0,299
16 – 30 -0,210 0,335 -0,023 0,391
Edad 31 – 40 -0,078 0,700 -0,007 0,691
41 – 50 -0,025 0,892 -0,002 0,894
Experiencia Experiencia potencial -0,068 0,001** -0,006 0,001**
laboral Experiencia potencial 2
0,002 0,003** 0,000 0,003**
Estado civil Soltero 0,157 0,001** 0,014 0,000**
CC. Naturales 0,333 0,000** 0,029 0,000**
Ingeniería y Tecnología 0,203 0,040** 0,015 0,007**
Área de 0,417 0,000** 0,021 0,000**
doctorado CC. de la Agricultura
CC. Sociales 0,562 0,000** 0,029 0,000**
Humanidades 0,713 0,000** 0,021 0,000**
Trabajando AAPP 0,176 0,027** 0,015 0,013**
Trabajando Educación Superior 0,396 0,000** 0,038 0,000**
Situación
laboral – Sector Trabajando ONG -0,035 0,767 -0,003 0,774
Desempleado o inactivo 0,123 0,405 0,010 0,323
Beca de la institución del 0,047 0,593 0,004 0,577
programa de doctorado
Beca de la AAPP 0,244 0,000** 0,023 0,000**

Financiación Ayudante de un profesor -0,073 0,414 -0,007 0,440

del doctorado Tiempo completo en otra -0,085 0,397 -0,009 0,428
ocupación
Ahorros personales 0,019 0,901 0,002 0,899
Ayudas familiares -0,117 0,350 -0,012 0,395
Andalucía -0,023 0,765 -0,002 0,770
Cataluña 0,159 0,015** 0,013 0,004**
Región Madrid 0,009 0,876 0,001 0,875
Valencia 0,213 0,004** 0,016 0,000**
Galicia 0,339 0,000** 0,021 0,000**
Años entre la finalización del doctorado y la -0,054 0,000** -0,005 0,000**
primera estancia internacional

** Significativo al 95 %. * Significativo al 90 %. Persona de referencia: Hombre, con más de

50 años de edad, que no es soltero, con doctorado en Ciencias de la salud, que trabaja en el
mundo empresarial, cuyo doctorado se financió a través de otras fuentes y que ha desarrollado su
doctorado en otras regiones a parte de las señaladas. Los errores estándar del probit ordenado
son robustos.
Fuente: ERHCT-2006.

606
Tabla 4. Determinantes de la intensidad de la movilidad internacional de los doctores españoles:
Número de estancias internacionales. Hombres y mujeres. Probit ordenado
Hombres Mujeres
Coeficiente Coeficiente
B P>z B P>z
16 – 30 -0,094 0,752 -0,382 0,230
Edad 31 – 40 0,025 0,927 -0,225 0,448
41 – 50 0,147 0,564 -0,300 0,274
Experiencia Experiencia potencial -0,065 0,039** -0,069 0,017**
laboral Experiencia potencial 2
0,002 0,050* 0,002 0,028**
Estado civil Soltero 0,157 0,013** 0,166 0,011**
CC. Naturales 0,274 0,014** 0,400 0,000**
Ingeniería y Tecnología 0,110 0,404 0,345 0,028**
Área de CC. de la Agricultura 0,522 0,002** 0,231 0,166
doctorado
CC. Sociales 0,555 0,000** 0,559 0,000**
Humanidades 0,653 0,000** 0,779 0,000**
Trabajando AAPP 0,011 0,926 0,335 0,003**
Situación Trabajando Educación Superior 0,240 0,020** 0,574 0,000**
laboral –
Sector Trabajando ONG -0,229 0,182 0,173 0,280
Desempleado o inactivo 0,004 0,989 0,282 0,121
Beca de la institución del programa de 0,001 0,995 0,097 0,445
doctorado
Beca de la AAPP 0,210 0,025** 0,295 0,003**
Financiación Ayudante de un profesor -0,047 0,697 -0,087 0,517
del doctorado
Tiempo completo en otra ocupación -0,127 0,311 -0,025 0,882
Ahorros personales 0,062 0,769 -0,103 0,634
Ayudas familiares -0,153 0,411 -0,069 0,689
Andalucía 0,065 0,530 -0,130 0,281
Cataluña 0,203 0,025** 0,110 0,254
Región Madrid 0,068 0,374 -0,050 0,531
Valencia 0,243 0,013** 0,191 0,085*
Galicia 0,435 0,000** 0,233 0,038**
Años entre la finalización del doctorado y la primera -0,054 0,000** -0,054 0,000**
estancia internacional

** Significativo al 95 %. * Significativo al 90 %. Persona de referencia: Hombre, con más de

50 años de edad, que no es soltero, con doctorado en Ciencias de la salud, que trabaja en el
mundo empresarial, cuyo doctorado se financió a través de otras fuentes y que ha desarrollado su
doctorado en otras regiones a parte de las señaladas. Los errores estándar del probit ordenado
son robustos.
Fuente: ERHCT-2006.

607
Tabla 5. Determinantes de la intensidad de la movilidad internacional de los doctores españoles:
duración total de las estancias en el extranjero. Población total. Probit ordenado
Probabilidad en
Coeficientes el punto medio
(2)
B P>z dy/dx P>z
Sexo Mujer -
0,021 0,013** 0,002 0,014**
16 – 30 0,144 0,482 -0,015 0,510
Edad 31 – 40 0,344 0,071* -0,029 0,036**
41 – 50 0,138 0,428 -0,014 0,454
Experiencia potencial 0,067 0,001** -0,006 0,002**
Experiencia laboral 2 -
Experiencia potencial 0,002 0,015** 0,000 0,017**
Estado civil Soltero 0,187 0,000** -0,018 0,000**
CC. Naturales 0,292 0,000** -0,028 0,000**
Ingeniería y Tecnología -
0,039 0,664 0,004 0,655
Área del doctorado CC. de la Agricultura 0,098 0,388 -0,010 0,417
CC. Sociales -
0,133 0,105 0,011 0,080*
Humanidades 0,053 0,546 -0,005 0,558
Trabajando AAPP 0,231 0,004** -0,023 0,007**
Situación laboral - Trabajando Educación Superior 0,022 0,764 -0,002 0,763
Sector Trabajando ONG 0,227 0,059* -0,024 0,091*
Desempleado o inactivo 0,128 0,372 -0,013 0,408
Beca de la institución del programa de - 0,230 0,009 0,192
doctorado 0,107
Beca de la AAPP 0,025 0,707 -0,002 0,707
Ayudante de un profesor - 0,000** 0,022 0,000**
Financiación del 0,311
doctorado Tiempo completo en otra ocupación - 0,007** 0,019 0,000**
0,254
Ahorros personales 0,015 0,913 -0,001 0,914
Ayudas familiares - 0,736 0,004 0,727
0,040
Andalucía - 0,000** 0,021 0,000**
0,286
Cataluña 0,207 0,001** -0,021 0,004**
Región Madrid 0,160 0,003** -0,016 0,006
Valencia 0,052 0,471 -0,005 0,485
Galicia -
0,060 0,390 0,005 0,368
Años entre la finalización del doctorado y la primera estancia -
internacional 0,039 0,000** 0,004 0,000**

** Significativo al 95 %. * Significativo al 90 %. Persona de referencia: Hombre, con más de

50 años de edad, que no es soltero, con doctorado en Ciencias de la salud, que trabaja en el
mundo empresarial, cuyo doctorado se financió a través de otras fuentes y que ha desarrollado su
doctorado en otras regiones a parte de las señaladas. Los errores estándar del probit ordenado
son robustos.
Fuente: ERHCT-2006.

608
Tabla 6. Determinantes de la intensidad de la movilidad internacional de los doctores españoles:
Duración total de las estancias en el extranjero. Hombres y mujeres. Probit ordenado
Hombres Mujeres
Coeficientes Coeficientes
B P>z B P>z
16 – 30 0,034 0,906 0,362 0,212
Edad 31 – 40 0,102 0,707 0,688 0,010**
41 – 50 -0,187 0,447 0,615 0,014**
Experiencia Experiencia potencial 0,101 0,001** 0,029 0,309
laboral Experiencia potencial 2
-0,003 0,007** 0,000 0,715
Estado civil Soltero 0,139 0,028** 0,252 0,000**
CC. Naturales 0,289 0,006** 0,274 0,010**
Ingeniería y Tecnología -0,019 0,874 -0,096 0,507
Área del CC. de la Agricultura 0,221 0,177 -0,080 0,611
doctorado
CC. Sociales -0,197 0,088* -0,109 0,355
Humanidades 0,092 0,472 0,020 0,870
Trabajando AAPP 0,107 0,322 0,336 0,003**
Situación laboral Trabajando Educación Superior -0,120 0,218 0,149 0,157
- Sector Trabajando– ONG 0,219 0,214 0,213 0,199
Desempleado o inactivo -0,112 0,667 -0,324 0,061*
Beca de la institución del programa -0,095 0,444 -0,130 0,319
de doctorado
Beca de la AAPP -0,044 0,642 0,094 0,329
Financiación del Ayudante de un profesor -0,453 0,000** -0,147 0,237
doctorado
Tiempo completo en otra ocupación -0,272 0,035** -0,258 0,068*
Ahorros personales -0,086 0,632 0,141 0,498
Ayudas familiares -0,088 0,640 -0,024 0,878
Andalucía -0,242 0,026** -0,344 0,005**
Cataluña 0,260 0,002** 0,158 0,110
Región Madrid 0,219 0,004** 0,090 0,247
Valencia 0,040 0,679 0,073 0,496
Galicia -0,119 0,224 -0,052 0,613
Años entre la finalización del doctorado y la primera -0,045 0,000** -0,031 0,001**
estancia internacional
** Significativo al 95 %. * Significativo al 90 %. Persona de referencia: Hombre, con más de
50 años de edad, que no es soltero, con doctorado en Ciencias de la salud, que trabaja en el
mundo empresarial, cuyo doctorado se financió a través de otras fuentes y que ha desarrollado su
doctorado en otras regiones a parte de las señaladas. Los errores estándar del probit ordenado
son robustos.
Fuente: ERHCT-2006.

609
Tabla 7. Determinantes de la intensidad de la movilidad internacional de los doctores españoles:
número de estancias en el extranjero. Hombres y Mujeres. Probit ordenado. Probabilidades en el
punto medio (2)
Hombres Mujeres
dy/dx P>z dy/dx P>z
16 – 30 -0,009 0,768 -0,046 0,299
Edad 31 – 40 0,002 0,927 -0,020 0,397
41 – 50 0,012 0,511 -0,035 0,339
Experiencia Experiencia potencial -0,006 0,040** -0,007 0,019**
laboral Experiencia potencial 2
0,000 0,051* 0,000 0,032**
Estado civil Soltero 0,014 0,010** 0,015 0,010**
CC. Naturales 0,024 0,012** 0,035 0,000**
Ingeniería y Tecnología 0,009 0,351 0,021 0,000**
Área del CC. de la Agricultura 0,019 0,001** 0,017 0,040**
doctorado
CC. Sociales 0,028 0,000** 0,031 0,000**
Humanidades 0,021 0,002** 0,024 0,002**
Trabajando AAPP 0,001 0,925 0,026 0,000**
Situación Trabajando Educación Superior 0,023 0,029** 0,055 0,000**
laboral - Sector Trabajando ONG -0,026 0,250 0,014 0,165
Desempleado o inactivo 0,000 0,989 0,019 0,006**
Beca de la institución del programa de 0,000 0,995 0,009 0,402
doctorado
Beca de la AAPP 0,019 0,025** 0,029 0,004**
Financiación Ayudante de un profesor -0,005 0,707 -0,009 0,543
del doctorado
Tiempo completo en otra ocupación -0,013 0,355 -0,002 0,885
Ahorros personales 0,005 0,752 -0,011 0,662
Ayudas familiares -0,016 0,464 -0,007 0,706
Andalucía 0,006 0,501 -0,014 0,327
Cataluña 0,016 0,005** 0,010 0,206
Región Madrid 0,006 0,350 -0,005 0,542
Valencia 0,017 0,000** 0,015 0,028**
Galicia 0,021 0,000** 0,017 0,004**
Años entre la finalización del doctorado y la primera -0,005 0,000**
estancia internacional -0,005 0,000**

** Significativo al 95 %. * Significativo al 90 %. Persona de referencia: Hombre, con más de

50 años de edad, que no es soltero, con doctorado en Ciencias de la salud, que trabaja en el
mundo empresarial, cuyo doctorado se financió a través de otras fuentes y que ha desarrollado su
doctorado en otras regiones a parte de las señaladas. Los errores estándar del probit ordenado
son robustos. Probabilidades en el punto medio.
Fuente: ERHCT-2006.

610
Tabla 8. Determinantes de la intensidad de la movilidad internacional de los doctores españoles:
duración total de las la estancias en el extranjero. Hombres y Mujeres. Probit ordenado. Probabilidad
en el punto medio (2)
Hombres Mujeres
dy/dx P>z dy/dx P>z
16 – 30 -0,004 0,908 -0,037 0,267
Edad 31 – 40 -0,010 0,698 -0,043 0,000**
41 – 50 0,017 0,396 -0,067 0,028**
Experiencia Experiencia potencial -0,010 0,002** -0,002 0,313
laboral Experiencia potencial 2
0,000 0,009** 0,000 0,716
Estado civil Soltero -0,015 0,033** -0,022 0,000**
CC. Naturales -0,030 0,007** -0,024 0,014**
Ingeniería y Tecnología 0,002 0,873 0,008 0,468
Área del CC. de la Agricultura
doctorado -0,025 0,220 0,006 0,583
CC. Sociales 0,018 0,056* 0,009 0,323
Humanidades -0,010 0,491 -0,002 0,871
Trabajando AAPP -0,011 0,342 -0,032 0,008**
Situación laboral Trabajando Educación Superior 0,012 0,225 -0,013 0,153
- Sector Trabajando ONG -0,025 0,259 -0,021 0,252
Desempleado o inactivo 0,011 0,634 -0,034 0,103
Beca de la institución del programa 0,009 0,415 0,010 0,263
de doctorado
Beca de la AAPP 0,004 0,642 -0,008 0,329
Financiación del Ayudante de un profesor 0,032 0,000** 0,011 0,174
doctorado
Tiempo completo en otra ocupación 0,023 0,007** 0,017 0,011**
Ahorros personales 0,008 0,608 -0,013 0,536
Ayudas familiares 0,008 0,616 0,002 0,876
Andalucía 0,021 0,005** 0,021 0,000**
Cataluña -0,030 0,006** -0,015 0,144
Región Madrid -0,024 0,008** -0,008 0,268
Valencia -0,004 0,686 -0,007 0,517
Galicia 0,011 0,185 0,004 0,598
Años entre la finalización del doctorado y la primera 0,000** 0,003 0,002**
estancia internacional
** Significativo al 95 %. * Significativo al 90 %. Persona de referencia: Hombre, con más de
50 años de edad, que no es soltero, con doctorado en Ciencias de la salud, que trabaja en el
mundo empresarial, cuyo doctorado se financió a través de otras fuentes y que ha desarrollado su
doctorado en otras regiones a parte de las señaladas. Los errores estándar del probit ordenado
son robustos. Probabilidades en el punto medio.
Fuente: ERHCT-2006.

611
5. La flexiseguridad como nuevo paradigma en el ámbito educativo
español

Andrés Mínguez Vela, ESIC

612
La flexiseguridad como nuevo paradigma en el ámbito educativo español

Andrés Mínguez Vela, ESIC

1. Introducción a la Flexiguridad: las Olas de Alvin Toffler

Desde 1995 a 2008, la renta real per cápita del Estado Español, con respecto a la UE-15, ha
subido hasta los 90 puntos (alrededor de 7). Hemos crecido en riqueza, pero no en productividad,
ya que el boom inmobiliario estaba enmascarando este hecho. Precisamente por ello, el único
sector que ha mejorado su índice de productividad en ese mismo periodo, ha sido el bancario.
España necesita un nuevo modelo de crecimiento sostenible.
Sentadas estas bases macroeconómicas, nos vamos a apoyar en las Olas socio-económicas
de Alvin Toffler para organizar la evolución de la humanidad de una forma sencilla.
Este autor distingue desde el Neolítico (año 6000 aC) hasta 1948 tres grandes “olas”.
La primera es la Ola AGRÍCOLA, que aparece cuando los antiguos pobladores de la prehistoria
dejan de ser nómadas y se convierten en agricultores y ganaderos. Esta primera ola tiene una
duración de 7650 años, cuando finaliza el Renacimiento.
La segunda ola, aparece gracias a la Revolución Industrial, por lo que es conocida como
INDUSTRIAL. Tiene una duración de 300 años, hasta 1948, año en que aparece la tercera ola,
llamada TECNOLÓGICA.
Toffler publica un libro en 1979 llamado “La tercera ola”, traducido al español por Plaza
y Janés en 1989, en el que que establece que “Un analfabeto será aquel que no sepa dónde ir a
buscar la información que requiere en un momento dado para resolver una problemática concreta.
La persona formada no lo será a base de conocimientos inamovibles que posea en su mente, sino
en función de sus capacidades para conocer lo que precise en cada momento».
Este párrafo es vigente en 2011, treinta y dos años después de escribirse.
En 1948, IBM fabrica “Deep Blue”, el primer ordenador que, enorme como una pared,
conseguía hacer las cuatro operaciones matemáticas básicas: sumaba, restaba, dividía y
multiplicaba. A partir de ese momento, la vida en los países del primer mundo cambió.
¿Cuánto ha durado esta tercera ola? Siguiendo la progresión geométrica en cuanto a la
duración de las dos anteriores, considero que esta ola dejó paso a la cuarta en 1990, año en que
comenzó a operar en España la empresa “Goya Servicios Telemáticos”, con un nodo en Madrid y,
posteriormente, en Barcelona, siendo pionera en ofrecer servicios de Internet a entidades privadas
y particulares.
Nuestra vida ha cambiado mucho en dos décadas.
Dentro de la ola Tecnológica, a esta cuarta ola, la denominamos de la INFORMACIÓN Y DE
LAS COMUNICACIONES.
Por tanto, si repasamos la duración de las “olas”, vemos que la primera tuvo una duración
de 7650 años, la Segunda 300 y la tercera 40. Observamos que las olas cada vez duran menos
debido a que los cambios de nuestra civilización son más rápidos y más profundos, por lo que
muchas personas atraviesan por olas distintas a lo largo de su vida.
En las empresas industriales, nos encontramos personas en las tres olas, en función de los
puestos de trabajo desempeñados, mientras que en las empresas de investigación, la mayoría de
su personal se encuentra entre la tercera y la cuarta ola.
Nuestros padres, así como todas las personas nacidas antes de la Generación de los Baby
Boomer (entre 1946 y 1960) pensaban que cuando trabajaban para una empresa, ésta les iba a
proporcionar trabajo seguro durante toda su vida laboral.

613
 Este hecho exigía poca flexibilidad en los empleados porque la empresa se encargaba de
transmitirles seguridad.
Pero ahora los tiempos han cambiado muy rápido y profundamente. Este paradigma ya no
sirve. En la representación gráfica de los años que abarcan las tres primeras olas socio-económicas,
vemos que la disminución es geométrica.

 
En cada paradigma, las personas nos tenemos que acostumbrar con más rapidez a una serie
de profundos cambios en nuestra forma de vivir, trabajar y relacionarnos.

2. Necesidad actual de la Flexiguridad

En este apartado, vamos a abordar la Flexiguridad desde una perspectiva organizativa.
Charles Handy en 1989 ya propuso la “organización abierta” en forma de trébol de tres hojas:
• Primera hoja.- Trabajadores clave de la organización.
• Segunda hoja.- Trabajadores subcontratados que realizan tareas no esenciales:
vigilancia, limpieza, mensajería, etc.
• Tercera hoja.- Representa la fuerza laboral flexible que se contratan a tiempo total
o parcial en función de las necesidades de la empresa.
Desde hace unos años, con el cambio de paradigma, hemos pasado del trébol a la margarita.
A las tres hojas del trébol se han añadido otros pétalos como las Uniones Temporales de Empresas
(UTE’s), los trabajadores expatriados o las alianzas estratégicas por proyectos.
El ser humano, desde el Neolítico se ha tenido que amoldar a los cambios que, en cada
época, le ha tocado vivir. Como nadie elige la época en la que vive, las personas flexibles tenemos
más oportunidades de seguir siendo empleables durante toda nuestra vida laboral, mientras que
los rígidos, los cómodos y los lentos pierden empleabilidad en cada cambio social, económico o
tecnológico que tiene lugar.
En este momento, acabamos de entrar en una quinta ola, la de las Redes Sociales, en un
cambio de paradigma que cambiará nuestra forma de vida, nuestras actitudes laborales y quien
sabe cuántas cosas más.
Este cambio de paradigma se produce por varias razones. La primera, la globalización.
El mundo es plano, todo se puede compartir en las redes sociales. Internet se ha convertido en
la base de nuestras vidas. La deslocalización industrial de sectores como el tecnológico hacia los
países BRIC ha cambiado el mapa mundial de las zonas más industrializadas del planeta.
En segundo lugar, los modelos económicos en los que se ha basado el crecimiento de
España hasta 2007 se han caído estrepitosamente. Estos años de bonanza no han sido suficientes

614
para resolver los problemas estructurales (que nos acompañan muchos años) y coyunturales
(propios de la situación actual), que aquejan a nuestro mercado laboral.
Por ejemplo, las tasas de paro españolas han sido siempre superiores a las del resto de
Europa. Mientras la economía ha crecido, nuestro mercado laboral se ha dualizado, ya que la
creación de empleo se ha centrado en el trabajo temporal.
En tercer lugar, en el ámbito social se ha desarrollado una cultura de la inmediatez,
contraria al esfuerzo, la persistencia y el ahorro. Por todo ello, muchos trabajadores españoles
por cuenta ajena no han asumido su parte de responsabilidad en lo que sucede. Ante cualquier
contrariedad, nos volvemos a “papá Estado” pidiéndole que nos solucione los problemas. Es lo más
cómodo.
En cuarto y último lugar, desde una perspectiva personal, nos planteamos si vale la pena
vivir para trabajar o es preferible trabajar para vivir. Las nuevas generaciones lo tienen claro: el
trabajo es una herramienta para desarrollarse durante toda la vida, pero no la única. Freud ya
dijo que las personas teníamos dos piernas para equilibrar nuestro cuerpo: el trabajo y la social-
familiar. Si cargamos o desarrollamos una en detrimento de la otra, acabaremos cojeando.
Desde hace un par de décadas, cada persona debe velar por mantenerse profesionalmente
al día, sin esperar que nadie se responsabilice de ello.
Ante este panorama, una de las herramientas que podemos utilizar es la Flexiguridad.
Este término nace en Dinamarca en la década de los 90, cuando su tasa de desempleo alcanzó el
máximo histórico del 13,8% (386.186 personas en paro) en enero de 1994.
La Flexiguridad en Dinamarca descansa sobre tres pilares: la flexibilidad del mercado
laboral que permite a las empresas adaptar sus plantillas a su situación económica (Caso LEGO) y
la seguridad que brinda el Estado desde una doble perspectiva: social y económica.
Otros países de su entorno como Finlandia, Noruega, Suecia, Países Bajos, Austria y
Alemania, aplicaron este modelo, adaptándolo a sus necesidades. En España, a la hora de reformar
nuestras leyes laborales, hemos mirado hacia Alemania y Austria (RD-Ley 10/2010 de 16 de junio
y Ley 35/2010 de 17 de septiembre).
La Flexiguridad debe enfocarse desde dos ámbitos: macroeconómico y microeconómico.
En el macroeconómico o público, la Flexiguridad se sustenta en tres pilares: mayor facilidad
para las empresas a la hora de contratar y despedir trabajadores; mayor protección social para los
desempleados y el establecimiento de un régimen de derechos y deberes para los desempleados,
centrados en su formación continua y en una actitud proactiva hacia la búsqueda de un nuevo
empleo.
Tal como la entiende la Comisión Europea, la Flexiguridad presenta cuatro ejes de
actuación:
• Contratos flexibles y fiables
• Estrategias de aprendizaje durante toda la vida laboral a través de la formación
continua
• Políticas activas de empleo, en detrimento de las políticas pasivas
• Sistema de seguridad social adaptado a las circunstancias de cada país
El concepto que prevalece en la Flexiguridad es la Flexibilidad. La Seguridad, en este
proyecto, lleva aparejada una fuerte y clara apelación a la responsabilidad personal. Si nos fijamos
el lexema o raíz de la palabra es Flexibilidad, mientras que el morfema (parte de la palabra que
matiza su significado) es Seguridad.
En este sentido, las prestaciones por desempleo se ponen al servicio de las transiciones
entre los distintos trabajos. Las personas necesitan seguridad en el empleo (a través de su

615
empleabilidad individual), más que seguridad en el puesto de trabajo. En un momento
difícil como el actual, la seguridad debe asemejarse a un buen remo, no a un ancla.
Hay que estar siempre dispuestos a navegar hacia el puerto que más nos convenga, siempre
que tengamos las competencias necesarias para añadir el suficiente valor con nuestro trabajo,
bien por cuenta propia, bien por cuenta ajena.
En el microeconómico o privado, la Flexiguridad consiste en promover y facilitar la
polivalencia de los trabajadores en una empresa, intentando preservar en todo momento, los
puestos de trabajo, aún a costa de reducir el salario en tiempos difíciles.
En este sentido, vamos a revisar el concepto alemán de KURZARBEIT o Trabajo reducido.
La filosofía que alimenta esta herramienta de flexibilidad laboral es la siguiente. Cuando
una empresa industrial (es complejo utilizarla en empresas de servicios) pasa por un momento
delicado a corto plazo, en lugar de reducir la plantilla, se plantea una reducción de la jornada
laboral para repartir el poco trabajo que hay.
Un porcentaje de las horas que no se trabajan es subvencionado por el Estado, dedicando
este tiempo a formación (es decir, a mejorar la propia empleabilidad). En un principio, la duración
máxima de esta situación era de seis meses. Actualmente, se ha ampliado a dos años.
En teoría, la Kurzarbeit es buena para las tres partes implicadas:
• Para las personas, porque están trabajando y reciclándose al mismo tiempo
• Para las empresas, porque les proporciona flexibilidad
• Para el Estado, porque abona menos desempleo a estas personas
Como ya hemos dejado entrever, un concepto que está relacionado directamente con la
flexibilidad es el de empleabilidad.
¿Cuándo una persona cualificada que trabaja por cuenta ajena es empleable?
La empleabilidad es un término que hace referencia a las posibilidades que tiene un
profesional de encontrar empleo, en función de su experiencia, cualificación y situación del
mercado en cuanto a oferta y demanda.
Si un trabajador por cuenta ajena se gana la vida trabajando en la ola agrícola, tendrá
más posibilidades de ser empleable durante toda su vida laboral que otro trabajador de la era
tecnológica. Los cambios en esta última son mucho más rápidos y más profundos.
Por tanto, en función de la ola en que se encuentren, los trabajadores deben ir al ritmo
de su mercado de trabajo, reciclándose para no quedarse obsoletos en sus conocimientos y
habilidades.
La empleabilidad debe tener en cuenta seis factores: adecuación vocacional, competencia
profesional, idoneidad, salud (física y mental), recursos alternativos y redes interpersonales
(manejo adecuado de las redes sociales).
En este sentido conviene hablar de la movilidad profesional. En España, no todo el
mundo está dispuesto a cambiar el lugar de residencia para trabajar. Cuanto más cerca de casa,
mejor. Y eso, no siempre es posible. En el resto de Europa, la filosofía es opuesta. Se tiene claro
que casi nadie que trabaja por cuenta ajena puede elegir la empresa que lo contrata, por lo que
mientras dure ese trabajo, se está dispuesto a cambiar de residencia. Además de aportar una
importante experiencia personal y profesional, se pueden mejorar las competencias idiomáticas y
se conoce una nueva cultura.
En este marco, las políticas de Flexiguridad deben reducir la brecha entre los que tienen
trabajo y los que lo buscan (distinguiendo entre los que acceden por primera vez a él y los que lo
han perdido).
Estas profundas y necesarias reformas laborales tienen un doble objetivo: reducir nuestra

616
tasa media de paro del 20% (con extremos del 27% en Canarias y del 9% en Euskadi) e incrementar
la productividad de nuestra economía.
En varios países occidentales, se da una escasez de talento que coincide con la llegada de
los Baby Boomer (BB) a la edad de jubilación. La actual crisis económica pospone esa escasez,
pero a medida que se vaya superando la recesión, tendremos problemas para sustituir a los que se
van a jubilar. El retraso en la jubilación podría ser una solución parcial al reemplazo de los BB.
A esto hay que añadir que el incremento del desempleo juvenil (según la OIT, España encabeza
la clasificación mundial con un 40%) no permite la posibilidad de una generación de reemplazo
cualificada. Conviviremos varias generaciones, cada una con sus intereses particulares, incluyendo
a la Generación U (de Unretired, los que no se jubilan), que junto a los ya citados BB, los X, los
Y y los Z, formarán una amalgama de itinerarios profesionales que, desde el área de personal,
deberemos gestionar.

3. Flexiguridad en el Sistema Educativo Español

Paralelamente, la implantación del Espacio Europeo de Educación Superior (EEES) durante
2010, ha hecho que las instituciones educativas y políticas españolas se replanteen las relaciones
entre Educación y Empleo, tomando como base la Flexiguridad.
Este camino comenzó el 25 de mayo de 1998 cuando los Ministros de Educación de Francia,
Alemania, Italia y Reino Unido firmaron en la Sorbona, una Declaración instando al desarrollo de
un EEES.
La Comisión Europea define los dos conceptos que componen la Flexiguridad. Con
Flexibilidad se hace referencia a un concepto que se traduce en movimientos laborales concretos
(de la escuela o la universidad al trabajo, del trabajo al desempleo, del desempleo a otro trabajo…
y así hasta la jubilación).
Con Seguridad, se centra en que el Estado sea capaz de garantizar la adquisición,
mantenimiento y renovación de las competencias necesarias para volver a trabajar durante los
períodos de “no trabajo”.
La Flexiguridad presenta cuatro ejes de actuación:
• Contratos flexibles y fiables
• Estrategias de aprendizaje durante toda la vida laboral a través de la formación
continua
• Políticas activas de empleo, en detrimento de las políticas pasivas
• Sistema de seguridad social adaptado a las circunstancias de cada país
Al analizar estas cuatro líneas de actuación, podemos abordar su análisis desde una doble
perspectiva: cuantitativa y cualitativa. Desde la perspectiva cuantitativa, se observa que tres de
los cuatro apartados hacen referencia a la Flexibilidad y solamente uno a la Seguridad.
En el plano cualitativo, la evidencia de un concepto de Flexiguridad no equilibrado se
hace más evidente. Los cuatro apartados tienen un único inspirador: la flexibilidad del mercado
de trabajo a través de la adaptabilidad del trabajador a las distintas situaciones laborales que le
pueden surgir. En este sentido, el Estado debe garantizar que los periodos de inactividad laboral
sean lo más cortos posibles.
Aplicando el concepto de Flexiguridad al ámbito educativo español, se hacen necesarios
una serie de cambios que faciliten esa flexibilidad en los centros escolares que les permitan
adaptarse al entorno y a las demandas del mercado.
En los centros escolares, nos centramos en los profesores y en los alumnos.
En cuanto a los profesores, podemos aportar una idea global y solo en los centros privados

617
(unos 1.800 en toda España) y concertados (sobre 7.200). En muchos de estos 9.000 centros
escolares, algunos profesores podrían pasar de asalariado a profesional autónomo. De hecho, los
profesores con asignaturas minoritarias imparten docencia en varios centros al mismo tiempo.
Pero en lugar contratarlos a tiempo parcial, podrían convertirse en profesionales autónomos y
evitar gastos fijos a los centros educativos. Además de impartir sus clases, podrían dedicarse a
labores de asesoría, formación a empresas, etc.
En estos casos, los profesores ha de hacerse cargo de su empleabilidad, transformándose
los términos del contrato profesor-centro educativo.
Respecto a los alumnos, cada Comunidad Autónoma es un mundo que intenta solucionar
sus problemas como puede. Una de las iniciativas que, en este sentido, está abordando el Gobierno
de la Comunidad Valenciana a través de su Consejería de Educación, es reconocer la formación
continua que realicen los trabajadores en sus empresas, siempre que los contenidos y su duración
coincidan en un 85% (como mínimo) con los reglados.
El papel de la Consejería sería de supervisión, asesoramiento y coordinación. El trabajador
deberá superar una prueba escrita y otra práctica. La formación de la empresa tendrá el aval de
la Consejería de Educación y valdrá el 30% de la nota final, mientras que la prueba de validación
pondera el 70% restante.
De esta forma, los trabajadores obtienen un doble beneficio:
• Por una parte, se reciclan en su actual puesto de trabajo
• Por otra, consiguen una titulación académica que les permite continuar sus estudios
y conseguir un título oficial, en el caso de que reúnan los requisitos académicos de acceso.
En el Sistema Educativo europeo, casi el once por ciento de los jóvenes entre 18 y 24 años
de la Europa comunitaria no estudia ni trabaja (Generación NINI), con el consiguiente riesgo de
quedar excluidos de forma permanente del mercado laboral al no disponer de conocimientos o
experiencias útiles.
Nuestro Sistema Educativo está en crisis desde hace dos décadas. Pero como los efectos
de una mala política educativa no son tan visibles a corto plazo como los de una mala política
económica, hemos ido retrasando la fase de actuación práctica mientras enfatizábamos en la de
actuación teórica.
Analizando las cinco Leyes Orgánicas (L.O.) promulgadas por el Ministerio de Educación
desde 1990, (LOGSE en 1990, LOPEG en 1995, LOCFP en 2002, LOCE en 2002 y LOE en 2006),
llegamos a la conclusión de que algunos alumnos, durante su etapa escolar, han sufrido hasta
cuatro de estas L. O. con todo lo que ello implica respecto a estructurar ciclos, contenidos, criterios
de evaluación, asignaturas que cambian de modalidad (obligatorias-optativas), asignaturas que
desaparecen o aparecen, cambios de requisitos para obtener títulos, etc.
Por supuesto, estos cambios también repercuten negativamente en el profesorado, a
quienes esta situación les exige dedicar más tiempo a reestructurar programaciones para que
se ajusten a la nueva ley que a pensar en cómo mejorar su metodología docente o motivar a sus
alumnos para que no abandonen la ilusión por aprender.
Desde 2006, la Ley Orgánica de Educación (LOE), ha propiciado que los alumnos abandonen
la escuela primaria con 12 ó 13 años. A esta edad prepuberal, muchos alumnos tienen dificultades
para adaptarse a nuevos docentes con nuevas metodologías y nuevas formas de evaluación.
Demasiados cambios al mismo tiempo.
El porcentaje de jóvenes españoles entre 18 y 24 años que solo han cursado la enseñanza
obligatoria y no están formándose es del 31,2%. De ellos, un 30% no ha terminado la ESO.
Presentan riesgo de exclusión social permanente. Pero lo peor es que, en los últimos diez años,

618
este porcentaje se ha incrementado en un 7,2%. (Fuente: Eurostat, 2010).
Siguiendo las mismas fuentes, en 2008, el porcentaje de jóvenes entre 20 a 24 años sin
Bachillerato ni Formación Profesional en España era del 40%. La media en la Unión Europea era
del 21,5%, mientras que el objetivo de Lisboa era rebajar esta cantidad al 15%.
Véase el gráfico siguiente para comparar esta situación, agregando países que superan el
90% de jóvenes que han finalizado la Educación Secundaria no obligatoria.

Gráfico 2. Porcentaje de jóvenes entre 20 y 24 años sin Bachillerato o Formación Profesional

 
Es necesario revitalizar nuestro sistema educativo para que el fracaso escolar y el abandono
prematuro de los estudios sean inferiores al diez por ciento, objetivo fijado en Lisboa, dentro del
Programa Integrado de Educación y Formación de la Unión Europea (2007-2013).
Para reducir este porcentaje, la Consellería de Educación de la Generalitat Valenciana está
preparando para el curso 2011-12, un Plan de Transición de la Educación Primaria a la Secundaria
Obligatoria que afectará, sobre todo, a los centros públicos, ya que la mayoría de privados y
concertados abarcan desde la educación infantil al bachillerato.
Si nos centramos en la Universidad, y según datos del informe “Propuestas para la reforma
de la universidad española” encargado por la Fundación Alternativas, el 30% de los alumnos
universitarios abandonan la carrera a los dos años de comenzar y solo otro tanto termina los
grados en los cuatro años previstos, lo que implica un “despilfarro” de 2.960 millones de euros
anuales en las universidades públicas. (Cinco días, 17-11-2010).
El 40% restante termina sus estudios universitarios, lo cual entra en los objetivos de la
Estrategia 2020. Según el citado informe, antes de diez años, un 50% de los nuevos empleos
exigirá estudios medios y un 35%, formación universitaria.
Una interesante experiencia en este ámbito está siendo desarrollada, desde hace quince
años, por el Instituto de Máquina Herramienta en Elgoibar (Guipuzcoa). En este centro se puede
estudiar ingeniería alternando las aulas con la empresa: tres días en la empresa y dos en el aula.
Durante tres años, las empresas contratan a los estudiantes, desarrollando profesionalmente a
éstos en función de sus necesidades presentes. Véase su web www.imh.es.
A los profesores universitarios nos gusta pensar que podemos «salvar» a algunos alumnos
del fracaso, pero la realidad que cuentan los alumnos es la contraria: unos cuantos profesores
desmotivados y a los que no les gusta enseñar, anulan el trabajo de muchos buenos.

619
 La Ley Orgánica de Educación (LOE) de 2006, ha propiciado que los alumnos abandonen la
escuela primaria con 12 ó 13 años. A esta edad prepuberal, muchos alumnos tienen dificultades
para adaptarse a nuevos docentes con nuevas metodologías y nuevas formas de evaluación.
Demasiados cambios a la vez.
El sistema no reconoce el esfuerzo de los buenos profesores, sobre todo, a los que son
capaces de entender la forma de pensar y razonar de sus alumnos.
Después de analizar a los alumnos y a los profesores, nos quedan las causas institucionales
del abandono escolar. Según las investigaciones del profesor Fernández Enguita y su equipo
(2010, pág. 169-170), las principales son:
• Currículo común obligatorio, impuesto y rígido que impide diversificar, muy teórico
y poco flexible. No hay alternativa para los que lo rechazan, que van «obligados».
• Bajo nivel educativo en primaria, por promoción automática o por características
de los centros concretos.
• El sistema no compensa las deficiencias de origen sociocultural, porque faltan
medios (por ejemplo, trabajadores sociales en centros educativos).
• El paso de primaria a secundaria supone un cambio de la relación profesor-alumno,
una peor atención directa al alumno y una relajación del control.
• No hay renovación en la metodología docente. Los profesores no saben cómo
recuperar a los alumnos que necesitan un apoyo especial.
• Otras instituciones con responsabilidad en el tema (ayuntamientos, inspección)
no se preocupan, o son ineficaces en su respuesta ante las situaciones planteadas desde los
centros. Por ejemplo, se hacen partes de absentismo pero no se toman medidas.
Para intentar paliar estos problemas, podemos utilizar “Juventud en Movimiento”, una de
las siete iniciativas de la estrategia Europa 2020 para el crecimiento de la Unión Europea, puesta
en marcha el 15 de septiembre de 2010.
Las medidas propuestas tienen un triple objetivo:
• Mejorar las perspectivas de trabajo de los jóvenes
• Hacer que la educación y la formación se adapten mejor a sus necesidades
• Dar a conocer las becas de movilidad de la UE para estudiar, formarse o hacer
voluntariado en otro país (según estudios independientes, las empresas valoran mucho este tipo
de experiencia).
Dentro de la iniciativa ‘Juventud en Movimiento’, se deben promover tres tipos de
actuaciones para mejorar las opciones de empleo de los jóvenes:
• Facilitar la formación y la experiencia práctica con el objetivo de mejorar el
conocimiento de otros mercados y la obtención de competencias idiomáticas, culturales y de
relación entre los países de la Unión Europea.
• Crear un nuevo marco de relaciones laborales que permita avanzar hacia la
‘Flexiguridad’ a través de una armonización de políticas, pero respetando los modelos de cada
país.
• Imagen de cada centro: dependiendo de la reputación, provoca la concentración de
alumnos con unas características determinadas (buenas o malas).
Profundizando en este último apartado, nos encontramos con los “Escuelas libres” (Free
schools). En un artículo aparecido en “Cinco días” el 4 de enero de 2011 (pág. 31), los colegios
libres funcionan desde hace años en países como Suecia (unos 900) y Estados Unidos (alrededor
de 5000), mientras que Reino Unido se está planteando abrir los primeros 25 en septiembre de
2011.

620
 Se trata de colegios de primaria y secundaria que reciben ayudas públicas, pero disponen
de libertad absoluta para diseñar sus temarios. La propuesta parte del Secretario de Educación,
Michael Gove y abre la puerta a que grupos de padres, profesores, entidades no gubernamentales,
universidades o empresas puedan organizar sus propias “escuelas”.
El objetivo de esta iniciativa es elevar la calidad de la enseñanza y permitir que las familias
con menos recursos puedan elegir el colegio que mejor se adapte a sus necesidades. En EEUU,
existen escuelas especializadas en letras, en ciencias, matemáticas, nuevas tecnologías, etc.
Relacionando la Flexiguridad con las “Escuelas libres”, cada centro podrá negociar el salario
y las condiciones laborales con sus trabajadores (docentes y no docentes). También tendrán
un control total sobre su Cuenta de Resultados y libertad para adaptar el Curriculum Nacional
a los objetivos de cada escuela, así como diseñar la programación de los periodos escolares y
vacacionales.
Todos los centros estarán bajo supervisión de los inspectores públicos.
Pero como en cualquier nueva iniciativa, existen detractores como el sindicato Británico
de Profesores (NUT).

4. Conclusiones
• La UE no se puede permitir perder la capacidad de trabajo de quienes, recientemente,
han perdido su empleo.
• Se supone que la Flexiguridad supondrá una rebaja en la fiscalidad para las empresas
y un despido más barato. Dos aspiraciones clásicas de la CEOE.
• Se potencian las agencias de colocación de empleo, que surgirían a partir de las
ETT’s
• A las personas en situación de desempleo se les obligaría a formarse en aquellos
sectores económicos en los que hiciera falta mano de obra, aunque fueran nuevos para el
trabajador.
• La Flexiguridad no es un modelo barato. Probablemente, aumentará la presión fiscal
para las familias.
• El trabajador competente y empleable, sin saberlo, ha utilizado la Flexiguridad en
su vida laboral antes de que este término se utilizara por primera vez. Se ha comportado como un
intraemprendedor, haciendo posible su adaptación a los cambios impuestos por el mercado laboral
y que no podemos controlar.
• En España tenemos paz social pero con muy baja productividad, mucha crispación
política y un porcentaje de paro insostenible en el tiempo. Como ya hemos comprobado que esto
no funciona, deberíamos probar otras estrategias. Ya lo dijo Einstein, “No pretendamos que las
cosas cambien si siempre hacemos lo mismo”.
• En España tenemos 31.394 centros docentes no universitarios (Fuente: http://
www.educacion.es/ ). De esa cantidad, el 70% son públicos (unos 22.000). Del 30% restante
(unos 9.000), el 80% están Concertados (unos 7.200).
• En materia educativa, los niños, adolescentes y jóvenes españoles están sufriendo
desde hace años la irresponsabilidad de nuestros políticos. Las leyes educativas de ámbito nacional
de otros países de la Unión Europea son mucho más estables en el tiempo que las españolas.
Esto se refleja en el porcentaje de fracaso escolar en la enseñanza secundaria obligatoria y no
obligatoria.
• Como dijo Obama en uno de sus discursos: “Nosotros mejoramos la educación, pero
lo que no podemos hacer es entrar en sus hogares, apagar la televisión y hacer que sus hijos hagan

621
las tareas escolares, eso es trabajo de los padres”.

5. Líneas de actuación propuestas

• La formación continua impartida en las empresas debería ser reconocida para que
los trabajadores pudieran obtener un título de formación profesional en su especialidad. Los años
de experiencia aportarían la práctica (80%), mientras que la formación en aula aportaría la teoría
(20% restante).
• Grados universitarios de tres años (180 ECTS) junto con los de cuatro (240 ECTS),
dejando las asignaturas secundarias para el posgrado.
• Más tutorización por parte de profesores y alumnos de últimos cursos de secundaria
para que el aterrizaje de los nuevos alumnos de primaria, recién llegados al Instituto, sea menos
estresante.
• Flexibilizar 4º de ESO con una doble orientación: Formación Profesional o
Bachillerato
• Potenciar la Formación en Alternancia, siguiendo el modelo seguido en Alemania,
Francia, Reino Unido, Italia,…
• Regresar a la filosofía del esfuerzo, el trabajo y la constancia, abandonando la
actual filosofía de la inmediatez: lo quieres, lo tienes.
• En España se han promulgado cinco Leyes Orgánicas de Educación desde 1990. Los
objetivos propuestos por cada una de ellas no se han podido cumplir en su totalidad, puesto que
muchos recursos humanos y económicos se dedican a derogaciones y nuevas implantaciones. Es
una irresponsabilidad política a la que se ha prestado poca atención, aunque sus resultados se
están poniendo de manifiesto desde finales de 2007. La educación es un asunto nacional, no del
Partido Político que gobierne en cada momento.

Referencias y páginas web

Comisión Europea (2010): Europa 2020. Una estrategia para un crecimiento inteligente, sostenible
e integrador.

ESADE-Randstad (2010): Informe sobre la calidad del trabajo en la Europa de los quince.

Fernández Enguita, Mariano y otros (2010): Fracaso y abandono escolar en España. Obra Social de
La Caixa. Colección Estudios Sociales nº 29.

Handy, Charles (1989): The age of unreason. Mcgraw-Hill Publ.Comp.

Informe PISA 2009. Programa para la Evaluación Internacional de los alumnos OCDE. Informe
Español. Ministerio de Educación, 2010.

Vv.aa. (2010): Acerca de la educación en España. Fundación Progreso y Democracia

http://www.cincodias.com

http://ec.europa.eu

http://economy.blogs.ie.edu

622
http://epp.eurostat.ec.europa.eu/

http://flexiseguridad.es

http://www.imh.es

http://www.queesbolonia.gob.es (Ministerio de Educación)

623
/ Capítulo 8. Inserción Laboral y Educación

624
1. Flexible jobs among recent graduates

Daniëlle Bertrand-Cloodt, ROA

Frank Cörvers, ROA, Meteor, NSI and Netspar
Ben Kriechel, ROA and IZA
Jesper Van Thor, ROA

625
Flexible jobs among recent graduates

Daniëlle Bertrand-Cloodt, ROA

Frank Cörvers*, ROA, Meteor, NSI and Netspar
Ben Kriechel, ROA and IZA
Jesper Van Thor, ROA

Abstract
This paper shows that flexible jobs are very common among graduates entering the Dutch labour
market, and that these jobs are generally less attractive relative to permanent jobs. Our main
conclusion is that the selection of recent graduates into either permanent or flexible jobs in the
Netherlands mainly takes place at the demand side of the labour market, i.e., by employers. There
is no indication that flexible work among graduates entering the labour market is related to their
willingness to take risks. Only at university level are there any indications that the selection
process is different.

Keywords: Flexible work; job characteristics, job mismatch, temporary contracts, recent graduates,
willingness to take risks.

JEL classification: J21, J24, J41, M51.

1. Introduction
The central difference between temporary and permanent contracts is grounded in
employment protection legislation. If employers are faced with declining demand for products
or poorly performing employees, they have to pay high costs to fire the permanent workers. In
contrast, fixed-term employees are excluded from all redundancy procedures and severance pay
when their contracts terminate. Moreover, temporary employment agencies supply workers on the
so-called spot market, which makes it possible for companies to adjust their workforce quickly.
Temporary employment is very common among recent graduates, which makes it important to
understand which groups of recent graduates have the largest probability of a temporary job
and for what reasons. However, only few studies have examined why recent graduates enter into
temporary contracts.
The main question in this paper is to what extent the probability of flexible employment
among recent graduates is driven by labour demand, such as business cycle effects, or reflects the
characteristics and preferences of the graduates. We distinguish between the two main categories
of temporary jobs among recent graduates that are both regarded as flexible employment: fixed-
term and temporary agency jobs. We use data of recent graduates from Dutch secondary or higher
education to analyse the impact of educational level and field on the probability of entering into
permanent or emporary contracts. Based on previous empirical studies (see Section 2) and our
own analyses of job characteristics, we will argue that, in general, recent graduates in flexible
jobs are worse off than those in permanent jobs. We will show that both the level and the field of
education matter for the incidence of temporary work, and introduce five factors related to recent
graduates’ education that may explain the probability of a temporary job.

* Corresponding author: frank.corvers@maastrichtuniversity.nl. Research Centre for Education and the Labour
Market (ROA), Maastricht University School of Business and Economics, 6200 MD Maastricht, the Netherlands.

626
 First, labour demand is more susceptible to employment variations for some fields of
study than for others. These variations can stem from the business cycle as well as from other
factors, such as changes in government budgets for health care or education. From the theory of
adjustment costs (Hamermesh and Pfann, 1996) we can infer that employers may be more likely to
enter into temporary contracts with graduates educated in fields susceptible to large employment
variations. Second, if unemployment is high for graduates with particular degrees, employers can
allow themselves to screen recent graduates with these degrees more intensively by postponing a
permanent contract offer. Therefore a high incidence of flexible employment in particular fields
of study may be a manifestation of a weak labour market position (De Grip et al., 1997). Third,
graduates educated in fields that are strongly attached to particular occupational domains may
have a better position to enter into permanent contracts than more broadly educated graduates
(Borghans and Heijke, 1998), since employers will be more certain about the tasks they are able to
perform and consequently their productivity. Fourth, graduates can signal motivation, ambition
and ability with their final exam grades (Spence, 1973). Employers may be more willing to engage
in permanent contracts with graduates that can achieve high productivity. Fifth, graduates who
are more willing to take risks may enter into temporary contracts first, since they demand less
compensation from their employers for job insecurity (Rosen, 1986).
Our empirical analyses reveal that only the first four factors explain a significant part
of the variance of temporary work among recent graduates. The willingness to take risks does
not seem to matter for the incidence of temporary work. This leads us to the conclusion that
the selection of graduates into either permanent or flexible jobs in the Netherlands mainly
takes place at the demand side of the labour market, i.e., by employers. This conclusion is also
supported by the finding that recent graduates with temporary contracts earn less, are more
often overeducated, work more frequently outside their domain, and more often regret their
choice of study. Moreover, we show that recent graduates, compared to employees, are often used
as a buffer for dealing with fluctuations in the demand for personnel. Only at the university
level are there some indications that the selection process is different. Some university graduates
get fixed-term jobs that match their education better than university graduates in permanent
jobs, their selection into temporary jobs seems to be less dependent on the business cycle, and
university graduates with higher grades are more likely to have fixed-term jobs.
In connection to the five explanatory factors, the next section reviews the literature that
addresses the most important reasons why graduates enter into temporary contracts. Section 3
discusses the data and the general trends of recent graduates working in flexible contracts, and
compares these to all employees in the Dutch labour force for the period 1996-2008. In Section
4, we look at several job aspects and analyze how a higher prevalence of temporary contracts
for recent graduates from particular fields of study may be interpreted. Section 5 presents an
empirical model to explain the probability of a recent graduate receiving a temporary contract
using educational level and field as predictors. Section 6 analyses to what extent the five factors
mentioned above can explain the probability with which recent graduates at the different levels
of education may be offered a temporary job. Section 7 concludes.

2. Previous Literature
From previous literature, it follows that flexible work may be related to so-called ‘bad
jobs’ in the secondary labour market segment (Doeringer and Piore, 1971; Reich et al., 1973;
Rebitzer and Taylor, 1991). This may be particularly true for those groups that traditionally have
a weak position in the labour market in terms of high unemployment and loose attachment to

627
the labour market. These groups include not only immigrant, low-skilled and female workers, but
also young people entering the labour market. They may move from one flexible job to another,
interrupted by periods of unemployment or inactivity. Young people, including recent graduates,
must often accept temporary rather than permanent jobs when they are faced with high youth
unemployment rates (Treu, 1992). Another explanation for a higher incidence of flexible jobs
among recent graduates can be inferred from the so-called insider-outsider theory (Bentolila and
Dolado, 1994). Permanent workers (insiders) dominate the labour unions and will make sure that
their terms of employment are guaranteed as much as possible relative to the outsiders. These
outsiders are the groups of people with a weak link to the labour market, including new entrants
like recent graduates. Unfavourable job aspects for the outsiders’ jobs may include temporary
contracts and low wages as well as detrimental working conditions, more work accidents, lack of
training opportunities and higher job strain (Houseman, 2001; Zijl, 2006).
Thus, an employer may choose to employ graduates on a temporary basis to offer lower
wages, less training or worse working conditions. Another important motive for employers to offer
graduates a temporary contract may be the screening motive (Winkler, 1987). The employer can
offer permanent contracts to the most able graduates or those that meet the required standards.
Autor (2004) asserts that temporary agency work is more important as a screening instrument
than for dealing with fluctuations over the business cycle. Temporary employment agencies are
able to gather important information concerning the quality and motivation of temporary agency
workers by training and testing them. Thus, they may be better able to match graduates and
vacancies than employers are.
Nevertheless, the minimization of adjustment costs of the workforce can be seen as
the main motive for employers to offer temporary contracts. Fluctuations in the demand for
goods and services (like seasonal work) and temporary absences of incumbent staff due to for
example holidays or sickness are the most prevalent motives for employers to hire flexible workers
(Houseman, 2001; Storrie, 2002). Other related motives for employers to choose flexible workers
include filling a position temporarily to bridge the time until an appropriate permanent worker
is found, and hiring expertise required for specific projects. It is, however, not known to what
extent these motives are relevant for recent graduates.
Two empirical studies specifically analyse the labour market position of recent graduates,
and point to the less attractive aspects of temporary jobs among these graduates. Wieling and
Borghans (2001) show that the incidence of temporary work for Dutch graduates of different
educational programs depends on excess supply of people educated in these programs on the
labour market. They find that working for a low wage, below the educational level (i.e., the
graduate is overeducated) or outside the occupational domain are other job aspects associated with
temporary jobs that indicate a weak labour market position for recent graduates. Furthermore,
Try (2004) shows that temporary jobs are widespread among recent graduates in Norway, and that
temporary jobs are generally associated with working below the educational level and for lower
wages.
Graduates will usually prefer permanent over flexible jobs. According to the theory of
compensating wage differentials (Rosen, 1986), employees should only accept a temporary job
if they receive a higher salary than that of permanent workers. However, as has been argued
above, compensation for temporary workers is lower than for permanent workers with the same
background characteristics and occupying the same kind of job (European Commission, 2003).
These so-called wage penalties vary from 5 percent in France, Germany, Belgium and Austria to
more than 15 percent in the Netherlands. Nevertheless, it may be expected that graduates who

628
are least risk averse (i.e. most willing to take risks and require the smallest compensation), will
have the highest probability to end up in flexible work (Dohmen et al., 2009).
Of course, temporary contracts make it possible for recent graduates whose manpower
is only required on a temporary basis to be employed and have income anyway. Temporary
contracts may increase the probability that unemployed graduates enter the labour market, which
reduces unemployment duration207. When people are offered employment by means of temporary
contracts, they can obtain work experience, acquire essential competencies that make them
more attractive for other employers, demonstrate their motivation and capacities and develop
their informal network. Thus flexible jobs may serve as a stepping stone toward a permanent job
(Booth et al., 2002; Heyma and De Graaf-Zijl, 2009). Try (2004) indeed finds evidence that recent
graduates consider some flexible jobs (in particular, research fellowships) as a good investment
opportunity.
There are many other motives for choosing flexible jobs (Ecorys-NEI, 2002; Houseman,
2001), which may in particular hold for recent graduates. They can use flexible jobs for screening
interesting jobs or employers, choose for flexible jobs if they like variation in their work, or
bridge the time to another (permanent) job. Flexible work may provide extra income relative to
receiving unemployment benefits, or can be supplementary to earnings in another job or to a
study grant.

3. Data Preview
Data are drawn from large-scale graduate surveys conducted annually in the Netherlands
by the Research Centre for Education and the Labour Market (ROA). These surveys include recent
graduates of pre-vocational secondary (VMBO), upper general secondary (HAVO), pre-university
(VWO), secondary vocational (MBO, excl. apprentices), higher professional (HBO208) and university
(WO) education. To construct the sample of permanent and temporary graduates in this paper, we
exclude the small groups of on-call and self-employed workers and include all recent graduates
working at least one hour per week. A sample of almost 300,000 graduates remained for the
period from 1996 to 2008209.
The surveys take place 18 months after graduation and focus on aspects of the education-
to-work transition. Extensive information is collected on the graduates’ educational background
as well as their current job. The information on graduates’ current job includes income, hours
worked, type of contract and a variety of other indicators of the quality of the job match. To
measure the match between education level and current job, the survey uses an employee self-
rating method in which respondents are asked to indicate the education level required by the
employer and the match between their field of study and their current job. For this paper we
use the surveys conducted between 1996 and 2008, which refer to the 1994/1995 to 2006/2007
graduate cohorts. Table A.1 of the Annex shows the summary statistics of the data set used.
Figure 1 shows the proportion of recent graduates in flexible jobs, broken down by level
of education for the period 1996-2008. Except for university graduates (WO), the figure suggests
that the share of flexible work among recent graduates is cyclical. From 1996 to 2001, continuing
economic growth, declining unemployment and a rising number of vacancies increased the
bargaining position of workers, including recent graduates, and resulted in a lower percentage
207 For example, Wieling and Borghans (2001) refer to the possibility of a trade-off between different job aspects,
including temporary work.
208 HBO-institutions profile themselves internationally as universities of applied sciences.
209 For many analyses in Section 5, the number of graduates is lower since a shorter period must be used due to
missing variables.

629
of graduates accepting flexible work positions. When economic growth declines or the economy
shrinks, it is cheaper for employers to fire the flexible workforce first. Since Dutch economic
growth began to decline in 2001, and remained just above zero in 2002, we can explain the low
percentage of flexible work in 2002. The labour market situation dramatically changed during
2002; unemployment rose sharply, peaking at about 6.5 percent in 2004/2005. For graduates of
pre-vocational and secondary vocational education (VMBO and MBO), the percentage of flexible
work reached a minimum in 2002, whereas for graduates of higher professional education (HBO),
the minimum was reached one year earlier.
The effect of a growing economy on the volume of flexible relative to permanent work
develops in two stages (Zijl et al., 2003). First, after economic stagnation, a growing economy
results in an increase in demand for flexible workers in order to meet the increasing need for
goods and services. Figure 1 indeed shows a rising share of flexible jobs among graduates entering
the labour market after 2002. Second, continuing economic growth leads to tight labour markets
and many hard-to-fill vacancies. Since 2004, the economy (i.e., GDP) grew at a rate of 2 percent
per year or more (particularly in 2006 and 2007). After 2006, the share of flexible work decreased
due to the rising bargaining power of employees (in particular for MBO- and HBO-graduates),
assuming that employees usually prefer a permanent contract to a temporary contract.

Figure 1. Percentage of flexible workers among recent graduates in paid

employment by level of educationa, 1996-2008

 
Notes: (a) VMBO = pre-vocational secondary education; MBO = secondary vocational education
(excl. apprentices); HBO = higher professional education210; WO = university education.
Source: ROA (SIS).

The cyclical movement suggests that flexible work among recent graduates primarily
functions as a buffer in the workforce to adapt to changes in labour demand. Only for university
graduates (WO) did the percentage of flexible jobs remain at a high level − about 50 − during
nearly all of the study period. This may indicate that university graduates are more often engaged
in temporary contracts for other purposes, like screening and training. University graduates may
in particular hold trainee posts at hospitals, traineeships in banks or insurance companies or
PhD positions at universities. The share of flexible jobs among university graduates entering the
labour market may be therefore less susceptible to business cycle fluctuations than it is among
210 HBO-institutions profile themselves internationally as universities of applied sciences.

630
graduates at the lower education levels.
Figure 2 shows the percentage of flexible workers by level of education for the total group
of employees in the period 1996-2008. These data are drawn from the Dutch Labour Force Survey
(LFS). It is obvious that flexible work is much less common among employees than among recent
graduates. This indicates that employees who have gained several years of experience in the
labour market generally have a better labour market position in terms of job security. In addition,
Figure 2 indicates that the percentage of flexible workers diminishes with the level of education.
Note that this relationship with educational level does not hold for the percentage of flexible jobs
among recent graduates shown in Figure 1. Of all employees with an HBO diploma, less than 6
percent had a temporary contract in 2008, and of those with a university degree, this percentage
was even smaller (3.9 percent). The share of flexible workers among the total group of employees
decreased at all education levels after 1998, reached the lowest level around 2003. Thereafter,
the share rose again, in particular at the two lower education levels. During the last few years of
the period under consideration the share of flexible workers, in particular at the higher levels,
declined due to the recovery of the economy. The fluctuations in the percentage of flexible
workers are much smaller among the total group of employees than among recent graduates. This
indicates that the absorption of the labour market inflow of graduates is particularly important
to cope with fluctuations in labour demand caused by the business cycle.

Figure 2. Percentage of flexible workers among employees by level of education, 1996-2008

 
Notes: See Figure 1 for explanations of abbreviations. MBO includes apprentices.
Source: Statistics Netherlands (LFS).

4. Flexible work and other job aspects

In this section we examine the relationship between having a flexible job and eight
distinct aspects of graduates’ jobs. These job aspects are retrieved from the graduate surveys of
ROA discussed in the previous section. Logistic regression analyses have been performed in order
to estimate the marginal effect of having a temporary contract on (among others) the probability
that graduates work outside their discipline, work part-time or are dissatisfied with their job.
The analyses in this section are conducted for graduates with a fixed-term contract as well as
graduates in temporary agency work. In both analyses, graduates with a permanent contract are
the reference group. We conduct separate analyses for each job characteristic for recent graduates
of secondary vocational education (MBO, excl. apprentices), higher professional education (HBO)

631
and university education (WO)211. We control for gender, ethnicity, age, work region, survey year,
level of the course (solely for MBO) and final exam result. Before discussing the results, it is
important to note that the marginal effects of temporary contracts on each of the job aspects are
not necessarily causal.

Graduates in fixed-term jobs

Table 1 shows the impact that a fixed-term contract has on the incidence of several job
aspects for graduates of MBO, HBO and WO. It can be concluded from the table that secondary
vocational (MBO) graduates with a fixed-term contract work significantly more often outside their
discipline, in a job below their educational level, and in a part-time job212. They are more often
dissatisfied with their job, experience a poorer transition between study and job, regret their
choice of study more often and are trained less than MBO graduates with a permanent contract.
Moreover, the gross hourly wage of MBO graduates with a fixed-term contract is 3.2 percent lower
than for MBO graduates with a permanent contract. We find similar results regarding the impact
that a fixed-term contract for higher professional (HBO) graduates has on the job aspects. On
average, gross hourly wage is 3.3 percent lower for graduates with a fixed-term rather than a
permanent contract.

Table 1. Impact of a fixed-term contract on job aspects of graduates by level of education,

graduates with permanent jobs are the reference groupa, marginal effects based on logistic
regression analyses, 2002-2008

Job aspects MBOb HBOb WOb

Outside discipline 0.046 *** 0.030 *** −0.035 ***
Below educational level 0.021 ** 0.010 *** −0.082 ***
Part-time 0.031 ** 0.049 *** 0.050 ***
Dissatisfied in job 0.013 *** 0.009 *** 0.004 **
Poor study-job transition 0.031 *** 0.015 *** −0.006 **
Regret education 0.041 *** 0.031 *** 0.018 ***
No training 0.065 * 0.098 *** 0.134 ***
Log gross hourly wagec −0.032 *** −0.033 *** −0.076 ***
Notes:
(a) The following control variables are used in the analyses: gender, ethnicity, interaction
gender*ethnicity, age, age squared, work region, survey year, final exam result, and level of the
course (for MBO only).
(b)The number of stars indicates the statistical significance of the marginal effects: *** = 1%; **
= 5%; * = 10%.
(c) The effect of having a fixed-term contract on log gross hourly wage is estimated by means of
an OLS regression.

211 There are not enough observations for VMBO and HAVO/VWO graduates in employment to conduct similar
analyses. The regressions are restricted to the 2002-2008 period since information on the final exam results of
graduates was not available for earlier years.
212 Part-time work is another aspect of so-called ‘atypical work’ that may indicate a disadvantageous situation for
the worker (De Grip et al., 1997).

632
 The results of the logistic regression analysis concerning university (WO) graduates differ
to some extent from the results at the lower educational levels. For WO graduates, the labour
market position occasionally seems to be better for employees with a fixed-term contract instead
of a permanent contract. WO graduates with a fixed-term contract work less often outside their
discipline, are less often overeducated and experience a poor study to job transition less frequently
than university graduates with a permanent contract. This remarkable result may be explained
by the fact that university graduates often have jobs with an enormous learning content such as
trainee posts (hospitals), traineeships (banks or insurers) or PhD positions (Try, 2004). Employers
may screen these graduates for ability, motivation and discipline. Moreover, for graduates these
positions may be a stepping stone to a permanent job. The unique job aspects of university
graduates may explain why the share of temporary contracts among university graduates exhibits
almost no co-movement with the business cycle (see Figure 1). However, for the other job aspects,
WO graduates remain worse off with a fixed-term contract. They get considerably less training and
earn significantly less than graduates in permanent jobs.

Graduates in temporary agency jobs

We conduct analyses for temporary agency workers in the same way as for fixed-term
workers. Table 2 presents the marginal effects on several job aspects for graduates with a
temporary agency contract instead of a permanent contract. At the secondary vocational (MBO)
level, temporary agency work is significantly positively related to all unfavourable job aspects.
In addition, it can be concluded that MBO graduates with a temporary agency contract are worse
off in terms of their gross hourly wage, since they earn 14 percent less than MBO graduates with
a permanent contract. This is also worse than for MBO graduates with a fixed-term contract (see
Table 1).
At the higher professional (HBO) level, graduates in temporary agency jobs are worse
off on all eight job aspects compared to graduates in permanent jobs. This is similar to the
results for fixed-term workers. Graduates in temporary agency jobs are particularly more likely
to work outside their discipline and below their level, and are trained less often than permanent
workers of this level, as can be concluded from the high marginal effects (25, 21 and 15 percent,
respectively) relative to those for MBO graduates. Moreover, they earn 18 percent less per month
than permanent workers, whereas fixed-term workers earn 3 percent less than permanent workers
(see Table 1).
At the university (WO) level, the job aspects of graduates in temporary agency jobs are also
considerably worse than similar aspects of graduates in permanent and fixed-term jobs. Unlike
some job aspects for fixed-term graduates at the university level, this holds for all job aspects.
The effects on the unfavourable job aspects of WO graduates in temporary agency jobs are usually
even stronger compared to those of HBO graduates. University graduates in temporary agency
jobs are particularly more likely to work below their educational level than university graduates
in permanent jobs (40 percent). Finally, there is a vast difference in gross hourly wages between
temporary agency jobs and permanent jobs for WO graduates. The former group of jobs pay 27
percent less per month than the latter, which is also considerably less than temporary agency
jobs at the HBO level and fixed-term workers at the WO level (see Table 1).

633
 Table 2. Impact of a temporary agency contract on job aspects of graduates by level of education,
graduates with permanent jobs are the reference group, marginal effects based on logistic
regression analyses, 2002-2008
Job aspects MBO HBO WO
Outside discipline 0.161 *** 0.250 *** 0.350 ***
Below educational level 0.092 *** 0.214 *** 0.396 ***
Part time 0.113 *** 0.235 *** 0.283 ***
Dissatisfied in job 0.044 *** 0.057 *** 0.140 ***
Poor study-job transition 0.057 *** 0.169 *** 0.342 ***
Regret education 0.071 *** 0.107 *** 0.111 ***
No training 0.208 *** 0.145 *** 0.325 ***
Log gross hourly wage −0.137 *** −0.179 *** −0.266 ***

Notes: See Table 1

5. Explanatory model for flexible work among recent graduates

In this section we examine the impact that educational background has on the probability
of a temporary employment relationship. The temporality of a job is usually perceived as a less
attractive job characteristic that many recent graduates have to accept out of necessity when
the labour market situation deteriorates. The previous section indeed shows that a flexible job
is strongly associated with several less favourable job aspects. However, as has been mentioned
in Sections 1 and 2, there may be other reasons for a high incidence of flexible work among
graduates in particular fields of study. In the next section we return to the explanations of the
differing probabilities of flexible work in each educational program. Table 3 presents the marginal
effects of the educational programs of recent graduates on the probability of having a fixed-term
or a temporary agency job by means of logistic regression analyses. The reference group consists
of recent graduates with a permanent contract. The table focuses on the marginal effects of the
educational programs on the probability of working in either a fixed-term job or a temporary
agency job. The control variables included are gender, ethnicity, age, work region and survey
year213. The results for the control variables are presented in the Annex of this paper, but will be
briefly discussed here214. There are alternative estimation models and specifications that would
also make sense in our context. Next to the one presented in this paper we have estimated the
regressions using multinominal and ordered logit models. Intuitively, it would make sense to
order the outcomes from permanent via fixed-term job to temporary job, with unemployment
as an additional worst alternative. While this might suggest a logical order in the different job
options ranging from a permanent job to being unemployed, the estimation results of the ordered
logit model showed that this assumption is violated. The alternative, using unordered end-nodes,
is the multinominal logit analysis. Given that the estimates were strongly comparable to the
ones from the simple logit model, we choose to only present the estimates from the latter. The
213 The logistic regression model can be expressed as follows
n
p
= exp(∑ βi xi )
1− p i =1
where p is the probability of flexible work (fixed-term or temporary-agency) and x1, …. xn are the explanatory
variables.
214 The results are the same as in Bertrand-Cloodt et al. (2011), who also include a similar logistic regression analysis
€ for all employees in the labour force.

634
multinominal logit analyses can be seen as robustness checks.
In addition, university graduates (WO) have higher probabilities of a fixed-term job
(compared to a permanent one), which seems to follow its own time trend (see Figure 1). The
reason for this is that in WO it is more common to have fixed-term contracts, like trainee posts
or PhD positions. The analyses of tables 3 to 7 have also been performed including interaction
effects between WO and year dummies215, which resulted in almost equal estimates.
As has been argued before, both types of flexible work may point to a disadvantageous
labour market situation of graduates, since they are related to several negative job aspects and
since graduates usually prefer permanent over temporary jobs. Based on simple logit analyses
Table A.2 of the Annex to this paper shows that female graduates and graduates from minority
groups have a larger probability of fixed-term and temporary agency jobs. This confirms the often
reported result in empirical studies that the labour market position of these groups is relatively
weak. Fixed-term work initially increases with age, but the age effect is parabolic. The impact
of work region on flexible work shows that the labour market is loosest in the North (i.e., the
most rural part), and tightest in the West (i.e., the most urbanized part) of the Netherlands. The
estimated effects for the year dummies suggest that the business cycle impacts the probability of
flexible work.
The effect of the educational program of recent graduates on the incidence of flexible
work in Table 3 is estimated relative to the reference group of VMBO Theory (i.e. the general track
within pre-vocational secondary education). The results show that educational program has a
greater effect on fixed-term than on temporary agency contracts. It can be concluded that VMBO
graduates in all fields of study generally have a high probability of being offered either type of
contract. Graduates from HAVO/VWO frequently have a temporary agency contract. MBO graduates
with a degree in health care have the lowest probability of fixed-term and temporary agency jobs,
and therefore have a high level of job security, indicating a good labour market situation. This
also holds at the HBO for graduates with a degree in paramedics. In general, we interpret a low
probability of temporary work as an indication that graduates of a particular educational position
enjoy a relatively good labour market position.
Interestingly, the results differ substantially for the probability of graduates on fixed-
term and temporary agency jobs at the university level (WO). While university graduates in
several fields of study have a rather low probability of accepting a temporary agency contract, the
same cannot be concluded for university graduates with a fixed-term contract. At the university
level, graduates of almost all fields of study are relatively likely to have a fixed-term contract.
This is especially true for those obtaining a degree in medical science. Only university graduates
with a degree in economics and law have a smaller probability of a fixed-term contract than
the reference group. Fixed-term contracts might be highly prevalent among recent university
graduates not because these graduates face a poor labour market situation, but rather because
they pursue positions that are more likely to include fixed-term contracts, like trainee posts
(hospitals) or PhD positions (universities)216.

215 Table 8 only covers one year, 2008, so the interaction effects cannot be computed.
216 See also Try (2004) on this point.

635
Table 3. The impact of educational program on the probability of having a fixed-term or temporary
agency joba, marginal effects after binomial logistic regressions, 1996-2008
Temporary
Educational program a
Fixed-term job c
agency jobc
(ref.: VMBO Theory) (ref.: permanent) (ref.: permanent)
VMBO Agriculture −0.054 *** −0.003
Engineering −0.051 *** −0.021 **
Economics −0.043 *** −0.002
Care & welfare −0.052 *** 0.001
Other/remaining 0.004 0.073 ***
HAVO/VWO −0.096 *** 0.018 **
MBO Agriculture −0.145 *** −0.050 ***
Engineering −0.133 *** −0.036 ***
Social & cultural −0.163 *** −0.032 ***
Health care −0.215 *** −0.065 ***
Economics −0.115 *** −0.033 ***
Other/remaining −0.137 *** −0.038 ***
HBO Education −0.114 *** −0.061 ***
Social & cultural −0.066 *** −0.030 ***
Agriculture −0.010 0.005
Engineering −0.106 *** −0.058 ***
Paramedical −0.168 *** −0.062 ***
Economics −0.100 *** −0.052 ***
Other/remaining −0.055 *** −0.050 ***
WO Language & literature 0.079 *** −0.022 ***
Agriculture 0.147 *** −0.004
Engineering & science 0.030 ** −0.074 ***
Medical science 0.270 *** −0.077 ***
Economics & law −0.069 *** −0.092 ***
Other/remaining 0.170 *** −0.049 ***
Control variables Yes Yes
Observations N= 222,494 N= 162,821
−139,039.9
Log likelihood 8 −56,124.45
Pseudo R² 0.039 0.053

Notes:
(a) The following control variables are used in the analyses: gender, ethnicity, interaction
gender*ethnicity, age, age squared, work region and survey year. See Table A.2 of the Annex for
the marginal effects of the control variables.
(b) VMBO = pre-vocational secondary education; HAVO/VWO = general secondary education; MBO
= secondary vocational education (excl. apprentices); HBO = higher professional education; WO
= university education.
(c) The table shows the statistical significance of the marginal effects: *** = 1%; ** = 5%; * =
10%.

636
6. Labour market situation, characteristics and preferences
In this section we present five different factors that are related to the graduates’ education
and which may explain the probability of a flexible job. We analyse to what extent the following
five factors can explain differences in the incidence of flexible work among graduates entering
the labour market: employment variation, unemployment rate, labour market dispersion, final
exam result and willingness to take risks. These factors have been introduced and discussed in
the first two sections of this paper. The first three factors are measured for each of the more
than 100 educational types, which fall within 25 broader educational programs217. The last two
factors represent the ability and preference of each individual graduate218. We expect that the five
factors can explain differences in the probability with which graduates of different educational
programs accept flexible jobs. The estimations below are based on the same explanatory model
as in Section 5, but do not include the dummy variables that indicate the differences between
educational programs. In this way we should be able to uncover some explanations for the
differences between educational programs with regard to the incidence of flexible work.

Employment variation
As has been discussed in Section 2, employers may be more inclined to enter into temporary
contracts when uncertainties regarding production volume and labour demand are larger. The
employment variation by educational type is dependent on the employment changes (including
business cycle effects) of both industries and occupations in which the educational types are
most relevant. Apart from the indicator for employment variation (EV) by educational type, we
include year dummies as the usual control variables for cyclical variations.
The first column of Table 4 accounts for the impact of employment variations of secondary
education (reference group), HBO and WO graduates on the probability of having a fixed-term
contract (relative to a permanent contract). Generally, if graduates have a diploma in a field
of study that is more heavily subject to employment variations, they are significantly more
likely to have a fixed-term employment relationship. For HBO and WO graduates, the interaction
effect concerning employment variations is significantly negative. The net effect is significantly
negative for WO.
Similarly, in the right-hand column we present the results for the probability of a
temporary agency contract (relative to a permanent contract). Graduates whose field of study is
heavily subject to employment variations are more likely to have a temporary agency contract,
although the effects are smaller than for fixed-term contracts. For recent graduates from HBO and
WO, the interaction effect is significantly negative. However, only for WO graduates are the net
effect significantly negative. From Table 4 we can conclude that employers use graduates from
secondary education primarily to adapt to cyclical changes in labour demand.

217 Educational types are thus more differentiated programs than those presented in the last section. See ROA
(2009) for an overview of educational programs and types..
218 See the Annex for more details on the measurement of the five factors.

637
Table 4. The impact of employment variation on the probability of having a fixed-term or
temporary agency job, graduates with permanent jobs are the reference groupa, marginal effects
after binomial logistic regressions, 1996-2008
Labour market aspect Fixed-term jobc Temporary agency jobc
Employment variation (EV) 0.361 *** 0.203 ***
EV*HBOb −0.331 *** −0.204 ***
EV*WOb −0.711 *** −0.320 ***

Control variables Yes Yes

Observations N = 188,363 N = 133,364

Log likelihood −118,300.78 −38135.56
Pseudo R² 0.035 0.049

Notes:
(a) The following control variables are used in the analyses: gender, ethnicity, interaction
gender*ethnicity, age, age², work region, survey year and level of education.
(b) HBO = higher professional education; WO = university education.
(c) The table shows the statistical significance of the marginal effects: *** = 1%; ** = 5%; * =
10%.

Unemployment rate
As has been argued before, employers will take more time to screen graduates who face
a poor labour market situation. Graduates encountering excess supply in the labour market
have a weaker bargaining position and will more readily accept temporary instead of permanent
contracts. To account for differences in the labour market position of educational programs, we
include the average unemployment rates of the educational types for the period between 2002
and 2008 as explanatory variables for the incidence of flexible work among graduates. Table 5
reports the results. According to expectations, graduates in educational programs exposed to high
unemployment have a higher probability of engaging in both types of flexible work. This holds
even more strongly for university graduates. University graduates thus are less likely to obtain a
permanent contract when they are in a poor position in the labour market than graduates at the
secondary level of education.

Table 5. The impact of unemployment rate on the probability of having a fixed-term or temporary
agency job, graduates with permanent jobs are the reference group, marginal effects after binomial
logistic regressions, 2002-2008
Labour market aspect Fixed-term job Temporary agency job
Unemployment rate (UR) 0.019 *** 0.007 ***
UR*HBO 0.012 *** 0.002
UR*WO 0.008 ** 0.014 ***

Control variables Yes Yes

Observations N = 91,809 N = 61,220

Log likelihood −59,361.79 −15,725.72
Pseudo R² 0.029 0.041

Notes: See Table 4.

638
Labour market dispersion
Apart from unemployment, high labour market dispersion is another indicator for a weak
labour market position of recent graduates from particular fields of education. Table 6 shows
that the effect of labour market dispersion on the share of fixed-term contracts is significantly
positive. Thus, as the occupations for graduates of a particular type of education grow more
dispersed on the labour market, the probability with which graduates accept fixed-term contract
increases. The more dispersed occupations on the labour market for graduates of a particular
type of education are, the larger their probability to have a fixed-term contract. In other words,
graduates’ opportunity to choose from a wider range of alternative occupations comes at the cost
of job security. For HBO graduates with fixed-term contracts this effect is even stronger, while the
interaction effect is significantly negative for WO graduates. For WO graduates with fixed-term
contracts, the net effect is close to zero. For temporary agency contracts, we find significantly
positive effects at all three levels.

Table 6. The impact of labour market dispersion on the probability of having a fixed-term or
temporary agency job, graduates with permanent jobs are the reference group, marginal effects
after binomial logistic regressions, 1996-2008
Labour market aspect Fixed-term job Temporary agency job
Labour market dispersion (LMD) 0.005 *** 0,001 ***
LMD*HBO 0.003 *** 0,002 ***
LMD*WO −0.004 *** 0,002 ***

Control variables Yes Yes

Observations N = 188,363 N = 133,364

Log likelihood −118,877.53 −38,117.09
Pseudo R² 0.030 0.050

Notes: See Table 4.

Final exam result

Generally it may be expected that graduates with lower average grades have a weaker
labour market position than more able (or more ambitious) graduates, and are therefore selected
more frequently for fixed-term and temporary agency jobs. In Table 7 the results are presented
for recent graduates in the period from 2002 to 2008. The effects of the final exam result on the
probability of a fixed-term contract reveal that only the interaction between final exam results and
WO is significant. Moreover, this marginal effect is positive, indicating that university graduates
with higher grades are more prone to fixed-term employment relationships. This may be caused
by the aforementioned specific type of temporary contracts for these university graduates, like
trainee posts (hospitals) or PhD positions (universities).

639
Table 7. The impact of final exam result on the probability of having a fixed-term or temporary
agency job, graduates with permanent jobs are the reference group, marginal effects after binomial
logistic regressions, 2002-2008
Fixed-term job Temporary agency job
Final exam result (FER) −0.004 −0.032 ***
FER*HBO −0.005 0.003
FER*WO 0.033 *** 0.008 **

Control variables Yes Yes

Observations N = 76,291 N = 50,344

Log likelihood −49,729.10 −13,334.68
Pseudo R² 0.027 0.038

Notes: See Table 4.

The final exam result has a significantly negative effect on the probability of a temporary
agency contract. This means that higher grades decrease the probability of a temporary agency
job. For HBO graduates, there is no additional effect of the final exam result. For WO graduates,
we find that exam result has a small but significantly positive effect on the probability of being
a temporary agency worker, although the net effect is still negative.

Willingness to take risks

It may be expected that recent graduates who are more willing to take risks are also
more likely to have a temporary contract. In Table 8 we present the results for the impact of
willingness to take risks on the probability of flexible work among graduates in 2008. We do not
find the expected relationship for the probability of a fixed-term job, or for the probability of a
temporary agency job. On the contrary, we find that willingness to take risks has a small negative
effect (only marginally significant) on the probability of a fixed-term contract, indicating that
graduates who are more prone to take risks are less likely to have a fixed-term contract relative to
a permanent contract219. Willingness to take risks of graduates doesn’t seem to play a significant
role in the selection of the type of contract when graduates enter the labour market.

219 Using alternative risk measures (see Annex A) or including interaction terms between willingness to take risks
and educational levels still does not lead to significant results for willingness to take risks. Furthermore, we perform
additional regression analyses that include both final exam result and graduates’ willingness to take risks, and find
no significant results.

640
Table 8. The impact of willingness to take risks on the probability of having a fixed-term or
temporary agency job, graduates with permanent jobs are the reference group, marginal effects
after binomial logistic regressions, 2008
Fixed-term job Temporary agency job
Willingness to take risks (WTR) −0.023 * −0.005
WTR*HBO 0.018 0.006
WTR*WO 0.021 0.006

Control variables Yes Yes

Observations N = 3,277 N = 2,172

Log likelihood −2,155.35 −729.68
Pseudo R² 0.030 0.059

Notes: See Table 4.

7. Conclusions
Our analyses of the job aspects of graduates in the Netherlands 18 months after entering
the labour market show that recent graduates with temporary contracts earn less, work below
their educational level (i.e. are overeducated) or outside their domain more often and are more
likely to regret their choice of study. Only university graduates seem to be better off with fixed-
term rather than permanent contracts with respect to the job match when they enter the labour
market. Business cycle fluctuations impact the share of workers in flexible jobs at virtually all
levels of education. This is particularly true for recent graduates, who usually have a higher
probability of accepting a temporary contract than the average employee in the labour force. This
indicates that recent graduates, compared to employees, are often used as a buffer for dealing
with fluctuations in the demand for personnel. However, the business cycle does not seem to have
the same effect on university graduates.
In the paper we attempt to explain why the probability of temporary contracts among
recent graduates differs between fields of study. We find that recent graduates in fields of study
that are more heavily subject to employment variations are significantly more likely to have a
fixed-term or temporary agency job. This suggests that employers are more reluctant to enter into
permanent contracts when uncertainty in labour demand is higher. However, the probability with
which more highly educated graduates accept fixed-term positions seems to depend less on large
variations in employment. Moreover, in fields of study with structurally higher unemployment or
labour market dispersion, recent graduates are more likely to have accepted temporary contracts.
Employers will take more time to screen graduates in fields of study with higher unemployment
rates or with a loose attachment to the specific occupations in their companies. This indicates
that the labour market position of educational programs can explain the share of flexible work of
recent graduates from these programs. Thus a high incidence of flexible work can be interpreted
as an indicator for a weak labour market position.
We find evidence that graduates with higher average grades face a better labour market
position compared to graduates with lower grades. Employers can use final exam grades as a
screening instrument to reduce the risk of a bad job match. Recent graduates with high grades are
therefore selected less frequently into temporary contracts. In contrast, university graduates with
higher grades are more likely to have fixed-term jobs. This may be caused by the specific type of

641
temporary contracts that many university graduates obtain to invest in their skills. Trainee posts
in hospitals or PhD positions at universities may offer a stepping stone for a career. Furthermore,
we find that willingness to take risks has no positive effect on graduates’ probability of entering
into either fixed-term or temporary agency employment.
This paper shows that flexible jobs are generally less desirable relative to permanent jobs
for graduates entering the labour market. Our main conclusion is that the selection of recent
graduates into either permanent or flexible jobs occurs primarily on the demand side of the
labour market (choices made by employers rather than graduates). If labour markets become
tighter, employers are more willing to offer graduates permanent contracts instead of temporary
contracts, and graduates in fields of study with small employment variations are more likely to
receive a permanent contract when they enter the labour market. In addition, the more able
graduates are, the more often they are offered permanent contracts by employers. Only at the
university level are there some indications that the selection process is different. Some university
graduates get fixed-term jobs that match their education better than university graduates in
permanent jobs, their selection into temporary jobs seems to be less dependent on the business
cycle, and university graduates with higher grades are more likely to have fixed-term jobs. Finally,
there is no indication that flexible work among recent graduates is related to their willingness
to take risks. Graduates with a greater dislike for unsecure jobs have a probability of accepting a
temporary contract that is equal to that of graduates with a greater willingness to take risks.

References
Autor, D. (2004): “Labor Market Intermediation: What Is It, Why It Is Growing”. NBER Reporter,
Research Summary, Fall: http://www.nber.org/reporter/fall04/autor.html.

Bentolila, S. and J.J. Dolado (1994): “Labour Flexibility and Wages: Lessons from Spain”. Economic
Policy, Vol. 9, pp. 55-99.

Bertrand-Cloodt, D., F. Cörvers and J. van Thor (2011): “Betekenis en belang van flexwerk op de
arbeidsmarkt”. Kwartaalschrift Economie, forthcoming.

Booth, A.L., M. Francesconi and J. Frank (2002): “Temporary Jobs: Stepping Stones or Dead
Ends?” Economic Journal, Vol. 112, pp. F189-F213.

Borghans, L. and H. Heijke (1998); “Flexibility and the Structure of the Dutch Labour Market”,
in: H. Heijke, L. Borghans (eds), Towards a Transparent Labour Market for Educational Decisions,
Ashgate, Aldershot/Brookfield USA/Singapore/Sydney, pp. 119-150.

Cörvers, F., A. Dupuy, S. Dijksman, B. Kriechel and R. Montizaan (2010): Methodiek

arbeidsmarktprognoses en -indicatoren 2009-2014, ROA-TR-2010/5, Research Centre for Education
and the Labour Market, Maastricht University.

De Grip, A., J. Hoevenberg and E. Willems (1997): “Atypical Employment in the European Union”.
International Labour Review, Vol. 136, pp. 49-71.

Doeringer, P. and M. Piore (1971): Internal Labor Markets and Manpower Analysis, Lexington
Books, Heath, Lexington.

642
Dohmen, T., A. Falk, D. Huffman, U. Sunde, J. Schupp and G.G. Wagner (2009): “Individual Risk
Attitudes: Measurement, Determinants and Behavioral Consequences”. Journal of the European
Economic Association, Forthcoming (working paper version, ROA-RM-2009/6).

Ecorys-NEI (2002): Rationale of Agency Work – European Labour Suppliers and Demanders’ Motives
to Engage in Agency Work, Rotterdam.

European Commission (2003): Employment in Europe 2003: Recent Trends and Prospects,
Luxembourg.

Hamermesh, D.S. and G.A. Pfann (1996): “Adjustment Costs in Factor Demand”. Journal of Economic
Literature, Vol. 34, pp. 1264-1292.

Heyma, A. and M. de Graaf-Zijl (2009): “De rol van uitzendarbeid binnen de publieke
arbeidsbemiddeling”. TPEdigitaal, Vol. 3, pp. 142-162.

Houseman, S.N. (2001): ‘Why Employers Use Temporary Staffing Arrangements: Evidence from an
Establishment Survey”. Industrial and Labor Relations Review, Vol. 55, pp.149-170.

OECD (2002): OECD Employment Outlook 2002, Paris.

Rebitzer, J.B. and L.J. Taylor (1991): “A Model of Dual Labor Markets when Product Demand is
Uncertain”. Quarterly Journal of Economics, Vol. 106, pp. 1373-83.

Reich, M., D.M. Gordon and R.C. Edwards (1973): “A Theory of Labor Market Segmentation”.
American Economic Review, Vol. 63, pp. 359-365.

ROA (2009): De arbeidsmarkt naar opleiding en beroep tot 2014, ROA-R-2009/5, Research Centre
for Education and the Labour Market, Maastricht University.

Spence, M. (1973): “Job Market Signaling”. Quarterly Journal of Economics, Vol. 87, pp. 355-374.

Storrie, D. (2002): Temporary Agency Work in the European Union, European Foundation for the
Improvement of Living and Working Conditions, Dublin.

Treu, T. (1992): “Labour flexibility in Europe”. International Labour Review, Vol. 131, pp. 497-
512.

Try, S. (2004): “The Role of Flexible Work in the Transition from Higher Education into the Labour
Market”. Journal of Education and Work, Vol. 17, pp. 27-45.

Wieling, M. and L. Borghans (2001): “Discrepancies between Supply and Demand and Adjustment
Processes in the Labour Market”. Labour, Vol. 15, pp.33-56.

Winkler, D.R. (1987): Screening Models and Education; in G. Psacharopoulos (ed.), Economics of
Education: Research and Studies, Pergamon Press, Oxford, pp. 287-291.

643
Zijl, M., E. Berkhout, J.A. Korteweg, E. Sol and M. Aerts (2003): Uitzendwerk en conjunctuur:
Motieven van werkgevers en de gevolgen voor de samenloop met conjunctuur, SEO rapport,
Amsterdam.

Zijl, M. (2006): Economic and Social Consequences of Temporary Employment, Academic thesis,
Thela Thesis Publising, Amsterdam.

644
Annex
Table A.1. Summary statistics of variables used in the empirical analyses
Variable Observations Mean Min Max
Permanent contract 294,428 0.600 0 1
Atypical contract 294,428 0.400 0 1
Fixed-term contract 198,983 0.324 0 1
Temporary agency contract 272,154 0.076 0 1
Outside discipline 222,494 0.285 0 1
Below educational level 222,494 0.310 0 1
Part-time 222,494 0.298 0 1
Dissatisfied in job 146,692 0.027 0 1
Poor study-job transition 124,557 0.077 0 1
Regret education 222,494 0.200 0 1
No training 80,912 0.618 0 1
Gross hourly wage 222,494 10.825 0 67
Female 222,494 0.564 0 1
Immigrant 222,494 0.064 0 1
Age 222,494 24.372 15 39
Work region North 222,494 0.078 0 1
East 222,494 0.173 0 1
West 222,494 0.533 0 1
South 222,494 0.216 0 1
Year dummy's 1996 222,494 0.065 0 1
1997 222,494 0.071 0 1
1998 222,494 0.102 0 1
1999 222,494 0.088 0 1
2000 222,494 0.078 0 1
2001 222,494 0.090 0 1
2002 222,494 0.081 0 1
2003 222,494 0.061 0 1
2004 222,494 0.069 0 1
2005 222,494 0.068 0 1
2006 222,494 0.074 0 1
2007 222,494 0.081 0 1
2008 222,494 0.073 0 1
VMBO 222,494 0.032 0 1
HAVO/VWO 222,494 0.028 0 1
MBO 222,494 0.155 0 1
HBO 222,494 0.467 0 1
WO 222,494 0.282 0 1
Employment variation 222,494 1.04 0.51 1.68
Unemployment rate 222,494 3.61 0 14.14
Labour market dispersion 222,494 9.96 1.22 36.34
Final exam result 170,337 3.56 1 6
Willingness to take risks 6,367 6.197 0 10
VMBO Theory 222,494 0.009 0 1
Agriculture 222,494 0.009 0 1
Engineering 222,494 0.005 0 1
Economics 222,494 0.006 0 1
Care & welfare 222,494 0.004 0 1
Other/remaining 222,494 0.001 0 1
HAVO/VWO 222,494 0.027 0 1
MBO Agriculture 222,494 0.022 0 1
Engineering 222,494 0.043 0 1
Social & cultural 222,494 0.050 0 1
Health care 222,494 0.018 0 1
Economics 222,494 0.054 0 1
Other/remaining 222,494 0.003 0 1
HBO Education 222,494 0.074 0 1
Social & cultural 222,494 0.111 0 1
Agriculture 222,494 0.018 0 1
Engineering 222,494 0.082 0 1
Paramedical 222,494 0.057 0 1
Economics 222,494 0.125 0 1
Other/remaining 222,494 0.003 0 1
WO Language & literature 222,494 0.080 0 1
Agriculture 222,494 0.007 0 1
Engineering & science 222,494 0.061 0 1
Medical science 222,494 0.026 0 1
Economics & law 222,494 0.098 0 1
Other/remaining 222,494 0.008 0 1

645
Table A.2. Control variables of Table 3
Fixed-term job Temporary agency job
(ref.: permanent job) (ref.: permanent job)
Gender (female=1) 0.049 *** 0.017 ***
Ethnicity (minority=1) 0.031 *** 0.054 ***
Female*minority 0.013 0.006
Age 0.053 *** 0.004
Age² −0.001 *** −0.000 **

Location employer (ref.: South)

North 0.078 *** 0.064 ***
East 0.030 *** 0.006 ***
West −0.007 *** −0.021 ***

Year (ref.: 1996)

1997 −0.001 −0.016 ***
1998 −0.048 *** −0.040 ***
1999 −0.069 *** −0.060 ***
2000 −0.079 *** −0.065 ***
2001 −0.083 *** −0.070 ***
2002 −0.083 *** −0.078 ***
2003 −0.037 *** −0.070 ***
2004 −0.010 * −0.050 ***
2005 0.009 −0.043 ***
2006 0.022 *** −0.044 ***
2007 0.004 −0.056 ***
2008 0.020 *** −0.057 ***

646
 Overview of the measurement of explanatory factors
Employment variation (EV)
Employment variation across educational types is measured in three steps. First, the extent
to which employment in sectors of industry varies from year to year is estimated. Time series
from 1987 to 2008 are used. Second, the sensitivity of employment in occupations to employment
variations per industry is measured. Third, the variation indicators for occupations are weighted
by the shares of employment of these occupations in total employment of each educational type.
The average value of employment variation is normalized to 1. A higher value indicates greater
variation in employment.
The indicator of employment variation (which includes cyclical sensitivity) is determined
over a period of 20 years, using the Labor Force Surveys from 1987-2008. It determines the
occupation and sector specific responses of employment to business cycle fluctuations, budget
changes by the government, and other economic shocks. It is computed for 127 occupational
groups. We use the occupation specific indicator that captures the variation by sector, weighted
by the importance of the sector for the occupation and the fluctuation of the occupation within
a sector. The indicator is determined as follows (Cörvers et al., 2010):

E ost
EV ot = ∑ αostEV st
s E st

EVot = employment variation of occupation o at time t.

€ Eost = number of persons employed in occupation o in sector s at time t.
Est = number of persons employed in sector s at time t.
αos = extent to which employment in occupation varies with changes in employment in sector s.
EVst = sectoral employment variation.

Where
E st − E st
EV st = 100* ∑
t E st
E st−1 − E st+1
E st =
2
€
EVst is estimated on Labour force employment data from 1987-2008.
€ EVot is estimated on Labour Force Survey data from 1996-2008.

647
Unemployment rate (UR)

Unemployment rate for each educational type is calculated as the percentage of unemployed
people for this educational type divided by the total number of people with the respective
educational background in the labour force.

Labour market dispersion (LMD)

Labour market dispersion is an indicator of the spread of the types of education across
occupations. The indicator is similar to the Gini−Hirshman index (Cörvers et al., 2010). If all
graduates of a particular educational type work in one occupation, then the index is equal to 1.
The higher the indicator, the more an educational type is dispersed over different occupations.
A larger dispersion points to a weaker position in a specific occupational domain, although the
labour market risk is also more spread out amongst different occupations (Borghans and Heijke,
1998).

Final exam result (FER)

The final exam result of a graduate is the average grade in the exam year of secondary or
tertiary education. A higher grade indicates better performance.

Willingness to take risks (WTR)

Willingness to take risks is measured by asking graduates to make a global assessment,

specifically: ‘How willing are you to take risks, in general?’ (for more information, see Dohmen et
al. (2009)). Respondents rate their willingness to take risks on a scale from 0 to 10 (an eleven-
point scale). In addition to the question on willingness to take risks ‘in general’, responses to
questions on willingness to take risks concerning financial matters and career were also used to
perform some robustness checks.

648
2. Did Bologna reform improve school-to-work transition of graduates?
Evidence from Slovenia

Dasa Farcnik, University of Ljubljana

Polona Domadenik, University of Ljubljana

649
Did Bologna reform improve school-to-work transition of graduates? Evidence
from Slovenia

Dasa Farcnik, University of Ljubljana

Polona Domadenik, University of Ljubljana

Abstract
Purpose: This paper investigates the school-to-work transition of graduates in a framework of
a quazi experiment. In a predominately tuition free system we use differences in probability of
employment after graduation to infer about the causal effect of different field of study and type
of study program.
Design/methodology/approach: By using a probit regression we calculate the probability of
employment for graduates in different fields of education and different type of study program,
where we control for the innate ability and effort during schooling.
Findings: We find that graduating from a particular field of study affects the probability of
employment in three consequent observed years. In general we find, that regardless of the field
we observe decreasing probabilities of employment over the years of 2008 and 2009. We also find
that new graduates holding a diploma from new vocational or academic Bologna programs face
lower probability of employment comparing to graduates having a pre-Bologna degree.
Practical implications: In the absence of price competition, performance indicators such as
employability can provide relevant information to student choice or a management tool for
efficient distribution of education funds to measured performance.
Originality/value: By covering the entire population of full-time graduates in 2007, 2008 and
2009 that entered labor market for the first time after graduation we calculate probability of
employment in the three consequent years allowing us to first infer about the effect of the
new Bologna-harmonized programs and second infer about the crisis impact. In addition we
investigate the effect of the quarter of year on the probability of employment.

Keywords: school-to-work transition, employability, Bologna Declaration.

1. Introduction
This paper investigates the determinants of school-to-work transition of higher education
graduates in Slovenia. Unique dataset of the entire population of full time graduates that enter
labor market for the first time provides a framework of a quazi experiment, where in tuition free
system we investigate the effect of different fields of study on the probability of employment with
special attention to the effect of different study programs (professional vs. academic education
and new Bologna programs). Based on three consequent cohorts of graduates we observe how the
probability of employment according to field of study varies over time.
Sound educational system represents an important layer for sustainable economic growth
by equipping potential employees with knowledge and skills they will need in active labor market
participation. Unemployment in one way represents poor match between vacancies and supplying
human capital but on the other hand a bad start in a young person’s working life has immediate
and long-lasting economic, personal and social costs. Therefore there has been an increased
attention in last decade analyzing the reasons of youth unemployment within the school-to-
work transition framework. Our paper provides additional empirical evidence on school-to-work
transition of young people immediately after graduation. First we investigate probability of

650
employment in the first three months after graduation and in two later points in time, namely 6
and 9 months, respectively. Unique to this paper is that we are able to investigate the effect of
the year quarter or how the month of graduation affects the probability of employment.
In our analysis we exploit the rich dataset covering the entire population of graduates.
The data refer to students graduating in 2007, 2008 and 2009. Matched with employment outcome
it offers us rich information on the student’s higher education record (including institution
and graduation data), previous schooling and personal characteristics as well as date of first
employment. This paper adds to the literature by providing effects of different field of study
in school-to-work transition in Slovenia as well as in the context of transition and tuition free
system. This paper is distinctive as it also analyses the effect of different study programs that
and first to our knowledge investigates the effect of new Bologna-typed study programs on
employability of graduates. Consequent data on graduates including also the most recent cohort
of graduates allows us to investigate variation in the probability of employment in the time of
economic downturn. The school-to-work studies of post-transition countries are scarce (except
for Kogan and Unt, 2005) and to our knowledge there is no study of school-to-work transition
that focuses on the effect of field of study and study program.
In the absence of price competition, performance indicators such as employability typically
intend to provide relevant information to student choice. It is in particular important to construct
school performance indicators based on students’ employment outcomes. The outcomes of this
research might also serve as a management tool for Ministry of Higher Education for efficient
distribution of education funds to measured performance.
After introduction this paper is organized as followed: we first describe the relevant
literature on school-to-work transition and continue with description of the method used. Then
we briefly describe the higher education system in Slovenia and continue with more detailed
description of the sample. In part 4 we present our results and conclude in part 5.

2. Literature Review
Based on a review of the literature Hillage and Pollard (1998) suggest that employability is
about being capable of getting and keeping fulfilling work. More comprehensively, employability
is the capability to move self-sufficiently within the labour market. Individual employability
depends on the knowledge, skills and attitudes they possess, the way they use those assets
and present them to employers and the context (eg personal circumstances and labour market
environment) within which they seek work.
The majority of the literature focuses on the labour market outcomes predominately on
earnings regarding different level of education or different school quality (Loury and Garman,
1995; Brewer, Eide, and Ehrenberg, 1999; Monks, 2000; Berg Dale and Krueger, 2002, Long, 2010).
However labour market outcomes also vary by field of study (James et al., 1989; Altonji, 1993;
Lin, 2010; Kelly, O’Connell and Smyth, 2010). For example James et al. (1989) control for the
college major when investigating earnings and find that Business and Engineering major receive
large positive returns of 10 and 30 percent, respectively, but Education a large negative return of
about 15 percent. Also Kelly, O’Connell and Smyth (2010) find that relative to Humanity and Arts
base case, higher returns to Medicine and Veterinary, Engineering and Architecture, Education,
Science and Computers and IT.
Several studies have also focused on the duration of unemployment when entering the
labour market after higher education and how it differs according to different fields of study. For
example Chuang (1997) estimates the determinants of the unemployment duration for college

651
graduates in Taiwan, Lassibille et al (2001) in Spain, Nguyen and Taylor (2005) in USA, Betts
et al. (2000) investigates the time to find a job that lasts at least 6 months. Beside evidence in
different duration of unemployment for graduates of different fields of study in Netherlands (Van
der Klaauw et al., 2005) and Italy (Biggeri et al., 2001) Salas-Velesco (2007) uses duration or
hazard models and infers about transition from university to work in nine European countries.
Smith, McKnight and Naylor (2000) find significant marginal effects associated with the subject
studied at the university on the early career paths of UK graduates. Also Alen and van der Velden
(2009) compared employment history across different fields and find evidence that graduates from
the fields of health care and engineering on average exhibit a shorter school-to-work transition
than their peers (social science, business and law), while graduates from the humanities and the
arts face longer transition periods.
Our findings are in line with results in investigating school-to-work transition in France
where Canals and Diebolt (2002) find that Law, Economics, Social Sciences graduates (in our
sample these graduates represent the reference group) as well as Humanities graduates have the
greatest problems in finding work.
Apart from the effect of different field of study, many empirical studies have explored sex
differences in college majors where they compare gender differences in rates of return in different
fields of study (Angle and Wissmann, 1981; Eide, 1994; Machin and Pochani, 2003) or selection
of majors due to different gender (Blakemore and Low, 1984). However, studies investigating
the gender differences in the school-to-work transition show mixed results. Using Spanish data
Lassibille et al. (2001) finds that female graduates are less likely to find their first job in less
than 10 months after graduation compared with male counterparts, which was also supported
by Genda and Kurosawa (2000). Whereas Chung (1999) finds the reverse trend and Franz et al.
(2000) reports no difference.
Another personal characteristics that affect school-to-work transition is also the age of
the graduates when entering labour market. Using Taiwanese data on graduates Chaung (1999)
finds that unemployment after graduation is longer for the graduates that are older. Beside
extensive debate about the effect of family background on returns to education (Ashenfelter
and Rouse (1998) and Altonji and Dunn (1995) the effect of family background in the school-to-
work transition is mixed. Salas-Valesco (2007) finds that graduates whose father has compulsory
school or less have a slower transition from university and whereas Chueng (1999) finds little
effect and Nguyen and Taylor (2005) find insignificant correlation between family background
and time to first job after graduation.
Students tend to attend a university that matches their ability (Hoxby, 1997) and large
ability differences exist also across majors (Arcidiacono, 2004). To control for ability Solmon
(1975) used Scholastic Aptitude Test score (SAT) and Astin test Berg Dale and Krueger (2002)
also used SAT scores, Chevalier and Conlon (2003) used A-test scores in UK and Black and Smith
(2004) used ASVAB (Armed Services Vocational Aptitude Battery). Several studies controlled for
ability by using data on siblings (Altonji and Dunn, 1996, Lindahl and Regner, 2005) or twins
(Ashenfelter and Krueger, 1994). Using data on Italian graduates Biggeri et al. (2001) find that
academic ability measured by final grades has a positive effect on the probability of obtaining the
first job.

652
2. Methodology
The methodology is somehow divided in using several forms of the survival analysis (Chuang,
1999, Inkmann, Pohlmeier, and Zimmermann, 2000, Biggeri et al., 2001, Bradley and Nguyen,
2003) or the probability models (Lassibille et al., 2001; Smith, McKnight and Naylor, 2000).
Following Smith, McKnight and Naylor (2000) and Johnston and DiNardo (1997) we calculate
probability of employment

where dependent variable (employment) is a binary random variable described by ,

where indicates employment and indicates unemployment. Independent variables
are vector covariates of personal characteristics and institutional characteristics, t indexes
time and takes values indexes time and where 0 represents graduation, t = 1
represents three months after graduation, and t = 2 six and t = 3 nine months after graduation,
respectively. i indexes individuals, is the standard cumulative normal probability distribution
and is called the probit score or index. To calculate the probability of employment we use
a probit model220.

An individual is observed to be employed ( y i = 1 ) whenever the index value is greater

than :

where is a stochastic normally distributed error term (Johnston and DiNardo, 1997).
The coefficients from the probit model are difficult to interpret therefore we report marginal
effects as the slope of the probability curve relating to , holding all other variables
constant.
Based on estimated coefficients we calculate graduate’s probability of employment as a
first labour market outcome. We calculate the probability of employment in the first three months
after graduation, first six months and first nine months after graduation. Our framework resembles
experiment as students enter the higher education institution with facing only opportunity
costs in the sense of forgone earnings. They decide for a particular field of study based on their
preferences and are sorted to schools based on their performance in secondary school (measured
by scores on matriculation exam). Therefore after controlling for the ability using the same
criteria of sorting (matriculation exam) we investigate the causal effect of the field of study and
type of study program on the probability to get employment in specific time after graduation.
Data on graduates from the period of 2007-2009 that corresponds with first labor market entrance
of new Bologna graduates in specific fields competing for the same vacancies with graduates from
the previous, pre-Bologna, program enable us to assess new programs in terms of employability
but controlling for institution, innate ability, previous education and fields of study. Recent
study by MacLeod and Urinqula (2009) emphasize the importance of the education system in
the context of the perceived quality of job seekers that is closely related to the quality of the
education institution and the programs they are offering. Finally, we are also interested how the

220 Alternatively logit can be used where instead of normal distribution logistic distribution is assumed. However as
Hahn and Soyer (2005) summarize and point out that unless in case of multivariate response models, both methods
in most applications give the same conclusions (e.g., Maddala, 1983; Davidson and MacKinnon, 1993; Long, 1997;
Greene, 1997).

653
employability varies over different higher education institutions.
We report probability of employment for our base group which are male university graduates
that graduated at Public University 1 from Social Sciences, Business and Law, which represents
group 3 according to ISCED 97 (UNESCO, 2006). Then we report marginal effects of different fields
of study.
Successful labour market entry for first time job seekers also depends on factors influencing
labour demand that might be proxied by general economic conditions (McGinnity et al., 2005).
Therefore we are interested how the probability of employment differs through time, especially
in the time of economic crisis. As unemployment critically depends also on relative abundance
of labor supply over labor demand we control for month of graduation as it is evident that the
highest supply of new graduates is usually in the third quarter of the year.

3. Data description
The number of students and graduates in Slovenia has been increasing significantly in
the last two decades similarly as in other “post-transition” economies. From 68,126 students in
1997 and 8,920 graduates respectively to 114,872 students and 18,103 graduates in 2009 (by 170
and 200 percent increase respectively). Regarding the field of education the majority of students
graduated from Social Sciences, Business and Law (49.65 % in 2007, 49.88 % in 2008 and 48.08%
in 2009) followed by graduates from Engineering, Manufacturing and Construction (12.61% in
2007, 13.57% in 2008 and 13.45% in 2009). Regarding the gender in the last three years female
have prevailed as in 2007 61.76 % of all graduates were female, 62.76% in 2008 and 61.82% in
2009, respectively.
Higher education in Slovenia is regulated by the Higher Education Act (1993, amended
1999, 2001, 2003 and 2004). The Act creates a structure for higher education over three levels:
the undergraduate level that lasts either 3 or 4 years, the master’s level; and the PhD cycle.
Professionally-oriented or vocational undergraduate programs are usually shorter than the academic
ones (usually 2 or 3 years). The majority of faculties harmonized their programs with the Bologna
Declaration. In addition to old programs students could graduate from new vocational (3-year
professional Bologna-harmonized program) and new academic (university Bologna-harmonized)
program.
Higher education is provided by four state universities that offer both academic and
professional/vocational degree programs, one private university and 29 private institutions that
either offer vocational or academic programs. Several private schools offer only 2-year professional
programs (in Table 1 are called 2-year professional schools). Predominately free tuition system
allow students to study free of charge. Students apply to their preferred university and program
and are accepted based on the number of applicants and their achievement in secondary school
measured uniformly by matriculation exam. Part time students or those that were not accepted
to their preferred school need to pay tuition.
This study uses micro data on the entire cohort of graduates in three sequential years from
2007 onwards gathered by the Statistical Office of the Republic of Slovenia. The data includes year
and month of graduation, higher education institution, International Standard Classification of
Education field of study, level of study completed, university and faculty of study, type of study
(full-time or part-time), year of first enrolment and personal characteristics (gender, year of birth,
nationality). Apart from data on graduates, the same data on students has been collected and in
addition the survey on students also provides data on type of exam after completing secondary
education and the score on the exam. A student can either take a matriculation exam, that usually

654
follows after gymnasium or a vocational matriculation/matura exam that follows after four year
vocational secondary schools. After completing a three year vocational school one can also take a
so called final exam that enables the successful candidates to apply for university education. The
types of exam and test scores allow us to observe heterogeneity of students’ abilities. Based on
an identical individual number assigned to each graduate we matched graduates with their scores
on exams. The matched dataset is then again matched with data from the Statistical Register of
the Labour-Active Population (“SRDAP”) which includes the entire employment history. Based on
this matched dataset we could correctly identify each individual’s employment history (date of
starting employment or unemployment, job classification, part-time or full-time work, number
of shifts). The described dataset is truncated at the end of September 2010, which allows us to
examine the employment of 2009 cohort and their employment status 9 months after graduation
at the latest.
Part time and full-time students in Slovenia differ significantly and part-time have to
pay tuition. Usually part time students resemble those individuals that have been employed for
certain period of time and want to upgrade their educational attainment. As our paper focuses on
school-to-work transition of young graduates we included only the full-time graduates that did
not pay tuition which allows us to treat the collected data in a framework of a quazi experiment,
where student choose their school based on their preferences and are selected based on their final
exam score (either matura, professional matura or final exam) that signal innate ability and effort
during secondary school. Our sample includes three cohorts of graduates from three consequent
years namely 2007, 2008 and 2009 in different fields of education. We also included different
type of programs and study their effect on the probability of employment221. By calculating the
above average time to graduate, we infer about the effort invested during study.
27,875 full-time graduates graduated in the years from 2007 to 2009, where due to
missing data on their final exam after secondary school we had to drop 3,083 observations. Out
of those 28.41 percent of graduates in 2007 were employed before graduation, 32.23 percent of
the cohort 2008 and 27.48 of 2009, respectively. In order to investigate school-to-work transition
of graduates that enter the labor market after graduation and not in the time of studying, we
identified 17,529 observations of graduates for our further analysis. Number of observations
by year and percentages of graduates in particular field of education, type of program, higher
education institution and quarter of year of graduation are presented in Table 1.
From the Table 1 we can observe how the percentage of graduates in Bologna-harmonized
programs increased over the years and consequently the percentage of graduates in pre-Bologna
study programs (3-year professional degree and university degree) decreased. Due to very low
number of observation that graduated from Bologna-harmonized study programs, we excluded
them from the analysis in 2007 and 2008. The same argument applies for the graduates of Private
University.

221 The fact that study program is also important was shown by Tuor and Backes-Gellner (2010), for example, that
investigate rates of returns by distinguishing a purely academic educational path from a purely vocational path and
a mixed path with loops through both systems.

655
Table 1. Sample characteristics: sample size, gender in percent, quarter of year of graduation,
Field of Study, Type of Study Program, Higher Education Institution, Type of Final Exam in
percent.
2007 2008 2009
Observations 5730 5355 6444
Female 65.31 65.34 67.29
Quarter of year of graduation
First quarter (January to March) 16.56 15.85 13.23
Second quarter (April to June) 29.56 28.09 24.19
Third quarter (July to September) 28.13 31.8 38.56
Fourth quarter (October to December) 25.39 24.25 24.00
Fields of Education
Education 11.17 11.32 9.90
Humanities and Arts 8.45 7.02 7.69
Social Sciences. Business and Law 39.16 38.36 40.81
Science 6.11 6.21 5.79
Engineering. Manufacturing and Construction 15.22 16.25 14.29
Agriculture 3.94 4.28 3.91
Health and Welfare 10.66 11.07 10.44
Services 5.29 5.49 7.15
Type of Program
2-year professional degree 6.11 6.87 7.09
3-year professional degree 28.85 27.32 22.55
3-year professional degree, Bologna-harmonized 0.28 0.88 3.81
University 64.45 61.96 53.1
University, Bologna-harmonized 0.26 2.76 13.35
Higher Education Institution
Public University 1 68.06 66.87 63.71
Public University 2 21.73 22.45 23.94
Public University 3 2.69 2.48 3.30
Private University 0.19 0.07 0.20
2-year Private schools 6.11 6.87 7.09
3-year Private schools 1.22 1.25 1.74
Final Examination
Matura 24.50 40.24 55.8
Mean Matura Score 19.98 20.31 20.23
(5.24) (5.09) (5.11)
Professional Matura 15.85 23.28 27.81
Mean Professional Matura score 15.67 15.92 16.27
(2.69) (2.85) (3.02)
Final exam 59.65 36.47 16.39
Mean Final Exam Score 3.82 3.75 3.70
(0.89) (0.89) (0.88)

Note: Standard errors are reported in parenthesis for mean values.

Source: Statistical Office of the Republic of Slovenia (2009), own calculations.

656
4. Results and discussion
Results show that probability of employment differs according to different field of study
in all the observed years. When entering the labour market for the first time after graduation
male university graduates of Social Sciences, Business and Law field of study that completed
secondary school with Matura in 2007 faced 0.44 probability of employment in the first three
months after graduation. Lower probability had graduates in the fields of Humanities and Arts,
and not significantly lower in the field of Services. The highest probability of employment in
the first three months after graduation in 2007 had graduates in the field of Health and Welfare
followed by graduates of Engineering, Manufacturing and Construction and graduates of Science.
Comparing to 2008, the probability of employment in the first three months after graduation for
graduates of base group slightly fell to 0.408, whereas the highest probability again had graduates
in the field of Health and Welfare followed by Engineering. Manufacturing and Construction
graduates, but was also lower comparing to 2007. Apart from graduates of Humanities and Arts
and Services also graduates of Agriculture faced insignificantly lower probability of employment
comparing to base group. In 2009 probability of employment in the first three months after
graduation for graduates of Social Sciences, Business and Law fell to 0.255 where again positive
changes of probability comparing to the base group were the highest for graduates of Health and
Welfare. Interestingly graduates from Education have higher probability of employment than
Social Sciences, Business and Law222. Over the period under study we can observe narrowing the
gap in employability between graduates from Social Science and Humanities on one side and
widening the gap if compared to graduates of Science and Education. This effect signal the lower
employability of graduates from reformed Bologna-type of program that was first introduced in
the field of Social Science. As other fields are lagging behind with implementing new programs
increasing employability of graduates from other fields is an expected result.
Looking at the effect of different field of education on probability of employment for the
graduates that took professional matura or final exam, we can again observe similar differences in
the probability regarding the field of education223. Again graduates of the field Health and Welfare
have the highest probability of employment followed by graduates of Engineering, Manufacturing
and Construction. Comparing the probability of employment for the base group, the graduates that
finished secondary school with matura were better off in the first three months after graduation
in year 2008 and in all years when focusing on probability of employment six months after
graduation.
In the first six months probability of employment for the base group increased to 0.637 in
2007, 0.563 in 2008 and 0.398 in 2009, respectively (Table 3). The positive and negative effects
on probability of employment regarding the field of study are similar that in the first three
months, however in 2007 and 2009 Science graduates that took matura were better off than
Engineering, Manufacturing and Construction graduates. In the first nine months the probability
of employment for graduates of Health and Welfare that completed university was 0.985 in 2007,
comparing to graduates 0.428 for graduates of Humanities and Arts.

222 Also Ireland Kelly, O’Connell and Smyth (2010) find higher returns to education for Education graduates
comparing to Humanities and Art. They explain this finding by specific characteristics of the wage system that
exists in public sector.
223 Products of matura or final exam school and field of study were also included in one specification of the model.
However the results were insignificant, there we do not report them here.

657
Table 2. Probit estimates of the probability of employment in the first three months after
graduationTable
(marginal
2. Probiteffect a) of the probability of employment in the first three months after graduation
estimates
a
(marginal effect )
Matura P. Maturab, FEb Matura P. Matura, FE Matura P. Matura, FE
Number of observations 1403 4300 2153 3186 3591 2843
Average probability for male, Public University
1, university program 0.446 0.406 0.408 0.374 0.255 0.258
Personal Characteristicsc
Female -0.02 -0.080 *** -0.082 *** -0.053 ** -0.068 *** -0.056 ***
(0.032) (0.017) (0.025) (0.020) (0.018) (0.020)
Final Exam Score -0.003 -0.001 -0.002 -0.000 0.002 -0.000
(0.003) (0.002) (0.002) (0.002) (0.001) (0.002)
Taking Final Exam 0.035 -0.005 -0.042
(0.026) (0.027) (0.027)
c
Graduation Characteristics
Duration -0.003 *** -0.002 *** -0.001 -0.001 ** -0.001 *** -0.001 **
(0.001) (0.000) (0.000) (0.000) (0.000) (0.000)
Second quarter (April to June) -0.091 * -0.103 *** -0.128 *** -0.075 *** -0.076 *** -0.050 **
(0.047) (0.022) (0.037) (0.024) (0.024) (0.024)
Third quarter (July to September) -0.045 -0.069 *** -0.037 -0.094 *** -0.027 -0.077 ***
(0.047) (0.022) (0.038) (0.025) (0.025) 0.024
Fourth quarter (October to December) -0.007 0.005 -0.097 ** -0.086 *** -0.019 -0.018
(0.047) (0.023) (0.038) (0.025) (0.026) (0.025)
Field of Studyc
Education 0.013 -0.058 ** 0.099 *** 0.011 0.110 *** 0.152 ***
(0.039) (0.029) (0.033) (0.038) (0.027) (0.047)
Humanities and Arts -0.215 *** -0.196 *** -0.169 *** -0.209 *** -0.070 *** -0.085 **
(0.058) (0.024) (0.043) (0.029) (0.026) (0.035)
Science 0.132 ** 0.096 *** 0.146 *** 0.077 * 0.234 *** 0.158 ***
(0.058) (0.035) (0.043) (0.045) (0.037) (0.053)
Engineering. Manufacturing and Construction 0.241 *** 0.183 *** 0.217 *** 0.166 *** 0.203 *** 0.204 ***
(0.042) (0.024) (0.035) (0.028) (0.031) (0.032)
Agriculture 0.138 -0.085 ** -0.056 -0.085 ** -0.064 -0.050
(0.112) (0.035) (0.077) (0.037) (0.050) (0.036)
Health and Welfare 0.381 *** 0.263 *** 0.387 *** 0.265 *** 0.324 *** 0.325 ***
(0.059) (0.025) (0.043) (0.028) (0.038) (0.033)
Services -0.059 -0.118 *** -0.060 -0.118 *** -0.071 * 0.000
(0.089) (0.034) (0.086) (0.035) (0.041) (0.035)
Type of Study Programc
2-year professional degree -0.329 *** -0.155 *** -0.158 ** -0.195 *** -0.182 *** -0.188 ***
(0.067) (0.033) (0.076) (0.031) (0.036) (0.024)
3-year professional degree -0.131 ** -0.056 *** -0.146 *** -0.090 *** -0.062 * -0.099 ***
(0.058) (0.020) (0.043) (0.024) (0.033) (0.026)
3-year professional degree, Bologna-harmonized -0.142 0.011 -0.362 *** -0.166 ** -0.170 *** -0.169 ***
(0.170) (0.141) (0.027) (0.070) (0.050) (0.029)
University, Bologna-harmonized -0.270 *** -0.191 ***
(0.015) (0.033)
Higher Education Institutionc
Public University 2 -0.073 ** -0.037 * -0.043 -0.047 * -0.059 *** -0.070 ***
(0.032) (0.021) (0.027) (0.024) (0.018) (0.021)
Public University 3 -0.105 0.082 0.081 0.158 ** 0.095 * -0.007
(0.076) (0.067) (0.081) (0.065) (0.052) (0.048)
3-year Private schools 0.073 -0.006 0.203 * -0.009 -0.002 0.022
(0.154) (0.068) (0.118) (0.075) (0.099) (0.058)

Notes:
(a) dy/dx is for a discrete change of the dummy variable from 0 to 1, standard errors are reported
in parentheses.
(b) P. Matura stands for Professional Matura, and FE for Final Exam.
(c) * significant at 10 %; ** significant at 5 %; *** significant at 1 %
Source: SORS (2010), own calculations
658
 Comparing different types of program we can see from the Tables 2, 3 and 4 that the
university graduates exhibit the highest probability of employment. Graduates that completed
either university or 3-year professional Bologna harmonized study program experienced
significantly lower probability of employment and the differences increased over years if compared
to graduates that completed pre-Bologna programs224. Regarding the negative effect of 3-year
professional Bologna-harmonized program we need to compare it with the effect of pre-Bologna
3-year professional degree. The effect of Bologna-harmonized 3-year professional degree in 2009,
when the number of those program graduates increased, is significantly higher that from pre-
Bologna 3-year professional degree. Same holds for Bologna-harmonized university degree that
exerts significantly negative effect on the probability regardless of the type of final exam at the
end of secondary school.
Comparing the variation in probabilities to get employment in first nine months after
graduation over the three observed years we find a trend of decreasing probabilities for the
graduates of most fields of education. For example probability of employment in first nine months
after graduation for graduates of Education that took matura fell from 0.725 in 2007 to 0.587
in 2009 and for graduates of Health and Welfare from mentioned 0.985 in 2007 to 0.860 in
2009. However the same probability for Education graduates that took final exam or professional
matura slightly increased in 2009, comparing to 2007 and decreased for example for Science
graduates. Beside the year of graduation also seasonal factors significantly affect the employment
success. In the first three and six months after graduation graduates that graduated in the first
quarter of the year were better off than those that graduated from April to September and in
2008 also than the ones that graduated in the last quarter of the year. The probability of securing
an employment in the first nine months was also significantly lower for graduates that receive
diploma in the second half of the year.
From tables 2, 3 and 4 we can observe that changes in the probability of employment
due to graduating from a different higher education institution are rarely significant. Negative
effect on the probability of employment in the first three, six and nine months after graduation,
comparing to graduates of Public University 1 is for graduates of Public University 2. On the
other hand graduates with a diploma from Public university 3 faced higher probability of
employment. As 2-year private schools were the only ones offering 2-years professional degrees,
for investigating their effect on the probability we need to take into account the effect of having
a 2-year professional degree, comparing to university degree. As mentioned the effect is negative
and persistent over all observed periods in time.
Similar to the developed countries researched by Salas-Valesco (2007) and Lassibille et. al. (2001)
and negative gender difference in securing fist job in favor of males, we find that female graduates
on average exhibit lower probability of employment than their male counterparts, regardless of
the year we observe. When controlling for ability we find that the score of any type of final exam
rarely has a significant effect on the probability of employment. On the other hand we find that
increased duration has on general a negative effect on the probability of employment.

224 Insignificant result in 2007 is due to low number of graduates from Bologna program.

659
Table 3. Probit estimates of the probability of employment in the first six months after graduation
(marginal effects)a
2007 2008 2009

Matura P.Maturab. FEb Matura P. Matura. FE Matura P. Matura. FE

Number of observations 1403 4300 2153 3186 3591 2843
Average probability for male. Public
University 1. university 0.637 0.593 0.563 0.546 0.405 0.398
Personal Characteristicsc
Female -0.042 -0.064 -0.057 -0.058 -0.078 -0.062
(0.031) (0.017) (0.025) (0.021) (0.021) (0.022)
Final Exam Score 0.002 -0.003 0.000 -0.002 0.003 0.001
(0.002) (0.002) (0.002) (0.002) (0.002) (0.003)
Taking Final Exam 0.027 0.005 -0.033
(0.026) (0.029) (0.031)
Graduation Characteristicsc
Duration -0.003 *** -0.001 *** -0.001 * -0.001 ** -0.000 -0.001 *
(0.001) (0.000) (0.000) (0.000) (0.000) (0.000)
Second quarter (April to June) 0.115 *** -0.014 0.052 -0.011 0.000 -0.004
(0.044) (0.023) (0.041) (0.027) (0.031) (0.029)
Third quarter (July to September) -0.028 -0.081 *** -0.055 -0.134 *** -0.051 * -0.083 ***
(0.046) (0.023) (0.040) (0.027) (0.030) (0.029)
Fourth quarter (October to
December) 0.033 0.047 ** -0.087 ** -0.102 *** -0.035 0.011
(0.045) (0.023) (0.041) (0.028) (0.031) (0.030)
Field of Studyc
Education 0.015 -0.022 0.142 *** 0.076 ** 0.106 *** 0.173 ***
(0.037) (0.029) (0.031) (0.038) (0.029) (0.046)
Humanities and Arts -0.339 *** -0.216 *** -0.207 *** -0.256 *** -0.095 *** -0.161 ***
(0.063) (0.028) (0.048) (0.035) (0.031) (0.039)
Science 0.208 *** 0.116 *** 0.170 *** 0.119 *** 0.278 *** 0.196 ***
(0.042) (0.031) (0.038) (0.043) (0.036) (0.051)
Engineering. Manufacturing and
Construction 0.192 *** 0.153 *** 0.209 *** 0.197 *** 0.217 *** 0.230 ***
(0.035) (0.022) (0.031) (0.026) (0.031) (0.031)
Agriculture 0.098 -0.039 0.035 -0.025 0.014 0.053
(0.095) (0.037) (0.077) (0.041) (0.065) (0.043)
Health and Welfare 0.338 *** 0.289 *** 0.400 *** 0.344 *** 0.477 *** 0.384 ***
(0.029) (0.019) (0.025) (0.022) (0.028) (0.029)
Services -0.209 ** -0.076 ** -0.210 *** -0.095 ** -0.093 * 0.006
(0.086) (0.037) (0.087) 0.039 (0.049) (0.038)
Type of Study Programc
2-year professional degree -0.192 * -0.204 *** -0.184 *** -0.265 *** -0.274 *** -0.251 ***
(0.108) (0.038) (0.090) (0.037) (0.050) (0.032)
3-year professional degree -0.136 ** -0.105 *** -0.148 *** -0.156 *** -0.156 *** -0.142 ***
(0.063) (0.021) (0.052) (0.025) (0.039) (0.030)
3-year professional degree. Bologna-
harmonized -0.083 -0.132 -0.461 *** -0.198 ** -0.297 *** -0.226 ***
(0.169) (0.143) (0.037) (0.087) (0.052) (0.038)
University. Bologna-harmonized -0.414 *** -0.295 ***
(0.018) (0.040)
Higher Education Institutionc
Public University 2 0.057 * -0.023 0.034 -0.054 ** -0.031 -0.070 ***
(0.031) (0.022 (0.027) (0.025) (0.022) (0.025)
Public University 3 0.105 0.105 * 0.173 ** 0.162 *** 0.099 * 0.029
(0.066) (0.059) (0.067) (0.058) (0.055) (0.056)
3-year Private schools 0.150 -0.079 0.269 *** 0.004 0.148 0.058
(0.114) (0.069) (0.078) (0.077) (0.102) (0.063)

Notes:
(a) dy/dx is for a discrete change of the dummy variable from 0 to 1, standard errors are reported
in parentheses.
(b) P. Matura stands for Professional Matura, and FE for Final Exam.
(c) * significant at 10 %; ** significant at 5 %; *** significant at 1 %.
Source: SORS (2010), own calculations.
660
Table 4. Probit estimates of the probability of employment in the first nine months after graduation
(marginal Table 4. Probit
effects) a estimates of the probability of employment in the first nine months after graduation
(marginal effects)a

2007 2008 2009

Matura P. Maturab, FEb Matura P. Matura, FE Matura P. Matura, FE
Number of observations 1403 4300 2153 3186 3591 2843
Average probability for male, Public
University 1, university 0.709 0.686 0.635 0.642 0.480 0.495
Personal Characteristicsc
Female -0.030 -0.045 *** -0.056 ** -0.045 ** -0.044 ** -0.042 *
(0.028) (0.016) (0.024) (0.020) (0.021) (0.023)
Final Exam Score 0.001 -0.007 *** -0.002 -0.005 ** 0.001 0.000
(0.002) (0.002) (0.002) (0.002) (0.002) (0.003)
Taking Final Exam 0.054 ** 0.019 -0.034
(0.025) (0.027) (0.032)
Graduation Characteristicsc
Duration -0.001 * -0.001 *** -0.000 -0.000 -0.000 -0.001 *
(0.000) (0.000) (0.000) (0.000) (0.000) (0.000)
Second quarter (April to June) 0.059 -0.029 -0.036 -0.086 *** -0.006 -0.011
(0.043) (0.022) (0.042) (0.027) (0.033) (0.031)
Third quarter (July to September) -0.090 ** -0.116 *** -0.147 *** -0.221 *** -0.113 *** -0.139 ***
(0.045) (0.023) (0.040) (0.028) (0.031) (0.030)
Fourth quarter (October to December) -0.012 0.000 *** -0.156 *** -0.159 *** -0.119 *** -0.053 *
(0.044) (0.023) (0.043) (0.029) (0.032) (0.031)
Field of Studyc
Education 0.016 -0.020 0.119 *** 0.077 ** 0.107 *** 0.200 ***
(0.035) (0.028) (0.029) (0.035) (0.029) (0.043)
Humanities and Arts -0.281 *** -0.197 *** -0.196 *** -0.254 *** -0.107 *** -0.161 ***
(0.067) (0.028) (0.049) (0.037) (0.033) (0.042)
Science 0.159 *** 0.127 *** 0.157 *** 0.073 * 0.247 *** 0.186 ***
(0.038) (0.027) (0.035) (0.041) (0.035) (0.048)
Engineering, Manufacturing and
Construction 0.171 *** 0.129 *** 0.150 *** 0.171 *** 0.210 *** 0.219 ***
(0.031) (0.020) (0.031) (0.023) (0.030) (0.030)
Agriculture 0.200 *** -0.000 0.031 -0.004 -0.035 0.078 *
(0.059) (0.034) (0.074) (0.038) (0.065) (0.042)
Health and Welfare 0.276 *** 0.262 *** 0.349 *** 0.313 *** 0.435 *** 0.365 ***
(0.026) (0.015) (0.021) (0.018) (0.026) (0.026)
Services -0.197 ** -0.034 -0.111 -0.055 -0.087 * -0.032
(0.087) (0.034) (0.089) (0.037) (0.051) (0.038)
Type of Study Programc
2-year professional degree -0.227 ** -0.185 *** -0.227 ** -0.279 *** -0.308 *** -0.273 ***
(0.109) (0.039) (0.091) (0.040) (0.056) (0.037)
3-year professional degree -0.098 -0.090 *** -0.205 *** -0.174 *** -0.201 *** -0.135 ***
(0.061) (0.020) (0.503) (0.025) (0.042) (0.031)
3-year professional degree, Bologna-
harmonized -0.092 -0.102 -0.542 *** -0.225 ** -0.360 *** -0.280 ***
(0.163) (0.142) (0.036) (0.091) (0.053) (0.043)
University, Bologna-harmonized -0.469 *** -0.284 ***
(0.019) (0.054)
Higher Education Institutionc
Public University 2 0.075 *** -0.025 0.037 -0.048 * 0.004 -0.069 ***
(0.028) (0.021) (0.026) (0.025) (0.023) (0.026)
Public University 3 0.040 0.074 0.177 *** 0.096 * 0.100 * 0.058
(0.064) (0.054) (0.057) (0.055) (0.053) (0.056)
3-year Private schools 0.059 -0.082 0.243 *** -0.013 0.087 -0.000
(0.120) (0.067) (0.065) (0.073) (0.101) (0.063)

Notes:
(a) dy/dx is for a discrete change of the dummy variable from 0 to 1, standard errors are reported
in parentheses.
(b) P. Matura stands for Professional Matura, and FE for Final Exam.
(c) * significant at 10 %; ** significant at 5 %; *** significant at 1 %.
Source: SORS (2010), own calculations.
661
5. Conclusion
There is growing concern regarding the situation of youth in the labor market. In last
few years we are witnessing new phenomena in the form of increasing unemployment of highly
educated young people in OECD countries. Although Bologna declaration, signed by 29 nations
in 1999, clearly state common goal to be increased employability of young graduates our paper
reports exactly the opposite: students that finished programs reformed according to Bologna
declaration, exhibit lower employability then their colleagues that finished pre-Bologna programs.
Moreover, in tuition free system there is a danger that government is supporting less efficient use
of public money with financing students on programs with lower probability to get employment
after graduation.
Our study complements existing empirical surveys on school-to-work transition by analyzing
labor market outcome of young graduates with special attention to the causal effect of different
fields of study as well as type of study program on the probability of employment. We find that
graduates from Health and Welfare exhibit the highest probability of employment followed by
graduates in Engineering, Manufacturing and Construction and Science graduates. The lowest
probability of employment in the observed first nine months after graduation have graduates of
Humanities and Arts, graduates in the field of Service and graduates of Social Sciences, Business
and Law. When comparing the results to findings of investigating the returns to education we
find that our results are similar to results from some studies such as for example Kelly, O’Connell
and Smyth (2010) reporting that relative to Humanities and Arts graduates, higher returns are
evidenced in the fields of Medicine and Veterinary, Engineering and Architecture, Education,
Science and Computers and IT. Our findings are supported also by results of Canals and Diebolt
(2002) reporting that Law, Economics, Social Sciences and Humanities graduates in France have
the greatest problems in finding work after graduation. If comparing to most developed countries
in Europe included in a research of Salas-Valesco (2007) Slovenia as a post transition country
shares similar trends.
Regarding the type of study program, we find that enrolling in a different program than
university program statistically significantly affects the employability. Graduates from vocational
programs are worse off than graduates from academic programs and graduates from new Bologna-
harmonized programs are worse off than graduates who finished a pre-Bologna counterpart
program.
By observing three consequent cohorts of full-time graduates that enter labor market
for the first time, we find that the probability of getting employment in first three, six or nine
months has decreased over three years. The probability of employment in the first three (nine)
months after graduation for the largest group of graduates namely graduates from Social Sciences,
Business and Law decreased by 42.82% (32.30%) for graduates that took matriculation exam
and 36.45% (27.84%) for graduates that took either professional matriculation or final exam,
respectively. Probability for the most employable graduates in the field of Health and Welfare
decreased by 29.99% in first three months and 7.10% in first nine months respectively. Obviously
the crisis had the highest impact on employment of most educated individuals that are usually
employed in the business sector. Employability was lower also in public sector but the magnitude
was lower if compared to business sector.

662
References
Alen, J. and R. Van der Velden, (2009): Competencies and Early Labour Market Careers of Higher
Education Graduates, Report on the Large-Scale Graduate Survey.

Altonji, J. G. and T. A. Dunn (1996): “Using Siblings to Estimate the Effect of School Quality on
Wages”. The Review of Economics and Statistics, Vol. 78, No. 4, pp. 665-671.

Altonji, J. G. (1993): “The Demand for and Return to Education When Education Outcomes Are
Uncertain”. Journal of Labor Economics, Vol. 11, No. 1, pp. 48-83.

Altonji, J. G. and T. A. Dunn (1995): “The effects of school and family characteristics on the
return to education”. Working paper No. 5072, NBER, Cambridge, MA.

Angle, J., and D. Wissmann (1981), “Gender, College Major, and Earnings”. Sociology of Education,
Vol. 54, pp. 25-33.

Arcidiacono, P. (2004): “Ability sorting and the returns to college major”. Journal of Econometrics,
121, pp. 343-375.

Ashenfelter, O. and A. Krueger (1994): “Estimates of the Economic Return to Schooling from a
New sample of Twins”. The American Economic Review, Vol. 84, No. 5, pp. 1157- 1173.

Ashenfelter, O. and C. E. Rouse (1998): “Income, schooling and ability: evidence from a new
sample of identical twins”. Quarterly Journal of Economics, Vol. 113, No. 1, pp. 253-284.

Berg Dale, S. and A. B. Krueger (2002): “Estimating the Payoff to Attending a More Selective
College: An Application of Selection on Observables and Unobservables”. Quarterly Journal of
Economics, Vol. 107, No. 4, pp. 1491-1527.

Betts, J., C. Ferrall and R. Finnie (2000): “The transition to work for Canadian university graduates:
time to first job, 1982-1990”. Statistics Canada, Analytical Studies Branch - Research Paper Series
No. 141.

Biggeri, L., M. Bini, and L. Grilli (2001): “The transition from university to work: a multilevel
approach to the analysis of time to obtain the first job”. Journal of the Royal Statistical Society:
Series A, Vol. 164, No. 2, pp. 293-305.

Blakemore, A. E. and S. A. Low (1984): “Sex Differences in Occupational Selection: The Case of
College Majors”. The Review of Economics and Statistics, Vol. 66, No. 1, pp. 157-163.

Bradley, S. and A. N. Nguyen (2003): The School-to-Work Transition, in Johnes, G. and Johnes, A.
(Ed.), Edward Elger, Cheltenham.

Brewer, D. J., E.R. Eide and R. G. Ehrenberg (1999): “Does It Pay to Attend an Elite Private
College? Cross-Cohort Evidence on the Effects of College Type on Earnings”. Journal of Human
Resources, Vol. 34, No. 1, pp. 104-123.

663
Canals, V. and C. Diebolt (2002): “France”, in Ehlert, H. and Cordier, H. (Ed.), The Transition from
Higher Education to the Labour Market. International Perspectives and Challenges. Peter Lang,
Frankfurt am Main, pp. 13-54.

Chevalier, A. and G. Conlon (2003): “Does It Pay to Attend a Prestigious University?” IZA Discussion
Paper No. 848, Institute for the Study of Labor (IZA).

Chuang, H.-L. (1997): “Estimating a structural search model for College graduates in Taiwan”.
Asian Economic Journal, Vol. 11, No. 1, pp. 95–110.

Chuang, H.-L. (1999): “Estimating the determinants of the unemployment duration for college
graduates in Taiwan”. Applied Economics Letters, Vol. 6, No. 11, pp. 677-681.

Eide, E. (1994): “College Major Choice and Changes in the Gender Wage-gap”. Contemporary
Economic Policy, Vol. 12, No. 2, pp. 55-64.

Franz, W., J., W. Inkmann, Pohlmeier, and V. Zimmermann (2000): “Young and out in Germany:
On youths chances of labor market entrance in Germany”, in Blanchflower, D. and R. Freeman:
(Ed.), Youth Employment and Joblessness in Advanced Countries, Chicago: University of Chicago
Press.

Genda, Y. and M. Kurosawa (2000): “Transition from school to work in Japan”. Paper presented at
NBER conference on Unemployment.

Hillage, J. and E. Pollard (1998): Employability: developing a framework for policy analysis,
Department for Education and Employment, London.

Hoxby, C. (1997): “How the changing structure of U.S. higher education explains college tuition”.
NBER Working Papers No. 6323, National Bureau of Economic Research, Inc.

James, E., N., J. Alsalam, C. Conaty and D-L. To (1989): “College Quality and Future Earnings:
Where Should You Send Your Child to College?” The American Economic Review, Vol. 79, No. 2,
Papers and Proceedings of the Hundred and First Annual Meeting of the American Economic
Association, pp.247-252.

Johnston, J. and J. DiNardo (1997): Econometric Methods, 4th edition. New York, NY: McGraw-
Hill.

Kelly, E., P.J. O’Connell and E. Smyth (2010): “The economic returns to field of study and
competencies among higher education graduates in Ireland”. Economics of Education Review, Vol.
29, No. 4, pp. 650-657.

Kogan, I. and M. Unt (2005): “Transition from School to Work in Transition Economies”. European
Societes, Vol. 7, No. 2, pp. 219–253.

Lassibille, G., L. Navarro Gomez, I. Aguilar Ramos, and C. Sanchez (2001): “Youth transition from

664
school to work in Spain”. Economics of Education Review, Vol. 20, No. 2, pp. 139-149.

Lindahl, L. and H. Regner (2005): “College Choice and Subsequent Earnings: Results Using Swedish
Sibling Data”. Scandinavian Journal of Economics, Vol. 107, No. 3, pp. 437-457.

Long, M. C. (2010): “Changes in the returns to education and college quality”. Economics of
Education Review, Vol. 29, No. 3, pp. 338-347.

Loury, L. D. and D. Garman (1995): “College Selectivity and Earnings”. Journal of Labor Economics,
Vol. 13, No. 2, pp. 289-308.

Machin, S. and P. A. Puhani (2003): “Subject of degree and the gender wage differential: evidence
from the UK and Germany”. Economics Letters, Vol. 79, No. 3, pp. 393-400.

MacLeod, W.B. and M. Urquiola (2009): “Anti lemons: School reputation and educational quality”.
NBER Working paper No. 15112.

Monks, J. (2000): “The returns to individual and college characteristics: Evidence from the National
Longitudinal Survey of Youth”. Economics of Education Review, Vol. 19, No. 3, pp. 279-289.

Nguyen, A.N. and J. Taylor (2005): “From school to first job: a longitudinal analysis”. Working
Paper No. 15, Lancaster University Management School.

Polachek, S. W. (1978): “Sex Differences in College Major”. Industrial and Labor Relations Review,
Vol. 31, No. 4, pp. 498-508.

Salas-Velasco, M. (2007): “The Transition from Higher Education to Employment in Europe: The
Analysis of the Time to Obtain the First Job”. The International Journal of Higher Education and
Educational Planning, Vol. 54, No. 3, pp. 333-360.

Solmon, L. (1975): “The Detection of College Quality and its Impact on Earnings”. Exploration in
Economics Research, Vol. 2, pp. 537-587.

SORS (2010): Microdata on graduates, students and Statistical Register of the Labour-Active
Population.

Tuor, S. N. and U. Backes-Gellner (2010): “Risk-return trade-offs to different educational paths:

vocational, academic and mixed”. International Journal of Manpower, Vol. 31, No. 5, pp. 495 –
519.

Van der Klaauw, B., A. Van Vuureny and P. Berkhout (2005): “Labor market prospects, search
intensity and the transition from college to work 2004”. IZA Discussion Papers 1176, Institute for
the Study of Labor (IZA).

665
3. Desajuste educativo en el mercado de trabajo, un futuro próximo

Cecilia Albert Verdú, Universidad de Alcalá

Nuria Mallorquí Ruscalleda, Universidad Autónoma de Barcelona

666
Desajuste educativo en el mercado de trabajo, un futuro próximo

Cecilia Albert Verdú, Universidad de Alcalá

Nuria Mallorquí Ruscalleda, Universidad Autónoma de Barcelona

Resumen
La reciente crisis económica ha supuesto un fuerte cambio para el mercado de trabajo, tanto
desde el punto de vista de la oferta como de la demanda de trabajo. Basta con ver las altas tasas
de paro que una vez más se han alcanzado en nuestro país en estos últimos meses, rondando el
20% de la población activa, y, especialmente, su resistencia a un descenso, aunque este fuese
moderado.
La falta de inversión y los problemas de liquidez que ha comportado esta crisis han afectado
directamente al sistema productivo, reduciendo drásticamente las altas tasas de ocupación que
hasta el momento tenía, descenso que ha sido más que evidente en los sectores de la construcción
y de los servicios.
Con la intención de modificar, dentro de lo posible, la oferta de trabajadores que en breve se
incorporarán en el mercado de trabajo por primera vez, parece interesante plantearse, justo en
este momento, la necesidad de realizar un análisis para determinar cuáles han sido estos cambios
y cuáles han sido sus efectos en la oferta de empleos y, en especial, en la calidad de la mano de
obra que estos empleos requieren.
El principal objetivo de este artículo es, primero, analizar el ajuste entre la oferta y la demanda
de trabajo cualificado (Formación Profesional Superior y estudios universitarios) después de la
crisis de 2007. Y, en segundo lugar y más importante, hacer una proyección del ajuste entre la
oferta y la demanda de trabajo cualificado que habrá en un futuro muy próximo, pues marcamos
el horizonte final en el año 2013.
Dos son las principales fuentes que se utilizan para esta investigación: la Encuesta de Población
Activa y las Estadísticas de Enseñanza (universitaria y no universitaria).

Palabras clave: Educación superior; mercado de trabajo.

1. Introducción
La actual crisis económica ha puesto de manifiesto, una vez más, por un lado las dificultades
del mercado de trabajo español para mantener (y aún más para crear) empleo y, por otro lado, la
gran facilidad con la que las tasas de desempleo consiguen cifras hasta el momento impensables.
Uno de los grupos de población que más interés despierta por ser población altamente cualificada
pero con pocas posibilidades de conseguir un empleo y, aún más difícil, de conseguir un empleo
acorde a su nivel de formación, es la población con estudios superiores.
España ha hecho un gran esfuerzo de inversión, pública y privada, para formar a su
población más joven225. A principios del siglo XX España era uno de los países europeos con
mayores tasas de analfabetismo y después del fuerte proceso de alfabetización que se produce
en España especialmente a partir de la segunda mitad del siglo XX (Escolano, 1992 y Nuñez,
2003), consigue situarse entre los países de Europa con mayores tasas de titulados superiores
225 Cuando hablamos de inversión pública nos referimos básicamente a toda la oferta de centros y estudios que
ha ido financiando la administración pública así como las becas para el estudio que ha facilitado a las familias más
desfavorecidas. Por el contrario, cuando nos referimos a la inversión privada nos referimos al esfuerzo económico
y personal que los individuos y sus familias realizan para obtener un título en la formación postobligatoria (costes
directos e indirectos).

667
entre la población joven (Albert, 1998 y 2008). Sin embargo, toda esta inversión parece no tener
justificación, al menos desde el punto de vista macroeconómico226, pues gran parte de estos
titulados acaban engrosando la tasa de desempleo, ocupando empleos con bajos requerimientos
de formación o emigrando a otros países donde hay mejores oportunidades de encontrar un
empleo más apropiado a su cualificación (Freeman, 1976).
Los desajustes educativos no son fáciles de solucionar y aún menos a corto plazo.
Probablemente uno de los factores más importantes que influyen en el desajuste entre una
planificación educativa y ocupacional sea el desfase temporal entre las decisiones educativas y la
incorporación de los jóvenes al mercado de trabajo. Las necesidades de cualificación de la demanda
de trabajo pueden cambiar entre el momento en el que el joven entra al sistema educativo y el
momento en el que consigue su titulación y se incorpora al mercado laboral. De esta forma, en
una economía que experimenta cambios rápidos, es muy probable que un déficit de profesionales
en una ocupación concreta pueda actuar como señal o incentivo para realizar una determinada
inversión educativa, al mismo tiempo, cuando los jóvenes que han realizado dicha inversión
finalizan sus estudios pueden encontrar que estas necesidades de empleo cualificado ya están
cubiertas. Esto puede suceder incluso cuando la formación es muy general, ya que la aplicación
de la formación adquirida con los estudios formales (adquisición de competencias y conocimiento
de las tareas que realmente hay que realizar en el trabajo) puede cambiar de forma sustancial.
El objetivo de este artículo es doble: en primer lugar, analizar el ajuste entre la oferta y la
demanda de trabajo cualificado (Formación Profesional Superior y estudios universitarios) después
de la crisis de 2007; y en segundo lugar, hacer una proyección del ajuste entre la oferta y la
demanda de trabajo cualificado que habrá en un futuro muy próximo, pues marcamos el horizonte
final en el año 2013. Se presentan los primeros resultados de un análisis macroeconómico del
ajuste entre la oferta y la demanda de trabajo cualificado para el período 2005-2013227. En España
hay diversos trabajos que estudian el desajuste educativo desde una perspectiva microeconómica
(Alba Ramírez, 1993 y García Serrano y Malo, 1996, son dos de los primeros trabajos que se
publicaron con datos españoles), sin embargo, el estudio del desajuste desde una perspectiva
macroeconómica ha recibido menos atención, aún cuando esta perspectiva ofrece un marco para
la realización de proyecciones que pueden ayudar a la planificación de las políticas educativas y
laborales.
Dos son los principales inputs que necesitamos para conocer mejor el ajuste entre la oferta
y la demanda de trabajo cualificado: la evolución más reciente de la oferta y la demanda de trabajo
y las expectativas de evolución futura de estas variables. Saber qué ha pasado y qué se espera que
vaya a pasar puede ser un marco apropiado para planificar las necesidades de cualificación de la
mano de obra.
Tradicionalmente el mercado de trabajo español se ha caracterizado por las dificultades de
afrontar las crisis económicas sin sufrir fuertes ajustes en el empleo, de forma que las crisis de
las últimas décadas acaban siempre desembocando en un aumento de las tasas de paro, la cual,
ni en los momentos de mayor auge económico se ha conseguido reducir a los niveles de los países
de Europa más avanzados (Toharia, 1998 y 2003; Pérez Infante, 2008). Probablemente las dos
principales características que han marcado esta reciente y continua tendencia de nuestro mercado
de trabajo son: la falta de flexibilidad del mercado laboral y la poca capacidad de adaptación y de
226 Es bien conocido en la literatura sobre el crecimiento económico el efecto positivo que tiene un incremento del
nivel educativo de la población sobre la productividad y por tanto sobre el crecimiento a largo plazo de la economía
(Barro y Sala-i-Martin).
227 Una primera proyección para los titulados del sistema educativo español hasta el año 2005 se puede encontrar
en Cuadrado Roura y Iglesias Fernández (2003): pp. 252-268.

668
creación de empleo cualificado de la estructura productiva. Esta segunda característica, la falta
de creación de puestos de trabajo con requerimientos de una elevada cualificación, junto al goteo
constante de nuevos titulados que, año tras año, salen de nuestro sistema educativo, es el origen
del desajuste entre la oferta y la demanda de trabajo cualificado. Cuantificar la capacidad que el
mercado de trabajo tendrá para absorber los flujos de oferta de trabajo que salen de los niveles
superiores del sistema educativo, puede ser de gran interés en la planificación de las políticas
educativas y laborales, con el fin último de aprovechar el potencial de capital humano que nuestro
país ha estado generado desde la década de los 80 del siglo XX.
El principal problema al que se enfrenta cualquier tipo de proyección es la dificultad
de determinar el momento en el que se producirá un cambio de tendencia en las variables. Por
esta razón se podría pensar que el actual periodo de cambio y de desequilibrio económico no
es el más idóneo para realizar una proyección del ajuste entre la oferta y demanda de trabajo,
no obstante, creemos que a pesar de la elevada incertidumbre económica y laboral actual, vale
la pena arriesgarse y tratar de pronosticar para los próximos años, en diferentes escenarios,
los (des)ajustes entre la oferta y la demanda de trabajo cualificado. Para ello utilizaremos los
datos procedentes de los segundos trimestres de la Encuesta de Población Activa (EPA) y de las
estadísticas de enseñanza (universitaria y no universitaria).
El presente artículo se estructura en tres apartados principales. El primero, en el que se
presenta los datos de titulados superiores y sus ocupaciones en el último quinquenio, marca el
punto de partida de las hipótesis y el desarrollo de la proyección que se realiza en el segundo
apartado. Cierra el artículo el apartado de conclusiones dedicado a analizar los resultados de la
proyección y sus posibles aplicaciones para un futuro próximo.

2. Evolución reciente y situación actual

Dos son las premisas que hay que tener en cuenta antes de contabilizar y analizar la
evolución tanto de la oferta como de la demanda de trabajadores cualificados. La primera es
definir exhaustivamente qué entendemos por trabajadores cualificados y la segunda es determinar
la población objeto de nuestro estudio.
En este artículo se consideran trabajadores cualificados todas las personas con una titulación
de formación profesional de segundo o tercer grado (Ciclos Formativos de Grado Superior, FPII o
FPIII) o con estudios universitarios (diplomatura, licenciatura o grado). La principal razón por la
que se ha optado por esta definición la determina el objetivo central del estudio: contabilizar el
desajuste entre la oferta y demanda de trabajadores con formación formal superior en el mercado
de trabajo en España, es decir, el desajuste entre los trabajadores cualificados que abandonan
el sistema educativo tras obtener la titulación necesaria y se convierten en población activa,
incorporándose al mercado de trabajo, y la demanda de trabajo de este tipo de trabajadores que
está disponible para ocuparlos.
Por tanto, independientemente de la importancia e influencia que pueda ejercer la
experiencia en la obtención de determinados puestos de trabajo y dado que en este caso no
estamos realizando un análisis longitudinal o biográfico, si no un estudio transversal, nos parece
factible prescindir de la experiencia, ya que esto no altera para nada los resultados obtenidos.
El análisis de la evolución reciente de estas dos variables (oferta y demanda de trabajo
cualificado) y la reflexión sobre su comportamiento futuro bajo diferentes hipótesis, son
instrumentos imprescindibles para afrontar las políticas educativas y laborales que más convienen
para el buen funcionamiento del mercado de trabajo y, favorecer así una situación de bienestar
económico y social para la mayoría de la población española.

669
 En los subapartados siguientes se describe la evolución de estas dos variables durante
el último quinquenio. Primero se presenta la evolución del número de titulados superiores;
después veremos la distribución de la ocupación para estos dos niveles de estudios; y en el último
subapartado contabilizaremos los desajustes del mercado de trabajo.

2.1 Oferta de trabajo cualificado, 2005-2009

Para conocer en detalle nuestro sistema educativo y, más específicamente, su producción de
titulados, debemos analizar tanto a los matriculados como a los titulados. Nos interesa conocer el
número de matriculados y, en especial, su evolución durante el período inmediatamente anterior
a la actualidad para conocer las tendencias de las últimas generaciones (evolución demográfica y
propensión a realizar estudios superiores). Igualmente también debemos considerar el número de
personas que finalmente consiguen la titulación, ya que no todos los que se matriculan acabaran
obteniéndola.
Dos son las principales fuentes que se utilizan para cuantificar la oferta de trabajo cualificado:
las estadísticas de enseñanza universitaria y las estadísticas de enseñanza no universitaria. Y,
más concretamente, los datos de los matriculados y los titulados en estudios universitarios y/o
en formación profesional superior (Tabla 1 y 2).

Tabla 1. Matriculados y titulados en Formación Profesional Superior. España, 2004/05-2008/09

MATRICULADOS 2004/05 2005/06 2006/07 2007/08 2008/09
Total 225.964 217.255 212.802 214.981 223.098
% Crecimiento -3,85 -2,05 1,02 3,78
% Mujeres 50,02 50,17 50,68 50,95 49,05
TITULADOS 2005 2006 2007 2008 2009
Total 80.785 77.954 75.279 74.954 n.d.
% Crecimiento -3,50 -3,43 -0,43 -
% Mujeres 53,63 54,04 53,47 54,12 n.d.
Fuente: Estadísticas de la Enseñanza en España

A pesar de un primer descenso en el número de matriculados en estudios de Formación

Profesional Superior en los cursos 2005/06-2006/07, parece que el número de matriculados en
Formación Profesional Superior empieza a crecer nuevamente a partir del curso 2007/08, aunque
en el curso 2008/09 aún no haya conseguido alcanzar los niveles del periodo de partida (2004/05).
El descenso tanto del número de matriculados como del número de titulados en el tercer y cuarto
año se debe especialmente al menor número de efectivos nacidos en estas generaciones (finales
de 1980s), ya que el porcentaje de matriculados sobre el total de población de 18 a 25 años se
mantiene en valores próximos al 5% en todos los años (para cada sexo y para el total).

670
Tabla 2. Matriculados y titulados en educación universitaria. España, 2004/05-2008/09
MATRICULADOS 2004/05 2005/06 2006/07 2007/08 2008/09
Total 1.435.365 1.418.645 1.392.324 1.375.054 1.368.823
% -1,16 -1,86 -1,24 -0,45
Crecimiento
% Mujeres 54,17 54,25 54,31 54,24 54,55
TITULADOS 2005 2006 2007 2008 2009
Total 198.887 192.480 180.805 182.856 182.856
% -3,22 -6,07 1,13 0,00
Crecimiento
% Mujeres 60,09 60,50 60,94 60,94 62,38
Fuente: Estadística universitaria.

A diferencia de la Formación Profesional Superior, los matriculados en educación superior

tienen un descenso más ligero que se mantiene durante todo el periodo. La reducción de este
colectivo se debe también en este caso a factores demográficos, pues el porcentaje de matriculados
sobre el total de población de 18 a 25 años se mantiene en valores próximos al 30-31% en todos
los años (34% para las mujeres y 27% para los hombres).
Resumiendo, las dos tablas muestran que una misma tendencia es la que ha marcado la
evolución de los estudiantes en formación superior (Formación Profesional Superior y Universitarios)
durante este último quinquenio:
1. Descenso del número de matriculados (-4,86% para los estudiantes de Formación
Profesional Superior y -4,64% para los universitarios para el periodo 2004/05-2008/09).
2. Fuerte bajada de los titulados, especialmente en los titulados universitarios (-7,22%
para los titulados en Formación Profesional Superior (2004-2008) y -8,06% para los titulados
universitarios (2004-2009)).
3. Ligero aumento de la proporción de mujeres en ambos niveles educativos y, lo que es
más destacable, mayor proporción de mujeres entre los titulados que entre los matriculados en los
dos niveles de estudios Formación Profesional Superior y Universidad, durante todo el periodo.

Por tanto, aunque muy ligeramente, las disminución de las tasas de natalidad de finales
de los ochenta (respecto al periodo anterior) han favorecido la reducción de la población activa
que se incorpora por primera vez al mercado de trabajo, y entre ella, el colectivo de población con
estudios superiores.

2.2 Demanda de trabajo cualificado, 2005-2010

Para conocer en profundidad la demanda de trabajo cualificado es necesario analizar la
estructura ocupacional y, en especial, los cambios que en ella se producen con la creación y
destrucción de empleos. Estos cambios son especialmente importantes para el periodo al que nos
referimos, pues la crisis económica que arrasa las economías desarrolladas desde finales de 2007
ha supuesto una gran destrucción de empleo y la recomposición de la demanda de trabajadores.
Para conocer los posibles cambios ocupacionales y saber en qué sectores de actividad
y en qué ocupaciones laborales la destrucción de empleo ha sido más fuerte es necesaria una
investigación detallada por sectores y ocupaciones. Sin embargo, como primera aproximación al
problema228, utilizaremos el nivel de estudios de la población ocupada229.
228 Varios son los trabajos que se han dedicado y que se están dedicando a la contabilización de la sobreeducación o
infraeducación de los empleados. Véase, por ejemplo para el caso de España Alba (1993) o Mora (2000) entre otros.
229 El resultado será más rico e interesante cuando se realice un estudio más detallado en el que se distinga entre
sector y ocupación de los trabajadores cualificados.

671
 Partiendo de los microdatos de la EPA de los segundos trimestres del periodo 2005-2010230,
se ha calculado la diferencia del número de ocupados por cuenta ajena con estudios de Formación
Profesional Superior o universitarios y con edades comprendidas entre los 20 y 50 años231. Esto
nos sirve para establecer un punto de partida en la aproximación al desajuste entre el flujo de
entrada y de salida de los trabajadores cualificados en el mercado de trabajo español.

Gráfico 1. Trabajadores cualificados ocupados según el nivel de estudios. España, 2005-2010

Fuente: EPA (2º trimestre).

 

Dos son los puntos de este gráfico que destacan. Primero, el mantenimiento de la distribución
según el nivel de estudios de los trabajadores cualificados ocupados, el 70 % de los cuales tienen
una titulación universitaria. Esto refleja la mayor proporción, en términos absolutos, de titulados
universitarios, casi 200 mil (Tabla 2) frente a los menos de 100 mil con Formación Profesional
(Tabla 1).
Segundo, pero no por ello menos importante, la evolución del total de trabajadores
cualificados que encuentran ocupación, que aumenta durante los cuatro primeros años
produciéndose un cambio a partir del año 2008 cuando empieza a notarse la destrucción de
trabajos cualificados.
Todo parece indicar que el desajuste entre la oferta y demanda de trabajadores cualificados
se ha ido reduciendo, especialmente entre 2005-2008 cuando en valores absolutos el número de
matriculados y titulados en educación superior se reducía cada año (Tabla 1 y 2) y el total de
ocupados con estos niveles de estudios estaba aumentando (Gráfico 1). Veamos en el siguiente
apartado si esto ha sido realmente así.

2.3 Desajuste entre oferta y demanda de trabajo cualificado, 2006-2010

Conocer el exceso o defecto de oferta de trabajo cualificado durante los últimos años es
importante para conocer cuál es el punto de partida de nuestro estudio. Dos son las variables que
hasta ahora se han analizado y que necesitamos para cuantificar el desajuste entre la oferta y
demanda de trabajo cualificado.
Por un lado, la oferta de trabajo, el número de titulados que cada año sale de nuestros
230 Se ha optado por utilizar los datos del segundo trimestre de la EPA porqué son los menos estacionales.
231 Desechamos la población de más de 50 años para evitar distorsiones por la variación de empleo causada por los
jubilados. También se elimina a los menores de 20 años por no tener edad de haber obtenido el nivel de estudios
superiores.

672
institutos (Formación Profesional Superior) y de nuestras escuelas universitarias y universidades
(diplomados y licenciados y graduados) o dicho de otra manera, el flujo de nuevos trabajadores
cualificados que se incorporan al mercado de trabajo.
Por otro lado, tenemos el total de trabajadores ocupados según su nivel de estudios. Pero
necesitamos conocer el flujo de demanda de trabajo, el número de empleos disponibles.
Para presentar unos primeros resultados y realizar una primera aproximación a la
cuantificación del desajuste se ha optado por utilizar como indicador de la demanda de trabajo
la diferencia en el número de ocupados de un año respecto al anterior. Este valor nos indica la
necesidad o el exceso anual de trabajos cualificados y, por tanto, nos sirve como indicador del
flujo de demanda de trabajos cualificados y nos permite realizar la comparación con el flujo de la
oferta de los nuevos titulados que nos ofrecen las estadísticas de educación.
La dificultad para encontrar trabajo que en estos últimos años han tenido los trabajadores
con formación superior queda reflejada en las columnas de desajuste de la Tabla 3. Hasta 100.000
puestos de trabajo faltaron durante los primeros tres años del periodo y más del doble los dos
años siguientes, destacando el fuerte déficit (destrucción) de puestos de trabajo para el año 2009.
De hecho, ni en los años de mayor crecimiento de ocupación (2006-2008) el mercado de trabajo
español tuvo la suficiente capacidad para absorber el total de titulados que el sistema educativo
generaba, por lo tanto, mucho más evidente se ha hecho este déficit cuando ha empezado a
hacerse efectiva la destrucción de empleo fruto de la crisis económica.

Tabla 3. Desajuste entre oferta y demanda de trabajadores cualificados. España, 2006-2010232

OCUPADOS TITULADOS DESAJUSTE
AÑO (DEMANDA DE TRABAJO) (OFERTA DE TRABAJO) (OCUPADOS-TITULADOS)
FP UNIV Total FP UNIV Total FP UNIV Total
2006 142.106 40.363 182.469 80.785 198.887 279.672 61.321 - -97.203
2007 88.717 161.291 250.008 77.954 192.480 270.434 158.524
10.763 -31.189 -20.426
2008 53.479 69.859 123.338 75.279 180.805 256.084 -21.800 - -
2009 -62.092 -84.438 -146.530 74.954 182.856 257.810 - 110.946
- 132.746
-
2010 -40.583 62.100 21.517 74.954 (1)
182.856 257.810 137.046
- 267.294
- 404.340
-
115.537 120.756 236.293
Fuente: EPA (2º trimestre) para los datos de ocupación y estadísticas de educación para los
titulados.
(1) No tenemos datos para los titulados de Formación Profesional Superior para el año 2010,
pero se espera un mantenimiento de los titulados del año anterior.

La reducción de nuevos empleos durante los tres primeros años y la destrucción a partir de
2009 (ocupados) superan con creces el casi imperceptible descenso de los titulados, aumentando,
año tras año, el desajuste entre la oferta y demanda de trabajo cualificado.
Desde 2006 el mercado de trabajo español se ha visto sumergido en un constante déficit
de demanda de trabajo cualificado (tabla 3), hecho que repercute directamente a las altas tasas
de paro de nuestros jóvenes y, en especial, de los jóvenes universitarios. Pero, ¿Qué nos espera en
un futuro próximo?
232 Siguiendo el razonamiento y cálculo del trabajo realizado por Albert y Toharia en Cuadrado Roura (2003: pp. 252-
253), para el cálculo del desajuste entre la oferta y demanda de trabajo cualificado se ha considerado los ocupados de
un año con los titulados del año anterior “En la medida en que los individuos que abandonen el sistema educativo
en 2005 lo harán en el mes de junio, consideramos bastante razonable suponer que no se convertirán en oferta de
trabajo al menos hasta el cuarto trimestre de 2005. De esta forma, enfrentar la proyección en 2005 con la prospectiva
de demanda de trabajo en 2006 nos ha parecido más razonable que prolongar la proyección educativa hasta el año
2006, en la medida en que de esta última forma existiría un desfase entre ellas de seis meses”.

673
3. Previsión
Realizar una previsión no es tarea fácil. Muchas son las variables que interactúan y
aún más son los factores impredecibles que nos sorprenderán y que invalidarán parte o todo el
trabajo realizado. Sin embargo, creemos que vale la pena hacer este ejercicio pues puede ayudar
a identificar los principales problemas, necesidades o excesos y diseñar y aplicar las políticas que
más favorezcan el buen funcionamiento del mercado de trabajo.
En concreto, tres son los escenarios que se tienen en cuenta para pronosticar el futuro ajuste
entre la oferta y la demanda de trabajo cualificado en España.
• Un primer escenario bastante prudente, ESCENARIO A, en el que se mantienen las
últimas tendencias. Se propone la reducción del descenso de ocupaciones para los titulados en
Formación Profesional Superior en la misma proporción que los dos últimos años (2009-2010) y el
mantenimiento del crecimiento de las ocupaciones para los universitarios, ya que, a pesar de que
en los dos últimos años ha habido un cambio de tendencia pasando de perder empleos a crear de
nuevos para este nivel de estudios, nos parece muy arriesgado suponer que este crecimiento va a
seguir con esta misma tendencia al alza y, por eso hemos optado por una evolución más prudente
y suponemos que este aumento se mantendrá constante y no aumentará.
Por lo que se refiere a los titulados, en este primer escenario, siguiendo con la tónica de la prudencia
y dada la reducida variación en los dos últimos años de los que tenemos datos (2007-2009), se ha
optado por considerar estable el número de titulados, tanto para Formación Profesional Superior
como universitarios, manteniendo los mismos valores del último año del que disponemos de datos
(2009).
• En el ESCENARIO B, un poco más arriesgado, establecemos que en el horizonte de
2013 se habrá recuperado la media de ocupación que teníamos antes de la crisis, es decir la media
de los años 2006-2007. La ocupación para 2011 y 2012 la calculamos marcando un crecimiento
lineal desde el último valor real, 2010, al valor establecido como horizonte, el de 2013.
Para los titulados, mantenemos el supuesto del escenario A, estabilidad del número de titulados,
tanto para Formación Profesional Superior como universitarios, manteniendo los mismos valores
del último año del que tenemos datos (2009).
• La situación en el ESCENARIO C supone una mejora importante en el exceso de
oferta de trabajo cualificado, llegando a conseguir valores positivos para el año 2013.
Se determina que en el año 2013 la ocupación para los dos niveles educativos (Formación
Profesional Superior y universidad) recuperará los valores más altos alcanzados en el último
quinquenio, esto es, tendrá el valor de 2006 para los que tengan una titulación de Formación
Profesional Superior (142.106) y el valor de 2007 para los que tengan una titulación universitaria
(161.291). Para el año 2011 y 2012, siguiendo la metodología utilizada en el escenario anterior se
ha ido incrementando linealmente el valor de 2010 hasta conseguir en 2013 el valor esperado.
Para los titulados, seguimos manteniendo el número total de titulados universitarios y,
siendo muy optimistas, creemos que se vislumbrarán los primeros efectos del mayor empuje de la
Formación Profesional Superior y aumentamos el número de titulados en Formación Profesional
Superior a 90.000 para el año 2013, incrementándolos linealmente desde 2010.

674
Tabla 4. Desajuste entre oferta y demanda de trabajadores cualificados. España, 2011-2013
OCUPACIÓN TITULADOS DIFERENCIA
ESCENARIO AÑO
FP UNIV TOTAL FP UNIV TOTAL FP UNIV TOTAL
- - -
2011 -26.525 62.100 35.575 74.954 182.856 257.810
101.479 120.756 222.235
- -
A 2012 -17.337 62.100 44.764 74.954 182.856 257.810 -92.291
120.756 213.046
- -
2013 -11.331 62.100 50.769 74.954 182.856 257.810 -86.285
120.756 207.041
- -
2011 -3.356 79.925 76.569 74.954 182.856 257.810 -78.310
102.931 181.241
B -
2012 33.871 97.750 131.621 74.954 182.856 257.810 -41.083 -85.106
126.189
2013 71.098 115.575 186.673 74.954 182.856 257.810 -3.856 -67.281 -71.137
-
2011 20.313 95.164 115.477 79.969 182.856 262.825 -59.656 -87.692
147.348
C 2012 81.210 128.227 209.437 84.985 182.856 267.841 -3.775 -54.629 -58.404
2013 142.106 161.291 303.397 90.000 182.856 272.856 52.106 -21.565 30.541

Los resultados obtenidos no dejan duda alguna, la tendencia general, independientemente

del escenario que se tenga en cuenta está clara: mantenimiento del exceso de oferta de trabajo
cualificado del último quinquenio, aunque con una ligera tendencia a la disminución, especialmente
en los escenarios B y C.
Sólo en el escenario más optimista, el C, se consigue un exceso de demanda de trabajo
cualificado, pero no es hasta 2013 e incluso en este año este exceso sólo se da para los titulados
en Formación Profesional Superior y no para los universitarios. Por tanto, va a ser necesario un
fuerte cambio en las políticas educativas y en las políticas ocupacionales para conseguir revertir
esta tendencia al exceso de oferta de trabajadores cualificados.

4.Conclusiones
Este artículo presenta una primera aproximación macroeconómica al análisis del ajuste
entre la oferta y la demanda de trabajo cualificado en España, a partir de sus valores agregados.
A pesar de lo preliminar del estudio y, por tanto, teniendo en cuenta que los resultados
deben tomarse con precaución, el análisis sirve de punto de partida para futuros estudios. En él
hemos visto que la situación de partida no es muy favorable al ajuste entre la oferta y la demanda
de trabajo cualificado y, teniendo en cuenta que, como ya hemos avanzado al principio de este
artículo, el fruto de las políticas educativas tardan un tiempo en surtir efecto (el tiempo en
que dura la formación), para conseguir estabilizar esta situación a corto plazo sería necesario
realizar más bien políticas ocupacionales, políticas que contribuyan a incrementar la demanda de
trabajadores en general y de trabajadores cualificados en particular.
Con el fin de mejorar el estudio nos proponemos realizar un análisis más exhaustivo de la
demanda de trabajo. Es preciso un estudio del mercado de trabajo distinguiendo entre sectores
y ocupaciones para conocer más detalladamente el déficit de demanda de trabajo cualificado.
También sería de interés realizar este estudio diferenciando por sexos y por regiones.

675
Referencias
Alba Ramirez, A. (1993): “Mismatch in the Spanish Labor Market: Overeducation?” The Journal of
Human Resources, vol. 28, pp. 259-278.

Albert, C. (1998): La demanda de educación superior en España: 1977-1994. CIDE, Ministerio de

Educación y Cultura. Col. Investigación, 137. Madrid.

__(2008): “Evolución de la demanda de educación universitaria en España: 1987-2007” en Temas

actuales de economía. Capital Humano. Volumen 2: 166-194

Barro, R.J. y X. Sala-i-Martin, (1995): Economic growth. New York. MarcGraw-Hill.

Cuadrado Roura, J. R. (Dir.y Coord.) y Iglesias Fernández, C. (D. técnica) (2003): Cambio sectorial y
desempleo en España. Un análisis de la relación entre terciarización, cambio cualitativo y movilidad
laboral en España. Fundación BBVA. Madrid.

Escolano, A. (Dir.) (1992): Leer y escribir en España. Doscientos años de alfabetización. Fundación
Germán Sánchez Ruipérez. Madrid.

Fernández, M.; Mena, L. y Riviere, J. (2010): Fracaso y abandono escolar en España, Colección de
Estudios Sociales, núm. 29. Obra Social. Fundación La Caixa. Barcelona.

Freeman, R. (1976): The Overeducated American. Nueva York. Academic Press.

García Serrano, C. y Malo, M.A (1996): “Desajuste educativo y movilidad laboral en España”,
Revista de Economía Aplicada, 11, Vol. IV: 105-131

Ministerio de Educación. Secretaría de Estado de Educación y Formación Profesional. Dirección

General de Evaluación y Cooperación Territorial. Instituto de Evaluación (2010): PISA 2009.
Programa de Evaluación Internacional de los Alumnos. OCDE. Informe Español. Madrid.

Mora, J.-G.; García-Montalvo, J.; García-Aracil, A. (2000): “Higher Education and Graduate
Employment in Spain”. European Journal of Education, 35(2): 229-237.

Núñez, C.E. (2003): “Literacy, Schooling and Economic Modernization: A Historian’s Approach” en
Paedagogica Historica, Vol. 39, N. 5, Octubre: 535-558.

Pérez Infante, J. I. (2008): “Luces y sombras del mercado de trabajo en España. Problemas,
situaciones y tendencias” en Economía Industrial, 367: 35-49.

Toharia, L. (1998): El mercado de trabajo en España. McGraw-Hill. Madrid.

__(2003): “El mercado de trabajo en España” en Información Comercial Española, 811 (Dic.): 203-
220.

676
4. El empleo a tiempo parcial entre los jóvenes: Puente o trampa

Helena Corrales Herrero, Universidad de Valladolid

Beatríz Rodríguez Prado, Universidad de Valladolid

677
El empleo a tiempo parcial entre los jóvenes: Puente o trampa

Helena Corrales Herrero, Universidad de Valladolid

Beatríz Rodríguez Prado, Universidad de Valladolid

Resumen
El empleo a tiempo parcial, en determinadas circunstancias, se puede considerar como un estadio
intermedio que sirve de puente hacia una situación laboral más estable. La presente investigación
pretende determinar en qué medida el empleo a tiempo parcial realiza esa función entre los
jóvenes que completan estudios, o por el contrario, se convierte en una situación más dentro de
una trayectoria laboral caracterizada por la precariedad y la inestabilidad. Para ello, se utiliza
la Encuesta de Transición Educativa-Formativa e Inserción Laboral (ETEFIL-2005) que permite
construir la situación formativo-laboral mes a mes de una muestra de jóvenes desde que finalizan
los estudios hasta el momento de la encuesta. A partir de estos datos, se realiza un análisis
descriptivo para conocer la importancia del empleo a tiempo parcial en términos del tiempo
que los jóvenes pasan empleados en esta situación así como los destinos más frecuentes cuando
concluyen su experiencia de empleo a tiempo parcial. Por otra parte, se analiza una parte de
la trayectoria laboral de estos jóvenes para identificar diversos patrones de comportamiento en
el uso del empleo a tiempo parcial, utilizando para ello métodos exploratorios de análisis de
secuencias y análisis cluster.

Palabras clave: empleo a tiempo parcial, análisis de secuencias, estudios profesionales.

Clasificación JEL: J24, I20, C23.

1. Introducción
En los últimos diez años, el empleo a tiempo parcial en España ha mostrado una evolución
creciente, pasando del 7,6% de la población ocupada en el año 1998 al 12% en el año 2008,
según los datos de la Encuesta de Población Activa (EPA). Esta evolución ha tenido lugar en un
contexto económico y social favorable a este tipo de contratación por diversas razones: necesidad
de un mayor grado de flexibilidad en la producción y en la organización del trabajo dentro de
las empresas, exigencia por parte de los trabajadores de medidas que concilien la vida laboral y
familiar, y búsqueda por parte de las autoridades de medidas que faciliten la incorporación al
mercado de trabajo de aquellos trabajadores con problemas de inserción.
Sin embargo este avance en la cifra de trabajadores a tiempo parcial no se ha distribuido
por igual entre todos los colectivos. Así, el empleo a tiempo parcial es, hasta ahora, un fenómeno
casi exclusivo de las mujeres y de los jóvenes (en el año 2008 el 79,8% de los ocupados a tiempo
parcial en España eran mujeres y el 29,7% tenía una edad inferior a los 30 años, según la EPA). A
pesar de ser estos dos colectivos los más afectados, la mayor parte de la literatura sobre el empleo
a tiempo parcial se ha centrado en las mujeres, por lo que poco se sabe de la importancia que
tiene este tipo de contratación en el futuro laboral de los jóvenes.
Para los jóvenes, el empleo a tiempo parcial, bien sea compatibilizado con los estudios o
como primera experiencia laboral, representa una oportunidad de acceso al mercado de trabajo,
que puede servir de puente hacia otros empleos de mayor envergadura. Sin embargo, algunas
investigaciones señalan que los empleos a tiempo parcial suelen ser malos empleos y se concentran
en ocupaciones con salarios bajos, por lo que la oportunidad no sería tal si realmente los jóvenes

678
que acceden a este tipo de empleo ven reducidas sus posibilidades de progresión profesional.
En este caso, el empleo a tiempo parcial no realiza esa función de puente para los jóvenes, sino
que se convierte en una situación más dentro de una trayectoria laboral caracterizada por la
precariedad y la inestabilidad.
Teniendo en cuenta las anteriores premisas, el presente trabajo pretende conocer cuál es
el papel que desempeña el empleo a tiempo parcial entre los jóvenes y, en concreto, dar respuesta
a una serie de cuestiones relacionadas con el uso del empleo a tiempo parcial: ¿Quiénes son los
jóvenes que acceden a un empleo a tiempo parcial?, ¿qué proporción de jóvenes experimenta un
episodio de empleo a tiempo parcial en los inicios de su vida laboral?, ¿cuánto tiempo permanecen
contratados a tiempo parcial?, ¿a dónde se dirigen una vez que finalizan su experiencia de empleo
a tiempo parcial?.
En definitiva, la investigación pretende determinar en qué medida el empleo a tiempo parcial
funciona como un elemento puente en su proceso de incorporación al mercado de trabajo para los
jóvenes, o por el contrario, se convierte en una situación más dentro de una trayectoria laboral
precaria e inestable. Las conclusiones resultan de interés pues arrojan luz sobre la efectividad
de aquellas políticas de empleo que fomentan el empleo a tiempo parcial entre los jóvenes como
una alternativa al desempleo, sobre todo en épocas en las que la situación coyuntural es más
negativa.

2. Revisión de la literatura
Antes de comenzar cualquier análisis empírico resulta conveniente analizar qué es lo que
la teoría dice en torno al objetivo a estudiar. Por ello, en este apartado vamos a hacer una revisión
de las principales aportaciones teóricas realizadas sobre el empleo a tiempo parcial y un repaso a
los principales estudios disponibles en la literatura empírica.
A nivel macroeconómico, la teoría clásica contempla el empleo a tiempo parcial como
un instrumento que permite aumentar la cifra de empleo global, pudiendo beneficiar tanto a la
demanda como a la oferta laboral. Por el lado de la oferta, al incrementar el volumen de empleo
total reduce la presión sobre los salarios y facilita la entrada de ciertos colectivos al mercado. Por
el lado de la demanda, aumenta las posibilidades organizativas y de flexibilidad del trabajo dentro
de la empresa, lo que redunda en un aumento de la productividad.
Por su parte, la teoría de los mercados laborales segmentados sugiere la existencia de
una división estructural del mercado de trabajo que puede tener un efecto significativo en
el comportamiento integrador o excluyente de las transiciones entre los diferentes estados
laborales. Bajo este prisma, el empleo a tiempo parcial puede responder a una estrategia laboral
de segmentación (segregación), de manera que para determinados colectivos el acceso a un
empleo a tiempo parcial se convierte en una trampa que reduce sus expectativas laborales y sus
posibilidades de progresión profesional. La antítesis a esta teoría lleva a considerar que el empleo
a tiempo parcial cumple una función integradora en el caso de algunos colectivos, consiguiendo
mantener en el mercado de trabajo a individuos que, en caso contrario no participarían. Algunos
condicionantes relevantes en el carácter integrador de las transiciones están relacionados con los
sistemas de formación duales y la protección social del empleo a tiempo parcial (Schmid, 1998).
Partiendo de estos planteamientos contrapuestos, determinar cuál es el uso preferente
que hacen del empleo a tiempo parcial los jóvenes y, en concreto, establecer si se utiliza como un
medio para entrar al mercado de trabajo o para transitar a otros estados laborales, nos revelará
en qué medida el empleo a tiempo parcial potencia la flexibilidad laboral y, en consecuencia,
se constituye realmente en una oportunidad de progresión profesional o, por el contrario, se

679
convierte en un factor de riesgo de estancamiento profesional.
La literatura empírica que ha analizado el papel del empleo a tiempo parcial dentro del
mercado de trabajo es bastante reciente, en línea con la importancia que ha ido adquiriendo
esta modalidad de contratación dentro del conjunto del mercado laboral. Una gran parte de las
investigaciones plantean el análisis desde la perspectiva de las mujeres, en algunos casos con un
marcado carácter comparativo entre países. La mayor parte de estos estudios no parecen encontrar
evidencias claras de que el desempeño de un empleo a tiempo parcial actúe como una stepping-
stone hacia el empleo a tiempo completo (Blank, 1994, O’Reilly y Bothfeld, 2002, Buddelmeyer,
Mourre and Ward, 2005 y Connolly y Gregory, 2005, 2007).
En concreto, Blank (1994) señala que las mujeres utilizan el empleo a tiempo parcial
como una alternativa al empleo a tiempo completo y son minoritarias las ocasiones en las que
consiguen un empleo a tiempo completo partiendo de un episodio de empleo a tiempo parcial.
Por su parte, O’Reilly y Bothfeld (2002), a partir de un análisis de las pautas de comportamiento
de las transiciones antes y después de un experiencia en un empleo a tiempo parcial, detectan
un número muy reducido de transiciones integradoras en las que el paso por un empleo a tiempo
parcial conduce a un empleo a tiempo completo. Cumpliéndose esta función integradora, de forma
más frecuente, entre los jóvenes varones que se encuentran bajo algún sistema de formación. Por
el contrario, sus resultados muestran evidencia de que el empleo a tiempo parcial es más bien una
trampa para las mujeres pues el paso por el mismo las devuelve a la inactividad.
En la misma línea, el estudio de Buddelmeyer, Mourre y Ward (2005) a nivel europeo,
concluye que el empleo a tiempo parcial no cumple esa función de stepping-stone, salvo para
un número muy limitado de trabajadores, que difiere según el país y es mayor para las mujeres
que para los hombres. En relación con los resultados de España frente a los otros países europeos
analizados, el tiempo de permanencia en el empleo a tiempo parcial es menor, lo que supone una
mayor movilidad de los trabajadores a tiempo parcial en nuestro país, tanto hacia el empleo a
tiempo completo como a la inactividad.
Finalmente, Connolly y Gregory (2005, 2007) concluyen que es erróneo tratar de asignar
un único papel al empleo a tiempo parcial pues depende del grado de ligazón del individuo con
el mercado de trabajo. Para aquellas mujeres con un fuerte vínculo laboral, el empleo a tiempo
parcial es un estado intermedio que permite mantener parcialmente el contacto con el mercado
de trabajo en situaciones específicas (cuidado de hijos, etc). Para otras los episodios de empleo a
tiempo parcial se alternan con situaciones de inactividad.
Desde un punto de vista específico de los jóvenes, el único trabajo que conocemos es el
de Marks (2006). Este autor señala que el empleo a tiempo parcial no es una vía muerta para los
jóvenes sino que hay una progresión profesional en su vida activa, tanto para los hombres como
para las mujeres. Un empleo a tiempo parcial en el primer año de vida activa no es tan efectivo
como experimentar un empleo a tiempo completo pero es más efectivo que el desempleo o la
inactividad.
Es evidente que una de las ventajas de contar con un empleo a tiempo parcial es que se puede
combinar con otras actividades: ocio, familia, formación etc. En el caso de los jóvenes, una de las
razones principales por la que éstos ocupan un empleo a tiempo parcial es para compatibilizarlo
con los estudios. Algunas investigaciones han probado que las experiencias laborales previas a la
finalización de los estudios son positivas a la hora de incorporarse al mercado de trabajo porque
proporcionan habilidades y conocimientos útiles, así como señales sobre las actitudes hacia el
empleo de esos jóvenes a los empresarios (Vickers, Lamb y Hinkley, 2003, Marks, 2006). Dicha
influencia parece ser más fuerte en el caso de los jóvenes que finalizan la enseñanza secundaria y

680
no tienen intención de continuar estudios superiores por lo que su futuro inmediato es el mercado
de trabajo (Marks, 2006).

3. Datos
La preocupación por el nivel de desempleo entre los jóvenes en España y la necesidad
de información sobre las vías de transición entre la educación y el empleo para conocer los
mecanismos de entrada a la vida activa, han promovido la realización de la Encuesta de Transición
Educativa-Formativa e Inserción Laboral (ETEFIL) en el año 2005. Esta investigación estadística,
que nace con la intención de proporcionar los elementos necesarios para el estudio conjunto de
los itinerarios seguidos por los jóvenes dentro del sistema educativo y de las transiciones entre el
estudio y el trabajo, se ha constituido en la primera investigación de esta magnitud realizada en
España y una de las primeras en el panorama internacional.
El carácter longitudinal de la encuesta, basada en un análisis retrospectivo de lo acontecido
al entrevistado desde que finalizó/abandonó sus estudios hasta el momento de la entrevista,
permite conocer con detalle el itinerario educativo y laboral seguido por cada joven. En particular,
el periodo completo de seguimiento viene determinado por la fecha de finalización/abandono
de los estudios y la fecha de realización de la encuesta (abril-julio de 2005), aproximadamente
unos cuatro años. La población de estudio de la Encuesta de Transición está formada por todas
aquellas personas que, no habiendo cumplido 25 años en el año 2001, finalizaron estudios no
universitarios o abandonaron la Educación Secundaria Obligatoria.
Para el análisis de los complejos itinerarios educativos y laborales, la Encuesta de Transición
incluye un extenso y exhaustivo cuestionario dividido en siete apartados. En nuestro caso, hemos
hecho uso preferente del fichero denominado calendario, que es el que contiene la información
correspondiente a los estados formativo-laborales en que se encontraba el individuo en cada
uno de los meses del periodo de estudio. A partir de esta información se puede conocer cómo
han distribuido su tiempo los jóvenes entre los diferentes estados laborales considerados en
los años iniciales tras la finalización/abandono de los estudios. El grado de detalle en relación
a las situaciones laborales es muy amplio en la ETEFIL. Sin embargo, en aras a simplificar las
categorías laborales consideradas han sido: empleo a tiempo completo, desempleo, inactividad
(distinguiendo entre inactivos estudiando fuera o dentro del sistema educativo o no estudiando)
y empleo a tiempo parcial (Tabla 1).
De cara al estado laboral central en esta investigación, el empleo a tiempo parcial, la
ETEFIL lo identifica como aquel en el que la jornada media no supera las 20 horas semanales.
En la literatura sobre este tema no existe un consenso sobre la definición de empleo a tiempo
parcial. Así, la Organización Internacional del Trabajo define al trabajador a tiempo parcial como
aquel “trabajador asalariado cuya actividad laboral tiene una duración normal inferior a la de
los trabajadores a tiempo completo en situación comparable”. Habitualmente, el umbral que
delimita los empleos a tiempo parcial es el de 30 horas. En este sentido, hemos de señalar que los
resultados que obtenemos a partir de la ETEFIL tienden a subestimar la importancia del empleo a
tiempo parcial entre los jóvenes, sobre todo si se tiene en cuenta que en España predomina lo que
se conoce por empleo a tiempo parcial sustancial (entre 20 y 34 horas) frente al empleo a tiempo
parcial marginal (menos de 20 horas)233.

233 Véase Bielenvski, Bosch y Wagener (2002).

681
Tabla 1. Clasificación y codificación de los estados laborales
Código Descripción
1 (i) Inactivos estudiando fuera del sistema educativo (INEFSE)
2 (S) Inactivos estudiando dentro del sistema educativo (INESE)
3 (I) Inactivos no estudiando (INNE)
4 (D) Desempleados (DES)
5 (e) Trabajadores con un empleo de menos de 20 horas semanales (TRM20)
6 (E) Trabajadores con un empleo de mas de 20 horas a la semana (TRMOI20)
Fuente: ETEFIL.

4. Particularidades de la metodología empleada

El análisis de secuencias ha sido la técnica utilizada para comparar las trayectorias
formativo-laborales de los jóvenes en relación con el uso que hacen del empleo a tiempo parcial.
Atendiendo a la definición de secuencia -relación de elementos ordenados según algún criterio-
las trayectorias formativo-laborales se adaptan al objeto de estudio del análisis de secuencias,
siendo las diferentes situaciones formativo-laborales en las que se pueden encontrar los jóvenes
los elementos que conforman una secuencia.
La metodología del análisis de secuencias permite describir los datos de secuencias tratando
cada secuencia como un todo. Esta metodología, que ha sido aplicada en campos diversos como
la informática o la biología molecular, tiene como fin último comparar pares de secuencias y
construir una medida de similitud entre las mismas. Básicamente, el análisis de secuencias plantea
transformar una de las secuencias en la otra –emparejar ambas secuencias- mediante una serie de
operaciones básicas. Tres son las operaciones que se pueden utilizar. En primer lugar la operación
de sustitución que consiste en sustituir en una de las secuencias un elemento por otro de forma
que, tras la operación, las dos secuencias contengan ese elemento en la misma posición. Las otras
dos operaciones, inserción y eliminación, suelen contemplarse de forma conjunta pues insertar
un elemento en una de las secuencias para transformarla en la otra (inserción) es equivalente a
borrar ese elemento en la segunda de las secuencias (eliminación).
Dado que, en general, el emparejamiento de dos secuencias se puede conseguir mediante
distintas manipulaciones de sus elementos, se busca aquella combinación que implique un menor
“coste”. Este coste viene determinado por la suma de los costes asignados a cada una de las
operaciones básicas. Por tanto, la asignación de costes a cada operación es el primer escollo a
resolver en la aplicación del análisis de secuencias. El resultado de la aplicación del análisis de
secuencias va a ser una matriz, de dimensión igual al número de secuencias, cuyos elementos
contienen la similitud entre dos secuencias.
En definitiva, el análisis de secuencias es una técnica que permite cuantificar el grado de
similitud entre dos secuencias, que vendrá determinado por el número mínimo de operaciones
de edición necesarias para transformar una de las secuencias en la otra y por el coste de dichas
operaciones.
El objetivo final del uso del análisis de secuencias es clasificar las secuencias de forma que
las pertenecientes a un mismo grupo sean muy parecidas entre sí y diferentes de las incluidas
en otros grupos. Para ello se hace uso de una técnica de agrupamiento como el análisis cluster.
El análisis cluster es una técnica exploratoria de clasificación de individuos, en nuestro caso de
secuencias, que permite construir grupos homogéneos, de tal forma que las secuencias de un
mismo grupo son muy parecidas entre sí y, a la vez, diferentes de las secuencias incluidas en otros
grupos.

682
 Antes de mostrar los resultados más relevantes, incluimos en este apartado una explicación
de las particularidades de la aplicación del análisis de secuencias a nuestro caso particular, las
trayectorias formativo-laborales de los jóvenes que experimentan un episodio de empleo parcial. El
primer paso en la aplicación de este análisis requiere adoptar un criterio para cuantificar el grado
de similitud existente entre dos secuencias (trayectorias) dadas. Por tanto, la primera tarea va a
ser la asignación de un coste a las operaciones de edición, y, más concretamente, a la operación
de sustitución. Una de las opciones, en el contexto en que nos encontramos, es la de suponer
que el coste de sustituir una situación laboral (por ejemplo, el desempleo) por otra (el empleo
a tiempo parcial) ha de ser inversamente proporcional a las frecuencias de transición entre esos
estados laborales. Este supuesto es habitual cuando los fundamentos teóricos de que se dispone
no son suficientes para abordar la tarea de asignar valores a los costes de sustitución (véanse
los trabajos de Malo y Muñoz-Bullón, 2003 y Aassve, Billari y Picarreta, 2007). En particular,
siguiendo este criterio, lo que estamos diciendo es que cuanto menos frecuente es la transición
entre dos estados, mayor ha de ser el coste de sustituir un estado por el otro.
Es más, entendemos que estos costes de sustitución no deben de ser iguales al principio
que al final de una trayectoria pues la probabilidad de transitar a un empleo dos años después de
haber finalizado los estudios no es la misma que nada más acabar la formación. En este sentido, la
matriz de transición que recoge las frecuencias de transición entre los estados laborales no puede
ser fija sino que tiene que variar con el tiempo. Teniendo en cuenta las anteriores consideraciones,
los costes de sustitución se han obtenido calculando las frecuencias de transición periodo a
periodo, derivadas de los propios datos secuenciales, mediante la siguiente expresión,
⎧ 4 − p(X t = a / X t−1 = b)+ p(X t = b/ X t−1 = a)+
⎪⎪
p(X t+1 = a / X t = b)+ p(X t+1 = b/ X t = a) a≠ b
cos te(a,b) = ⎨
⎪
⎪⎩ 0 a= b
donde p recoge las frecuencias de transición entre un estado (a o b) a otro (b o a) en un periodo
dado. En cada periodo, el resultado que se obtiene es una matriz de costes de sustitución simétrica
€ cuyo tamaño coincide con el número de estados.
En cuanto a los costes de inserción (o de eliminación), hemos de señalar que cuando
la longitud de las secuencias es la misma no tienen sentido estas operaciones. En la ETEFIL, el
seguimiento de los individuos se inicia en el momento en que finalizan los estudios y termina
en el momento en que contestan a la encuesta, por lo que el periodo de observación no es
el mismo para todos (aproximadamente cuatro años). Sin embargo, desde un punto de vista
técnico, resulta conveniente que las secuencias tengan la misma longitud, de forma que no sea
necesario normalizar las distancias. En base a lo expuesto, las trayectorias laborales analizadas
sólo comprenden los estados ocupados en los tres años posteriores a la finalización/abandono de
los estudios y, por tanto, la longitud de las secuencias es de 36 meses.
Una vez establecidos los costes de cada operación, el algoritmo de Needleman-Wunsch
calcula todas las posibles combinaciones de operaciones que permiten transformar una secuencia
en la otra, así como su correspondiente coste, y selecciona la combinación de menor coste. De
esta manera, a cada par de secuencias se le asigna un coste que se entiende como una medida
de la distancia que las separa. La aplicación de este algoritmo da como resultado una matriz
simétrica de dimensión igual al número de secuencias, que contiene la similitud/disimilitud entre
las mismas.
Finalmente para agrupar las trayectorias atendiendo a la medida de similitud obtenida

683
a partir del análisis de secuencias se requiere emplear alguna técnica de agrupamiento como el
análisis cluster. En la implementación de esta técnica se deben resolver tres cuestiones básicas:
¿cómo se mide la similitud?, ¿cómo formamos los grupos? y ¿cuántos grupos formamos? Con
respecto a la primera cuestión, el análisis de secuencias descrito anteriormente proporciona
la matriz de distancias entre las distintas trayectorias. Una particularidad de la aplicación del
análisis cluster en nuestro contexto, es que la matriz se ha reducido para incluir solamente las
trayectorias únicas (sin incluir sus repeticiones), dado que el interés en este apartado son las
secuencias. Con respecto al método de agrupación se ha optado por un procedimiento jerárquico
en el que la formación de los conglomerados se caracteriza por el desarrollo de una estructura en
forma de árbol (de una jerarquía) en el que en cada etapa se van uniendo las dos trayectorias más
cercanas que no estén ya agrupadas en un mismo cluster. Dentro de las opciones disponibles hemos
elegido el método de Ward porque tiende a construir grupos bastante homogéneos y también ha
sido aplicado en otros trabajos relacionados (Scherer, 2001 y Brzinsky-Fay, 2007). Finalmente, la
decisión sobre el número de grupos se ha basado en el en diversos criterios estadísticos y gráficos
así como en el análisis descriptivo de las trayectorias.

5. Resultados
De los 45620 jóvenes que realizan la encuesta, 5860 experimentan al menos un episodio
de empleo a tiempo parcial. Esto es, uno de cada diez de los jóvenes que finalizaron/abandonaron
sus estudios secundarios en el curso 2000-2001, estuvieron trabajando a tiempo parcial en algún
momento dentro de los tres años posteriores a la finalización/abandono de esos estudios. En
media, el tiempo que los jóvenes estuvieron en esta situación de parcialidad fue de prácticamente
13 meses, una tercera parte del periodo de tiempo analizado. Estas primeras cifras nos dan una
idea inicial de la importancia del empleo a tiempo parcial en términos de incidencia y duración,
que podemos resumir señalando que si bien el empleo a tiempo parcial no ha sido un fenómeno
muy frecuente entre estos jóvenes, la estancia en el mismo para los que experimentaron algún
episodio de tiempo parcial fue relativamente larga.
Centrándonos en los jóvenes que han estado trabajando a tiempo parcial, el interés ahora
es saber cuál ha sido el papel que ese empleo ha tenido dentro de su trayectoria formativo-
laboral. En relación a esta cuestión, en primer lugar hemos de señalar que se ha detectado una
gran diversidad de trayectorias (3886 trayectorias distintas), hecho que hace muy complejo su
análisis sin la ayuda de unas herramientas adecuadas como el análisis de secuencias y el análisis
cluster.
Haciendo uso del análisis de secuencias, iniciamos la descripción de estas trayectorias
con la Tabla 2, donde aparecen las diez trayectorias con mayor frecuencia. La trayectoria más
frecuente se corresponde con una situación en la que el joven inicia su andadura laboral con un
empleo a tiempo parcial y se mantiene en esa situación a lo largo de sus tres primeros años de
vida laboral. Esta trayectoria destaca del resto en cuanto a su frecuencia, con un 7% de jóvenes
empleados a tiempo parcial durante todo el periodo analizado. La segunda trayectoria laboral tiene
como componente principal la situación de inactividad estudiando dentro del sistema educativo.
Los jóvenes con este tipo de trayectoria decidieron seguir dentro del sistema educativo y se
mantuvieron en esta situación prácticamente hasta el final del periodo. De la Tabla 2 también
extraemos que los estados más frecuentados por los jóvenes que experimentaron un episodio de
empleo a tiempo parcial son los de inactividad estudiando dentro del sistema educativo, empleo a
tiempo parcial y empleo a tiempo completo. Esta situación se reproduce cuando tenemos en cuenta
todas las trayectorias, con una distribución temporal de los estados bastante compensada. Estos

684
jóvenes estuvieron en un empleo a tiempo parcial trece de los 36 meses, casi otra tercera parte
siguieron estudiando dentro del sistema educativo y un 21,8% del tiempo estuvieron ocupados a
tiempo completo. El tiempo de estancia en las otras situaciones contempladas fue insignificante.
Por ejemplo, un 6% del total de los 36 meses estuvieron desempleados.

Tabla 2. Trayectorias más frecuentes

Trayectoria N %
eeeeeeeeeeeeeeeeeee e e e e e e e e e e e e e e e e e 444 7,58
SSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSe 64 1,09
SSSSSSSSSSSSSSSSSSSSSSSSSSeeeeeeeeee 50 0,85
SSSSSSSSSSSSSSSSSSSSSSSSSSSSSSeeeeee 44 0,75
eeeeee EEEEEEEEEEEEEEEEEEEEEEEEEEEEEE 38 0,65
eee EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE 35 0,60
SSSSSSSSSSSSSSSSSSeeeeeeeeeeeeeeeeee 33 0,56
eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeEEEEEE 29 0,49
eeeeeeeeeeeeeeeeee EEEEEEEEEEEEEEEEEE 28 0,48
eeeee EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE 27 0,46
eeEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE 26 0,44

Nota: E=empleo a tiempo completo, e=empleo a tiempo parcial y S=estudiando dentro del sistema
educativo.
Fuente: Elaboración propia a partir de la ETEFIL.

El siguiente paso ha sido analizar la forma en qué se ha utilizado el empleo a tiempo

parcial, para establecer determinadas tipologías de uso del tiempo parcial por parte de estos
jóvenes. Para ello, se ha obtenido una medida de similitud entre los pares de trayectorias únicas
mediante el análisis de secuencias, teniendo en cuenta las particularidades vistas en el apartado
metodológico, y se han construido grupos de trayectorias con el análisis cluster. En la Tabla 3
se presenta la distribución de las trayectorias por clusters junto con algunas variables que nos
permiten describir los mismos.

Tabla 3. Distribución de las trayectorias por clusters

3 5 7
Duración media en el estado … Número
clust clust clust
medio de
%
Número de secuencias INEFSE INESE INNE DES TP TC episodios
596 596 0,711 14,875 1,077 1,268 9,949 8,117 5,064 12%
1850 972 0,179 26,721 0,375 0,506 5,896 2,332 5,397 28%
1254
282 1,212 17,801 1,021 1,319 9,978 4,666 5,393 6%
552 5,425 0,661 5,032 2,692 10,715 11,47 5,087 10%
886 2
1575 334 0,775 0,464 0,643 18,796 6,577 8,742 5,380 6%
689 689 0,399 0,869 0,907 2,564 8,626 22,63 4,674 18%
2
461 461 461 0,520 2,555 0,843 1,778 27,279 3,021 4,627 20%
TOTAL 0,826 11,261 0,940 2,161 12,279 7,851 5,080 100

Nota: INEFSE: Inactividad estudiando fuera del sistema educativo, INESE: Inactividad estudiando
dentro del sistema educativo, INNE: Inactividad no estudiando, DES: Desempleo, TP: Empleo de
menos de 20 horas y TC: Empleo de más de 20 horas.
Fuente: Elaboración propia a partir de la ETEFIL.

685
 Para determinar el número de grupos se han comparado distintas soluciones utilizando para
ello varios criterios, como el dendrograma o el criterio de Harabaz. Asimismo, se ha considerado
que los clusters resultantes tenían que tener significado dentro del ámbito de aplicación y tener
un tamaño suficiente. Respecto del dendrograma (Gráfico 1), diagrama en forma de árbol que
ilustra las uniones que se han hecho en cada etapa y las distancias a las que se han producido las
mismas, observando la posición de la línea roja horizontal estableceremos el número de clusters
a seleccionar según el número de líneas verticales que cruzan esta línea roja.
En términos agregados se pueden diferenciar tres grandes clusters principales. Un primer
cluster en el que en las trayectorias prevalece el componente formativo frente al laboral, siendo el
estado predominante el de inactividad estudiando dentro del sistema educativo (1850 secuencias),
un segundo cluster, contrapuesto al anterior, donde tienen más peso los estados laborales frente a
los formativos (1575 secuencias) y un tercer cluster, con trayectorias en las que predomina sobre
todo el empleo a tiempo parcial (461). Partiendo de estos tres grandes grupos que determina el
criterio de Habarasz, hemos planteado otras soluciones alternativas (5 y 7 clusters) utilizando
para ello la información que nos proporciona la Tabla 3 y el Gráfico 2. Este gráfico recoge la
distribución por estados mes a mes para cada cluster. La lectura de este gráfico no sólo nos
permite conocer cuál es el estado/s predominante/s (según el color) sino también la posición
dentro de la trayectoria de ese estado/s dominante/s.
En particular, en el primer gran cluster descubrimos tres subgrupos diferenciados, a partir
de la agrupación en 7 clusters, tanto por el grado de utilización del empleo a tiempo parcial como
por la localización temporal de esos empleos a tiempo parcial. En concreto, se distingue, por
un lado, trayectorias en las que el empleo a tiempo parcial es de corta duración y con carácter
intermitente. Básicamente, se trata de empleos a tiempo parcial que se realizan durante los
periodos vacacionales en el sistema educativo (cluster 2, 972 secuencias). Por otro lado, en el
cluster 1 (596 secuencias), el empleo a tiempo parcial sucede a la formación mientras que en el
cluster 3 (282 secuencias) es justo lo contrario, el empleo a tiempo parcial supone un retroceso
en la carrera laboral de los jóvenes cuyas trayectorias pertenecen a este cluster, volviendo a la
situación de inactividad estudiando dentro del sistema educativo.
Lo mismo podemos decir cuando bajamos un nivel en la agrupación del segundo gran
cluster. Realmente, este cluster agrupa trayectorias con un tiempo de estancia medio en el empleo
a tiempo parcial muy similar pero que es combinado con situaciones laborales muy diferentes.
En el caso del cluster 5 el desempleo y en el caso del cluster 6, el empleo a tiempo completo
(334 y 689 secuencias, respectivamente). En el cluster 4 la mezcla de estados es aún mayor (552
secuencias).
Finalmente el tercer gran cluster no se subdivide, siendo este cluster el formado básicamente
por trayectorias de empleo a tiempo parcial.
Cuando se tiene en cuenta el número medio de episodios de cada cluster, podemos observar
que los clusters 6 y 7, en los que prevalece en un caso, el empleo a tiempo completo y, en el otro,
el empleo a tiempo parcial son los que presentan una menor movilidad con un menor número
medio de episodios.

686
Gráfico 1. Dendrograma

 
Fuente: Elaboración propia a partir de la ETEFIL.

Si atendemos al porcentaje de jóvenes que han seguido alguna de las trayectorias de cada
cluster podemos conocer cuál ha sido la tipología de trayectoria más frecuente y, en relación al
empleo a tiempo parcial, cuáles han sido los usos más habituales de esta modalidad de contratación
(véase la última columna de la Tabla 3). En primer lugar, un 28% de los jóvenes han utilizado el
empleo a tiempo parcial de forma subsidiaria a la formación (principalmente durante el periodo
de vacaciones en sus estudios). Para un 18% de los jóvenes, cuyas trayectorias pertenecen al
cluster 6, el empleo a tiempo parcial sí que actúa como un puente, abriéndoles el camino hacia
un empleo a tiempo completo. Sin embargo, para una quinta parte de los jóvenes no sabemos si
finalmente el empleo a tiempo parcial les lleva a la integración laboral plena pues el periodo de
seguimiento no permite conocer adónde les conduce el haber estado prácticamente la totalidad
de los tres años trabajando a tiempo parcial.

687
Gráfico 2. Gráfico longitudinal de distribución de los estados por clusters

 
Cluster 1  Cluster 3  Cluster 4 

Cluster 2 

Cluster 5  Cluster 6  Cluster 7 

 
Nota: INEFSE: Inactividad estudiando fuera del sistema educativo, INESE: Inactividad estudiando
dentro del sistema educativo, INNE: Inactividad no estudiando, DES: Desempleo, TP: Empleo de
menos de 20 horas y TC: Empleo de más de 20 horas.
Fuente: Elaboración propia a partir de la ETEFIL.

Por último, en la Tabla 4 se describen los clusters según algunas características personales
y formativas de los individuos. En relación al sexo, cabe destacar que en el cluster 5 (caracterizado
por desempleo) hay un mayor peso de mujeres (en comparación al total), por lo que entre las
mujeres que finalizaron/abandonaron sus estudios en el curso 2000-2001 y que experimentaron al
menos un episodio de empleo a tiempo parcial, se observó un mayor número de ellas que tuvieron
una trayectoria del tipo de las del cluster 5. Lo contrario se puede decir en relación el cluster 6
(donde el tiempo parcial da paso a un empleo a tiempo completo), con una menor proporción de
mujeres. Con respecto a la formación finalizada, los alumnos de ESO y Bachillerato que tuvieron
algún empleo a tiempo parcial muestran una mayor tendencia a tener ese empleo dentro de
trayectorias principalmente formativas (clusters 1 y 3). Las trayectorias que más predominan
entre los alumnos que finalizaron algún ciclo formativo de grado medio o superior pertenecen al
cluster 6. Los alumnos que abandonan la ESO se ven afectados en mayor medida por el desempleo
(cluster 4). Finalmente los alumnos con cursos FIP o ETCO tienen trayectorias principalmente
laborales, con un componente de desempleo también alto. Finalmente, hemos de señalar que
los graduados en CFGM y las mujeres, en menor medida, son los que más frecuentemente han
experimentado trayectorias que únicamente contienen episodios de empleo a tiempo parcial.

688
Tabla 4. Descripción de los clusters según determinadas características (%)
Cluster Cluster Cluster Cluster Cluster Cluster Cluster Total
1 2 3 4 5 6 7
Sexo
Hombre 39,0 40,4 40,6 40,5 29,4 43,1 38,9 39,8
Mujer 61,0 59,6 59,4 59,5 70,6 56,9 61,1 60,2
Colectivo
educativo
Gdo ESO 33,6 43,7 12,0 4,6 1,7 5,3 15,8 21,6
Bachillerato 24,3 32,6 20,9 4,3 1,1 4,4 17,7 18,0
CFGM 7,5 3,2 8,9 16,6 14,0 21,9 10,7 11,0
CFGS 16,2 12,1 27,7 21,9 20,9 27,0 28,1 20,9
Aband ESO 4,6 1,0 2,2 9,9 7,1 5,8 4,5 4,3
FIP 12,5 7,3 24,9 26,3 34,3 25,1 15,5 17,4
ETCO 1,3 0,2 3,4 16,5 20,9 10,7 7,8 17,4

Nota: CFGM=Ciclos formativos de grado medio, CFGS=Ciclos formativos de grado superior, FIP=Plan
de Formación Profesional, ETCO=Escuelas taller y casas de oficio.
Fuente: Elaboración propia a partir de la ETEFIL.

6. Conclusiones
El empleo a tiempo parcial viene presentándose como un elemento importante dentro de
las políticas activas del mercado de trabajo en un doble sentido: como modalidad de contratación
flexible que puede resultar eficaz en la lucha contra el desempleo, y como elemento potenciador
de la incorporación de determinados colectivos al empleo, poniendo así en relación flexibilidad
e intereses particulares de algunos colectivos (CES, 1996). En este sentido se han pronunciado
diferentes autoridades, asegurando que el escaso peso de la contratación a tiempo parcial en
España, frente a otros países europeos, “perjudica” a la contratación de jóvenes que podrían tener
con esta fórmula una manera de compaginar formación y empleo, y de adquirir la experiencia que
demanda el mercado.
El presente trabajo permite profundizar en el papel que desempeña el empleo a tiempo
parcial dentro del colectivo de los jóvenes sin educación universitaria. En este sentido, el trabajo
ayuda a conocer en qué medida el empleo a tiempo parcial supone realmente una oportunidad
laboral que facilita la progresión profesional o, por el contrario, entorpece el desarrollo de una
carrera profesional dando lugar realmente a un estancamiento en el ascenso laboral. En definitiva,
el trabajo arroja luz a la utilización del empleo parcial como una medida de inserción laboral de
los jóvenes y como instrumento que dota de flexibilidad a los mercados de trabajo.
Hemos de señalar que el grado de respuesta ha estado en parte condicionado por la fuente
de datos utilizada y, en concreto, por el periodo de seguimiento de las trayectorias formativo-
laborales que en algunos casos ha resultado ser insuficiente para alcanzar a conocer la verdadera
importancia de los episodios de empleo a tiempo parcial al comienzo de la vida laboral sobre la
carrera laboral futura de estos jóvenes.
El análisis se ha basado en un estudio completo de las trayectorias formativo-laborales de
los jóvenes. Este análisis ha permitido clasificar la gran diversidad de trayectorias en varios grupos
aparentemente diferenciados. A modo de conclusión cabe decir que resulta complicado asignar un
único papel al empleo a tiempo parcial, ya que la función de esta modalidad de contratación ha
diferido según el grado de vinculación con el sistema educativo y, en concreto, según el colectivo

689
educativo que se considere. En general, los jóvenes con una formación generalista combinan el
empleo a tiempo parcial con la continuación de su formación y, por tanto, el empleo a tiempo
parcial se considera una actividad secundaria que en ocasiones se abandona para dedicarse por
completo a seguir formándose. Mientras que en el caso de los jóvenes que han dado por finalizada
su formación, el empleo a tiempo parcial, en general, constituye una forma de entrada o toma de
contacto con el mercado laboral, que les facilita el acceso a un empleo a tiempo completo y, por
lo tanto, la integración en el mercado de trabajo.

Referencias
Abhayaratna, J., L. Andrews, H. Nuch, y T. Podburg (2008): “Part-time employment: the Australian
experience”, cap. 6 Staff Working Paper, Productivity Commission.

Albarracín, D. (2004): “Usos del empleo a tiempo parcial en Europa y relaciones de género”,
CIREM.

Bielenski, H., G. Bosch, A. Wagner (2002): “Working time preferences in sixteen European countries”,
European Foundation for the Improvement of Living and Working Conditions, Dublin.

Blanco, J. (dir.) (2001): “Balance histórico de la contratación a tiempo parcial en España”,

Colección Informe y Estudios, Ministerio de Trabajo y Asuntos Sociales, Madrid.

Blank, R. M. (1994): “The dynamics of part-time work”, working paper nº 4911, NBER.

Blank, R. M. (1998): “Labour market dynamics and part-time work” en S. W. Polachek (ed.)
Research in labour economics, vol. 17, JAI Press, Amsterdam y Londres.

Bollé, P. (1997): “Part-time work: solution or trap?” International Labour Review, 136(4), 557-
579.

Brzinsky-Fay, C., U. Kohler y M. Luniak (2006): “Sequence analysis with Stata”. The Stata Journal,
6, 435-460.

Brzinsky-Fay, C. (2007): “Lost in transition: labour market entry sequences of school leavers in
Europe”. Sociological Review, 23 (4), 409-422.

Buddelmeyer, H., G. Mourre y M. Ward (2004): “The determinants of part-time work in EU countries:
empirical investigations with macro-panel data”, discussion paper nº 1361, IZA, Bonn.

Buddelmeyer, H., G. Mourre, y M. Ward (2005a): “Recent developments in part-time work in EU

countries: trends and policies”, discussion paper nº 1415, IZA, Bonn

Buddelmeyer, H., Mourre, G. y Ward, M. (2005b): “Part-time work in EU countries: labour market
mobility, entry and exit”, discussion paper nº 1550, IZA, Bonn.

CES (1996): Informe sobre el trabajo a tiempo parcial, Informe 4/96, Consejo Económico y Social,
Madrid.

690
Colombino, U. y M. Di Tommaso (2000): “Identifying demand and supply of part-time jobs using
personal data: an application to Italy”. Labour, 14(4), 609-622.

Connolly, S. y M. Gregory (2005): “Part-time work. A trap for women´s careers? An analysis of the
roles of heterogeneity and state dependence”, discussion paper nº 245, Department of Economics,
University of Oxford.

Connolly, S. y M. Gregory (2007): “Dual tracks: part-time work in life-cycle employment for
British women”, discussion paper nº 301, Department of Economics, University of Oxford.

Corral, A. e I. Isusi (2004). “Part-time work in Europe”, Dublin, http://www.eurofound.europa.

eu/pubdocs/2004/41/en/1/ef0441en.pdf

Dekker, R. (2008): “Part-time work as a transitional phase? The role of preferences and institutions
in Germany, Great Britain and The Netherlands”, working paper nº 8029, MPRA.

Euwals, R. y M. Hogerbrugge (2004): “Explaining the growth of part-time employment: factors of

supply and demand”, discussion paper nº 1124, IZA, Bonn.

Farber, H. S. (1999): “Alternative and part-time employment arrangements as a response to loss

job”. Journal of Labour Economics, 17, 142-169.

Gómez, S., C. Pons, y C. Martí (2002): “Part-time work: its evolution and results”, Research paper
nº 476, IESE, Barcelona.

Lamb, S. (2001): “The pathways from school to further study and work for Australian graduates”,
LSAY Research Report, ACER, Melbourne.

Lamb, S. y P. McKenzie (2001): “Patterns of success and failure in the transition from school to
work in Australia”. LSAY research report nº 18, ACER, Melbourne.

Lesnard, L. (2006): “Optimal matching and the social sciences”, working paper nº 1, CREST-INSEE,
Francia.

Marks, G. (2006): “The transition to full-time work of young people who do not go to University”,
LSAY research report nº 49, ACER, Melbourne.

O´Reilly, J. y S. Bothfeld (2002): “What happens after working part-time? Integration, maintenance
or exclusionary transitions in Britain and Western Germany”. Journal of Economics, 26, 4, 409-
439.

O´Reilly, J. y C. Fagan (1998): “Part-time prospects: international comparison of part-time work

in Europe, North-America and the Pacific Rim, London, Routledge.

Pedraza, P., R. Muñoz y L. A. Rivas Herrero (2008): “El efecto de los contratos a tiempo parcial
sobre la estabilidad laboral en el mercado de trabajo español”, documento de trabajo del Colegio

691
de Economistas de la Coruña, Economic Analysis, vol. 7(8).

Rodríguez Prado, B. y H. Corrales (2008): Clasificación de los patrones de inserción laboral de los
jóvenes con Formación Profesional mediante el análisis de secuencias, proyecto de investigación
de la Junta de Castilla y León.

Schmid, G. (1998): “Transitional labour markets: a new European strategy”, discussion paper FS
I 98-206, WZB.

Sirvent, E. y J. Ferreriro (2006): “Are similar part-time workers? An analysis of the substantial
and marginal female part-time workers in Denmark, Netherlands and Spain”. Ekonomia, 9, nº 2.

Vickers, M., S. Lamb, y J. Hinkley (2003): “Student workers in high school and beyond: the effects
of part-time employment on participation in education, training and work”, LSAY research report
nº 30, ACER, Melbourne.

692
5. Inserción laboral de los jóvenes en España: Inmigrantes vs nativos

Mª Dolores García Crespo, Universidad de Málaga

Antonio Casquero Tomás, Universidad de Málaga

693
Inserción laboral de los jóvenes en España: Inmigrantes vs nativos

Mª Dolores García Crespo, Universidad de Málaga

Antonio Casquero Tomás, Universidad de Málaga

Resumen
Este trabajo utiliza datos de la EPA del 2009 y del Módulo de Inserción de los Jóvenes al Mercado
Laboral español que incorpora dicho año. El objetivo del mismo es analizar la influencia que ejerce
la nacionalidad de los padres en la educación y en el posterior proceso de transición al empleo de
los jóvenes de 16 a 34 años. El análisis empírico es preliminar e incluye una descripción estadística
de las principales características educativas y laborales de los individuos, distinguiendo entre
nativos e inmigrantes, y de algunos indicadores de inserción laboral. La continuación natural de
este trabajo es la estimación de modelos de duración para explicar la probabilidad de obtener el
primer empleo significativo.

Palabras claves: inserción laboral, jóvenes, capital humano, inmigración.

1. Introducción
La importante llegada de población extranjera durante los últimos años, ha convertido a la
inmigración en uno de los rasgos más destacados de la estructura social española. En particular,
según el Padrón de Habitantes, la población no española viviendo en España se multiplicó por
nueve entre los años 1998 y 2010. Como consecuencia, este colectivo ha pasado de representar
un 1,6% de la población total, a situarse en el 12% actual. Esta rápida evolución en el número de
extranjeros sitúa a España entre los países europeos con mayor representación extranjera entre
su población. Un rasgo adicional de este proceso es que el crecimiento de la población joven
extranjera ha sido aún más rápido: ha pasado de representar el 1,73% de la población joven en
1998 al 19% en 2009. En este último año, por tanto, uno de cada cinco jóvenes entre 16 y 34
años no tiene nacionalidad española.
Con inmigrantes representando una proporción creciente de la población joven, es
importante comprender las elecciones que éstos realizan y los diferentes patrones de transición de
la escuela al trabajo que siguen. El que los jóvenes inmigrantes (de primera y segunda generación)
realicen una adaptación socioeconómica con éxito depende, en buena medida, de sus experiencias
laborales tempranas (Perreira, Mullan y Lee, 2007).
En esta comunicación utilizamos datos del Módulo de Incorporación de los Jóvenes al
Mercado Laboral, anexo a la EPA 2009, para evaluar las diferencias en las características y en las
primeras experiencias laborales entre los jóvenes nativos y los que integran la primera y segunda
generación de inmigrantes. Este último colectivo está formado por los jóvenes de 16 y 34 años
que residen en España y tiene uno o ambos progenitores nacidos en el extranjero. El interés
de la base de datos utilizada es que recoge, entre otras variables de interés, el primer empleo
significativo del joven.
La estructura del trabajo es la siguiente. En el epígrafe segundo se recogen algunos datos
que muestran la evolución reciente de la inmigración en España. En el epígrafe tercero se presenta
una breve descripción de la literatura previa sobre inmigración en España, así como sobre inserción
laboral juvenil. El epígrafe cuarto contiene la descripción de la base de datos utilizada y el quinto
los principales resultados obtenidos en el análisis descriptivo realizado. Las conclusiones finalizan
la comunicación.

694
2. Evolución reciente de la inmigración en España
Cuantificar el volumen de inmigrantes plantea dificultades metodológicas y estadísticas
relacionadas con los frecuentes cambios en su regulación, y por tanto en su consideración, así
como por la diversidad de fuentes de datos disponibles. Los importantes desajustes entre el
Padrón de Habitantes, elaborado por el INE y la Estadística de residentes legales del Ministerio del
Interior, ocasionados a raíz de la promulgación de la Ley de Extranjería de 2000, ha convertido
al primero de estos documentos en la fuente estadística básica para el estudio de la población
extranjera en España234.
Aunque desde los años ochenta el giro experimentado por el saldo migratorio español
ya permite considerar a España como un país de inmigración, será tras las dos últimas décadas
cuando definitivamente se consolide como tal. Hay que tener en cuenta que en Europa y durante
los últimos años, frente a los países de larga tradición migratoria, como Suiza, Alemania o Francia
entre otros, han sido aquellos con menores tasas de inmigrantes, entre ellos España, los que más
han visto aumentar el numero de extranjeros entre su población.
En enero de 1996 la población extranjera en España era de 542.314 personas y representaba
el 1,3% de la población total. En la última década, sin duda como consecuencia de la bonanza
económica y de los sucesivos procesos de regulación, tuvo lugar un espectacular aumento de la
tasa de inmigración llegando a cifrar a la población extranjera en 5.747.734 personas en 2010.
Tal y como puede observarse en el gráfico 1, el requisito legal de empadronamiento de
los inmigrantes para que éstos pudieran acceder a determinados servicios, recogido en la Ley
Orgánica 4/2000 (Ley de Extranjería), motivó el emerger, a partir de ese año, de un gran número
de inmigrantes, hasta ese momento irregulares a efectos estadísticos. Impulso que además
encontrará un significativo factor justificante, en el importante crecimiento económico de los
años precedentes (en los últimos años de la década el PIB creció a una tasa cercana al 5%).

Gráfico 1. Población extranjera en España

Población extranjera
7.000.000 Ley Orgánica Reglamentación 50,00%
4/2000 Variación interanual extraordinaria
(Ley de (2005)
6.000.000 Extranjería)
Tasas de variación interanual
40,00%
Número de personas

5.000.000

30,00%
4.000.000

3.000.000
20,00%

2.000.000

10,00%
1.000.000

0 0,00%
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Años

Fuente: INE .Padrón Municipal de Habitantes y Contabilidad Nacional. Varios años.

234 En cualquier caso, cualquiera que sea la fuente de datos que se utilice, los datos sobre población extranjera
en España hay que tomarlos con cierta cautela. Las estadísticas suelen recoger la información con retraso ya que
buena parte pasa a registrase, en su caso, cuando ya lleva un tiempo residiendo en España. Por otros lado no resulta
fácil distinguir entre empadronados, residentes legales, ciudadanos en situación irregular o incluso contabilizar la
población extranjera que abandona España.

695
 Dos modificaciones legislativas posteriores, aún con el gobierno Aznar, y las reformas
socialistas de 2005 y 2009, configuran un panorama de grandes altibajos en la contabilización de
la población extranjera en España durante la segunda parte de la pasada década235. No obstante,
como puede observarse en el gráfico, el último repunte de la tasa de ingresos de extranjeros, en
principio resultado del impacto de las últimas reformas legislativas, se vio interrumpido en 2008
con las primeras evidencias de la crisis económica (el PIB pasó de crecer a una tasa media del 3,6%
en 2007 a hacerlo a un escaso 0,9% en 2008).
Como se observa en el gráfico 2, los crecimientos anuales en la población extranjera
más importantes se registraron a partir de 2000, alcanzando en los primeros años de la década,
incrementos anuales superiores al 40%. Años a partir de los cuales, con puntuales altibajos,
se inicia una clara tendencia a la baja. No obstante, y con la idea de relativizar el indiscutible
impulso experimentado por la inmigración en España en los últimos años236, conviene señalar que
en un contexto internacional amplio la presencia extrajera sobre el total de la población, aún es
en España comparativamente inferior a la que se presenta en otros países.

Grafico 2. Evolución del PIB y la población extranjera.

  INE .Padrón Municipal de Habitantes y Contabilidad Nacional. Varios años.

Fuente:

235 En el año 2000, durante el gobierno en minoría del PP surgido de las elecciones de 1996, la mayoría parlamentaria
aprobó Ley Orgánica 4/2000, de 11 de enero, sobre derechos y libertades de los extranjeros en España y su integración
social. No obstante, alcanzada la mayoría popular, en las elecciones de 2000, dicha ley se sometió a una primera
reforma aprobándose la Ley Orgánica 8/2000, de 22 de diciembre. Más tarde, argumentos de armonización legislativa
europea y consideraciones técnicas emanadas del Tribunal Supremo se utilizaron para llevar a cabo una nueva
reforma regulada mediante la Ley Orgánica 14/2003, de 20 de noviembre. A partir de 2004 los gobiernos socialistas,
también han modificado la legislación en este ámbito. Así, el 31 de enero de 2005 se aprobó la reglamentación
extraordinaria, de tres meses, para la obtención del permiso de trabajo y residencia para los inmigrantes. Por último
el 13 de diciembre de 2009 entró en vigor la Ley Orgánica 2/2009, de 11 de diciembre, última de las reformas de la
ley de extranjería.
236 En 2004 España era el país europeo con mayor saldo neto inmigratorio, con un 32,9% del total, por encima
de Italia (30,1%), Reino Unido (11%) y Francia (5,7%). Véase Eurostat (2005): La population en Europe en 2004.
Premiers résultats. Statistiques en bref. Population et conditions socials

696
 El gráfico 3 muestra la evolución reciente de la población de 16 a 34 años según
nacionalidad. En él se observa que se han producido dos fenómenos de signo contrario: por un
lado, un fuerte incremento de la población no nativa, especialmente de los 25 a 34 años, y, por
otro, una disminución en la población nativa entre 16 y 24 años, como consecuencia del proceso
de envejecimiento de la población española.
Por regiones de origen, la mayor parte de los extranjeros empadronados en España proceden
de Sudamérica (38%), y más concretamente de Ecuador y Colombia, así como de la UE-15 (22%),
si bien estos últimos, al contrario del colectivo anterior, han ido perdido presencia relativa a favor
de ciudadanos procedentes de países del Este de Europa, mayoritariamente de Rumania y Ucrania.
Los extranjeros de origen africano en España, suponen casi una quinta parte del total. Siendo en
este caso, y muy de lejos, Marruecos el país más representado.

Gráfico 3. Evolución de la población de 16 a 34 años según

nacionalidad
3 .6 0 0 900

800
3 .3 0 0 Nativos 3 0 -3 4

70 0
Nativos 2 5-2 9

Inmigrantes (miles)
3 .0 0 0
Nativos (miles)

600
Nativos 2 0 -2 4

2 .70 0
50 0
Nativos 16 -19
Inmigrante 2 0 -2 4
400
2 .4 0 0

Inmigrantes 3 0 -3 4 300
2 .10 0
Inmigranrtes 2 5-2 9 200
Inmigrantes 16 -19
1.8 0 0
10 0

1.50 0 0
1.998 2.001 2.004 2.007 2.009

años

Fuente: INE. Padrón Municipal de Habitantes. Varios años.

El gráfico 4 muestra el peso que tiene la población no nativa entre la población total por
intervalos de edad. Como puede observarse, en los tramos de 25-29 años y 30-34 es donde se
sitúan los mayores porcentajes (22% y 20% respectivamente). De forma conjunta, entre los años
1998 y 2009, el peso de la población no nativa ha pasado de ser el 1,73% al 19% de la población
total.
Por otra parte, el número de alumnos extranjeros en el sistema educativo español ha ido
aumentando año tras año. Ha pasado de representar un 0,9% de los alumnos matriculados en las
enseñanzas no universitarias en el curso 1997-98, a un 8,9% de los alumnos matriculados en el
curso 2007-08237. Por etapas, el mayor número de alumnos extranjeros se concentra, tendiendo a
ser mayor la diferencia, en Educación Primaria, seguida de Educación Secundaria y muy de lejos
la Educación Infantil.
En cuanto a la vulnerabilidad de los inmigrantes ante los efectos de la crisis internacional,
según los datos de la EPA, de un nivel de paro para españoles del 7,7% y para inmigrantes del 12%
237 Ministerio de Educación.

697
en 2006, se ha pasado a unas tasas del 18% y del 29,4% para cada colectivo respectivamente, en
2010.
Gráfico 4 . Distribución de la población por edad y nacionalidad
Nativos Inmigrantes

4.500

4.000
Miles de personas

3.500

3.000

2.500

2.000

1.500

1.000
16-19 20-24 25-29 30-34 16-19 20-24 25-29 30-34
1998 2009

Fuente: INE. Padrón Municipal de Habitantes. Varios años.

3. Breve repaso de la literatura sobre inmigración e inserción laboral

El proceso de asimilación de inmigrantes al mercado de trabajo del país invitado ha recibido
gran atención en la literatura económica de inmigración. El trabajo pionero de Chiswick (1978)
mostró que mientras los inmigrantes ganaban menos que los nativos en el momento de la llegada,
los ingresos de los inmigrantes superan a los de los nativos en los quince años siguientes a la
llegada. Esos hallazgos fueron matizados por Borjas (1985) quién señaló los potenciales problemas
de usar datos transversales para inferir comportamiento dinámico.
En España, la literatura sobre inmigración es escasa y centrada sobre la población adulta.
Algunos de los artículos más recientes son Carrasco, Jimeno y Ortega (2008), quienes no encuentran
un efecto significativo de los flujos legales y totales de inmigración sobre los ratios de empleo
y los salarios de trabajadores nativos y Amuedo-Dorantes y de la Rica (2005) que estudian la
respuesta de inmigrantes a oportunidades de mercados de trabajo regionales, obteniendo que los
inmigrantes eligen vivir en regiones donde la probabilidad de obtener un empleo es más alta.
Los trabajos de Amuedo-Dorantes y de la Rica (2007) y Sanromá, Ramos y Simón (2006) han
intentado superar que simultáneamente ninguna base contiene salarios y años de residencia a la
vez utilizando diferentes estrategias.
Fernández y Ortega (2008) estudian la evolución del “gap” en las tasas de actividad y paro
entre nativos e inmigrantes conforme aumentan los años de residencia en España de estos últimos,
así como en temporalidad y sobreeducación. Otros trabajos se centran en aspectos concretos como
la probabilidad de estar autoempleado (Caparrós, 2010) o en la contratación indefinida y en la
segregación ocupacional por nacionalidad (Caparrós y Navarro, 2009).
Por otra parte, y dado el peso creciente que representa la población joven inmigrante en
la población joven total, ha empezado a surgir interés por la primera y segunda generación de
inmigrantes jóvenes puesto que el éxito en la asimilación en las etapas juveniles garantizará el
éxito en su etapa adulta. Aunque a un nivel bastante descriptivo, Fernández Enguita (2003) estudia
las características de la segunda generación de inmigrantes en el sistema educativo español. Los
sociólogos también han empezado a interesarse por este tema y han realizado trabajos puntuales
sobre ciertas áreas geográficas españolas (Portes, Aparicio y Haller, 2009).

698
 Desde el punto de vista sociológico, la teoría de la asimilación segmentada de inmigrantes
enfatiza que diferentes trayectorias de participación laboral resultan de variaciones en el contexto
familiar de los inmigrantes (capital humano parental y estructura familiar) y los contextos de la
recepción de inmigrantes sobre las cohortes y a través de las comunidades (Portes y Rumbaut,
2001).
Esta comunicación sigue esta segunda línea y realiza una primera descripción del proceso
de inserción de los jóvenes de 16 a 34 años cuyo padre y/o madre han nacido fuera de España.
A nivel internacional, la literatura que ha analizado la población inmigrante juvenil se ha dedicado
especialmente a la comparación entre las diferentes elecciones educativas realizadas entre nativos
e inmigrantes (Schnepf, 2007; Wilson, Burgess y Briggs, 2009). Existen pocos trabajos que analicen
la transición escuela-trabajo de los jóvenes inmigrantes frente a los nativos. Destacan los trabajos
de Pereira, Mullan Harris y Lee (2007) y Quigley (1996) quienes estudian los jóvenes inmigrantes
en el mercado de trabajo americano.
Sin embargo, pese a la creciente y significativa presencia de la población inmigrante de
primera y segunda generación sobre la población total (tal y como se ha indicado anteriormente),
hasta la fecha no existe ningún estudio que analice la transición desde el sistema educativo
al mercado laboral distinguiendo por el país de origen de los jóvenes, entre otras razones por
la ausencia de información estadística adecuada. En este sentido, entre las aportaciones más
recientes en inserción laboral, que utilizan el Módulo de Inserción de la EPA de 2001 destacan los
trabajos de Albert et al. (2008), Blazquez (2005) y Casquero, García y Navarro (2010).

4. Datos utilizados
Las fuentes estadísticas que se disponen en España para abordar el análisis de la inmigración
son escasas, al menos desde una perspectiva económica. Sin embargo el reciente gran alcance
y repercusión de este fenómeno en España ha despertado su interés, lo que ha provocado una
relativa proliferación de bases de datos238.
Desde una perspectiva sociológica, la Encuesta Nacional de Inmigrantes (ENI) de 2007
realizada, por el INE y el Ministerio de Trabajo e Inmigración, básicamente está dirigida a investigar
las características demográficas y sociales de los inmigrantes o población nacida en el extranjero
que lleva al menos un año viviendo en España, incluyendo a los extranjeros nacionalizados y
excluyendo a los hijos de inmigrantes nacidos en España. Dicha encuesta permite analizar los
itinerarios migratorios, la historia laboral y residencial, sus relaciones familiares, con el país de
origen o con la sociedad española.
Como se sabe, los segundos trimestres de cada año, la EPA recoge una serie de preguntas
sobre temas particulares relacionados con el mercado laboral239. Hasta 2005 se ha venido realizando
en un módulo ad-hoc incluido en los segundos trimestres junto a la propia encuesta. Desde
2006 el cuestionario correspondiente al módulo se pregunta durante todo el año, en las sextas
entrevistas, recogiendo así información de las variables de submuestras.
En 2009 el tema investigado ha sido la Incorporación de los Jóvenes al Mercado Laboral.
Las 28 preguntas del cuestionario complementario van dirigidas a todas las personas de 16 a 34
años. El módulo 2009 sobre la incorporación de los jóvenes al mercado laboral de la EPA, realizado
en colaboración con Eurostat, tiene como población objetivo a cerca de 12 millones de personas.
De ellas, el 51,4% son varones y el 48,6% mujeres. Más del 21% tiene ambos progenitores de
238 La creación del Observatorio Permanente de la Inmigración del MTSS es una buena prueba de ello.
239 En el año 2000 el módulo de la EPA se dedicó al proceso de transición desde el sistema educativo al mercado
laboral. En 2008 el tema investigado fue el de la situación de los inmigrantes y de sus hijos en relación al mercado
laboral. Sin embargo, la información que recoge no permite realizar ningún análisis de inserción laboral.

699
nacionalidad extranjera y prácticamente la totalidad ha cursado estudios oficiales.
A diferencia de los módulos de 2000 y 2008, la EPA de 2009 recaba información detallada
sobre el momento de salida del sistema educativo y el de entrada a un empleo pero de menor
calidad o si se quiere menos exigente que el contemplado en encuestas anteriores. Ello permite
conocer, en su caso, la duración tanto del periodo de búsqueda como del empleo finalmente
alcanzado, siempre que, en la línea de lo señalado, éste sea remunerado y supere los tres meses
de duración. Además, de manera complementaria, se obtiene información sobre el proceso de
búsqueda del empleo, así como la relación laboral que finalmente se alcanza. Al estar dirigido a la
población joven resulta de interés la información que el cuestionario facilita sobre el país de origen
tanto del padre como de la madre, y del máximo nivel de estudio de ambos. Obviamente dicha
información familiar se puede ampliar al fusionar la información del módulo con el cuestionario
habitual de la EPA, y obtener así información relativa a la situación laboral de los padres, o las
características del hogar de residencia de los jóvenes, entre otras.
Con la información del módulo 2009 de la EPA, y desde una consideración amplia,
definimos a los hijos de inmigrantes, como aquellos individuos que declaran que, al menos uno sus
progenitores, ha nacido fuera de España. Con ello se quiere evitar el que, a efectos estadísticos,
resulta impreciso concepto de nacionalidad.

5. Jóvenes inmigrantes y mercado de trabajo

En primer lugar, presentamos los estadísticos de los jóvenes que engloban la muestra que
utilizamos en el análisis descriptivo posterior. Así, la tabla 1 recoge las características principales
de la muestra de jóvenes con edades comprendidas entre los 16 y los 34 años obtenida a partir
del Módulo 2009, distinguiendo entre la población nativa e inmigrante, según se ha definido en
el apartado anterior.
En dicha tabla, se observa, en primer lugar, una distribución con ligeramente mayor
porcentaje de varones que de mujeres, en ambos grupos de jóvenes. Por edad, el grupo inmigrante
es más joven, puesto que un 46,6% se encuentra en el intervalo más joven (16-19 años) y un
28,95% tiene entre 20 y 23 años. En cuanto a los estudios terminados, la población inmigrante
parece tener un nivel más bajo que la nativa. Así, en torno al 20% de los jóvenes inmigrantes
tiene como máximo, estudios primarios, mientras que este porcentaje es el 9% entre los nativos.
Por otra parte, en el nivel de estudios superior es donde aparecen las mayores diferencias entre
ambos grupos de jóvenes: la población joven inmigrantes que declara estudios universitarios o
de FP superior está en torno al 11,5% de la población total inmigrante, mientras que entre la
población nativa este valor alcanza casi el 30%.
Por país de origen, en torno al 50% declara que o bien su padre y/o su madre procede de
América Latina, seguido de África, de donde proceden los padres del 20% aproximadamente de
los jóvenes inmigrantes. El nivel de estudios de los padres y madres no es –aunque cabría esperar
lo contrario- inferior al de la población nativa. Así, los padres con títulos de Bachillerato y de
universidad son un 19,17% y un 16,81% entre la población inmigrante y un 14,11% y un 10,95%
en la población nativa.
Según la zona de España en la que viven los jóvenes inmigrantes, cabe destacar que se
encuentran en mayor porcentaje que la población nativa en la Zona Este y en Madrid, y con la
mitad de peso que los jóvenes nativos en la zona Centro.
Como hemos indicado anteriormente, un atractivo del Módulo de 2009, por el que es
utilizado en este trabajo, es que permite conocer algunos aspectos del proceso de inserción de los
jóvenes en el mercado de trabajo, tal y como presentamos a continuación.

700
 Tabla 1. Distribución de la población según
Tabla 1. Distribución de la a
el población según el país
país de nacimiento de de
losnacimiento
padresa (%)de los padres (%)
Sexo Nativos Inmigrantesb
Varones 54,18 56,03
Mujeres 45,82 43,97
Edad
16-19 28,07 46,60
20-23 27,04 28,95
24-27 22,79 15,37
28-31 15,14 5,77
32-34 6,96 3,31
Estudios terminados
Primarios incompletos 1,06 2,55
Primarios 7,99 19,44
Secundarios 33,15 38,96
FP de grado medio 8,72 4,67
Bachillerato 20,12 22,16
FP de grado superior 9,36 3,74
Universidad ciclo corto 10,13 4,75
Universidad ciclo largo 8,62 3,06
FP ocupacional 0,84 0,68
Estudios del padre
Primarios o inferiores 34,72 32,37
Secundarios 27,85 20,25
Bachillerato 10,95 16,82
FP de grado medio 5,45 5,61
Universidad 14,11 19,17
FP de grado superior 6,92 5,79
Estudios de la madre
Primarios o inferiores 32,90 29,68
Secundarios 33,58 25,92
Bachillerato 8,72 18,48
FP de grado medio 8,22 6,42
Universidad 12,70 15,14
FP de grado superior 3,88 4,36
País de origen del padre
UE-15 11,70
Resto de Europa 14,50
América Latina 51,35
Resto de América 0,94
África 21,52
Asia-Oceanía 5,26
País de origen de la madre
UE-15 14,44
Resto de Europa 14,12
América Latina 50,91
Resto de América 0,75
África 19,79
Asia-Oceanía 3,53
Zona de residencia
Noroeste 12,56 10,87
Noreste 12,38 11,74
Madrid 4,37 7,30
Centro 22,08 11,74
Este 17,18 29,39
Sur 25,19 19,48
Canarias 6,23 9,48
Notas:
(a) La población está comprendida entre los 16 y 34 años, y el empleo es de más de tres meses.
(b) La condición de inmigrantes se determina cuando al menos uno de los progenitores del
individuo no ha nacido en España.
Fuente: EPA. Modulo 2009. INE.

701
 La tabla 2 muestra algunos indicadores educativos y laborales. Así, en primer lugar, en
ella se observa que, en términos medios, el 31,4% de los jóvenes nativos incluidos en la encuesta
declaran que han salido del sistema educativo, mientras que sólo el 22% de los inmigrantes dice
estar sin cursar estudios en el sistema educativo oficial. Esta menor cifra podría deberse a que
éstos últimos tardan más en finalizar sus estudios o bien a que están cursando estudios de nivel
superior. En segundo lugar, respecto al proceso de transición escuela-trabajo, de acuerdo con
las cifras contenidas en dicha tabla, el porcentaje de jóvenes nativos que declara haber tenido
encontrado un trabajo de al menos tres meses de duración (empleo que se denominará a partir de
ahora como ‘empleo significativo’) después de finalizar o dejar sus estudios se sitúa en torno al
80%, catorce puntos superior que el de los inmigrantes. Además, entre los que declaran no haber
encontrado un empleo de esas características, el porcentaje de nativos que declara haber tenido
haber tenido algún tipo de experiencia laboral es sensiblemente superior (el 69,81% frente al
65,39%).

Tabla 2. Sistema
Tabla 2. Sistema
educativo laborala (%) e
e insercióneducativo inserción laborala (%)
Nativos Inmigrantesb
No han salido del sistema educativo 68,60 78,00
Han salido del sistema educativo 31,40 22,00

Trabajo remunerado de más de tres meses tras finalizar o

dejar los estudios
Encontró trabajo 79,03 65,03
No encontró trabajo 20,97 34,97
Declara experiencia profesional 69,81 65,39
No declara experiencia profesional 30,19 34,61
Fuente: EPA. Modulo 2009. INE
Notas:
(a) La población está comprendida entre los 16 y 34 años, y el empleo es de más de tres meses.
(b) La condición de inmigrantes se determina cuando al menos uno de los progenitores del
individuo no ha nacido en España.
Fuente: EPA. Modulo 2009. INE.

Los gráficos 5 y 6, y la tabla 3 muestran información relativa al tiempo que tarda el joven
en encontrar un empleo de más de tres meses de duración desde que finaliza o abandona sus
estudios. Por término medio, el proceso de transición entre el sistema educativo y el mercado
de trabajo es más rápido entre los jóvenes nativos. Así, según se recoge en el gráfico 5, estos
jóvenes tardan 26,75 meses en encontrar su primer empleo significativo, diez meses menos que los
jóvenes inmigrantes, tal y como se recoge en el gráfico 6. Distinguiendo por niveles educativos,
los títulos de educación superior (FP superior, universidad ciclo corto y universidad ciclo largo)
son los que garantizan un proceso más rápido de incorporación al mercado laboral a los jóvenes
nativos, seguidos de la FP media, para ambos colectivos. En cambio, los jóvenes nativos con
estudios de bachillerato o secundarios son los que tardan significativamente más tiempo en
adquirir experiencia laboral significativa.

702
 En cuanto a la población inmigrante, la duración media en obtener un empleo significativo
presenta aproximadamente el mismo perfil por niveles de estudios, pero cabe destacar que existe
menos dispersión el tiempo transcurrido en encontrar un empleo significativo entre los distintos
títulos educativos que en el caso de los jóvenes nativos. En particular, la reducción en la duración
hasta obtener la primera experiencia significativa que aporta los estudios de FP superior y la
universidad es menor que en los jóvenes nativos.
En resumen, los datos descriptivos anteriores muestran que un mayor nivel de estudios va
asociado, en términos medios, a una mayor rapidez en encontrar un empleo significativo, siendo
este proceso aún más rápido entre los jóvenes nativos. La diferencia entre tener estudios medios
y especialmente superiores, y no tenerlos, es mucho más fuerte entre los nativos. Es decir, el
rendimiento que obtienen de su capital humano parece ser superior entre los nativos.
Además, la probabilidad de encontrar un empleo significativo para ambos colectivos es
máxima si cursan estudios superiores, pero mientras que los estudios universitarios de ciclo largo
son la mejor opción para los inmigrantes, para los nativos los títulos de FP superior, universidad
ciclo largo y universidad ciclo corto son prácticamente intercambiables.

Tabla 3. Tiempo en encontrar un empleo después de abandonar los estudios, según el nivel de
estudiosa (%)
Nivel de Estudios Nativos Inmigrantesb
Más de 1 Más de 1
Menos de 1 año año Menos de 1 año año
Analfabetos y primarios incompletos 26,10 73,90 66,70c 33,3
Primarios completos 48,60 51,40 33,30 66,7
Secundarios 41,60 58,40 40,60 59,4
FP Media 58,80 41,20 64,20 35,8
Bachillerato 45,70 54,30 41,90 58,1
FP Superior 60,80 39,20 54,50 45,5
Universidad ciclo corto 60,10 39,90 54,30 45,7
Universidad ciclo largo 59,90 40,10 53,60 46,4
Total 52,70 47,30 45,20 54,8

Notas:
(a) La población está comprendida entre los 16 y 34 años, y el empleo es de más de tres meses.
(b) La condición de inmigrantes se determina cuando al menos uno de los progenitores del
individuo no ha nacido en España.
(c) Tamaño muestra muy reducido.
Fuente: EPA. Modulo 2009. INE.

Por último, la tabla 3 completa la información contenida en los gráficos anteriores y

diferencia entre el porcentaje de jóvenes que tarda menos y más de un año en encontrar su primer
empleo significativo, distinguiendo por la característica de nativo o inmigrante.
La principal conclusión que se desprende de dicha tabla, vuelve a confirmar la obtenida
a partir del gráfico 5. Así, el 60% de los jóvenes nativos que han cursado FP media o estudios
superiores encuentra un empleo en menos de un año tras su salida del sistema educativo. En
cambio, el 64% de quienes cursan FP media encuentran un empleo significativo en menos de un
año y el 54% si han obtenido un título en estudios superiores.

703
Gráfico 5. Duración media en encontrar un empleo por niveles de estudio de la población nativa
45
Gráfico 5
Duración media en encontrar un empleo por niveles de estudio de la población
40 nativa

35

30
Meses Media: 26,75 meses

25

20

15

10
Primarios Secundarios FP Media Bachillerato FP Superior Universidad ciclo
Universidad ciclo
completos y menos corto largo

Gráfico 6. Duración media en encontrar un empleo por niveles de estudio de la población inmigrante
55
Gráfico 6
50
Duración media en encontrar un empleo por niveles de estudio de la población
inmigrante
45

40
Media: 36,9 meses

Meses
35

30

25

20

15

10

Primarios Secundarios FP Media Bachillerato FP Superior Universidad ciclo Universidad ciclo

completos y menos corto largo

Fuente: EPA. Modulo 2009. INE

Fuente: EPA. laboral
(*) La inserción Modulo 2009.
se produce despuésINE
de abandonar los estudios. La población está comprendida entre los 16 y 34 años y el empleo es
(*) La inserción laboral se produce después de abandonar los estudios. La población está
de más de tres meses.

comprendida entre los 16 y 34 años y el empleo es de más de tres meses.

6. Conclusiones
La importante llegada de población extranjera durante los últimos años, ha convertido a la
inmigración en uno de los rasgos más destacados de la estructura social española. En particular,
según el Padrón de Habitantes, la población no española viviendo en España entre los años
1998 y 2010, se multiplicó por nueve. Un rasgo adicional de este proceso es que el crecimiento
de la población joven extranjera ha sido aún más rápido: ha pasado de representar el 1,73% de
la población joven en 1998 al 19% en 2009. En este último año, por tanto, uno de cada cinco
jóvenes entre 16 y 34 años no tiene nacionalidad española.
Con inmigrantes representando una proporción creciente de la población joven, es importante
comprender las elecciones que éstos realizan y los diferentes patrones de transición de la escuela
al trabajo que siguen. El que los jóvenes inmigrantes (de primera y segunda generación) realicen

704
una adaptación socioeconómica con éxito depende, en buena medida, de sus experiencias laborales
tempranas.
Este trabajo utiliza el Módulo del INE correspondiente al año 2009 para caracterizar a nivel
descriptivo el proceso de inserción laboral de los jóvenes nativos e inmigrantes.
A modo de síntesis, los datos descriptivos procedentes del Módulo 2001 muestran que un mayor
nivel de estudios garantiza, en términos medios, va asociado a una mayor rapidez en encontrar un
empleo significativo, siendo este proceso aún más rápido entre los jóvenes nativos. La diferencia
entre tener estudios medios y especialmente superiores, y no tenerlos, es mucho más fuerte entre
los nativos. Es decir, el rendimiento que obtienen de su capital humano parece ser superior entre
los nativos.
Además, la probabilidad de encontrar un empleo significativo para ambos colectivos es
máxima si cursan estudios superiores, pero mientras que los estudios universitarios de ciclo largo
son la mejor opción para los inmigrantes, para los nativos los títulos de FP superior, universidad
ciclo largo y universidad ciclo corto son prácticamente intercambiables.
La ampliación natural de este trabajo es la estimación de modelos de duración en tiempo
discreto para explicar la probabilidad de encontrar un empleo significativo entre la población
joven nativa e inmigrante.

Referencias
Amuedo-Dorantes, C. y S. de la Rica (2005): “Inmigrant’s responsiveness to labor market conditions
and its implications on regional disparities: evidence from Spain”. IZA discussion paper, nº
1557.

Amuedo-Dorantes, C. y S. de la Rica (2007): “Labour market assimilation of recent immigrants in

Spain”. British Journal of Industrial Relations, 45, 2, pp. 257-284.

Aguilar, Mª. I. (2005): La inserción laboral de los jóvenes en España. Un enfoque microeconométrico,
Editorial Thomson-Civitas, Estudios y Monografías de Economía, Navarra.

Albert, C., L. Toharia y M.A. Davia (2008): “To find or not to find a first “significant” job”. Revista
de Economía Aplicada, XVI, 46, pp. 37-59.

Blázquez, M. (2005): “Youth labour market integration in Spain: Search time job duration and
skill mismatch”. Spanish Economic Review, 7, pp. 191-208.

Caparrós, A. y L. Navarro (2009): “Contratación indefinida y segregación ocupacional según

nacionalidad: Andalucía frente al resto de España”. Investigaciones Regionales, nº. 14.

Carrasco, R. (2003): “Inmigración y mercado laboral”. Papeles de Economía Española, 98, pp. 94-
108.

Carrasco, R., J.F. Jimeno, y A. C. Ortega (2008): “The effect of immigration on the labor market
performance of native-born workers: some evidence for Spain”. Journal of Population Economics,
21, pp- 627- 648.

Casquero Tomás, A. D. García Crespo, y L. Navarro Gómez, (2010): “Especialización educativa e

705
inserción laboral en España”. Estadística Española, 52, 175, pp. 421-469.

Fernández Enguita, M. (2003). La segunda generación ya está aquí. Papeles de Economía Española,
98, pp. 238-261.

Fernández, C. y C. Ortega (2008): “Labor market assimilation of immigrants in Spain: employment

at the expense of bad job-matches?” Spanish Economic Review, 10, pp. 83-107.

Lassibille, G., Mª. L. Navarro, M. I. Aguilar y C. De La O, (2001): “Youth transition from school to
work in Spain”. Economics of Education Review, 20, 2, pp. 139-149.

Portes, A., R. Aparicio y C. Haller (2009): La segunda generación en Madrid: un estudio longitudinal.
Mimeo.

Portes, A. y R. G. Rumbaut (2001): Legacies: the store of the inmigrant second generation.
Berkeley: University of California Press.

Quigley, D. D. (1996): Native and immigrant school-to-work transitions: refocusing policy concerns.
Santa Monica, CA: RAND Graduate School.

Sanromá, E., R. Ramos, y H. Simón (2006): Inmigración reciente en España. Sobreeducación y

asimilación en el mercado de trabajo. Mimeo.

706
6. Inserción en el mercado laboral de los profesionistas en turismo

Angélica Beatriz Contreras Cueva, Universidad de Guadalaja

707
Inserción en el mercado laboral de los profesionistas en turismo

Angélica Beatriz Contreras Cueva, Universidad de Guadalaja

Resumen
El papel de las universidades es proveer al aparato productivo de capital humano calificado para
el desempeño de las actividades económicas, sin embargo, desde el punto de vista del perfil de
formación profesional, no necesariamente los profesionistas se desempeñan en actividades para
las cuales fueron formados, esta no correspondencia podría indirectamente, propiciar la eficiencia
en el trabajo en que se desempeñan, e incluso, necesario para la inserción en el mercado laboral.
En este trabajo se analiza, por una parte, la relación del ingreso y la ocupación, y por otra, la
relación de los profesionistas en turismo y su inserción en el mercado laboral, con el fin obtener
información sobre los efectos de la correspondencia o no de la formación profesional, el ingreso
y el empleo; para distinguir las competencias que los profesionistas deben tener, para con esto
fortalecer el plan de estudio del programa educativo. El análisis se aplica sobre la información
de la Encuesta Nacional de Ocupación y Empleo, 2008, con el modelo de análisis factorial de
correspondencias para determinar subgrupos diferenciados y el modelo de MCO propuesto por Jacob
Mincer para estimar el ingreso con relación a la ocupación. Algunos de los resultados obtenidos
mostraron que la participación en el mercado laboral de los profesionistas en turismo es de 65.9
por ciento; la tasa de desocupación es de 5.6 por ciento; el 65 por ciento de los profesionistas en
turismo son mujeres. Por otra parte, con relación a los ingresos, los trabajadores con formación
en turismo perciben ingresos 18.82 por ciento menos con relación a otras profesiones del grupo
y al promedio del área de formación del grupo que pertenece, y 24.78 por ciento menos con
respecto al resto de los profesionistas, finalmente, los profesionistas en el área de turismo tienen
principalmente ocupaciones relacionadas al apoyo en actividades administrativas.

Palabras clave: Análisis Factorial de Correspondencia, formación y empleo, turismo.

1. Introducción
Los temas de educación y empleo son tratados en la literatura de la Economía de la
Educación y la Planeación Educativa como una situación de correspondencia entre oferta y
demanda de recursos humanos calificados, en México, igual que en otros países del mundo se
compite por mejores salarios y puestos de trabajo, las instituciones educativas, como es sabido,
son las responsables de proveer al aparato productivo de recursos calificados para el desempeño
de la actividad económica, sin embargo, como se presentó en Contreras, A. Cuevas E. (2009), no
necesariamente los profesionistas se desempeñan en actividades para las cuales fueron formados,
sin embargo, esta no correspondencia podría en un momento dado, propiciar la eficiencia en
el trabajo en que los trabajadores se desempeñan. A partir de este supuesto, en este trabajo se
analiza de la Encuesta Nacional de Ocupación y Empleo, (ENOE, 2008), a los profesionistas de la
Población Económicamente Activa (PEA) con formación profesional en turismo, esta profesión se
encuentra en el área de Economía, Administración, Contaduría y Turismo que es una de las doce
áreas profesionales clasificadas por el Instituto Nacional de Estadística y Geografía INEGI en el
Catalogo de Codificación de Carreras, el propósito del catalogo es de clasificar con base en áreas
o disciplinas de estudio, las carreras técnicas, profesionales, maestrías y los doctorados que se
imparten en distintas instituciones educativas del país (INEGI, 2008). El catalogo se estructura
en cuatro secciones: la primera es el catalogo de carreras técnicas o comerciales de nivel básico;

708
la segunda, el de carreras técnicas o comerciales de nivel medio y superior; la tercera, el de
carreras profesionales y la cuarta, el de maestrías y doctorados. Cada sección se forma por grupos,
subgrupos y grupos unitarios, el grupo refleja el área general de estudio se clasifica en 12
grupos profesionales, que para nuestro caso, por ejemplo, el grupo es Economía, Administración,
Contaduría y Turismo, el subgrupo es Turismo y el grupo unitario es la descripción o nombre
específico de la carrera, que podría ser Dirección de Empresas Turísticas, por mencionar una de
los 21 grupos unitarios.
Para determinar la correspondencia o no correspondencia de la formación con la ocupación
en el mercado laboral se analizó el subgrupo turismo, además en el caso de no correspondencia con
la ocupación se pretende detectar si la formación hace a los profesionistas en turismo competentes
en el trabajo que desempeñan. Por otra parte además en este trabajo, se presentan algunos de los
efectos de la formación profesional frente a la posibilidad de estar ocupados y su relación con los
ingresos que se perciben. El análisis se realizó a las personas con estudios mínimos de licenciatura
de la información de la Población Económicamente Activa (PEA) de la ENOE 2008. Los resultados
demuestran, tras aplicar un análisis factorial de correspondencias que el 26% de los profesionistas
formados en el área de turismo desarrollan actividades como trabajadores de apoyo en actividades
administrativas.
El trabajo se presenta con la siguiente estructura; se inicia con el objetivo, posteriormente
se señala la metodología y la base de datos utilizada, seguida por los resultados y finalmente las
conclusiones.

2. Objetivos
En este trabajo se presentan los resultados de analizar a los profesionistas en turismo,
su nivel de ingreso con respecto a otras profesiones y la relación de su perfil profesional con
la ocupación en el mercado laboral. Esto con el propósito de comprender los efectos de la
correspondencia o no de la formación profesional y el empleo. Con esta información se pretende
detectar las necesidades de los profesionistas para que las instituciones educativas sustenten los
nuevos modelos basados en competencias.

3. Metodología
Para el estudio se utilizan diversas metodologías, primero, para describir las características
sociodemográficas de los encuestados por la ENOE que tienen estudios de turismo se realiza el
análisis univariante, posteriormente, se estiman las tasas de participación y desocupación en
el mercado laboral seguido por el Análisis Factorial de Correspondencias (AFC) para estimar la
relación entre formación de turismo y su ocupación en el mercado laboral; finalmente el modelo
de Mínimos Cuadrados Ordinarios propuesto por Jacob Mincer para determinar el ingreso por
ocupación. La especificaciones de los modelos se presenta a continuación.
Las tasas de participación y de desocupación, para este estudio, se obtienen a partir de los datos
de la base de la Población Económicamente Activa (PEA) de los profesionistas con licenciatura,
maestría o doctorado, en el área de turismo que en el período del levantamiento de la información
se encontraban trabajando o en busca de un trabajo. Las tasas de participación y de desocupación
se obtienen como se plantea en “Conociendo la base de datos” de la ENOE, pp.20 (2008):

709
donde: PEA= Población ocupada y población desocupada, PD= Población desocupada, PO=
Población ocupada; PD= población desocupada, PDIS = Población disponible, PNODIP = Población
no disponible.
La relación entre carrera profesional y ocupación, en este trabajo, se obtiene a través
del Análisis Factorial de Correspondencias (AFC) el cual es una técnica exploratoria de análisis
multivariante cuya finalidad es determinar la asociación entre las características, expresadas
en una tabla de contingencias, además permite analizar cómo esta estructurada esta asociación
describiendo la proximidad que permite identificar las categorías de asociación. La tabla de
contingencias esta conformada por las filas que se corresponden a la ocupación y las columnas
a las carreras que conforman el grupo de turismo. Las celdas de intersección de filas-columnas
representan las frecuencias absolutas.
A partir de la tabla de contingencia, se construye la tabla de frecuencias relativas
conjuntas:
A/B ... ...

... ...

. . ... . ... . .
... ...

. . ... . ... . ...

... ...

... ... 1

donde:

representa la probabilidad de cada elemento en el total de la población N.

representa a la frecuencia marginal relativa de la categoría .

es la frecuencia marginal relativa de la categoría

Por lo tanto el concepto de independencia estadística es representado por:

El modelo de salarios propuesto por Jacob Mincer (1974), considera al incremento

porcentual de los ingresos por año de escolaridad, el cual se obtiene al especificar los ingresos
en logaritmos y la escolaridad en años de estudio, considera además, la experiencia laboral del
individuo, llamada por Mincer experiencia potencial debido al supuesto de que durante la etapa
de formación escolar el individuo no trabaja. La ecuación minceriana ha sido hasta la fecha
utilizada por varios investigadores quienes la han adaptado de acuerdo a las características de

710
las variables y del mercado laboral de que se dispone, en este estudio se estima por Mínimos
Cuadrados Ordinarios, como se presenta a continuación:

donde:

ln Yi = logaritmo natural del salario mensual (en pesos) para cada individuo
Aes = años de escolaridad (licenciatura – maestría – doctorado).
Exper = Años de experiencia (Edad – aes – 6); la experiencia se integra al modelo por el supuesto
de que existe una relación lineal positiva de los ingresos con respecto a la experiencia.
Exper2 = Años de experiencia al cuadrado; la experiencia se integra al modelo cuadráticamente,
debido al supuesto de los rendimientos decrecientes de los ingresos con cada año de experiencia.
= término de error estocástico para cada i-ésimo individuo, el cual recoge los factores no
observables, los errores de medición, o las variables no incluidas en el modelo.
= intercepción de la recta de regresión con el eje de los ingresos.
= proporciona un estimado de la tasa de retorno de la educación.
= muestra el crecimiento porcentual de los ingresos por cada año adicional de experiencia.
=representa los rendimientos decrecientes de los ingresos con respecto a la experiencia,
esperándose que sea negativo y estadísticamente significativo.
Ocupación en el mercado laboral que va desde j=1 hasta j=18, en
donde profesionistas.
técnicos.
trabajadores de la educación.
Trabajadores del arte, espectáculos y deportes.
Funcionarios y directivos de los sectores público, privado y social.
Trabajadores en actividades agrícolas, ganaderas silvícolas y de caza y pesca.
Jefes, supervisores y otros trabajadores de control en la fabricación artesanal e industrial
y en actividades de reparación y mantenimiento.
Artesanos y trabajadores fabriles en la industria de la transformación y trabajadores en
actividades de reparación y mantenimiento.
Operadores de maquinaria fija de movimiento continuo y equipos en el proceso de
fabricación industrial.
Ayudantes, peones y similares en el proceso de fabricación artesanal e industrial y en
actividades de reparación y mantenimiento.
Conductores y ayudantes de conductores de maquinaria móvil y medios de transporte.
Jefes de departamento, coordinadores y supervisores en actividades administrativas y
de servicios.

711
o) Turismo cultural.
p) Turismo en administración de agencias de viajes y transporte turístico.
q) Turismo en administración hotelera.
r) Turismo en administración pública.
s) Turismo en hoteles y restaurantes.
t) Turismo en planeación y desarrollo turístico.
u) Turismo internacional.

B. Ocupación: Variable que clasifica al empleo en 19 grupos generales de acuerdo a la Clasificación

Mexicana de Ocupaciones del INEGI. Estos grupos están conformados por las siguientes ocupaciones
específicas:

a) Profesionistas.
b) Técnicos.
c) Trabajadores de la educación.
d) Trabajadores del arte, espectáculos y deportes.
e) Funcionarios y directivos de los sectores público, privado y social.
f) Trabajadores en actividades agrícolas, ganaderas, silvícola y de caza y pesca.
g) Jefes, supervisores y otros trabajadores de control en la fabricación artesanal e industrial y en
actividades de reparación y mantenimiento.
h) Artesanos y trabajadores fabriles en la industria de la transformación y trabajadores en
actividades de reparación y mantenimiento.
i) Operadores de maquinaria fija de movimiento continuo y equipos en el proceso de fabricación
industrial.
j) Ayudantes, peones y similares en el proceso de fabricación Artesanal e industrial y en actividades
de reparación y Mantenimiento.
k) Conductores y ayudantes de conductores de maquinaria móvil y medios de transporte.
l) Jefes de departamento, coordinadores, Supervisores en actividades administrativas y de
servicios.
ll) Trabajadores de apoyo en actividades administrativas.
m) Comerciantes, empleados de comercio y agentes de ventas.
n) Vendedores ambulantes y trabajadores ambulantes en servicios.
o) Trabajadores en servicios personales en establecimientos.
p) Trabajadores en servicios domésticos.
q) Trabajadores en servicios de protección y vigilancia y fuerzas Armadas.
r) Otros trabajadores con ocupaciones insuficientemente especificadas.

4. Resultados
Los resultados se presentan en el siguiente orden, primero los descriptivos generales de la
base de datos analizada, posterior a ello, las tasas de participación y desocupación en el mercado
laboral, seguido por, el Análisis Factorial de Correspondencia, para determinar la relación entre
formación y ocupación, finalmente el Modelo de Mínimos Cuadrados para estimar el ingreso por
ocupación.

Descriptivos de las base de datos analizada

Este estudio se realizó, como se mencionó anteriormente, con los datos de la PEA de

712
los profesionistas en Turismo desagregados de la ENOE, 2008; los profesionistas en las áreas
de turismo corresponden al 0.05 por ciento del total del grupo de carreras profesionales en las
áreas de Economía, Administración, Contaduría y Turismo, 65 por ciento de los profesionistas en
turismo son mujeres. El ingreso promedio para el grupo es Economía, Administración, Contaduría
y Turismo es $8,794; para turismo de $ 7,401y para el total de los profesionistas de $9,220.
La tabla 1, apunta el porcentaje para cada grupo de los 12 que conforman las carreras profesionales.
Señalando que 27 por ciento de los profesionistas son del grupo de Economía, Administración,
Contaduría y Turismo. Y de estos últimos 0.05 por ciento tienen formación en turismo.

Tabla 1. Proporción por grupo profesional de la población mexicana con grado de licenciatura y/o
posgrado
Carreras profesionales %
Arquitectura 5

Biología 1

Ciencias Agropecuarias 3

Ciencias de la Salud 9

Ciencias Humanísticas 5

Ciencias Químicas 3

Ciencias Sociales 15

Disciplinas Artísticas 1

Economía, Administración, Contaduría y Turismo 27

Educación y Pedagogía 11

Ingenierías 19

Ciencias Exactas 1

Fuente: Elaboración propia, con datos de la ENOE 2008.

La tasa de participación en el mercado laboral de los profesionistas en turismo es de 65.9

por ciento y la tasa de desocupación es de 5.6 por ciento.
La tabla 2 apunta las tasas de participación y de desocupación en el mercado laboral para
los profesionistas en turismo, para el grupo de Economía, Administración, Contaduría y Turismo y
para el total de los grupos profesionales. De la tabla 2 sobresale que los profesionistas en turismo
tienen tasas de participación baja, y la desocupación mayor con respecto al grupo y al total de los
profesionistas.

Tabla 2. Tasa de participación y desocupación en el mercado laboral

TP TD
Total de profesionistas 78.09 3.96
Grupo de Economía, Administración, Contaduría y Turismo 76.32 4.39
Turismo 65.95 5.60

Fuente: Elaboración propia, con datos de la ENOE 2008.

713
 La tabla 3 resume los porcentajes de los profesionistas en turismo de acuerdo a su
participación en la PEA o en la PNEA, por regiones geográficas del país.

Tabla 3. Porcentaje de los profesionistas en turismo por zona geográfica para cada situación de
la población
REGIÓN Ocupado Desocupado Disponible No Disponible Total
Noroeste 7.37 0.30 0.45 3.16 11.28
Baja California, Baja California
Sur, Chihuahua, Durango,
Sinaloa y Sonora
Noreste 2.11 0.30 0.45 1.20 4.06
Coahuila, Nuevo León y
Tamaulipas
Centro – Occidente 14.44 0.60 1.20 6.62 22.86
Aguascalientes, Colima,
Guanajuato, Jalisco, Michoacán,
Nayarit,
San Luis Potosí y Zacatecas
Centro 15.19 1.65 1.80 9.17 27.82
Distrito Federal, Hidalgo, Estado
de México, Morelos, Puebla,
Querétaro y Tlaxcala
Sur-Sureste 21.65 0.75 2.11 9.47 33.98
Campeche, Chiapas, Guerrero,
Oaxaca, Quintana Roo,
Tabasco, Veracruz y Yucatán
Total 60.75 3.61 6.02 29.62 100.00

Fuente: Elaboración propia con datos a nivel de registro de la ENOE 2008.

Uno de los propósitos fundamentales de este estudio, es identificar la asociación entre las
características de los profesionistas de las áreas de turismo respecto a las ocupación en el mercado
laboral, para esta finalidad, se analiza la base de datos a partir del modelo de Análisis Factorial
de Correspondencia, los resultados de la tabla de contingencias se resumen en la tabla 4 en donde
se apuntan los grupos de las principales ocupaciones en donde el entrevistado se identificó que
trabaja.

Tabla 4. Resumen en porcentajes del análisis de correspondencia, para las formaciones de los
profesionistas en el área de turismo y sus los principales grupos de ocupación
Trabajadores de apoyo en actividades administrativas. 26
Comerciantes, empleados de comercio y agentes de ventas. 13
Trabajadores en servicios personales en establecimientos. 11
Jefes de departamento, coordinadores y supervisores en actividades 9
administrativas y de servicios.
Trabajadores de la Educación. 8
Funcionarios y directivos de los sectores publico, privado y social. 7
Artesanos y trabajadores fabriles en la industria de la transformación y 5
trabajadores en actividades de reparación y mantenimiento.
Jefes, supervisores y otros trabajadores de control en la fabricación 5
artesanal e industrial y en actividades de reparación y mantenimiento.
Otras Ocupaciones con menos del 5 por ciento de participación. 15

Fuente: Elaboración propia, con datos de la ENOE 2008.

714
 De estos resultados sobresale, que del grupo de profesionistas en turismo, la Ocupación en
donde mayormente se desempeñan son las relacionadas en actividades administrativas, seguidas
por las del comercio y servicios personales.
Finalmente tras aplicar el modelo de MCO, se obtienen la siguiente ecuación de ingresos:

La tabla 5 resume los resultados del MCO que estima el ingreso por ocupación de los
profesionistas en turismo.

Tabla 5. Estimación de los ingresos por ocupación

Variables Independientes B t
Constante 2.6069 205.64
Maestría 2.0691 55.11
Doctorado 2.4367 14.64
Experiencia 0.0346 29.28
Experiencia2 -0.0002 -1.09
Técnicos -0.0095 0.9905
Trabajadores de la Educación -0.0701 0.1288
Trabajadores del arte, espectáculos y deportes -0.1970 2.3534
Funcionarios y directivos de los sectores público, privado y social 0.6337 2.0805
Trabajadores en actividades agrícolas, ganaderas silvícolas y de caza y -0.1923 1.8578
pesca
Jefes, supervisores y otros trabajadores de control en la 0.2760 9.49066
fabricación artesanal e industrial y en actividades de reparación
y mantenimiento
Artesanos y trabajadores fabriles en la industria de la transformación -0.2625 4.2705
y trabajadores en actividades de reparación y mantenimiento
Operadores de maquinaria fija de movimiento continuo y equipos en -0.8248 18.0646
el proceso de fabricación industrial
Ayudantes, peones y similares en el proceso de fabricación artesanal -0.0711 0.0006
e industrial y en actividades de reparación y mantenimiento.
Conductores y ayudantes de conductores de maquinaria móvil y -0.3421 5.1863
medios de transporte
Jefes de departamento, coordinadores y supervisores en 0.4760 1.1628
actividades administrativas y de servicios
Trabajadores de apoyo en actividades administrativas 0.0011 2.5697
Comerciantes, empleados de comercio y agentes de ventas 0.0556 0.000060
Vendedores ambulantes y trabajadores ambulantes en servicios -0.0535 2461.908
Trabajadores en servicios personales en establecimientos 0.4070 12.8690
Trabajadores en servicios de protección y vigilancia y fuerzas armadas -0.4138 1.5183

De acuerdo a los resultados, todos los parámetros son estadísticamente significativos al

5 por ciento al igual que la significación global del modelo que es representada por F. Por otra
parte la bondad del ajuste R2 de es aceptable ya que las variables independientes explica 67.13
por ciento a la variable de los ingresos. De los resultados también podemos detectar que el ingreso

715
se incrementa 2.06 por ciento si el entrevistado tienen grado de maestría con respecto a los de
licenciatura, que es la variable de referencia y 2.44 por ciento si los estudios son de doctorado.
Con relación a la experiencia, el ingreso se incrementa 3.46 por ciento por cada año de experiencia
y decrece, como lo demuestra Exp2, a una tasa de 0.02 por ciento.
La variable omitida Ocup1 = profesionistas es la variable de referencia y representa a las
personas que se definieron como profesionistas en turismo. Las ocupaciones que tiene mayor
ingreso que la variable de referencia son, Funcionarios y directivos de los sectores público, privado
y social con 63.37 por ciento, seguido por Jefes de departamento, coordinadores y supervisores
en actividades administrativas y de servicios con 47.60 por ciento, posteriormente, Trabajadores
en servicios personales en establecimientos con 40.70 por ciento, los jefes, supervisores y otros
trabajadores de control en la fabricación artesanal e industrial y en actividades de reparación
y mantenimiento, con 27.60 por ciento, Comerciantes, empleados de comercio y agentes de
ventas, con 5.56 por ciento, finalmente, Trabajadores de apoyo en actividades administrativas
0.11 por ciento, el resto de las ocupaciones perciben ingresos menores que los de la variable de
referencia.
Finalmente, en el gráfico 1 se resume los ingresos de los principales grupos de ocupación
de los profesionistas con formación en el área de turismo, en donde se hace énfasis de lo apuntado
en el párrafo anterior.

Gráfica 1. Relación ingreso por ocupación

5. Conclusiones
El análisis realizado nos permite destacar algunos aspectos importantes de la población
económicamente activa, PEA, con estudios en la carrera de turismo, se detecta que la actividad
fundamental, es decir el 42 por ciento, corresponde al apoyo actividades administrativas esta
proporción corresponden al grupo profesional para el cual fueron formados, ya que las profesiones
de turismo pertenecen al área profesional de empresas. Sin embargo, la mayoría, 52 por ciento,
trabajan en actividades que no corresponden con los estudios. De los resultados podemos concluir
que los profesionistas en turismo con ocupaciones relacionadas a su formación son los que
perciben mayores salarios, que los que no se corresponde, por lo que se sugiere, tomar en cuenta
en los planes educativos, hacer énfasis en asignaturas en funciones directivas. Por otra parte tras
el análisis, se observa que aproximadamente el 85 por ciento de los profesionistas en turismo se
desempeña en las zona centro y sur del país, por lo que se sugiere analizar la oportunidad para
estos profesionales en el norte de la república además de detectar el ingreso que puede ofrecerse
en la zona.

716
Referencias
Béduwé, C. y J. Planas (2002): “Expansión Educativa y Mercado de Trabajo”. Estudio comparativo
realizado en cinco países europeos: Alemania, España, Francia, Italia, Reino Unido, con
referencia a los Estados Unidos, mimeo.

Contreras, A. y E. Cuevas (2009): “Especialidad de Formación, Ingreso e Inserción en el Mercado

Laboral en México”. Asociación de Economía de la Educación, España.

Contreras, A. et al. (2008): “El Incremento del Nivel de Estudios y su Relación con el Empleo”.
Asociación de Economía de la Educación, España.

Cuevas, E. (2003): “Efectos de la Capacitación en el Ingreso Laboral de las Personas. Aplicación

de un Modelo de Variables Dependientes limitadas”. Revista Mexicana del Trabajo y la Previsión
Social, núm. 4.

_________ (2006): Educación y Mercado de Trabajo. Impactos de la Escolaridad en el Empleo y

los ingresos, Amat editorial.

Greene, William (1981): “Sample Selection Bias as a Specification Error: Comment”. Econometrica,
49, pp. 795-798.

Gujarati, Damodar N. (2005): Econometría, Mc Graw Hill.

INEGI (2008): Catálogo de Codificación de Carreras, pp. 1, 92-98.

INEGI (2008): Conociendo la base de datos de la ENOE, pp.20.

MADDALA, G.S. (1983): “Limited Dependent and Qualitative Variables in Econometrics”. Econometric
Society Monographs Nº.3, Cambridge.

Mc Connell, C. y B. Stanley (2003): Economía Laboral , 4ª Edición, Mc Graw Hill, México.

717
/ Capítulo 9. Mercado de trabajo y educación

718
1. Nivel educativo y empleo en el periodo 2005-2009: Un análisis comparado
entre la población ocupada española y extranjera

Mª Olga González Morales, Universidad de La Laguna

Flora Díaz Pérez, Universidad de la Laguna
José Antonio Álvarez González, Universidad de la Laguna

719
Nivel educativo y empleo en el periodo 2005-2009: Un análisis comparado
entre la población ocupada española y extranjera

Mª Olga González Morales, Universidad de La Laguna

Flora Díaz Pérez, Universidad de la Laguna
José Antonio Álvarez González, Universidad de la Laguna

Resumen
En la primera década del siglo XXI, España pasa a ser un país receptor de un número importante
de extranjeros que se incorporan al mercado laboral. En plena crisis económica, la destrucción de
empresas y empleo ha sido también importante y el resultado ha afectado a españoles y extranjeros,
pero no en igual medida. Este trabajo analiza la evolución de la población ocupada española y
extranjera en el periodo 2005-2009. Asimismo, se utilizan los micro-datos de la EPA del año 2009,
a los cuales se les aplicará un Análisis de Correspondencias Múltiples, con el objetivo de detectar
posibles asociaciones entre las variables objeto de estudio (nacionalidad, nivel educativo, empleo
por cuenta ajena, empleo por cuenta propia y actividad económica) y comparar los resultados.
Los resultados muestran cómo la crisis afecta especialmente a los extranjeros y, sobre todo, a los
ocupados en determinados sectores de actividad.

Palabras clave: población ocupada, nacionalidad, empleo asalariado, empleo por cuenta propia,
nivel educativo, actividad económica, crisis económica.

1. Introducción
Aunque los desplazamientos de población no son un fenómeno nuevo, la globalización
de la economía y los procesos de integración han aumentado esos desplazamientos. España,
país tradicionalmente de emigrantes, ha experimentado en los últimos diez años un crecimiento
explosivo de la inmigración, por encima de los otros países europeos tradicionalmente receptores.
Su procedencia y sus características son diversas; se podrían establecer tres áreas de procedencia
principales: países del este de la Unión Europea, especialmente rumanos; países latinoamericanos
y países africanos. La distinta procedencia supone características distintas, tanto étnicas como
culturales y de formación.
En España, en estos últimos diez años se han producido dos importantes fenómenos: una
acelerada llegada entre el año 2000 y el 2007 y, con la crisis económica desencadenada a finales
de 2007, no sólo un freno de las llegadas sino, incluso, el inicio de retornos.
La búsqueda de mejores oportunidades es una de las razones por las que la mano de obra se
traslada de un país a otro. Los mercados laborales que son receptores de gran número de mano de
obra extranjera se transforman y esta situación tiene repercusión en las sociedades que la acogen.
El efecto que puede tener un aumento en la oferta de mano de obra extranjera dependerá de las
características intrínsecas de la propia población extranjera y de la rapidez con que esta población
es capaz de asimilar las cualidades demandadas por el mercado laboral en el que se integran.
El objetivo general de este trabajo es analizar las relaciones entre determinadas características
de la población ocupada en España (nacionalidad, nivel educativo, situación profesional, actividad
económica), con el fin de detectar posibles diferencias entre la población ocupada española y
extranjera. Asimismo, se describe la evolución de la población española y extranjera en el periodo
2005-2009.

720
 A continuación, en el segundo apartado, se resumen algunas de las conclusiones más
relevantes de los estudios que analizan la situación del mercado laboral ante la entrada de
población extranjera. En el tercer apartado se explican los objetivos del trabajo, las hipótesis y
la metodología. En el cuarto apartado se detallan los resultados obtenidos del análisis estadístico
multivariante. Por último, se explican brevemente las conclusiones del trabajo.

2. Antecedentes
Las migraciones suponen el desplazamiento de personas de su entorno y de un mercado
de trabajo a otro mercado localizado en otro país. Las causas de las migraciones y la inserción de
esos trabajadores en los nuevos mercados de trabajo han sido ampliamente estudiadas (Massey
et al, 1993; Bodvarsson et al, 2009). Podemos decir que la inserción en el mercado de destino
se puede realizar buscando trabajo en el mercado receptor o creando su propio trabajo como
emprendedor.
Las dificultades de inserción en el nuevo mercado de trabajo han sido estudiadas en el
enfoque de las barreras (Heilbrunn et al, 2010), que pone de manifiesto un primer filtro que
diferencia entre unos inmigrantes y otros. Pero hay otros factores que explican las distintas
formas de asimilación de los inmigrantes.
¿En qué medida un mayor nivel educativo favorece la inserción laboral de la población
ocupada extranjera? Heath y Cheung (2007) consideran que, para los inmigrantes de primera
generación, un nivel educativo superior puede no significar una mayor dotación de capital
humano, ya sea porque las competencias adquiridas en el sistema educativo del país de origen
no se corresponden con las exigidas en el mercado laboral del país de acogida o porque los
títulos que posee la población extranjera no pueden ser reconocidos en el país de acogida. No
obstante, sí pueden enriquecer las características personales y sociales del individuo, pues, los
individuos con mayores niveles educativos aprenden con más facilidad nuevos conocimientos y
formas de comportamientos que les permiten adaptarse, asimismo acceden con más facilidad a la
información.
Carrasco y Ortega (2005) argumentan que existe una correlación positiva entre el nivel de
educación del trabajador y la probabilidad de emigrar. Entre los diversos motivos por los que esta
situación se presenta alegan el hecho de que los trabajadores con un mayor nivel educativo son
más eficientes a la hora de descubrir las oportunidades de empleo en los distintos mercados de
trabajo, reduciéndose así, por tanto, los costes de emigrar.
Los resultados del trabajo de Reyneri (2006) para el mercado laboral italiano ponen de
manifiesto que un mayor nivel educativo en la población extranjera no reduce la posibilidad de
trabajar en la economía sumergida pero influye para que desarrollen trabajos menos irregulares
que el resto de la población extranjera e influye de forma positiva y significativa a la hora de
decidirse por trabajar por cuenta propia.
De New y Zimmermann (1994) para el caso alemán o Jaeger (1996) para el caso
estadounidense detectan que la inmigración afecta negativamente a los trabajadores poco
cualificados y positivamente a los más cualificados.
Herrarte et al (2007) analizan los cambios en la situación laboral de la población española
ante los aumentos de población inmigrante por provincias. Observan que, en aquellas provincias
en las que la inmigración ha sido más elevada, la población española encuentra más dificultades
para encontrar empleo. Esta situación afecta principalmente a la población con un nivel de
educación bajo (analfabetos o con estudios primarios) y edades comprendidas entre los 20 y 40
años.

721
 En general, la población ocupada española ha mejorado su nivel educativo, especialmente
en el caso de las mujeres, cuya participación en el mercado laboral ha repercutido en la estructura
por sectores de actividad. Esta situación trajo como consecuencia el aumento de la población
extranjera en los primeros años del siglo XXI que ocupaban puestos de trabajo en los sectores que
no prefería la población española, lo que produjo cierta complementariedad entre ambos grupos
de población (Gil y Domingo, 2006).
El interés por el estudio de la inserción de los inmigrantes ha aumentado en España en los
últimos años. Caparrós y Navarro (2009a) analizan los factores determinantes de la obtención de
empleos estables por parte de extranjeros que les lleva a la asimilación contractual. Los mismos
autores (Caparrós y Navarro, 2009b) determinan los factores explicativos de la primera ocupación
de los inmigrantes en España y comprueban si existen barreras de conocimiento dentro del
mercado laboral español que puedan impedir la transferencia completa del capital humano de los
inmigrantes adquirido en su país de origen.
Fernández y Ortega (2008) encuentran diferencia entre la población española y la extranjera
en relación a la probabilidad de participar en el mercado de trabajo y encontrar un empleo en
el periodo 1996-2005. Amuedo-Dorantes y De la Rica (2007), con datos del año 2001 del Censo
de Población y del año 2002 de la Encuesta de la Estructura Salarial, analizan si la asimilación
ocupacional de los inmigrantes es una función creciente con el tiempo de permanencia de los
mismos en España.
Asimismo, el estudio de la creación de empresas por parte de extranjeros ha proliferado
en los últimos años debido a los fenómenos migratorio. La actividad emprendedora de los
inmigrantes se contempla como una salida profesional y una forma de integración social (el Global
Entrepreneurship Monitor, en sus últimos informes, ofrece por primera vez datos relativos a este
tema); además, los inmigrantes aprovechan las oportunidades empresariales, fundamentalmente,
por razones de necesidad (Domínguez Martín, 2007; Setién Santamaría y González Ferreras, 2005).
Los sectores o industrias predominantes en un espacio explican diferencias en la explotación de
oportunidades empresariales, debido, entre otros motivos, a la propia estructura del sector y las
exigencias de conocimientos concretos (Cuervo García, 2005).
García-Díez y Pérez-Villadó (2009) analizan los determinantes de la decisión de los
inmigrantes de trabajar por cuenta propia y concluyen que el origen de los inmigrantes es una
variable a considerar, una vez controladas las características personales, entre otras; asimismo,
detectan el efecto positivo que el nivel educativo y la antigüedad tienen sobre la probabilidad de
establecerse por cuenta propia.
En cuanto a la educación y la formación, se ha comprobado que ambas variables influyen
de forma determinante en el éxito de las empresas y, en especial, en las empresas de nueva
creación (Sandberg y Hofer, 1987; Stuart y Abetti, 1987; McDougall, Robinson y de Nisi, 1992),
pues un mayor nivel educativo permite al empresario enfrentarse a los problemas que surgen en
la actividad diaria de la empresa (Cooper, Woo y Gimeno-Gascón, 1994). En general, el nivel de
formación de los nuevos empresarios ha ido en aumento en las últimas décadas (Veciana, 2005);
según Hisrich (1990), aunque no es necesario disponer de un nivel educativo alto para crear una
empresa, éste puede suponer una ventaja. Asimismo, las personas con un nivel de formación
mayor que la población en general tienen más probabilidades de convertirse en empresario
independiente (Storey, 1994; Reynolds, 1997; Bates, 1995; Delmar y Davidson, 2000; Ritsila y
Tervo, 2002).
Sin embargo, en el caso de España, Cuadrado Roura (2004) analizó el perfil del autoempleo
en el año 2001 concluyendo que son los individuos sin estudios o con estudios obligatorios los

722
que tiene más probabilidad de trabajar como autónomo. González Morales (2008) analizó las
características que distinguen al trabajo por cuenta propia del empleo asalariado y concluyó que
la probabilidad de establecerse por cuenta propia aumentaba en individuos sin estudios o con
estudios obligatorios y que las actividades relacionadas con la agricultura, ganadería y pesca
favorecen esta situación.

3. Objetivos, hipótesis y metodología

El objetivo de este trabajo es analizar la inserción de la población ocupada extranjera en el
mercado de trabajo español y el impacto de la crisis económica en el empleo y en el autoempleo
de los trabajadores españoles y extranjeros. Para ello se analiza la variación experimentada por la
población ocupada en el año 2005 y la existente en el año 2009, en función de la nacionalidad,
el nivel educativo, la situación profesional y el sector económico. A partir de estos datos, se
calculan las tasas de ocupación por nacionalidad, según situación profesional y sector económico.
Se utiliza el Índice Educativo de la Población Ocupada (IEPO) como indicador sintético para
medir los recursos humanos incorporados al sistema productivo. Asimismo, se estudia la situación
de la población ocupada en el año 2009 para detectar posibles asociaciones entre las variables
empleadas. La finalidad es comprobar si existen diferencias significativas entre el colectivo de
españoles y el de extranjeros.
Se parte de las siguientes hipótesis:
H1. La crisis económica ha afectado fundamentalmente a la población ocupada con menos
estudios, tanto en el caso de los ocupados extranjeros como en el de los españoles.
H2. El empleo por cuenta propia se caracteriza por ser iniciativa de una población ocupada
con bajos niveles educativos para ambos grupos de población: españoles y extranjeros.
H3. El empleo está relacionado con la estructura económica productiva. La incorporación
de los trabajadores extranjeros se produce, dentro de esa estructura, en los puestos de trabajo con
menores requerimientos de educación y de cualificaciones.
Para describir la evolución de las variables en función de la nacionalidad, se utilizan los
datos de la EPA de los años 2005 y 2009.
A fin de conocer el nivel educativo, calculamos el IEPO, que se obtiene de la suma ponderada
de los ocupados en cada nivel educativo expresado en escala porcentual. Oscila entre el valor 0
que corresponde a la población ocupada analfabeta o con estudios primarios y el valor 100 de los
ocupados con estudios universitarios.
Para contrastar las hipótesis se compara la estructura de ocupación de la población española
y extranjera por cuenta propia y ajena, por nivel educativo y por sector económico y, finalmente,
se aplica un Análisis de Correspondencias Múltiples (ACM) a los micro-datos de la EPA, elaborados
por el INE para 2009.

4. Resultados
4.1. Variaciones de la población ocupada entre 2005 y 2009
Como punto de partida podemos observar la tabla 1. En él apreciamos una evolución en
el período 2005- 2009 de la tasa de ocupación que refleja claramente los efectos de la crisis
financiera en el empleo español.

723
 Tabla 1. Tasas de ocupación por nacionalidades 2005 y 2009
Tasa de ocupación 2005
Nacionalidad cuenta propia cuenta ajena
Española 99,2 93,8
Extranjera 98,5 92,1
Total 99,2 93,6
Tasa de ocupación 2009
Nacionalidad cuenta propia cuenta ajena
Española 97,2 88,0
Extranjera 92,5 77,2
Total 96,7 86,0

Fuente: EPA (INE, 2005 y 2009). Elaboración propia.

En efecto, en estos años la tasa de ocupación por cuenta ajena se reduce alrededor de 7
puntos para toda la población. La población ocupada extranjera presenta una reducción en la
ocupación mucho más acusada que la de nacionalidad española. Así vemos como la ocupación por
cuenta ajena de los extranjeros se ve mermada en 14,9 puntos, mientras que para los ocupados
españoles dicha reducción es sustancialmente inferior, de 5,8 puntos.
Con respecto al nivel educativo de la población ocupada, en la tabla 2 se observa que
el total de dicha población ha evolucionado aumentando su IEPO alrededor de 3 puntos. Si se
desagrega por nacionalidad, se observa que este efecto es relativamente superior en el caso de los
ocupados españoles respecto de los extranjeros.

Tabla 2. IEPO 2005 y 2009

Nacionalidad IEPO2005 IEPO2009
Españoles 67,9 71,2
Extranjeros 64,7 65,1
Total 67,6 70,3

Fuente: EPA (INE, 2005 y 2009). Elaboración propia.

Por sectores económicos, la evolución de la tasa de ocupación en el período pone de

manifiesto la incidencia más acusada de la crisis en ciertos sectores de actividad económica.
Igualmente, los datos confirman el mayor efecto sobre la población extranjera ocupada en esos
sectores. Concretamente, los datos de la tabla 3 muestran que los sectores más afectados por la
crisis son la Construcción, con una reducción de la ocupación de 17,6 puntos, y la Industria con
una caída menor, de 4,4 puntos. La población extranjera es la que presenta una peor situación para
esos sectores de actividad; específicamente, la tasa de ocupación en la Construcción disminuye para
este colectivo en 29,2 puntos y en la Industria en 14,5 puntos. Los Servicios, apenas castigados
por la crisis en el caso de la población española (0,9 puntos), acusa una reducción de de 5,6
puntos en el caso de los extranjeros.

724
 Tabla 3. Tasa de ocupación por sectores y nacionalidad, 2005 y 2009
Tasa de ocupación 2005
Nacionalidad Agricultura Industria Construcción Servicios
Española 85,0 93,0 91,4 92,5
Extranjera 83,6 90,6 92,0 89,1
Total 84,8 92,9 91,5 92,2
Tasa de ocupación 2009
Nacionalidad Agricultura Industria Construcción Servicios
Española 82,0 90,1 77,6 91,6
Extranjera 74,5 76,1 62,8 83,5
Total 80,3 88,5 73,9 90,4

Fuente: EPA (INE, 2005 y 2009). Elaboración propia.

Luego, los datos de ocupación reflejan el mayor efecto de la crisis en la población ocupada
extranjera con respecto a la de nacionalidad española. Como ponen de manifiesto los datos de la
tabla 2, la crisis económica afectó especialmente a los trabajadores menos cualificados al subir
el IEPO en casi tres puntos, aunque el efecto ha sido mayor en los trabajadores españoles, que
suben casi cuatro puntos, y bastante menos en los extranjeros, con algo menos de un punto. En
cualquier caso, la caída en la ocupación para la población extranjera es proporcionalmente mucho
más acusada que la menor tendencia a aumentar del nivel educativo que refleja el IEPO en ese
grupo de población. Con respecto al papel del sector, sería conveniente desglosar las actividades
que configuran el sector Servicios para poder llegar a conclusiones más sólidas, ya que en dicho
sector se engloban un conjunto heterogéneo de actividades en las que la crisis económica no ha
repercutido por igual.

4.2. Situación de la población ocupada en 2009

Para contrastar las hipótesis, se pasa a identificar las posibles asociaciones entre las
variables objeto de estudio. Se utilizan los micro-datos de la EPA del año 2009.
Pruebas de hipótesis de independencia. En primer lugar, se realizaron pruebas de
hipótesis de independencia, tanto del total de la muestra como de la muestra segmentada
(extranjeros, españoles), para contrastar si existe o no asociación entre las variables del estudio
(ver tabla 4).
La hipótesis a contrastar (hipótesis nula) es que las dos variables son independientes y la
hipótesis alternativa es que hay evidencia significativa de que existe asociación entre las mismas.
Como se observa en la tabla 4, se han estimado dos coeficientes que miden la independencia o
asociación entre dos variables cualitativas: Coeficiente Chi-Cuadrado de Pearson y Coeficiente de
Contingencia. En la última columna se incluye la significación o área que queda a la derecha de
la función de decisión de la prueba de hipótesis de independencia, de forma que, si dicha cifra es
menor al 5%, se rechaza la hipótesis nula y, por tanto, hay evidencias significativas de que existe
asociación entre las variables consideradas y sus correspondientes modalidades; mientras que, si
es superior al 5%, no hay evidencias significativas para rechazar la hipótesis de independencia
entre las dos variables. En todos los cruces entre las variables dos a dos y sus modalidades la
significación resultante es menor al 5%, por tanto, existe evidencia significativa de que hay
asociación entre las mismas.

725
 Tabla 4. Pruebas de hipótesis de independencia
Chi-cuadrado Coeficiente Sig. asintótica
Variables gl
de Pearson de contingencia (bilateral)
Población ocupada
Situación
51,148 1 0,045 0,000
profesional
Nacionalidad
Nivel educativo 310,902 4 0,110 0,000
Actividad económica 126,254 5 0,070 0,000
Situación Nivel educativo 321,218 4 0,112 0,000
profesional Actividad económica 1905,610 5 0,264 0,000
Nivel educativo Actividad económica 5543,606 20 0,422 0,000
Población ocupada española
Situación Nivel educativo 356,401 4 0,120 0,000
profesional Actividad económica 1988,060 5 0,275 0,000
Nivel educativo Actividad económica 5611,799 20 0,432 0,000
Población ocupada extranjera
Situación Nivel educativo 12,918 4 0,11 0,012
profesional Actividad económica 23,113 5 0,14 0,000
Nivel educativo Actividad económica 67,402 20 0,24 0,000

Tablas de contingencia. Se han confeccionado tablas de contingencia de todas las variables

dos a dos, presentándose los resultados en porcentajes por columnas, pero, por su interés de cara a
la verificación de las hipótesis de partida, en este apartado sólo se comentan las referidas al cruce
entre nacionalidad y las variables nivel educativo, situación profesional y actividad económica
(ver tabla 5), partiendo de 41.032 casos (4,4% de extranjeros). Las tablas de contingencia entre
las variables para cada colectivo se pueden consultar en los anexos 1 y 2.

Tabla 5. Análisis descriptivo de las variables por nacionalidad. 2009

Nacionalidad
Variables
extranjero español
Nivel educativo
Analfabetos y Estudios Primarios 26,1 20,6
Educación Secundaria Obligatoria 17,1 28,3
Formación Profesional 13,0 18,1
Bachillerato 27,2 11,4
Educación Universitaria 16,7 21,6
Situación Profesional
Cuenta Ajena 89,9 81,5
Cuenta Propia 10,1 18,5
Actividad Económica
Agricultura, silvicultura y pesca 7,2 6,0
Actividades industriales 14,2 17,8
Construcción 22,0 11,7
Comercio y Hostelería 22,4 21,5
Transportes 3,3 5,3
Otros Servicios 31,0 37,7
Fuente: Micro-datos EPA (INE, 2009)

726
 Nivel educativo. Los datos muestran que alrededor del 50% de la población ocupada
extranjera (53,3%) es analfabeta o tiene estudios primarios (26,1%) o poseen el título de
bachillerato (27,2%). Estas son las dos modalidades con mayor porcentaje frente la población
ocupada española, la cual tiene los mayores porcentajes en la población universitaria (5 puntos
por encima de la extranjera) y en la población con educación secundaria obligatoria, 11 puntos
por encima de la extranjera.
Situación profesional. El porcentaje de la población ocupada por cuenta ajena es mayoritario,
siendo especialmente superior en la población ocupada extranjera (89,9% frente al 81,5%).
Actividad económica. Las diferencias más importantes se detectan en Construcción y Otros
servicios. En el primer caso la población ocupada extranjera dobla a la española, mientras que en el
segundo existen alrededor de 8 puntos de diferencia a favor de la población ocupada española.
Análisis de Correspondencias Múltiples. Como todas las variables son nominales, parece
útil situar los casos en el espacio en función de las modalidades consideradas. La técnica más
adecuada para este tratamiento es el Análisis de Correspondencias Múltiples (ACM), que permite
situar las modalidades de las variables que resultaron más características y obtener nuevas variables
o dimensiones de las originales. Primero se aplicó el ACM a toda la población ocupada. El porcentaje
medio de la varianza explicada para dos dimensiones resultó ser de 34,089 y las puntuaciones
en las dimensiones de la variable nacionalidad no resultaron ser lo suficientemente elevadas,
por lo que se optó por aplicar un ACM a cada segmento de población (españoles y extranjeros),
lo cual elevó el porcentaje de la varianza explicada en cada grupo de forma considerable: en el
caso de la población ocupada extranjera, el porcentaje medio de varianza explicada se elevó hasta
39,836 (42,530 para la dimensión 1 y 37,142 para la dimensión 2); en el caso de la población
ocupada española, el aumento fue aún mayor, 45,911 (51,765 para la dimensión 1 y 40,058 para
la dimensión 2).
Resumen de resultados
Las categorías mejor representadas en cada dimensión y sus puntuaciones o distancias al
origen están resaltadas en las tablas 6 y 7 (sus gráficos correspondientes se pueden consultar en
los anexos 3 y 4).
En el caso de la población extranjera los resultados han sido los siguientes:
Dimensión 1
o Grupo 1: Población ocupada Analfabeta y con estudios primarios dedicada a la Agricultura,
silvicultura y pesca y a la Construcción. La modalidad ser empleado por cuenta ajena tiene un peso
relativo en esta dimensión.
o Grupo 2: Población ocupada con estudios universitarios, que trabaja por cuenta propia en
actividades dedicadas al Comercio y Hostelería.

Dimensión 2
o Grupo 3: Población ocupada con estudios de Formación Profesional dedicada a los Transportes
y a la Agricultura, silvicultura y pesca.
o Grupos 4: Población ocupada con estudios de Bachillerato y Educación Secundaria Obligatoria,
dedicada a Comercio y Hostelería.

727
Tabla 6. Coordenadas de centroide en cada dimensión (categorías población extranjera)
Categorías de las variables dimensión1 dimensión2
analfabetos y estudios primarios 0,875 -,236
educación secundaria obligatoria ,015 0,669
formación profesional -,030 -1,507
bachillerato -,065 0,808
universitarios -1,256 -,463
agricultura, silvicultura y pesca 1,441 -1,292
actividades industriales ,021 -,376
construcción 0,941 0,494
comercio y hostelería -,706 0,879
transportes -,439 -1,804
otros servicios -,434 -0,323
cuenta ajena 0,479 0,034
cuenta propia -1,589 -0,300

En el caso de la población española los resultados han sido los siguientes:

Dimensión 1
o Grupo 1: Población ocupada Analfabeta y con estudios primarios, que trabaja por cuenta
propia, dedicada a la Agricultura, silvicultura y pesca y a la Construcción.
o Grupo 2: Población ocupada con estudios universitarios que trabaja en Otros servicios.

Dimensión 2
o Grupo 3: Población ocupada con estudios de Formación Profesional dedicada Actividades
industriales.
o Grupos 4: Población ocupada con estudios universitarios y Analfabeta y con estudios
primarios, que trabaja por cuenta propia, dedicada a Agricultura, silvicultura y pesca.

Tabla 7. Coordenadas de centroide en cada dimensión (categorías población española)

Categorías de las variables dimensión1 dimensión2
analfabetos y estudios -0,882 -0,709
primarios
educación secundaria -0,500 0,535
obligatoria
formación profesional 0,184 0,966
bachillerato 0,204 0,228
universitarios 1,235 -0,869
agricultura, silvicultura y pesca -1,705 -1,977
actividades industriales -0,081 1,125
construcción -0,877 -0,039
comercio y hostelería -0,495 0,394
transportes -0,303 0,392
otros servicios 0,962 -0,486
cuenta ajena 0,255 0,168
cuenta propia -1,123 -0,740

728
 En resumen, atendiendo al nivel educativo podemos concluir:
1) Los ocupados extranjeros analfabetos y con estudios primarios trabajan por cuenta ajena
en los sectores de la agricultura, silvicultura y pesca. Los españoles con este nivel educativo
trabajan en los mismos sectores que los extranjeros, pero para esta nacionalidad por cuenta
propia.
2) Los ocupados extranjeros con formación profesional trabajan principalmente en trasportes,
agricultura, silvicultura y pesca los españoles, en cambio, lo hacen en actividades industriales.
3) Los ocupados con estudios de ESO y bachillerato extranjeros trabajan sobre todo en el
sector del comercio y la Hostelería. Los españoles con este nivel educativo, según los resultados
de este estudio, no trabajan, son básicamente población inactiva.
4) Los ocupados con estudios universitarios extranjeros y españoles trabajan por cuenta
propia. En el caso de los españoles crean sus empresas en los sectores otros servicios, agricultura,
silvicultura y pesca.

5. Conclusiones
Los resultados del estudio nos permiten comprobar que las hipótesis planteadas se cumplen
parcialmente.
Por lo que se refiere a la hipótesis H1, los datos parecen reflejar que la crisis, más que
afectar a la población con menor nivel educativo, lo ha hecho, principalmente, a la población
ocupada en determinados sectores de actividad (construcción e industria) y, dentro de ellos,
especialmente a la población extranjera. No obstante, se detecta un relativo aumento del nivel
educativo de la población ocupada del año 2005 al 2009, lo que puede indicar que los trabajadores
con menos estudios son los que han salido de la población ocupada.
Con respecto a las hipótesis H2, el empleo por cuenta propia se caracteriza por ser iniciativa
de la población con bajo nivel educativo (analfabetos y estudios primarios) en el caso de los
ocupados españoles, pero no en el de los extranjeros. Para la población extranjera, el empleo
por cuenta propia se asocia exclusivamente con los ocupados con estudios universitarios. Luego,
según los datos analizados, el empleo por cuenta propia exige un mayor nivel educativo en el caso
de los extranjeros.
Desde un punto de vista sectorial, destaca el comportamiento de los sectores de la
construcción y agricultura, silvicultura y pesca; en estos casos, la población extranjera se asocia
a la ocupación por cuenta ajena, mientras la española lo hace a la ocupación por cuenta propia.
Este resultado puede ser interpretado como que en los sectores anteriores los extranjeros, en
general, trabajan en empresas resultado de la iniciativa de población española; no obstante, se
debe ser cautos en esta afirmación, pues habría que analizar otras variables para considerarlo una
interpretación sólida.
En relación con la hipótesis H3, podemos afirmar que se cumple especialmente para la
población extranjera, dado que para este grupo de población el empleo por cuenta ajena se asocia
con actividades del sector primario y la construcción.
Como reflexión final, los resultados ponen de manifiesto para ambos grupos de población,
extranjeros y españoles, como a mayor nivel educativo corresponde una mayor especialización en
actividades de servicios y mayor ocupación por cuenta propia en el período analizado. El sector
servicios ha sido, precisamente, uno de los menos castigados por la crisis actual.

729
Referencias
Amuedo-Dorantes, C. y S. De la Rica (2007): “Labour market assimilation of recent immigrants in
Spain”. British Journal of Industrial Relations, 45(2), pp.257-284.

Bates, T. (1995): “Self-employment entry across industry groups”. Journal of Business Venturing,
10(2), pp.143-156.

Bodvarsson, O.B. y H. Van Den Berg (2009): “The economics of immigration. Theory and Policy”.
Dordrecht, New York, Springer.

Caparrós, A. y L. Navarro (2009a): “Contratación indefinida y segregación ocupacional según

nacionalidad: Andalucía frente al resto del mundo”. Investigaciones Regionales, nº14, pp.81-106.

Caparrós, A. y L. Navarro (2009b): “Capital humano de los inmigrantes: ¿Es transferible desde el
país de origen hacia España?”. En Roig Cotanda, J.M. y Vila Lladosa, L.E. (coord.). Investigaciones
de Economía de la Educación, nº4, pp. 627-638. Fundación Universidad-Empresa de Valencia,
ADEIT, Valencia.

Carrasco, R. y C. Ortega (2005): La inmigración en España: Características y efectos sobre la situación

laboral de los trabajadores nativos. Fundación Alternativas. Documento de trabajo nº80.

Cooper, A.; C.Y. Woo, F.J. Gimeno-Gascón (1994): “Initial Human and Financial Capital as Predictors
of New Venture Performance”. Journal of Business Venturing, 9(5), pp.351-395.

Cuadrado Roura, J.R. (coord.)(2004): Empleo autónomo y empleo asalariado. Subdirección General
de Publicaciones del Ministerio de Trabajo y Asuntos Sociales, Madrid.

Cuervo García, A., J.M. Pérez Díaz, M. Ripollés-Meliá, M.A. Sastre Castillo, D. Urbano Pulido, J.
Mª Valdaliso Gago (2005): La empresa y el espíritu emprendedor en los jóvenes. Secretaría General
Técnica del Ministerio de Educación y Ciencia, Madrid.

Delmar, F. y P. Davidsson (2000): “Where do they come from? Prevalence and Characteristics of
Nascent Entrepreneurs”. Entrepreneurship and Regional Development, nº12, pp.1-23.

De New, J. and K. Zimmermann (1994): “Native Wage Impacts of Foreign Labor: A Random Effects
Panel Analysis”. Journal of Population Economics, nº7, pp.177-192.

Domínguez Martín, R. (coord.) (2007): Inmigración: crecimiento económico e integración social.

Parlamento de Cantabria, Universidad de Cantabria, Santander.

Fernández, C. y C. Ortega (2008): “Labor market assimilation of immigrants in Spain: Employment

at the expense of bad job-matches?”. Spanish Economic Review, 10(2), pp.83-107.

García-Díez, MªM. y MªJ. Pérez-Villadó (2009): “Inmigración y autoempleo”. En Roig Cotanda,

J.M. y Vila Lladosa, L.E. (coord.). Investigaciones de Economía de la Educación, nº4, pp.655-663.
Fundación Universidad-Empresa de Valencia, ADEIT, Valencia.

730
Gil, F. y A. Domingo (2006): “La complementariedad de la actividad de españoles y extranjeros:
Análisis sectorial y diferencias territoriales”. Papers de Demografia, nº308, pp.1-12.

González Morales, O. (2008): “Análisis de las características que distinguen al trabajo por cuenta
propia del empleo asalariado”. En Neira Gómez y otros (coord.). Investigaciones de Economía de la
Educación, nº3, pp.329-336. Asociación de Economía de la Educación, Santiago de Compostela.

Heath, A. y S.Y. Cheung (2007): “The comparative study of ethnic minority disadvantage”. En
Heath, A. y Cheung, S.Y. (eds.). Unequal Chances. Ethnic Minorities in Western Labour Markets,
Oxford University Press, Oxford.

Heilbrunn, S., N. Kushnirovich y A. Zeltzer-Zubida (2010): “Barriers to immigrants´ integration

into the labor market: Modes and coping”. International Journal of Intercultural Relations, vol.34,
pp.244-252.

Herrarte Sánchez, A., E. Medina Moral y J. Vicens Otero (2007): “Cambios en la situación laboral
de la población española ante el incremento de la inmigración”. Ekonomiaz, nº66, pp.330-349.

Hisrisch, R.D. (1990): “Entrepreneurship/Intrapreneurship”. American Psychologist, 45(2), pp.209-

222.

Jaeger, D. (1996): “Degrees Matter: New Evidence on Sheepskin Effects in the Returns to Education”.
Review of Economics a Statistic, 78(4), pp.733-740.

Light, I. y Bhachu, P. (eds.) (2004): Inmigration and Entrepreneurship. Cultures, Capital and
Ethnic Networks. New Jersey, Transaction Publishers.

Massey, D.S., J. Arango, H. Graeme, A. Kouaouci, A. Pellegrino, J.E. Taylor (1993): “Theories of
international migration: A review and appraisal”. Population and Development Review, 19(3),
pp.431-466.

McDougall, P., R. Robinson, A. de Nisi (1992): “Modeling New Venture Performance: An Analysis
of New Venture Strategy, Industry Structure and Venture Origin”. Journal of Business Venturing,
7(4), pp.267-289.

Reyneri, E. (2006): “De la economía sumergida a la devaluación profesional: Nivel educativo

e inserción en el mercado de trabajo de los inmigrantes en Italia”. REIS: Revista Española de
Investigaciones Sociológicas, nº16, pp.213-240.

Reynolds, P. (1997): “Who starts new firms? Preliminary explorations of firms-in-gestation”. Small
Business Economics, nº9, pp.449-462.

Ritsila, J. y H. Tervo (2002): “Effects of unemployment on new firm formation: Micro-level panel
data evidence from Finland”. Small Business Economics, nº19, pp.31-40.

Sandberg, W.R. y C.W. Hofer (1982): “A Strategic Management Perspective on the Determinants of

731
New Venture Success”. En Vesper, K (Eds), Frontiers of Entrepreneurship Research, Babson College,
Wellesley, pp.204-37.

Setién Santamaría, Mª L. y M. González Ferreras (coord.) (2005): Diversidad migratoria: distintos

protagonistas, diferentes contextos. Universidad de Deusto, Bilbao.

Storey, D.J. (1994): Understanding the Small Business Sector. London, Routledge.

Stuart, R.W. y P.A. Abetti (1987): “Star-up Ventures: Towards the Prediction of Initial Success”.
Journal of Business Venturing, 2(1), pp.215-230.

Veciana, J.M. (2005): La creación de empresas. Un enfoque gerencial. Colección Estudios

Económicos, Servicios de Estudios La Caixa, Barcelona.

732
Anexo 1

Tablas de contingencia entre las variables de la población extranjera (Microdatos EPA, 2009)
Extranjeros Situación profesional Estudios
Estudios propia ajena Analf/prim ESO FP bach univ
Analfabetos/primarios 20,2 26,8
ESO 14,9 17,4
FP 17,5 12,4
Bachillerato 21,1 27,8
Universitarios 26,3 15,6
Actividad económica
Agricultura, silv. 2,6 7,7 11,9 5,2 10,3 5,2 2,7
Industria 13,2 14,3 14,3 14,5 15,8 12,7 14,9
Construcción 12,3 23,1 28,9 23,8 20,5 21,9 10,6
Comercio, hostelería 37,7 20,6 17,0 25,4 16,4 27,5 23,9
Transportes 4,4 3,2 2,0 3,1 6,2 2,9 3,7
Otros servicios 29,8 31,1 25,9 28,0 30,8 29,7 44,1

733
Anexo 2

Tablas de contingencia entre las variables de la población española (Microdatos EPA, 2009)
Españoles Situación profesional Estudios
Estudios propia ajena Analf/prim ESO FP bach univ
Analfabetos/primarios 28,8 18,8
ESO 30,7 27,7
FP 14,5 18,9
Bachillerato 11,5 11,4
Universitarios 14,6 23,2
Actividad económica
Agricultura, silv. 15,9 3,7 14,0 7,1 2,7 2,8 1,2
Industria 11,1 19,3 17,6 21,5 23,1 15,5 9,8
Construcción 14,7 11,0 20,9 16,4 8,7 4,8 3,0
Comercio, hostelería 33,3 18,8 21,7 27,3 23,6 27,8 8,6
Transportes 6,2 5,1 5,5 6,0 5,5 7,4 3,1
Otros servicios 18,9 42,0 20,3 21,6 36,3 41,9 74,3

734
Anexo 3

Gráfico 1. Diagrama conjunto de puntos de categorías (población extranjera)

735
Anexo 4

Gráfico 2. Diagrama conjunto de puntos de categorías (población española)

736
2. La sobrecualificación y el desajuste educativo de los titulados ¿es una
cuestión de género?

Esperanza Gracia Exposito, Universidad Complutense de Madrid

Mª Covadonga De la Iglesia Villasol, Universidad Complutense de Madrid

737
La sobrecualificación y el desajuste educativo de los titulados ¿es una
cuestión de género?

Esperanza Gracia Exposito, Universidad Complutense de Madrid

Mª Covadonga De la Iglesia Villasol, Universidad Complutense de Madrid

Resumen
Este trabajo explora la sobrecualificación entre los titulados universitarios madrileños, haciendo
hincapié en las posibles asimetrías por género. El estudio estadístico se ha realizado utilizando la
información recabada de una encuesta de Inserción Laboral realizada en 2008 entre los titulados
de la Universidad Complutense de Madrid, a partir de una muestra aleatoria estratificada por
titulaciones y sexo, de 919 egresados. La población estudiada abarca 18 de las principales
titulaciones de la UCM, y el censo poblacional corresponde a la totalidad de los licenciados en el
curso académico 2001/02, encuestados cinco años después de finalizar sus estudios. La encuesta
de Inserción laboral se ha inspirado en el cuestionario de la ANECA, e incorpora otros aspectos
novedosos en lo que se refiere a perfiles socio-biográficos, valoración del proceso formativo
en competencias y habilidades, y al grado de satisfacción en el empleo. En particular, se ha
identificado un impacto notable del problema de la sobreeducación entre la muestra de egresados
analizados, que se reduce notablemente a lo largo del tiempo, entre el primer empleo significativo
que tienen una vez finalizados sus estudios universitarios y el actual, tras cinco años de ejercicio
profesional, con un claro diferencial en contra de la submuestra de mujeres y con tasas variables
por áreas de estudio y titulaciones.

Palabras clave: sobrecualificación, éxito profesional, satisfacción laboral, asimetrías por género.

1. Introducción, antecedentes y revisión de la literatura

Frente a la extensa variedad de estudios empíricos que tratan de caracterizar la posición de
las mujeres en los mercados de trabajo, son más escasos los que abordan conjuntamente aspectos
relacionados con la discriminación laboral por género, la implantación e incidencia de medidas
sobre conciliación laboral de los centros de trabajo o la adecuación de los niveles de educación
universitaria en el empleo de los egresados. Esta investigación indaga de una manera exploratoria
en varias dimensiones interdependientes del problema social de la sobreeducación, asociado con
una errónea demarcación de las tareas por puestos de trabajo y las deficiencias en la valoración
social de los grados de formación profesional especializada.
Como es bien sabido, la incorporación de pleno derecho de España a la Comunidad
Europea determinó la apertura de nuestra economía a mercados exteriores más dinámicos que el
nacional, fomentando cambios significativos en la distribución de su estructura salarial (véase
Abadíe, 1997), y favoreciendo un proceso de liberalización del mercado laboral, que aún no se ha
completado en lo que a la rebaja de las rigideces se refiere. No hay una consideración unánime
acerca de si los niveles superiores de educación están asociados a salarios más altos, según la
literatura específica en los estudios de sobreeducación. Sin embargo, parece constatado que los
trabajadores sobrecualificados obtienen salarios inferiores a los de sus colegas que se encuentran
adecuadamente cualificados para desempeñar el mismo puesto de trabajo, aunque sí disfrutan de
salarios superiores respecto de los que tienen una formación inferior a sus cometidos laborales,
como señalan, por ejemplo Hartog (2000) y Dolton y Silles (2001).
Estudios muy diversos han tratado de cuantificar y caracterizar el fenómeno de la

738
sobreeducación en España. Alba-Ramírez (1993) encuentra, a partir de una explotación de
la Encuesta de Condiciones de Vida y Trabajo de 1985, que el 17% de los trabajadores estaba
sobrecualificado, García-Serrano y Malo (1996) estiman que en 1991 cerca del 30% de los
trabajadores desempeñan empleos que requieren una cualificación inferior a la que poseen, cifra
que se asemeja a la estimada por García-Montalvo (1995) quien concluye que la sobrecualificación
afecta al 30% de los trabajadores con datos de la Encuesta de Población Activa en 1993. Con
relación al segmento de los titulados universitarios, los resultados de la Encuesta del proyecto
CHEERS240 muestran que el 29% de los graduados universitarios españoles está sobrecualificado,
cifra notablemente superior al promedio de los otros diez países europeos más Japón que participan
en dicho proyecto, para los que se registra un 19% en promedio de egresados sobrecualificados,
según el trabajo de Mora, García-Montalvo, y García-Aracil (2000).
El panorama descrito empeora recientemente, según los resultados del proyecto REFLEX241,
estimándose que la sobrecualificación afecta al 32% de nuestros graduados, frente a un promedio
del 12% del resto de los países de nuestro entorno participantes en el proyecto.
El retrato de la situación española resulta aún más crítica cuando los estudios se realizan
por género, constatándose que la sobreeducación afecta principalmente a las mujeres frente a sus
colegas varones, con una tasa diferencial que se amplía cuando la observación se centra en los
tramos salariales más altos de la estructura profesional (para más detalle, Rica y Dolado, 2008).
Como es bien sabido, todos los países registran diferencias salariales entre hombres y mujeres,
brecha que en el caso español se ha mostrado más persistente con el paso del tiempo, respecto de
los países europeos de nuestro entorno242. Además, como refleja la Encuesta Europea de Estructura
Salarial del año 2002 para la Unión Europea-15, el diferencial salarial por razón de sexo y por
hora promedio es más acusado cuanto mayor cualificación tienen las mujeres (véase Gardezábal y
Ugidos, 2005).
Señalar, como es obvio, que los datos aportados en este retrato previo no son estrictamente
comparables, dado que cada uno de los estudios a que se ha hecho referencia se ha realizado con
una metodología muy distinta y el momento temporal en el que se enmarcan determina, además,
una situación muy concreta del mercado laboral en el que se insertan los titulados con claras
diferencias entre países.

2. Metodología y caracterización de la muestra

El trabajo presenta un acercamiento exploratorio al problema social de la sobreeducación
en varias dimensiones interdependientes. La justificación del interés por este tema radica en
la necesaria conexión entre la formación universidad y los requerimientos del mercado laboral,
máxime cuando la Unión Europea se había marcado como objetivo de la enseñanza universitaria
en el horizonte de 2010 “aumentar la empleabilidad de los graduados universitarios”, tiempo
antes de que los analistas pronosticaran el azote de la actual crisis en las economías occidentales.
A este aspecto se añadiría la necesaria y pendiente revisión en España de la adecuación del
sistema educativo, en los grados medios y superiores de formación profesional, a las necesidades
del mercado de técnicos profesionales de cuadros intermedios, hecho que redefiniría, por ende,
el catálogo de profesiones y empleos en los que la educación superior sería requisito para su
acceso.
La información estadística que se utiliza en este trabajo proviene de la encuesta sobre
Inserción Laboral de los graduados de la UCM (a partir de ahora ILGUCM2008), elaborada para el
240 Career alter Higher Education: a European Research Study.
241 El profesional flexible en la Sociedad del Conocimiento.
242 Véase Simón, Ramos y Sanromá (2008).

739
informe de Evaluación de Políticas Educativas para promover la empleabilidad de los universitarios243,
y que aporta información exhaustiva sobre la transición hacia el mercado laboral de los estudiantes
que se graduaron en el curso 2001/2002. La encuesta permite comparar dos períodos de tiempo
significativos, una vez finalizados los estudios y cinco años después de la inserción laboral, siendo
el intervalo temporal de recogida de la información de octubre de 2007 a julio de 2008. Así, se ha
explorado el problema de la sobreeducación en ambos espacios temporales, al inicio de la carrera
profesional con el primer empleo significativo una vez finalizados los estudios universitarios y el
momento actual o de recogida de la información en el puesto de trabajo desempeñado.
Como ya se ha señalado, el cuestionario utilizado en la encuesta ILGUCM2008 se basa en
el del estudio de la ANECA 2003-04, que aportaba un panorama completo de la situación laboral
de los universitarios desde tres ópticas distintas y necesariamente complementarias, a partir de
cuestionarios específicos244 para cada colectivo analizado: los estudiantes, los egresados y los
responsables de los departamentos de recursos humanos de las empresas, y que se centraba en un
tamaño muestral de 7286 encuestados para la población de graduados en el curso 2000/01.
En el trabajo que se presenta, la población analizada correspondió a la totalidad de los
licenciados en el curso académico 2001/2002 en las 18 principales titulaciones que se imparten
en la UCM, correspondientes a cuatro áreas universitarias: Ciencias Experimentales, Ciencias
de la Salud, Humanidades y Ciencias Sociales, con un censo constituido por 6602 titulados
universitarios, que representaban el 78,4% del total de egresados245 en dicho curso académico,
tanto en licenciaturas completas como en las de 2º ciclo. El tamaño muestral analizado es de 919
egresados con un nivel de confianza de 95%, y un error máximo admisible del ±3%, obtenido por
un procedimiento aleatorio simple tanto sobre el total de la población como en las segmentaciones
por sexo y por estudios realizados.
Como un primer retrato de la muestra analizada246, cabe destacar que las carreras que tuvieron
una mayor proporción de egresados fueron Periodismo, con el 10,03% del total de licenciados,
Administración y Dirección de Empresas con el 8,38%, Políticas con un 8,27%, Psicología con
un 7,62% y Sociología con un 7,07%. Las titulaciones con un menor peso en la distribución de
los licenciados del año 2002 son Filología Hispánica, Bellas Artes, Filología Inglesa, Derecho y
Pedagogía, todas ellas con porcentajes inferiores al 4% muestral. Destacar también que el 67,03%
del total de los graduados son mujeres, porcentaje que no está distribuido uniformemente por
titulaciones, pues mientras que en Economía, Historia y Administración y Dirección de Empresas
el porcentaje de varones es ligeramente superior al de mujeres (con el 55,36%, 51,92% y 50,65%,
respectivamente), la cota inferior de presencia de varones se registra en Pedagogía, donde solo el
11,11% de los egresados lo son, seguida de Psicología con 14,29%, Farmacia e Historia del Arte,
con porcentajes en torno al 19%, tal como se muestra en la tabla 1A del anexo.

2.1. Análisis descriptivo de las sobreeducación.

En este apartado se exploran algunas dimensiones del problema de la sobreeducación en
el puesto de trabajo. Como ya se ha indicado, la encuesta permite tratar el panel de egresados
en dos períodos de tiempo, tras finalizar los estudios en 2002 e iniciar su carrera profesional, y 5
años después de dicho hecho, cuando aportan una experiencia profesional consolidada y diversa,
y muchos de ellos han realizado una formación específica adicional. Además, la encuesta aporta
243 Proyecto de Investigación financiado por el Programa de Investigación del Instituto de Estudios Fiscales.
244 La complementariedad de las preguntas permite contrastar las valoraciones de unos colectivos con las de los
otros.
245 Este porcentaje representa el 83,8% si sólo se tienen en cuenta las Licenciaturas completas, de 1er y 2º ciclos.
246 Para una visión más completa véase Iriondo (coord.), Gallego, Grandal, Gracia, Iglesia (2009).

740
una doble vía de información que permite abordar el fenómeno de la sobrecualificación tanto a
partir del estudio de la distribución del empleo por ocupaciones, como a partir de las respuestas
personales directas del egresado sobre su percepción acerca de la adecuación del empleo que
desempeña a su nivel de estudios.
Como ya se ha señalado en la introducción, la literatura sobre el tema para España ha
caracterizado la incidencia de la sobrecualificación como relativamente alta en comparación con
los países de nuestro entorno, y este problema se ha podido acentuar en las últimas décadas dado
el fuerte crecimiento de la población con estudios universitarios. Este fenómeno tendría su origen
en el desajuste producido a medida que la oferta de trabajo cualificado haya crecido por encima
de la demanda, hecho que llevaría a que una parte de los universitarios se haya visto conducida
a trabajar en empleos que no requieren el nivel de formación que aportan.
En este sentido, la tabla 2A del anexo aporta la distribución del empleo por ocupaciones.
Se puede comprobar que el 75,8% de los licenciados trabajan en puestos acordes con su formación,
es decir, de Directivos, Técnicos y Profesionales, o Técnicos y Profesionales de Apoyo. El 13,9%
de los graduados trabaja en puestos Administrativos y el 10,2% restante en empleos de baja
cualificación. En cuanto a la asimetría por sexo, si bien no se aporta la información estadística al
respecto y que se puede consultar en Iriondo y otros (2009), la incidencia del desajuste educativo,
según la catalogación del empleo actual, es algo superior en las mujeres que en los varones,
explicable quizás por el mayor peso específico de los empleos Administrativos en las féminas,
con un diferencial de más de 7 puntos porcentuales, si bien en los empleos de baja cualificación
el porcentaje de varones es algo mayor, con un punto porcentual de diferencia. Es destacable
también, la reducción en 20 puntos porcentuales de la incidencia de la sobrecualificación entre el
primer empleo y el empleo actual, mejora en las tasas de desajuste que ha beneficiado de forma
similar a los hombres y a las mujeres.
Como pone de manifiesto el gráfico 1 que se muestra a continuación, en cuanto a la
adecuación del empleo al nivel de estudios del egresado, el resultado es muy desigual por
titulaciones. Así, mientras que en algunos casos, como Biología, Pedagogía, Farmacia, Medicina
y Psicología, más del 80% de los graduados trabaja en puestos de Directivos, Profesionales y
Técnicos y Profesionales de Apoyo, en otras titulaciones como en Filología Inglesa, Historia del
Arte y Derecho, menos del 60% de los egresados trabaja en dichas ocupaciones. Este resultado, si
bien ha mejorado sensiblemente con el paso del tiempo247, cinco/seis años después de terminar la
carrera, todavía más del 45% de los graduados de las tres últimas licenciaturas señaladas afirma
que el nivel educativo que requiere su puesto de trabajo es inferior al nivel de su titulación.

247 Para un mayor detalle de estos aspectos véase Iriondo, I. y otros (2009).

741
 Gráfico 1. Distribución del empleo actual por ocupaciones y titulaciones

Una segunda vía disponible para aproximarse al estudio del desajuste educativo, que será
 
la utilizada en la parte exploratoria de este trabajo, proviene de las respuestas directas de los
egresados sobre su percepción personal acerca de la adecuación del empleo que desempeña a su
nivel de estudios, permitiendo la encuesta analizar dicha adecuación al puesto de trabajo en dos
períodos de tiempo, en el primer empleo significativo que se ha tenido tras finalizar los estudios
universitarios y en el momento actual, cuando han transcurrido 5 años. Como pone de manifies-
to la tabla 1, por lo que respecta al primer empleo significativo, el 39,8% de egresados se ubica
en el item correspondiente a un nivel educativo requerido en su empleo “inferior al que tenía”,
indicando así subjetivamente la existencia de sobreeducación, siendo mayor este porcentaje en-
tre los egresados varones, con 5,5 puntos porcentuales por encima de sus compañeras (43,48%
vs 37,98%), con una alta disparidad por titulaciones. En el empleo actual, y como es de esperar,
dicha percepción subjetiva se reduce considerablemente, de forma que el 25,1% de los graduados
cree que el nivel educativo que exige su puesto de trabajo actual es inferior a su formación248,
aceptando así estar sobreeducados, con una reducción de casi 15 puntos porcentuales respecto
al primer empleo significativo, resultando que el 70,6% de los graduados considera que el nivel
educativo que exige su puesto de trabajo es adecuado al nivel de su titulación. Además, esta per-
cepción subjetiva de la sobrecualificación es 6 puntos porcentuales superior en los hombres que
en las mujeres (29,26% vs 23,09%). Esta información se muestra con más detalle segmentada por
titulación y género en la tabla 3A del Anexo.

248 Solo el 4,27% restante de egresados cree que los requerimientos son superiores.

742
Tabla 1. Indicador de la percepción de sobreeducación en el primer empleo significativo y el
actual
Porcentaje Percepción de sobreeducación en el primer empleo significativo
Mujeres Varones Total
Superior Adecuado al Inferior Superior Adecuado Inferior Superior Adecuado Inferior
al que que tenía al que al que al que al que al que al que al que
tenía tenía tenía tenía tenía tenía tenía tenía
2,8 59,2 38,0 2,0 54,5 43,5 2,5 57,6 39,8
Porcentaje Percepción de sobreeducación en el empleo actual
Mujeres Varones Total
Superior Adecuado al Inferior Superior Adecuado Inferior Superior Adecuado Inferior
al que que tiene al que al que al que al que al que al que al que
tiene tiene tiene tiene tiene tiene tiene tiene
3,82 73,09 23,09 5,19 65,56 29,26 4,27 70,61 25,12
Nuevamente el panorama por titulaciones es muy desigual, y mientras que en Farmacia,
Medicina, Administración y Dirección de Empresas y Economía, menos del 15% de los graduados
declara que desempeña un empleo que requiere un nivel de estudios inferior, en Filología Inglesa,
Historia, Historia del Arte y Derecho, la proporción de sobrecualificados supera el 30%, mostrando
tasas de desajuste socialmente difíciles de aceptar. Véase para un mayor detalle la tabla 3A del
anexo.
Para completar el análisis descriptivo en el que se enmarca el estudio realizado de la
sobrecualificación, cabe profundizar en dos aspectos adicionales del empleo actual de los egresados,
como son la satisfacción que muestran con el mismo y su prioridad respecto de ciertas dimensiones
de la vida profesional (véase la tabla 4A del anexo). La encuesta desagrega la satisfacción que
proporciona a un titulado el trabajo actual que desempeña en una serie de ítems valorados de 1
a 5, según que el egresado esté muy insatisfecho o muy satisfecho. En general, para los titulados
analizados la mayor satisfacción en media la muestran en las “relaciones con sus compañeros y
superiores” (4,1) seguido del “tipo de trabajo” (3,8), y “la distancia y comunicaciones con el trabajo”
y la “estabilidad en el mismo” (3,6), mientras que el “salario y las posibilidades que perciben de
hacer carrera profesional” (con medias de 3,11 y 3,29 respectivamente) son los aspectos menos
valorados. Los egresados varones en media están más satisfechos que sus compañeras mujeres con
el salario percibido, la estabilidad en el empleo, la posibilidad de hacer carrera profesional, las horas
trabajadas y la flexibilidad horaria, mientras que la valoración de las mujeres es mayor con el tipo
de trabajo realizado, las relaciones con sus compañeros y superiores y la distancia al trabajo y las
comunicaciones. En cuanto a las prioridades que los egresados muestran en el entorno profesional,
se estructura sobre la importancia que asignan en su empleo actual a determinados conceptos,
valorados igualmente de 1 a 5, sin que se observe un patrón específico por sexos. Los aspectos más
esgrimidos son “ganar dinero”, con el 23,2% de respuestas, seguido del “deseo de afrontar nuevos
retos” (15,0%), “subir de categoría profesional” (14,6%) y “tener un trabajo más acorde con su
formación” (13,4%). Entre los elementos menos valorados se declara “montar su propia empresa”
(3,5%), la “proximidad geográfica” (2,08%) o las “malas relaciones con los jefes y/o compañeros”
(0,48%).
Los estadísticos descriptivos básicos de las variables utilizadas en el análisis exploratorio, se
muestran en las tablas 4A y 5A del anexo, para el total de la muestra y segmentado por género y
por estudios cursados.
Por último, señalar que el 48,1% de los egresados declaran que en ese intervalo temporal
de 5 años transcurridos desde finalizados sus estudios universitarios han realizado una formación
adicional de 40 horas o más, porcentaje que es ligeramente inferior en las mujeres (47,8%) que entre

743
los varones (48,7%). Por tanto, algo más de la mitad de los titulados tendrían un nivel de formación
adquirido en sus estudios universitarios tal que les permitiría llevar a cabo adecuadamente sus
obligaciones profesionales sin tener que acceder a un nivel de aprendizaje adicional al cursado
en sus curricula académicos. Respecto al tipo de cursos realizados después de acabar la carrera,
el Master es el más seguido (43,3%), y el Doctorado el menos con solo el 26% del total, con un
claro perfil diferenciado por sexos, pues mientras que en las mujeres dominan los cursos de Master
(47,6%) frente a sus compañeros varones (34,9%), éstos están más dispuestos que las mujeres a
cursar títulos de experto, 8,3 puntos por encima de ellas, y a cursar un doctorado, 4,4 puntos por
encima. Esta información se presenta en la tabla 2A del anexo ya citada.

3. Estimación de un modelo exploratorio de la sobreeducación

El análisis descriptivo que se ha realizado previamente, complementado con los histogramas
que recogen las frecuencias simples y cruzadas para distintas variables y segmentaciones, avanza
algunas de las hipótesis que se han contrastado econométricamente. La estrategia de especificación
seguida ha consistido en analizar la percepción de sobreeducación para el total muestral y para
las submuestras por género, con el fin de confirmar posibles comportamientos asimétricos ya
observados. Las estimaciones que se presentan son consistentes a heterocedasticidad, dada la
dimensión de sección cruzada de la muestra disponible. Para explorar las posibles asimetrías por
sexo en la estimación de la sobreeducación entre los titulados universitarios, se estimó el modelo
de manera separada para cada uno de los géneros si bien, aunque se detectaron algunas diferencias
en la significatividad de ciertos parámetros, el test de Chow de cambio estructural no detectó
diferencias significativas entre ambos sexos.
Como se puede observar en las estimaciones contenidas en la tabla 2, todos los atributos son
significativos, resultado que se mantiene en todas las pruebas realizadas.
La existencia de sobrecualificación en el empleo actual se percibe en mayor grado cuanto
menor es la nota de acceso a la Universidad y si el egresado no ha realizado formación de postgrado,
indicando así que los más formados son los que acceden a puestos que están más acordes con su grado
de formación. Incide también negativamente en dicha percepción individual de estar sobreeducado,
además, el salario mensual neto percibido en el empleo, así como la satisfacción mostrada tanto
con la posibilidad de hacer carrera profesional en la empresa actual como con el tipo de trabajo
que realiza en su empleo. Por el contrario, se contrasta una relación positiva de la percepción de
la sobreeducación con el tamaño de la empresa en la que se trabaja y la satisfacción por el número
de horas trabajadas. El signo positivo del coeficiente de la variable ocupación es consistente con la
propia definición de la misma en el cuestionario utilizado, que asigna valores mayores a medida que
se desciende en el organigrama de una empresa, de forma que confirmaría que cuanto más abajo
se encuentra el empleo en la escala del organigrama de la empresa el titulado percibe que está más
sobreeducado.
Como puede haber interacción entre algunos de las variables en las que se ha descompuesto
la satisfacción con el empleo actual, en concreto con el tipo de trabajo y la posibilidad de hacer
carrera profesional, en el modelo 2 se excluye ésta última de entre los regresores y se utiliza
como indicador el número de empleos significativos, hecho que refuerza los resultados previos ya
comentados en cuanto a signo en las relaciones, si bien aumenta la significatividad parcial de la
satisfacción por el tipo de trabajo y reduce la del tamaño de la empresa.

744
 Tabla 2. Estimaciones para la percepción de sobreeducacion.
Modelo 1 Modelo 2
Dummy sobreeducación
Coef. t Coef. t
Nota acceso universidad -6.7287 -2.25 -6.208616 -2.07
Dummy formación postgrado -.0701545 -2.60 -.0626925 -2.30
Tamaño empresa 4.075785 3.27 3.457174 2.75
Salario neto mensual -9.002617 -6.48 -9.879921 -7.31
Ocupación 1.173746 2.14 1.203034 2.17
Código estudios .2045507 2.95 .2066229 2.91
Satisfacción con el Tipo trabajo -14.12113 -9.00 -15.83145 -11.47
Satisfacción con la Posibilidad carrera -2.717845 -2.13
Satisfacción con Horas de trabajo 4.831557 4.18 4.755644 4.12
Número empleos significativos -2.264384 -2.25
Constante 25.26157 0.95 32.02272 1.19
R-squared 0.3011 0.3000
N 760 753

En la tabla 3 se presenta de nuevo el modelo 1, al que se ha hecho referencia previamente,

junto con una estimación, modelo 3, en la que se incluye la dummy de sexo que, a pesar de que el
análisis descriptivo apuntaba la existencia de un efecto sexo, no resultó significativa en ninguna de
las estimaciones realizadas.
El resto de los coeficientes estimados del modelo 3 mantienen su signo y significatividad en la
estimación, reforzando así los resultados previos ya comentados, si bien aumenta la significatividad
parcial del salario medio mensual y se reduce la de la satisfacción por el tipo de trabajo.

Tabla 3. Estimaciones para la percepción de sobreeducacion.

Modelo 1 Modelo 3
Dummy sobreeducación
Coef. t Coef. t
Nota acceso universidad -6.7287 -2.25 -6.093173 -2.02
Dummy sexo .0493993 1.65
Dummy formación postgrado -.0701545 -2.60 -.0700221 -2.60
Tamaño empresa 4.075785 3.27 3.928968 3.14
Salario neto mensual -9.002617 -6.48 -9.29344 -6.67
Ocupación 1.173746 2.14 1.225385 2.23
Código estudios .2045507 2.95 .2044879 2.95
Satisfacción con el Tipo trabajo -14.12113 -9.00 -13.90069 -8.77
Satisfacción con la Posibilidad carrera -2.717845 -2.13 -2.79081 -2.19
Satisfacción con Horas de trabajo 4.831557 4.18 4.78257 4.14
Constante 25.26157 0.95 23.50165 0.89
R-squared 0.3011 0.3038
N 760 760

745
4. Conclusiones
El análisis descriptivo se realiza a partir de una muestra aleatoria y estratificada por
titulaciones y sexo, de 919 egresados encuestados correspondiente a la información recabada en la
encuesta de Inserción Laboral entre los titulados de la Universidad Complutense de Madrid, para
18 de las principales titulaciones y correspondiente a la totalidad de los licenciados en el curso
académico 2001/02, y realizada en el 2008, una vez transcurridos cinco años desde la finalización
de sus estudios.
El análisis descriptivo ha identificado un impacto notable del problema de la sobreeducación
entre la muestra de egresados analizados que, como era de esperar, se ve reducido significativamente
a lo largo del tiempo, entre el primer empleo significativo que los egresados tienen una vez
finalizados sus estudios universitarios y el empelo actual, tras cinco años de ejercicio profesional,
con un diferencial en contra de la submuestra de mujeres y con una alta variabilidad según las áreas
de estudio y las titulaciones. Se dispone de dos indicadores de la existencia de sobreeducación,
uno a partir de la identificación del tipo de empleo que el egresado ejerce, y otro de la percepción
subjetiva del propio egresado de si “el empleo requiere/requería un nivel educativo mayor, adecuado
o inferior al que el egresado tiene/tenía”, según el momento temporal al que haga referencia la
pregunta.
En cuanto a la especificación econométrica que se presenta para abordar la existencia de
sobrecualificación en el empleo actual a partir del indicador subjetivo, los resultados apuntan que la
sobreeducación se percibe en mayor grado cuanto menor es la nota de acceso a la Universidad249 y si
el egresado no ha realizado formación de postgrado, indicando así que los titulados con una mayor
formación adicional son los que en general acceden a puestos de trabajo que están más acordes con
su grado de formación. Además, el salario mensual neto en el empleo incide también negativamente
en dicha percepción individual de estar sobreeducado, así como la satisfacción mostrada tanto con
la posibilidad de hacer carrera profesional en la empresa actual como con el tipo de trabajo que
realiza en su empleo. Por el contrario, se contrasta una relación positiva de la percepción de la
sobreeducación con el tamaño de la empresa en la que se trabaja y la satisfacción por el número
de horas trabajadas. Por último, el signo positivo del coeficiente de la variable ocupación, dada
la definición de la misma, muestra que cuanto más abajo se encuentra el empleo que ocupa el
egresado en la escala del organigrama de la empresa, más intensamente se percibe el fenómeno de
la sobreeducación.

Referencias
Abadíe, A. (1997): “Changes in Spanish Labor Income Structure During the 1980´s: a Quantile
Regression pproach” Investigaciones Económicas, vol. XXI(2), pp. 253-272.

Alba-Ramírez, A. (1993): “Mismatch in the Spanish Labor Market. Overeducation?”. Journal of

Human Resources, 18 (2), pág. 259-278.

Bryant, M. L.(2007): “Workers, Worksplaces and Working Houres”. British Journal of Industrial
Relations, December, pp. 735-759.

Cabo Serrano, G. y M.J. Garzón (2007): Diferencia y discriminación laboral por sexo, Institutode la
Mujer, Ministerio de Trabajo y Asuntos Sociales, Madrid.

249 De hecho la nota de acceso es significativamente mayor en las mujeres, 1,83 versus 1,74.

746
Dolton, P. y M. Silles (2001): “Over-education in the Graduate Labor Market: Some Evidence from
Alumni Data”. Centre for the Economics of Education, Discussion Paper Series, 9.

EQUAL (2006): Analysis of EQUAL 2nd Round Gender Equality, Informe de la Comisión Europea.

García-Serrano, C., y Miguel A. Malo (1996): “Desajuste educativo y movilidad laboral en España”.
Revista de Economía Aplicada, No. 11 (vol. IV), p.p. 105-131.

García-Montalvo, J. et al. (2003): Capital Humano, Observatorio de la Inserción Laboral de los Jóvenes:
1996-2002, Bancaja, Valencia.

Gardezábal, J. y A. Ugidos (2005): “Gender Wage Discrimination at Quantiles”. Journal of Population

Economics, 18, pp. 165-179.

Hartog, J. (2000): “Over-Education and Earnings: Where Are We, Where Should We Go”. Economics
of Education Review 19, pp. 131-147.

Iriondo (coord.), Gallego, Grandal, Gracia, Iglesia (2009): Inserción Profesional de las principales
licenciaturas de la UCM. Informe 2008. Ed. Ecobook

Mora, J.G., García-Montalvo, J. y A. García-Aracil (2000): “Higher Education and Graduate Employment
in Spain”. European Journal of Education, vol. 35, nº 2, pp. 229-237.

Rica, S. y J. Dolado (2008): “Ceiling or Floors? Gender Wage Gaps by Education in Spain”. Journal of
Population Economics, 21, pp. 751-776.

Simón, H. J., R.Ramos Lobo, y E. Sanromá (2008): “Evolución de las diferencia salariales por razón
de sexo”. Revista de Economía Aplicada, nº 48, vol. XVI, pp. 37- 68.

747
Anexo

Tabla 1A. Distribución alumnos por estudios y género

Estudios Total muestra Mujeres Varones

N % N % N %
Biologia 42 4,57 28 4,55 14 4,62
Bellas artes 32 3,48 24 3,90 8 2,64
Fil. hispanica 30 3,26 24 3,90 6 1,98
Fil. inglesa 33 3,59 25 4,06 8 2,64
Historia 52 5,66 25 4,06 27 8,91
Historia arte 51 5,55 41 6,66 10 3,30
Pedagogia 36 3,92 32 5,19 4 1,32
Farmacia 47 5,11 38 6,17 9 2,97
Medicina 42 4,57 28 4,55 14 4,62
Adm. Dir. Empr. 77 8,38 38 6,17 39 12,87
Com. Audiov. 36 3,92 23 3,73 13 4,29
Derecho 33 3,59 21 3,41 12 3,96
Economia 56 6,09 25 4,06 31 10,23
Periodismo 94 10,23 61 9,90 33 10,89
Politicas Adm. 76 8,27 45 7,31 31 10,23
Psicologia 70 7,62 60 9,74 10 3,30
Public. RRPP. 47 5,11 33 5,36 14 4,62
Sociologia 65 7,07 45 7,31 20 6,60
Total 919 100 616 100 303 100

748
Tabla 2A. Indicador directo de sobreeducación, por sexo, en el empleo actual: Según distribución
del empleo por ocupaciones y titulaciones, y submuestra que ha realizado cursos de formación
Han realizado formación posterior, de 40 horas o mas
Empleo actual (%)
Total Mujeres Varones
Direct,
Baja
profes, Admis. N % N % N %
cualif
tecnic
Biologia 85,7 2,9 11,4 23 54.76 16 69.57 7 30.43
Bellas artes 76,0 8,0 16,0 10 31.25 9 90.00 1 10.00
Fil. hispanica 73,9 8,7 17,4 12 42.86 9 75.00 3 25.00
Fil. inglesa 50,0 37,5 12,5 11 33.33 7 63.64 4 36.36
Historia 71,8 5,1 23,1 26 50.98 12 46.15 14 53.85
Historia arte 55,6 22,2 22,2 25 49.02 22 88.00 3 12.00
Pedagogia 81,5 18,5 0 14 38.89 11 78.57 3 21.43
Farmacia 86,4 2,3 11,4 32 68.09 26 81.25 6 18.75
Medicina 100 0 0 32 76.19 19 59.38 13 40.63
Adm. Dir. Empr. 78,9 16,9 4,2 22 29.33 10 45.45 12 54.55
Com. Audiov. 76,9 11,5 11,5 13 38.24 10 76.92 3 23.08
Derecho 57,7 23,1 19,2 13 39.39 6 46.15 7 53.85
Economia 78,3 13,0 8,7 22 40.00 8 36.36 14 63.64
Periodismo 77,8 11,1 11,1 41 43.62 28 68.29 13 31.71
Politicas y Adm. 70,3 26,6 3,1 38 50.67 25 65.79 13 34.21
Psicologia 83,9 8,1 8,1 42 61.76 34 80.95 8 19.05
Public. RRPP. 73,0 13,5 13,5 17 36.96 10 58.82 7 41.18
Sociologia 68,4 22,8 8,8 42 66.67 28 66.67 14 33.33
Total 75,8 13,9 10,2 435 48.07 290 66.67 145 33.33

749
 750
Tabla 3A. Indicador subjetivo de sobreeducación, por sexo, en el primer empleo significativo y el actual:
El empleo requeria un nivel educativo respecto al que tenía
Primer empleo significativo Empleo actual
Total muestral Inferior Total muestral INFERIOR
Superior Adecuado Inferior Mujeres Varones Superior Adecuado Inferior Mujeres Varones
N % N % N % N % N % N % N % N % N % N %
Biologia 0 0.00 24 57.14 18 42.86 8 44.44 10 55.56 0 0.00 27 71.05 11 28.95 5 45.45 6 54.55
Bellas artes 1 3.33 15 50.00 14 46.67 8 57.14 6 42.86 3 11.11 17 62.96 7 25.93 3 42.86 4 57.14
Fil. hispanica 1 3.45 15 51.72 13 44.83 11 84.62 2 15.38 0 0.00 20 74.07 7 25.93 6 85.71 1 14.29
Fil. inglesa 1 3.03 15 45.45 17 51.52 12 70.59 5 29.41 2 7.14 11 39.29 15 53.57 10 66.67 5 33.33
Historia 0 0.00 20 40.82 29 59.18 15 51.72 14 48.28 1 2.50 25 62.50 14 35.00 5 35.71 9 64.29
Historia arte 1 1.96 25 49.02 25 49.02 19 76.00 6 24.00 1 2.27 23 52.27 20 45.45 13 65.00 7 35.00
Pedagogia 2 5.56 20 55.56 14 38.89 10 71.43 4 28.57 2 6.06 19 57.58 12 36.36 9 75.00 3 25.00
Farmacia 1 2.13 40 85.11 6 12.77 6 100. 0 0.00 1 2.27 40 90.91 3 6.82 3 100. 0 0.00
Medicina 4 9.52 37 88.10 1 2.38 0 0.00 1 100. 2 5.00 38 95.00 0 0.00 0 0 0 0
Adm. Dir. Empr. 2 2.63 44 57.89 30 39.47 16 53.33 14 46.67 3 4.11 60 82.19 10 13.70 6 60.00 4 40.00
Com audiov 0 0.00 16 47.06 18 52.94 12 66.67 6 33.33 2 7.14 17 60.71 9 32.14 7 77.78 2 22.22
Derecho 2 6.25 14 43.75 16 50.00 11 68.75 5 31.25 1 3.57 15 53.57 12 42.86 9 75.00 3 25.00
Economia 3 5.45 37 67.27 15 27.27 4 26.67 11 73.33 4 8.16 39 79.59 6 12.24 1 16.67 5 83.33
Periodismo 2 2.15 65 69.89 26 27.96 15 57.69 11 42.31 4 4.44 66 73.33 20 22.22 12 60.00 8 40.00
Politicas y ADM. 2 2.70 29 39.19 43 58.11 27 62.79 16 37.21 3 4.48 44 65.67 20 29.85 9 45.00 11 55.00
Psicologia 1 1.45 42 60.87 26 37.68 18 69.23 8 30.77 2 3.13 51 79.69 11 17.19 7 63.64 4 36.36
Public. RRPP 0 0.00 27 58.70 19 41.30 12 63.16 7 36.84 3 7.50 26 65.00 11 27.50 7 63.64 4 36.36
Sociologia 0 0.00 35 54.69 29 45.31 25 86.21 4 13.79 1 1.67 41 68.33 18 30.00 15 83.33 3 16.67
20 12
Total 23 2.55 520 57.65 359 39.80 229 63.79 130 36.21 35 4.27 579 70.61 25.12 61.65 79 38.35
6 7
Tabla 4A. Descriptivos segmentados por sexo
Definición de la variable Media N Media N
(rango valores) M V M V total Total
Dificultad conciliar percibida (1-5) 3,12 2,99 553 269 3,08 822
Satisfacción global con empleo 3,66 3,60 552 270 3,64 822
Dummy sobreeducación en empleo actual (100- 23,09 29,26 550 270 25,12 820
0)
Dummy sobreeducación en primer empleo 37,98 43,48 603 299 39,80 902
(100-0)
Nota acceso a la universidad (1-3) 1,83 1,74 606 294 1,80 900
Nota media expediente estudios universitarios 1,70 1,67 616 303 1,69 919
(1-3)
Salario mensual neto (1-6) 3,40 3,68 549 269 3,49 818
Número empleos significativos (1-6 o más) 2,50 2,46 598 298 2,49 896
Tamaño de la empresa (1- 5(más de 250 3,98 4,17 548 266 4,04 814
empleados))
Satisfacción salario empleo actual (1-5) 3,07 3,18 556 272 3,11 828
Satisfacción estabilidad empleo actual (1-5) 3,51 3,67 556 272 3,56 828
Satisfacción tipo trabajo empleo actual (1-5) 3,82 3,71 554 272 3,78 826
Satisfacción carrera profesional empleo actual 3,26 3,35 553 271 3,29 824
(1-5)
Satisfacción relaciones empleo actual (1-5) 4,11 4,01 553 272 4,08 825
Satisfacción horas trabajo empleo actual (1-5) 3,41 3,47 555 272 3,43 827
Satisfacción flexibilidad horario empleo actual 3,47 3,71 555 269 3,55 824
(1-5)
Satisfacción comunicaciones empleo actual (1- 3,66 3,45 552 271 3,59 823
5)
Satisfacción global empleo 3,66 3,60 552 270 3,64 822
Importancia salario (1-5) 4,03 4,01 582 279 4,03 861
Importancia estabilidad (1-5) 4,31 4,18 582 279 4,27 861
Importancia carrera profesional (1-5) 4,01 3,98 579 278 4,00 857
Importancia prestigio empresa (1-5) 3,49 3,36 578 278 3,45 856
Importancia trabajar menos horas (1-5) 3,48 3,47 581 277 3,48 858
Importancia flexibilidad horaria(1-5) 4,12 3,88 582 276 4,04 858
Dummy plan conciliación empresa (100-0) 28,13 24,62 544 260 26,99 804
Dummy dispuesto reducción jornada y salario 61,28 46,15 545 260 56,40 805
(100-0)
Dummy formación complementaria (100-0) 47,78 48,66 607 298 48,07 905
Dummy Jornada continua (100-0) 48,24 58,87 541 265 51,74 806
Dummy cuidado personas dependientes (100-0) 11,79 10,47 602 296 11,36 898

751
 752
Tabla 5A. Descriptivos desagregados por tipo de estudios
estudiosr sexod N nacce1 nmean1 c62rd c32rd c61 c72 c142 c119d c145d c143d c33d c38r
Sobre Sobre Reduc.
Satisfac. Plan Formc.
Nota Nota educ educ Salario Jornada Jornada
% global Dificul Concil Adicc Movilid
N acceso expediente trabajo primer (media) continua Sueldo
V empleo conciliar (%) (%) (media)
(media) (media) actual trabajo (%) (%)
(media)
(%) (%)
BIOLOGIA 33,33 42 1,97 1,63 28,95 42,86 3,03 3,59 2,92 62,16 71,05 28,95 54,76 2,10
BELLAS ARTES 25,00 32 1,53 1,94 25,93 46,67 2,78 3,30 3,08 53,85 36,00 8,00 31,25 2,93
FIL HISPANICA 20,00 30 1,49 1,81 25,93 44,83 2,96 3,85 2,33 60,00 52,00 20,83 42,86 2,24
FIL INGLESA 24,24 33 1,68 1,66 53,57 51,52 2,82 3,31 2,71 46,43 55,56 28,57 33,33 2,12
HISTORIA 51,92 52 1,73 1,79 35,00 59,18 2,83 3,44 2,97 66,67 60,53 21,62 50,98 2,63
HISTORIA ARTE 19,61 51 1,76 1,81 45,45 49,02 2,95 3,48 3,10 55,81 66,67 22,50 49,02 2,69
PEDAGOGIA 11,11 36 1,74 1,87 36,36 38,89 3,21 3,68 3,26 24,24 67,65 35,29 38,89 2,44
FARMACIA 19,15 47 1,99 1,70 6,82 12,77 3,95 4,00 3,04 79,07 62,22 37,78 68,09 2,34
MEDICINA 33,33 42 2,40 2,00 0,00 2,38 5,03 3,78 3,28 91,89 71,79 15,38 76,19 1,85
ADM DIR EMPR 50,65 77 1,79 1,45 13,70 39,47 4,04 3,66 3,38 48,61 49,32 29,73 29,33 2,32
COM AUDIOV 36,11 36 1,97 1,65 32,14 52,94 3,85 3,61 3,55 29,63 51,85 21,43 38,24 2,73
DERECHO 36,36 33 1,57 1,67 42,86 50,00 3,48 3,52 3,17 64,29 55,56 51,72 39,39 1,75
ECONOMIA 55,36 56 1,65 1,45 12,24 27,27 3,98 3,76 3,14 58,00 53,06 40,82 40,00 2,56
PERIODISMO 35,11 94 2,10 1,77 22,22 27,96 3,41 3,68 3,12 42,22 53,33 17,05 43,62 2,93
POLITICAS ADM 40,79 76 1,65 1,58 29,85 58,11 3,38 3,66 2,63 45,45 51,56 31,75 50,67 2,45
PSICOLOGIA 14,29 70 1,78 1,72 17,19 37,68 3,28 3,65 2,89 49,21 53,13 25,40 61,76 2,60
PUBLIC RRPP 29,79 47 1,85 1,59 27,50 41,30 3,49 3,53 3,49 28,95 55,26 25,64 36,96 2,64
SOCIOLOGIA 30,77 65 1,46 1,68 30,00 45,31 3,52 3,72 3,20 42,62 55,00 24,59 66,67 2,64
TOTAL 32,97 919 1,80 1,69 25,12 39,80 3,49 3,64 3,08 51,74 56,40 26,99 48,07 2,49
Tabla 6A. Nota media de acceso, nota del expediente académico en la licenciatura y variación, por
sexo

TOTAL MUJERES VARONES

Nota Nota Nota Nota Nota Nota
variación variación variación
acceso expediente acceso expediente acceso expediente

BIOLOGIA 1,97 1,63 -0,35 2,0 1,7 -0,3 1,8 1,5 -0,4

BELLAS
1,53 1,94 0,44 1,6 1,9 0,3 1,3 2,0 0,7
ARTES

FIL
1,49 1,81 0,33 1,5 1,8 0,3 1,6 1,9 0,3
HISPANICA

FIL INGLESA 1,68 1,66 -0,02 1,7 1,7 0,0 1,6 1,5 -0,2

HISTORIA 1,73 1,79 0,07 1,8 1,8 -0,0 1,6 1,8 0,2

HISTORIA
1,76 1,81 0,05 1,8 1,8 -0,0 1,6 2,0 0,4
ARTE

PEDAGOGIA 1,74 1,86 0,13 1,7 1,9 0,1 1,6 1,8 0,1

FARMACIA 1,99 1,70 -0,28 2,0 1,7 -0,3 1,9 1,6 -0,2

MEDICINA 2,40 2,00 -0,40 2,4 2,0 -0,4 2,4 2,0 -0,4

ADM DIR
1,79 1,45 -0,34 1,8 1,4 -0,4 1,8 1,5 -0,3
EMPR

COM AUDIOV 1,97 1,65 -0,31 2,0 1,7 -0,4 1,9 1,6 -0,2

DERECHO 1,57 1,67 0,10 1,6 1,7 0,1 1,5 1,7 0,1

ECONOMIA 1,65 1,45 -0,19 1,6 1,4 -0,2 1,7 1,5 -0,2

PERIODISMO 2,10 1,77 -0,34 2,1 1,8 -0,4 2,1 1,8 -0,3

POLITICAS y
1,65 1,58 -0,07 1,7 1,6 -0,1 1,6 1,6 -0,0
ADM

PSICOLOGIA 1,79 1,72 -0,07 1,8 1,7 -0,1 1,8 1,9 0,1

PUBLIC RRPP 1,85 1,59 -0,25 2,0 1,7 -0,3 1,5 1,4 -0,1

SOCIOLOGIA 1,46 1,68 0,22 1,4 1,6 0,2 1,5 1,8 0,3

TOTAL 1,80 1,69 -0,10 1,83 1,70 -0,12 1,74 1,67 -0,06

753
3. La formación continua: Ornamento en la prosperidad y refugio en la
adversidad

Laura Hernández Lahiguera, IVIE

José Manuel Pastor Monsálvez, Universidad de Valencia & IVIE
Francisco Pérez García, Universidad de Valencia & IVIE
Lorenzo Serrano Martínez, Universidad de Valencia & IVIE
Angel Soler Guillén, Universidad de Valencia & IVIE
Irene Zaera Cuadrado, Universidad de Valencia & IVIE

754
La formación continua: Ornamento en la prosperidad y refugio en la
adversidad*

Laura Hernández Lahiguera, IVIE

José Manuel Pastor Monsálvez, Universidad de Valencia & IVIE
Francisco Pérez García, Universidad de Valencia & IVIE
Lorenzo Serrano Martínez, Universidad de Valencia & IVIE
Angel Soler Guillén, Universidad de Valencia & IVIE
Irene Zaera Cuadrado, Universidad de Valencia & IVIE

Resumen
La formación continua (FC) forma parte importante del proceso educativo de los individuos de
un país, y se desarrolla a lo largo de toda la vida de una persona. La realización de formación
continua es fundamental para que el trabajador se adecúe a su puesto de trabajo, puesto que este
tipo de formación dota de versatilidad a los estudios realizados en la etapa escolar y contribuye a
paliar la obsolescencia o depreciación de la educación adquirida a lo largo del tiempo.
Las comparaciones internacionales sitúan a España en una posición intermedia, siendo la
protagonista la formación no reglada. Asimismo la empresa tiene un papel fundamental y creciente
en la potenciación de este tipo de formación.
Esta comunicación aborda el análisis de la formación continua en España basándose en encuestas
realizadas por organismos oficiales como el INE a nivel nacional, y la OCDE y Eurostat a nivel
internacional. Centrándonos en el caso español, analiza los efectos de la formación continua sobre
los salarios de los individuos. Utilizando modelos probit se analizan los factores determinantes de
la realización de FC. Los resultados indican que los individuos realizan más FC cuanto mayor es
su nivel de estudios, cuanto mayor es el tamaño de la empresa, y en determinadas ocupaciones
relacionadas con los universitarios. Los resultados parecen indicar que la escasa relevancia de la
FC en España puede estar detrás de los relativamente menores salarios de los universitarios en
España.

Palabras clave: Formación Continua, salarios, EADA.

1. Introducción
Las sociedades desarrolladas actuales se caracterizan por su dependencia de la sociedad
actual de la información, de las TICs y, en definitiva, del conocimiento. La dependencia es tan
profunda que se habla de sociedad del conocimiento para referirnos a esta nueva sociedad con la
que entramos en el siglo XXI. Nadie duda de que el conocimiento es el arma con la que cuenta
la sociedad actual para afrontar los nuevos retos del siglo XXI. Cambios y retos que, como no
podía ser de otra manera, también alcanzan el mundo educativo, tanto a nivel institucional como
individual. A nivel institucional, porque el sector educativo en general y las universidades en
particular deben ser capaces de adaptarse a las nuevas demandas de formación no reglada. A nivel
individual, porque la actual sociedad del conocimiento exige a los individuos estar preparados en
todo momento para ser capaz de adaptarse a las cambiantes necesidades de los individuos. Es por
ello que actualmente los individuos demandan formación a lo largo de su vida más por necesidad
que por deleite intelectual, al haberse convertido en un refugio excelente en el que protegerse de
* Los autores agradecen los comentarios del evaluador anómimo. José Manuel Pastor y Lorenzo Serrano agradecen al
Ministerio de Ciencia e Innovación (ECO2008-03813/ECON) la ayuda financiera recibida.

755
los eventuales cambios en los procesos productivos o laborales que amenazan con poner en riesgo
su estabilidad laboral.
La Formación Continua (FC) o permanente es un proceso educativo continuado que realizan
los individuos y que se define habitualmente como “toda actividad de aprendizaje a lo largo de
la vida con el objetivo de mejorar los conocimientos, las competencias y las aptitudes con una
perspectiva personal, cívica, social o relacionada con el empleo”.
La FC es por tanto concebida como un proceso continuo a lo largo de toda la vida del
individuo y no como una etapa concreta de estudios reglados en el sistema educativo que
termina con la incorporación al mercado de trabajo. La estrategia de Lisboa incluso fija objetivos
cuantitativos para los países de la Unión Europea en términos de porcentaje de adultos que
deberían seguir algún tipo de estudios. La continuidad del proceso de aprendizaje aparece como
un requisito para una adaptación no traumática a los constantes cambios tecnológicos y de otro
tipo que experimenta la economía.
Desde el ámbito empresarial es común señalar que la formación reglada obtenida en la
universidad es insuficiente o, al menos, inadecuada para atender a sus necesidades y que resulta
especialmente valiosa la formación posterior (tipo máster). Esto significa que buena parte de la
rentabilidad asignada habitualmente a los estudios universitarios puede deberse en realidad a
este otro tipo de formación posterior, formación cuyo coste en muchos casos recae en la propia
empresa.
Este trabajo analiza la situación de la FC en España con la finalidad de comprobar su
situación en el contexto de la UE y de analizar sus efectos y sus determinantes. El trabajo se
organiza del siguiente modo. Tras esta introducción, la sección segunda revisa la evolución reciente
de la FC en España en el contexto de la Unión Europea. La sección tercera analiza los efectos
de la FC sobre los salarios de los individuos. Las secciones cuarta y quinta analizan los factores
determinantes de la FC. Finalmente la sección sexta presenta las principales conclusiones.

2. La Formación continua en España: Evolución reciente y contextualización

Un primer panorama de la situación de la FC de España en el contexto internacional lo
ofrece el gráfico 1. En 2009 España ocupaba una discreta situación intermedia (décima) dentro
del contexto europeo. Un 10% de la población de entre 25 y 64 años realizaba algún tipo de
actividad de formación reglada o no reglada. Se trata de un valor ligeramente superior a la media
de la Unión Europea y claramente por encima del de países como Alemania, Italia o Francia. Por
otra parte España está muy lejos de los valores alcanzados por ese indicador en los países nórdicos,
Reino Unido, Holanda o Austria. Asimismo, al igual que en la mayoría de países, en España es la
formación no reglada la que tiene una mayor presencia, representando las tres cuartas partes del
total.

756
Gráfico 1. Población de 25 a 64 años que realiza formación continua. Países UE-27. 2009
(porcentaje)

 
Fuente: Eurostat.
El posicionamiento de España no difiere sustancialmente cuando nos centramos en el
colectivo de los universitarios (gráfico 2), ocupando igualmente la decimosegunda posición. Sin
embargo, es destacable que la formación continua está más (o mucho más) extendida entre ese
colectivo que en el conjunto de la población. En España el porcentaje prácticamente se duplica,
pero algo semejante sucede con la media de la UE. En consecuencia la posición relativa de España es
similar a la comentada para el total de la población: algo mayor que la media europea; por encima
de otras grandes economías como Alemania, Italia o Francia y muy alejada de los países nórdicos
y Reino Unido. En uno u otro caso la formación no reglada es el tipo de FC predominante.

Gráfico 2. Población universitaria de 25 a 64 años que realiza formación continua. Países UE-27.
2009 (porcentaje)

Fuente: Eurostat.
 

757
 Salvando las diferencias entre las fuentes estadísticas europea (eurostat) y española (EPA)
no sólo porque el periodo de referencia de la formación es distinto sino debido a otras razones
vinculadas al modo de obtener la información -véase Albert et al. (2006)-, en lo referente a la
evolución, los datos de los últimos años (gráfico 3) muestran una gran estabilidad en el caso
español, con la única salvedad del repunte que se observa en el año 2010, lo cual es indicativo de
la creciente importancia que tiene la FC en España.
Ya hemos comprobado que la formación no reglada es la predominante, por lo que conviene
profundizar en las características que presenta en España, así como la evolución que está
teniendo. La tabla 1 se centra en este tipo de formación, presentando la distribución porcentual
de la población según tipo de formación continua no reglada para los años 2005 y 2006. En la
actualidad los programas formativos promovidos por la empresa suponen el 36,5% de toda la
formación continua no reglada, un porcentaje que ha experimentado un notable crecimiento
respecto a 2005, fecha en la que suponían un 31,3%. Esta ganancia de peso se produce en un
contexto de aumento de la formación. De hecho las personas en formación continua no reglada
promovida por la empresa aumentan un 47% durante ese periodo. La empresa juega, por tanto,
un papel fundamental y creciente en la formación continua, pero la mayor parte de la misma
todavía viene dada por otras vías. Esta circunstancia contrasta con el hecho de que el porcentaje
de población que realizaba programas de postgrado en las universidades se reduce desde el escaso
2,52% en 2005 al 0,91% en 2010.

Gráfico 3. Población de 25 a 64 años que realiza formación continua. España. 2005-2010

(porcentajes)
A) Población total

B)  
Población con estudios universitarios

Fuente: EPA. 

758
Tabla 1. Población de 25 a 64 años que realiza formación continua no reglada según tipo de
formación (porcentajes)

2005 2010

Programas para la formación e inserción laboral que no precisan de la titulación académica de

4,19 2,45
una primera etapa de secundaria
Programas para la formación e inserción laboral que precisan de la titulación académica de una
1,74 1,38
primera etapa de secundaria

Enseñanzas de las escuelas oficiales de idiomas 5,61 4,87

Programas para la formación e inserción laboral que precisan de una titulación de estudios
1,49 0,86
secundarios de segunda etapa
Programas para la formación e inserción laboral que precisan de una titulación de formación
1,07 0,73
profesional de grado superior

Programas de postgrado impartidos por las universidades 2,52 0,91

Programas para la formación e inserción laboral que precisan de una titulación universitaria 3,99 1,86

Programas formativos promovidos por la empresa 31,28 36,56

Otros programas formativos para los que no se especifica el requisito académico 38,20 43,42

Programas recreativos, de ocio y culturales para los que no se especifica requisito académico 9,90 6,97

Total 100,00 100,00

Fuente: EPA.

Por su parte la tabla 2 presenta la distribución por edades según el tipo de formación
recibida para el año 2010. Como se puede observar la cohorte de edad entre 25 y 34 años es
la predominante en todas las actividades formativas, representando el 36,13% del total de
personas que realizan FC. Bien es cierto que existen ciertos tipos de FC en los que los jóvenes son
predominantes. Este es el caso de los Programas para la formación e inserción laboral que precisan
de una titulación de formación profesional de grado superior (63,6%) o Programas de postgrado
impartidos por las universidades (57,56%). Los datos de la tabla muestran, asimismo, que los
Programas recreativos, de ocio y culturales para los que no se especifica requisito académico son
mayoritariamente utilizados por las personas de 55 a 64 años (42,81%).

759
Tabla 2. Población de 25 a 64 años que realiza formación continua no reglada según tipo de
formación y grupos de edad (porcentajes)

25 a 34 35 a 44 45 a 54 55 a 64 Total

Programas para la formación e inserción laboral que no

precisan de la titulación académica de una primera etapa de 37,50 38,66 18,89 4,95 100,00
secundaria
Programas para la formación e inserción laboral que precisan
de la titulación académica de una primera etapa de 49,36 35,36 13,96 1,31 100,00
secundaria

Enseñanzas de las escuelas oficiales de idiomas 50,08 29,54 15,13 5,25 100,00

Programas para la formación e inserción laboral que precisan

51,05 39,62 9,33 0,00 100,00
de una titulación de estudios secundarios de segunda etapa
Programas para la formación e inserción laboral que precisan
63,62 26,57 9,80 0,00 100,00
de una titulación de formación profesional de grado superior

Programas de postgrado impartidos por las universidades 57,56 32,65 3,99 5,78 100,00

Programas para la formación e inserción laboral que precisan

56,35 30,11 12,89 0,66 100,00
de una titulación universitaria

Programas formativos promovidos por la empresa 25,94 36,91 27,88 9,27 100,00

Otros programas formativos para los que no se especifica el

43,48 29,64 17,97 8,92 100,00
requisito académico
Programas recreativos, de ocio y culturales para los que no se
18,03 16,82 22,34 42,81 100,00
especifica requisito académico

Total 36,13 31,80 21,37 10,70 100,00

Fuente: EPA.

3. Los efectos de la formación continua en los salarios

La Encuesta de Estructura Salarial (EES) no ofrece información acerca de si el trabajador
realiza algún tipo de actividad de formación o no. Esto impide evaluar con esa fuente estadística
el posible impacto salarial de este tipo de formación adicional. Sin embargo, la Encuesta sobre la
participación de la población adulta en actividades de aprendizaje (EADA) sí ofrece información
sobre esa cuestión, además de la relativa a salarios, nivel educativo y otras características del
individuo y del puesto de trabajo. Se trata de una estadística con una muestra mucho menor que
la EES, pero cuya utilización nos permite analizar el impacto de la formación continua sobre los
salarios mediante la estimación de las correspondientes ecuaciones salariales.
Las estimaciones efectuadas con datos de la EADA confirman que las características
personales como la experiencia, la antigüedad y la educación influyen de modo significativo en
el salario, tanto del conjunto de asalariados como de los menores de 35 años (tabla 3).

760
Tabla 3. Ecuación salarial EADA con la variable formación continua. 2007

Ecuaciones continuas de los años de Ecuaciones discretas por niveles

estudios de los encuestados educativos de los encuestados

Total Menores de 35 Total Menores de 35

Años de estudios 0,025 *** 0,033 ***
Secundaria obligatoria 0,023 0,079 *
FP 1/CFGM 0,033 0,098 *
Bachillerato 0,144 *** 0,170 ***
FP 2/CFGS 0,163 *** 0,216 ***
Univ. ciclo corto 0,122 0,044
Univ. ciclo largo 0,283 *** 0,222
Antigüedad 0,011 *** 0,036 *** 0,011 *** 0,036 **
2
Antigüedad -0,000 *** -0,001 -0,000 *** -0,001
Experiencia potencial previa 0,019 *** 0,059 *** 0,020 *** 0,053 **
2
Experiencia potencial previa -0,000 *** -0,001 ** -0,000 *** -0,001
Antigüedad*experiencia potencial previa 0,000 *** -0,001 0,000 *** -0,001
Mujer (ref: Hombre) -0,039 * -0,063 * -0,042 * -0,066 *
Extranjero (ref: Nacional) -0,041 * -0,045 -0,051 ** -0,045
Experiencia potencial*universitario 0,005 0,033 0,008 0,063
Experiencia potencial*universitario2 -0,000 -0,003 * -0,000 -0,004
Formación continua (ref: No realizar FC) 0,065 *** 0,013 0,064 *** 0,012
Formación continua*universitario 0,087 *** 0,138 ** 0,085 ** 0,144 **
Constante 6,380 *** 5,957 *** 6,537 *** 6,219 ***
N 3.753 1.394 3.753 1.394
2
R 0,237 0,116 0,244 0,124
R2 ajustado 0,234 0,108 0,241 0,113

Categoría de referencia para nivel educativo: Sin estudios y primaria.

***, **, *: Significativo al 1%, 5% y 10%, respectivamente.
Fuente: EADA (INE) y elaboración propia.

En principio podría pensarse que la formación continua podría ser particularmente

productiva para aquellos trabajadores con más carencias educativas. Si la primera formación es
más relevante que la posterior podría ser perfectamente natural que así ocurriese. Sin embargo,
en la medida en que puedan existir complementariedades entre un tipo de formación y otro
sucedería lo contrario.
Los resultados de las ecuaciones mincerianas indican que realizar actividades de formación
tiene un impacto significativo y positivo sobre el salario (gráfico 4). En el caso de los asalariados
no universitarios, incrementa el salario, todo lo demás constante, un 6,5%. En el caso de los
trabajadores universitarios el efecto es aún más intenso pues al 6,5% señalado hay que añadir
un 8,7% adicional. En el caso de los asalariados más jóvenes el efecto se mantiene para los
universitarios en torno a los 14 puntos porcentuales, pero deja de ser significativo para los no
universitarios.

761
Gráfico 4. Efecto salarial de la formación continua. 2007

Fuente: EADA
  (INE) y Elaboración propia.

Los resultados indican claramente que la formación continua está asociada a mejores
salarios dirigidos a retribuir la productividad adicional de los trabajadores que la reciben. Esto
es particularmente cierto en el caso de los universitarios, tanto para los más jóvenes como para
el resto. Parece, por tanto, que la formación continua más allá del momento de la graduación es
especialmente adecuada o necesaria en el caso de la enseñanza universitaria.
Por otra parte, la existencia de un efecto salarial positivo de la formación continua podría dar
lugar, cuando esa variable se omite, a un sesgo positivo al estimar el rendimiento de la educación,
en especial en el caso de los estudios universitarios. Para comprobarlo podemos comparar el
efecto salarial estimado de los diferentes niveles educativos incluyendo y omitiendo la variable
de formación continua. Los resultados obtenidos (gráfico 5) indican que el rendimiento estimado
de los niveles educativos preuniversitarios apenas cambia. Sin embargo, la inclusión de la variable
formación continua reduce el salario en 8-9 puntos porcentuales en el caso del conjunto de los
universitarios, reducción que llega a los 13 puntos en el caso de los universitarios más jóvenes.
En definitiva, parte del rendimiento atribuido habitualmente a la educación universitaria solo se
produce si esa enseñanza se combina con más formación a lo largo de la vida laboral. En el caso
de trabajadores con menor nivel educativo esto aparentemente no sucede.

Gráfico 5. Efecto salarial: sesgo por omisión de la formación continua. 2007 (porcentaje)

Fuente: EADA (INE)

  y elaboración propia.

762
 Con el fin de profundizar en el efecto de la formación continua sobre los salarios de los
universitarios conviene restringir la muestra de la EADA exclusivamente a estos últimos. Para
ello se estiman de nuevo ecuaciones salariales incluyendo sólo características personales de la
persona (entre ellas la formación continua) y también se estiman otras añadiendo variables no
personales (como la rama de actividad, el tipo de contrato, la ocupación, el tamaño de la empresa
o la comunidad autónoma). Los resultados aparecen en la tabla 4.

Tabla 4. Ecuación salarial EADA para universitarios incluyendo variables no personales

Ecuaciones continuas de los años Ecuaciones discretas por niveles
de estudios de los encuestados educativos de los encuestados
Total Menores de 35 Total Menores de 35
Años de estudios 0,059 *** 0,069 ***
Univ. ciclo largo (ref: ciclo corto) 0,118 *** 0,138 ***
Antigüedad 0,011 * 0,069 ** 0,011 * 0,069 **
2
Antigüedad -0,000 -0,002 -0,000 -0,002
Experiencia potencial previa 0,033 *** 0,112 *** 0,033 *** 0,112 ***
Experiencia potencial previa2 -0,001 ** -0,004 -0,001 ** -0,004
Antigüedad*experiencia potencial previa -0,000 -0,005 ** -0,000 -0,005 **
Mujer (ref: Hombre) -0,079 -0,063 -0,079 -0,063
Extranjero (ref: Nacional) -0,082 -0,091 -0,082 -0,091
Formación continua (ref: No realizar FC) 0,068 *** 0,068 0,068 *** 0,068
Empresa de 11 a 19 trabajadores 0,081 0,113 0,081 0,113
Empresa de 20 a 49 trabajadores 0,083 * 0,088 0,083 * 0,088
Empresa de 50 o más trabajadores 0,168 *** 0,208 *** 0,168 *** 0,208 ***
Constante 5,283 *** 4,545 *** 6,166 *** 5,661 ***
N 1.031 417 1.031 417
R2 0,474 0,421 0,474 0,421
R2 ajustado 0,448 0,353 0,448 0,353

Categoría de referencia para tamaño de empresa: Hasta 10 trabajadores.

***, **, *: Significativo al 1%, 5% y 10%, respectivamente
Fuente: EADA (INE) y elaboración propia.

En ambos casos (gráfico 6) la variable formación continua tiene un efecto significativo

y positivo tanto para los jóvenes como para el resto de universitarios. Sin embargo, cuando se
añaden las variables que reflejan características no personales el efecto se recude a la mitad,
pasando del 12-14% a situarse en torno al 7%. El análisis del conjunto de determinantes de los
salarios de los universitarios utilizando datos de la EADA e incluyendo la variable formación
continua indica que parte del efecto de esta última variable se canaliza a través de otras. La mitad
del efecto total de la formación continua está asociado al tipo de puesto de trabajo, de empresa
y otras características ajenas al individuo.
Otro rasgo destacable es el hecho de que el efecto tamaño de la empresa en la formación
continua es positivo y significativo en el caso de las empresas de mayor tamaño.

763
Gráfico 6. Efecto salarial de la formación continua restringido a universitarios. 2007
(porcentaje)

Fuente: EADA
  (INE) y elaboración propia.

Estos resultados indican que el menor desarrollo de la formación continua en España

podría estar moderando los salarios de los universitarios españoles en comparación con algunos
países desarrollados, especialmente los nórdicos, Reino Unido, Austria y Holanda. Sin embargo,
como hemos visto, sucedería lo contrario respecto a otros países como Alemania, Francia o Italia.
En cualquier caso, avances en este ámbito debería traducirse mayores niveles de productividad y
salarios de este colectivo.

4. Los factores determinantes de la formación continua

Dada la importancia de la formación continua conviene estudiar cuáles son los factores
que la impulsan o la frenan, así como el papel que el nivel educativo juega en ese aspecto.
La información facilitada por la EADA también permite contemplar algunos de los motivos y
condicionantes de la decisión de realizar formación continua. En primer lugar, los datos del
gráfico 7 indican que la formación continua está mucho más extendida en los ocupados que en
los parados o inactivos. Así, mientras que el 36% de los ocupados realizan FC, este porcentaje se
reduce al 25,2% en el caso de los parados o al 21,8% en el de los inactivos.

Gráfico 7. Población que realiza formación continua según relación con la actividad y grupo de
edad. 2007 (porcentajes)

Fuente: EADA  (INE) y elaboración propia.

764
 El gráfico 8 presenta evidencia acerca de los motivos que llevan a los individuos a realizar
FC. En la mayor parte de los casos el motivo de participar en actividades de formación continua
es laboral. Esto sucede en el 66,64% de las oportunidades si se trata de formación no reglada y en
el 49% en la formación reglada.

Gráfico 8. Población de 25-64 años según motivos para realizar formación continua. 2007
(distribución porcentual)

 
Fuente: EADA (INE) y elaboración propia.

Sin embargo, no toda la formación continua no reglada llevada a cabo por motivos laborales
corre a cargo de la empresa. El gráfico 9 presenta evidencia en este sentido e indica que sólo
en el 37% de los casos la empresa financiaba íntegramente los costes de la formación no formal
y el 11,2% en el caso de la formal. Por otra parte la financiación mixta por parte de empresa y
trabajador es una opción muy poco utilizada, apenas en un 0,9% de las ocasiones en la no formal
y el 3,7% en el de la formal.

Gráfico 9. Población de 25-64 años según financiación de la empresa de la educación recibida.

2007 (distribución porcentual)

 
Fuente: EADA (INE) y elaboración propia.

765
 Por otra parte el gráfico 10 muestra que la formación continua de los trabajadores es
una opción más frecuente cuanto mayor es la dimensión de la empresa. Afecta al 27% de los
trabajadores en las empresas de hasta 10 empleados, pero ese porcentaje crece progresivamente
hasta alcanzar el 49% en el caso de las empresas de 50 y más trabajadores.

Gráfico 10. Población ocupada que realiza formación continua según tamaño de la empresa. 2007
(porcentaje)

Fuente:  EADA (INE) y elaboración propia.

El gráfico 11 muestra que hay una clara relación entre el tipo de puesto de trabajo y
la mayor o menor incidencia de la formación continua. Ésta es más frecuente en el caso de los
trabajadores en ocupaciones típicas de universitarios como los directivos y gerentes (grupo 1
de la CNO), técnicos y profesionales (grupo 2) y técnicos y profesionales de apoyo (grupo 3).
Como puede observarse también los empleados administrativos (grupo 4) registran un porcentaje
relativamente elevado de formación. Por su parte en las ocupaciones de trabajadores agrícolas
(grupo 6) y de trabajadores no cualificados (grupo 9) se dan los menores porcentajes.

Gráfico 11. Población ocupada que realiza formación continua según grupo de ocupación. 2007
(porcentaje)

Fuente:  EADA (INE) y elaboración propia.

766
 Finalmente, la incidencia de la formación continua parece crecer con el nivel educativo
de la persona (gráfico 12). Es muy escasa entre el colectivo que no ha completado los estudios
obligatorios (11,7%) y mayoritaria entre los universitarios, tanto los de ciclo corto (54%) como
los de ciclo largo (57%).

Gráfico 12. Población ocupada que realiza formación continua según nivel de estudios terminados.
2007 (porcentaje)

Fuente:
  EADA.

5. Determinantes de la probabilidad de realizar formación continua

A fin de valorar apropiadamente el impacto de los estudios universitarios sobre la probabilidad
de llevar a cabo formación continua conviene analizar de modo conjunto los determinantes de la
probabilidad de realizar formación continua incluyendo la educación y otras variables explicativas
como la edad, el sexo y la nacionalidad. El individuo de referencia es un hombre español menor
de 25 años y con estudios primarios como máximo. Los resultados (tabla 5) muestran que ser
extranjero reduce esa probabilidad en casi 20 puntos porcentuales y ser mujer en 5 p.p. La edad
no parece influir en general de modo estadísticamente significativo. En todo caso, se aprecia
una mayor incidencia de la formación entre los muy jóvenes y los estratos centrales de la vida
laboral. Los resultados más relevantes corresponden precisamente a las variables educativas.
La probabilidad de realizar formación continua es creciente con el nivel de estudios alcanzado
(Gráfico 13). Tener la secundaria obligatoria implica 10 p.p. más de probabilidad que tener
estudios primarios, los estudios no universitarios postobligatorios entre 23 y 30 p.p. Finalmente,
el mayor efecto corresponde a los estudios universitarios. En el caso de los de ciclo corto se trata
de 41 puntos porcentuales y en el de los de ciclo largo se sitúa en 44,5 p.p.

767
 Tabla 5. Probit de realizar formación continua. 2007

Efecto marginal en
Parámetros
probabilidad

Constante -0,749

Mujer 0,144** -0,056

Edad 35-44 0,179 0,071

Edad 45-54 0,326*** 0,13

Edad 55+ -0,176 -0,068

Sec. Obligatoria 0,27 0,107

Bachillerato 0,751 0,292

CFGM 0,57 0,224

CFGS 0,742 0,288

Diplomados 1,11 0,41

Licenciados 1,212 0,445

Extranjero -0,526 -0,194

*** significativo al 1%, **significativo al 5%

Fuente: EADA (INE) y elaboración propia.

Gráfico 13. Efecto del nivel educativo en la probabilidad de realizar formación continua. 2007
(porcentaje)

Nivel  educativo de referencia: hasta estudios primarios.

Fuente: EADA (INE) y elaboración propia.

Haber completado estudios universitarios es un factor clave en la realización de formación

adicional. Sin duda, esto está relacionado con la mayor rentabilidad de la formación continua en
estos casos. Recordemos que su efecto positivo sobre los salarios es mucho mayor en el caso de
los universitarios, tal y como hemos visto anteriormente. Además, esto se ve reforzado porque el
coste de asimilar nueva formación es menor para las personas con una experiencia más dilatada

768
en este tipo de actividad, es decir, en el caso de los universitarios.
Sin embargo, conviene considerar también qué factores influyen en la decisión de
participar en procesos de formación continua en el caso específico de los universitarios. Para
ello se ha planteado para la muestra de universitarios de la EADA un análisis econométrico de
los determinantes de la probabilidad de haber realizado formación continua en los últimos doces
meses. Se han incluido como variables explicativas algunas características puramente personales
(sexo, edad, nacionalidad, licenciatura o diplomatura) y otras relacionadas con el puesto de
trabajo (antigüedad, tipo de contrato, rama de actividad, ocupación y tamaño de la empresa).
Los resultados (tabla 6) muestran que, ceteris paribus, no hay diferencias significativas
en función de la edad y que los universitarios entre 35 y 44 años tienen una probabilidad
significativamente mayor que el resto (22 puntos porcentuales más). La nacionalidad tiene
un efecto muy importante, ya que los universitarios extranjeros tienen 29,6 puntos menos de
probabilidad que los españoles. En contra de lo que podría suponerse la rama de actividad parece
no tener efecto alguno en este ámbito, ni tampoco el hecho de que los estudios universitarios sean
de ciclo corto o largo. Del mismo modo la probabilidad de los trabajadores con contrato indefinido
no es significativamente distinta del resto. Por el contrario, la probabilidad de formación continua
disminuye progresivamente con la antigüedad (gráfico 14). Pasar de una antigüedad de más de
20 años a otra entre 16 y 20 años supone 7 puntos más de probabilidad de formación, entre 5 y 9
años de antigüedad supone 10 puntos y la diferencia crece hasta los 15 puntos para antigüedades
por debajo de los 5 años.

Gráfico 14. Efecto de la antigüedad en la probabilidad de formación continua de los universitarios.

2007 (porcentaje)

Diferencias respecto a trabajadores con más de 20 años de antigüedad.

Fuente:
  EADA (INE) y elaboración propia.

769
Tabla 6. Efectos marginales sobre la probabilidad de realizar formación continua. 2007
Parámetros Efecto marginal en
probabilidad
Constante -0,516
Mujer -0,055 -0,021
Edad 35-44 0,733** 0,221
Edad 45-54 0,193 0,069
Edad 55+ -0,043 -0,016
Extranjero -0,762*** -0,296
De 1987 a 1991 0,205 0,073
De 1992 a 1997 0,207 0,074
De 1998 a 2002 0,287 0,103
De 2003 a 2007 0,425*** 0,155
De 11-20 empleados 0,265 0,094
De 20-49 empleados 0,26 0,093
50 o más empleados 0,301** 0,111
Ocup_1 0,621 0,198
Ocup_2 0,675** 0,237
Ocup_3 0,526 0,184
Ocup_4 0,283 0,101
Ocup_5 0,401 0,136
Ocup_6 1,201 0,296
Ocup_7 0,278 0,097
Ocup_8 -0,748 -0,292
Indefinido -0,166 -0,06
Licenciado 0,023 0,009
Agricultura 0,263 0,092
I. Extractiva -0,074 -0,028
Industria -0,145 -0,055
Construcción -0,021 -0,008
Comercio -0,147 -0,056
Hostelería -0,306 -0,118
Transportes y comunicaciones -0,048 -0,018
Finanzas 0,47 0,157
Servicios a empresas -0,026 -0,01
AAPP 0,092 0,034
Educación 0,16 0,059
Sanidad 0,009 0,003
Otros servicios -0,025 -0,009

*** significativo al 1%; **significativo al 5%

Ocup_1: Dirección de empresas y AAPP; Ocup_2: Técnicos y prof. Científicos e Intelectuales;
Ocup_3: Técnicos y profesionales de apoyo; Ocup_4: Administrativos; Ocup_5: Trab. Restauración y
servicios personales y comercio; Ocup_6: Trab. cualificados agricultura y pesca; Ocup_7:Artesanos
y trab. cualificados industria; Ocup_8: Operadores de instalaciones y maquinaria; Ocup_9: Trab.
no cualificados.
Fuente: EADA (INE) y elaboración propia.

770
 También la dimensión empresarial es un factor relevante (Gráfico 15). En empresas de 11
a 49 empleados la formación continua es más probable que empresas más pequeñas. La diferencia
es en ese caso de 9 puntos porcentuales. Todavía mayor es la probabilidad en las empresas de 50
o más empleados, con una diferencia de 11 puntos porcentuales.

Gráfico 15. Efecto del tamaño de la empresa en la probabilidad de formación continua de los
universitarios. 2007 (porcentaje)

Diferencias
  respecto a empresas de hasta 10 trabajadores.
Fuente: EADA (INE) y elaboración propia.

Finalmente, el tipo concreto de puesto de trabajo incide también en la formación (Gráfico

16). En comparación con los trabajos no cualificados, la probabilidad de formación es mayor en
las ocupaciones propias de universitarios como los directivos y gerentes (grupo 1 de la CNO),
técnicos y profesionales (grupo 2) y técnicos y profesionales de apoyo (grupo 3).

Gráfico 16. Efecto de la ocupación en la probabilidad de formación continua de los universitarios.

2007 (porcentaje)

 
Diferencias respecto a ocupaciones del grupo 9 (trabajadores no cualificados).
Fuente: EADA (INE) y elaboración propia.

771
 A la hora de estudiar los determinantes de la formación continua tiene especial interés
el caso de las personas que queriendo participar en actividades de formación no lo han hecho.
Según los datos de la EADA en esa situación se encontraban 1,7 millones de personas con estudios
superiores. Las principales causas son, como puede observarse en el Gráfico 17, la incompatibilidad
con el horario de trabajo o con las responsabilidades familiares. Parece claro, por tanto, que la
rigidez de la jornada laboral y su escasa conciliación con la vida familiar tienen un efecto negativo
sobre el desarrollo de la formación continua en España. Otros obstáculos menos importantes son
el coste de la formación, la lejanía del centro de formación y la falta de apoyo del empleador.

Gráfico 17. Personas con estudios superiores que queriendo participar en actividades educativas
no lo hacen según motivo. 2007 (porcentaje)

  Fuente: EADA (INE) y elaboración propia.

6. Conclusiones
La formación continua (FC) o a lo largo de la vida es un tipo de formación en auge en
las sociedades actuales que permite a los individuos protegerse de los eventuales cambios en los
procesos productivos o laborales que amenazan con poner en riesgo su estabilidad laboral.
Este trabajo ha revisado la situación de la FC en España en el contexto de la Unión Europea.
De modo sintético las principales conclusiones son las siguientes:
- En el contexto europeo España ocupa una discreta situación intermedia. En la
actualidad un 10% de la población de entre 25 y 64 años realiza algún tipo de actividad de
formación reglada o no reglada.
- La FC más utilizada es la formación no reglada. Tanto en el caso de la reglada como
de la no reglada, la FC es un tipo de formación especialmente utilizada por los universitarios.
- Dentro de la FC no reglada, los programas formativos promovidos por la empresa son
los mas importantes suponiendo el 36,5% de toda la FC no reglada, indicando el papel relevante
que juegan las empresas.
- La FC se concentra en la cohorte de edad entre 25 y 34 años que representa el
36,13% del total de personas.

772
 - Los resultados indican que realizar actividades de FC tiene un impacto significativo
y positivo sobre el salario, especialmente en el caso de los universitarios.
- Asimismo, el menor desarrollo de la formación continua en España podría estar
moderando los salarios de los universitarios españoles en comparación con algunos países
desarrollados
- La FC está mucho más extendida en los ocupados que en el de los parados o inactivos,
el motivo para realizarla es laboral y es una opción más frecuente cuanto mayor es la dimensión
de la empresa.
- Los resultados también indican que es más frecuente en el caso de los trabajadores
en ocupaciones típicas de universitarios como los directivos y gerentes, técnicos y profesionales
y técnicos y profesionales de apoyo
- A nivel de características personales los resultados indican que ser extranjero
reduce la probabilidad de realizar FC. La probabilidad de realizar formación continua es creciente
con el nivel de estudios alcanzado.
- Finalmente, la incompatibilidad con el horario de trabajo o con las responsabilidades
familiares son las principales causas aducidas por los individuos para no realizar FC.

Referencias
Albert, C., y C. García-Serrano (2006): La formación en la empresa: ¿Cómo se mide?. XV Jornadas
de Economía de la Educación, Granada-2006.

Virginia Hernanz MEC, (2010): COMISIÓN DE FORMACIÓN CONTINUA. La formación permanente y

las universidades españolas. junio de 2010, disponible en: http://www.educacion.es

INE (2008): Encuesta sobre la participación de la población adulta en las actividades de aprendizaje
(EADA),disponible en: http://www.ine.es/jaxi/menu.do?type=pcaxis&path=%2Ft13%2Fp459&f
ile=inebase&L=0.

INE (vv.aa.): Encuesta de Población Activa (EPA), Metodología 2005. Explotación a partir de los
microdatos anonimizados adquiridos al INE Eurostat (vv.aa.), Labour Force Survey.
http://epp.eurostat.ec.europa.eu/portal/page/portal/eurostat/home/

773
4. Trabajo y crisis: Lecciones para los programas públicos de capacitación.
Notas sobre el caso uruguayo

Andrea Doneschi, Universidad de la República

Rossana Patrón, Universidad de la República

774
Trabajo y crisis: Lecciones para los programas públicos de capacitación.
Notas sobre el caso uruguayo

Andrea Doneschi, Universidad de la República

Rossana Patrón, Universidad de la República

Resumen
Mientras las políticas educativas deben ser designadas con una perspectiva de largo plazo,
considerando el desafío que el futuro puede acarrear, es la experiencia pasada la relevante para
designar programas de capacitación que remedien la situación de los trabajadores afectados. De
acuerdo a la experiencia reciente vivida en Uruguay, el diseño de un plan de contingencia para
las crisis de empleo debe tomar en cuenta que, a pesar de que todos los tipos de trabajadores
serán afectados, los trabajadores menos calificados probablemente perderán su empleo incluso en
sectores que no se contraen y la proporción de trabajadores calificados con desempleo aumentará
en términos relativos. Una lección de largo plazo para la política educativa debe ser disminuir
la cantidad de trabajadores “inempleables” en períodos de auge y desestimular la formación
muy específica en sectores proclives a las crisis. El modelo presentado sugiere que, dada la
baja participación de los trabajadores en los programas públicos de capacitación, la hipótesis
más factible es la existencia de un problema de oferta, ya sea porque esta racionada o por un
imperfecto diseño.

Palabras clave: programas públicos de capacitación, política económica.

Clasificación JEL: I28, J68

1. Introducción
La capacitación (educación formal y entrenamiento laboral) facilita la movilidad de los
trabajadores, permitiendo su relocalización hacia puestos en sectores en expansión o con altas tasas
de progreso tecnológico. De manera ideal, las políticas educativas deberían estar basadas en un
plan de largo plazo, considerando los desafíos futuros, en particular, considerando las tendencias
económicas en el comercio, la tecnología y la innovación. Por el contrario para diseñar programas
de capacitación compensatorios dirigidos a trabajadores desplazados del mercado laboral durante
períodos de crisis es relevante aprender del pasado, para tener planes de contingencia adecuados
en el momento apropiado.
Los programas de capacitación pueden tener diversos diseños, dependiendo si tiene como
objetivo actuar como un plan de contingencia para las crisis o como un soporte continuo para el
sector productivo buscando mantener actualizados los conocimientos que requieren los cambios
tecnológicos y los sectores en expansión. El rol de la capacitación sería facilitar la movilidad de
los trabajadores en respuesta a las crisis o acompañar los cambios en los patrones de la demanda
y el progreso técnico, pero los programas deberían estar adaptados a cada caso.
Tanto las políticas educativas como los programas de capacitación pueden jugar un rol de
seguridad en el mediano y largo plazo, a través de la disminución de la cantidad de trabajadores
“inempleables” e intentando no llevar a cabo programas de capacitación en sectores proclives
a las crisis. En el diseño de los planes de contingencia, es importante tomar en cuenta que, a
pesar de que probablemente todos los trabajadores se verán afectados, los trabajadores menos
calificados tendrán más probabilidad de perder su empleo incluso en sectores que no se contraen

775
y la proporción de trabajadores calificados en situación de desempleo aumentará en términos
relativos.
El objetivo de este trabajo es brindar cierta evidencia básica sobre los efectos en el mercado
laboral de la mayor crisis que vivió Uruguay en los años recientes, que tuvo su máxima expresión
en 2002 y 2003, con el fin de motivar una reflexión sobre el diseño de planes de contingencia
para las crisis de empleo, en particular, discutir sobre la intervención pública en los programas de
capacitación laboral, así como la mejor manera de realizar dicha intervención.

2. Justificación de la intervención del sector público

Los programas de capacitación laboral pueden ser financiados por el propio trabajador, por
las empresas o por el sector público. Por tanto, la pregunta que surge es por qué se justifica la
existencia de programas públicos de capacitación. La respuesta es compleja, fundamentalmente
porque tiene relación con diversos asuntos, sin embargo, existe cierto acuerdo en la literatura
respecto a una serie de puntos. En primer lugar, es muy probable que los trabajadores no calificados
no puedan afrontar los costos monetarios de un curso de capacitación así como los costos de
oportunidad que conllevan. Asimismo, habrá restricciones de crédito que le impedirán acceder a
capacitación.
En segundo lugar, las firmas enfrentan riesgos cuando financian programas de capacitación,
por lo que estarán poco interesados en hacerlo cuando hay una baja probabilidad de recuperar la
inversión y obtener retornos. En particular, un trabajador que adquiera una calificación general
podría irse a una firma competidora una vez que adquirió dicho conocimiento. Sin embargo,
cuando el conocimiento es específico, la empresa tiene mayores incentivos a invertir, siempre
que existan contratos completos. Pero para el trabajador podría significar un salario menor al que
habría obtenido con una calificación general ya que no tiene poder de negociación.
En general, si la empresa espera obtener un retorno de la inversión en la capacitación de
un empleado, realizará el financiamiento; el sector público debería intervenir cuando el sector
privado no está dispuesto a pagar. Por su parte, las empresas pequeñas en general no tienen
la capacidad para realizar este financiamiento, por tanto, el sector público podría intervenir
realizando algún subsidio a estas empresas. En todos los casos, el Estado debería ser capaz de
analizar si un subsidio a una empresa o un cofinanciamiento se habrían realizado por parte de
una empresa de todas formas, a pesar de no tener el apoyo público.
En definitiva, la intervención del sector público como proveedor de cursos de capacitación
puede estar justificada ante la presencia de fallas de mercado (como fallas en el mercado de
crédito y contratos incompletos) o cuando se busca alcanzar objetivos estratégicos definidos por
el gobierno, como la inserción en el mercado laboral de grupos vulnerables.
Según Heckman y Masterov (2004), la capacitación que brindan las empresas está dirigida
en general a las personas más hábiles y con mayor escolaridad. Sin embargo, las personas menos
calificadas no reciben este tipo de calificación; esto sería un indicador del bajo retorno que se
obtiene por la capacitación de los trabajadores en desventaja. Según estos autores, dada esta
constatación, brindar programas de capacitación públicos a este sector de la sociedad sería una
forma ineficiente de transferencia, siendo una mejor política realizar subsidios al trabajador. De
todas formas, en base a la evidencia, Heckman y Masterov consideran que los programas públicos
tienen efectos positivos para determinados grupos y que los resultados no sólo están relacionados
a la educación, sino que este tipo de programas tienen otras consecuencias, como por ejemplo
la reducción del crimen. Una lección importante de este estudio es que no se puede ver a los
programas de capacitación laboral como una manera de remediar las carencias de calificaciones

776
generadas en edades tempranas.
En Cahuc y Zylberberg (2004), se afirma que la intervención pública en los programas
de entrenamiento sólo se justifica cuando la inversión en capacitación que realiza el individuo
es distinta a la que sería óptima socialmente, lo que se da cuando hay imperfecciones en los
mercados. En general, habrá sobreinversión cuando el individuo debe dar una señal al mercado
sobre sus habilidades, mientras que habrá una inversión subóptima en el caso de imperfecciones
en el mercado financiero. Asimismo, cuando existen costos de transacción en el mercado laboral,
se genera subinversión de capacitación, lo que trae como resultado una baja productividad y
problemas de empleo, salvo que intervenga el sector público.
En el trabajo de Labarca (1998) se afirma que la mejora en la productividad en determinados
sectores de baja productividad en Latinoamérica (en particular, Alimentos, Bebidas y Tabaco,
Calzado, Madera y Fabricación de productos minerales no metálicos) puede lograrse mediante
inversiones en maquinaria y en organización; sin embargo, para realizar dicha incorporación
tecnológica es necesario que los empleados cuenten con capacidades básicas. Los programas de
capacitación que permiten desarrollar estas capacidades son muy costosos, especialmente si se
los compara con la educación formal. El estudio compara el costo de un programa compensatorio
de 20 meses con 4 años de educación secundaria para algunos países: en el país con menor
diferencia, Jamaica, un programa de capacitación tiene un costo de 1,4 veces el de la educación
secundaria; en Argentina, donde se presenta la mayor diferencia, un programa de capacitación es
5,5 veces más costoso250.
Por tanto, Labarca (1998) sugiere que la mejor opción para que sea posible incorporar
tecnología en cualquier sector productivo que requiera una fuerza de trabajo entrenada para
enfrentar objetivos complejos sería extender la educación básica formal y de calidad para los
jóvenes menores de 18 años. La mejor forma de lograr un acceso equitativo a este tipo de educación
es a través de la intervención pública, ya sea brindando el servicio directamente o a través del
control.

3. El modelo de capacitación
El modelo de capacitación asume, al igual que los modelos de decisión de escolarización,
que el individuo emprenderá la acción en función del beneficio esperado que la actividad le
reporte.
Si se asume que los individuos viven infinitos períodos, el ingreso a lo largo de la vida para
los trabajadores no calificados es el siguiente:
t =∞
w20 + ρ w21 + ρ 2 w22 + .... = ∑ ρ t w2t (1)
t =0

donde w2t es el salario de un trabajador no calificado en el período t, ρ es el factor de descuento

1
subjetivo, con ρ = donde d es la tasa de descuento. De esta forma, para aquellos que
1+ d
prefieran capacitarse, el ingreso a lo largo de la vida será igual a
€
t =∞

€
θ w20 + ∑ ρ t w1t (2)
t =1

250 El costo de los 4 años de secundaria corresponde al valor presente estimado de la escolarización utilizando
una tasa de descuento del 10% anual comparado con el gasto en educación de 1990. El valor presente del costo
de oportunidad de realizar un programa de capacitación se basó en los salarios mínimos de 1994, con una tasa de
descuento mensual del 0,8%.

777
 donde θ indica la proporción del salario de un trabajador no calificado que obtiene la persona
que recibe capacitación mientras se capacita, y w1t es el salario de un trabajador capacitado en
el período t. Por tanto, un trabajador no calificado preferirá capacitarse si se cumple:
€ t =∞ t =∞
θ w20 + ∑ ρ t w1t > ∑ ρ t w2t (3)
t =1 t =0

t =∞

∑ ρ (w
t =1
t
1t − w2t ) > w20 (1 − θ ) (4)

Si se asumen expectativas estáticas:

t =∞
( w1 − w2 )∑ ρ t > w2 (1 − θ ) (5)
t =1

ρ
( w1 − w2 )( ) > w2 (1 − θ ) (6)
1− ρ

En síntesis, un trabajador se capacitará si el valor presente de los beneficios descontados

es mayor al costo de oportunidad de recibir capacitación, en términos del salario que recibiría si
se capacitara.
En base a la ecuación anterior, se puede demostrar que esto equivale a:

w2 (1 − θ )
ρ∗ > (7)
w1 − w2θ

Esto significa que aquellos trabajadores para quienes la tasa de descuento satisface la
ecuación (7) preferirán capacitarse, esto es, los trabajadores menos impacientes estarán dispuestos
a llevar a cabo un programa de capacitación por un período. Esto se muestra en la siguiente
figura:

Figura 1

los trabajadores prefieren trabajar los trabajadores prefieren capacitarse

|_________________________________________|_____________________| ρ
0 ρ∗ 1

Asumiendo que los trabajadores están distribuidos de manera € uniforme sobre , es posible
determinar
ρ∗
la proporción de los trabajadores
€ no capacitados que demandaran entrenamiento:
∫ dx = ρ ∗

0 es la proporción de trabajadores no calificados que prefieren trabajar.

1

∫ dx = 1− ρ ∗

€ ρ∗ es la proporción de trabajadores no calificados que demandarán entrenamiento.

778
 Alternativamente, de la ecuación (6) puede derivarse:
⎛ w1 − w2 ⎞ ⎛ ρ ⎞
θ > 1− ⎜ ⎟⎜ ⎟ (8)
⎝ w2 ⎠ ⎝ 1 − ρ ⎠

La expresión (8) determinaría el mínimo incentivo necesario (θ) para inducir a un individuo
a recibir capacitación.

4. Desempleo y capacitación: Algunos hechos estilizados

En esta sección se describe en forma resumida al mercado laboral uruguayo en el período
1998-2009 así como la participación en programas de capacitación, en base a las encuestas
continuas de hogares (ECH) que realiza el Instituto Nacional de Estadística (INE).
Como se aprecia en la siguiente tabla, la mayoría de los activos son trabajadores poco
calificados. Entre 1998 y 2009, si bien no hubo cambios significativos, se puede ver que hay menos
trabajadores no calificados entre los activos y más trabajadores poco calificados y calificados.
Además, la comparación entre 1998 y 2009 es positiva en cuanto al desempleo: hay menos
trabajadores desempleados como proporción de los activos, y esta caída es mayor para el caso de
trabajadores no calificados251.

Tabla 1. Estructura de activos, en porcentaje

1998 2002 2009

Empleo
Trabajo no calificado 39,3 31,5 32,9
Trabajo poco calificado 41,8 41,4 48,0
Trabajo calificado 8,6 9,9 11,2
Subtotal 89,7 82,8 92,1
Desempleo
Trabajo no calificado 5,4 7,1 3,5
Trabajo poco calificado 4,7 9,3 4,1
Trabajo calificado 0,3 0,8 0,3
Subtotal 10,3 17,2 7,9

Notas:
a) Se considera personas entre 14 y 65 años y localidades de 5.000 habitantes y más (sin militares en
1998-2000).
b) La definición de trabajadores no calificados (TNC), poco calificados (TPC) y calificados (TC) se encuentra
en el Anexo I.
Fuente: Elaboración propia en base a datos de ECH (INE).

251 La definición de trabajadores no calificados (TNC), poco calificados (TPC) y calificados (TC) se encuentra en el
Anexo I.

779
 Si se considera la estructura de los empleados, en el período el porcentaje de los trabajadores
no calificados ha disminuido, y en contrapartida ha aumentado el de los poco calificados y no
calificados. Esto podría ser consecuencia de un aumento de la capacitación de la fuerza laboral o
de un aumento en el desempleo de los trabajadores menos calificados. Sin embargo, el porcentaje
de los desempleados con menores calificaciones también ha caído (y ha aumentado el de TPC y
TC), lo que sería un indicio del aumento en la calificación.
Como se observa en la siguiente tabla, la estructura del desempleo es relativamente estable
en el período si se compara punta contra punta, con una tasa mayor para los trabajadores no
calificados (el triple de la de calificados). Sin embargo en las crisis el desempleo de los trabajadores
calificados aumenta en forma más que proporcional ya que se multiplica por 2,6 y el de los no
calificados por 1,5.
La estructura del subempleo cambia en el período; en 1998, la estructura era similar para
todos los niveles de calificación, pero baja en 2009 para los calificados y aumenta para los no
calificados al final del período. La estructura de la informalidad no ha tenido cambios importantes
si se comprara la crisis con el período actual.

Tabla 2. Desempleo, subempleo e informalidad como proporción de los activos, en %

1998 2002 2009
Desempleo
Trabajo no calificado 12,0 18,5 9,5
Trabajo poco calificado 10,0 18,3 7,9
Trabajo calificado 3,0 7,7 3,0
Total 10,3 17,2 7,9
Subempleo
Trabajo no calificado 9,0 18,1 11,0
Trabajo poco calificado 8,0 13,4 7,0
Trabajo calificado 8,6 14,5 5,8
Total 8,5 15,3 8,3
Informalidad
Trabajo no calificado 42,8 42,5
Trabajo poco calificado 25,1 21,8
Trabajo calificado 8,7 6,6
Total 30,2 27,6

Notas:
a) Se considera personas entre 14 y 65 años y localidades de 5.000 habitantes y más (sin militares en
1998-2000).
b) No se reportan los datos de informalidad de 1998 porque hasta 2001 no se preguntaba por derecho a
jubilación.
c) La definición de trabajadores no calificados (TNC), poco calificados (TPC) y calificados (TC) se encuentra
en el Anexo I.
Fuente: Elaboración propia en base a datos de ECH (INE).

780
 En cuanto al efecto de la crisis por sector, a pesar de que todos los sectores se ven
afectados por la crisis, algunos son más golpeados. En particular, el sector de Construcción y
el de Curtiembres y fabricación de artículos de cuero tuvieron una tasa de desempleo de 18,6%
y 16,7% respectivamente, valores bastante mayores al promedio252 (ver Cuadro A5 del Anexo).
Otros sectores que presentaron un desempleo mayor al promedio incluyen algunos sectores
de servicios (Hogares privados con servicio doméstico, Hoteles y restaurantes, y Comercio),
sectores primarios (Silvicultura, extracción de madera y actividades de servicios conexas) y
varios sectores manufactureros: Fabricación de vehículos, Fabricación de productos de caucho y
plástico, Producción de madera, Fabricación de productos textiles y de prendas de vestir, entre
otros. Si se observan estas tasas de desempleo por nivel de calificación, hay algunas diferencias
considerables; por ejemplo, en los sectores primarios, el aporte de los trabajadores calificados es
muy importante, así como en general en sectores en que predomina la cantidad de trabajadores
menos calificados (Curtiembres, Fabricación de caucho y plástico). Los trabajadores no calificados
en general tienen un aporte significativo en todos los sectores que están por encima del promedio
general, salvo algunas excepciones: Fabricación de vehículos, Silvicultura y Actividades de edición
e impresión.
La calificación puede considerarse “resistente a las crisis”; en algunos sectores, los
trabajadores más capacitados resisten a las crisis, incluso en sectores en que se contraen. En
particular, existen sectores en los que el empleo calificado aumentó entre 2000 y 2002: varios
sectores de servicios (Correo y Telecomunicaciones, Hoteles y restaurantes, Comercio, Actividades
inmobiliarias, Intermediación financiera, Enseñanza), y sectores de la industria manufacturera
(Fabricación de muebles, Fabricación de prendas de vestir, Fabricación de metales, Fabricación de
productos químicos y farmacéuticos, entre otros).
La mayoría de los sectores reducen su empleo, sin embargo en dos casos se reduce el empleo
de los trabajadores no calificados durante la crisis en sectores que no se contraen. Efectivamente,
en los sectores de Transporte y Servicios sociales y de salud, a pesar de que el empleo total no se
contrajo en la crisis, el empleo no calificado disminuyó en esas actividades.
También hay sectores donde el empleo calificado corre mayores riesgos, por ejemplo hay
actividades donde los trabajadores calificados tienen desempleo cero en 2009, pero presentaron
tasas de desempleo mayores al promedio en la crisis de 2002: Fabricación de productos de caucho y
plástico, Fabricación de vehículos, Alimentos, bebidas y tabaco, y Correo y telecomunicaciones.
Por último, resulta interesante analizar los efectos de la crisis según el tipo de ocupación.
En la siguiente tabla, se presentan los 15 puestos con mayor contribución al desempleo durante
la crisis y el lugar que dichos puestos ocuparon en 2009. Como se puede apreciar, la situación no
ha cambiado demasiado. Los puestos con mayor desocupación son, en general, los relacionados
a tareas que requieren bajos niveles de calificación, como el caso del personal doméstico. Otros
puestos con problemas son algunos que requieren alguna experiencia previa, como el caso de los
vendedores, trabajadores de cuidados personales, oficinistas y cajeros253.

252 La tasa de desempleo fue aproximada por: desocupados/(ocupados+desocupados).

253 La clasificación de las ocupaciones se basa en Clasificación Internacional Uniforme de Ocupaciones (CIUO-88),
adaptada a Uruguay (CNUO-95).

781
Tabla 3. Porcentaje de desocupados en el total por tipo de ocupación, 2002 y 2009
ranking ranking
Código Descripción
2002 2009
Personal doméstico y afines, limpiadores, lavanderos y
913 1 1
planchadores
522 Vendedores y demostradores de tiendas y almacenes 2 2
712 Oficiales y operarios de la construcción (obra gruesa) y afines 3 12
933 Peones del transporte 4 5
514 Otros trabajadores de servicios personales a particulares 5 6
513 Trabajadores de los cuidados personales y afines 6 3
512 Personal de intendencia y de restaurantes 7 7
931 Peones de la minería y la construcción 8 4
921 Peones agropecuarios, forestales, pesqueros y afines 9 8
915 Mensajeros, porteadores, porteros y afines 10 13
714 Pintores, limpiadores de fachadas y afines 11 20
419 Otros oficinistas 12 11
Agricultores y trabajadores calificados de cultivos para el
611 13 35
mercado
832 Conductores de vehículos de motor 14 14
421 Cajeros, taquilleros y afines 15 10

Personas entre 14 y 65 años y localidades de 5.000 habitantes y más (sin militares en 1998-2000).
Fuente: Elaboración propia en base a datos de ECH (INE).

En la Encuesta Continua de Hogares de 2006 del INE254, se incorporaron módulos trimestrales

con temas de interés específico; en el segundo trimestre, se preguntó a las personas sobre los
cursos de capacitación que habían realizado en los cinco años anteriores, que fueran de dos meses
o más de duración y que estuvieran orientados a una actividad específica o una profesión, sin
incluir los cursos que forman parte del sistema formal de enseñanza.
A continuación se muestra la cantidad de activos que participaron en programas de
capacitación en base a la ENHA 2006 y la estructura de su participación según la forma de
financiamiento de dichos programas. La mayoría de las personas que toman estos cursos son
los individuos de calificación media; además, la mayoría paga sus propios cursos, para todos los
niveles de calificación. Los trabajadores menos calificados son los que participan menos de estos
programas, y los programas de capacitación públicos no tienen un sesgo hacia la capacitación de
este grupo.

Tabla 4. Total de participantes en cursos de capacitación (personas activas), 2006

Trabajo no Trabajo poco Trabajo Total
calificado calificado calificado
Financiado por programa
1.616 5.136 1.645 8.397
público
Financiado por la empresa 1.408 8.107 2.799 12.314
Lo pagó la persona 2.820 18.536 5.731 27.087
Fue una beca del instituto
268 1.214 364 1.846
de capacitación
Total 6.112 32.993 10.539 49.644
Fuente: Elaboración propia en base a ECH (INE).
254 Encuesta Nacional de Hogares Ampliada (ENHA, 2006).

782
Tabla 5. Estructura de participantes en cursos de capacitación (en %), 2006
Trabajo no Trabajo poco Trabajo
Total
calificado calificado calificado
Financiado por
3,3 10,3 3,3 16,9
programa público
Financiado por la
2,8 16,3 5,6 24,8
empresa
Lo pagó la persona 5,7 37,3 11,5 54,6
Fue una beca del
0,5 2,4 0,7 3,7
instituto de capacitación
Total 12,3 66,5 21,2 100

Fuente: Elaboración propia en base a ECH (INE).

Si se compara la estructura de ocupados y desocupados que participan en los cursos con

la estructura de la economía en su conjunto, se aprecia que en términos generales no existen
grandes diferencias. Sin embargo, por nivel de calificación, hay un sesgo desfavorable para los
TNC, ya que un porcentaje menor de ellos, tanto ocupados como desempleados, participa en los
programas de capacitación respecto a la estructura global.

Tabla 6. Estructura de participantes en cursos y estructura de activos según calificación y situación

laboral (en%), 2006
Trabajo no calificado Trabajo poco calificado Trabajo calificado Total
Participantes en cursos
Ocupados 10,4 58,4 19,8 88,7
Desocupados 1,9 8,0 1,4 11,3
12,3 66,5 21,2 100
Estructura global
Ocupados 32,3 44,9 11,2 88,4
Desocupados 5,0 5,9 0,7 11,6
37,4 50,8 11,9 100
Fuente: Elaboración propia en base a ECH (INE).

Por último, se aprecia que los participantes de estos cursos en términos del total de
activos es muy reducido, en particular, mientras mayor calificación previa, mayor participación
en programas de capacitación.

Tabla 7. Porcentaje de quienes reciben cursos de capacitación por calificación y situación laboral,
2006
Trabajo no Trabajo poco Trabajo Total
calificado calificado calificado
Ocupados 1,3 5,2 7,1 4,0
Desocupados 1,5 5,5 8,3 3,9
Total 1,3 5,2 7,2 4,0
Fuente: Elaboración propia en base a ECH (INE).

783
5. Cálculos básicos
Para el cálculo de θ nos resultara útil la estimación de remuneraciones promedio por
calificación255. Estos cálculos, para el año 2006 en pesos uruguayos, se detallan a continuación:

Tabla 8. Salario promedio por nivel de calificación, 2006

Calificación Salario
promedio
Trabajo no calificado 5.945
Trabajo poco calificado 8.885
Trabajo calificado 16.811
Fuente: Elaboración propia en base a ECH (INE).

En base al caso de distribución uniforme descrito anteriormente, y suponiendo que el

trabajador no recibe ningún pago durante el entrenamiento (θ = 0), la probabilidad de que un
trabajador no calificado decida trabajar en lugar de recibir capacitación es p= 0,66. Si el modelo
es correcto, y considerando w1 el salario de un trabajador poco calificado (TPC) y w2 el de un
trabajador no calificado (TNC), un valor de θ = 0 implicaría
€ un factor de descuento ,
que se corresponde a una tasa de descuento muy alta d=0,5. Por lo tanto, sería esperable que
hubiera una gran cantidad de individuos que quisieran adquirir capacitación, ya que aun para
personas con relativa impaciencia, no
€ sería necesario ningún incentivo monetario. Sin embargo,
sólo un 0,3% de los trabajadores no calificados reciben capacitación. Una posible explicación por
tanto, podría ser que la oferta está limitada, o que la valoración de lo ofrecido (en términos del
retorno esperado) es baja (menor a w1 del modelo) por lo que no sería demandado (problema de
diseño).
Alternativamente, esto puede ser visto de la siguiente manera, como lo muestra la tabla
9. Para tasas se descuento “normales” del entorno del 3% los trabajadores siempre elegirían
demandar capacitación, aun con subsidio cero y hasta “negativo”. Y aun para tasas altas (10%) el
incentivo del salario esperado sería suficiente para demandar cursos de capacitación, y por tanto
el estímulo económico no sería necesario, excepto para individuos extremadamente ansiosos.

255 El cálculo de las remuneraciones se detalla en el Anexo I.

784
Tabla 9. Valores de θ necesarios para diversos valores de d, en base a datos de 2006
d ρ θ d ρ θ
0,01 0,99 -48,45 0,28 0,78 -0,77
0,02 0,98 -23,73 0,29 0,78 -0,71
0,03 0,97 -15,48 0,30 0,77 -0,65
0,04 0,96 -11,36 0,31 0,76 -0,60
0,05 0,95 -8,89 0,32 0,76 -0,55
0,06 0,94 -7,24 0,33 0,75 -0,50
0,07 0,93 -6,06 0,34 0,75 -0,45
0,08 0,93 -5,18 0,35 0,74 -0,41
0,09 0,92 -4,49 0,36 0,74 -0,37
0,10 0,91 -3,95 0,37 0,73 -0,34
0,11 0,90 -3,50 0,38 0,72 -0,30
0,12 0,89 -3,12 0,39 0,72 -0,27
0,13 0,88 -2,80 0,40 0,71 -0,24
0,14 0,88 -2,53 0,41 0,71 -0,21
0,15 0,87 -2,30 0,42 0,70 -0,18
0,16 0,86 -2,09 0,43 0,70 -0,15
0,17 0,85 -1,91 0,44 0,69 -0,12
0,18 0,85 -1,75 0,45 0,69 -0,10
0,19 0,84 -1,60 0,46 0,68 -0,08
0,20 0,83 -1,47 0,47 0,68 -0,05
0,21 0,83 -1,35 0,48 0,68 -0,03
0,22 0,82 -1,25 0,49 0,67 -0,01
0,23 0,81 -1,15 0,50 0,67 0,01
0,24 0,81 -1,06 0,60 0,63 0,18
0,25 0,80 -0,98 0,70 0,59 0,29
0,26 0,79 -0,90 0,80 0,56 0,38
0,27 0,79 -0,83 0,90 0,53 0,45
Nota: el θ calculado se basa en la ecuación (8).
Fuente: Elaboración propia en base a ECH (INE).

6. Conclusiones
Los trabajadores desplazados del mercado laboral enfrentan básicamente las siguientes
alternativas: obtener capacitación para reinsertarse en el trabajo de una manera más estable,
buscar un empleo en el sector informal, o permanecer desempleado. La mayoría de los trabajadores
no calificados están desempleados o trabajan en el sector informal; es difícil determinar qué
proporción de ellos están dispuestos a capacitarse. Esto depende de las preferencias y del costo de
oportunidad de asistir a un curso de capacitación, es decir, del seguro de desempleo o el salario
que reciben los trabajadores menos calificados en el sector informal.
En el informe se evidencia que en Uruguay la mayoría de los activos son trabajadores poco
calificados, y no hubo algunos cambios importantes en la última década. Sin embargo, durante
la crisis se advirtieron cuatro comportamientos claramente diferenciados en cuanto a la relación
calificación/sector: 1) la calificación es “resistente a las crisis” en algunos sectores, ya que los
trabajadores más capacitados resisten a las crisis en sectores en que se contraen, en particular,
existen sectores en los que el empleo aumentó entre 2000 y 2002, 2) a pesar de que todos los
sectores se ven afectados por la crisis, algunos son más golpeados, en particular, el sector de
Construcción y el de Curtiembres y fabricación de artículos de cuero; 3) la mayoría de los sectores

785
reducen su empleo, sin embargo en dos casos se reduce el empleo de los trabajadores no calificados
durante la crisis en sectores que no se contraen: Transporte y Servicios sociales y de salud, 4) en
algunos sectores donde los trabajadores calificados tienen desempleo cero en 2009, presentaron
tasas de desempleo mayores al promedio en 2002.
De acuerdo al modelo presentado, y considerando la baja participación de los trabajadores
en los programas públicos de capacitación en Uruguay, las hipótesis más plausibles parecen ser
las siguientes: 1) la provisión de programas de capacitación está racionada, 2) los trabajadores no
calificados serían demasiado ansiosos para que una compensación pueda ser un incentivo válido,
3) el retorno esperado de la capacitación es bajo, ya sea porque se espera un salario por debajo
del de la educación en los niveles de salario medio (w1), o porque el incentivo económico (θ)
para compensar el costo de oportunidad de realizar los cursos, es bajo o inexistente. Las cifras
presentadas nos sugieren que es muy factible que la oferta pública se encuentre racionada debido
a las tamaños exiguos de los programas de capacitación públicos; sin embargo no se descarta un
problema de diseño de oferta, lo que está fuera del alcance del trabajo.
Por último, es de hacer notar que mientras las políticas educativas deberían estar designadas
con una visión de largo plazo, considerando los desafíos que el futuro puede suponer, los programas
de capacitación laboral destinados a los trabajadores desplazados exigen una mirada al pasado. En
base a la experiencia reciente que se vivió en Uruguay, un buen diseño de planes de contingencia
para las crisis de empleo debería prever que todos los tipos de trabajadores se verán afectados,
pero, en particular, los trabajadores menos calificados perderán más probablemente su empleo,
incluso en sectores que no se contraen, y la proporción de trabajadores calificados desempleados
aumentará. Una lección de largo plazo para la política educativa podría ser hacerse cargo de los
trabajadores “inempleables” durante los períodos de crisis y desalentar la formación específica
en los sectores proclives a las crisis. Algunos temas de mayor profundidad que son relevantes en
planes de contingencia y capacitación han quedado fuera del ámbito de este trabajo, como los
relativos a género, etnia, regiones, etc.

Referencias
Cahuc, P. and A. Zylberberg (2004): “Labor Economics”. The MIT Press.

Courty, P. and G. Marschke (1997): “Measuring government performance: lessons from a Federal
Job-Training Program”. The American Economic Review, Volume 87, Issue 2, Papers and Proceedings
of the Hundred and Fourth Annual Meeting of the American Economic Association.

De Fraja, G. (2005): “Market and Public Provision in the Presence of Human Capital Externalities”.
University of Leicester and C.E.P.R.

Ertl, H. (2006): “European Union Policies in Education and Training: The Lisbon Agenda as
a Turning Point”. Comparative Education, Vol. 42, No. 1, Special Issue (31): European Union
Education and Training Policy, pp. 5-27.

Friedlander, D., D. Greenberg and P. Robins (1997): “Evaluation government training programs for
the economically disadvantaged”. Journal of Economic Literature, Volume 35, Issue 4.

Heckman, J. and D. Masterov (2004): “Skill Policies for Scotland”. The Allander Series.

786
Ihring, J. and K.S. Moe (2000): “The influence of government policies on informal labor:
implications for long-run growth”. De Economist 148, No.3.

Labarca, G. (1998): “Education in Basic Skills and Training for Productive Work”. International
Review of Education, Vol. 44, No. 5/6, pp. 413-439.

LaLonde, R. (1995): “The promise of public sector-sponsored training programs”. Journal of

Economic Perspectives, Volume 9, Issue 2.

Lynch, L. and S. Black (1995): “Beyond the incidence of training: evidence from a national
employers survey”. NBER Working Paper 5231.

Mussa, M. (1982): “Government Policy and the adjustment process”. In J. Bhagwati (ed.), “Import
competition and response”, Chicago University Press.

787
Anexo I. Definiciones.

Desempleo.
Personas en edad de trabajar (14 años o más) que no están trabajando por no tener
empleo, pero que buscaban un trabajo remunerado o lucrativo, y que se encuentran disponibles
para comenzar a trabajar. Esta categoría comprende a las personas que trabajaron antes pero
perdieron su empleo (desocupados propiamente dichos, incluyen a los que reciben un subsidio
estatal o Seguro de Paro) y aquellas que buscan su primer trabajo.

Subempleo.
Comprende a las personas ocupadas que involuntariamente desempeñan su actividad
laboral a tiempo parcial.

Preguntas de la ECH utilizadas:

¿Cuántas horas trabaja habitualmente por semana? Incluye horas trabajadas en la ocupación
principal y secundaria.
¿Desea trabajar más horas?
¿Está disponible en este momento para trabajar más horas?
¿Por cuál razón no trabaja habitualmente más horas por semana?

Se considera que el individuo es subempleado si:
- trabaja menos de 40 horas semanales.
- desea trabajar más horas.
- está disponible para trabajar más horas.
- y no trabaja más horas porque no consigue más trabajo.

Informalidad.
Trabajador no registrado en la seguridad social en la ocupación principal o única del
trabajador.

Pregunta utilizada:
Encuestas 1998-2000: Aproximación: derecho a afiliación colectiva: DISSE.
Encuestas 2001-2005: ¿Tiene derecho a jubilación?
Encuestas 2006-2009: ¿Aporta a una caja de jubilaciones por este trabajo?

Niveles de calificación.

– trabajo no calificado (TNC): hasta 8 años de educación.

– trabajo poco calificado (TPC): entre 9 y 15 años de educación.
– trabajo calificado (TC): más de 15 años de educación.

Remuneraciones.
Se consideran las remuneraciones mensuales de la ocupación principal (por la que reciben
mayores ingresos) de los trabajadores en relación de dependencia. Dichas remuneraciones incluyen:
sueldos o jornales líquidos, comisiones, incentivos, horas extras, habilitaciones, viáticos, propinas

788
y remuneraciones en especie.
Dado que la ECH sólo registra el aguinaldo y el salario vacacional si fueron recibidas el mes
anterior a la encuesta, dichas partidas fueron calculadas. A los trabajadores del sector privado que
declararan tener derecho a aguinaldo se les imputó el aguinaldo (calculado como salario/12) y el
salario vacacional (calculado como salario * (20/30) / 12). A los trabajadores del sector público
sólo se les imputó el aguinaldo.

Cursos de capacitación.
A los activos (ocupados y desocupados) se les pregunta si han realizado algún curso de
capacitación. Se busca captar cursos que no forman parte del sistema formal de enseñanza (UTU,
Universidades) y que estén orientados a una actividad o profesión.

Preguntas utilizadas:

¿Ha realizado algún curso de capacitación (sin ser los de Universidad, o UTU o similar) en los
últimos cinco años de 2 o más meses de duración?

¿Ese curso…

…fue financiado por un programa público?

…fue financiado por la empresa en la que trabaja/ó?
…lo pagó usted?
…fue una beca del instituto de capacitación?

789
Cuadro A1. Clasificación de los sectores
Código Denominación
A.011T.0 Cultivos en general; servicios agrícolas aplicados a estos cultivos
A.012T.0 Cría de animales; servicios ganaderos
A.0200.0 Silvicultura, extracción de madera y actividades de servicios conexas
B.0500.0 Pesca, explotación de criaderos de peces; actividades de servicios relacionados con la pesca
C.TTTT.0 Explotación de minas y canteras
D.1511.0 Producción, procesamiento y conservación de carne y productos cárnicos
D.151R.0 Producción, procesamiento y conservación de pescado, frutas, hortalizas y aceites
D.1520.0 Elaboración de productos lácteos
D.153T.0 Elaboración de productos de molinería, almidones y productos derivados del almidón, y de
alimentos preparados para animales
D.154R.0 Elaboración de productos de panadería y fideería
D.154S.0 Elaboración de azúcar, cacao, chocolate, productos de confitería y de otros productos
alimenticios n.c.p.
D.155T.0 Elaboración de bebidas
D.1600.0 Elaboración de productos de tabaco
D.17TT.0 Fabricación de productos textiles
D.18TT.0 Fabricación de prendas de vestir; adobo y teñido de pieles
D.19TT.0 Curtido y adobo de cueros; fabricación de maletas, bolsos de mano, artículos de talabartería y
guarnicionería, y calzado
D.20TT.0 Producción de madera y fabricación de productos de madera y corcho excepto muebles;
fabricación de artículos de paja y de materiales trenzables
D.210T.0 Fabricación de papel y de productos de papel y cartón
D.22TT.0 Actividades de edición e impresión y de reproducción de grabaciones
D.23TT.0 Fabricación de coque, productos de la refinación del petróleo y combustible nuclear
D.24RT.0 Fabricación de abonos y compuestos de nitrógeno, plaguicidas y otros productos químicos de
uso agropecuario
D.24ST.0 Fabricación de productos farmacéuticos, sustancias químicas medicinales y productos botánicos,
de uso humano y animal
D.24UT.0 Fabricación de sustancias y productos químicos excepto abonos y plaguicidas y productos
farmacéuticos
D.25TT.0 Fabricación de productos de caucho y plástico
D.26TT.0 Fabricación de otros productos minerales no metálicos
Fabricación de metales comunes, productos elaborados de metal, maquinaria especial y de uso
D.RRTT.0 general; maquinaria de oficina, contabilidad e informática; aparatos eléctricos, de radio,
televisión y comunicaciones; partes y piezas
D.SSTT.0 Fabricación de vehículos automotores, remolques y semirremolques y de otros tipos de equipo
de transporte
D.UUTT.0 Fabricación de muebles; industrias manufactureras n.c.p.; reciclamiento
E.TTTT.0 Suministro de electricidad, gas, vapor y agua caliente; Captación, depuración y distribución de
agua
F.45TT.0 Construcción de edificios y otras construcciones
G.TTTT.0 Comercio al por mayor y al por menor, reparación de vehículos automotores, motocicletas,
efectos personales y enseres domésticos.
H.55TT.0 Hoteles y restaurants
I.60TT.0 Transporte por vía terrestre y por tuberías
I.RRTT.0 Transporte por vía acuática; vía aérea; actividades de transporte complementarias y auxiliares;
actividades de agencias de viajes
I.64TT.0 Correo y Telecomunicaciones
J.TTTT.0 Intermediación financiera
K.70TT.0 Actividades inmobiliarias
K.RRTT.0 Alquiler de maquinaria y equipo sin operarios; informática y actividades conexas; actividades
de investigación y desarrollo y otras actividades empresariales
L.75TT.0 Administración pública y defensa; planes de seguridad social de afiliación obligatoria
M.80TT.0 Enseñanza
N.85TT.0 Servicios sociales y de salud
O.TTTT.0 Otras actividades de servicios comunitarios, sociales y personales
P.9500.0 Hogares privados con servicio doméstico

Nota:
En las encuestas de 2000 a 2004 y en algunos casos de la encuesta de 2005, no es posible
distinguir algunos sectores que aparecen agregados:

790
Código Corresponde a Denominación
A.01TT.0 A.011T.0 Cultivos en general;servicios agrícolas aplicados a estos cultivos
A.012T.0 Cría de animales; servicios ganaderos
D.15TT.0 D.1511.0 Producción, procesamiento y conservación de carne y productos cárnicos
D.151R.0 Producción, procesamiento y conservación de pescado, frutas, hortalizas y
aceites
D.1520.0 Elaboración de productos lácteos
Elaboración de productos de molinería, almidones y productos derivados
D.153T.0 del almidón, y de alimentos preparados para animales
D.154R.0 Elaboración de productos de panadería y fideería
Elaboración de azúcar, cacao, chocolate, productos de confitería y de otros
D.154S.0 productos alimenticios n.c.p.
D.155T.0 Elaboración de bebidas
Fabricación de abonos y compuestos de nitrógeno, plaguicidas y otros
D.24TT.0 D.24RT.0
productos químicos de uso agropecuario
Fabricación de productos farmacéuticos, sustancias químicas medicinales y
D.24ST.0
productos botánicos, de uso humano y animal
Fabricación de sustancias y productos químicos excepto abonos y
D.24UT.0 plaguicidas y productos farmacéuticos

791
Anexo II

Cuadro A2. Estructura de activos según calificación y situación laboral, en porcentajes*

 
*Personas entre 14 y 65 años y localidades de 5.000 habitantes y más (sin militares en 1998-
2000).
Fuente: Elaboración propia en base a datos de ECH (INE).

Cuadro A3. Estructura de empleo, desempleo, subempleo e informalidad, según calificación y

situación laboral, en porcentajes*

 
*Personas entre 14 y 65 años y localidades de 5.000 habitantes y más (sin militares en 1998-
2000).
(a) Los datos de 1998 a 2000 no son comparables con el resto por diferencias en la metodología
de cálculo (ver Anexo I).
Fuente: Elaboración propia en base a datos de ECH (INE).

792
Cuadro A4. Desempleo, subempleo e informalidad como proporción de los activos, en
porcentajes*

 
*Personas entre 14 y 65 años y localidades de 5.000 habitantes y más (sin militares en 1998-
2000).
Fuente: Elaboración propia en base a datos de ECH (INE).

Cuadro A5. Tasa de desocupación* en 2002, para sectores por encima del promedio
Trabajo Trabajo
Trabajo Total
no poco
calificado calificado calificado
Construcción de edificios y otras construcciones 18,6 19,3 7,0 18,6
Curtido y adobo de cueros; fabricación de maletas, bolsos de 15,8 16,5 49,5 16,7
mano, artículos de talabartería y guarnicionería, y calzado
Hogares privados con servicio doméstico 14,8 19,0 11,4 16,2
Fabricación de vehículos automotores, remolques y 0,0 17,5 36,4 15,4
semirremolques y de otros tipos de equipo de transporte
Hoteles y restaurants 12,2 16,9 4,5 14,5
Fabricación de productos de caucho y plástico 15,3 10,0 57,4 13,8
Producción de madera y fabricación de productos de madera y
corcho excepto muebles; fabricación de artículos de paja y de 15,9 13,1 0,0 13,8
materiales trenzables
Silvicultura, extracción de madera y actividades de servicios 6,0 27,9 50,0 13,5
conexas
Fabricación de productos textiles 13,1 14,0 0,0 13,3
Fabricación de prendas de vestir; adobo y teñido de pieles 11,5 14,7 0,0 13,1
Alquiler de maquinaria y equipo sin operarios; informática y
actividades conexas; actividades de investigación y desarrollo 18,1 12,3 5,5 12,5
y otras actividades empresariales
Alimentos bebidas y tabaco 11,2 12,7 10,3 11,9
Cultivos en general; servicios agrícolas aplicados a estos 12,2 11,0 1,7 11,3
cultivos. Cría de animales; servicios ganaderos
Fabricación de otros productos minerales no metálicos 10,5 12,0 0,0 10,9
Actividades de edición e impresión y de reproducción de 3,0 12,3 15,0 10,8
grabaciones
Fabricación de metales comunes, productos elaborados de
metal, maquinaria especial y de uso general; maquinaria de 15,7 6,7 5,4 10,1
oficina, contabilidad e informática; aparatos eléctricos, de
radio, televisión y comunicaciones; partes y piezas
Comercio al por mayor y al por menor, reparación de vehículos
automotores, motocicletas, efectos personales y enseres 8,7 10,4 10,6 9,8
domésticos.
Total 11,5 9,6 4,0 9,7
*Aproximada por: desocupados/(ocupados+desocupados).
Personas entre 14 y 65 años y localidades de 5.000 habitantes y más (sin militares en 1998-
2000).
Fuente: Elaboración propia en base a datos de ECH (INE).

793
Cuadro A6. Variación del empleo durante la crisis (2002), respecto a 2000, en sectores donde el
empleo calificado aumentó, según sector y calificación (ordenado según el aumento en el empleo
calificado)
Trabajo Trabajo
Trabajo Total
no poco
calificado calificado calificado
Fabricación de muebles; industrias manufactureras n.c.p.;
reciclamiento -7 -11 206 -6

Fabricación de prendas de vestir; adobo y teñido de pieles -14 1 75 -7

Correo y Telecomunicaciones -28 -14 74 -16
Hoteles y restaurantes -31 -17 72 -22
Hogares privados con servicio doméstico -18 11 69 -10
Fabricación de metales comunes, productos elaborados de metal,
maquinaria especial y de uso general; maquinaria de oficina, -27 -20 48 -21
contabilidad e informática; aparatos eléctricos, de radio, televisión y
comunicaciones; partes y piezas
Fabricación de productos químicos y farmacéuticos -35 -7 48 -10
Suministro de electricidad, gas, vapor y agua caliente; Captación,
depuración y distribución de agua -41 19 44 -4

Transporte por vía acuática; vía aérea; actividades de transporte

complementarias y auxiliares; actividades de agencias de viajes -24 -14 31 -12

Comercio al por mayor y al por menor, reparación de vehículos

automotores, motocicletas, efectos personales y enseres domésticos. -16 -4 31 -8

Actividades inmobiliarias 54 -26 27 -13

Otras actividades de servicios comunitarios, sociales y personales -31 12 24 -5
Intermediación financiera 3 -2 16 1
Fabricación de coque, productos de la refinación del petróleo y
combustible nuclear -65 -30 14 -32

Enseñanza -40 -16 9 -7

Construcción de edificios y otras construcciones -29 3 0 -19

Personas entre 14 y 65 años y localidades de 5.000 habitantes y más (sin militares en 1998-
2000).
Fuente: Elaboración propia en base a datos de ECH (INE).

Cuadro A7. Sectores donde el empleo total no se contrajo durante la crisis, respecto a 2000, pero
donde el empleo no calificado disminuyó
02/00 03/00 02/00 03/00 02/00 03/00 02/00 03/00
Trabajo no Trabajo poco Trabajo Total
calificado calificado calificado
Transporte -8 -8 8 14 103 89 2 5

-26 -27 15 15 4 3 2 1
Servicios sociales y de salud

Fuente: Elaboración propia en base a datos de ECH (INE).

794
Cuadro A8. Tasa de desocupación altas en trabajadores calificados durante la crisis, ordenado
según Trabajo calificado de 2009 ascendente

 Nota: tasa de desocupación aproximada por: desocupados/(ocupados+desocupados).

Cuadro A9. Porcentaje de desocupados en el total por tipo de ocupación, 2002 y 2009
ranking ranking
Código Descripción
2002 2009
913 Personal doméstico y afines, limpiadores, lavanderos y planchadores 1 1
522 Vendedores y demostradores de tiendas y almacenes 2 2
712 Oficiales y operarios de la construcción (obra gruesa) y afines 3 12
933 Peones del transporte 4 5
514 Otros trabajadores de servicios personales a particulares 5 6
513 Trabajadores de los cuidados personales y afines 6 3
512 Personal de intendencia y de restaurantes 7 7
931 Peones de la minería y la construcción 8 4
921 Peones agropecuarios, forestales, pesqueros y afines 9 8
915 Mensajeros, porteadores, porteros y afines 10 13
714 Pintores, limpiadores de fachadas y afines 11 20
419 Otros oficinistas 12 11
611 Agricultores y trabajadores calificados de cultivos para el mercado 13 35
832 Conductores de vehículos de motor 14 14
421 Cajeros, taquilleros y afines 15 10
Personas entre 14 y 65 años y localidades de 5.000 habitantes y más (sin militares en 1998-2000).
Fuente: Elaboración propia en base a datos de ECH (INE).

795
Anexo III. Programas de capacitación en Uruguay

Actualmente, la mayoría de los programas públicos de capacitación se desarrollan en la

órbita del Instituto Nacional de Empleo y Formación Profesional (INEFOP)256. Dicho instituto
es creado por la Ley Nº 18.406 del 24 de octubre de 2008 y es de carácter tripartito: está integrado
por tres representantes del gobierno, dos de las cámaras empresariales y dos de los trabajadores. Su
objetivo principal es ejecutar las políticas de formación profesional y fortalecimiento del empleo de
los trabajadores en el Uruguay, sustituyendo de esta manera en sus funciones a la Junta Nacional
de Empleo (JUNAE).

Programas del INEFOP:

1. PROJOVEN
Es un programa de formación e inserción laboral de los jóvenes con mayores dificultades
para obtener un empleo. Vincula las acciones de capacitación con las necesidades y oportunidades
identificadas en los sectores productivos del país. El Programa está dirigido a jóvenes, entre 18 y
24 años, provenientes de hogares de bajos ingresos que no han completado su educación formal y
con limitada o nula experiencia laboral, y que al momento de inscribirse no estén trabajando y ni
estudiando.
El programa cubre todos los gastos de capacitación otorgando además un viático para
transporte durante la formación. Todos los cursos incluyen un Taller de Orientación Ocupacional
y Vocacional que prepara a los jóvenes para comprender las lógicas, códigos y requerimientos del
mundo del trabajo. Algunas cursos que se han llevado a cabo son: Ventas y Atención al Cliente;
Atención en Farmacias y Perfumerías; Asistente Contable; Programación Java y PHP; Reparación de
PC; Logística; Ayudante de cocina básico.

2. Emprende Uruguay
El programa está dirigido a micro y pequeñas empresas (MYPE) formales e informales instaladas
en los departamentos de: Canelones, Florida, Montevideo y San José. El programa ofrece: cursos de
capacitación en gestión empresarial, asistencia técnica personalizada en gestión, formulación de un
plan estratégico, apoyo para la formalización, estudio de viabilidad económica y acceso al crédito
por medio de garantía, trabajo en redes empresariales.

3. FOMYPES
Este programa tiene como objetivo contribuir a la mejora de la competitividad de las
MYPE mediante la calificación de su capital humano. En particular, ofrece apoyo económico para
la contratación de asistencia técnica, o para la participación de sus propietarios y trabajadores
en actividades de capacitación. Las beneficiarias del programa son empresas de hasta diecinueve
empleados, radicadas en los departamentos de Canelones, Colonia, Maldonado, Montevideo, Paysandú,
San José y Tacuarembó.

4. PROIMUJER
Es un programa de capacitación laboral con enfoque de equidad de género. Está dirigido
a mujeres desocupadas, que buscan empleo por primera vez o se encuentran en cualquiera de las
situaciones de empleo con restricciones. Actualmente, el programa ejecuta un promedio de 50
cursos anuales.
256 http://www.inefop.org.uy/.
796
5. PROCLADIS
Es un programa de capacitación laboral para personas con discapacidad, que tiene como
objetivo promover su inclusión social. Participan del programa todas aquellas personas con
discapacidad (todos los tipos de deficiencia) mayores de 18 años. Se privilegia a aquellas personas
que se encuentran en situación de vulnerabilidad social y laboral. Todos los cursos de capacitación
e inserción laboral son gratuitos.

6. Trabajadores rurales
El Programa se dirige a todos los trabajadores que viven en el medio rural o que trabajan
en actividades agrarias, a hombres, mujeres y jóvenes, desocupados o en actividad, asalariados o
independientes, o que tengan una empresa familiar. Se trabaja con la participación de los actores,
organizaciones e instituciones locales y pobladores que lo deseen.

7. Trabajadores en Seguro de Desempleo

Es un programa específico para trabajadores en seguro de desempleo, que tiene el objetivo
de mejorar las competencias laborales de dichos trabajadores, a través de cursos de capacitación
transversal y específicos, vinculados a la demanda del mundo del trabajo; y mediante nuevas
oportunidades de ingreso al sistema educativo. Pueden acceder a los beneficios los trabajadores
interesados que perciban el seguro de desempleo y tengan causal de despido.

8. Programa Uruguay Estudia

En términos generales, este programa busca que toda persona joven o adulta, que no se
encuentre estudiando, pueda estudiar. Se orienta a desarrollar la ejecución de propuestas que estén
destinadas a dar oportunidades a quienes deseen continuar sus estudios, así como brindar apoyo a
las iniciativas que impulsen acciones de formación y capacitación técnico-profesional. Actualmente,
existe un llamado para presentarse a este programa, y tiene como población objetivo a las personas
que no finalizaron la educación primaria; los beneficios consisten en 3 meses de beca para permitir
preparar el examen de finalización de educación primaria y la oportunidad de asistir a clases con
apoyo personalizado.
Además del INEFOP, el Ministerio de Desarrollo Social (MIDES) también ha llevado a cabo
programas destinados a la capacitación.
Dentro del Plan de Asistencia Nacional a la Emergencia Social (PANES), se llevó a cabo el
programa Construyendo Rutas de Salida (CRS). Fue un programa socioeducativo y comunitario
que apuntó a la implementación de estrategias para salir de las diferentes situaciones de emergencia
social. Sus objetivos fueron la recuperación de la capacidad de lectoescritura, capacitación y abordaje
de la dimensión subjetiva, fomento de los derechos de ciudadanía y la autoestima, e incorporación
de los protagonistas en diversas actividades comunitarias.
Actualmente, se está implementando el Plan de Equidad, que incluye varios programas
relacionados con la capacitación:

1. En el país de Varela: Yo, sí puedo

Es un plan de alfabetización que comenzó a implementarse en marzo de 2007 con el objetivo de
eliminar el analfabetismo en Uruguay. Se realizó en coordinación entre el MIDES y la Administración
Nacional de Educación Primaria (ANEP), en el marco del convenio de utilización del programa “Yo, sí
Puedo” del Instituto Pedagógico Latinoamericano y Caribeño de Cuba. Los destinatarios son todas
las personas mayores de 15 años, que nunca concurrieron a la escuela, o que lo hicieron algunos

797
años, que aún no lograron aprender a leer y escribir o lo olvidaron. Este programa consiste en cursos
de cuatro meses de duración, con una frecuencia de cuatro encuentros semanales de una hora y
media cada uno.

2. Programa de Aulas Comunitarias

Este programa permite a los adolescentes retomar o iniciar sus estudios secundarios,
cursando materias del primer año del Ciclo Básico en dos módulos semestrales, con el objetivo de
la reinserción de los jóvenes que han quedado fuera del sistema educativo formal. Está destinado,
en particular, a adolescentes de hasta 16 años cumplidos al momento de la inscripción, residentes
en áreas territoriales del Programa Infamilia en Montevideo, Maldonado, San José y Canelones, con
primaria completa, y que no hayan finalizado primer año de Secundaria. Las Aulas Comunitarias son
gestionadas por organizaciones de la sociedad civil y con horas docentes del Consejo de Educación
Secundaria.

3. Uruguay Trabaja
Este programa tiene como objetivo lograr la inserción laboral de desocupados de larga duración
pertenecientes a hogares de bajos recursos. Los destinatarios son todas las personas de entre 18
a 65 años de edad, en situación de vulnerabilidad socioeconómica, con ciclo básico incompleto, y
que estén desocupadas hace más de dos años a la fecha de inicio de las inscripciones. El programa
consiste en el desarrollo de actividades formativas y operativas por un total de 30 horas semanales
(24 horas de tareas operativas y 6 de capacitación) por un período de hasta 8 meses, percibiendo un
subsidio y los beneficios de la seguridad social.

4. Uruguay Integra
Este programa se dirige a personas mayores de 18 años, de todos los niveles de estudio. Se
ejecuta mediante convenios entre el MIDES y organizaciones sociales a partir de la contratación
de equipos técnicos multidisciplinarios. Se lleva a cabo a través de talleres, actividades culturales,
recreativas y de capacitación, en grupos de 20 personas, durante un período de 8 meses. Los objetivos
del programa son los siguientes: reconocimiento y promoción de derechos; abordaje y seguimiento
de problemas identificados; revalorización del trabajo; desarrollo del lenguaje y del razonamiento;
intercambio e integración con la comunidad.

798
5. Mercado de trabajo e inclusión social en la Amazonia

Marivan Tavares Dos Santos, UNINORTE/LUREATE, Amazonas, Brasil

Maria Francisca Morais de Lima, UNINORTE/LUREATE, Amazonas, Brasil
Maria dos Reis Camelo, UNINORTE/LUREATE, Amazonas, Brasil
Elton Pereira Teixeira, UNINORTE/LUREATE, Amazonas, Brasil

799
Mercado de trabajo e inclusión social en la Amazonia

Marivan Tavares Dos Santos, UNINORTE/LUREATE, Amazonas, Brasil

Maria Francisca Morais de Lima, UNINORTE/LUREATE, Amazonas, Brasil
Maria dos Reis Camelo, UNINORTE/LUREATE, Amazonas, Brasil
Elton Pereira Teixeira, UNINORTE/LUREATE, Amazonas, Brasil

Resumen
El mercado de trabajo busca profesionales calificados para actuar frente a los retos impuestos
por la modernidad. Ese perfil profesional debe saber actuar delante de situaciones-problemas,
convirtiéndose en un factor de competición para los negocios y conquista de nuevos mercados.
Llevando en consideración que las Instituciones de Enseñanza Superior ya sean públicas o privadas,
deben primar por la calificación profesional y establecer una estrecha relación con la sociedad,
una vez que el papel de esas instituciones sea la producción y socialización del conocimiento
de valor científico, social e informativo, así esta investigación es un posible camino para tal,
favoreciendo también conocer un poco más la realidad social amazónica. Esta investigación
tiene como objetivos analizar el perfil profesional del joven entre 16 y 18 años de edad de la
Comunidad Villa de Lindóia en el municipio de Itacoatiara en el Estado del Amazonas / Brasil para
que ayude en su ingreso al mercado de trabajo, verificar los niveles de calificación de la población
joven y sus implicaciones en el mercado de trabajo, contar la demanda para la absorción de la
mano de obra en el mercado local, apuntar cuál es el tipo de calificación profesional (agricultura,
comercio e industria) que son encontradas entre los jóvenes y citar las actividades económicas
empresariales existentes y la correlación con los tipos de calificación profesional encontradas.
El estudio se configura como una evaluación con informaciones cualitativas y cuantitativas
donde será utilizada una entrevista, que se aplicará a las organizaciones empresariales del local y
cuestionarios a los estudiantes de la enseñanza fundamental y medio entre 16 y 18. Con esto se
busca favorecer la calificación profesional de esos jóvenes para el mercado de trabajo por medio
de cursos profesionales.

Palabras clave: Mercado de trabajo, Calificación Profesional.

1. Introducción
El mercado de trabajo busca profesionales calificados para actuar frente a los retos de la
modernidad. Este perfil profesional debe saber actuar ante la situación problemática que se ha
convertido en un factor competitivo para los negocios y conquista de nuevos mercados. En este
sentido las Instituciones de Enseñanza Superior ya sean públicas como privadas deben primar
por la calificación profesional y establecer una estrecha relación con la sociedad, una vez que el
papel de esas instituciones sea la producción y socialización del conocimiento de valor científico,
social y formativo, así esta investigación es un posible camino para tal, favoreciendo también
conocer un poco más la realidad social de la amazonía, en lo que se refiere a la formación del
joven profesional.
La investigación analiza el perfil profesional de los jóvenes entre los 16 y 18 años de edad
de la Comunidad Villa de Lindoia en Itacoatiara en el Estado de Amazonas / Brasil para contribuir
con su entrada al mercado de trabajo, determinando los niveles de calificación de la población
joven y sus implicaciones con el mercado de trabajo, contar con la demanda para la absorción de la
mano de obra en el mercado local, señalando cuál es el tipo de formación profesional (agricultura,

800
comercio e industria) donde se encuentran estos jóvenes, la identificación de las actividades
económicas existentes en la empresa y la correlación con los tipos de calificación profesional
encontrada, con esto se busca la posibilidad de su inclusión en el mercado de trabajo ofreciendo
cursos que puedan contribuir para la calificación de estos jóvenes. Esta investigación se basó en
la siguiente pregunta: ¿Cómo es el perfil de los jóvenes entre los 16 y 18 años en la Comunidad
de Villa de Lindoia en Itacoatiara en el Estado de Amazonas / Brasil para su integración en el
mercado de trabajo?
Esta investigación se basa en una investigación de evaluación, descripción y de
forma exploratoria, utilizada como un instrumento de investigación, una entrevista aplicada
a las organizaciones empresariales del local y cuestionarios a los estudiantes de la enseñanza
fundamental y media entre los 16 y 18 años. De esta forma hubo la posibilidad de conocer mejor
el escenario de la comunidad de Villa de Lindóia en relación al mercado de trabajo y contribuir con
la calificación del joven para ingresar en este mundo, pues es innegable que uno de los mayores
retos de la sociedad contemporánea sea la inclusión de la población joven y su permanencia en
el mercado de trabajo. Por lo tanto, es necesario la calificación profesional del individuo, una
mejoría en sus habilidades técnicas y profesionales, para que tenga condiciones de corresponder
a las exigencias del mercado de trabajo moderno.
En este contexto, las Instituciones de Educación Superior son una parte importante en
el proceso de formación profesional, ya que el papel de las Universidades no es sólo transmitir
información, es mucho más que esto, debe configurar su compromiso real con la solución de los
problemas y retos planteados por el contexto económico, social, debe asumir su responsabilidad
en relación con los intereses y necesidades sociales. Es en este contexto, que la Enseñanza
Superior es uno de los principales pilares del desarrollo cultural, económico y social.
Por lo tanto, esta investigación tiene como aporte al perfil profesional de los jóvenes
entre los 16 y 18 años, la calificación profesional, la educación del individuo, el papel de las
Universidades y la integración profesional de los jóvenes al mercado de trabajo. Aunque tengan
sus características, estos aspectos se completan, ya que están directamente relacionados con el
tema. En este sentido, el estudio se justifica porque contribuye en el conocimiento del mercado,
porque hay pocas investigaciones centradas en este tema dentro de la Comunidad que se desarrolló
a la margen derecha del Rio Urubú, ubicada en el Estado de Amazonas.

2. Fundamentos Teóricos
Cada país desarrollado o en vías de desarrollo, tiene una población económicamente activa,
esta parcela del contingente poblacional representa a todas las personas que trabajan o que
buscan un empleo, son las que producen para el país y que se integran al sistema productivo.
La población en edad de trabajar se divide en la población económicamente activa y no
económicamente activa o inactiva. Según el IBGE257 (2010), en Brasil, la población económicamente
activa asciende a casi los 79 millones de personas o el 46,7%, índice muy bajo, ya que el resto de
la población, cerca del 53,3%, está a merced de los medios de vida económicamente activa. En
varios países, la proporción mayor que asciende es del 75% que son los que trabajan en el sector
productivo. Los hombres representan el 58% y las mujeres el 42% de aquellos que desarrollan y
se dedican a diferentes sectores de la economía.

257 Instituto Brasileiro de Geografia y Estatística.

801
2.1. El Mercado de Trabajo en Brasil y Amazonas
Brasil está pasando por muchas evoluciones en los diversos sectores de la economía. Desde
los años 40, cuando comenzó de forma tardía el proceso de industrialización, se produjo un
acelerado crecimiento urbano causado por la mecanización del campo, un hecho que causó la
pérdida de empleos en este sector, promoviendo un enorme flujo de trabajadores a los centros
urbanos, dando origen al fenómeno conocido como éxodo rural. Todo esto provocó una reducción
del flujo de trabajadores empleados en el sector primario. Teniendo como resultado un gran
crecimiento en el sector secundario, este crecimiento continuó hasta los años 80, luego mostró
una caída de la crisis económica que azotó al país durante este período, la modernización de
este sector ha reducido muchos puestos de trabajo. Últimamente el sector terciario brasileño es
el que más crece. Las causas de este aumento son la urbanización del país y las necesidades de
las grandes ciudades que impulsan el mercado de los servicios prestados. Este sector ha ofrecido
muchas oportunidades de trabajo, desde la mano de obra calificada hasta la baja calificación
(IBGE, 2010). La población en edad activa en enero/2011 era de 41,6 millones de personas,
estando representado por el 19,2 millones de hombres y el 22,4 millones de mujeres.
La Población Económicamente Activa (PEA) en el Amazonas aumentó de 5,7 millones
en 1991 a 8,4 millones en el año 2000 y para 11,7 millones en el año 2005, lo que representa
el 63% de la populación Amazónica. Entre el Amazonas PEA, el 7% (767 mil personas) estaban
desempleados en el año 2004 frente al 6% en el año1992. En Brasil, el desempleo alcanzó el 9%
de la PEA en el año 2004. En la Amazonía, los Estados con mayor desempleo eran Amapá (13%) y
Amazonas (10%). En el año 2004, sólo el 21% de la PEA tenía un empleo formal registrado en el
Amazonas.
Entre los cambios que ocurrieron en el mercado de trabajo brasileño, según Magalhães (2003),
en los últimos años, se destaca la participación del sector informal. El proceso de reestructuración
productiva, como la subcontratación, por ejemplo, propició el surgimiento del proceso informal de
los trabajadores por cuenta propia258. La decisión de convertirse en trabajadores por cuenta propia
encuentra obstáculos con el difícil acceso al crédito, pues cuando las personas quieren abrir su
propio negocio, no lo pueden debido a las restricciones del crédito, no poseen el capital inicial y
también no lo consiguen en las instituciones financieras, ya que requieren activos para garantizar
los préstamos. Según el SEBRAE (Servicio Brasileño de Apoyo a la Micro y Pequeña Empresa), el
difícil acceso al crédito es indicado por las pequeñas empresas brasileñas como la principal barrera
a la apertura de un nuevo negocio.
Datos recientes de la IPEA (2010) constataron que el grado de informalidad en Brasil
tuvo en los meses de julio, agosto y septiembre de 2010 un promedio de 36,9%, lo que indica
una disminución del 1,5% en comparación con los meses correspondientes al año 2009. La tasa
de informalidad corresponde a la relación entre la población ocupada (los empleados sin un
empleo oficial e independiente y no empleados) y la población económicamente activa. Uno de los
fenómenos sorprendentes del mercado de trabajo, desde la década de 1990, fue la proliferación de
prácticas informales (IPEA, 1992). El estudio muestra que en el Estado de Amazonas, el mercado
informal sigue creciendo. La informalidad en el Amazonas aumentó del 37,70% en el año 2001
al 48,15% en el año 2007. Datos recientes del IPEA (2010) llegaron a la conclusión que el grado
de informalidad en Brasil en el 3 trimestre/2010 tuvo un promedio de 36,9% mostrando una
disminución del 1,5% ante el mismo periodo del año 2009. Un aumento significativo similar se
observó en la Región Norte.

258 Conta-Própria - aquellas personas que exploran una actividad económica o ejercen una profesión u oficio, sin
estar empleado de forma oficial.

802
2.2. El Joven y el Mercado de Trabajo
Es un hecho que los profesionales jóvenes tengan una alta tasa de desempleo mucho
mayor a la de los trabajadores de mayor edad, esto no es un privilegio para Brasil, ocurre en todo
el mundo. Los estudios sobre el tema del desempleo juvenil son más frecuentes en la literatura
internacional (Flori, 2003). El desempleo es considerado como un grave problema social que
afecta no sólo a las economías desarrolladas como también a su propio desarrollo.
Muchos estudios destinados a medir la contribución de los cambios en la estructura de
la población para los cambios en el mercado laboral de los jóvenes. Algunos de estos trabajos
están direccionados más concretamente al primer empleo (Flori, 2003). Lassibille et al (2001),
analizan la adhesión de los jóvenes al mercado de trabajo centrándose por un lado, a la duración
del desempleo después de haber concluido el periodo escolar, y por otro, la transición entre el
estudio y el trabajo. Ellos comparan a los jóvenes que abandonan la escuela antes de entrar a
una Universidad y los que tienen un nivel superior, concluyendo que estos últimos tienen menos
dificultades para encontrar su primer empleo.
Según el análisis de mercado realizado por la Fundación Perseu Abramo en nueve áreas
metropolitanas, publicado en mayo/2010 en el diario Valor Económico, en Brasil, sólo el 36%
de los jóvenes entre los 15 y 24 años están empleados, otros el 22% ya trabajaron, pero están
actualmente desempleados, un promedio, los jóvenes demoran 15 meses para obtener su primer
empleo o una nueva ocupación en las áreas metropolitanas. En total, el 66% de ellos tienen que
trabajar porque todos sus ingresos, o parte de ello, complementa la renta familiar. Según los datos
del IBGE la población joven entre 15 y 17 años representan el 5,3% de la población en edad de
trabajar, entre los 18 y 24 años este porcentaje llega a los 12,45%.
La dificultad del estreno en el mercado de trabajo no es un fenómeno exclusivamente de
Brasil. También los países desarrollados, como Italia o España, tienen altas tasas de desempleo
entre los jóvenes de 15 a 24 años, según datos de la Organización Internacional del Trabajo
(2003). Según Dedecca (2010), “en una entrevista por la Acción Educativa en Brasil de hoy,
las investigaciones muestran un alto índice de desempleo entre los jóvenes y la tendencia al
crecimiento del desempleo de ese segmento de la población, siendo lo que más crece en estos
últimos quince años.” Para el autor el mercado de trabajo brasileño presenta una alta barrera para
la integración de los jóvenes al mercado de trabajo debido a los tipos existentes, poco atractivos,
sin experiencia, con alguna calificación, pero que no está habilitado. Hay una gran oferta, pero los
jóvenes no tienen las habilidades suficientes para conquistar los puestos de trabajo que desean.
Para Pochmann (2010), la falta de calificación ha sido señalada en repetidas ocasiones.
“Hay que tener cuidado porque este discurso tiende a individualizar el problema, lo que justifica
la tasa de desempleo de sus víctimas, es decir, que la persona desempleada no está preparada para
ejercer las actividades que ofrece el mercado de trabajo.” Lo que aparenta esta situación es que
las personas calificadas podrían estar empleadas y no desempleadas.
La realidad muestra que las formas de trabajo, en general, han sido de manera autónoma,
en relación a la actividad empresarial o asociaciones, pero para los jóvenes este tipo de empleo
no tiene adherencia. A la vista de Dedecca (2010), los jóvenes tienen la necesidad de un empleo
asalariado y la economía ha mostrado una gran vulnerabilidad en generar empleos y satisfacer
esta demanda de la población joven.
El enfoque de las políticas gubernamentales ha sido un debate de la iniciativa empresarial
y asociativa. Esta iniciativa es importante porque aumenta las posibilidades de ocupación de
la población, pero para los jóvenes hay tanto interés, ya que el que recibe su experiencia en el
mercado de trabajo está en la búsqueda de nuevos conocimientos y madurez, sólo así podrá ser

803
titular con la forma de trabajo autónomo. Para Pochmann (2010), “es fundamental que tengamos
la capacidad de formar políticas para los sectores más débiles.”
Sin embargo, Dedecca (2010) argumenta que mismo siendo un derecho en virtud de la
Constitución, no es un discurso que propone postergar la adhesión de los jóvenes al mercado de
trabajo. En todos los países se ha tratado de posponer la entrada de los jóvenes al mercado de
trabajo por dos razones: para proteger la calidad de la educación de los jóvenes y reducir el impacto
de la entrada de los jóvenes sobre la situación del desempleo. Sin embargo, en todo el mundo, es
que los jóvenes terminan por no cumplir con esta expectativa de la política pública. Teniéndose
en cuenta que el joven busca entrar al mercado de trabajo, incluso si la política pública tiene por
objeto fomentar lo contrario.
Lo que se sabe, al menos en los estudios internacionales, es que la adhesión de los jóvenes
al mercado laboral está asociada al aumento del patrón de consumo (Dedecca, 2010). Esto significa
que los jóvenes buscan trabajo no sólo para sobrevivir, como también para tener acceso a algunos
bienes de consumo que la familia a menudo no puede permitirse el lujo de pagar. La familia tiene
la condición de mantener las necesidades básicas de los jóvenes, pero no puede permitirse el lujo
de cumplir con algunas expectativas de consumo que él sienta necesidad.
La tasa de desempleo entre los jóvenes (14%) sigue siendo tres veces mayor que entre los
adultos (4,8%). Alrededor de 18% de los jóvenes de 15 a 17 años que no van a la escuela. De los
que estudian, el 26,4% de los niños también están trabajando, solamente el 54,7% de ellos sólo
estudian. Para las niñas las tasas son más favorables: el 17% de ellos estudian y trabajan y el 66%
solo estudian. La tasa de actividad (el porcentaje de los que están trabajando o buscando trabajo)
de los jóvenes de 16 a 17 años alcanza el 45%. “Estos números son preocupantes. En un país
ideal, que siembra su futuro, la tasa debería acercarse a cero. Es decir, estos niños y niñas sólo
deben estudiar”, dice el director de Estudios Sociales del IPEA, Jorge Abraham de Castro. “Pero
la situación social, la necesidad de las familias y la pobreza empujan a los jóvenes al mercado
laboral”, dice Castro. “Lo peor es que tenemos el 7% de los varones y el 12% de las mujeres que
no estudian ni trabajan. Estos mantienen el ciclo de pobreza en Brasil”, dice el director, quien
coordinó la investigación.
Según Sochaczewski (2010), las iniciativas del retraso y la entrada tardía de los jóvenes al
mercado laboral, garantizarían una mayor disponibilidad de los jóvenes a los procesos educativos.
“Introducir los jóvenes al mercado laboral no puede ser la política más efectiva.” La pregunta,
entonces, que pesa sobre los 1,5 millones de los jóvenes para entrar al mercado de trabajo.
No ampliar puestos de trabajo genera consecuencias de la inestabilidad económica, como, por
ejemplo, el crecimiento económico. Para los jóvenes, la falta de dinamismo en el mercado de
trabajo se expresa en la ausencia de vacantes, es decir, mayores dificultades para conseguir un
trabajo y por lo tanto una mayor tasa de desempleo. Esto tiene efectos desde el punto de vista de
la formación de las familias, como consecuencia la formación de los jóvenes, poniendo en peligro
la calidad de una organización y el funcionamiento de una sociedad, por supuesto, en el presente
y en el futuro.

2.3. Educación y Calificación Profesional del Joven

A finales de los años 80 y a principios de los años 90, debido a los cambios en los ajustes
económicos, el mercado de trabajo necesitaba, ajustes en los recursos humanos. En la percepción
de Fogaça y Salm (2006) las políticas educativas adoptadas fueron ineficaces y frente a este
cuadro además de una reforma de la educación general, vino a apoyar un cambio en la calificación
profesional considerada obsoleto.

804
 Según Dias (2004), la investigación sobre la educación de los jóvenes, el analfabetismo,
y el costo de la inversión pública en educación demostró que son eficaces solamente en la
reducción del analfabetismo y tiene un efecto perjudicial para la educación de los jóvenes en el
nivel de la secundaria. El autor menciona aún que en la investigación sobre la educación del
joven, analfabetismo y el costo del gobierno, o la inversión en la educación demostró ser efectivo
solamente en la reducción del analfabetismo y tiene un efecto contrario en la educación de los
jóvenes en el nivel de la secundaria. Continua señalando que no se puede afirmar que las políticas
de los gobiernos Estaduales den prioridad a la educación. Entre los Estados en el período de 1991-
2000 solamente el 22,26% de los jóvenes entre los 15 y 17 años tenían educación a partir de los
ocho años.
En cuanto a la calidad de la educación recibida es importante, las calificaciones de los
cursos superiores realizados por el MEC (Ministerio de Educación y Cultura) que buscan mantener
la calidad de las universidades privadas que tienen algunas islas de excelencia y mejoran el nivel de
las Instituciones Públicas. En este caso, aumenta el número de jóvenes con un nivel universitario,
debiendo comprobarse que la formación recibida de hecho corresponde a las necesidades de los
estudiantes que están concluyendo y a las exigencias del mercado, lo que también puede incluso
explicarse, aunque sea parcialmente, el fenómeno del desempleo de los jóvenes profesionales con
nivel superior. Las economías en general, la acumulación del capital humano de los jóvenes es un
factor importante en la conformación de las políticas educativas.
El proceso de reorganización de la economía mundial y los cambios de la técnica y
organizativos han afectado no sólo las condiciones, recursos y relaciones laborales, sino que
también están asociados a la construcción de nuevas formas de representación o de redefinición
de los conceptos de trabajo, calificaciones, competencias y formación profesional. Según Hirata
(1994:132), la noción de competencia se deriva del discurso de negocios en los últimos diez
años, en Francia, y más tarde adoptada por los economistas y sociólogos. Es un concepto todavía
muy impreciso e impulsado por la necesidad de evaluar y clasificar los nuevos conocimientos y
habilidades de gestión a partir de las nuevas exigencias de las situaciones concretas de trabajo,
asociada, por lo tanto, a los nuevos patrones de producción y gestión, y la sustitución de la
noción de calificación ancladas en los empleos y de las clasificaciones profesionales a los que eran
correspondientes.
Teniendo como referencia la teoría de Bruner (1969), pretende ser la capacidad y la
actividad de un individuo como resultado tanto de un proceso de descubrimiento e invención,
por medio del cual los individuos hacen uso de los instrumentos considerados relevantes en el
campo de la ciencia y de la cultura, cuando se trata de los trabajadores adultos, en el curso de una
actividad profesional de los individuos definiendo las formas de pensar, los métodos de análisis de
la realidad y las formas de expresión y / o del ejercicio de su competencia.
La calificación profesional se entiende como un proceso mediante el cual se efectiva una
estrecha relación entre la adquisición de experiencia y los conocimientos necesarios para hacer
frente a las situaciones y condiciones de trabajo, en general, susceptibles a modificación a lo
largo del tiempo. Para Meghnagi (1992), el crecimiento progresivo del conocimiento se logra a
través de procedimientos, análisis, elaboración y transformación de los objetos de la experiencia,
la adquisición de nuevos conocimientos se configura como siendo el éxito de una construcción de
grado que se produce por un lado, el crecimiento cualitativo y cuantitativo de las informaciones
obtenidas, el nivel y el grado de sofisticación de su elaboración y, por otro lado, el ganar conciencia
de aquello que se conoce de cómo se puede desarrollar y transmitir el proprio conocimiento.

805
3. Método y Diseño
Este estudio establece una investigación que evalúa, siendo de carácter cualitativo y
cuantitativo. El cualitativo envuelve la obtención de los datos descriptivos sobre las personas,
propicia el análisis de los lugares y los procesos por el contacto directo entre el investigador y
la situación del problema (Godoy, 2006). El cuantitativo, porque tiene el objetivo de medir las
opiniones. Según Gonsalves (2003:68), este tipo de investigación incluye una “explicación de
las causas, por medio de medidas objetivas”. Para esto se utilizó una investigación descriptiva,
literaria y exploratoria, como un instrumento de investigación, además de la entrevista aplicada
a las organizaciones empresariales del local y los cuestionarios a los estudiantes de la enseñanza
fundamental y medio, con el objetivo de analizar el perfil profesional del joven entre los 16 y 18
años, de la comunidad Villa Lindóia en el municipio de Itacoatiara, Estado de Amazonas/Brasil
para contribuir con su ingreso al mercado de trabajo.
Para los procedimientos de exploración relativos al estudio del mercado, consideramos la
población total de 1.288 personas de la Comunidad de Villa de Lindoia Itacoatiara, en el Estado
Amazonas. Y para poner en práctica estas técnicas de investigación fue necesario elaborar el local
de la población y una muestra de su estadística. El universo considerado en la investigación
fue toda la población de la Comunidad de Villa de Lindóia con una muestra estratificada de los
jóvenes de la Escuela Ivo Amazonense de Moura entre los 16 a 18 años y las empresas locales.

Tabla 1. Población y Muestra de la Comunidad de Lindóia Municipio de Itacoatiara Amazonas

Total Población Empresarios Jóvenes Muestra de empresas Muestra de jóvenes

1.288 17 225 17 56

Fuente: Los autores.

Debe tenerse en cuenta que entre el 2% y el 10% de la población se obtienen pocas diferencias
de muestras extraídas al azar y puede existir representatividad (McMillan y Schumacher, 2005:
144). En este sentido, podemos considerar que existe un grado aceptable de representatividad al
obtener los datos de 17 empresarios y de 56 jóvenes que representan el 25%.
Para los procedimientos descriptivos, en relación con el perfil profesional, la muestra
consta de 17 empresas y de 56 jóvenes que representan el 25% de los jóvenes de la comunidad
donde se realizó esta investigación. Las empresas se clasifican de la siguiente manera: una de
tamaño mediano, 13 de pequeño porte y 3 muy pequeñas. Los jóvenes constituyen al grupo
de los de 16 a 18 años de edad, que estudian en la escuela primaria y secundaria. La colecta
de los datos se realizó mediante un cuestionario y una entrevista que fueron aplicados por los
investigadores. El cuestionario se compone de factores socioeconómicos, perfil profesional, nivel
de formación, desarrollo profesional y el espíritu empresarial y la entrevista con preguntas sobre
el ramo de actividades, las perspectivas de negocio, las dificultades encontradas, la formación
profesional de los empleados, la contratación de los jóvenes y la calificación profesional.

4. Análisis de Datos
Los datos fueron analizados mediante el programa de hoja de cálculo Excel, donde se
generaron gráficos, tablas, frecuencias absolutas y porcentajes, que fueron necesarios para
realizar las pruebas de asociación entre las variables incluidas en el estudio, y realizar los datos
para clasificarse. Procediendo al análisis, se seleccionaron variables (aspecto socio económico, el

806
perfil profesional, el grado de competencia, el ramo de actividad, perspectivas para el negocio,
dificultades encontradas, contratación de los jóvenes y calificación profesional) que hacen
oportuno una aclaración sobre el perfil profesional del joven entre los 16 y 18 años de edad de
Villa Lindóia en el municipio de Itacoatiara en el Estado del Amazonas/Brasil. En este sentido
es importante que sobresalga la interferencia externa de los aspectos políticos para este local,
teniendo en cuenta que se trata de una Villa dependiente de políticas públicas de otro local, en
este caso del municipio de Itacoatiara/Amazonas.
Es una realidad la competitividad del mercado de trabajo, ahora más que nunca, el profesional
necesita estar preparado para los retos impuestos por la globalización que exige respuestas rápidas
a las necesidades de las organizaciones. Ante esta realidad, el hecho es que la selectividad del
mercado de trabajo busca profesionales prácticos frente a los obstáculos profesionales, lo que
requiere varias habilidades no sólo técnica, como también habilidades humanas y conceptuales. Si
para los que actúan en el mercado de trabajo es un reto para los jóvenes aspirantes a ese mercado
es mucho más complejo, ya que está en proceso de formación profesional.
En cuanto a la oferta de empleo dirigido a los jóvenes, Botelho (2002:1) dice que “más de
la mitad de los jóvenes brasileños están desempleados”. Brasil tiene sólo el 36% de los jóvenes
entre los 15 a 24 años empleados, otros el 22% ya han trabajado, pero actualmente un promedio
están desempleados, los jóvenes demoran 15 meses para conseguir su primer empleo o una nueva
ocupación en las áreas metropolitanas. En total, el 66% de ellos tienen que trabajar porque todos
sus ingresos, o parte de ello, son los suplementos de los ingresos familiares.
Los temas tratados se refieren a la situación socioeconómica. Se identificó que el 82,1%
de los jóvenes de edades comprendidas entre los 16 y 18 años están realmente buscando una
capacitación mucho antes de incorporarse al mercado laboral. Lo que se constató es una situación
derivada de la situación actual en el mundo del trabajo, además de la situación económica de
estos jóvenes, existe una inmensa cobranza por la profesionalización y que ya viene incluida de
experiencia y calificación, estos son algunos de los requisitos necesarios para entrar al mercado
laboral, caso no cumplan con los requisitos, estarán excluidos del mercado formal. Esta realidad
es cruel, difunde la competitividad y el individualismo, sin embargo, se intensifica la búsqueda
por una calificación profesional (Laurell, 2002).

Gráfico 1. Clasificación de la Renta Familiar de los Jóvenes de la Comunidad Villa de Lindóia

Fuente:
  Los autores

807
 Los datos muestran que más del 60% de los jóvenes en la comunidad investigada pertenecen
a la clase D y E se clasifican como de bajos ingresos familiar, porque están entre uno y dos sueldos
mínimos, ya que el 40% de estas familias no tienen un empleo formal. En consonancia con la
realidad brasileña, la mayoría está representada por el sexo femenino, es decir el 61% de la
muestra.
En cuanto al perfil profesional, se constató que el 28% de los jóvenes de la Comunidad de
Villa de Lindoia, desean hacer un curso técnico con la finalidad de prepararse para el mercado
de trabajo, pero el 72% de ellos aprenden algún tipo de actividad profesional con sus padres
o compañeros de trabajo. Esto significa que la mayoría realiza una actividad profesional sin
calificación técnica y hace parte del fenómeno de la informalidad. Este es el escenario de una
comunidad joven que muestra claramente el interés por realizar cursos de calificación, pero
también es una realidad que no ofrece condiciones para el logro de la formación profesional.
Se cuestiona, ¿por qué esta situación? Por la geografía o, simplemente, ¿es un asunto de orden
público? Según Velasco (2007: 36, 50), cuando se habla del “tema calificación profesional no
puede ocurrir fuera del marco de las políticas públicas contemporáneas”, agrega que a diferencia
de los países desarrollados, en Brasil, la cuestión de la calificación nunca ha sido una dimensión
importante para la estructuración del mercado de trabajo y de las relaciones laborales.
En relación con el aspecto de la informalidad en todos los municipios brasileños en el
interior del Estado de Amazonas, la oferta de trabajo se basa todavía en la informalidad, lo que
puede ser comprobado cuando Nazaret et al (2010) muestra que uno de los fenómenos sorprendentes
del mercado de trabajo desde la década de 1990 fue la proliferación de las prácticas informales
(IPEA, 1992). Estos autores muestran que el mercado informal sigue creciendo en el estado de
Amazonas, pues pasó del 37,70% en el año 2001 al 48,15% en el año 2007, lo que representa un
aumento significativo similar a lo observado en la Region Norte. Por otra parte, Brasil en 2001 en
comparación con la década anterior ha reducido la tasa de 39,50% y la informalidad en 2007 para
el 36,85, a pesar de que presenta tasas elevadas de informalidad (Nazareth et al, 2010).
En cuanto a los requisitos del mercado de trabajo local, encontramos que además de la
escolaridad, la competencia técnica, social y operacional son requisitos básicos para los jóvenes
que desean entrar al mercado de trabajo.

Gráfico 2. Capacitación Técnica de los Jóvenes de la Comunidad Villa de Lindóia

 
Fuente: Los autores.

808
 La formación técnica de los jóvenes participantes de la muestra es baja porque el 32%
nunca ha participado en un curso técnico y sólo el 18% ha tenido la oportunidad de hacer más de
un curso con calificación profesional. El mercado local tiene pocas industrias, mismo frente a esta
realidad, más del 50% de los jóvenes está interesado en obtener un trabajo en las fábricas y el 35%
está interesado en el sector comercial que tiene prioridad sobre la agricultura. En cuanto a sus
puntos de vista hacia este mercado, los jóvenes creen que el espíritu empresarial, especialmente
en el área del turismo ecológico, puede ser un camino para el desarrollo de la Comunidad.
En la actualidad, las empresas que buscan un profesional con habilidades técnicas, humanas
y conceptuales. Debe tener un enfoque que responda a las exigencias debido al cambio en la
sociedad, incluyendo el mercado de trabajo donde la calificación profesional es un gran reto,
además de ser un factor importante que entiende la importancia de su formación profesional,
pues caso no se atienda a tales requisitos, el profesional está fuera del mercado formal, lo que lo
induce a ir en busca de calificación profesional (Laurell, 2002).
En la Comunidad de Villa de Lindóia el 100% de las empresas que componen el mercado
local participaron en la investigación. De las 17 empresas investigadas, tenemos el siguiente
panorama: 6% las empresas medianas, 76% pequeñas empresas y 18% muy pequeñas. El escenario
económico caracterizado en esta investigación fue que el 100% de las empresas se encuentran en
el comercio.
Con respecto al ramo empresarial y a sus preferencias, los empresarios tienen prioridad por
el comercio, ya que existe una afinidad por trabajar en este sector, pero al considerar la ubicación,
está claro que el desarrollo del sector comercial se debe a la geografía local y a la densidad, es
decir, una gran parte de la población local se concentra en la Villa.

Gráfico 3. Clasificación de las Empresas de la Comunidad Villa de Lindóia por Tamaño

Fuente:  Los autores.

Una gran mayoría de las empresas locales se clasifican como pequeñas, porque la población
estudiada se compone de 17 empresas de la Comunidad de Villa de Lindoia. De acuerdo con el
programa el 47% de estas empresas están en este campo de actividad durante un período superior
a nueve años. Las principales dificultades de estos empresarios está en función de los productos
de temporada y las dificultades con la logística de transporte de mercancías, ya que la comunidad
está ubicada a 177 km de Manaos.

809
 En cuanto a la posibilidad de expandir el negocio en los próximos años, el 88% de la
comunidad cree en la posibilidad de ampliar sus negocios debido al potencial crecimiento y el
deseo de expandirse. A pesar de las diversas dificultades, tales como la infraestructura, la falta de
apoyo del gobierno en cuanto a las financiaciones, la ausencia de políticas públicas que puedan
cambiar esta situación. Esta realidad no es exclusiva del Estado de Amazonas, este apoyo se
transforma en un elemento complicado para expandir los negocios, pero existe la esperanza, no
en el sentido del verbo esperar que denota una postura más pasiva y poco productiva, pero si en la
acepción del verbo esperanzarse, conforme Cortella (2006) apoyado en Paulo Freire. De este modo
es de suma importancia de las políticas públicas visen la reducción del desempleo del joven, el
aumento del número de empresas, consecuentemente de vacantes, que contribuyan para la fuente
de renta de esos profesionales, mismo que la juventud se haya convertido en albo de políticas
públicas mayoritariamente en los años de 1990 (Veloso, 2007:119). Sin embargo, las políticas
públicas aún distorsionan los caminos en el sentido de encontrar realmente su camino alrededor
de la inclusión de los jóvenes al mercado laboral, ya que la profesionalización de la juventud
se volvió una disciplina históricamente mucho más a la cuestión de la profesionalización de los
jóvenes, direccionada mucho más a la disciplina de que propiamente a la profesionalización de
ese público, así la política pública trae consigo una visión moralista de la formación del carácter
a través del trabajo. “Interrogada una perspectiva contemporánea”,
Con base en la investigación el 82% de los empresarios afirmaron que la falta de préstamos
bancarios y esto es considerado como un principal factor de complicación para el desarrollo y
expansión de los negocios. Otro obstáculo se presenta en la muestra, se refiere a la restricción del
crédito que acaba por impedir el desarrollo de las empresas, porque es difícil obtener financiación
para las empresas. En este sentido, el SEBRAE (Servicio Brasileño de Apoyo a las Micro y Pequeñas
Empresas) confirma la dificultad del acceso al crédito para las mínimas y pequeñas empresas en
Brasil como un factor importante en la implementación y expansión de los negocios.
Una observación hecha por el 100% de los empresarios es que carecen de personal calificado
para trabajar profesionalmente en los negocios, haciendo evidencia como un punto importante
la necesidad de una capacitación profesional a los jóvenes para afirmar su entrada al mercado
de trabajo. Sabemos que la experiencia cuenta mucho y que contribuye con el ingreso de los
jóvenes al mundo del trabajo, un aspecto predominante para evitar la exclusión de este joven es
la calificación profesional. Este es un proceso facilitador de las habilidades para realizar tareas
específicas que demanda el mercado laboral, como una forma de proporcionar la interrelación entre
la teoría y tiempo de práctica para adquirir experiencia y obtener las habilidades necesarias para
enfrentar y resolver situaciones que el trabajo impone y es probable que cambien con el tiempo.
En consecuencia, Meghnagi (1992) considera que la construcción del conocimiento se logra a
través de los procedimientos, análisis, elaboración y transformación de los objetos de experiencia
y agrega que la adquisición de nuevos conocimientos significa la aprensión de informaciones que
culminarán con un proceso gradual del aprendizaje cualitativo como cuantitativo.
Con base a las informaciones proporcionadas por las empresas que participaron en la
muestra sólo el 18% cree que los jóvenes de la comunidad tienen una preparación regular, y el
83% del índice de trabajadores calificados es muy bajo, porque no hay políticas eficaces para
satisfacer las necesidades locales, como el medio ambiente entrenador que dé condiciones para
que estos jóvenes tengan la oportunidad de mejorar a sí mismos y defender un espacio en el
mercado laboral, con los mínimos conocimientos exigidos por un mundo globalizado. Llegamos
más una vez al escenario que viene mostrando este trabajo, la falta de calificación para los
jóvenes de la Comunidad de Villa de Lindóia, que por lo tanto da lugar a la exclusión no solamente

810
profesional como también social. En este sentido la importancia de las Instituciones Educativas
que permiten los conocimientos técnicos, la formación de recursos humanos compatibles con el
potencial económico de cada sitio. Este es el aspecto que la calidad de la formación propiciada
por los cursos superiores debe ser evaluada, eh ahí la importancia del papel del Ministerio de
Educación y Cultura (MEC) para comprobar la calidad de las Universidades Públicas y Privadas.
Esto viene al encuentro del siguiente cuestionario: ¿En cuanto a la calificación profesional
(Conocimientos, habilidades) de los jóvenes de Lindóia para el sector de su empresa no es bueno,
es bueno, regular u óptimo? ¿Por qué?. De las respuestas, la predominante, según la voz de
los encuestados con el número de 14 personas fue el de no muy bueno y solamente 3 personas
consideran regular, este escenario significando que el índice de los profesionales calificados es
mucho más bajo, pero por qué esto. Simplemente porque el joven no busca calificarse. No se puede
afirmar que son personas acomodadas ni que tienen interés en calificarse, por el contrario, las
condiciones del contexto de estos jóvenes es la que determina esa realidad, no hay infraestructuras
para esto ni políticas efectivas que correspondan a las necesidades locales, como un ambiente
formador que dé condiciones para que estos jóvenes tengan la oportunidad de capacitarse
consiguiendo de esta forma un espacio en el mercado laboral, con las mínimas habilidades exigidas
por el mundo globalizado. Esto se comprueba cuando enfáticamente los encuestados señalan la
falta de calificación. Frente a esto, las instituciones de enseñanza superior deben intensificar sus
acciones, verificar si la formación del profesional corresponde a las exigencias del mercado, lo que
puede mismo que parcialmente aclarar al fenómeno de desempleo de los jóvenes profesionales
mismo que tengan un nivel superior (Días, 2004).

5. Conclusiones y sugerencias para nuevas Investigaciones

Esta investigación trata de responder a la pregunta: ¿Cómo es el perfil de los jóvenes entre
los 16 y 18 años en la comunidad de Villa de Lindoia en el municipio de Itacoatiara en el Estado
del Amazonas / Brasil para su integración al mercado de trabajo? Y las respuestas imprimen
un escenario en que el perfil profesional de los jóvenes entre los 16 y 18 años muestra que
están interesados en mejorar su formación para entrar al mercado de trabajo, pero es evidente la
necesidad de calificación profesional como una necesidad de prepararse para los retos impuestos
por las exigencias del lugar de trabajo. Al mismo tiempo hay una necesidad evidente para la
formación educativa del individuo, es aquí donde encontramos la importancia del papel de las
Universidades como parte fundamental en el proceso de formación profesional de estos jóvenes, ya
que las Instituciones de Enseñanza Superior son concebidas por la sociedad como un instrumento
facilitador para la inserción al mercado de trabajo, sin embargo, con ciertas restricciones, porque
no será sólo la formación de Educación Superior que proporcionará a los jóvenes la entrada
al mercado profesional, además de la formación escolar, se requiere una experiencia que sólo
se adquiere cuando se está en actividad profesional. Sin embargo, es uno de los factores que
contribuyen para esto.
Otro punto que influye en el perfil de los profesionales jóvenes de la Comunidad de Villa
de Lindóia, es la cuestión geográfica, la mayoría de los municipios del Estado Amazonas está muy
lejos de la capital, lo que dificulta el crecimiento económico de la región, ya que hay municipios
donde la distancia es equivalente al desplazamiento entre Manaus y otras capitales. Esta realidad
es observada en la perspectiva profesional de muchos jóvenes de los municipios más remotos del
Estado de Amazonas.
Puede afirmarse que los resultados obtenidos en Villa de Lindóia en relación al desempleo
de los jóvenes no difiere tanto del análisis realizado por el IPEA en la PNAD-2007 cuando presenta

811
la tasa de desempleo entre los jóvenes (14%) es todavía tres veces mayor que entre los adultos
(4,8%). Los jóvenes de Villa de Lindóia en su mayoría no tienen un espacio en el mercado formal,
al contrario, desarrollan actividades informales, encuadrándose en el fenómeno informal. A pesar
de la tasa de informalidad en Brasil está decreciendo, el resultado de esta investigación mostró
que en Villa de Lindóia/Amazonas/Brasil, la tasa de empleo informal todavía es extremamente
significativa. Por lo tanto la necesidad de nuevos rumbos, con acciones que realmente prioricen
al ser humano, generando perspectivas a la población joven convirtiéndolos en ciudadanos aptos
para desempeñar su papel, no sólo como profesionales, pero si como individuos comprometidos
con la sustentabilidad y con la preservación del medio ambiente que para el Amazonas es una
cuestión primordial. Por lo tanto la sugestión se da con la implantación de los cursos para que
contribuyan con la calificación profesional de estos jóvenes, y como consecuencia su ingreso al
mercado laboral; además de orientaciones para la comunidad joven sobre el escenario del mundo
del trabajo, mostrando cuál es el perfil profesional y articulando la importancia de la educación
como componente para la formación de la ciudadanía.
Esta investigación ha ayudado a comprender el escenario de la comunidad de Villa de
Lindóia, en relación al mercado laboral y contribuir con la calificación de los jóvenes para entrar
al mercado, así lo muestran los estudiantes de Administración de Empresas con la importancia
de la investigación como una fuente de conocimiento científico y necesario para el desarrollo
regional. Esto refuerza la legitimidad del espacio académico, así como la responsabilidad de la
formación de profesionales calificados para el mercado laboral. Por otra parte, hay que destacar
que esta investigación puede plantear, en la Administración Académica, un interés por los estudios
que culminan en la práctica de la investigación y su aplicabilidad en la búsqueda del bienestar
social.

Referencias
Botelho, J. M. (2002): Os jovens e o mercado de trabalho.http://www2. uol. com.br/aprendiz/
guiadeempregos/palavra/jbotelho/ge140202.htm. Consultado em 20/03/2011.

Bruner, J. S., J. Goodnow and G. A. Austin (1969): Pensiero. Strategie e categorie. Roma:
Armando.

Corseuil, C. H. L. et al. (2010): Análise do mercado de trabalho. Boletim Mercado de Trabalho:

Conjuntura e Análise. N. 45, p. 12. Rio de Janeiro: IPEA.

Dedecca, C. (2010): Ciclo de Debates: Cláudio Dedecca fala sobre saídas para o desemprego juvenil.
http://www.acaoeduc.ativa.org.br/portal/. Consultado em 02.03.2011.

Dias, J. Dias, M. H. A.(2004): Educação dos jovens, analfabetismo e o custo governo: teoria e
aplicações econometrias para o Brasil, XXXII Encontro Nacional de Economia. João Pessoa:
ANPEC.

Flori, P. M. (2003): Desemprego de jovens no Brasil, XXXI Encontro Nacional de Economia. Porto
Seguro: ANPEC.

Fogaça, A. y C. L. Salm (2006). Educação, trabalho e mercado de trabalho no Brasil. Ciência e

Cultura, vol. 58 nº 4. São Paulo.

812
Gilson, Jr G. S. (2008): Emprego formal no Brasil: análise comparativa a partir de características
observáveis comuns aos setores público e privado, Salvador, XXXVI Encontro Nacional de Economia,
ANPEC.

Godoy, C. K. et al. (2006): Pesquisa qualitativa em estudos organizacionais: paradigmas, estratégias

e métodos. São Paulo: Saraiva.

Gonsalves, E. (2003): Iniciação à pesquisa científica., São Paulo: Editora Campinas.

Hirata, H.(1994): “Da polarização das qualificações ao modelo de competência”. In: Ferretti, Celso
J. e outros. Novas tecnologias, trabalho e educação: um debate multidisciplinar. Petrópolis: Vozes.
124-138.

IBGE, (2010): Instituto Brasileiro de Geografia e Estatística. http://www.ibge.gov.br/ home/

estatistica /indicadores. Consultado em 12/03/2011.

IPEA (2010). Instituto de Pesquisa Econômica Aplicada. Rio de Janeiro. FGV.

Kirdeikas, J. C. V. (2003): A formação do mercado de trabalho no Brasil: uma análise da legislação

sobre locação de serviços no século XIX. XXXI Encontro Nacional de Economia. Porto Seguro:
ANPEC.

Lassibille et al. (2001): “Youth transition from school to work in Spain”. Economic of Education
Review, vol. 20, i. 2, ab., 139-149.

Laurell, A. C. (Org.) (2002): Estado e Políticas Sociais no Neoliberalismo. 3. São Paulo: Cortez.

McMillan, J.H. y S. Schumacher (2005): Investigación educativa. Pearson: Madri.

Magalhães, C. P. (2003). Análise das estratégias de inserção no mercado de trabalho brasileiro:

trabalhadores por conta – própria e empregadores. Belo Horizonte: UFMG / Cedepla.

Meghnagi, S e outros (1992): Conoscenza e competenza. Torino: Loescher.

Monte, P. A. (2008): Exploração do Trabalho Infantil no Brasil: consequências e reflexões. XXXVI

Encontro Nacional de Economia. Salvador: ANPEC.

Nazareth, T. C. et al (2010). Trabalho decente no Estado do Amazonas. XVII Encontro Nacional de

Estudos Populacionais. Caxambú/MG: ABEP.

Pochmann, M. (2009): Qual Desenvolvimento? Oportunidades e dificuldades do Brasil contemporâneo.

São Paulo: Publisher Brasil.

Pochmann, M. (2010): Ciclo de Debates: Juventudes e mundo do trabalho: para onde ir? Sistema
único de inclusão social. : http://www.acaoeducativa.org.br/ portal/index.php? option=com _
content&task=view&id=641. Consultado em 10.03.2011.

813
Sochaczewski, S. (2010): Ciclo de Debates: Juventudes e mundo do trabalho: para onde ir?Técnica
do Dieese defende a postergação dos jovens no mercado de trabalho: http://www.acaoeducativa.
org.br/portal/index.php?option=com_content&task=view&id=645. Consultado em 21.02.2011.

SEBRAE. Empreendedorismo público. Disponível em: http://www.sebraesp.com.br/ Institucional/

PoliticasPublicas/Documents/prefeito_empreendedor_sebrae_cepam.pdf: Consultado em
21.03.2011.

Velasco, E. G. (2007): Jovem e qualificação profissional: programas e trajetórias de jovens em

busca do primeiro emprego em Mato Grosso. Tese. São Luiz: Universidade Federal do Maranhão.

814
6. Un enfoque de género en la decisión de desarrollar una carrera
profesional internacional en los estudiantes de ADE ¿Hay evidencias de
“Glass Border”?

Carlos Martínez de Ibarreta Zorita, Universidad Pontificia Comillas de Madrid

Raquel Redondo Palomo, Universidad Pontificia Comillas de Madrid
Eugenia Fabra Florit, Universidad Pontificia Comillas de Madrid
Antonio Rua Vieites, Universidad Pontificia Comillas de Madrid
Mª José Martín Rodrigo, Universidad Pontificia Comillas de Madrid

815
Un enfoque de género en la decisión de desarrollar una carrera profesional
internacional en los estudiantes de ADE ¿Hay evidencias de “Glass
Border”?

Carlos Martínez de Ibarreta Zorita, Universidad Pontificia Comillas de Madrid

Raquel Redondo Palomo, Universidad Pontificia Comillas de Madrid
Eugenia Fabra Florit, Universidad Pontificia Comillas de Madrid
Antonio Rua Vieites, Universidad Pontificia Comillas de Madrid
Mª José Martín Rodrigo, Universidad Pontificia Comillas de Madrid

Resumen
En el ámbito de las finanzas, los negocios y la gestión empresarial, cada vez es más frecuente que
los estudiantes recién licenciados decidan comenzar su carrera profesional trabajando en alguna
empresa de algún país diferente al suyo. Al igual que en otros aspectos relativos al desarrollo
profesional cabe preguntarse si existen asimetrías en el comportamiento de hombres y mujeres
en la decisión de internacionalización. A pesar del evidente avance en la igualdad de géneros es
posible que sigan existiendo factores que actúen como freno o limitación a la hora de trabajar en
el extranjero que tengan un peso mayor en hombres que en mujeres, dando lugar a la existencia
de un glass border en analogía con el concepto ya asentado en la literatura de glass ceiling
respecto a la menor presencia de mujeres en puestos de alta dirección. La presente comunicación,
centrada en aquellos estudiantes que finalizan sus estudios universitarios en Administración y
Dirección de Empresas explora de forma empírica la presencia o no de dicho efecto diferencial
junto con algunos otros factores que pueden influir en la intención de desarrollar o no una carrera
profesional de carácter internacional.
Mediante el empleo de modelos de elección discreta se analiza la influencia del género en la
decisión de desarrollar carrera profesional internacional una vez controlados el resto de factores,
tanto de tipo socioeconómico, como académicos, de personalidad, y de contexto (peer effects).
Los datos para el análisis empírico han sido obtenidos mediante la aplicación de una batería de
cuestionarios a estudiantes de los últimos cursos de ADE en la Universidad Pontificia Comillas de
Madrid.

Palabras clave: género, internacionalización laboral, glass ceiling, modelos de elección binaria.

1. Introducción
En el ámbito de las finanzas, los negocios y la gestión empresarial, cada vez es más frecuente
que los estudiantes recién licenciados decidan comenzar su carrera profesional trabajando en
alguna empresa de algún país diferente al suyo.
Esto es una consecuencia más del fenómeno de la globalización, entendida como proceso
a gran escala, que involucra aspectos económicos, tecnológicos, sociales y culturales, marcado
por algunas características específicas, entre las que cabe señalar la mayor integración de los
mercados nacionales gracias a la espectacular reducción en los costes del transporte, de las
telecomunicaciones y de la informática y el hecho de que una parte mayor del mundo y un
número mayor de países está participando de este proceso de integración (Bordo, Eichengreen
y Kim, 1999). Esta globalización conlleva movimientos de capital humano y fuerza laboral entre
países.

816
 En este entorno globalizado, uno de los nuevos retos para la empresa consiste en
desarrollar una Mentalidad Global (MG) que permita incrementar la eficacia organizacional, y a
la vez mantener eficientes actividades de negocios (Kedia y Mukherji, 1999) así como también
ampliar la capacidad de la organización para influir sobre los individuos, grupos, organizaciones
y sistemas dentro de un entorno de negocios internacionales (Javidan et al, 2010).
Partiendo del trabajo de Javidan et al. (2010), en el que se señala que la MG consta de tres
componentes, Capital Psicológico, Capital Intelectual y Capital Social, este estudio está centrado
en analizar la predisposición hacia la MG de los jóvenes a punto de insertarse en el mercado
laboral en el campo de la Administración de Empresas, a través del estudio de su actitud hacia un
proceso de internacionalización como comienzo de su carrera profesional.
Al igual que en otros aspectos relativos al desarrollo profesional cabe preguntarse si existen
asimetrías en el comportamiento de hombres y mujeres en la decisión de internacionalización. A
pesar del evidente avance en la igualdad de géneros es posible que sigan existiendo factores que
actúen como freno o limitación a la hora de trabajar en el extranjero que tengan un peso mayor
en hombres que en mujeres, dando lugar a la existencia de un glass border en analogía con el
concepto ya asentado en la literatura de glass ceiling respecto a la menor presencia de mujeres
en puestos de alta dirección. La presente comunicación, centrada en aquellos estudiantes que
finalizan sus estudios universitarios en Administración y Dirección de Empresas explora de forma
empírica la presencia o no de dicho efecto diferencial junto con algunos otros factores que pueden
influir en la intención de desarrollar o no una carrera profesional de carácter internacional.
Mediante el empleo de modelos de elección discreta se analiza la influencia del género
en la decisión de desarrollar carrera profesional internacional una vez controlados el resto de
factores, tanto de tipo socioeconómico, como académicos, de personalidad, y de contexto (peer
effects).

2. Marco teórico
La actitud de las mujeres ante el proceso de internacionalización está íntimamente ligada
a su trayectoria en el mercado laboral. La masiva incorporación de la mujer al trabajo, ha suscitado
la aparición de múltiples estudios que tratan de analizar el papel de la mujer en la organización,
su capacidad y sus limitaciones para desarrollar cargos directivos que tradicionalmente estaban
reservados a hombres así como sus expectativas laborales y la necesidad de conciliación con una
vida familiar.
Desde un punto de vista longitudinal, cada vez son más las mujeres que tienen un empleo
o desean tenerlo y que, por tanto, aportan un mayor peso en la actividad económica general
(Davidson, 1991). Además, en lo que se refiere a la educación, el nivel de cualificación de las
mujeres se ha ido equiparando al de los hombres, e incluso los ha superado en algunas etapas
educativas.
Sin embargo, desde una perspectiva transversal, todavía se puede observar un desequilibrio
entre mujeres y hombres a favor de estos últimos, las tasas de actividad como las de empleo
femenino siguen siendo inferiores, así como también su salario y el acceso a puestos de dirección
en las organizaciones. La literatura se ha detenido a estudiar esta situación desde aspectos de
tipo psicológico, económico y social, tratando de averiguar cuáles son las expectativas de las
mujeres desde un punto de vista laboral y si existe alguna barrera que les impida llegar a la
categoría profesional acorde con su educación formal.
Desde el punto de vista de las expectativas, numerosas investigaciones que estudian las
razones que justifican el mayor grado de satisfacción laboral de las mujeres con respecto a los

817
hombres, a pesar de su situación laboral, muestran que existen diferencias entre las valoraciones
que realizan hombres y mujeres sobre los atributos del empleo. En este sentido Clark (1997)
apunta la importancia que tiene el ingreso, las perspectivas de promoción y la estabilidad laboral
para los hombres frente a la importancia que dan las mujeres al tipo de trabajo y la jornada
laboral. Sloane y Williams (1994, 2000) confirman la teoría de Clark al demostrar que los hombres
valoran más el dinero que les aporta el empleo, a diferencia de las mujeres que se suelen inclinar
hacia aspectos no monetarios como la flexibilidad de la jornada laboral y la relación con los
compañeros de trabajo. Adicionalmente, estos autores también muestran que las mujeres esperan
menos de sus trabajos y, además, tienden a compararse con distintos grupos de referencia.
Desde la segunda perspectiva, algunos autores muestran la existencia de los denominados
“techos de cristal”, que revelan un realidad subjetiva que impone detención y retroceso en los
proyectos laborales de las mujeres al llegar al acceso a los puestos más altos de todas las jerarquías
ocupacionales (Holloway, 1993; Davidson y Cooper, 1992; Morrison, 1992; Lynn Martin, 1991) y
que, como consecuencia, puede frenar la intención o actitud hacia la internacionalización.
Las descripciones realizadas en la literatura sobre el “techo de cristal” en la carrera laboral
de las mujeres insisten en destacar los factores culturales invisibles que producen condiciones
discriminatorias hacia las mujeres. Desde el proceso de globalización, los cambios económicos y
sociales, impulsados por empresas, compañías transnacionales e instituciones financieras han
provocado la expansión de las actividades políticas, económicas y sociales a través de las fronteras.
Desde el punto de vista de la actitud de los trabajadores ante el proceso de globalización, la
deslocalización ligada a la misma, que lleva consigo la posibilidad de traslado al extranjero para
desarrollar la actividad profesional, no está aceptada de la misma manera por hombres y mujeres.
Mientras que los hombres pueden considerar que el desarrollo laboral internacional constituye
oportunidades de ascenso laboral, de especialización, de adquisición de nuevas tecnologías tanto
para ellos como para su familia, ellas renuncian a esas oportunidades al considerar que tanto ellas
como sus familias se verán favorecidas manteniéndose en un núcleo más familiar.
El valor de este trabajo está en intentar detectar empíricamente si las expectativas de los
estudiantes antes de empezar su trayectoria profesional, en lo referente a la internacionalización,
coinciden con los resultados que muestra la literatura al presentar las diferencias entre hombres
y mujeres en el marco laboral; en otras palabras, si existen factores culturales invisibles
internalizados en las mujeres que hagan que su decisión de internacionalización sea cuantitativa
o cualitativamente diferente de la de los hombres, existiendo por tanto un glass border de
características análogas a los “techos de cristal”.

3. Metodología: modelo, datos, variables

3.1. Modelo
La decisión de un alumno de ADE de comenzar o no una carrera profesional internacional
en el extranjero (en términos generales, fuera del propio país) es una decisión de tipo binario
que puede modelarse empíricamente mediante un modelo logit, cuya especificación general viene
expresada por la ecuación [1]:
[1]

en donde zi es una función índice que recoge el efecto lineal de diferentes conjuntos de variables
explicativas de la decisión de internacionalización y sus efectos de interacción con el hecho de
ser o no mujer, tal y como se recoge en [2]

818
 [2]

En esta función índice, F es un vector f x 1 de variables que recogen aspectos personales,

familiares y de entorno del alumno, P es el vector de dimensión p x 1 relativo a sus rasgos
psicológicas, A el vector a x 1 que contiene las características académicas y de entorno universitario
e Y el vector y x 1 relativo a diferentes aspectos de internacionalización y de idiomas. Por su parte
β, γ, δ, ϕ son los vectores de parámetros que recogen el efecto en la función índice de cada uno de
los vectores de variables. Por su parte θ es el vector de parámetros de dimensión (f+p+a+y+1) que
recoge el posible efecto diferencial entre ser mujer y ser hombre, ya en el término independiente
ya en los efectos del resto de variables explicativas.
Una vez recogida la muestra, para evaluar los posibles efectos de género habrá que ir
testando empíricamente las hipótesis H0: θ(i) = 0 frente a las alternativas de significación, en
donde θ(i) es cualquier subvector de θ de dimensión i x 1.

3. 2. Muestra
Los datos usados en el presente trabajo proceden de una muestra obtenida mediante
cuestionarios on –line259 realizados por alumnos estudiantes de último y penúltimo año de carrera
en la Licenciatura en ADE (Administración de Empresas) de la Universidad Pontificia Comillas
de Madrid en sus diferentes modalidades y combinaciones: sólo ADE (especialidad E-2), ADE y
Derecho (E-3) y Ciencias Empresariales Internacionales (E-4).
Los alumnos han tenido que cumplimentar dos cuestionarios; el primero contenía preguntas
acerca de características personales, familiares, académicas, de idiomas y de internacionalización
y movilidad, mientras que el otro era el cuestionario psicológico de personalidad Big Five.
El estudio de campo se ha realizado en dos oleadas, la primera en el verano de 2010 (junio
y julio) y la segunda durante el invierno de 2011 (febrero y marzo) con el fin de conseguir una
mayor respuesta y ampliar los tamaños muestrales.
Es preciso indicar que a pesar de la carta de presentación del proyecto, los recordatorios
personalizados a aquellas personas que aún no habían respondido y la oferta de enviarles un
perfil psicológico al término del proyecto como agradecimiento por su colaboración, finalmente
se ha obtenido una tasa de respuesta del 50%.
Entre las dos oleadas se ha enviado la invitación para cumplimentar los cuestionarios
a aproximadamente 600 alumnos, de los cuales han contestado260 alrededor de 320. Una vez
realizada la depuración de la base de datos y eliminados los cuestionarios incompletos o erróneos se
dispone de un tamaño muestral de 288 individuos para las variables contenidas en el cuestionario
de internacionalización y de 170 si se fusionan las respuestas de este con las del cuestionario
Big Five, puesto que hay sujetos que cumplimentaron uno u otro de los dos cuestionarios pero no
los dos. Esta muestra de tamaño 170 será la que se empleará para la estimación de los modelos,
mientras que la de tamaño 288 se empleará en los análisis descriptivos sobre los rasgos cualitativos
259 Mediante la aplicación Encuesta Facil, en www.encuestafacil.com.
260 Entre las posibles razones de no respuesta pueden señalarse las siguientes:
a) La invitación se ha realizado a una dirección de correo electrónico del alumno bien errónea o bien que el alumno
no consulta con la frecuencia deseada.
b) El momento elegido para la consulta, a final de curso y comienzos de vacaciones de verano o alrededor de los
exámenes parciales.
c) La excesiva longitud de los cuestionarios (posible causa de cuestionarios incompletos y desistimientos).
d) El recelo de algunos alumnos a facilitar información de carácter sensible o personal, como su clave académica o el
nombre y apellidos de sus mejores amigos, a pesar de las explicaciones preventivas respecto a este asunto ofrecidas
en la carta de presentación.

819
diferenciales respecto a la internacionalización de hombres y mujeres.
Esta no respuesta lleva a plantearse la posible existencia de sesgos de selección muestral,
ya que en la composición final de las muestras obtenidas, tal y como presenta la Tabla 1 según
especialidad y género, existe una sobrerrepresentación de mujeres con respecto a la existente en
la población de referencia, especialmente en la muestra más pequeña empleada en los modelos y
para los alumnos de la especialidad de E-4. Este aspecto ha de ser tenido en cuenta a la hora de
interpretar y generalizar resultados y conclusiones.

Tabla 1. Composición de la muestra por especialidades de ADE y género.

N=170 N=288
Hombres Mujeres Total Hombres Mujeres Total
E-2 31 64 95 54 85 139
E-3 19 35 54 29 46 75
E-4 2 19 21 18 56 74
Total 52 118 170 101 187 288

Fuente: Elaboración propia

3.3. Variables
3.3.1. Variable endógena
La variable a explicar en el modelo planteado es si un alumno tiene o no intención de
“internacionalizarse”, es decir, comenzar su carrera profesional en el extranjero. Habida cuenta
de que los alumnos que han contestado el cuestionario aún no han finalizado la carrera, e incluso
a bastantes les queda aún otro año académico para finalizar (alumnos de 4º curso en licenciatura
de 5 años), se ha preferido modelar la intención de internacionalizarse o no más que el hecho en
sí mismo, que sólo se habría producido en aquellos alumnos de último curso con oferta laboral
en firme o en proceso de selección para ello. En el cuestionario esa intención se ha preguntado
mediante tres preguntas acerca de cómo se visualizan en el futuro dentro de 5, 10 y 20 años. Las
opciones de respuesta combinaban el trabajar o no en el extranjero con el permanecer solteros o
tener familia, existiendo incluso la opción denominada “no me visualizo”.
Se ha decidido contemplar como mejor proxy de carrera internacional la visualización
dentro de 5 años, procediendo a la dicotomización entre visualizarse en el extranjero y en España
(o el país de origen del alumno en caso de no ser español), por su menor horizonte temporal
con el momento en el que se recoge la información y mayor correlación con la situación que
finalmente se produzca realmente. Esta variable se ha denominado internac5.

3.3.2. Variables explicativas

Como se ha explicado con anterioridad, los posibles factores explicativos de la intención
de comenzar o no una carrera profesional internacional pueden agruparse en varios grupos.
A continuación se describen dichas variables y su forma de medición para su inclusión en los
modelos estimados en el presente trabajo.
1) Características personales, familiares y de entorno socioeconómico
• Pareja: tener o no pareja estable en el momento de responder al cuestionario. Se
supone que los lazos afectivos que implica el tener pareja estable van a suponer en general un
freno en la decisión de comenzar una carrera internacional en el extranjero, aunque se tenga

820
intención de retornar en un plazo no demasiado largo.
• Número de amigos íntimos: su inclusión en los modelos obedece a la lógica de
pensar que un mayor número de amigos íntimos está mostrando un cierto grado de estabilidad y
madurez emocional, aunque por otra puede suponer un freno a la decisión de internacionalizarse
debido al alejamiento de ellos durante un cierto periodo a pesar de las nuevas vías tecnológicas
de comunicación a distancia.
• Número de hermanos y orden de primogenitura. La inclusión de estas dos variables
intenta captar el efecto en la probabilidad de internacionalización del efecto de la socialización
en el seno de la familia aparte de la posible experiencia adquirida y aprendida de los hermanos.
• Nivel econ: nivel económico percibido por el alumno en comparación con el del
grupo de compañeros. Debido a las dificultades de medición de este tipo de variables se ha optado
por una evaluación subjetiva en una escala ordinal de cinco valores: claramente inferior a la
media, ligeramente inferior, en la media, ligeramente superior, claramente superior. No está muy
claro a priori el signo del efecto de esta variable en la probabilidad de internacionalizarse, ya que,
por una parte, un mayor nivel económico familiar proporciona recursos para que los comienzos de
la situación de internacionalización sean más plácidos, un nivel de partida inferior puede hacer
ver la internacionalización como una oportunidad de promoción y mejora social y económica
respecto al nivel de la generación de sus padres.
• Nivel de estudios del padre y la madre. Habida cuenta de que en la muestra más de
un 85% de los padres y casi un 75% de las madres poseen estudios universitarios, se ha considerado
su inclusión como dicotómicas respecto a ser o no universitarios. La razón de considerar estas
variables radica en que se supone que un mayor nivel de formación en los padres supone también
un mayor grado de cultura, apertura mental y formación cosmopolita en los hijos, que hará que
sea más probable la decisión de trabajar en el extranjero al comienzo de su carrera profesional.
• Zona de procedencia: con el fin de poder captar la influencia del entorno socio
demográfico de procedencia en lo relativo a la idiosincrasia y cultura de movilidad en la mayor o
menor propensión a internacionalizarse, se han creado un conjunto de variables dicotómicas para
recoger el área geográfica donde se ubica el domicilio familiar del alumno. La zonificación efectuada
comprende, para España, las áreas de Madrid, Sur (Andalucía y Canarias), Norte (Galicia, Asturias,
Cantabria, La Rioja y País Vasco), Este (Cataluña, Comunidad Valenciana, Murcia y Baleares) y
Centro (el resto). Además se ha considerado el estar fuera de España como última categoría. En
los modelos Madrid ha sido la categoría de referencia no incluida como dummy.
• Ciudadgrande: estar el domicilio familiar situado en una ciudad de al menos
500000 habitantes. La lógica de esta variable es poder captar la influencia en la decisión de
internacionalizarse o no de un entorno más cosmopolita, dinámico, abierto a la diferencia y con
menos grado de localismo que supone haber vivido en una ciudad grande frente a provenir de un
entorno urbano o rural de menor tamaño261.

2) Características Psicológicas
Rasgos de personalidad: están medidos según las cinco dimensiones principales del
cuestionario “Big Five” de personalidad, más el factor de distorsión.
El modelo de los Big Five o Cinco Grandes factores262 (Digman, 1990; John, 1990) propone 5
261 Se ha optado por la especificación dicotómica para superar los errores de medida que supondrían considerar la
población del municipio donde está situado el domicilio familiar (o su logaritmo neperiano), debido a la ambigüedad
de tal dato dependiendo de cómo se consideren los límites de las áreas metropolitanas y su zona de influencia. ¿cuál
es la población “real” de Madrid, Barcelona o Londres?
262 Este modelo Big Five se propone como un intento de mediación y unificación entre las tradiciones de investigación

821
dimensiones fundamentales para la descripción y evaluación de la personalidad, que son: Energía
o Extraversión, Afabilidad o Agrado, Tesón, Estabilidad Emocional y Apertura Mental o Apertura
a la Experiencia. En cada uno de los Big Five se han identificado dos subdimensiones, cada
una de las cuales hace referencia a distintos aspectos de la propia dimensión. Cada una de las
subdimensiones aparece en la Tabla 2.

Tabla 2. Dimensiones y subdimensiones del Big Five

Dimensiones Subdimensiones
Di Dinamismo
E Energía
Do Dominancia
Cp Cooperación
A Afabilidad
Co Cordialidad
Es Escrupulosidad
T Tesón
Pe Perseverancia
Ce Control de emociones
EE Estabilidad Emocional
Ci Control de impulsos
Ac Apertura a la cultura
AM Apertura Mental
Ae Apertura a la experiencia
D Distorsión
Fuente: Caprara et al. (1993).

El cuestionario que se propone en el modelo Big Five (BFQ) consta de un total de 132
ítems. De ellos, cada subdimensión está integrada por 12 elementos, la mitad de los mismos son
afirmaciones formuladas en sentido positivo con respecto al nombre de la escala, mientras que la
otra mitad está formulada en sentido negativo, con el fin de controlar eventuales fenómenos de
sesgos de respuesta.
Finalmente, el cuestionario consta de una escala de distorsión (D) que consta de 12
elementos del cuestionario y tiene por finalidad proporcionar una medida de la tendencia a
ofrecer un perfil falseado de sí mismo al responder al cuestionario.
La interpretación del cuestionario se realiza a partir de la tipificación de las puntuaciones
directas de cada una de las dimensiones y subdimensiones del BFQ, usando como media y desviación
típica en cada una de ellas las del grupo de referencia correspondiente.
En este trabajo, se ha trabajado con dos grupos de referencia según el sexo, dado que como
establecen Caprara et al. (1993), aparecen diferencias significativas entre hombres y mujeres.
Además, se ha elegido el grupo referido a personas participantes en procesos de selección263
porque parece la mejor referencia de cara al análisis de la internacionalización laboral que se está
analizando.
3) Características académicas del alumno y de su entorno universitario
• Nota media en ADE. Está codificada como variable ordinal con las categorías 1:
“aprobado”, 2: “notable” y 3:”sobresaliente”. Se considera que puede tener un efecto positivo en
la probabilidad de comenzar carrera profesional en el extranjero, puesto que un expediente más
lexicográfica y factorialista. Por una parte, la tradición lexicográfica (Catell, 1943) se basa en que las diferencias más
sobresalientes y socialmente más relevantes están codificadas en el lenguaje cotidiano, mientras que la factorialista
se basa en el examen de las relaciones entre los diferentes descriptores de la personalidad (Digman, 1990; John,
1990) que definen los distintos factores de la personalidad.
263 La muestra utilizada como referencia para el grupo de hombres en procesos de selección está compuesta por
1.254 hombres, de edad entre 21 a 30 años, mientras que la utilizada para el grupo de mujeres en proceso de selección
está compuesta por 1.284 mujeres, también de edad entre 21 y 30 años.

822
brillante aumenta las posibilidades en las pruebas de selección de empresas que ofrecen carrera
internacional a sus recién contratados.
• Grado de satisfacción con la carrera. Medida en una escala de 0 a 10, se espera
que personas más satisfechas con los estudios cursados están más motivadas para realizar su
proyección internacional, mientras que los poco satisfechos quizá opten por una vía profesional
diferente, incluso en otro campo.
• Especialidad. Como ya se ha comentado anteriormente, los individuos de la muestra
pertenecen a la especialidad de E-2, E-4 y E-3. Esta última, se ha considerado categoría de
referencia, y como incluye también estudios de Derecho, disciplina en la que por su propia
naturaleza las salidas profesionales internacionales son más difíciles, se espera que cursarla
produzca efectos diferenciales negativos respecto a las otras dos.
• Últimocurso: Estar o no en último curso de carrera. Puede pensarse que esto
supone un mayor grado de madurez y un menor horizonte temporal sobre la verdadera decisión
de comenzar o no carrera profesional internacional.
• Gusto por una determinada área de conocimiento. Se han creado varias dicotómicas
que toman valor 1 si el alumno ha manifestado su gusto o preferencia por las asignaturas
englobadas en diferentes áreas. Las áreas consideradas son: Finanzas y Contabilidad, Marketing,
Recursos Humanos, Economía, Gestión y Estrategia, Métodos Cuantitativos y Derecho. Esta última
se ha considerado como categoría de referencia, por considerar que es la que tiene menos carácter
internacional.
• Prácticas. Haber realizado o no prácticas a lo largo de los estudios. Se espera que el
haberlas realizado influya positivamente en la decisión de internacionalizarse.
• Grado relativo de internacionalización de los amigos y peers. Está medido como el
porcentaje reforzado según los lazos de amistad de los compañeros del curso que han decidido
internacionalizarse, en comparación con el porcentaje global de internacionales del curso. Un
valor superior a 100 indica que el entorno más cercano de amistad del alumno es más proclive a la
internacionalización que el curso considerado en su conjunto mientras que valores inferiores a 100
señalan que el entorno cercano es menos favorable a la internacionalización que el sentimiento o
deseo del curso globalmente considerado.
• Nivel de heterogeneidad de internacionalización del curso. Se ha medido mediante la
varianza de la variable “internacionalizarse o no” para cada uno de los cursos. Si pj es el porcentaje
de alumnos del curso j que tienen intención de comenzar carrera profesional en el extranjero,
pj(1- pj) será el valor de este indicador para ese curso. Se piensa que cuanto mayor sea el grado
de heterogeneidad (correspondiente a un curso con un reparto porcentual de 50/50 entre quienes
se ven en el extranjero y quienes no), menos probable será la decisión de internacionalización, al
no tener el grupo un efecto de imitación y contagio claro.
4) Idiomas y antecedentes de internacionalización
En esta categoría se consideran variables correspondientes tanto al alumno como a su
familia.
• Nivel de idiomas (Idiomas). El cuestionario preguntaba sobre el nivel autopercibido
de forma subjetiva en diferentes idiomas, diferenciando entre las categorías de lectura, escritura
y conversación. Los idiomas por los que se preguntaba eran Inglés, Francés, Alemán, Español y
Chino, siendo los posibles niveles en cada una de las tres categorías descritas, nulo, principiante,
intermedio, avanzado y nativo. Estos niveles se han codificado numéricamente como 0, 2, 4, 6
y 10264. El indicador se ha construido sumando para todos los idiomas y para cada una de las
264 Nótese que la diferencia entre nivel avanzado y nativo es superior a la existente entre cualquiera de los demás,

823
tres categorías las puntuaciones correspondientes a cada nivel. Este indicador toma un valor
mínimo de 30 (pues todos los alumnos son nativos en alguno de los idiomas considerados) y un
máximo teórico de 120, por lo que se ha procedido a normalizarlo entre 0 y 100 para una mejor
interpretación, asignando el valor 100 al máximo observado en la muestra.
• Toefl: Haber realizado o no el examen TOEFL (Test of English as Foreign Language).
Habida cuenta que el inglés es actualmente la lengua franca en un mundo globalizado, un mayor
nivel de inglés, certificado mediante algún examen objetivo será in indicador de una mayor
propensión a desarrollar una carrera profesional. El indicador perfecto habría sido el nivel de
TOEFL (normalizado en una escala de 0 a 100 ya que existen diferentes baremos de puntuación),
pero como no todos los alumnos han realizado dicha prueba, se ha decidido considerar la variable
dicotómica “haber realizado el TOEFL o no”, como un indicador de una actitud personal más o
menos predispuesta a la internacionalización.
• Paisesvisit: Número de países visitados cualificado por el número de continentes
visitado. Se considera que haber visitado un mayor número de países puede indicar una mejor
actitud ante la internacionalización, un gusto por conocer y adaptarse a culturas y entornos
diferentes y por tanto, un menor freno a la posibilidad de internacionalización. Se ha decidido
cualificar el número de países según el número de continentes pensando que a igualdad de países
visitados el hecho de que sean estos más variados entre sí equivaldría a conocer más países del
mismo continente (se considera que no es lo mismo haber visitado Francia, Alemania e Inglaterra,
que conocer Francia, India y Guinea Bissau por poner un ejemplo). La cualificación se ha realizado
mediante la fórmula reflejada en [3], procediéndose finalmente a su normalización entre 0 y 100
dividiendo por el valor máximo observado en la muestra, correspondiente a un alumno que ha
visitado 35 países de los 5 continentes.

[3]

• Cambios: Indicador de cambios y situaciones de movilidad de diferente tipo vividas

por el alumno a lo largo de su vida. Esta construido como suma ponderada del número de cambios
de clase dentro de un colegio, del número de veces que se ha cambiado de colegio y del número
de veces que se ha cambiado de país de residencia. La lógica de la inclusión de este indicador
en el modelo estriba en la suposición de que un mayor nivel de cambios previos supondrá una
menor resistencia al cambio y por tanto una mayor propensión a la internacionalización, al estar
más acostumbrado a los cambios vitales que este conlleva y poder superar mejor las barreras
personales y psicológicas para tomar la decisión de trabajar en un entorno y una cultura diferente
a la propia. Por el contrario, se supone que una persona que no ha vivido situaciones de movilidad
tendrá más resistencia al cambio y por tanto a ser “internacional”. Numéricamente el indicador
está construido con las ponderaciones que se reflejan en [4] que dan un peso muy superior a
haber cambiado de país de residencia que a un mero cambio de clase en el colegio.
[4]

• Vivir con padres: Si se ha vivido o no con los padres (o algún familiar) a lo largo de la
mayoría del tiempo de universidad. La inclusión en el modelo de esta variable de tipo dicotómico
se justifica en el hecho de que mide de forma aproximada el grado de independencia del alumno,

para intentar corregir de alguna manera la tendencia a la sobrevaloración del nivel propio de idiomas, en el que
es frecuente que niveles principiantes sean referidos como intermedios y estos como avanzados, mientras que el
autocalificarse como nativo resulta menos propenso al error de medida intencionado.

824
puesto que aquel que durante los años de universidad ha vivido fuera de la influencia y los
cuidados del hogar familiar (residencia, colegio mayor, piso compartido o individual) se supone
que ha alcanzado un grado de independencia que favorece la decisión de internacionalizarse.
• Erasmus: dicotómica que recoge si se ha realizado o no intercambio Erasmus (o
equivalente) a lo largo de los años de carrera. Se considera interesante su inclusión en el modelo
puesto que el realizar un intercambio de algunos meses a una universidad en otro país supone
una experiencia a pequeña escala que anticipa la vivencia de internacionalizarse en la carrera
profesional.
• Cursosextr: número de cursos académicos realizados en el extranjero anteriores a la
universidad. El considerar esta variable responde a la misma lógica que la variable anterior.
• Movilfam: dicotómica que toma el valor 1 si alguno de los progenitores del alumno
trabaja fuera del domicilio familiar, ya sea en otra ciudad u otro país, al menos algunos meses al
año. Intenta captar si en el núcleo familiar del alumno existe experiencia real vivida de movilidad.
Se espera que influya positivamente en la probabilidad de internacionalización.
• Internacfam: igual que la variable anterior pero restringido exclusivamente a trabajar
en el extranjero, por lo que capta la experiencia familiar de internacionalización. El efecto en la
decisión de internacionalizarse del alumno ya no es tan clara como en el caso anterior, puesto
que junto con la experiencia de internacionalización puede aparecer un componente de “ausencia
o abandono del padre (o de la madre)” que puede tener efectos contrarios en la decisión de
internacionalización del hijo o hija.
5) Variables que recogen el efecto del género
La especificación del modelo propuesta recoge no solo el posible efecto de ser mujer o
no en la probabilidad de internacionalizarse sino también en sus efectos de interacción con el
resto de variables explicativas en donde se considera plausible la existencia de efectos marginales
diferenciales según el género.
Se han incluido términos de interacción con las siguientes variables:
- Tener pareja
- Cambios
- Países visitados
- Nivel de idiomas
- Vivir con los padres
- Grado de heterogeneidad de internacionalización del curso

Antes de pasar a los resultados de estimación del modelo merece la pena mostrar los
principales estadísticos descriptivos de las variables empleadas, tal y como muestra la Tabla 3.

825
Tabla 3. Estadísticos descriptivos de las variables del modelo
Media Desv.
Grupos variables Nombre variables mínimo Mediana Máximo
(proporción) típica
Endógena internac5 0 0,67 1 1 0,47
E-2 0 0,56 1 1 0,50
E-3 0 0,32 0 1 0,47
E-4 0 0,12 0 1 0,33
últimocurso 0 0,65 1 1 0,48
Nota ADE 1 1,74 2 3 0,51
satisfacción ADE 2 7,04 8 10 1,81
Gusta FINANZAS 0 0,52 1 1 0,50
Académicas Gusta MARK 0 0,27 0 1 0,45
Gusta RRHH 0 0,07 0 1 0,26
Gusta GESTIÓM 0 0,26 0 1 0,44
Gusta ECONOMÍA 0 0,11 0 1 0,31
Gusta CUANTITATIVO 0 0,06 0 1 0,24
Gusta DERECHO 0 0,01 0 1 0,08
Prácticas 0 0,73 1 1 0,45
Erasmus 0 0,72 1 1 0,45
Madrid 0 0,71 1 1 0,46
Norte 0 0,11 0 1 0,31
Este 0 0,02 0 1 0,13
Sur 0 0,08 0 1 0,28
Centro 0 0,08 0 1 0,28
No España 0 0,01 0 1 0,08
Personales, familiares y Gran ciudad 0 0,57 1 1 0,50
de entorno Univ padre 0 0,86 1 1 0,34
Univ madre 0 0,79 1 1 0,41
Nivel económico -2 -0,11 0 2 0,75
Hermanos 1 2,52 2 8 1,26
Orden primogenitura 1 1,72 1 7 0,96
Pareja 0 0,46 0 1 0,50
Nº Amigos íntimos 0 5,28 5 10 2,21
E 34,18 59,52 59,27 87,04 9,67
A 8,50 49,14 50,13 76,82 12,03
Psicológicos T 21,66 50,77 50,85 74,84 10,71
“Big Five” EE 11,60 38,16 38,35 64,26 11,13
AM 21,71 49,56 48,82 75,50 10,44
D 9,25 46,57 47,92 76,00 10,18
Internacfam 0 0,08 0 1 0,27
Movilfam 0 0,16 0 1 0,37
Idiomas 24 60,72 60 90 10,75
Internacionalización e Cursos extranjero 0 0,82 0 14 1,78
idiomas TOEFL 0 0,63 1 1 0,48
Cambios 0 0,83 0,5 6,1 1,05
Paisvisit 1 23,74 18,02 71,43 16,18
Vivir con padres 0 0,75 1 1 0,44
Varintcurso 0,16 0,22 0,25 0,25 0,03
Peers
Intpeerrel 25,42 96,13 100,00 155,82 29,05
Género Mujer 0 0,69 1 1 0,46

Fuente: Elaboración propia.

4. Resultados
La tabla 4 presenta los resultados de estimación del modelo logit, empleando la muestra
de 170 alumnos, en el que la variable endógena es internac5, es decir, si el alumno se visualiza
trabajando en el extranjero dentro de 5 años o no. Por razones de simplicidad, sólo se ofrecen los
resultados correspondientes a las variables significativas al menos al 10% en el modelo reducido
final. La estrategia empleada ha sido plantear el modelo original con todas las variables descritas
en el epígrafe anterior e irlo reduciendo testando hacia abajo en fases sucesivas, mediante
restricciones de exclusión qué variables podían eliminarse del modelo.

826
Tabla 4. Estimación del modelo logit para la variable internac5. N=170
Factores Variables Coeficiente p -valor Pendiente
e2 1,3441 0,008 0,2467
e4
ultimocurso
notaADE
satisfADE
gustaFINCONT
Académicos y
gustaMARK 1,3108 0,033 0,1964
universitarios
gustaRRHH
gustaGEST
gustaECON -1,5677 0,040 -0,3468
gustaMETCUAN -2,2624 0,020 -0,5082
erasmus
practicas 1,1126 0,042 0,2216
Norte -2,2070 0,017 -0,4916
Este -3,3634 0,068 -0,6704
Sur
Centro
granciudad 1,2441 0,036 0,2296
Personales,
nivelecon
familiares
univpadre 2,4319 0,000 0,5333
y de entorno
univmadre -1,2137 0,040 -0,1764
hermanos
primogen
Pareja
num amigos
E 0,0751 0,007 0,0133
A -0,0368 0,094 -0,0065
Psicológicos T
“Big Five” EE
AM
D
internacfam -3,3295 0,019 -0,6778
movilfam 2,1270 0,033 0,2507
idiomas 0,1102 0,006 0,0196
Internacionalización e cursosextr
idiomas TOEFL
cambios
paisvisit 0,0288 0,067 0,0051
viveconpadres -2,1435 0,008 -0,2836
intpeerrel
Peers
varintcurso -39,1159 0,003 -6,9503
Género mujer
Idiomas*M -0,0844 0,058 -0,0150
Pareja*M -1,2034 0,031 -0,2350
Términos de Varintcurso*M 21,4862 0,060 3,8178
Interacción con ser mujer Cambios*M
Paisvisit*M
con padres*M
Media de la variable dependiente 0,6706
R2 de Mc Fadden 0,3453
Log – verosimilitud -70,5320
Criterio de Akaike 185,0639
Criterio de Schwarz 254,0515
Contraste de razón de verosimilitudes: Chi-cuadrado(21) = 74,4149 [0,0000]
f(beta'x) en la media de las variables independientes 0,178

Fuente: Elaboración propia.

827
 La columna denominada “pendiente” ofrece el efecto marginal en la probabilidad de ser
internacional de la variación de una unidad en la variable explicativa correspondiente para el
individuo promedio de la muestra. Dichos efectos mantienen el signo aunque no el valor propuesto
por la tabla si son evaluados en otros individuos con características diferentes a los promedios de
la muestra.
Del análisis de los resultados de la tabla pueden remarcarse los siguientes aspectos relativos
al efecto diferencial del género, objetivo principal de este trabajo:
• No se encuentran evidencias empíricas de que exista un efecto general sobre las
probabilidades de elegir una carrera profesional internacional derivado del hecho de ser hombre
o mujer, pero si aparecen efectos significativos en la interacción del género con algunos de los
factores explicativos considerados en el modelo estimado.
• El nivel de idiomas presenta efectos diferentes en hombres que en mujeres. El
aumento de un punto en el indicador de idiomas aumenta las probabilidades de internacionalización
en los hombres en 2 puntos porcentuales, mientras que el efecto en las mujeres es de alrededor
de 0,5 puntos porcentuales, la cuarta parte. Esto podría ser debido a un enfoque de aprendizaje
de idiomas diferente entre géneros, más pragmático en ellos que en ellas.
• El tener pareja estable no influye significativamente en las probabilidades de
internacionalización en los hombres pero sí en las mujeres, disminuyendo las probabilidades de
que comiencen una carrera internacional.
• El nivel de heterogeneidad del curso con respecto a la internacionalización influye
de forma negativa en las probabilidades de internacionalización, pero de forma menos intensa en
las mujeres que en los hombres. En consecuencia parece que el efecto de contagio por lo que haga
el grupo es menos importante en ellas que en ellos.
• Se aprecia en términos descriptivos un gran nivel global de intenciones de
internacionalización, puesto que el 67% de los alumnos de la muestra empleada se ve trabajando
en el extranjero dentro de 5 años, siendo estos porcentajes del 69% y el 66% en alumnos y
alumnas respectivamente.
• Acerca del resto de factores explicativos incluidos en el modelo pueden realizarse
los siguientes comentarios, válidos para hombres y mujeres indistintamente:
- Respecto de la influencia de los factores académicos y universitarios puede
decirse que influyen significativamente y de manera positiva en la probabilidad de ser internacional,
estar en la especialidad de E-2 respecto a estar en la de E-3, así como haber realizado prácticas
empresariales y tener preferencia por el área de marketing, mientras que por el contrario, afecta
a dicha probabilidad de forma negativa el tener preferencia por asignaturas del área de economía
o de métodos cuantitativos.
- En referencia a las variables de localización, si se vive en zonas del Norte
o Este de España o no se ha vivido en una ciudad grande, las probabilidades de elegir una
orientación profesional internacional se ven disminuidas.
- El hecho de que el padre del alumno sea universitario aumenta las
probabilidades de que el hijo sea internacional, mientras que lo contrario sucede en el caso de que
la madre sea universitaria. Este segundo resultado resulta aparentemente sorprendente, aunque
es robusto a diferentes especificaciones estimadas. Una posible explicación puede tener relación
con que es más probable que una madre universitaria trabaje fuera de casa, por lo que podría
haber aparecido el efecto de “ausencia o pérdida” en la infancia del alumno y reducir ahora sus
ansias de internacionalización y cambio.
- En relación a la influencia de los factores psicológicos, puede decirse que

828
mayores puntuaciones en la dimensión de energía (con sus subdimensiones de dinamismo y
dominancia) conllevan mayores probabilidades de internacionalización, mientras que lo contrario
sucede con puntuaciones altas en la dimensión de afabilidad (con subdimensiones de cooperación
y cordialidad).
- Como era esperable, tanto el nivel de idiomas como el número de países
visitados influyen de forma directa en las probabilidades de internacionalización.
- Respecto a la influencia de los indicadores dicotómicos de movilidad e
internacionalización vividos en el seno de las familias de los alumnos, los resultados están en
consonancia con lo sucedido para el nivel de estudios del padre y la madre. Parece que haber
conocido situaciones de movilidad aumenta las probabilidades de internacionalizarse pero cuando
estas situaciones implican un padre o una madre ausentes gran parte del año, los efectos son los
contrarios.
- El hecho de que el alumno haya vivido con sus padres a lo largo de la
carrera, teniendo por lo tanto una experiencia de vida independiente aún muy limitada disminuye
las probabilidades de que se opte por una carrera profesional en el extranjero.
- Respecto a la influencia de las decisiones de los amigos y peers puede
decirse que estar inmerso en un grupo con gran heterogeneidad global en cuanto a la decisión
de ser o no internacional disminuye las probabilidades de elegir la internacionalización. Por el
contrario, un grupo en el que la gran mayoría decide ser internacional o por el contrario, no ser
internacional, aumenta dichas probabilidades. Sin embargo, no se han encontrado evidencias
significativas respecto a la influencia de las decisiones de los amigos y compañeros más cercanos
en la decisión de cada alumno, probablemente por las deficiencias en la construcción de este
indicador, a causa de lo incompletos de los datos originales. En todo caso, es preciso poner estos
resultados en cuarentena debido a los errores de estimación de las variables relativas a los peers
por los problemas de endogeneidad y reflexión que no han podido ser corregidos.
Una vez analizado el papel del género (y del resto de factores) en las probabilidades
de internacionalización es interesante indagar acerca de si hay diferencias por este motivo en
algunos aspectos cualitativos relativos a la internacionalización. En concreto se van a contemplar
las valoraciones de los motivos atractores y las barreras en la decisión de internacionalizarse, la
valoración de diferentes países y áreas como destinos de una posible oferta laboral así como la
evolución temporal del proceso de internacionalización y retorno.
Los datos proceden de diferentes preguntas complementarias del cuestionario de
internacionalización, disponiéndose en este caso de un tamaño muestral de 288 alumnos.
Respecto a la valoración de diferentes factores impulsores que pueden estar implícitamente
contemplados en la decisión de internacionalizarse o no, la Tabla 5 presenta los valores medios y
desviaciones típicas tanto de la muestra completa como de las submuestras de alumnos y alumnas.
Las columnas de la derecha presentan (a modo indicativo) los p-valores correspondientes al
contraste de diferencia de medias así como el grado de significación estadística.
Del análisis de la tabla pueden establecerse las siguientes conclusiones:
• Los factores más importantes en media a la hora de decidir o no ir a trabajar al
extranjero son la posibilidad de formación y desarrollo profesionales y la mejora de idiomas.
• Los aspectos con menos peso a la hora de tomar la decisión de aceptar una oferta en
el extranjero son huir de la rutina, la posibilidad de retorno rápido al propio país o la compensación
flexible.
• Las mujeres valoran significativamente más en media que los hombres el mejorar
los idiomas, conocer otra cultura, las condiciones de trabajo, el conocer gente y el huir de la
rutina.
829
• El orden de valores entre hombres y mujeres es parecido, si bien para los hombres el salario
está en 4º lugar, mientras que para las mujeres, las condiciones de trabajo y el poder conocer
gente están antes que el salario.

Tabla 5. Valoración de factores impulsores para aceptar oferta de trabajo en el extranjero

Todos (n=288) Hombres (n=101) Mujeres (n=187)
desv. desv. desv.
FACTORES IMPULSORES Media típica Media típica Media típica p valor sig
Posibilidad de desarrollo profesional 8,8 1,4 8,9 1,5 8,8 1,3 0,676
Mejorar idiomas 8,5 1,7 8,2 1,9 8,7 1,6 0,012 **
Posibilidad de mejorar formación 8,3 1,7 8,2 1,8 8,3 1,7 0,516
Conocer cultura diferente 7,8 2,0 7,4 2,2 8,0 1,8 0,018 **
Condiciones de trabajo 7,6 1,9 7,4 2,0 7,8 1,8 0,067 *
Salario 7,5 1,7 7,6 1,9 7,4 1,7 0,308
Conocer gente 7,4 2,1 6,8 2,4 7,7 1,8 0,000 ***
Compensación flexible 6,9 2,0 6,7 2,3 7,0 1,9 0,187
Huir de la rutina 6,8 2,6 6,3 2,8 7,1 2,4 0,012 **
Posibilidad de volver antes de 5 años 6,3 3,1 6,2 2,9 6,4 3,2 0,535

***, ** ,* diferencias significativas al 1, 5 y 10%.

Fuente: Elaboración propia.

En lo tocante al peso medio que los alumnos dan a las posibles barreras o frenos que
pueden hacer rechazar una oferta de trabajo en el extranjero, la tabla 6 muestra los resultados
obtenidos.

Tabla 6. Valoración de barreras para no aceptar una oferta de trabajo en el extranjero

Todos (n=288) Hombres (n=101) Mujeres (n=187)
desv. desv. desv.
BARRERAS Media típica Media típica Media típica p valor Sig
Situación política y social 6,9 2,3 6,5 2,3 7,1 2,3 0,054 *
Estar lejos de familia y amigos 5,6 2,8 5,5 2,7 5,7 2,9 0,404
Idioma 4,9 2,9 4,9 2,9 4,9 2,9 0,889
Clima 4,7 2,8 4,3 2,9 4,9 2,8 0,132
Estar más de 3 años antes de volver 4,2 3,1 3,8 3,1 4,3 3,1 0,187
Cultura diferente 3,8 2,7 3,9 2,8 3,8 2,7 0,679
Distancia 3,7 3,3 3,4 3,0 3,9 3,4 0,215
Pereza de comenzar de nuevo 2,5 2,5 2,5 2,6 2,5 2,4 0,948
***, ** ,* diferencias significativas al 1, 5 y 10%.
Fuente: Elaboración propia.

Puede apreciarse que las barreras más importantes en media son la situación política y social
del país de destino, junto con el estar lejos de la familia y los amigos, mientras que las posibles
barreras menos importantes se refieren a la distancia del destino y a la pereza por tener que
comenzar de nuevo. En este caso las valoraciones medias no resultan significativamente diferentes
entre hombres y mujeres, si bien aparece ligera evidencia de un mayor peso para las mujeres el
que se perciba que el país de destino tenga una situación social y política complicada.

830
 El cuestionario también preguntaba por el grado de atractivo a priori de diferentes países
y áreas para trabajar en ellos. La tabla 7 muestra las valoraciones medias tanto globales como por
géneros.

Tabla 7. Atractivo de diferentes destinos para trabajar en el extranjero

Todos (n=288) Hombres (n=101) Mujeres (n=187)
desv. desv. desv.
PAÍSES/ÁREAS Media típica Media Típica Media típica p valor Sig
EEUU 9,0 1,4 8,8 1,5 9,0 1,4 0,211
Europa Occidental 8,8 1,8 8,9 1,7 8,7 1,8 0,467
Australia y Nueva Zelanda 7,8 2,4 7,7 2,3 7,9 2,4 0,409
América Latina 6,7 2,7 6,9 2,6 6,6 2,7 0,330
Japón 5,9 3,0 6,3 3,0 5,7 3,0 0,087 *
China 5,7 3,1 6,2 2,9 5,4 3,2 0,035 **
Europa del Este 5,1 2,5 5,6 2,4 4,8 2,6 0,013 **
India 5,1 3,1 5,2 3,1 5,0 3,1 0,544
Portugal 5,0 2,8 5,1 2,7 4,9 2,8 0,540
África tropical 3,9 2,9 3,9 3,0 3,8 2,9 0,825
Rusia 3,7 2,7 4,5 2,7 3,3 2,6 0,000 ***
Oriente Medio 3,4 2,9 4,2 3,0 3,0 2,8 0,001 ***
Israel 2,9 2,7 3,4 2,8 2,6 2,5 0,017 **
Magreb 2,7 2,3 2,6 2,2 2,7 2,3 0,752
Irán 1,7 2,0 1,5 1,9 1,7 2,1 0,384

***, ** ,* diferencias significativas al 1, 5 y 10%.

Fuente: Elaboración propia.

Se observa que los países y zonas con mayor atractivo medio son Estados Unidos y Europa
Occidental, mientras que Irán, el Magreb, Israel y Oriente Medio son los que tienen menor atractivo
tanto para hombres como para mujeres.
En general puede decirse que los destinos más lejanos culturalmente, como China o Japón
o los generalmente percibidos como más conflictivos y peligrosos son mejor valorados en media,
de forma significativa, por los hombres que por las mujeres. Así ocurre, por ejemplo, en los casos
de Rusia y Oriente Medio, en donde se han obtenido diferencias medias de atractivo superiores a
1 punto.
Finalmente, es interesante analizar cómo es la dinámica de permanencia en el extranjero
o retorno al país de origen según va pasando el tiempo. Para obtener luz acerca de este punto, el
cuestionario preguntaba acerca de cómo se veía el alumno dentro de 5, 10 y 20 años.
El gráfico 1 muestra los porcentajes de personas que se ven trabajando en el extranjero
(ya estén solteros o con familia) según crece el horizonte temporal. Puede apreciarse que no
existen apenas diferencias entre hombres y mujeres y que, mientras en un horizonte temporal de
5 años dos de cada tres alumnos se ven trabajando en el extranjero, esos porcentajes disminuyen
drásticamente cuando se visualizan al cabo de diez años o de veinte (en este último caso el
porcentaje de personas que respondieron que “no se visualizaban” era notablemente mayor,
alrededor del 22%). En consecuencia, parece que el proceso de internacionalización se considera
en general como una etapa en el desarrollo profesional y la mayoría piensan regresar a su propio
país en un plazo no superior a 10 años.

831
Gráfico 1. Porcentaje de personas que se visualizan trabajando en el extranjero según horizonte
temporal y género

 
Fuente: Elaboración propia.

5. Resumen y conclusiones
En este trabajo se ha analizado empíricamente la influencia del género en la decisión de
iniciar o no una carrera profesional en el extranjero una vez controlados otros factores explicativos
tanto de carácter socioeconómico como académico, de personalidad, y de contexto (peer effects),
mediante la aplicación de modelos de elección binaria a una muestra de estudiantes de los últimos
cursos de ADE en la Universidad Pontificia Comillas de Madrid.
Como conclusiones de este trabajo, en lo relativo al efecto del género en dicha decisión
pueden destacarse los siguientes aspectos:
• Tanto hombres como mujeres presentan un elevado porcentaje de intenciones de
internacionalización para un corto periodo temporal de alrededor de 5 años.
• Aunque no se han encontrado evidencias empíricas de que exista un efecto general
sobre las probabilidades de elegir una carrera profesional internacional derivado del hecho de ser
hombre o mujer, pero si aparecen efectos significativos en la interacción del género con algunos
de los factores explicativos considerados. Así, el nivel de idiomas es menos relevante para las
mujeres como factor determinante de la decisión, mientras que el tener pareja estable no influye
significativamente en las probabilidades de internacionalización de los hombres pero sí de las
mujeres, disminuyendo estas. En consecuencia parece que hay indicio de barreras invisibles a la
internacionalización que afectan de forma diferente a hombres que a mujeres. Además, como el
nivel de heterogeneidad del curso con respecto a la internacionalización influye de forma negativa
pero menos intensa en las mujeres que en los hombres parece que el efecto de las decisiones de
los peers es menos importante para ellas que para ellos.
• Los factores más valorados en media a la hora de aceptar o no una oferta en el
extranjero son la posibilidad de formación y desarrollo profesionales tanto para hombres como
para mujeres, pero el orden de valoración de estos factores presenta algunas diferencias de género,
ya que mientras para los hombres el salario está en 4º lugar, para las mujeres las condiciones
de trabajo y el poder conocer gente ocupan un lugar preferente por delante del salario. Por el
contrario, no aparecen grandes diferencias entre hombres y mujeres respecto a las barreras más
importantes respecto a la internacionalización, siendo estas la situación política y social del país
de destino y el estar lejos de la familia y los amigos.

832
 • Respecto a los países y zonas con mayor atractivo medio son Estados Unidos y
Europa Occidental, mientras que Irán, el Magreb, Israel y Oriente Medio son los que tienen menor
atractivo tanto para hombres como para mujeres, existiendo diferencias de preferencias en los
destinos más exóticos o aparentemente conflictivos y peligrosos son mejor valorados en media,
de forma significativa, por los hombres que por las mujeres.
• Respecto a la dinámica de permanencia en el extranjero o retorno al país de origen
según va pasando el tiempo no existen apenas diferencias entre hombres y mujeres apreciándose
que, aunque dentro de 5 años dos de cada tres alumnos se ven trabajando en el extranjero, esos
porcentajes disminuyen drásticamente cuando se visualizan dentro de diez años o de veinte, por
lo que tanto para ellos como para ellas parece que el proceso de internacionalización se considera
en general como una etapa en el desarrollo profesional y la mayoría piensan regresar a su propio
país en un plazo no superior a 10 años.
En definitiva, este trabajo muestra que, incluso en el nivel de expectativas, ya aparecen
signos de algunos factores, de índole fundamentalmente afectiva, que influyen de forma diferencial
en hombres y mujeres, a modo de un glass border. Y esto a pesar de que globalmente el entusiasmo
por un comienzo profesional internacional sea común en dos de cada tres alumnos de ADE, sean
hombres o mujeres.

Referencias
Bordo, M., B. Eichengreen y J. Kim (1999): “Was there really an earlier period of international
financial integration comparable to today?” Working Paper 7195, National Bureau of Economic
Research, Cambridge, MA.

Caprara, G. V., C. Barbaranelli, L. Borgogni and M. Perugini (1993): “The Big Five Questionnaire:
A new Questionnaire for the measurement of the five factor model”. Personality and Individual
Differences, 15, pp. 281-288.

Cattell, R. B. (1946): The description and mesurement of personality. New York, NY: Harcourt,
Brace, & World.

Clark, A.E. (1997): “Job satisfaction and gender: why are women so happy at work?”. Labor
Economics, vol. 4,nº4, pp. 341-72.

Guilford JP and W.S. Zimmerman. The Guilford-Zimmerman Survey: Manual of instructions and
interpretations. Beverly Hills, CA: Sheridan Supply Co; 1949.

Davison, M. (1991): “Women and employment”, en p. Warr (Dir. ). Psychology at Work. 223-246.
Sheffiend: Penguin Book.

Davison, M. J. y Cooper, C.L. (1992): Shattering the glass ceiling. Londres: Paul Chapman.

Digman JM: “Personality Structure: Emergence of the Five-Factor Model”. Annual Review of
Psychology. 1990;41:417–440.

Comrey, A.L. (1970): The Comrey Personality Scales. San Diego, CA: Educational and Industrial
Testing Service.

833
Eysenck, H. J. and S. B. G.Eysenck, (1975): Manual of the Eysenck Personality Questionnaire (adult
and junior). London: Hodder & Stoughton.

Gant, J., C.Ichniowski y K. Shaw (2002): “Social Capital and Organizational Change in High-
Involvement and Traditional Work organizations.” Journal of Economics &Management Strategy,
11(2): 289-328.

Hanushek, E.A., J.F. Kain, J.M. Markman y S.G. Rivkin (2003): “Does peer ability affect student
achievement?” Journal of Applied Econometrics, 18: pp. 527-544.

Hill, R.C., W.E. Griffiths y G.C.Lim (2008): Principles of Econometrics. John Wiley and Sons.

Holloway, M. (1993): “A lab of her own”. Scientific American Magazine. November: 94-103.

Ichino, A. y G. Maggi (2000): “Work environment and individual background: Explaining regional
shirking differentials in a large Italian firm”. Quarterly Journal of Economics, 115: pp. 1057-
1090.

Javidan, M., L. Hough and A. Bullough (2010): Conceptualizing and Measuring Global. Development
of the Global Mindset Inventory.

John, O.P. (1990): The search for basic dimensions of personality. In P. McReynolds, J.C. Rosen &
G.J. Chelune (Eds.), Advances in psychological assessment: Volume 7.NewYork: Plenum Press.

Lynn, M. (1991): The Three Levels of the Glass Ceiling. Sorcerer’s Apprentice to Through the
Looking Glass Volume I, No. 8 September 1991.

Manski, C. F.n (1993): “Identification of Endogenous Social Effects: The Reflection Problem”. The
Review of Economic Studies, 1993, 60 (3), pp. 531–542.

Sacerdote, B. (2001): “Peer effects with random assignment: Results for Dartmouth roommates”.
The Quarterly Journal of Economics, 116(2): pp. 681–704.

Sloane, P.J. y H. Williams (1994). Job satisfaction, comparison income, and gender differences in
earnings. Mimeo, Université of Aberden.

Sloane, P.J. y H. Williams, (2000): “Job satisfaction, comparison earnings and gender”. Labour,
vol. 14, pp. 473-501.

Van Vianen, A.E.M., J.A. Feij, M. Krausz y R. Taris (2003): “Personality factors and adult attachment
affecting job mobility”. International Journal of Selection and Assesment. 11 (4).

834
7. Demografía y educación: Acceso al matrimonio y al mercado de trabajo
en España 1980-2010

Juan Antonio Cañada Vicinay, Universidad de las Palmas de Gran Canarias

835
Demografía y educación: Acceso al matrimonio y al mercado de trabajo en
España 1980-2010

Juan Antonio Cañada Vicinay, Universidad de las Palmas de Gran Canarias

Resumen
Se propone un análisis descriptivo de la interacción entre educación e inserción al matrimonio
y a la vida activa en un contexto de pirámide de población regresiva -paliada en parte por la
inmigración- y de expansión educativa, en particular en las generaciones jóvenes de mujeres que
aventajan a sus homólogos varones en capital escolar con diferencial creciente. Más concretamente,
se pretende relacionar los desfases educativo y en la sex-ratio en la edad de acceso al matrimonio
con los cambios en las pautas de emparejamiento y de inserción laboral, donde destacan el retraso
del calendario de ciclo vital en ambos géneros así como la normalización de emparejamientos en
los que la mujer es más instruida y de mayor edad que el varón. En espera del censo de 2011,
actualmente en fase de preparación, nos serviremos de la EPA (segundo trimestre) en cortes
quinquenales entre 1980 y 2010, al objeto de realizar un seguimiento pseudo-longitudinal de
generaciones quinquenales a lo largo de estos 30 años.

Palabras clave: sex-ratio en acceso al matrimonio, diferencia de edad y educación entre cónyuges,
interacción entre cónyuges y situación laboral.

1. Introducción
Es habitual relacionar el incremento en la educación con el retraso en el calendario de los
eventos de ciclo de vida que marcan el acceso a la edad adulta, entre los que cabe señalar la salida
del sistema escolar, la inserción al mercado de trabajo y la formación de una nueva familia, con la
consiguiente incidencia en la caída de la natalidad265. En este estudio extenderemos la dimensión
demográfica al cambio en la composición de la población debido al flujo de inmigrantes, en
particular en la última década, y la madurez social de los efectos de la regulación del divorcio en
la dinámica de emparejamientos.

1.1. Pirámide de población regresiva

Es bien sabido que España presenta una las tasas de natalidad menores del mundo y una
pirámide de población fuertemente regresiva que está inmersa en un proceso que todavía no ha
tocado fondo, según se aprecia en la Figura-1 para los cortes transversales de 1980, 1990, 2000
y 2010 con los datos de la EPA (2º trimestre). Cabe resaltar dos aspectos: i) que la generación
más poblada (moda) no corresponde a los recién nacidos, propia de una pirámide expansiva,
sino que ya en 1980 se situaba en 15 años de edad y asciende hasta 35 en 2010, lo que traduce
pirámides regresivas con envejecimiento creciente, hasta el punto de que España exhibe en todo
este período una población vieja (menos de 25% de jóvenes hasta 14 años y más 10% de mayores
de 64) y envejeciendo266 y ii) ello pese a la entrada de nueva savia por la vía de la inmigración267,
265 En esta caída de la tasa de reproducción se acumulan dos factores: a) retardo en las edades de emparejamiento
y maternidad; b) menor tasa de natalidad durante el periodo fértil de exposición.
266 En las pirámides EPA expuestas, la población hasta 14 años representa 20.7 en 1990, 15.1 en 2000 y 14.5 en
2010, y la de 65 y más años 12.4% en 1980, 12.1 en 1990, 14..3 en 2000 y 18.8 en 2010.
267 La EPA distingue tres estados de nacionalidad: españoles (e1), doble nacionalidad (e2) y extranjeros (e3). En
las categorías e2 y e3 se informa del país de nacionalidad. Con independencia de la nacionalidad, se pregunta por el
lugar de nacimiento (provincia o estado) según que haya nacido en España o fuera. Aquí nos servimos de la pregunta
sobre nacionalidad con modalidades e1, e2 y e3.

836
 según muestra la Figura 1.1, directamente vinculada a la actividad económica y centrada en el
segmento de edad 20-45 años con peso suficiente para lentificar el envejecimiento de la pirámide
autóctona, pues en estas tres décadas la moda envejece 20 años.
Figura 1
Pirámides de población española y desfase de género[varones(t)-mujeres(t-3)] con tres
años de diferencia en edad de acceso al matrimonio. EPA1980, 1990, 2000 y 2010
m80 v80 vt-mt-3 80 m90 v90 vt-mt-3 90
m00 v00 vt-mt-3 00 m10 v10 vt-mt-3 10
100

80
varones mujeres

60
edad

40

20

0
-450000 -350000 -250000 -150000 -50000 50000 150000 250000 350000 450000
población

Figura 1.1 Contribución de la inmigración a la población. 2010

m e1 v e1 s r e1 m e1+e2 v e1+e2 s r e1+e2 mt vt srt
120 Figura 1.2 Inmigración y desajuste de género: edad de emparejamiento 2010
20
e1 e1+e2 extrj todos

90 10

0
%

-10
edad

60
-20

-30
30
-40
16 20 24 28 edad 32 36 40 44

0
-450000 -350000 -250000 -150000 -50000 50000 150000 250000 350000 450000
población

Dado que en la pareja representativa el varón es en torno a tres años mayor que la mujer,
esta situación de pirámide regresiva se traduce en un desajuste entre géneros en la edad de acceso
al matrimonio, debido a la escasez de mujeres o su correlato de exceso de varones. La Figura-1 pone
de relieve este hecho a través de la sex-ratio desplazada en tres años al comparar las poblaciones
de varones en edad t y de mujeres en edad t-3 en la franja de edad de 16 a 44 años de edad, en
correspondencia con la mayor actividad del mercado de matrimonios. Así, mientras en 1980 había
una excedente de mujeres sobre varones en toda la franja, en 1990 ya aparece en déficit entre 16
y 25 años que se extiende hasta los 35 en 2000 y en 2010 alcanza los 42 y aumenta la intensidad.
Según muestra la Figura 1.2 para 2010, la población inmigrante mitiga este desequilibrio en las
edades entre 20 y 44 años, pues mientras el desajuste en la sex ratio desplazada (t, t-3) roza el

837
 20% a los 27 años para el conjunto de la población, sube a 22.4% en los españoles a esa edad y
supera el 20% entre 26 y 32 años.

1.2. Matrimonios rotos268

En la consideración de la importancia de los segundos y ulteriores emparejamientos en una
sociedad madura, la figura-2 presta atención al perfil de edad de la fracción población divorciada
o separada en 1980, 1990, 2000 y 2010. Destacan dos aspectos: i) La evolución de estos perfiles y
los estadísticos Skewness (falta de simetría)269 y Kurtosis (intensidad de pico)270 dejan constancia
de la importancia social de las leyes de extensión de derechos individuales, como es el caso a la
Ley del Divorcio de 1981, ya que mientras en 1980 las rupturas matrimoniales volitivas exhiben
perfiles casi planos y de bajo nivel, en 1990 se aprecia una moda bien definida en la edad de
35 años con un índice de divorcio de 4% en las mujeres que pasa a 6.4% a 45 años en 2000 y a
11.4% a 50 años en 2010. Estos desplazamientos del pico y su intensidad de 10 años y 2.5% en
la 2ª década post Ley del Divorcio y de 5 años y 5% en la 3ª sugieren la maduración social esta
regulación, si bien cabe esperar el incremento de peso de la cola de la derecha a medida que
van envejeciendo las generaciones que se emparejaron en ese marco legal; ii) La comparación de
los perfiles de género pone de relieve una prevalencia significativamente inferior en los varones
(moda 3.4% en 2000 y 8.5% en 2010) lo que sugiere su mayor actividad en el mercado secundario
de matrimonios. Este hecho puede no ser trivial si el segundo emparejamiento de los varones
divorciados tuviese una pauta distinta a la del primero, pues implicaría un agravamiento del
desajuste entre géneros en el mercado primario de sus congéneres de generaciones subsiguientes,
en el caso de que la preferencia revelada de los divorciados fuese reemparejarse con mujeres a las
que aventajan en más años que en la primera experiencia.

 
1.3. Educación y estado civil
El proceso demográfico no es ajeno al incremento de las inversiones del capital humano
escolar y al aplazamiento concomitante de la edad de acceso al matrimonio en ambos géneros.
La figura 3 pone de relieve el extraordinario salto educativo entre 1980 y 2010 mediante los
perfiles de edad para tres niveles de educación (hasta ESO incluida271, secundaria superior y

268 Cabe recordar que la EPA pregunta por el estado civil legal y ofrece un menú de cuatro respuestas: soltero, casado,
divorciado o separado y viudo. Por tanto, no se contemplan los emparejamientos estables fuera del matrimonio ni
tampoco se conoce si el matrimonio actual es el primero o hubo alguno anterior.
269 β=μ3/σ3 donde μ3 denota el momento de 3º orden centrado en torno a la media y σ la desviación típica.
270 β=μ4/σ4 donde μ4 denota el momento de 4º orden centrado en torno a la media y σ la desviación típica.
271 El equivalente para 1980 de este nivel es hasta EGB incluida.

838
 estudios superiores) en los solteros (izquierda) y casados (derecha) de ambos géneros (mujeres
arriba, varones abajo). Los perfiles en U, para el nivel inferior, y ∩, para los dos niveles post-
obligatorios, ponen de relieve el salto de escolarización en generaciones sucesivas. El inicial
descenso y ulterior ascenso del perfil U recogen la superación con la edad de la escolarización
obligatoria y la relativa pobreza educativa conforme avanza la edad. En contraposición, la fase
ascendente inicial de los perfiles ∩ muestra la fracción creciente de la población que concluye
titulaciones post-obligatorias y la ulterior fase descendente muestra la caída de estos niveles
en edades más avanzadas. El tratamiento por estado civil pone de manifiesto una asociación
negativa entre educación y matrimonio en ambos géneros, especialmente en las mujeres, así como
la moderación de este diferencial educativo de familia en 2010 respecto a 1980. La comparación
entre géneros confirma el mayor nivel educativo de las mujeres en 2010, donde el 50% de las
solteras entre 28 y 36 años exhibe estudios superiores (44% de las casadas en 34 años) frente a
40% de los varones solteros de 32 años (33% de los casados entre 32 y 40 años).
Figura 3: Perfiles de educación por estado civil y género en 1980 2010
Edución de las mujeres solteras 1980 2010 Edución de las mujeres casadas 1980 2010
oblg80 oblg10 sec po80 sec po10 sup80 sup10 oblg80 oblg10 sec po80 sec po10 sup80 sup10
100 100

75 75

50 50
%

25 25

0 0
16 20 24 28 32 36 40 44 48 52 56 60 64 16 20 24 28 32 36 40 44 48 52 56 60 64
edad edad

Edución de los varones solteros 1980 2010 Edución de los varones casadas 1980 2010
oblg80 oblg10 sec po80 sec po10 sup80 sup10 oblg80 oblg10 sec po80 sec po10 sup80 sup10
100 100

75 75

50 50
%

25 25

0 0
16 20 24 28 32 36 40 44 48 52 56 60 64 16 20 24 28 32 36 40 44 48 52 56 60 64
edad edad

Otro aspecto a tener en cuenta es el retardo en la edad de acceso al matrimonio en relación

con el nivel de educación, recogido en la Tabla 3 a través de la mediana y la media estimada272.
Como era de esperar, se constata: i) el retraso con la educación y de la edad de formación de una
nueva familia en ambos géneros y, al mismo tiempo, que a igual educación el calendario vital de
las mujeres antecede al de los varones; y ii) un cambio en las pautas de comportamiento hacia
emparejamiento más tardíos, pues tanto ellas como ellos retrasan en más de cinco años en todos
los niveles de educación la edad de matrimonio273, superando los treinta años en 2010 en las
mujeres con estudios post-obligatorios y en los varones en todos los casos.
Estos datos sugieren que el desajuste demográfico de género no es ortogonal a través de
los niveles de educación si no que se manifiesta con más crudeza en los niveles más bajos, según
se aprecia en la Figura 1.2: el desfase de géneros para toda la población es de 20% a 27 años
272 Dado que la EPA informa del estado civil del momento de la encuesta, pero no da la edad en la que se accedió
al matrimonio, se han realizado estimaciones con modelos de duración doblemente censurados con especificación
Weilbull, que ofrece mejor ajuste que especificaciones alternativas.
273 En este punto conviene tener en cuenta que la LGE de 1970 establece la educación obligatoria en la EGB hasta
14 años, y que la LOGSE de 1990 sube a 16 con la ESO.

839
(edad de emparejamiento de ellas cuando no alcanzan los estudios obligatorios) y de 12% a 32-
34 años (edad de emparejamiento de ellas con estudios superiores y ellos en todos los niveles
educativos).

Tabla 1. Edad de entrada al matrimonio por nivel de educación y género: 1980 y 2010.
Género mujer varón
Nivel de estudios < oblg oblg sec sup < oblg
oblg sec sup
A) mediana
1980 22.6 23.7 25.7 26.5 25.5 25.5 26.6 27.5
2010 28.0 29.9 30.7 31.5 32.1 32.5 32.9 34.0
B) media en estimación Weibull
1980 23.4 25.4 25.5 27.0 25.7 26.0 27.2 27.2
2010 27.3 29.1 30.8 31.9 31.9 32.6 33.1 34.3

Si bien subyace la idea de que el poder de negociación dentro de la pareja en cuanto

a la asignación del tiempo al mercado y al hogar no es ajeno al capital humano acumulado
por cada uno de sus miembros, en este trabajo se adopta un enfoque descriptivo -tanto en
el planteamiento conceptual como en el tratamiento de los datos- con la finalidad de extraer
regularidades estadísticas en esferas contiguas de la educación, formación de una nueva familia e
inserción al mercado de trabajo.
En lo que sigue, el texto está organizado en tres secciones: En primer lugar se explora el
desajuste demográfico en la fase de emparejamiento. A continuación se indaga en la interacción
entre los cónyuges en el mercado de trabajo con enfoques transversales para 2000, 2005 y 2010
y pseudo longitudinales para generaciones quinquenales de personas nacidas en 1970-74, 1975-
1979, 1980-1984 y 1985-1989. Finalmente se presentan algunas consideraciones finales y se
sugieren líneas de indagación.

2. Emparejamientos.
Los hechos puestos de manifiesto y asociados al envejecimiento de la población (retraso
en los calendarios vitales, desajuste creciente en la sex-ratio en la edad de entrada al matrimonio,
paliado en parte por los flujos migratorios de llegada e incremento de divorcios) inducen a explorar
su incidencia en los emparejamientos. Para ahondar en este punto, se procede a analizar el peso de
la población extranjera entre los casados (Tabla 2), las diferencias entre cónyuges en edad (Tabla
3) y educación (Tabla 4) y su evolución desde un doble enfoque temporal: a lo largo del ciclo de
vida y a través de las generaciones con tratamientos transversal y pseudo longitudinal. Estas tablas
presentan características comunes a reseñar: i) perspectiva de género en la consideración de que
las estrategias matrimoniales difieran; ii) cortes quinquenales para cohortes quinquenales a fin
de practicar un doble acercamiento transversal (horizontales) y psuedo-longitudinal (diagonales);
iii) tratamiento por nacionalidad a partir de 2000 en que se incrementan los flujos migratorios.

2.1. Inmigración y población casada

Con las cautelas propias de la naturaleza del dato (modalidad e3, ver nota 3 supra) debido
a la proporción creciente de naturalizaciones con la permanencia en el país, los datos sobre el
porcentaje de extranjeros ponen de relieve que la mezcla de poblaciones no es ortogonal en
ninguna de las dos dimensiones del tiempo: aumenta drásticamente a hacia el presente, pese
a la crisis y las medidas gubernamentales de incentivo al retorno de inmigrantes sin empleo, y

840
disminuye rápidamente con la edad, lo que sugiere un estado no estacionario. En este sentido
cobra importancia el dato según el cual en 2010 son inmigrantes el 65% de los casados de 20-24
años, 35% en 25-29 y 23% en 30-34 años, pues además de más joven la nueva savia a señales de
mayor disposición a la reproducción. La comparación entre géneros indica porcentajes similares
con débiles diferencias en las edades de llegada (20-24 y 25-29) a favor de ellas y avanzadas (40-
44, 45-49 y 50-54) a favor de ellos, que apuntan a que ellas asumen mayor carga al desbrozan el
camino de acceso y ellos en el cierre del ciclo.

Tabla 2. Porcentaje
Tabla 2. Porcentaje de extranjeros
de extranjeros en casada:
en población población casada:
2000, 2005 2000,
y 20102005 y 2010

G edad 20-24 25-29 30-34 35-39 40-44 45-49 50-55 55-59 60-64 20-24 25-29 30-34 35-39 40-44 45-49 50-55 55-59 60-64
Género Mujer Varón
2000 4.42 2.95 1.98 1.13 1.37 0.81 0.76 0.59 0.85 2.62 2.38 2.26 1.22 1.43 1.00 0.72 0.60 0.80
2005 39.91 25.87 11.87 8.76 7.85 5.64 3.10 2.01 2.33 46.52 23.43 13.35 10.18 7.32 5.97 4.70 1.89 1.83
2010 65.20 38.46 22.84 17.08 10.90 7.05 4.97 3.19 2.93 64.73 36.36 23.74 16.99 14.79 9.83 5.85 3.92 2.95

2.2. Diferencia de edad entre cónyuge

La Tabla 3 pone de relieve pautas de género opuestas en ambos enfoques, transversal y
pseudo-longitudinal: i) En el enfoque de ciclo de vida, el diferencial de edad con su cónyuge en
las mujeres evoluciona en disminución entre hasta 40-44 y permanece estable a partir de esa
edad, mientras que en los varones aumenta a lo largo de todo el proceso en los sucesivos cortes
transversales y generaciones; ii)En el enfoque de calendario, el diferencial de edad en la fase de
acceso al matrimonio aumenta en las mujeres (para la generación 20-24 años de edad pasa de 4.05
años en 1980 a 6.54 en 2010) mientras que en ellos disminuye (pasa de 1 a -1.59 para esa misma
generación con un mínimo de -1.93 en 2005). El tratamiento separado de los españoles revela
diferencias importantes en el caso de las mujeres con respecto a sus congéneres extranjeras, que
presentan un diferencial de edad significativamente más elevado en edades tempranas (extranjeras
7.1 frente a españolas 4.5 en 2000 para 20-24 años; 8.3 frente a 4.5 en 2005 y 7.9 frente a 5.2 en
2010).

Tabla 3. Diferencia de edad entre cónyuges (él-ella) por grupo de edad, género y nacionalidad
Tabla 3. Diferencia de edad entre
( )
cónyuges (él-ella) por grupo de edad, género y nacionalidad
G edad 20-24 25-29 30-34 35-39 40-44 45-49 50-55 55-59 60-64 20-24 25-29 30-34 35-39 40-44 45-49 50-55 55-59 60-64
Género Mujer Varón
A) Todos los orígenes A) Todos los orígenes
1980 4.05 3.20 3.30 3.32 3.27 2.99 2.89 2.83 2.93 1.00 1.88 2.37 2.74 3.03 2.92 3.05 3.15 3.89
1985 4.02 3.19 3.12 3.10 3.11 3.05 3.00 2.95 2.90 0.95 1.51 2.17 2.60 2.92 3.01 3.04 3.09 3.33
1990 3.99 3.15 2.88 2.81 3.03 3.37 3.13 2.78 2.64 0.66 1.38 1.92 2.59 2.71 3.00 3.02 2.93 3.16
1995 4.01 3.24 2.69 2.81 2.90 2.90 3.24 3.19 2.65 0.37 0.93 1.81 2.30 2.60 2.86 3.00 3.11 3.10
2000 4.59 3.23 2.64 2.44 2.68 2.70 2.80 3.16 3.06 -0.30 0.57 1.38 2.12 2.55 2.83 2.95 3.13 3.15
2005 5.46 3.67 2.71 2.41 2.48 2.76 2.79 2.74 3.16 -1.93 0.33 1.29 2.00 2.41 2.77 2.94 3.21 3.18
2010 6.54 4.68 2.82 2.30 2.23 2.38 2.64 2.88 2.76 -1.59 -0.29 1.01 1.84 2.32 2.60 2.91 3.13 3.10
B) Españolas B) Españoles
2000 4.47 3.12 2.64 2.42 2.66 2.69 2.81 3.14 3.04 -0.34 0.62 1.39 2.11 2.54 2.81 2.95 3.12 3.15
2005 4.45 3.27 2.54 2.37 2.51 2.75 2.82 2.77 3.14 0.08 0.28 1.18 1.79 2.36 2.65 2.83 3.15 3.12
2010 5.22 3.56 2.41 2.14 2.16 2.39 2.60 2.83 2.77 -1.50 -0.19 0.73 1.56 1.99 2.41 2.71 3.04 3.09

La lectura conjunta de estos resultados con los ya comentados sobre mayor actividad de
los varones divorciados en el mercado secundario de matrimonios –en consonancia con la mayor
prevalencia de matrimonios rotos por edad en las mujeres- y la conjetura de mayor diferencial de
edad en su nuevo emparejamiento (apuntan a mujeres sensiblemente más jóvenes)274 redunda en
274 Desafortunadamente la EPA no da información sobre el orden de emparejamientos de cada individuo, pero sí
ofrece un resquicio a través de las parejas con hijos en los que uno de los cónyuges no figura como progenitor de
aquellos. Considerando estas parejas como de divorciados, en 2010 se aprecia un diferencial de edad superior en estos

841
una mayor escasez para sus congéneres varones de las generaciones subsiguientes. Por tanto, al
desajuste de géneros en el colectivo de elección del primer matrimonio –franja de perfil regresivo
de la pirámide de población- hay que añadir el intrusismo de los varones divorciados de más
edad, lo que se traduce en que los jóvenes varones se vean obligados a extender el dominio de la
búsqueda para emparejarse con mujeres mayores que ellos, tal y como revelan los datos a partir
de 2000 para los varones de 20-24 que se extiende en 2010 a la generación de 25-29 años.
Estos datos sugieren un papel desigual de los individuos que se emparejan por razones
de género -los varones parecen adoptar una actitud más activa- y de capital humano adquirido
por experiencia vital en la medida en que, según los incompletos datos disponibles, los varones
divorciados de más edad parecen competir con éxito en el colectivo ‘natural’ de sus congéneres
más jóvenes y sin experiencia marital previa.

2.3. Diferencia de educación entre cónyuges:

La Tabla 4 presenta una doble aproximación a las diferencias de educación entre cónyuges:
en términos de nivel de estudios más elevado alcanzado en una escala de 7 niveles275 para todos
los cortes quinquenales entre 1980 y 2010, y mediante la diferencia de años en la edad de
finalización de ese nivel de estudios para 2000, 2005 y 2010, en que existe este dato.
El análisis en sección transversal por niveles revela que la situación inicial de 1980, en la
cual el marido aventajaba a la esposa en nivel de educación, cambia paulatinamente de forma que
en 1990 las jóvenes esposas de 20-24 años estaban más instruidas que sus cónyuges, en 2000 se
extiende la dominación educativa femenina hasta los 30-34 años y hasta los 45-49 en 2010. Las
cosas son similares desde el punto de vista de ellos, con diferenciales algo más marcados en favor
de ellas. El tratamiento separado de nacionales españoles revela para este colectivo un mayor
diferencial de estudios de la esposa sobre el esposo que en las casadas de otras nacionalidades,
lo que refuerza las diferencias por origen pues como se ha visto más arriba, las jóvenes esposas
extranjeras son significativamente más jóvenes que sus maridos en comparación con la españolas.
Los datos de edad de finalización del nivel de estudios apuntan en la misma dirección, si bien
hemos de tener en cuenta que esa edad no responde directamente a la duración del ciclo al que
corresponden, debido a la escolarización de adultos y al retorno al sistema escolar en casos de
abandono temprano por razones familiares, laborales u otras.
En el supuesto de que la dotación de capital humano del individuo refuerza su posición
negociadora dentro de la pareja, cabe pensar que las nuevas tendencias de emparejamientos,
donde ellas están más instruidas, se consolide su posición laboral dentro de la intensa corriente
de acceso al mercado de trabajo que se observa en las mujeres casadas a lo largo de las décadas
cubiertas en este estudio. Este es el cometido de la sección siguiente.

casos que en el resto de los varones (2.2 frente a 1.9 en 35-44 años, 3.8 frente a 2.5 en 45-54 y 4.8 frente a 2.9 en
55-64), y lo mismo ocurre en la mujeres (4.2 contra 3.2 en 25-34 años, 3.1 contra 2.1 en 35-44 años).
275 Sin estudios, estudios primarios, bachiller elemental o primer ciclo de secundaria, bachiller superior o secundaria
pos-obligatoria, formación profesional superior, universidad media y universidad superior.

842
Tabla 4. Diferencia de educación entre cónyuges por grupo de edad, género y nacionalidad
Tabla 4. Diferencia de educación entre cónyuges por grupo de edad, género y nacionalidad
-
20-24 25-29 30-34 35-39 40-44 45-49 50-55 55-59 60-64 20-24 25-29 30-34 35-39 40-44 45-49 50-55 55-59 60-64
Género Mujer: Varón:
A) Nivel de estudios terminados (él-ella)
A1) Todos los orígenes A1) Todos los orígenes
1980 0.12 0.26 0.34 0.32 0.35 0.34 0.34 0.32 0.38 0.10 0.20 0.30 0.34 0.29 0.34 0.33 0.33 0.37
1985 0.04 0.12 0.25 0.33 0.34 0.36 0.33 0.35 0.33 0.03 0.11 0.22 0.29 0.30 0.32 0.32 0.34 0.33
1990 -0.03 0.00 0.16 0.31 0.33 0.35 0.37 0.32 0.36 -0.06 0.00 0.13 0.25 0.29 0.33 0.33 0.34 0.32
1995 -0.20 -0.13 -0.02 0.10 0.29 0.39 0.38 0.35 0.31 -0.21 -0.15 -0.05 0.09 0.21 0.29 0.39 0.33 0.32
2000 -0.10 -0.26 -0.13 0.00 0.15 0.29 0.41 0.37 0.33 -0.04 -0.31 -0.19 -0.01 0.12 0.21 0.29 0.38 0.38
2005 -0.06 -0.32 -0.27 -0.14 0.01 0.14 0.31 0.39 0.42 -0.17 -0.34 -0.30 -0.16 -0.05 0.11 0.23 0.29 0.41
2010 0.03 -0.31 -0.37 -0.25 -0.13 -0.01 0.12 0.24 0.38 -0.45 -0.36 -0.39 -0.28 -0.15 -0.06 0.06 0.18 0.31
A2) Españolas A2) Españoles
2000 -0.15 -0.27 -0.13 0.00 0.15 0.30 0.42 0.36 0.33 -0.04 -0.30 -0.20 -0.01 0.12 0.21 0.29 0.38 0.37
2005 -0.02 -0.43 -0.29 -0.14 0.00 0.15 0.33 0.39 0.42 -0.13 -0.40 -0.33 -0.19 -0.06 0.12 0.22 0.29 0.42
2010 -0.14 -0.38 -0.42 -0.31 -0.14 -0.03 0.13 0.26 0.38 -0.72 -0.36 -0.45 -0.35 -0.18 -0.08 0.05 0.18 0.30
B) Edad de finalización de estudios
B1) Todos los orígenes B1) Todos los orígenes
2000 0.15 -0.50 -0.27 -0.02 0.32 0.55 0.96 0.66 0.78 -0.11 -0.65 -0.45 0.05 0.22 0.35 0.68 0.83 0.84
2005 0.24 -0.59 -0.42 -0.16 0.10 -0.41 0.12 0.59 0.90 -0.53 -1.02 -0.68 -0.12 0.00 0.08 -0.31 0.16 0.90
2010 0.57 -0.56 -0.78 -0.51 -0.28 -0.01 0.08 0.26 0.78 -1.01 -0.95 -0.97 -0.60 -0.25 -0.09 0.11 0.21 0.65
B2) Españolas B2) Españoles
2000 0.07 -0.54 -0.26 -0.02 0.31 0.55 0.97 0.65 0.76 -0.10 -0.63 -0.47 0.05 0.22 0.36 0.68 0.83 0.85
2005 -0.21 -1.01 -0.44 -0.12 0.05 -0.31 0.18 0.67 0.91 -0.69 -1.24 -0.83 -0.11 -0.05 0.01 -0.25 0.23 0.91
2010 0.34 -0.76 -0.84 -0.65 -0.31 -0.05 0.06 0.27 0.75 -1.45 -0.84 -1.10 -0.83 -0.30 -0.19 0.02 0.19 0.61

3. Interacción entre los cónyuges en el mercado de trabajo laboral

¿Influyen los cambios observados en las pautas de emparejamiento en la situación laboral de
los cónyuges? y si así fuera, ¿en qué dirección? A modo de hipótesis y en línea de los tratamientos
de negociación, tanto en juegos cooperativos (Manser & Brown 1980, McElroy 1985, McElroy &
Horney 1981) como no cooperativos (Konrad & Lommerud 1995, Lundberg & Pollak 1993, Ott
1992), cabe pensar que los cambios relativos en la dotación de capital humano se trasladan al
poder de negociación y por tanto a la solución de equilibrio en la asignación de recursos de la
pareja al mercado y a otras actividades, entre ellas las tareas del hogar276.
El análisis econométrico de la interacción entre cónyuges en el mercado de trabajo consiste
en estimaciones Logit multinomial separadas por género para el grupo de edad 16-44 años de la
situación laboral en 5 modalidades: inactividad, paro, trabajo asalariado temporal, asalariado
fijo y empleo no asalariado, que es un misceláneo de ayuda familiar (con peso relativo superior
en las mujeres), empresario con y sin asalariados y trabajadores de cooperativas para el período
2000-2010. Dada la ausencia de información en la EPA sobre variables monetarias, las variables
exógenas se centran en el capital humano (CH) individual consolidado a través de la edad y
educación propias (edad y edest277) y del cónyuge (cedad, cedest) incidiendo en los casos en que
ella es mayor (mjmayor) y más educada (mjmest), en la medida en que junto la condición de
cabeza de familia (cabfam, en el caso de las mujeres) pueden afectar al poder de negación en la
asignación del tiempo de ambos cónyuges, así como al CH en proceso de inversión propia (studnt,
si es estudiante) o en bienes públicos familiares (hijos menores de seis años, h05a, y de esa edad
en adelante, h6yma, en tanto que edad de inicio de la educación obligatoria). Además se controla
por la condición propia de extranjero (extrj) y por la situación laboral del cónyuge en las mismas
276 Hacemos eco de los modelos de negociación debido que eluden la trampa de la especialización ricardiana
entre cónyuges que subyace en los tratamientos unitarios (Becker 1965 y 1991, Willis 1973, entre otros) y son más
accesibles para el análisis estadístico que los modelos colectivos de Chiappori (1988 y 1992).
277 Se trata de la edad de finalización del mayor nivel de estudios alcanzado por la persona. En paralelo se ha
realizado un tratamiento por niveles educativos de los cónyuges que omitimos por razones de espacio. La preferencia
por la variable continua en años sobre las variables dicotómicas de niveles educativos es debida a su carácter sintético
y mejor ajuste, debiéndose señalar que esta elección obliga a limitar el período de estimación a 2000-2010 en que
existen esos datos.

843
cinco modalidades utilizadas en la variable dependiente: inactividad (cinac), desempleo (cparo),
trabajo temporal (catemp), contrato fijo (cafijo, usado como grupo de referencia) y otro empleo
no asalariado (cotemp).
En sintonía con lo anterior, el tratamiento de los datos presenta dos enfoques: i) pseudo
longitudinal (Ps-L) para las generaciones nacidas en 1970-74 (G7074: 30-34 años en 2000, 40-44 en
2010), 1975-79 (G7579: 25-29 años en 2000, 35-39 en 2010), 1980-84 (G8084: 20-24 años en 2000,
30-34 en 2010) y 1985-89 (G8589: 16-20 años en 2000, 25-29 en 2010); y ii) transversal (Tr) para
2000, 2005 y 2010. Las tablas 5 y 6 recogen los efectos marginales sobre las situaciones laborales
de las mujeres casadas en aproximación pseudo-longitudinal y transversal, respectivamente, y las
tablas 7 y 8 prestan atención a los varones casados en los enfoques homólogos. En todos los casos,
los efectos marginales se acompañan de un código de significatividad estadística de 99.9% (a),
99% (b) y 95% (c).

3.1. Situación laboral de las mujeres casadas de 16-44 años

Las estimaciones para las mujeres casadas en las tablas 5 y 6 ponen de relieve que las
variables de CH propio consolidado (edad y educación) estimulan su participación en el mercado
y empleabilidad en términos generales (suma de los estimadores para las tres modalidades de
empleo) y sobre todo en el empleo fijo278, mientras que el CH en proceso de inversión las relega
a la inactividad y aleja del empleo, en particular del contrato fijo, tanto si es propio (studnt) y
como si es público familiar (h05a, h6yma). Cabe resaltar que en todos los casos se trata de un
efecto robusto, pues mantiene el signo y la significación en las sucesivas generaciones en el
enfoque pseudo-longitudinal y en años distintos en el enfoque transversal.

Tabla 5: Efectos marginales en la situación laboral de las mujeres casadas de 16-44 años en
enfoque pseuso longitudinal para generaciones quinquenales nacidas en 1970-74, 1975-79, 1980-
95 y 1984-89.

278 Nótese que contrariamente a los estudios propios refuerza la probabilidad de trabajo asalariado –fijo y temporal-
el efecto marginal de edad es opuesto, pues aumenta la empleabilidad en fijo y la disminuye en temporal, confirmando
que la temporalidad es una cuestión en parte de edad.

844
Tabla 6: Efectos marginales en la situación laboral de las mujeres casadas de 16-44 años en
aproximación transversal para 2000, 2005 y 2010.

La incidencia del marido en la situación laboral de la esposa presenta algunos aspecto de

interés: i) el CH propio de él tiene efectos contrarios sobre ella, pues la edad del marido (cedad)
la aleja del mercado y reduce su empleabilidad con contrato fijo (sin efecto significativo sobre el
empleo temporal y no asalariado), mientras la educación de él (cedest) impulsa la participación y el
empleo fijo de ella y su efecto es más intenso. En el primer caso parece dominar un efecto renta que
apunta a la especialización hogar (esposa) mercado (marido) en sintonía con la trampa ricardiana
que aboca a las mujeres al hogar o las relega a un rol subsidiario cuando participan, mientras
en el segundo cabe conjeturar un salto cultural acompañado de mejores oportunidades para la
esposa cuanto más instruido es su marido, y al mismo tiempo una tendencia a la marginación en
los casos de emparejamientos de baja instrucción; ii) el efecto del CH comparado entre cónyuges
(mjmayor, mjmest, cabfam) es también dispar, y de baja intensidad, ya que ser cabeza de familia
y más educada que su marido refuerzan la participación laboral y el acceso al empleo fijo, en
consonancia con un mayor peso en la negociación de asignación del tiempo al hogar y al trabajo
remunerado, pero no así el ser de más edad que exhibe una relación espuria.
La situación laboral del marido tiene algunos efectos dignos de mención: i) precariedad laboral
del marido, aproximada por su situación de parado o asalariado temporal, refuerza la precariedad
laboral de la esposa cuyas probabilidades de paro y temporalidad aumentan significativamente
por encima de 20% y de forma muy robusta; ii) aunque con menos consistencia, la inactividad del
marido apunta en el mismo sentido, lo que pone de relieve una clara propensión a emparejamientos
entre personas en situación laboral precaria con el consiguiente de marginación social de estos
hogares; iii) significativa propensión a emparejamientos de no asalariados (efecto de cotmep
sobre otemp superior a 10% en todos los casos), donde ella adopta la condición de ayuda familiar
y él de trabajador independiente o pequeño empresario, lo que abunda en el desigual papel del
los cónyuges en el mercado. Esta impresión se ve reforzada por el efecto contrapuesto de la
cohabitación con los padres de uno de los cónyuges sobre el empleo no asalariado (positivo) y el
empleo fijo (negativo) con significación estadística en G7074, G7570, 2000 y 2005.

845
 Finalmente, la condición de extranjera apunta una tendencia a menor actividad con un
fondo de crisis económica -G8084, G8589 y 2010-y precariedad en el empleo (más paro –G7579 y
2010-, más temporalidad y menos estabilidad –G7074, G7579, G8084, 2005 y 2010-).

3.2. Situación laboral de los varones casados de 16-44 años

Las estimaciones para los varones casados en las tablas 7 y 8 muestran que los efectos del
CH en sus diversas modalidades son débiles -en el sentido esperado y no robustos, lo que pone de
relieve que su asignación del tiempo entre mercado y hogar depende básicamente de factores no
controlados como el rol social atribuido al esposo en el modelo patriarcal convencional, todavía
imperante en nuestro país.
Lo que concierne a la interacción entre cónyuges, se constatan para los varones algunos
aspectos dignos de mención: i) moderado y no sistemático efecto positivo de la educación de ella
en la posición de mercado de él, que se ve aminorado por el papel dominante de ella cuando tiene
más estudios; ii) se confirma la propensión a la exclusión social de la pareja, pues el paro y el
empleo temporal de ellas aumenta la probabilidad de paro y de temporalidad de ellos, con una
incidencia que aumenta con la crisis; iii) igualmente, se confirma la propensión al emparejamiento
entre no asalariados donde trabajadores independientes y pequeños empresarios se apoyan la
contribución de su mujer como ayuda familiar (efecto marginal de ‘cotemp’ sobre ‘otemp’ supera.
30%).
La cohabitación en el hogar paterno muestra el efecto refugio de la familia de origen en las
situaciones de precariedad laboral y que el proceso de emancipación concluye verdaderamente con
la estabilidad laboral. Finalmente, la condición de inmigrante está asociada a mayor precariedad
en todas sus dimensiones de inactividad, paro, temporalidad.

846
 847
Tabla 7. Efectos marginales en la situación laboral de los varones casados: enfoque Ps-L
Tabla 7. Efectos marginales en la situación laboral de los varones casados: enfoque Ps-L
G7074 G7579 G8084 G8589
inactiv paro etemp efijo otemp inactiv paro etemp efijo otemp inactiv paro etemp efijo otemp inactiv paro etemp efijo otemp
dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx
edad 0.002 b 0.008 a -0.003 -0.006 c -0.001 0.000 0.009 a -0.010 a 0.000 0.000 0.003 0.015 a -0.024 a 0.007 0.000 0.003 0.003 -0.032 c 0.035 c -0.009
cedad -0.001 -0.002 c -0.006 b 0.008 b 0.001 0.000 -0.002 -0.004 0.004 0.001 -0.002 -0.005 -0.001 0.002 0.006 c 0.002 0.010 -0.016 -0.006 0.010 b
mjmayor* 0.019 b 0.012 0.010 -0.007 -0.033 c 0.001 0.008 0.015 0.017 -0.041 b 0.014 0.028 0.011 -0.018 -0.035 0.014 -0.005 0.012 0.046 -0.068 c
studnt* 0.052 b 0.065 n -0.001 -0.041 -0.074 a 0.036 c 0.047 c 0.041 -0.119 b -0.005 0.018 0.077 0.049 -0.102 -0.043 0.246 -0.026 0.093 -0.269 c -0.045
edest -0.001 -0.002 n -0.004 b 0.010 a -0.003 b 0.000 -0.003 c -0.005 c 0.015 a -0.008 a -0.001 -0.004 -0.005 0.013 b -0.003 0.001 -0.018 -0.007 0.029 c -0.004
cedest -0.001 c -0.004 a -0.004 b 0.006 b 0.004 b -0.001 b -0.002 -0.004 0.003 0.004 c -0.001 -0.007 b -0.003 0.006 0.005 c -0.003 -0.005 0.020 c -0.012 0.000
mjmest* 0.003 0.018 c 0.011 -0.023 -0.008 0.011 c -0.006 -0.012 0.017 -0.010 0.001 0.024 -0.010 -0.001 -0.014 0.031 0.002 -0.022 -0.001 -0.010
h05a -0.006 c -0.005 -0.004 -0.009 0.025 b -0.002 0.001 0.001 -0.011 0.011 0.011 c 0.022 c 0.010 -0.045 b 0.002 -0.003 -0.001 -0.044 0.037 0.010
h6yma 0.000 -0.003 0.015 b -0.028 b 0.017 b 0.004 0.011 c 0.005 -0.028 c 0.008 0.012 c 0.020 0.047 b -0.072 b -0.007 0.003 -0.013 0.130 c -0.103 -0.018
cinac* 0.009 c -0.009 0.024 c -0.087 a 0.062 a 0.002 -0.008 0.006 -0.067 b 0.068 a 0.006 -0.015 -0.002 -0.063 c 0.073 b -0.008 0.093 0.156 -0.232 a -0.009
cparo* 0.013 0.073 a 0.078 a -0.127 a -0.036 c 0.006 0.088 a 0.035 -0.095 a -0.034 c -0.015 0.087 b 0.030 -0.119 b 0.016 0.004 0.163 c 0.097 -0.233 a -0.031
catemp* 0.011 0.017 0.104 a -0.109 a -0.022 0.014 0.019 0.091 a -0.120 a -0.003 0.008 0.059 c 0.135 a -0.157 a -0.045 v -0.005 0.049 0.149 -0.161 c -0.032
cotemp * 0.011 -0.020 c -0.079 a -0.289 a 0.376 a 0.004 -0.032 b -0.083 a -0.261 a 0.372 a 0.017 -0.010 -0.136 a -0.214 a 0.342 a 0.013 -0.067 -0.046 -0.165 0.265 c
cohabit* 0.006 0.035 c 0.027 -0.090 b 0.023 0.014 0.017 0.037 -0.061 -0.007 -0.002 0.002 0.003 -0.031 0.028 0.048 0.111 0.045 -0.176 c -0.028
extrj* 0.031 b 0.087 a 0.121 a -0.158 a -0.081 a 0.014 0.097 a 0.172 a -0.216 a -0.067 a 0.019 0.084 b 0.165 a -0.163 a -0.105 a 0.005 0.036 0.129 c -0.097 -0.073 b
predicción 0.018 0.059 0.141 0.601 0.181 0.021 0.070 0.166 0.581 0.163 0.028 0.109 0.208 0.531 0.124 0.014 0.206 0.239 0.466 0.075
frec obs 0.023 0.074 0.151 0.567 0.187 0.022 0.085 0.174 0.550 0.169 0.031 0.120 0.219 0.493 0.138 0.033 0.198 0.245 0.429 0.095
Pseudo llk -12907 -8176 -3758 -704.6
chi2(60) 1338.1 826.16 489.23 191.55
Prob>chi2 0 0 0 0
Pseudo R2 0.0768 0.0788 0.0954 0.135
N Obs 11674 7234 3157 597
Leyenda : idem Tabla 5 salvo cabfam , variable excluida en la estimación de los maridos
1088
Tabla 8. Efectos marginalesTabla
en 8.laEfectos marginales en la situación laboral de los varones casados: enfoque Tr.
situación laboral de los varones casados: enfoque Tr.
2000 2005 2010
inactiv paro etemp efijo otemp inactiv paro etemp efijo otemp inactiv paro etemp efijo otemp
dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx dy/dx
edad 0.001 b 0.000 -0.003 c 0.001 0.002 0.002 a 0.001 -0.003 0.001 -0.001 0.000 0.001 -0.005 b 0.002 0.002
cedad -0.001 -0.001 -0.007 a 0.008 a 0.000 -0.002 b -0.002 b -0.005 a 0.006 c 0.003 0.000 -0.004 c -0.002 0.005 0.001
mjmayor* 0.007 -0.003 0.035 b -0.020 -0.020 0.017 c 0.006 0.032 -0.025 -0.030 c 0.015 0.025 0.000 -0.001 -0.039 b
studnt* 0.042 b 0.043 c 0.018 -0.022 -0.081 a 0.028 c 0.023 0.007 -0.022 -0.036 0.056 b 0.095 b 0.043 -0.127 a -0.066 a
edest -0.001 c -0.003 a -0.008 a 0.012 a -0.001 -0.001 c 0.000 -0.004 b 0.009 a -0.004 b 0.000 -0.006 a -0.003 c 0.014 a -0.005 a
cedest -0.001 b -0.003 b -0.006 a 0.006 b 0.005 a -0.002 b -0.002 b -0.003 c 0.005 b 0.002 -0.002 b -0.006 a -0.003 c 0.005 b 0.005 a
mjmest* 0.000 0.006 0.013 -0.026 0.007 0.004 0.004 -0.001 -0.006 -0.001 0.013 c 0.024 -0.002 -0.010 -0.025 c
h05a -0.003 0.008 c 0.005 -0.022 b 0.013 c -0.009 b -0.005 -0.013 0.010 0.017 c -0.001 0.002 -0.006 -0.014 0.020 b
h6yma 0.002 c 0.008 a 0.022 a -0.046 a 0.013 c -0.001 0.002 0.014 c -0.029 b 0.015 c 0.002 0.002 0.008 -0.026 b 0.015 b
cinac* 0.001 -0.011 c 0.023 c -0.104 a 0.090 a 0.008 0.007 0.028 c -0.104 a 0.061 a 0.005 -0.014 0.009 -0.062 a 0.061 a
cparo* 0.007 0.050 a 0.086 a -0.126 a -0.017 0.016 0.060 a 0.089 a -0.121 a -0.044 b 0.005 0.114 a 0.046 b -0.139 a -0.026 c
catemp* 0.009 0.008 0.109 a -0.123 a -0.004 0.016 c 0.014 0.130 a -0.116 a -0.044 b 0.008 0.056 a 0.083 a -0.131 a -0.016
cotemp * -0.002 -0.008 -0.054 a -0.350 a 0.413 a 0.019 c -0.014 c -0.098 a -0.279 a 0.371 a 0.007 -0.024 -0.073 a -0.244 a 0.334 a
cohabit* 0.011 0.011 0.038 c -0.081 a 0.022 0.011 0.014 0.036 -0.073 c 0.012 0.015 0.046 c 0.023 -0.071 c -0.012
extrj* 0.032 0.077 c 0.133 b -0.233 a -0.009 0.021 c 0.023 c 0.224 a -0.177 a -0.092 a 0.022 b 0.142 a 0.103 a -0.190 a -0.078 a
predicción 0.014 0.044 0.155 0.592 0.195 0.024 0.031 0.172 0.594 0.179 0.027 0.124 0.130 0.564 0.155
frec obs 0.018 0.050 0.167 0.566 0.199 0.028 0.035 0.186 0.562 0.189 0.028 0.139 0.136 0.534 0.163
Pseudo llk -16073 -11972 -13083
chi2(60) 1588.2 1118.3 1166.4
Prob>chi2 0 0 0
Pseudo R2 0.0681 0.0766 0.0799
N Obs 14820 11094 11144
Leyenda : idem Tabla 5 salvo cabfam , variable excluida en la estimación de los maridos

4. Conclusiones
Con un doble enfoque transversal y pseudo-longitudinal, se ha puesto de manifiesto la
estrecha relación de los cambios demográficos entre 1980 y 2010, enmarcados en una dinámica
de intensificación educativa y población regresiva con envejecimiento creciente paliado en parte
por la afluencia inmigrante a partir de 2000, con los cambios en las pautas de emparejamiento,
donde se asienta el retraso de la edad de matrimonio por encima del efecto asociado al incremento
de la educación y toma cuerpo el colectivo de mujeres más educadas que sus maridos en todos los 1089
segmentos de edad y surge una importante asimetría entre los más jóvenes debido al desequilibrio
de géneros en la edad de acceso al matrimonio asociado a la pirámide regresiva y al intrusismo de
los divorciados varones de edades intermedias en el mercado de matrimonios de sus congéneres
más jóvenes, de forma que por debajo de los 30 años en 2010 tanto ellos como ellas son más
jóvenes que sus cónyuges.
En la consideración de que el capital humano asociado a la edad y educación es un activo de
la persona que puede influir en su capacidad de negociación dentro de la pareja y en consecuencia
afectar a la asignación del tiempo entre el mercado y hogar de los cónyuges, se estudian -para
cada género en edades de 16 a 44 años- los efectos marginales del capital humano consolidado
y en proceso de inversión de la persona y de su cónyuge en la situación laboral propia. Los
tratamientos transversal para 2000, 2005 y 2010 y pseudo-longitudinal para las generaciones
quinquenales de personas nacidas en 1970-74, 1975-79, 1980-84 y 1985-89 ponen de manifiesto
diferencias significativas entre géneros en el sentido del modelo patriarcal clásico donde él impera
en el ámbito laboral y ella bien no participa o adopta un papel secundario, suavizado en los
casos en que ella es más educada. Así, cabe destacar que mientras en ellas la participación y
la estabilidad laboral están directamente vinculadas a la educación (+) e hijos (-), en ellos son
dominan los factores culturales asociados al rol social del marido.
La interacción entre situaciones laborales pone de relieve dos aspectos importantes como
son: i) la propensión a emparejamientos entre no asalariados (ella, ayuda familiar; él, trabajador
autónomo o pequeño empresario) que profundizan en la desigualdad entre cónyuges; ii) la

848
propensión a emparejamientos con riesgo de exclusión social entre personas en situación laboral
precaria (inactivos, parados y contratados temporales).
La población inmigrante realiza una contribución importante en la minoración de los
desequilibrios demográficos y muestra una posición de desventaja en el mercado laboral, ubicada
en la precariedad y alejada de la estabilidad.

Referencias
Becker G. (1965): “A Theory of the allocation of time”. Economic Journal, 75: 493-517.

Becker G. (1991): A Treatise on the family. Harvard U.P.

Chiappori, P.A. (1988): “Rational Household Labor Supply.” Econometrica 56: 63-90.

Chiappori, P.A. (1992): “Collective Labor Supply and Welfare “. Journal of Political Economy 100:
437-467.

Konrad, K. and K. Lommerud (1995): “Family-Policy with Non-cooperative Families”. Scandinavian

Journal of Economics, vol. 97 (4):581-601.

Lundberg S. and R. Pollak (1993): “Bargaining and Distribution in Marriage”. Journal of Economic
and Perspectives 10 (4):139-158.

Manser M. and M. Brown (1980): “Marriage and Household Decision-Making: A Bargaining

Analysis”. International Economic Review, 21(1):31-44.

McElroy M (1985): “The Joint Determination of Household Membership and Market Work: The Case
of Young Men”. Journal of Labor Economics 3 (3):293-316.

McElroy M. and M. Horney (1981): “Nash-Bargained Household Decisions: Toward a Generalization

of the Theory of Demand”. International Economic Review, 22 (2): 333-349.

Mincer J. (1962): “Labor Force Participation of Married Women.’ in H.G. Lewis Aspects of Labor
Economics, Princeton University (reprint in Collected Essays of Jacob Mincer, vol 2, Edward Elgar,
1993).

Mincer J. and S. Polachek (1974): “Family Investments in Human Capital: Earnings of Women”.
Journal of Political Economy, vol 82:s76-s108.

Ott N. (1992). ‘Intra-family Bargaining and Household Decisions’ Srpinger Verlag, Berlin.

Willis R.J. (1973): “A New Approach to the Economic Theory of Fertility Behavior”. Journal of
Political Economy, Vol 81(2, part II) s14-s64.

849
8. Educación superior y mercado de trabajo en México: Segregación por
género

Ana Lucía Escobar Chávez, Universidad Autónoma de Sinaloa

Carmen Beatríz Audelo López, Universidad Autónoma de Sinaloa
Santos Leiva López, Universidad Autónoma de Baja California

850
Educación superior y mercado de trabajo en México: Segregación por
género

Ana Lucía Escobar Chávez, Universidad Autónoma de Sinaloa

Carmen Beatríz Audelo López, Universidad Autónoma de Sinaloa
Santos Leiva López, Universidad Autónoma de Baja California

Resumen
Este trabajo aporta evidencia empírica para el caso mexicano, respecto de la segregación ocupacional
por género en el mercado de trabajo de los egresados de educación superior; asimismo, presenta
un seguimiento de la matrícula de nivel superior en México, a partir del cual se fundamenta, como
un fenómeno asociado, la segregación por género desde los espacios formativos de esta mano de
obra cualificada.
La segregación por género en el mercado de trabajo opera en dos dimensiones: vertical y horizontal.
La segregación vertical se manifiesta en la representación minoritaria de las mujeres en puestos
directivos; mientras que la horizontal atiende a la inserción diferenciada por género en ámbitos
de trabajo.
No obstante la reconfiguración de la matrícula en el sistema educativo mexicano en los últimos
veinte años, marcada por su feminización, la segregación también está presente, en ambas
dimensiones. La segregación horizontal, en el sesgo de género de la composición de la matrícula
en el nivel superior. La proporción de matrícula por género, da cuenta de la segregación vertical:
a mayor nivel educativo, mayor exclusión de las mujeres.
Aunque la incorporación creciente de las mujeres, tanto a la educación superior como al mercado
de trabajo, representa un avance hacia la equidad de género, éste sigue siendo insuficiente, al
trasladarse la condición de sujeto subordinado de la mujer desde la familia y la sociedad al mundo
del trabajo. Si bien se ha avanzado en la equidad de género en el sistema educativo, el mundo del
trabajo se muestra más resistente hacia una reorientación en el mismo sentido.

Palabras clave: J16 Economía de género, D63 Desigualdad de género, j82 Fuerza de trabajo.

1. Introducción
La asimetría en la distribución por género en las diversas actividades productivas que
realizan mujeres y hombres es medida por el índice de segregación por género. Si bien es cierto
que este índice se construyó para ilustrar estas asimetrías y a partir de ello estimar los niveles de
reacomodo o ajuste necesario entre las ocupaciones desempeñadas por hombres o mujeres, con
vistas a lograr la equidad en su participación en el mercado laboral, en este trabajo se presenta un
ejercicio de análisis de esta segregación, también desde el ámbito formativo de los profesionales,
esto es, la distribución por género de la matrícula de educación superior. No obstante que los
perfiles formativos no se ajustan en sentido estricto a los perfiles ocupacionales en los que se
ubican los profesionales, se advierte desde el sistema educativo, particularmente en el nivel
superior, una clara asimetría por género entre los estudiantes de las carreras que componen la
oferta de este nivel; de ahí que se haya considerado medir este grado de asimetría con el índice
referido.
En el mercado de trabajo la segregación opera en dos dimensiones: vertical y horizontal. La
primera se manifiesta en la ubicación diferenciada de las mujeres y los hombres en la escalera laboral
y, por tanto, en la representación minoritaria de las mujeres en puestos directivos; mientras que la

851
segunda atiende a la inserción diferenciada por ámbitos de trabajo. La segregación –o separación-
en el sistema educativo es revisada en dos sentidos: en el vertical, tomando como referente la
exclusión o abandono del sistema educativo de parte de las mujeres; y, en el horizontal, en los
sesgos de la cuantía de la matrícula de ciertas carreras hacia uno u otro género.
La incorporación del concepto de género en las investigaciones sociales permite que el
análisis de las desigualdades entre hombres y mujeres trascienda la explicación de destino natural
originado por el factor biológico, hacia la identificación de dichas desigualdades como producto
de una construcción social de identidades. Como se advierte en la definición adoptada por las
Naciones Unidas, a raíz de las discusiones para la IV Conferencia Internacional sobre la Mujer,
la palabra género se diferencia de sexo en tanto expresa que el rol y la condición de hombres y
mujeres responde a una construcción social y están sujetas a cambios. (ISIS, 1995).
Desde la perspectiva psicológica, en la categoría de género se articulan tres instancias
básicas: a) la asignación de género, desde el momento del nacimiento, a partir de la apariencia
externa de los genitales; b) la identidad de género, establecida en la primera infancia, a través
de las manifestaciones de los niños entre los 2 y los 3 años; y c) el papel o rol de género, el cual
se forma a partir de la asunción de normas y prescripciones que dictan la sociedad y la cultura
sobre el comportamiento femenino y masculino (Lamas, 1986:187).
La relación desigual entre hombres y mujeres, entendidos como sujetos sociales y no
como seres biológicos, es puesta de manifiesto por la categoría de género, la cual comprende un
conjunto de características sociales, psicológicas y culturales, asignadas de manera diferenciada
a hombres y mujeres. Es una categoría histórica porque se modifica a lo largo del tiempo; y es
relacional porque nace de la vinculación de hombres y mujeres y su posición desigual respecto
del poder y de los recursos. Género se entiende como una construcción simbólica que alude al
conjunto de atributos socioculturales asignados a las personas a partir del sexo y que convierten
a la diferencia sexual en desigualdad social.
En suma, el concepto de género, expone Sara Silveira (2000:1), “…se refiere a la asignación
social diferenciada de responsabilidades y roles a hombres y mujeres que condiciona el desarrollo
de sus identidades como personas, de sus cosmovisiones y de sus proyectos de vida. Esta asignación
está basada en las pautas culturales, hábitos y condicionamientos sociales vigentes (estereotipos
sociales) que definen y valorizan roles y tareas de acuerdo al sexo reservando, prioritariamente,
para el hombre la esfera pública de la producción y para la mujer la esfera privada de la reproducción
y el cuidado de los otros. Se hallan presentes desde el inicio mismo del proceso de socialización,
son transmitidos desde el hogar, confirmados en la escuela y expandidos a través de los medios
de comunicación masivos. Quedan internalizados como desigual valoración de las competencias
femeninas y masculinas por lo que condicionan la elección y los lugares ‘reservados’ a la mujer en
lo personal, laboral y profesional.”
El género se recupera como categoría útil, tanto para el análisis de la composición de
la matrícula nacional de educación superior, como para las condiciones laborales de mano de
obra educada; en suma, para el análisis de la desigualdad que se advierte en las razones y las
dimensiones de la incorporación de las mujeres a la educación superior, así como en su ubicación
diferenciada en áreas y carreras y, desde luego, en ámbitos diferenciados del mercado de trabajo.
La interrogante guía de este trabajo es, por tanto: ¿Existe similitud entre la segregación por
género en la matrícula de las áreas de estudio de educación superior y la de los puestos ocupados
por mano de obra con esa calificación en el mercado de trabajo nacional?
Se parte de la hipótesis de que las mujeres arriban al mercado de trabajo de profesionales
en situación de desventaja respecto de sus pares varones; esto es, se presenta una segregación

852
por razones de género, similar a la que ocurre en el sistema educativo. El objetivo del presente
trabajo es, por tanto, aportar evidencia empírica para el caso mexicano respecto de la segregación
ocupacional por género en el mercado de trabajo de los profesionales, así como de las asimetrías,
también por género, que se presentan en los espacios formativos de esta mano de obra cualificada.
Para ello fue necesario un acercamiento al segmento del mercado de trabajo al que concurre la
mano de obra que posee estudios universitarios, así como a las formas y niveles de su inserción
laboral, ya sea como asalariados o bajo formas emergentes de ocupación, considerando la variable
de género como la categoría de análisis central para el estudio de las diferencias e inequidades
que acompañan situaciones de segregación.

2. Mujeres, roles y educación. Segregación por género en educación superior

2.1. Educación básica y media. Un antecedente necesario.
Las mujeres, como grupo social, se incorporan a la escuela en una situación de desigualdad
por razones de género, la cual se agrava cuando se suma a la condición de pobreza. No es gratuito
que el 66 por ciento de analfabetas en el mundo sean mujeres, ni que éstas se encuentren
concentradas en los países pobres. En México, hacia el 2005, se contaba con tres puntos porcentuales
más de mujeres analfabetas (8.9), respecto del 6.8 que correspondió a los varones, tratándose de
población mayor a los 15 años. En cuanto a la población infantil en situación de analfabetismo,
se invierte la relación, aunque no con esa diferencia tan marcada: 4.2 por ciento de las niñas no
saben leer y escribir, mientras el 4.8 por ciento de los niños está en esa situación.
Al comparar los años promedio de escolaridad de la población mexicana de 15 años y
más, encontramos que los varones aventajaban a las mujeres con 0.5 años (7.6 y 7.1 años,
respectivamente) en 2000. No obstante, en los años posteriores, se advierte una tendencia al
cierre de esta brecha, ya que en 2005 se reduce esa diferencia a 0.4 años, y hacia 2010, sólo
aventajan los varones con 0.3, al situarse respectivamente en 8.7 y 8.4 grados promedio de
escolaridad. (INEGI-INMUJERES, 2005, 2010).
En los tres niveles que comprende la educación básica (preescolar, primaria y secundaria)
se presentan porcentajes similares de participación por género, aun cuando en los tres aventajan
ligeramente los varones, lo que arroja una participación relativa de 50.8 y 49.2, favorable a los
niños. En la educación media superior, niveles de bachillerato y profesional técnico, se presenta
una situación contrastante: mientras en el bachillerato encontramos un índice de feminización279
de 108.4, en el profesional técnico la participación de las mujeres es minoritaria, presentándose
este índice con una magnitud de de 93; esto es, por cada 100 alumnos varones, se matriculan 93
chicas en este nivel.
La participación mayoritaria de las mujeres en el bachillerato es un fenómeno de reciente
aparición, todavía en el ciclo 1998-1999 los varones eran mayoría, pero a partir del ciclo 2007-
2008 se invierte la proporción, presentándose para ese año escolar una diferencia de 100 mil
alumnas más respecto de la matrícula masculina que fue del orden de 1.7 millones. (INEGI-
INMUJERES, 2010).
Lo anterior pudiese ser interpretado como una situación de equidad en los niveles tempranos
del sistema educativo; no obstante, las tasas de absorción280 tanto de la secundaria como del
nivel medio superior denotan una exclusión mayor de las mujeres: en el tránsito de la primaria
279 El índice de feminización hace referencia al grado de concentración de las mujeres respecto de los atributos con
que se clasifica a una población. Resulta de dividir el número de mujeres con la característica de que se trate entre
el número de hombres con igual característica, por cien.
280 La tasa de absorción consiste en la relación entre el número de alumnos de nuevo ingreso al primer grado de un
determinado nivel educativo por cada cien alumnos egresados del nivel y ciclo inmediatos anteriores.

853
hacia la secundaria la tasa de absorción de las niñas es inferior en casi dos puntos porcentuales
respecto de los niños (94.5 y 96.3 por ciento, respectivamente); y en educación media superior
se inscriben solamente 92.4 por ciento de las niñas egresadas de secundaria, mientras que 98.9
por ciento de los jóvenes siguen sus estudios en este nivel -bachillerato o profesional técnico- del
sistema educativo. (INEE, 2007).
Otros indicadores a considerar en el seguimiento de las trayectorias académicas son aquellos
relacionados con permanencia y egreso de los diferentes niveles del sistema educativo. Según
datos de la Unidad de Planeación y Evaluación de Políticas Educativas (2008), durante el ciclo
2006-2007, en todos los niveles de educación básica y de media superior, las mujeres reportaron
eficiencia terminal más alta, siendo mayores las brechas en la secundaria (casi nueve puntos
porcentuales) y en el bachillerato (11 puntos de diferencia, a favor de las mujeres). De lo anterior
puede afirmarse que, una vez que las mujeres ingresan al nivel correspondiente, la probabilidad
de que concluyan el nivel en tiempo y forma es mayor que para sus compañeros varones; es en el
momento de tránsito hacia el siguiente nivel cuando se hace evidente la situación de desventaja,
al ser mayor la exclusión del sistema para las mujeres.

2.2. Feminización de la matrícula de educación superior.

Un rasgo característico del Sistema de Educación Superior (SES) nacional en los últimos
veinte años es la feminización de la matrícula. El crecimiento de la matrícula femenina confirma
la creciente importancia de la participación de las mujeres en todos los campos de la actividad
humana y se corresponde con la feminización de la fuerza laboral. De igual manera, las exigencias
del mercado –de mayores cualificaciones- y las necesidades del ingreso familiar en donde el
trabajo femenino no puede representar ya un ingreso marginal, sino sustancial, obliga a las
mujeres a demandar una formación profesional. Aunque las expectativas de una mejoría en los
ingresos resultantes no sean cubiertas necesariamente, la incorporación de la mujer a los estudios
universitarios orienta hacia transformaciones sociales fundamentales en diversos ámbitos: en
la estructura familiar, en las ocupaciones, en las relaciones políticas y en las mentalidades del
México urbano contemporáneo.
La composición de la matrícula nacional de educación superior281 en 1969 era marcadamente
masculina al representar las mujeres apenas un 17 por ciento de la matrícula total. En un
seguimiento de la matrícula durante el periodo comprendido de 1980 a 1993, se reporta que las
mujeres incrementaron su participación en la matrícula nacional de 29.8 a 43.7 por ciento en el
periodo comprendido de 1980 a 1993 (Escobar, 1997). Diez años después, hacia 2003, las mujeres
representaban el 48.7 por ciento de la matrícula nacional de educación superior, proporción que
siguió incrementándose, ya que para el ciclo 2006-2007, se observó una participación equilibrada
de varones y mujeres: 50.6 y 49.4 por ciento, respectivamente, aunque con ligera ventaja para
los primeros. Es en el ciclo escolar 2008-2009, cuando ya aparece la matrícula femenina con una
ligera mayoría, al sumar el 50.02 por ciento de la matrícula global de este nivel. Cabe anotar que,
si tomamos en cuenta solo la matrícula de licenciatura universitaria y tecnológica, los varones
siguen conservando una participación mayoritaria, la cual desaparece al sumarse a la matrícula
global la correspondiente a la educación Normal, a la que concurren una alta proporción de
mujeres, presentando un índice de feminización cercano a 250 por ciento.
La tendencia de incorporación creciente de las mujeres a la educación superior se asocia con
la expansión del conjunto de carreras en las áreas de ciencias sociales y administrativas, de la salud

281 La educación superior en México incluye la licenciatura universitaria y tecnológica, la educación Normal y los
distintos tipos y modalidades de posgrado.

854
y de educación y humanidades, principalmente, las cuales absorben a la mayor parte de la nueva
demanda de educación de jóvenes del género femenino. No obstante la aparente igualdad en la
participación de hombres (51.2%) y mujeres (48.8%) en la matrícula de licenciatura universitaria
y tecnológica para el ciclo 2008-2009, se advierte una marcada diferencia en la distribución de
esta matrícula por áreas de estudio, con sesgos evidentes por diferencia de género, lo cual nos
remite a los llamados roles de género (Lamas, 1986), conformados a partir de la asunción de
normas y prescripciones sociales acerca del ser y hacer de lo femenino y lo masculino.
Florentina Preciado (1997:30) asocia esta distribución con las características asociadas al
género femenino, particularmente en las labores propias del ámbito doméstico, correspondientes
al papel que la mujer está socialmente condicionada a desarrollar, el de esposa y madre. Las tres
áreas de estudio antes anotadas, principalmente educación y salud, cuya identificación con lo
femenino se hace patente con los índices de feminización presentados en el ciclo 2008-2009:
211.6 y 184.5 por ciento, respectivamente, son las que presentaron mayor crecimiento, explicado
por el dinamismo en la incorporación de las jóvenes a este nivel educativo. Además, no podemos
ignorar un factor que influye fuertemente en la participación femenina en la matrícula global de
educación superior, esto es, la matrícula registrada en la Normal licenciatura282, con un índice de
feminización de 247 por ciento (ANUIES, 2009).
Por otro lado, áreas como las de ingeniería y tecnología y agropecuarias, identificadas
con rasgos de masculinidad, presentan crecimientos más conservadores e, inclusive, contracción
importante de la matrícula como es el caso de la segunda. Los índices de feminización de estas
áreas son los más bajos: 43.2 por ciento para ingeniería y tecnologías y 53.4 por ciento para
agropecuarias.
El seguimiento de la evolución de la matrícula por área y género durante el periodo
comprendido de 1983 a 2009, con base en información de los Anuarios Estadísticos de la
Asociación de Universidades e Instituciones de Educación Superior (ANUIES) 1984-2009, nos
permite apoyar las afirmaciones anteriores. Veamos el caso de las áreas de mayor crecimiento:
sociales y administrativas incrementa su matrícula en un 276 por ciento en el periodo -en 2009,
de cada 100 alumnos de educación superior 46 estudian una carrera perteneciente a esta área-;
educación y humanidades quintuplicó su matrícula en el periodo; mientras que ciencias de la salud
presenta un incremento cercano a 150 por ciento. Lo anterior hace evidente la consolidación de
la feminización, con la consecuente desmasculinización de las carreras de ciencias de la salud y
de ciencias sociales y administrativas. Un indicador que nos ilustra la situación actual del acceso
de la mujer a la educación superior es la tasa bruta de educación universitaria (TBEU)283: para
2005 la TBEU para las mujeres (24.19) ya era ligeramente superior a la de los hombres (23.66), lo
cual repercutirá en un futuro mediato al cierre de la brecha observada en el acceso a este nivel,
considerando la población de 15 y más años. (INEGI-INMUJERES, 2010)
La feminización de la matrícula se acompaña por una pérdida no solo en términos
relativos, sino también absolutos, de la participación de los varones en la matrícula universitaria y
tecnológica. Roberto Rodríguez (1999), plantea dos hipótesis acerca del fenómeno de feminización
de la educación superior: la primera de ellas sostiene que se origina a partir de la aplicación de
estrategias diferenciadas por género respecto de las alternativas de obtener mayor escolaridad
o de incorporación a los mercados de trabajo en la búsqueda de una retribución monetaria en lo
282 La matrícula de la Normal licenciatura (formación de profesores para la educación básica) no aparece sumada en
la matrícula universitaria y tecnológica.
283 Para el cálculo de las TBEU se tomaron los datos del Conteo de Población y Vivienda 2005, correspondientes
al grupo de edad entre los 19 y los 24 años, así como la matrícula de educación superior para el ciclo escolar 2004-
2005.

855
inmediato; esto es, el costo de oportunidad estaría siendo mayor para los varones que para las
mujeres, o bien, para las mujeres la educación superior se convierte en una estrategia defensiva,
una suerte de umbral para el ingreso a un mercado de trabajo segmentado por género. Por otro
lado, como segunda hipótesis, este autor sostiene que es el mejor rendimiento escolar obtenido
por las mujeres –lo que redunda en mayores tasas de permanencia y egreso- la variable que
explica la feminización.
En una sintética revisión de los niveles de escolaridad alcanzados en México, Bustos (2003)
expone la desigualdad por género en el acceso a educación superior; no obstante la tendencia
de la incorporación creciente de las mujeres a partir de la década de los ochentas, hacia 1997, se
presentaba una brecha mayor a 4 puntos en la escolaridad de la población en este nivel: el 9.1 por
ciento de la población femenina y el 13.4 por ciento de la población masculina tenía cursado al
menos un grado en este nivel educativo. Esta brecha se acorta hacia 2009, cuando el porcentaje
de la población de 15 y más años con educación superior, según sexo, ascendió a 16.5 para los
varones y 13.1 para las mujeres. Por lo anterior, podemos afirmar que persisten desigualdades
históricas en el acceso de las mujeres a la educación, dado que de cada 100 mujeres que en 2009
tenían aprobado al menos un año de educación superior, se encontraban en esa circunstancia 113
hombres. (INEGI-INMUJERES, 2010).
Por lo anterior, podemos advertir que, si bien es cierto se advierte una tendencia positiva
en la incorporación de las mujeres en todos los niveles educativos, además de que una vez inscritas
en un determinado nivel educativo sus tasas de permanencia y egreso son mayores que sus
compañeros varones284, el problema de la inequidad –exclusión- radica en el tránsito de un nivel
educativo al siguiente, al ser superiores las tasas de absorción para los hombres, en todos los
niveles del sistema educativo, como se presenta en siguiente tabla:

Tabla 1. México: porcentaje de absorción por nivel educativo según sexo285

Secundaria Profesional técnico Bachillerato Licenciatura
H M H M H M H M
96.3 94.5 10.8 9.2 88.1 83.2 84.8 71.3

Fuente: Elaboración propia con base en datos de INEGI-INMUJERES (2010) y ANUIES (2007 y
2009).

Es justamente esta desventaja para las mujeres en la absorción desde los niveles básicos
al superior lo que va marcando una segregación en el sentido vertical al interior del sistema
educativo. Se suma a esta situación el flujo diferenciado por género hacia carreras y áreas asociadas
a prácticas profesionales caracterizadas por una suerte de extensión de los roles asignados al
género femenino, desde la familia, principalmente asociados a los servicios personales. En el
siguiente apartado se muestran los índices de segregación horizontal en la matrícula de educación
superior.

284 En 2004, las mujeres fueron el 51 por ciento de los registrados como titulados y con cédula profesional.(SESIC-
SEP, 2005)
285 Para Secundaria, Profesional técnico y Bachillerato los datos corresponden al ciclo 2006-2007. Para Educación
superior, los datos provienen del ciclo 2008-2009.

856
2.3. Segregación horizontal de la matrícula de educación superior
El índice de segregación por género de la matrícula de educación superior da cuenta de la
asimetría entre la matrícula de las áreas de estudio a las que pertenecen las carreras que cursan
los hombres y las mujeres. Los valores de este índice se presentan entre cero y uno; cuando toma
el valor de cero no existe segregación, mientras más se acerca a uno la segregación aumenta.
Cuando su valor es de uno, nos encontramos ante una situación de segregación total; esto es, la
matrícula estaría integrada sólo por hombres o sólo por mujeres. El nivel de este índice puede ser
tomado como una referencia de la necesidad de orientar, con medidas de discriminación positiva,
la equidad en la matriculación de uno y otro sexo en las distintas áreas de estudio de la educación
superior.
Para la construcción del índice de segregación por género de la matrícula de educación
superior de México, se adecuó la metodología utilizada para la construcción del Índice de
segregación ocupacional por rama de actividad, del Sistema de indicadores de Género del Instituto
Nacional de las Mujeres México (Inmujeres), utilizándose la siguiente fórmula:

∑ | MAz – HAz |
ISAz = ----------------------
2
donde:
ISAz: Índice de segregación en el área de estudio (z).
MAz: Proporción de mujeres matriculadas en el área de estudio (z).
HAz: Proporción de hombres matriculados en el área de estudio (z).
z: Áreas de estudio: Ciencias agropecuarias; Ciencias de la salud; Ciencias naturales y exactas;
Ciencias sociales y administrativas; Educación y humanidades; e Ingeniería y tecnología.

Esta tendencia de distribución de la matrícula mexicana de nivel superior, similar a la

mayoría de los sistemas de enseñanza superior de las distintas regiones del mundo, pone de
manifiesto la prevalencia de espacios propios de uno u otro género, cuestión que de distintas
formas limita la elección profesional y predetermina la inserción y posicionamiento de las mujeres
en el mercado laboral. Es decir, la segregación horizontal de género en la educación superior,
contribuye a mantener la desigualdad en el mercado laboral.
No es fortuito que, en los años de referencia, los índices más altos de segregación femenina
correspondan a las áreas de ciencias agropecuarias e ingeniería y tecnología, dado que en ellas se
inscriben licenciaturas asociadas a profesiones consideradas típicamente masculinas. Se trata de
profesiones orientadas a la atención de las necesidades de producción; por ejemplo, la producción
de alimentos, el diseño de nuevas tecnologías en diferentes áreas; la construcción de vivienda e
infraestructura, entre otras.

857
Tabla 2. México: Índices de segregación por género y de feminización de la matrícula de educación
superior (2001, 2005 y 2009)
2001
Área de estudio H M T ISA IFEM
Abs. P Abs. P
Total 867,580 0.522 793,393 0.478 1,660,973 91.45

Ciencias agropecuarias 30,603 0.730 11,297 0.270 41,900 0.23 36.91

Ciencias de la salud 58,117 0.394 89,545 0.606 147,662 0.106 154.08
Ciencias naturales y exactas 18,160 0.539 15,560 0.461 33,720 0.039 85.68
Ciencias sociales y administrativas 350,029 0.430 464,289 0.570 814,318 0.07 132.64
Educación y humanidades 24,611 0.338 48,126 0.662 72,737 0.162 195.55

Ingeniería y tecnología 386,060 0.701 164,576 0.299 550,636 0.201 42.63

2005
Área de estudio H M T ISA IFEM
Abs. P Abs. P
Total 1,048,713 0.507 1,021,598 0.493 2,070,311 97.41
Ciencias agropecuarias 31,233 0.673 15,178 0.327 46,411 0.173 48.60

Ciencias de la salud 67,973 0.362 119,714 0.638 187,687 0.138 176.12

Ciencias naturales y exactas 20,462 0.508 19,794 0.492 40,256 0.008 96.74
Ciencias sociales y administrativas 405,409 0.416 570,029 0.584 975,438 0.084 140.61

Educación y humanidades 39,400 0.321 83,417 0.679 122,817 0.179 211.72

Ingeniería y tecnología 484,236 0.694 213,466 0.306 697,702 0.194 44.08

2009
H M T ISA IFEM
Área de estudio Abs. P Abs. P
Total 1,164,934 0.507 1,131,447 0.493 2,296,381 97.13

Ciencias agropecuarias 35,468 0.652 18,936 0.348 54,404 0.152 53.39

Ciencias de la salud 81,536 0.352 150,396 0.648 231,932 0.148 184.45

Ciencias naturales y exactas 23,290 0.505 22,841 0.495 46,131 0.005 98.07

Ciencias sociales y administrativas 438,329 0.418 609,903 0.582 1,048,232 0.082 139.14

Educación y humanidades 45,279 0.321 95,806 0.679 141,085 0.179 211.59

Ingeniería y tecnología 541,032 0.698 233,565 0.302 774,597 0.198 43.17

Nota H: hombres; M: mujeres; T: total; ISA: Índice de segregación por área de estudio; IFEM:
Índice de feminización; Abs.: valores absolutos; P: proporción.
Fuente: Elaboración propia con base en datos de INEGI-INMUJERES (2010) y ANUIES (2009).

858
 En contraparte, los índices más altos de feminización, se registran en las áreas de Salud
y de Educación y Humanidades, las cuales agrupan las licenciaturas que conducen a profesiones
cuyo desempeño está asociado a los roles que la mujer desempeña en el ámbito privado: educación,
cuidado de personas, comunicación y administración, principalmente; esto es, en profesiones tales
como: medicina, enfermería, odontología, trabajo social, psicología, contaduría, administración y
educación.
Reorientar esta forma de distribución de la matrícula superior, mediante el diseño y
aplicación de políticas educativas con perspectiva de género que promuevan la incorporación
de más mujeres a las áreas predominantemente masculinas, ayudaría a superar esas barreras
culturales intangibles en la transición del sistema educativo al sistema productivo y abonar a la
diversidad en los respectivos ámbitos laborales.

3. Mujeres y hombres profesionales en el mercado de trabajo

El mercado laboral o de trabajo es un mercado específico, en donde la mercancía ofrecida
y demandada es el trabajo. La competencia entre vendedores y compradores de este servicio está
influida por factores tales como diferencias en el género y niveles de cualificación de los oferentes
de fuerza de trabajo, así como los criterios de contratación de los demandantes, entre otros
elementos que no incorporaremos a este análisis.
Desde los orígenes de la producción económica social surgió una primitiva división del
trabajo de acuerdo con el sexo de las personas: el hombre asumió las funciones de proveedor de
bienes necesarios para el mantenimiento de la familia y la mujer las actividades circunscritas al
hogar. Esta división, se nos ha hecho creer desde la historia y la dominación patriarcal, atendería a
una racionalidad natural en tanto son las características biológicas del sexo las que determinaron
los roles que asumieron tanto hombres como mujeres. Con el advenimiento de la industrialización
y la modernización se opera una transformación en las estructuras familiares preindustriales
típicas, a partir de la incorporación de las mujeres a la esfera de la producción; esto es, al trabajo
remunerado. La incorporación de las mujeres al mercado de trabajo acarreó consigo los roles
primigenios; de ahí su característica de asociarse a espacios laborales que demandaban actividades
similares a las desempeñadas por éstas en la esfera doméstica, y que ahora advertimos como el
fenómeno de segregación de las mujeres en el ámbito laboral.
El mercado de trabajo constituye un espacio en el que se revelan de manera clara las
condiciones de inequidad entre los géneros, en donde la división sexual del trabajo se materializa en
la segregación. La segregación laboral, sostiene Ibáñez (2008: 89) “…es un elemento estructurado
y estructurante de los mercados de trabajo. Es un elemento estructurado si tenemos en cuenta que
buena parte de la segregación horizontal proviene del proceso de asalarización y mercantilización
del trabajo”. Este proceso se presenta en la medida en que las actividades productivas y de
servicios se han ido trasladando de la esfera doméstica hacia las empresas o instituciones, lo cual
ha provocado una participación creciente de las mujeres en la fuerza de trabajo.
La segregación horizontal es también un elemento estructurante debido a que las
características de los puestos se diferencian según sea considerada la ocupación respectiva como
mayoritariamente masculina, femenina o neutra. Las diferencias salariales que padecen las mujeres
en el mercado laboral son explicadas en buena parte por esta segregación horizontal (Ibáñez,
2008).
La segregación ocupacional por razones de género es un fenómeno común en las sociedades
actuales, independientemente del grado de desarrollo, contextos culturales y socioeconómicos de
los países; sin embargo, presenta variaciones de acuerdo con la edad, el nivel socioeconómico, la

859
residencia, el origen étnico y la escolaridad, principalmente. Es justamente esta última variable
la que fue tomada para ilustrar esta segregación, tanto en sentido horizontal, como vertical.
Numerosos estudios dan cuenta de cómo la participación de ambos sexos en el trabajo aumenta a
medida que aumentan los años de escolaridad; además, la brecha entre los niveles de ocupación
de uno y otro sexo se va acortando también a medida en que el nivel educativo es más alto.
En México, la tendencia hacia el cierre de esta brecha se hace evidente al revisar las
tasas de participación de hombres y mujeres en el trabajo remunerado, por niveles educativos.
Con datos de 2009, se advierte que 24.6% de las mujeres ubicadas en el nivel más bajo de
escolaridad (sin escolaridad y primaria incompleta), tiene trabajo remunerado, mientras que
en el caso de los hombres en este nivel, 59.9% recibe remuneración; con primaria completa y
secundaria incompleta (segundo nivel) la participación de mujeres y hombres es de 27 y 60.1%
respectivamente. Finalmente, en el tercer y último nivel (secundaria completa y más) se observa
una tasa de participación de 44% en el caso de las mujeres y 72.4% en el caso de los hombres.
Queda claro entonces que a mayor escolaridad, mayor participación en el trabajo remunerado,
con cierta tendencia a la disminución de la inequidad: mientras que el grado de participación
de los hombres avanza 12.5 puntos porcentuales entre el primero y el tercer nivel, el avance
en la participación de las mujeres es de 19.4 puntos. Sin embargo, la diferencia de las tasas de
participación entre los sexos es significativa en cada uno de los niveles (con ventaja para los
varones), pero en el nivel más alto es casi 7 puntos menor que en el nivel más bajo de escolaridad:
en el nivel de escolaridad más bajo, por cada 100 mujeres que reciben remuneración por su
trabajo, hay 243 hombres en esta situación; en el nivel más alto, esta proporción se reduce a 164
hombres por cada 100 mujeres. (INEGI-INMUJERES, 2010).
Hernández (2004), en un estudio sobre el panorama del mercado laboral de profesionistas
en México muestra cómo mientras los flujos de egresados de educación superior en la década
1990-2000 crecieron a un ritmo de 6.7% anual, la economía mexicana registró para ese periodo
una tasa promedio de crecimiento anual del orden de 3.5%. Lo anterior nos sitúa ante la evidencia
de un mercado laboral sin la capacidad adecuada para generar puestos de trabajo, que permitiese
la absorción de la mano de obra de diferentes niveles de calificación que presionaba para ingresar
al mundo laboral; se advierten, no obstante, dinámicas diferentes de absorción asociadas a los
niveles de escolaridad de la oferta: el empleo fue más dinámico para las personas con mayores
niveles de escolaridad; particularmente dinámico fue el de los profesionistas, que registró 6.1%
como promedio anual de crecimiento. Un dato interesante que arrojó la citada investigación es
que la evolución del empleo de profesionistas presenta una diferencia por género: fue mayor el
dinamismo del empleo de las mujeres que el de los hombres.
Este mayor dinamismo en el empleo de las mujeres puede explicarse por esta misma
tendencia en la creación de empleos en aquellas actividades económicas del sector terciario o de
servicios, áreas preferentes de inserción de profesionistas egresados de carreras cuya matrícula,
a lo largo de los últimos veinte años, ha acusado un proceso de feminización; a diferencia de
los sectores manufacturero y agropecuario (secundario y primario, respectivamente), en donde
los puestos generados absorben, mayoritariamente, a egresados de las carreras cuyo índice de
segregación de las mujeres es mayor.

860
3.1. Segregación ocupacional por género286 de los profesionistas en el mercado de trabajo
mexicano.
Para el análisis de la segregación ocupacional por género de los profesionistas mexicanos,
se partió inicialmente de los grupos ocupacionales que conformó la ANUIES (2003), para el estudio
del mercado laboral de profesionistas, en cuya identificación la variable definitoria es la proporción
de profesionistas ocupados en las respectivas ocupaciones. A partir de ese ordenamiento, ANUIES
estableció tres grupos: el Grupo 1, integrado por ocupaciones muy profesionalizadas, las cuales
registran más del 50 por ciento de ocupados con estudios profesionales; el Grupo 2, integrado por
ocupaciones medianamente profesionalizadas, en donde el nivel de ocupación de profesionistas
varía entre el 10 y el 49.9%; y, el Grupo 3, que contiene a aquellas ocupaciones escasamente
profesionalizadas, con menos de 10% de profesionistas entre el personal ocupado.
A partir de la recuperación de la clasificación de ANUIES y, apoyándonos en el listado de
puestos para cuyo desempeño es requerida la educación superior según Burgos y López (2010),
recuperamos cuatro grupos de ocupación de la clasificación que se presenta en la Encuesta
Nacional de Ocupación y Empleo (ENOE), los cuales son, como podemos advertir en la tabla número
3: profesionales, técnicos y trabajadores del arte; trabajadores de la educación; funcionarios y
directivos; y oficinistas. Es en estos cuatro grupos donde se presenta una proporción superior
al 50 por ciento de población ocupada con escolarización superior a la básica, esto es, con los
niveles media y superior. No obstante que no contamos con datos desagregados específicamente
para educación superior, como ejercicio de aproximación, se tomó para efectos de este trabajo,
el análisis de dichos grupos de ocupación como referente de los puestos desempeñados por la
población ocupada con mayor nivel educativo.

Tabla 3. México: Población ocupada por nivel de instrucción y grupo de ocupación (julio-septiembre
de 2010)
Nivel de instrucción
Hasta educación Media superior y TOTAL
básica superior
Grupos de ocupación
Absoluto % Absoluto %
Total 31,242,234 70.2 13,210,010 29.7 44,480,562
Profesionistas, técnicos y trabajadores 870,025 23.0 2,913,868 77.0 3,784,754
del arte
Trabajadores de la educación 259,485 15.5 1,417,166 84.5 1,676,651
Funcionarios y directivos 183,327 19.4 761,688 80.5 945,615
Oficinistas 1,714,345 41.9 2,379,635 58.1 4,095,678
Trabajadores industriales, artesanos y 9,215,870 83.5 1,816,289 16.5 11,038,241
ayudantes

Comerciantes 6,121,922 74.3 2,117,225 25.7 8,244,975

Operadores de transportes 1,693,467 79.8 426,628 20.1 2,122,044
Trabajadores en servicios personales 4,995,196 86.5 778,415 13.5 5,777,595

Trabajadores en protección y 716,509 73.0 264,068 26.9 981,482

vigilancia
Trabajadores agropecuarios 5,474,892 94.3 328,147 05.7 5,805,454
No especificados 1,192 14.8 6,881 85.2 8,073

Fuente: Elaboración propia con base en datos de la ENOE-INEGI, trimestre julio-septiembre 2010.
286 De la misma manera que para el apartado correspondiente a la matrícula, para los índices de segregación
trabajados en este apartado se adecuó el Índice de segregación ocupacional por rama de actividad, del Sistema de
indicadores de Género del Instituto Nacional de las Mujeres México (Inmujeres).

861
 Al igual que en todos los ámbitos, los roles de género están presentes en el mercado laboral,
en donde, a pesar de la participación creciente de la mujer, aun son minoría, como se ilustra tanto
en la clasificación por grupo de ocupación, como en la clasificación por rama de actividad económica
(ver tabla número 6). La presencia de las mujeres (y de los hombres) en los grupos de ocupación con
los niveles más altos de instrucción, podemos verla enseguida:

Tabla 4. México: Índices de segregación por género y de feminización de la población ocupada con
nivel de instrucción de educación media superior y superior
Sexo y grupos de ocupación H M T IFEM ISOC
Abs. P Abs. P
Total población ocupada 7,832,240 0.593 5,377,770 0.407 13,210,010 68.7 0.093
Profesionistas, técnicos y trabajadores del arte 1,706,641 0.586 1,207,227 0.414 2,913,868 70.7 0.086
Trabajadores de la educación 556,039 0.392 861,127 0.608 1,417,166 154.9 0.108
Funcionarios y directivos 535,965 0.704 225,723 0.296 761,688 42.1 0.204
Oficinistas 1,107,276 0.465 1,272,359 0.535 2,379,635 114.9 0.035

Nota: H: hombres; M: mujeres; T: totales; IFEM: Índice de feminización; ISOC: Índice de segregación
por grupo de ocupación; Abs.: valores absolutos; P: proporción.
Fuente: Elaboración propia con base en datos de la ENOE-INEGI, trimestre julio-septiembre
2010.

El cumplimiento de roles asociados al género en el mercado de trabajo puede advertirse

claramente en la tabla número 4: de los cuatro grupos ocupacionales, las mujeres tienen una
participación claramente mayoritaria sólo en aquellas ocupaciones ligadas a la educación, mientras
que los hombres son mayoría en los grupos ocupacionales de funcionarios y directivos y de
profesionistas, técnicos y trabajadores del arte. El grupo de ocupación de oficinistas es el único
que presenta una distribución equitativa por género; dado que su índice de segregación se acerca
a cero, por lo que puede decirse que es una ocupación neutra o mixta.
Es en el grupo de funcionarios y directivos donde encontramos la participación más alta
del género masculino, en donde 7 de cada 10 puestos de ese grupo son ocupados por varones,
en contraparte, de cada 10 personas ocupadas en educación, 6 son mujeres. A partir de lo
anterior, coincidimos con Guzmán (2004: 88), cuando afirma: “…la población masculina tiende a
concentrarse predominantemente en las actividades que se vinculan con su ser y hacer construido
socialmente. Por su parte, las mujeres lo hacen en aquellas que se relacionan con el ser y hacer
de las mujeres”. Este ser y hacer de ambos sexos no es determinado en sentido estricto por las
características biológicas o naturales de uno u otro sexo, sino que son construcciones sociales.
El impacto de la escolaridad en el cierre de brechas de desigualdad entre la población
ocupada se puede constatar observando la tabla número 5, a partir de la comparación de los
índices de segregación de la población ocupada con niveles educativos hasta el básico (primaria y
secundaria) respecto de aquella con estudios de nivel medio superior y superior. Todos los índices
de segregación disminuyen (lo que indica reducción de la inequidad al interior de las ocupaciones
mayoritariamente masculinas o femeninas) excepto el correspondiente al grupo ocupacional de
funcionarios y directivos, en el cual se fortalece la inequidad en perjuicio de las mujeres. Esto
último nos remite al concepto de techo de cristal, entendido como el conjunto de normas no
escritas que se constituyen en una barrera invisible que no permite avanzar a las mujeres en su

862
carrera profesional, dificultándoles particularmente el acceso a los puestos de dirección.

Tabla 5. México: Índices de segregación por género de la población ocupada, por niveles de
instrucción y grupo de ocupación.
ISOC-B ISOC-MS y S
Total 0.135 0.093
Profesionistas, técnicos y trabajadores del arte 0.102 0.086
Trabajadores de la educación 0.161 0.108
Funcionarios y directivos 0.145 0.204
Oficinistas 0.067 0.035

Nota: ISOC-B: Índice de segregación por grupo de ocupación de la población con estudios hasta
nivel básico; ISOC-MS y S: Índice de segregación por grupo ocupacional de la población con
estudios de nivel medio superior y superior.
Fuente: Elaboración propia con base en datos de la ENOE-INEGI, trimestre julio-septiembre
2010.

La identificación de grupos de ocupaciones masculinas o femeninas, nos permite acercarnos

a la ubicación diferenciada de hombres y mujeres en las ramas de actividad económica, las cuales
denotan también las inequidades en el acceso al mercado de trabajo. En la tabla número 6
podemos reconocer aquellas ramas de mayor segregación por género, en orden de importancia:
construcción, actividades agropecuarias, comunicaciones y transporte, e industria extractiva y de
la electricidad, las cuales comparten la característica de una proporción aproximada de 9 hombres
por cada 10 trabajadores de la rama en cuestión; es en estas ramas de actividad donde se presenta
la evidencia más clara de la relación entre el empleo y el rol o identidad de género.
En las ramas de comercio y servicios, cuyo índice de segregación es cercano a cero, pueden
considerarse ramas de actividad mixtas o neutras, con equidad en la ocupación de puestos entre
los dos géneros, aunque con una ligera ventaja a favor de las mujeres, dados los índices de
feminización respectivos: 102.7 y 119.8 por ciento. No se advierte ni una sola rama de actividad
económica en la que el empleo presente una distribución tan desigual (como el caso de las cuatro
ramas antes anotadas) a favor de las mujeres: el índice de feminización más alto es el de la rama
de servicios, en la cual por cada 10 hombres trabajando encontramos a 12 mujeres, no obstante
que en esa rama se inscribe la ocupación de trabajadores de la educación, profesión con indudable
feminización.

863
Tabla 6. México: Índices de segregación por género y de feminización de la población ocupada,
por rama de actividad económica

PEA ocupada por sexo

Rama de actividad económica H Ph M Pm T ISRA IFEM
Total 27,804,532 0.623 16,847,300 0.377 44,651,832 0.123 60.6
Actividades agropecuarias 5,267,964 0.893 631,326 0.107 5,899,290 0.393 12.0
Comercio 4,431,375 0.493 4,549,595 0.507 8,980,970 0.007 102.7
Industria manufacturera 4,266,116 0.633 2,469,636 0.367 6,735,752 0.133 57.9
Construcción 3,379,506 0.967 116,330 0.033 3,495,836 0.467 3.4
Servicios 6,557,416 0.455 7,853,689 0.545 14,411,105 0.045 119.8
Industria extractiva y de la electricidad 314,327 0.866 48,566 0.134 362,893 0.366 15.5
Comunicaciones y transporte 1,940,023 0.876 274,221 0.124 2,214,244 0.376 14.1
Administración pública y defensa 1,450,865 0.644 803,252 0.356 2,254,117 0.144 55.4
No especificado 196,940 0.662 100,685 0.338 297,625 0.162 51.1

Nota: H: hombres; M: mujeres; T: totales; ISRA: Índice de segregación por rama de actividad
económica; IFEM: Índice de feminización; Ph: proporción de hombres; Pm: proporción de
mujeres.
Fuente: Elaboración propia con base en datos de la ENOE-INEGI, trimestre julio-septiembre
2010.

De lo anteriormente expuesto, podemos anotar algunas consideraciones: a) el grupo

ocupacional con estudios de nivel medio superior y superior que presenta mayor inequidad,
expresado en un índice de segregación mayor es el de funcionarios y directivos. Por otra parte, el
índice de feminización de este grupo es de 42.1%, notablemente inferior al índice de feminización
de la población ocupada global, del orden de 68.7%, lo cual denota su carácter de ocupación
masculinizada, dada la participación minoritaria de las mujeres en esta ocupación, respecto de la
participación en el empleo global; b) el grupo ocupacional de los trabajadores de la educación, es el
único que reporta una sobrerrepresentación de las mujeres, al presentar un índice de feminización
de 154.9%, superior con mucho al índice global de feminización de la mano de obra con estudios
de los niveles medio superior y superior; c) el grupo de profesionistas, técnicos y trabajadores
del arte, presenta una proporción similar en participación por género al de los trabajadores de la
educación, pero en sentido inverso, por lo que puede considerarse también un grupo ocupacional
masculinizado, como el de funcionarios y directivos; y e) el grupo ocupacional de oficinistas es el
único que se acerca a condiciones de equidad de género en el empleo.

4. Conclusiones
Las mujeres profesionales en México se incorporan al mercado de trabajo en situación de
desventaja relativa respecto de los hombres; esto es, se presenta una segregación por razones
de género en dos dimensiones: horizontal y vertical. Horizontal, por la distribución de manera
inequitativa entre los grupos de ocupación de nivel similar. Vertical, por la inequidad en el
acceso a puestos de dirección o jefatura, no obstante niveles similares de formación de mujeres y
hombres.
En el sistema educativo, por su parte, el problema de segregación –en el sentido vertical-

864
se asocia de manera más clara con la mayor exclusión de las mujeres en el transcurso de un nivel
educativo al siguiente, al ser superiores las tasas de absorción para los hombres, en todos los
niveles del sistema educativo, no obstante las tasas de eficiencia terminal mayores en el caso de
las mujeres, también en todos los niveles.
La segregación horizontal en el sistema educativo se presenta en la distribución diferenciada
de la matrícula por áreas de estudio, prevaleciendo la idea de la existencia de espacios formativos
propios de hombres o de mujeres, lo cual influye en el momento de la elección de carrera y, en
cierto sentido, marca la ruta para la inserción de la mujer en el mundo laboral. La segregación
horizontal de género en la educación superior contribuye a mantener la desigualdad en el mercado
laboral.
A pesar de la evidencia de que en términos agregados del mercado de trabajo, a mayor
escolaridad se presenta una reducción de la inequidad, ello no es válido para todos los grupos
ocupacionales, como es el caso del grupo de funcionarios y directivos. Habría que indagar qué
razones asociadas a la cultura y a la tradición patriarcal construyen los techos de cristal a los que
se enfrentan las mujeres en su vida profesional.
Cabe resaltar la asociación entre los índices de segregación ocupacional por rama de
actividad económica con los índices de segregación por área de estudio: los índices más altos
de segregación femenina en la matrícula de educación superior corresponden a las áreas de
ciencias agropecuarias e ingeniería y tecnología; coincidentemente las áreas que agrupan a las
carreras asociadas a profesiones consideradas típicamente masculinas, cuya inserción laboral
preferente se ubica en las ramas de la construcción, la agricultura, y la industria extractiva y la
electricidad, las cuales presentan también los índices de segregación más altos y, por ende, una
sobrerrepresentación del género masculino en el empleo: una mujer por cada 10 hombres.
En contraparte, las ramas de actividad del comercio y los servicios presentan índices de
segregación cercanos a cero, lo que hace evidente su equidad en ocupación por género, son
aquellas a las que concurren de manera prioritaria los egresados de las áreas de estudio como
ciencias sociales, salud y educación. En la matrícula de educación superior, son precisamente
estas áreas las que reportan los índices más altos de feminización e integran a licenciaturas
como medicina, enfermería, odontología, trabajo social, psicología, contaduría, administración
y educación, entre otras, las cuales conducen a profesiones cuyo desempeño está asociado a los
roles que la mujer desempeña en el ámbito privado: educación, cuidado y atención de personas,
comunicación y administración, principalmente.
Lo anteriormente expuesto nos conduce a plantear la necesidad del diseño y aplicación
de políticas con perspectiva de género que promuevan la equidad, tanto en el sistema educativo,
como en el sector productivo. Ello puede iniciar desde la promoción de la inscripción de mujeres
en las carreras tradicionalmente masculinas, así como la de hombres en aquellas carreras
femeninas, también por tradición. Estas políticas abonarían a la diversidad en los respectivos
ámbitos educativos y laborales, y promoverían la superación de barreras culturales intangibles en
la transición del sistema educativo al mundo del empleo.

Referencias
Anuies (2000-2009): Anuarios Estadísticos de ANUIES, México, ANUIES.

Anuies (2003): Mercado Laboral de profesionistas en México. México. ANUIES

Burgos, Benjamín y López, Karla (2010): “Actividad económica y educación superior en México”.

865
Revista de la Educación Superior. Núm. 156. México, ANUIES.

Bustos Romero, Olga (2003): “Mujeres y educación superior en México” . IESAL/UNESCO-UNAM.

Escobar, Ana Lucía (1997): Los profesionales en el comercio de Culiacán. 1980-1995. UAS-ANUIES-
SIMAC, Culiacán.

Guzmán, Flérida (2004): “Inequidad por género en el sector terciario”. Revista Economía informa,
núm. 324. México, UNAM.

Hernández, Enrique (2004): “Panorama del mercado laboral de profesionistas en México”. Revista
Economía UNAM, Vol. 1, Núm. 02, mayo-agosto 2004. México, UNAM. http://www.ejournal.unam.
mx/ecu/ecunam2/ecunam0208.pdf Consultado el 23 de febrero de 2011.

Ibáñez, Marta (2008): “La segregación ocupacional por sexo a examen. Características personales,
de los puestos y de las empresas asociadas a las ocupaciones masculinas y femenina”. Revista
Española de investigaciones Sociológicas (Reis), Núm. 123.

INEE (2007): Panorama educativo de México 2007. Indicadores del sistema educativo nacional.
México. Instituto Nacional para la Evaluación Educativa (INEE).

INEGI (2005): II CONTEO DE Población y Vivienda. Aguascalientes. INEGI

INEGI-INMUJERES (2010): Mujeres y hombres en México. México. Instituto Nacional de Estadística

y Geografía. México. INEGI.

INEGI-INMUJERES (2005): Mujeres y Hombres en México 2004, México INEGI. http://www.

inmujeres.gob.mx

ISIS Internacional (1995): Boletín de la Red Feminista Latinoamericana

y del Caribe contra la Violencia Doméstica y Sexual., núm.9: IV Conferencia Mundial sobre la
Mujer. Los aportes de la región. Santiago.

Lamas, Marta (1986): “La antropología feminista y la categoría género”. Nueva antropología.
Revista de Ciencias Sociales, núm. 30, México, UNAM.

Preciado, Florentina (1997): “Lo público y lo privado en la educación femenina del occidente
mexicano”. En Géneros, Revista del Centro de Estudios de Género de la Universidad de Colima, núm.
11, año 4. Colima, México.

Rodríguez, Roberto (1999): “Género y políticas de educación superior en México”. Revista La

Ventana, núm. 10. U de G., México.

SESIC-SEP (2005): Estudio de la eficiencia terminal de las IES Mexicanas.

866
Silveira, Sara (2000): “La dimensión de género en la formación y en las relaciones laborales”.
Documento elaborado para el curso de Relaciones Laborales y Formación Profesional, organizado
por la oficina de la OIT para Argentina, Paraguay y Uruguay, Cinterfor/OIT y la Asociación Argentina
del Derecho del Trabajo y Seguridad Social, Buenos Aires.

867
/ Capítulo 10. Impacto Económico y rendimiento de la Educación

868
1. Gender-wage gap distribution with endogenous human capital: the
Spanish case

Mª Lucía Navarro Gómez, Universidad de Málaga

Mario F. Rueda Narváez, Universidad de Málaga

869
Gender-wage gap distribution with endogenous human capital: the
Spanish case*

Mª Lucía Navarro Gómez, Universidad de Málaga

Mario F. Rueda Narváez, Universidad de Málaga

Abstract
This paper aims to verify the existence of gender-based wage discrimination in Spain and, if
so, to quantify it. To achieve this, we first estimate earnings equations for men and women
using the instrumental variable method proposed by Hausman and Taylor (1981). This aims to
avoid biases resulting from endogeneity of regressors with respect to the random perturbation
in the model. Building on these results, we then follow the proposal of Jenkins (1994) and
estimate a bivariate wage distribution for women, containing individual expected earnings when
discrimination exists (applying the female wage structure) and when it doesn’t (applying the male
wage structure). This allows for a full distributional analysis of gender-wage gaps. Our results
show that discrimination is distributed unevenly across female workers and that the degree to
which women are discriminated against grows as they move upward in the wage distribution.

Keywords: Human Capital, Wage Differentials, Discrimination

JEL Codes: J24, J31, J71

1. Introduction
The main theoretical challenge posed by research on wage discrimination is to explain the
sizeable observed differences between male and female average earnings (the gender gap), whether
caused by gender-based differences in characteristics and/or preferences or by the existence of
discrimination, which has to be modelled somehow. The latter explanation involves answering
the question quoted by Cain (1986): ‘Under what conditions is it possible for essentially equal
goods to have different prices when exchanged in competitive markets?’—that is, why and how
can men and women receive different wages for equally productive work? Theoretically, such a
situation should not even arise. If any woman produces as much as a man, but receives lower
wages, any employer would take advantage of the situation in order to have a cheaper workforce,
thus obtaining extra benefits. One would expect many firms to do the same thing, so that in
the long run female wages would rise until they caught up with male wages. However, empirical
research fails to explain the entire observed wage gap in terms of differences in characteristics.
This leaves the remainder of the gap consistent with the presence of discrimination in the labour
market. Much theoretical work has been devoted to reconciling these two seemingly contradicting
positions (for an overview, see Altonji and Blank, 1999).
From the point of view of empirical research, the focus is usually on verifying and
quantifying wage discrimination. This leads methodologically to application of the human capital
theory (Becker, 1964) and estimating some kind of Mincerian wage equation (Mincer, 1974)
separately for men and for women. While the female parameters are thought to represent what
women receive when being discriminated against, the male parameters are used to estimate the
counterfactual wage a female worker would get if she were a man, but otherwise equal. From these
results, the mean difference in (log) wages is usually decomposed into one part being explained

* The authors acknowledge financial assistance from the Andalusian Government under grant P09-SEJ-4859.

870
by differences in human capital and other characteristics (differences in productivity) and one
part arising because the labour market values workers’ characteristics differently depending on
whether the worker is a man or a woman. This latter part (residual or unexplained) is then taken
as an estimate of the mean amount of discrimination in the labour market (Oaxaca, 1973; Blinder,
1973).
In Spain, empirical research on discrimination has been relatively frequent in recent
years due to the availability of new databases with suitable information on wages and other
attributes of workers. Interest has been devoted to two lines of work. On the one hand, articles
such as De la Rica and Ugidos (1995) use cross-sectional data to estimate the average amount of
discrimination, applying to the female wage equation a variation of Heckman’s (1979) model for
data with sample selection problems. On the other hand, García et al. (2001) is the first in a series
of papers to use quantile regression to assess the degree of discrimination at different points
of the wage distribution. Evidence on discrimination in the Spanish market tends to conclude
that differences in characteristics have a limited to no role in explaining observed (raw) wage
differentials. This means that most of the raw differential is due to differences in the coefficients
of earnings equations, resulting in residual, net, or discriminatory wage differentials287.
Our objective in this paper is to assess the amount of wage discrimination experienced
by Spanish female wage earners, using individual data from the first seven waves of the Spanish
section of the European Community Household Panel (ECHP, INE, 1994–2000). To achieve this,
we broaden the traditional approach outlined above in two ways. First, when estimating wages,
we use the instrumental variable (IV) method for panel data developed by Hausman and Taylor
(1981), HT thereafter. This is done in order to account for the possible endogeneity of several
wage determinants, which is important because discrimination analysis are based on a previous
estimate of what a woman would earn if she were a man but otherwise had the same characteristics.
This, in turn, is compared to the amount she receives as a woman. If those estimates are biased,
the discriminating and non-discriminating wages based on those equations would be biased
as well. As a result, the difference between these two cannot be used to construct a reliable
estimation of wage discrimination. Second, our analysis of discrimination focuses on more than
the average wage differential. Following the methodology proposed by Jenkins (1994), it takes
into account the entire distribution of discrimination. This is a logical step, since the original
concept of discrimination arises from the comparison to the wage a woman receives with her own
productivity—that is, any woman is discriminated against if she receives a wage that is lower
than her productivity. This implies that the degree to which a woman is discriminated against is
just another individual variable, and there is nothing that makes us expect it to be constant over
the sample.
The rest of this paper is organised as follows. The next section discusses the econometric
framework used to estimate wages and then compute two wage distributions for the women in
the sample, one discriminating and the other non-discriminating. The data used to achieve this
are presented in section 3, along with the variables used in the analysis. Section 4 presents the
results, and the last section provides the main conclusions.

2. Econometric framework
In order to obtain the expected wage distributions for women when they are subject to
discrimination and when they are not, we first estimate the parameters that determine such
wages. We then use the male set of parameters to compute non-discriminating wages, thus
287 For an overview of empirical evidence on discrimination for Spain, see Rueda (2010).

871
assuming that, in the absence of discrimination, women would be treated as men. The female
wage structure generates the discriminating wage distribution. Obtaining these estimates, in
econometric terms, requires estimating the following model for men and for women:

yit = x′it β + z′iγ + ηi + ε it (i = 1,...N; t = 1...Ti), [1]

where yit is the log wage of worker i in year t, xit, and zi are vectors containing k and g (g=1)
variables, respectively. While variables in xit are time-varying, zi only includes the number of
years of completed schooling and thus is constant within each individual. Finally, ηi and εit are
both independent random disturbances distributed with zero mean and variances and .
Finally, the fact that each individual is observed Ti times implies an unbalanced panel data set in
which each worker is not present in every year of the survey, as is the case in the ECHP288.
Concerning this model, the endogeneity of education and maybe other wage determinants
is modelled as a correlation between those variables and the effect of unobservable characteristics,
included in ηi. Literature on wage determination has devoted most attention to the possible
endogeneity of education (see, for example, Griliches, 1977 and Card, 2000). However, the
reasons for considering education as endogenous can usually be applied to other variables. It is
possible, for example, that past unemployment, one of the other variables, is correlated with the
unobserved factors in ηi, because these probably include the ability (or lack of ability) to find a
good job, something that ought to be separated from the depreciation in the individual stock of
human capital that the variable is intended to measure.
In the absence of such correlations for all covariates, efficient parameters estimates can
be obtained using the random-effects (RE) procedure. If endogeneity is to be taken into account,
however, the usual approach is to transform the data into deviations from individual means
in order to obtain fixed-effects (FE) estimates. Yet, since our model includes a time-invariant
regressor (education), this would yield no estimate for the effect of education on waves. In this
kind of situation, the HT instrumental variable procedure takes an intermediate approach and
allows estimating the full set of parameters (including those corresponding to time-constant
variables) by assuming that only some of the variables are endogenous, while also providing a
gain in efficiency, since some of the variables are treated as exogenous.
Once the wage equations have been estimated, the usual way to quantify the amount of
gender-based discrimination is to decompose the mean difference in log wages as:

y m − y f = ( x m − x f ) βˆ m + ( z m − z f )γˆ m + x f ( βˆ m − βˆ f ) + z f (γˆ m − γˆ f ) , [2]

where y is the mean of the dependent variable, x and z are vectors containing the means of
the regressors, and are the coefficients previously obtained, and the superscripts m and f
represent the male and female samples, respectively. In this decomposition, originally proposed
by Oaxaca (1973) and Blinder (1973), the€first two
€ terms on the right-hand side of the equation
amount to the part of the difference in observed log wages attributable to differences in mean
characteristics. The last two terms, in turn, represent the wage loss by women because their
characteristics are paid according to the female parameters instead of the male ones. This latter
part is viewed as an estimate of the mean amount of discrimination in the labour market.
This methodology is attractive in its simplicity because it summarizes the information available
in a single figure. Discrimination, however, can be considered to affect women differently across
the labour force, and thus it seems clear that the same average amount can arise from very
288 For the sake of simplicity, will denote the total number of person-year observations in the panel.

872
different realities. Jenkins (1994) suggests using individual information on estimated wages in
order to conduct a distributional analysis of discrimination. To do this, we compute the following
two variables for each female observation in the sample:

( )
yˆit = exp xit′ βˆ f + zi′γˆ f , and
[3]
( )
rˆit = exp xit′ βˆ m + zi′γˆ m .

These are, respectively, the predicted (median) wage for each woman ( yŲit ) and the
predicted amount she would earn if there were no discrimination ( rŲ
it ): the reference wage. These
predictions are in monetary units (1992 pesetas) and not in logarithms289.
Jenkins proposes several ways to summarize the information contained € in the joint
distribution of ŷit and rŲ €
it . These two wages can be compared in order to obtain an absolute

( sˆit = rˆit − yˆit ) or a relative ( dˆ = 100 [ sˆ yˆ ] ) estimate of the amount of discrimination faced
it it it

by each female wage earner. While the former is measured in monetary units, the relative wage
gap is the wage€bonus a woman should receive if she were to be paid according to the male wage
structure (and not the proportional wage loss arising from being paid as a woman290).

3. Data
We use information extracted from the first seven waves of the Spanish section of the ECHP
(INE, 1994–2000). This survey provides information on individual wages, completed education,
and the other variables usually included in the specification of earnings equations. While preparing
the data, we had to eliminate several observations due to lack of response or abnormal values on
any of the variables used and restricted the analysis to wage earners working at least 15 hours
per week291. Added to the loss of individuals because of panel attrition, this yielded complete
information on 5 369 men and 3 264 women who appear at least once in the panel. The total
number of person-year observations is 19 291 and 10 349, respectively. This means that each
man is observed for an average of 3.6 years and each woman for 3.2 (over a maximum of 7).
Several factors affect how many times any given person appears in our data source, but a lower
figure for women could be expected, based on higher labour market intermittency for women.
The explained variable is the natural logarithm of the monthly net wage (measured in
constant 1992 pesetas). As for wage determinants, these can be grouped into human capital
information, job and personal characteristics, and a variable with the regional unemployment
rate. Human capital variables include, as stated, the number of years of completed education,
labour market experience (measured as years passed since the first job was started)292, and two
dummies for workers who received training the previous year, whether employer financed or not.
With regard to job information, we include dummies for public sector and part-time employment.
289 Since wages are assumed to be log-normal, sometimes (see Hansen and Wahlber, 2005), the residual variance
is included in the prediction formula in order to obtain expected (mean) wages. If such an adjustment is not made,
medians are estimated instead, which we consider preferable as a way to study discrimination, given the asymmetry
in wages.
290 This differential can be computed as dˆ 1 + dˆ and can also be viewed as the relative wage loss a man would
experience if paid as a woman.
it (
it )
291 Otherwise, the ECHP does not report information on other variables such as public-private employment or job
seniority.
292 Computing experience this way is problematic, since the variable also includes time spent outside the market.
The survey does not provide information on such interruptions. As a correction, we include a binary indicator for
workers who were inactive or unemployed most of the previous year.

873
The latter is intended to capture the influence of labour supply in wages, which is known to be
lower for women293. Also, job tenure is included as the number of years with the employer up to
10 years and as a dummy for longer jobs. This is done because the information available in the
ECHP is truncated at that point, the duration of the current job being unknown when longer than
10 years. Tenure, while a job characteristic, can also be viewed as an indicator of the stock of
specific human capital accumulated by the wage earner. As for personal information, we include a
variable for those living with a partner (married or not) and dummies for three categories of self-
reported health (good, bad, or very bad). Finally, the regional unemployment rate is computed
as the weighted average of male and female rates in the autonomous communities that make up
each of the seven regions the ECHP considers (NUTS 1). This variable tries to capture the effect
of local labour market conditions and regional variations in wages. Descriptive statistics on these
variables are included in the annex (Table A1).

4. Results
The estimation results corresponding to male and female earnings equations (RE and HT
models) appear in the annex (Table A2) and allow us to analyze ‘discriminating’ wage differentials—
that is, the difference in wages predicted using the two different estimated wage structures. With
these two sets of parameters, we predict two wages for each woman in the sample, thus obtaining
a bivariate distribution with wages expected with ( yˆit ) and without ( rˆit ) discrimination. As
stated in the second section, this bivariate distribution allows us to obtain an absolute ( sˆit ) and
a relative ( dˆit ) estimate of the amount of discrimination faced by each female wage earner.
Table 1 shows some statistics for the distribution of absolute and relative wage differentials,
computed using the results obtained via the RE and HT estimators. We compare these two model
because the only change in the assumptions they make is whether none (some) of the regressors
included is (are) correlated with the individual effect included in the compound error term.
That is, we compare results under the usual assumptions of exogeneity against a model in which
several wage determinants are correlated to individual unobserved characteristics. As a result,
differences in the results can be attributed to the use of a procedure that accounts for such
correlation. With regard to this, our empirical results when comparing the RE and FE estimations
clearly reject the exogeneity of all covariates, something that is assumed in the RE model.
Most prominent in Table 1 is the fact that estimated discrimination seems to be much larger
when comparing men and women with the HT set of parameters versus the RE set, regardless of
the statistic or variable used. Thus average absolute discrimination is estimated at around PTA
25.000 with the RE model, rising up to around PTA 43.000 with the HT model. In relative terms,
the discriminating differential rises from 26% to 35%. The fact that median estimates are lower
than mean ones implies that the distribution of discrimination is, as that of wages, positively
skewed for both models. As a reference, our data show a mean wage differential of about PTA
29.000 in absolute terms. From the viewpoint of decomposition analysis, this suggests that the
RE model explains only a small fraction of the raw gap (around 14%) as a result of differences in
characteristics, whereas the HT model leads to a discriminating average that is greater than the
original. This suggests that the mean set of female characteristics works to the advantage of female
workers, because if they had the same levels of education, work experience, and so forth as men,

293 The ECHP includes information on the weekly number of hours worked, something that is arguably useful
when analyzing gender-wage differentials, given that these are affected by labour supply. However, the information
includes a large proportion of anomalous values, and it is not possible to know how many of those hours are due to
overtime and thus paid at a different wage rate. Thus, we do not use it.

874
their position with respect to their male counterparts would be even worse. Taking into account
the different assumptions made in the two models, the fact that estimated discrimination is
higher when accounting for endogeneity suggests that the effect of unobservable characteristics,
which is reflected as a bias in the RE coefficients, tends to have a positive impact on female
wages relative to male wages. As a result, once the unobservables are accounted for, the resulting
(unbiased) coefficients reflect a greater amount of discrimination against women.

Table 1. Descriptive statistics for discriminating wage differentials

RE HT
Absolute differentials (1992 pts)
Mean 25 249.98 42 645.49
Median 23 700.68 31 741.09
Minimum -1 517.26 2 371.72
Maximum 87 770.05 217 523.60
Standard deviation 12 586.54 32 091.73
Relative differentials (%)
Mean 26.10 35.01
Q1 17.68 29.19
Median 24.57 34.46
Q3 34.01 40.17
Minimum -1.48 13.36
Maximum 63.75 71.42
Standard deviation 11.77 7.90
% with d under 10% 7.01 0.00
% with d between 10% and 30% 58.41 28.79
% with d over 30% 34.58 71.21

Moving the focus away from mean values, the table shows some relevant facts. First, in a
few cases, the RE model leads to negative discrimination (in the sense that women would receive
lower wages if they were paid as men). This only happens for eight observations (about 0.08% of
the whole sample), but illustrates the possibility that, even when some average discrimination
is estimated, part of the sample suffers no discrimination at all. A first look at the distribution
of discrimination can be obtained from the quartiles of the relative differentials. The RE model
predicts that one-quarter of the sample is discriminated against no more than 17.68% (29.19%
for the HT model). For the 25% of women experiencing the most discrimination, the HT model
predicts it to be 40.17% or even higher. As for standard deviations, the data show that the
distribution is somewhat more homogeneous for the HT model if measured in relative terms. This
suggests that higher average wage differentials in the HT model are likely associated with higher
predicted wages.
In a recent paper, De la Rica, et al. (2008) analyse how discrimination affects women along
the wage structure. They show that Spanish ECHP data for 1999 apparently do not support the
contention that discrimination is higher among women with higher wages (the “glass ceiling”
hypothesis). They find, however, that the theory is valid for women with higher education,
whereas the relationship between wages and discrimination is negative for female workers with
primary or secondary education. They develop a model of statistical discrimination to explain this
behaviour, arguing that low employment rates for women without a university degree (especially
when compared to men) induce employers to assign them a higher risk of quitting their job
and, thus, a lower wage. This theory of “sticky floors” is then successfully tested against the

875
data using a series of quantile regressions. Although there are deep methodological differences
between their work and ours, especially with respect to the econometric models used to estimate
a bivariate distribution of discriminating wages and their counterfactuals, it is interesting to
explore the extent to which our results are similar to theirs, keeping in mind the limitations
of such a comparison. Information homologous to that presented by De la Rica et al. is shown
in Tables 2 and 3 (RE and HT models, respectively). These provide the mean of the estimated
relative discrimination in the four segments of the wage distribution ( yˆit ), delimited by its
quartiles for the whole sample and the subsamples of female wage earners with and without
higher education294.

Table 2. Relative differentials (means) between quartiles of the female wage distribution
(university vs. no university). RE Model
Range All No university University
Minimum to Q1 29.48 30.14 17.13
Q1 to median 29.71 29.93 17.15
Median to Q3 25.11 30.41 18.68
Q3 to maximum 20.09 27.35 20.16

For the RE model, the trend is similar to that described by De la Rica et al., with
decreasing discrimination for female wage earners as a whole (first column in Table 2). Average
discrimination peaks at 30% for the lowest-paid quarter of the sample and falls to 20% for the
highest-earning quarter. The same relationship, although much weaker, is observed for workers
without any university education, while university graduates face higher discrimination as their
wage prospects improve (20% for those with the highest wages versus 17% for those with the
lowest).

Table 3. Relative differentials (means) between quartiles of the female wage distribution
(university vs. no university). HT Model
Range All No university University
Minimum to Q1 28.16 27.33 33.47
Q1 to median 33.47 32.18 36.67
Median to Q3 36.40 33.89 41.09
Q3 to maximum 42.01 38.88 46.93

In sharp contrast, the HT model results show an overall similar evolution of discriminating
wage differentials along the wage distribution, irrespective of the educational level of the worker.
The three columns in Table 3 show how discrimination grows by about half when switching from
the lowest-paid quarter of the sample to the best-paid quarter. The only noticeable difference is
that discrimination is always greater for women with higher education. Two conclusions can be
drawn from comparing the results of both models. First, the HT model again seems to be more in
line with the idea that, as a woman moves up in the wage distribution, the more discrimination
294 The wage scale used to obtain the quartiles is that of the corresponding set of observations in each case (the
whole sample or the subsample in question). Thus the means of dˆit are not necessarily computed with the same ob-
servations for the whole sample as for the subsample of highly educated women. This means that the average for all
women is not a weighted average of the average of university graduates and the rest of workers. In fact, the overall
mean can be outside the range delimited by the latter two.

876
she faces. Second, both models predict comparable amounts of discrimination for women with
primary or secondary education (a little over 30%), but the HT model predicts much worse
discrimination for women who have attended university: in the HT model these women face
discrimination that is about double that predicted in the RE model. It seems plausible that this
change is due, at least in part, to the change in the coefficient of the schooling variable used in
the wage equations (Table A2) following estimation by the HT procedure. While this coefficient is
higher for women in the RE model, thus allowing for less discrimination as education (and wages)
increases, the effect of education is higher for men in the HT model, thus increasing the gap
between yˆit and rˆit for female workers with more years of completed education.
Finally, the econometric framework used in this paper also allows us to analyze more
deeply the associations between wage discrimination and educational attainment. An intuitive
approach is to use the information on dˆit in order to identify those groups of female workers
facing less (or more) discrimination depending on their highest level of completed education.
Table 4 presents mean values of relative discrimination for those groups for both specifications
(RE and HT). Additionally, the last (third) column shows the proportion of individuals in each
group for the total female sample. It must be noted however, that since the discrimination
estimates used to construct this table are computed using actual information on each individual
for every variable, the effect of the degrees considered can be mixed with that of other correlated
variables.

Table 4. Estimated discriminating wave differentials (%) for women according to educational
level.

Viewing the information on Table 4, it becomes clear that wage differentials behave quite
differently for the two models. The RE model shows a sharp decrease in discrimination as education
grows. The wage gain that women would receive if they were paid as men decreases from 37% for
those with primary education to about half (17%) for those with long university degrees. The HT
model shows the opposite trend, although less pronounced: the differential increases from 33%
to 40% for the same two groups. In any case, both models place workers with a university degree
at a separate level, either well below the average discrimination (as in the RE model) or above it
(the HT model). Discrimination among wage earners with secondary education is relatively stable,
irrespective of the exact level (for example, vocational or not).

877
5. Conclusions
Throughout this paper, we have undertaken an empirical analysis of wage discrimination
against women in the Spanish labour market using data from the first seven waves of the Spanish
section of the European Community Household Panel (INE, 1994–2000). We depart from the approach
taken in previous research for this context in two ways, in particular concerning the estimation
of wage equations and how these are then used to estimate the degree of discrimination in the
market. First, we have consistently and efficiently estimated the necessary earnings equations
using the procedure proposed by Hausman and Taylor (1981) for use with panel data when some
of the regressors are time-constant, as education, and some are potentially endogenous. Second,
and following the methodology suggested by Jenkins (1994), we have used those estimates to
estimate a bivariate distribution of wages with and without discrimination, using the male and
female set of parameters, respectively. This provides information on the degree of discrimination
faced by each of the female wage earners in the sample and thus makes it possible to take a closer
look at the subject.
The results of the analysis have been presented and compared for the RE and HT models,
because both share the compound structure of the random disturbance and differ only in the
assumptions made on the exogeneity/endogeneity of the wage determinants. Results are quite
different according to each model. Both in absolute and relative terms, the RE model finds
average discriminating differentials that are slightly narrower than the raw difference in wages
between men and women, something common in the literature for the Spanish case when using
comparable methodologies. This means that almost all of the observed difference in wages is
due to the fact that the same characteristics (such as education and experience) are valued
by the market differently for women than for men. However, the HT model’s estimated mean
discrimination is higher than the observed raw gender gap. This suggests that, if women and men
were equally endowed with respect to wage determinants, the wage gap between both groups
would be higher than that actually observed.
A closer look at the results provides some interesting additional information on the
distribution of discrimination across our sample of female workers. A descriptive analysis shows
that there is considerable variation in the degree of discrimination that women face, irrespective
of the estimation procedure. The distribution of discriminating wage differentials across the wage
scale shows that the HT model predicts higher average discrimination because those differentials
are notably wide for women with higher wages, whereas for women on the left side of the wage
distribution both models lead to similar results. Finally, we have analyzed the degree to which
discrimination varies depending on completed education. The HT model shows that the relative
position of women worsens with higher educational achievement. Thus, it seems that as wage
prospects improve for women, they are also subject to higher levels of discrimination.

References
Altonji, Joseph G., and M. Blank Rebecca (1999): “Race and Gender in the Labor Market”, in O.
Ashenfelter and D. Card (eds.). Handbook of Labor Economics, Vol. 3C. Elsevier, Amsterdam, The
Netherlands.

Becker, Gary S. (1964): Human Capital: A Theoretical and Empirical Analysis, with Special Reference
to Education. The University of Chicago Press, Chicago and London. 3rd edition, 1993.

Blinder, Alan S. (1973): “Wage Discrimination: Reduced Forms and Structural Estimates”. Journal

878
of Human Resources, 8(4), pp. 436–455.
Cain, Glenn G. (1986): “The Economic Analysis of Labor Market Discrimination: A Survey”, in
O. Ashenfelter and R. Layard (eds.). Handbook of Labor Economics. Elsevier, Amsterdam, The
Netherlands.

Card, David (2000): “Estimating the Return to Schooling: Progress on Some Persistent Econometric
Problems”. Working Paper 7769, National Bureau of Economic Research, Cambridge, Mass.

De la Rica, Sara, Juan J. Dolado, and Vanesa Llorens (2008): “Ceilings or Floors?: Gender Wage
Gaps by Education in Spain”. Journal of Population Economics, forthcoming.

De la Rica, Sara, and Arantza Ugidos (1995): “¿Son las diferencias en capital humano determinantes
de las diferencias salariales observadas entre hombres y mujeres?”. Investigaciones Económicas,
19(3), pp. 395–414.

García, Jaume, Pedro J. Hernández, and Ángel López (2001), “How Wide Is the Gap? An Investigation
of Gender Wage Differentials using Quantile Regression”. Empirical Economics, 26(1), pp. 149–
167.

Griliches, Zvi (1977): “Estimating the Returns to Schooling: Some Econometric Problems”.
Econometrica, 45(1), pp. 1–22.

Hansen, Jörgen y Roger Wahlberg (2005): “Endogenous schooling and the distribution of the
gender wage gap”. Empirical Economics, 30(1), pp. 1-22.

Hausman, Jerry A. (1978): “Specification Tests in Econometrics.” Econometrica, 46(6), pp. 1251–
1272.

Hausman, Jerry A., and William E. Taylor (1981): “Panel Data and Unobservable Individual Effects”.
Econometrica, 49(6), pp. 1377–1399.

Heckman, James J. (1979): “Sample Selection Bias as a Specification Error”. Econometrica 47(1),
pp. 153–162.

Jenkins, Stephen P. (1994): “Earnings Discrimination Measurement: A Distributional Approach”.

Journal of Econometrics, 61(1), pp. 81–102.

Mincer, Jacob (1974): Schooling, Experience and Earnings. National Bureau of Economic Research
and Columbia University Press, New York.

Oaxaca, Ronald (1973): “Male-Female Wage Differentials in Urban Labour Markets”. International
Economic Review, 14(3), pp. 693–709.

Rueda, Mario F. (2010): Discriminación salarial por razón de género y capital humano: Un análisis
con datos de panel. Civitas, Pamplona.

879
Appendix

Table A1. Descriptive statistics for variables used in the estimations

All Men Women

Variable Mean Std. Dev. Mean Std. Dev. Mean Std. Dev.
Log wagesa 11.6437 0.5125 11.7299 0.4797 11.4830 0.5327
Human capital
Education (years) 9.6602 3.9895 9.1413 3.8756 10.6275 4.0186
Experience 18.6299 12.4882 20.2299 12.7463 15.6475 11.4089
Experience sq. 503.02 565.16 571.71 601.02 374.99 465.05
Labour market training
Firm-financed 0.0929 0.2904 0.0876 0.2827 0.1029 0.3039
Self-financed 0.0378 0.1908 0.0301 0.1709 0.0522 0.2224
No work previous year 0.1284 0.3345 0.1093 0.3120 0.1641 0.3704
Job characteristics
Public sector 0.2567 0.4368 0.2262 0.4184 0.3138 0.4640
Part-time 0.0600 0.2375 0.0217 0.1458 0.1314 0.3379
Tenure < 10 years
Tenure 1.7221 2.4858 1.6334 2.4519 1.8874 2.5398
Tenure sq. 9.1448 18.7573 8.6794 18.4647 10.0121 19.2617
Tenure ≥ 10 years 0.3731 0.4836 0.4033 0.4906 0.3167 0.4652
Personal characteristics
Good health 0.2318 0.4220 0.2291 0.4202 0.2368 0.4252
Bad health 0.1632 0.3695 0.1633 0.3697 0.1629 0.3693
Married / with partner 0.6563 0.4749 0.7009 0.4579 0.5733 0.4946
Unemployment rate 19.5742 5.6060 19.7893 5.6248 19.1732 5.5489
N 8 633 5 369 3 264
NT 29 640 19 291 10 349

a. Natural log of net monthly wages in constant 1992 pesetas.

880
Table A2. Estimation results from earnings equationsa
Men Women
RE HT b
RE HTb
Variable Coef. Std. Err. Coef. Std. Err. Coef. Std. Err. Coef. Std. Err.
Education (years) 0.0604 *** 0.0012 0.1296 *** 0.0070 0.0648 *** 0.0015 0.1194 *** 0.0134
Experience 0.0276 *** 0.0010 0.0422 *** 0.0017 0.0202 *** 0.0013 0.0395 *** 0.0024
Experience sq. -0.0004 *** 0.0000 -0.0005 *** 0.0000 -0.0003 *** 0.0000 - *** 0.0000
0.0005
Public sector 0.0089 0.0075 -0.0075 0.0095 0.1204 *** 0.0093 0.0458 *** 0.0103
Part time -0.3861 *** 0.0129 -0.3369 *** 0.0142 -0.3873 *** 0.0086 - *** 0.0084
0.3159
No work previous year -0.1009 *** 0.0067 -0.0835 *** 0.0071 -0.0960 *** 0.0083 - *** 0.0077
0.0862
Labour market training
Firm-financed 0.0300 *** 0.0060 0.0161 *** 0.0061 0.0190 ** 0.0075 0.0095 0.0066
Self-financed -0.0022 0.0095 -0.0006 0.0097 0.0030 0.0099 0.0080 0.0087
Tenure
Tenure 0.0192 *** 0.0032 0.0145 *** 0.0033 0.0266 *** 0.0044 0.0206 *** 0.0040
Tenure sq. -0.0011 *** 0.0004 -0.0014 *** 0.0004 -0.0013 *** 0.0005 - *** 0.0004
0.0021
Over 10 years 0.1261 *** 0.0090 0.0262 ** 0.0108 0.1750 *** 0.0132 0.0145 0.0145
(dummy)
Health
Very good 0.0038 0.0040 0.0037 0.0040 0.0048
0.0055 0.0004 0.0048
Normal or bad -0.0120 ** 0.0049 -0.0061 0.0050 -0.0186 *** 0.0068 - *** 0.0061
0.0179
Unemployment rate -0.0096 *** 0.0004 -0.0064 *** 0.0005 -0.0079 *** 0.0006 - *** 0.0009
0.0048
Married or with a 0.0855 *** 0.0078 0.0400 *** 0.0092 0.0278 *** 0.0084 0.0122 0.0094
partner
Intercept 10.8839 *** 0.0192 10.0630 *** 0.0735 10.6445 *** 0.0250 9.8925 *** 0.1496
N 5 369 5 369 3 264 3 264
NT 19 291 19 291 10 349 10 349
R2 0.5277 0.4625 0.6349 0.5505
σu 0.27872 0.38638 0.2721 0.9397
σe 0.18521 0.18516 0.1803 0.1802
ρ 0.69369 0.81324 0.6949 0.9645
χ2c 475.09 5.57 553.48 3.27
(degrees of freedom) 14 6 14 6

a: The reference is a worker with no labour market training, single, in good health, and working
full time in the private sector.
b: Although it is possible to compute the R2, this is not bound between 0 and 1 for IV models
and is thus not shown.
c: Test statistic for the Hausman test (1978). For RE estimates, it is a test of exogeneity of all
covariates. Degrees of freedom of the statistic under the null of no endogeneity appear on the
row below.
***: 1% significant, **: 5%, *: 10%.

881
2. Educación, participación en el mercado de trabajo y bienestar subjetivo:
Estudio desde una perspectiva de género

Mª del Mar Salinas Jiménez, Universidad de Extremadura

Joaquín Artes Caselles, Universidad Complutense de Madrid
Javier Salinas Jiménez, Universidad Complutense de Madrid

882
Educación, participación en el mercado de trabajo y bienestar subjetivo:
Estudio desde una perspectiva de género*

Mª del Mar Salinas Jiménez, Universidad de Extremadura

Joaquín Artes Caselles, Universidad Complutense de Madrid
Javier Salinas Jiménez, Universidad Complutense de Madrid

Resumen
El principal objetivo de este trabajo consiste en analizar si la educación incide en el bienestar
subjetivo una vez descontados sus efectos sobre la salud, la renta, la participación en el mercado
laboral o el estatus profesional, estudiando si existen diferencias de género en esta relación. De
esta forma se pretende estudiar si la educación incide en el bienestar de hombres y mujeres de
manera diferenciada, centrándonos también en cómo distintas variables ocupacionales pueden
mediar en esa relación y en las diferencias de género existentes en bienestar. Así, teniendo
en cuenta que la relación entre educación y bienestar subjetivo puede manifestarse de forma
indirecta a través de distintas variables ocupacionales, en este estudio trataremos de controlar el
efecto de variables como la participación o no en el mercado de trabajo, el tipo de jornada laboral,
o las diferencias en los puestos de trabajo ocupados, a la hora de analizar las diferencias de género
en bienestar y su relación con la educación. Finalmente controlamos también por el hecho de que
los individuos sean o no el sustentador principal en su hogar, encontrando que las diferencias
de género en bienestar tienden a desaparecer cuando consideramos esta variable. Por su parte,
los resultados encontrados con relación a la educación sugieren que esta presenta tanto efectos
directos como indirectos sobre el bienestar de las mujeres mientras que, en el caso de los hombres,
los efectos de la educación sobre su bienestar se manifiestan únicamente de forma indirecta a
través de las oportunidades laborales y de estatus profesional que ofrece la educación.

Palabras clave: Educación; Participación laboral; Bienestar subjetivo; Diferencias de género.

1. Introducción
El estudio del bienestar subjetivo ha conocido una creciente atención por parte de la
profesión económica en las últimas décadas. Sin embargo, los estudios empíricos que analizan
los efectos de la educación sobre el bienestar subjetivo son aún escasos, probablemente porque
estos efectos no suelen manifestarse de forma directa sino indirectamente a través de variables
como la salud, la participación laboral, las condiciones de empleo y, en particular, a través de
la renta. La mayor parte de estos estudios encuentra una correlación positiva entre educación y
bienestar subjetivo (Argyle, 1999), si bien cuando se controla por renta y estatus ocupacional,
el efecto de la educación se reduce (Sandvik et al., 1993), tiende a desaparecer (Argyle, 1999) o
incluso se vuelve negativo (Clark y Oswald, 1996). De esta forma, la evidencia empírica sugiere
que la correlación positiva entre educación y bienestar subjetivo opera, al menos en parte, de
forma indirecta a través de variables como la salud, la renta, la participación laboral o el estatus
social (Hartog y Oosterbeek, 1998; Heliwell, 2003). Con relación a estas variables, existe un
amplio consenso en que la salud y la renta inciden positivamente en el bienestar subjetivo
mientras que el hecho de estar desempleado incide de forma negativa. Sin embargo, no existe
el mismo consenso con relación a otras variables ocupacionales como son la participación o no
* Los autores agradecen la financiación recibida por el Ministerio de Ciencia e Innovación a través de los Proyectos
de Investigación ECO2009-13864-C03-01 y ECO2009-13864-C03-02.

883
en el mercado laboral, el tipo de jornada, o la importancia del estatus ocupacional, variables
que además parecen incidir en el bienestar de hombres y mujeres de forma diferenciada. En este
sentido, si la educación incide en el bienestar subjetivo a través de esas variables cabría esperar
que su incidencia en el bienestar sea también distinta en función del sexo de los individuos.
En este contexto, el principal objetivo de este trabajo consiste en analizar si la educación
incide en el bienestar individual una vez descontados sus efectos sobre la salud, la renta, la
participación en el mercado laboral o el estatus ocupacional, estudiando si existen diferencias
de género en esta relación. En primer lugar pretendemos estudiar si la educación incide en el
bienestar de hombres y mujeres de manera diferenciada, centrándonos a continuación en cómo
distintas variables ocupacionales pueden mediar en esa relación y en las diferencias de género en
bienestar. Así, teniendo en cuenta que la relación entre educación y bienestar subjetivo puede
manifestarse de forma indirecta a través de distintas variables ocupacionales, en este estudio
trataremos de controlar el efecto de variables como la participación o no en el mercado de trabajo,
el tipo de jornada laboral o las diferencias en los puestos de trabajo ocupados a la hora de analizar
las diferencias de género observadas en la relación entre educación y bienestar subjetivo.
La estructura del trabajo es como sigue. En la sección 2 se presenta una breve revisión
de la literatura que estudia las diferencias de género en bienestar subjetivo, centrándonos
principalmente en aquellas variables ocupacionales que parecen incidir en el bienestar de forma
diferente para hombres y mujeres. La sección 3 desarrolla el análisis empírico, presentando los
datos utilizados en este estudio, la metodología, y los resultados obtenidos. Por último, en la
sección 4 se discuten los principales resultados y conclusiones de este estudio.

2. Diferencias de género en la relación entre participación en el mercado de trabajo y

bienestar subjetivo
Entre los trabajos que se centran en las diferencias de bienestar percibido entre hombres y
mujeres encontramos el reciente estudio de Stevenson y Wolfers (2009), que analiza la evolución
del bienestar subjetivo de las mujeres, y de las diferencias entre el bienestar masculino y femenino,
a lo largo de las últimas décadas en los Estados Unidos. Como observan estos autores, a pesar de
los progresos alcanzados por las mujeres en los últimos treinta y cinco años (e.g. mayores niveles
educativos, reducción parcial de las diferencias salariales entre géneros, mayor control sobre la
fertilidad, progresos tecnológicos en el ámbito doméstico, etc.), el bienestar subjetivo de las
mujeres parece haber disminuido tanto en términos absolutos como en comparación con el de
los hombres a lo largo de estos años. Así, aunque la satisfacción declarada por las mujeres a lo
largo de ese periodo tiende a ser superior que la de los hombres, se observa una disminución del
bienestar percibido por las mujeres americanas en términos absolutos y también una reducción de
las diferencias entre hombres y mujeres en términos de bienestar. Entre las posibles explicaciones
de estos resultados, Stevenson y Wolfers sugieren que la vida de las mujeres resulta ahora más
compleja, al tener más responsabilidades en un mayor número de ámbitos, y que las aspiraciones
de las mujeres pueden haberse incrementado en estos años en mayor medida que sus oportunidades
reales, lo que les llevaría a percibir unos menores niveles de satisfacción.
Centrándonos en el ámbito laboral, en el estudio de Boye (2009) se analiza la relación entre
trabajo remunerado y trabajo en las tareas del hogar y las diferencias en bienestar entre hombres
y mujeres para una muestra de veinticinco países europeos, encontrando que el bienestar de las
mujeres tiende a aumentar a medida que aumenta el número de horas de trabajo remunerado
mientras que las horas dedicadas a las tareas del hogar están inversamente relacionadas con su
bienestar. Los resultados de este estudio sugieren también que las diferencias de género en el

884
tiempo dedicado al trabajo remunerado y no remunerado permiten explicar una tercera parte de
las diferencias en bienestar entre hombres y mujeres.
Sin embargo, aunque la participación en el mercado laboral parece estar directamente
relacionada con el bienestar individual de hombres y mujeres, no está claro que el aumento del
número de horas de trabajo incida siempre de forma positiva en el bienestar individual ni que
lo haga de igual forma para hombres y mujeres. En este sentido se señala la posibilidad de que
exista una asociación positiva entre horas de trabajo y bienestar, pero que esta relación no sea
lineal. Así, aunque el trabajo a tiempo parcial puede resultar satisfactorio para los individuos, al
ofrecerles unas posibilidades de trabajo más flexible y un marco para desarrollar su autoestima y
relaciones sociales (Frey y Stutzer, 2002; Clark, 2003; Carrol, 2007), en muchos casos podría resultar
insatisfactorio por presentar un carácter más temporal y ofrecer unas menores posibilidades de
desarrollo profesional (Russo y Hassink, 2005; Chalmers y Hill, 2007; Connolly y Gregory, 2008).
Entre los resultados obtenidos, el trabajo de Booth y Van Ours (2009) indica que las mujeres
que trabajan a tiempo parcial están más satisfechas que aquellas que lo hacen a tiempo completo,
mientras que la satisfacción de los hombres aumenta cuando trabajan a tiempo completo. También
parecen existir también diferencias de género en las preferencias de hombres y mujeres entre la
carrera profesional y el tiempo dedicado a la familia. En este sentido, el trabajo de Trzcinski y
Holst (2010) sugiere que para los hombres existe una clara jerarquía en términos de cómo la
posición alcanzada en el mercado laboral influye sobre su bienestar subjetivo. De esta forma,
los hombres desempleados serían los menos satisfechos, seguidos de aquellos que no participan
en el mercado laboral, mientras que los hombres que ocupan puestos de dirección o mayor
responsabilidad son los que manifiestan un mayor nivel de satisfacción con su vida. Por su parte,
las mujeres desempleadas son también las que muestran menores niveles de satisfacción, si bien
no se encuentran diferencias estadísticamente significativas en términos de bienestar percibido
entre las mujeres que ocupan puestos directivos, aquellas que ocupan puestos no directivos y las
que se dedican a las tareas del hogar y no participan por tanto en el mercado laboral. Trzcinski y
Holst explican estas diferencias de género en base a los costes necesarios para alcanzar puestos de
mayor responsabilidad, en términos tanto de mayor inversión en educación como de dedicación
de un mayor número de horas de trabajo, y al hecho de que los costes de oportunidad pueden ser
mayores para las mujeres si éstas deben renunciar o reducir el tiempo dedicado a la familia. Se
destaca así como los costes psicológicos y sociales pueden ser diferentes cuando los individuos se
apartan de los roles tradicionalmente asignados, ya sea en el caso de hombres que se dedican a
las tareas del hogar o de mujeres que ocupan puestos de mayor responsabilidad y dedicación en
el mercado laboral, lo que podría interferir con su rol tradicional de mayor dedicación a la familia
(Slotkin, 2008).

3. Análisis empírico
3.1 Datos
Los datos utilizados en el estudio empírico proceden del World Values Survey (WVS) en su
última oleada disponible (iniciada en 2004-2005) y la muestra utilizada se refiere a más de 50 países
y comprende cerca de 70.000 observaciones. La base de datos del WVS proporciona información,
entre otros indicadores, sobre distintas medidas de bienestar subjetivo, como son la felicidad, la
satisfacción con la vida en general y la satisfacción con la situación financiera, y sobre variables
económicas, demográficas y sociales referidas a la renta, el empleo, la edad, el género, el estado
civil, la religión, la educación o la salud. La variable empleada en nuestro análisis para aproximar
el bienestar subjetivo es la de ‘satisfacción con la vida’ y la pregunta que se plantea para evaluarla

885
en el WVS es la siguiente: “En general, ¿hasta qué punto está Vd. satisfecho o insatisfecho con su
vida actualmente?”, con respuestas que van desde 1, que significa “completamente insatisfecho”
a 10, que significa “totalmente satisfecho”.
Respecto a la renta, el WVS proporciona información sobre la posición relativa de los
individuos en la distribución de renta de su país. En este estudio agrupamos la variable de renta,
que originalmente viene expresada en decilas, en tres categorías correspondientes a rentas bajas,
medias, y altas (el grupo de rentas bajas comprende las decilas 1 a 3; el de rentas medias las
decilas 4 a 7 y el de rentas altas agrupa las restantes decilas superiores). También se controla por
otras variables, como la edad de los individuos, su estado civil (casados o viviendo en pareja),
si son religiosos o no, hombre o mujer, cuál es su nivel educativo y su salud subjetiva. Por su
parte, con relación a las variables ocupacionales se considera en primer lugar si los individuos
están o no desempleados y después se extiende el análisis para considerar una mayor variedad de
situaciones, considerando si los individuos trabajan a tiempo completo o parcial, son trabajadores
autónomos, pensionistas, están dedicados a las tareas del hogar, son estudiantes o están en
situación de desempleo. Por último, se introducen en el análisis variables referidas al estatus
ocupacional en función de que los individuos desempeñen puestos de mayor responsabilidad,
autonomía, con tareas de supervisión o se dediquen a profesiones liberales, o bien sean individuos
que desempeñan puestos sin tareas de supervisión o trabajos de baja o media cualificación.

3.2 Marco empírico

Dado el carácter ordinal de la variable dependiente (i.e. el bienestar subjetivo), en
este estudio se estiman modelos probit ordenados. El análisis empírico se basa en distintas
especificaciones de la siguiente ecuación:

WBi* = α + ∑ β n X n ,i + ε i (1)
n

donde i se refiere al individuo; WB* es una medida de bienestar, Xn es un conjunto de variables

explicativas, como la renta y otras características socio-demográficas e individuales, βn son
parámetros a estimar y εi es un término aleatorio de error. WB* no es observable, pero podemos
observar las respuestas de los individuos dan ante las preguntas sobre su bienestar, WB. Los
individuos ofrecerán la respuesta WB más cercana a su variable latente de bienestar, WB*. Por lo
tanto tenemos:
WB=0 if WB* ≤ 0,
WB=1 if 0 < WB* ≤ c1
WB=2 if c1 < WB* ≤ c2
M
WB=J if c J-1 < WB*

(2)
donde ci son los parámetros a estimar. Si asumimos que e se distribuye normalmente entonces las
probabilidades de que un individuo declare un nivel dado de bienestar serían:
Prob (WB= 0|X) =Φ(-X'β ),
Prob (WB = 1|X) =Φ (c1 -X'β )-Φ (-X'β )
Prob (WB = 2|X) =Φ(c 2 -X'β )-Φ(c1 -X'β )
M
Prob (WB = J|X) =1-Φ (c J-1 -X'β ) (3)

886
y a partir de estas probabilidades se puede derivar la función de máxima verosimilitud, obteniendo
entonces los parámetros de interés por maximización de esta función.
En este estudio se estiman varias especificaciones de este modelo, partiendo de una primera
especificación básica en la que se analiza si la educación incide en el bienestar de hombres y
mujeres de manera diferenciada una vez que se controla por distintas variables habituales en la
literatura sobre felicidad (e.g. renta, salud, estado civil, religión, edad…). Posteriormente esta
especificación básica se ampliará con el objetivo de analizar si algunas variables ocupacionales
pueden mediar en esa relación y si los efectos de estas variables sobre el bienestar subjetivo
difieren entre hombres y mujeres. En concreto se introducen en el análisis variables referidas a
la situación laboral de los individuos (e.g. ocupados a tiempo completo o parcial, trabajadores
autónomos, pensionistas, trabajo no remunerado en el hogar, estudiantes, desempleados…),
al estatus ocupacional (e.g. puestos de mayor independecia, autonomía o supervisión frente a
trabajos con menor autonomía y realizados bajo supervisión), y al hecho de que el individuo sea
o no el sustentador principal en su hogar. Por último, el análisis se cierra estudiando los efectos
de las variables ocupacionales relativas a la situación laboral y al estatus de forma diferenciada
en función de que los individuos sean o no el sustentador principal en su hogar.

3.3 Resultados
En la tabla 1 se presentan las estimaciones correspondientes a una especificación básica en
la que se incluyen, además de la educación, distintas variables socio-demográficas habituales en
los estudios de felicidad, como son la renta, la salud, si el individuo es o no religioso, su estado
civil, edad, y si el individuo está o no en situación de desempleo. Las estimaciones se realizan
tanto para el conjunto de la muestra, incluyendo en este caso una variable dummy referida al sexo
del individuo, como de forma diferenciada para hombres y mujeres.
Las distintas variables introducidas en el análisis resultan significativas y muestran el
signo esperado, obteniendo resultados acordes con los alcanzados en la literatura empírica sobre
felicidad295. Encontramos así una correlación positiva entre la renta y el bienestar subjetivo, con
mayores niveles de satisfacción a medida que nos movemos del grupo más bajo de renta al grupo
de rentas más altas296. La salud está también positivamente correlacionada con el bienestar,
así como el hecho de ser religioso o estar casado, y la satisfacción con la vida muestra una
relación en forma de U con la edad. Por su parte, los hombres tienden a declarar una menor
satisfacción que las mujeres, y la educación parece tener un efecto positivo sobre el bienestar
subjetivo independientemente del sexo de los individuos, si bien en el caso de las mujeres los
coeficientes estimados para las variables de educación tienden a ser ligeramente superiores que
en el caso de los hombres. Cuando en el análisis se introduce también el desempleo se observa
que el hecho de estar desempleado presenta un impacto negativo sobre el bienestar, siendo
esto así una vez que controlamos por la variable de renta, por lo que el efecto negativo de estar
desempleado parece estar relacionado con factores no monetarios asociados al desempleo297. En
cualquier caso, los resultados obtenidos para las demás variables no varían significativamente
(únicamente la educación secundaria en el caso de los hombres ve reducirse ligeramente su nivel
de significatividad) y son robustos a la introducción de esta variable en el análisis.
295 Una revisión reciente sobre las distintas variables que inciden en el bienestar subjetivo puede encontrarse en
Dolan et al. (2008).
296 Clark et al. (2008) ofrecen una completa revisión de la literatura económica que estudia la relación entre la
renta y el bienestar subjetivo.
297 Distintos trabajos señalan este impacto negativo del desempleo (Clark y Oswald, 1994; Di Tella et al. 2001; Clark,
2003; Winkelmann, 2009). Un buen resumen de la literatura psicológica sobre los efectos negativos del desempleo
sobre el bienestar subjetivo puede encontrarse en Feather (1990).

887
Tabla 1. Determinantes de la satisfacción con la vida (especificación básica)
Todos Mujeres Hombres Todos Mujeres Hombres

Sexo (hombre) -0.0521*** -0.0490***

[0.0080] [0.0080]
Renta media 0.2965*** 0.3045*** 0.2874*** 0.2881*** 0.2989*** 0.2757***
[0.0099] [0.0136] [0.0144] [0.0099] [0.0136] [0.0145]
Renta alta 0.4202*** 0.4068*** 0.4333*** 0.4125*** 0.4024*** 0.4223***
[0.0130] [0.0179] [0.0191] [0.0130] [0.0179] [0.0191]
Salud (regular) 0.4830*** 0.4865*** 0.4788*** 0.4814*** 0.4842*** 0.4777***
[0.0174] [0.0229] [0.0266] [0.0174] [0.0229] [0.0267]
Salud (buena) 0.8334*** 0.8188*** 0.8487*** 0.8300*** 0.8156*** 0.8445***
[0.0172] [0.0229] [0.0262] [0.0172] [0.0230] [0.0262]
Salud (muy buena) 1.2241*** 1.2303*** 1.2196*** 1.2194*** 1.2268*** 1.2134***
[0.0188] [0.0254] [0.0281] [0.0188] [0.0255] [0.0281]
Religioso 0.1149*** 0.1056*** 0.1264*** 0.1140*** 0.1038*** 0.1264***
[0.0096] [0.0138] [0.0135] [0.0096] [0.0139] [0.0135]
Casado 0.1630*** 0.1595*** 0.1620*** 0.1537*** 0.1521*** 0.1495***
[0.0093] [0.0125] [0.0145] [0.0093] [0.0125] [0.0145]
Edad -0.0171*** -0.0178*** -0.0160*** -0.0175*** -0.0182*** -0.0161***
[0.0014] [0.0019] [0.0020] [0.0014] [0.0019] [0.0020]
Edad^2 0.0002*** 0.0002*** 0.0002*** 0.0002*** 0.0002*** 0.0002***
[0.0000] [0.0000] [0.0000] [0.0000] [0.0000] [0.0000]
Educación secundaria 0.0399*** 0.0526*** 0.0291** 0.0381*** 0.0528*** 0.0246*
[0.0098] [0.0137] [0.0142] [0.0098] [0.0137] [0.0142]
Educación superior 0.0697*** 0.0788*** 0.0644*** 0.0626*** 0.0740*** 0.0541***
[0.0133] [0.0191] [0.0186] [0.0133] [0.0192] [0.0186]
Desempleado -0.1726*** -0.1684*** -0.1736***
[0.0140] [0.0204] [0.0195]
Observaciones 68012 35499 32513 68012 35499 32513

Error estándar entre corchetes. * significativo al 10%; ** al 5%; *** al 1%.

A continuación ampliamos el análisis con el objetivo estudiar cómo distintas situaciones

laborales inciden en el bienestar subjetivo y si lo hacen de forma diferenciada para hombres y
mujeres. En concreto, además de considerar si un individuo está o no en situación de desempleo,
consideramos si está empleado a tiempo completo (que es la categoría que tomamos como
referencia), a tiempo parcial, si es trabajador autónomo, jubilado, se dedica a las tareas del hogar
o es estudiante. Asimismo se introduce una variable adicional referida al estatus ocupacional en
función de que el individuo trabaje o no en puestos de mayor autonomía, responsabilidad y/o con
tareas de supervisión. Estas estimaciones se presentan en la tabla 2.
Los resultados obtenidos para variables como la renta, la salud, el estado civil, el hecho de ser
o no religioso, o la edad, apenas varían, lo que indica que las estimaciones realizadas son robustas
a distintas especificaciones. Por su parte, la educación continúa positivamente correlacionada con
el bienestar subjetivo para el conjunto de la muestra y para la submuestra de las mujeres, si bien
en el caso de los hombres la educación secundaria deja de ser significativa cuando se introducen
las variables referidas a las distintas situaciones laborales y la educación superior deja de serlo
al introducir la variable de estatus. Estos resultados sugieren que en el caso de los hombres los

888
efectos de la educación sobre el bienestar subjetivo se manifiestan principalmente a través de
las posibilidades de empleo y estatus ocupacional que les ofrece alcanzar un nivel de educación
secundaria o superior, si bien una vez que descontamos los efectos de la ocupación y el estatus,
la educación per se parece no presentar ningún efecto sobre el bienestar subjetivo de los hombres.
Este resultado contrasta con el de las mujeres, para quienes la educación continúa mostrando una
correlación muy significativa con el bienestar subjetivo incluso una vez controlados los efectos de
distintas situaciones laborales y del estatus ocupacional.

Tabla 2. Satisfacción con la vida y variables ocupacionales

Todos Mujeres Hombres Todos Mujeres Hombres

Sexo (hombre) -0.0362*** -0.0366***

[0.0090] [0.0090]
Renta media 0.2907*** 0.3046*** 0.2738*** 0.2891*** 0.3030*** 0.2723***
[0.0100] [0.0138] [0.0147] [0.0100] [0.0138] [0.0147]
Renta alta 0.4231*** 0.4164*** 0.4282*** 0.4192*** 0.4133*** 0.4233***
[0.0133] [0.0182] [0.0195] [0.0133] [0.0183] [0.0195]
Salud (regular) 0.4801*** 0.4870*** 0.4698*** 0.4786*** 0.4859*** 0.4678***
[0.0177] [0.0233] [0.0272] [0.0177] [0.0233] [0.0272]
Salud (buena) 0.8276*** 0.8128*** 0.8401*** 0.8256*** 0.8111*** 0.8376***
[0.0176] [0.0234] [0.0268] [0.0176] [0.0234] [0.0268]
Salud (muy buena) 1.2173*** 1.2280*** 1.2053*** 1.2150*** 1.2258*** 1.2026***
[0.0192] [0.0260] [0.0288] [0.0192] [0.0260] [0.0288]
Religioso 0.1151*** 0.1033*** 0.1286*** 0.1146*** 0.1031*** 0.1278***
[0.0098] [0.0141] [0.0137] [0.0098] [0.0141] [0.0137]
Casado 0.1527*** 0.1465*** 0.1534*** 0.1507*** 0.1449*** 0.1510***
[0.0097] [0.0133] [0.0149] [0.0097] [0.0133] [0.0149]
Edad -0.0149*** -0.0165*** -0.0129*** -0.0150*** -0.0167*** -0.0130***
[0.0015] [0.0021] [0.0023] [0.0015] [0.0021] [0.0023]
Edad^2 0.0002*** 0.0002*** 0.0002*** 0.0002*** 0.0002*** 0.0002***
[0.0000] [0.0000] [0.0000] [0.0000] [0.0000] [0.0000]
Educación secundaria 0.0375*** 0.0589*** 0.0128 0.0312*** 0.0537*** 0.0061
[0.0101] [0.0141] [0.0145] [0.0101] [0.0142] [0.0146]
Educación superior 0.0646*** 0.0860*** 0.0406** 0.0403*** 0.0636*** 0.0156
[0.0138] [0.0201] [0.0192] [0.0144] [0.0209] [0.0200]
Tiempo parcial -0.0572*** -0.0093 -0.1121*** -0.0543*** -0.0046 -0.1109***
[0.0168] [0.0235] [0.0250] [0.0168] [0.0235] [0.0250]
Autónomo -0.0396*** 0.0042 -0.0757*** -0.0483*** -0.0023 -0.0856***
[0.0143] [0.0240] [0.0182] [0.0144] [0.0240] [0.0183]
Jubilado 0.0515*** 0.0577** 0.0422* 0.0607*** 0.0675** 0.0519**
[0.0180] [0.0263] [0.0252] [0.0181] [0.0264] [0.0253]
Tareas del hogar 0.0481*** 0.0568*** -0.0206 0.0590*** 0.0690*** -0.0105
[0.0149] [0.0183] [0.0760] [0.0150] [0.0185] [0.0760]
Estudiante 0.0292 0.0288 0.0382 0.0459** 0.0462* 0.0516*
[0.0190] [0.0275] [0.0275] [0.0192] [0.0278] [0.0276]
Desempleado -0.1705*** -0.1455*** -0.1963*** -0.1581*** -0.1315*** -0.1852***
[0.0156] [0.0232] [0.0213] [0.0157] [0.0235] [0.0215]
Estatus ocupacional 0.0714*** 0.0697*** 0.0726***
[0.0118] [0.0175] [0.0160]

Observaciones 65306 34102 31204 65306 34102 31204

Error estándar entre corchetes. * significativo al 10%; ** al 5%; *** al 1%.

889
 Respecto a las variables ocupacionales encontramos que algunas de ellas inciden de forma
diferenciada en el bienestar subjetivo de hombres y mujeres. Así, el hecho de trabajar a tiempo
parcial -frente a hacerlo a tiempo completo- reduce significativamente la satisfacción de los
hombres mientras que en el caso de las mujeres trabajar a tiempo completo o parcial no conlleva
diferencias significativas sobre su bienestar. Ser trabajador autónomo también está correlacionado
negativamente con el bienestar de los hombres, sin que esta variable resulte significativa en el
caso de las mujeres. Entre aquellos individuos que no realizan un trabajo remunerado son los
desempleados, tanto hombres como mujeres, los que ven como se reduce de forma significativa su
bienestar subjetivo, mientras que estar jubilado se correlaciona positivamente con el bienestar.
Por último se observa que la dedicación al cuidado del hogar presenta una correlación positiva y
significativa con el bienestar de las mujeres mientras que para los hombres el trabajo en el hogar
estaría negativamente correlacionado con el bienestar, si bien de forma no significativa. Con relación
al estatus ocupacional, esta variable resulta significativa y está positivamente correlacionada con
la satisfacción tanto de hombres como de mujeres. Por su parte, cuando se introduce esta variable
de estatus en el análisis se mantienen los resultados comentados anteriormente para todas las
variables de control, con la única excepción de las variables de educación que dejan de ser
significativas en el caso de los hombres.
Las distintas situaciones laborales pueden incidir en el bienestar subjetivo de forma
diferente en función de que los individuos sean o no el sustentador principal en su hogar. En la
tabla 3 se presentan las estimaciones obtenidas al incluir, además de las variables relativas a la
situación laboral y al estatus ocupacional, una variable dummy referida a si el individuo es o no el
sustentador principal en su hogar (la categoría que tomamos como referencia es que el individuo
sea sustentador principal). Por último, en la tabla 4 se estudia cómo inciden esas variables
ocupaciones diferenciando entre aquellos individuos que son sustentadores principales y aquellos
que no lo son y realizando este análisis tanto para el conjunto de la muestra como de forma
separada para hombres y mujeres. En todos los casos, los resultados obtenidos para las variables
de renta, salud, estado civil, religión, o edad, son robustos a las distintas especificaciones, por lo
que no nos extenderemos aquí en su comentario.
Las estimaciones de la tabla 3 muestran que las diferencias de género en bienestar disminuyen
y pierden significatividad cuando se tiene en cuenta el hecho de que los individuos sean o no
el sustentador principal en el hogar (i.e. el coeficiente negativo estimado para la dummy de los
hombres pasa de ser significativo al 1% a serlo al 10%). El hecho de no ser sustentador principal
está positiva y significativamente correlacionado con el bienestar subjetivo de las mujeres, sin
que exista una correlación significativa entre estas variables en el caso de los hombres. Por su
parte, al introducir el papel de sustentador principal en el hogar, los resultados obtenidos para
las distintas variables ocupacionales y de estatus no varían significativamente, con la excepción
de la dedicación a las tareas del hogar que antes estaba positivamente correlacionada con el
bienestar subjetivo de las mujeres y ahora, al considerar la variable de sustentador principal,
pierde significatividad. Por último, los resultados obtenidos para las variables de educación son
similares a los que obteníamos anteriormente, con una correlación positiva y significativa entre
educación y bienestar subjetivo para las mujeres, y una pérdida de significatividad de la educación
secundaria y superior al considerar las distintas variables ocupacionales y de estatus en el caso
de los hombres.

890
Tabla 3. Satisfacción con la vida, variables ocupacionales y sustentador principal
Todos Mujeres Hombres Todos Mujeres Hombres

Sexo (hombre) -0.0195* -0.0198*

[0.0107] [0.0107]
Renta media 0.3059*** 0.3291*** 0.2804*** 0.3045*** 0.3274*** 0.2792***
[0.0114] [0.0161] [0.0161] [0.0114] [0.0161] [0.0161]
Renta alta 0.4425*** 0.4454*** 0.4368*** 0.4375*** 0.4407*** 0.4313***
[0.0154] [0.0217] [0.0220] [0.0154] [0.0217] [0.0220]
Salud (regular) 0.4390*** 0.4491*** 0.4258*** 0.4373*** 0.4480*** 0.4233***
[0.0206] [0.0276] [0.0309] [0.0206] [0.0276] [0.0309]
Salud (buena) 0.7875*** 0.7834*** 0.7875*** 0.7853*** 0.7816*** 0.7845***
[0.0203] [0.0274] [0.0303] [0.0203] [0.0274] [0.0303]
Salud (muy buena) 1.1759*** 1.1877*** 1.1624*** 1.1735*** 1.1856*** 1.1593***
[0.0219] [0.0301] [0.0322] [0.0219] [0.0301] [0.0322]
Religioso 0.1150*** 0.1073*** 0.1238*** 0.1146*** 0.1077*** 0.1230***
[0.0113] [0.0168] [0.0154] [0.0113] [0.0168] [0.0154]
Casado 0.1388*** 0.1127*** 0.1514*** 0.1365*** 0.1097*** 0.1492***
[0.0110] [0.0160] [0.0168] [0.0110] [0.0160] [0.0168]
Edad -0.0117*** -0.0122*** -0.0112*** -0.0118*** -0.0124*** -0.0113***
[0.0018] [0.0025] [0.0026] [0.0018] [0.0025] [0.0026]
Edad^2 0.0002*** 0.0002*** 0.0002*** 0.0002*** 0.0002*** 0.0001***
[0.0000] [0.0000] [0.0000] [0.0000] [0.0000] [0.0000]
Educación secundaria 0.0405*** 0.0744*** 0.0081 0.0330*** 0.0670*** 0.0011
[0.0114] [0.0165] [0.0159] [0.0115] [0.0166] [0.0160]
Educación superior 0.0645*** 0.0907*** 0.0401* 0.0353** 0.0591** 0.0125
[0.0157] [0.0236] [0.0212] [0.0164] [0.0246] [0.0221]
Tiempo parcial -0.0588*** -0.0188 -0.1044*** -0.0563*** -0.0142 -0.1033***
[0.0181] [0.0257] [0.0261] [0.0181] [0.0257] [0.0261]
Autónomo -0.0444*** 0.0050 -0.0854*** -0.0543*** -0.0037 -0.0956***
[0.0150] [0.0252] [0.0189] [0.0151] [0.0253] [0.0191]
Jubilado 0.0607*** 0.0645** 0.0573* 0.0697*** 0.0738** 0.0672**
[0.0218] [0.0326] [0.0297] [0.0219] [0.0327] [0.0298]
Tareas del hogar 0.0305 0.0328 -0.0059 0.0410** 0.0448* 0.0040
[0.0187] [0.0234] [0.0867] [0.0188] [0.0236] [0.0868]
Estudiante 0.0175 0.0173 0.0204 0.0343 0.0353 0.0326
[0.0239] [0.0352] [0.0348] [0.0241] [0.0354] [0.0349]
Desempleado -0.1936*** -0.1803*** -0.2086*** -0.1804*** -0.1649*** -0.1964***
[0.0196] [0.0294] [0.0266] [0.0197] [0.0296] [0.0267]
Estatus ocupacional 0.0791*** 0.0881*** 0.0754***
[0.0128] [0.0195] [0.0171]
No sustentador ppal 0.0299*** 0.0536*** 0.0141 0.0323*** 0.0567*** 0.0159
[0.0114] [0.0170] [0.0170] [0.0115] [0.0170] [0.0170]

Observaciones 50942 25294 25648 50942 25294 25648

Error estándar entre corchetes. * significativo al 10%; ** al 5%; *** al 1%.

Al realizar el análisis dividiendo la muestra en dos grupos en función de que los individuos
sean o no el sustentador principal en su hogar (tabla 4) observamos que las diferencias de género
en bienestar dejan de ser significativas en el grupo de individuos que desempeñan el papel de
sustentador principal en el hogar. Los hombres declaran un menor bienestar que las mujeres, pero
esta variable resulta significativa únicamente en el grupo de individuos que no son sustentadores

891
principales mientras que, entre quienes sí lo son, las diferencias de género en bienestar pierden
significatividad.
Respecto a la educación, se mantienen en líneas generales los resultados obtenidos
anteriormente, con una correlación positiva y significativa entre educación y bienestar subjetivo
en el caso de las mujeres. Aunque la educación superior pierde significatividad en la muestra de
mujeres que no son sustentador principal, la educación secundaria continúa siendo significativa
en esta submuestra. Por su parte, entre las mujeres que son sustentador principal, la educación
presenta un coeficiente mayor y resulta muy significativa tanto en el caso de la educación
secundaria como en el de la educación superior. Para los hombres no se encuentra una correlación
significativa entre educación y bienestar subjetivo entre aquellos que no son sustentador principal
en su hogar. Entre quienes sí lo son, el nivel de educación secundaria tampoco resulta significativo
una vez que se tienen en cuenta las distintas situaciones ocupacionales mientras que la educación
superior resulta significativa cuando no se introduce la variable de estatus, si bien deja de serlo
al introducir esta variable. Estos resultados sugieren de nuevo que los efectos de la educación
sobre el bienestar subjetivo de los hombres se manifiestan fundamentalmente de forma indirecta
a través de la ocupación, en el caso de la educación secundaria, y del estatus, en el caso de la
educación superior.
Con relación a las variables ocupacionales tienden a mantenerse los resultados comentados
anteriormente, si bien en algunos casos se observan diferencias significativas en función de
que los individuos actúen o no como sustentador principal. Así, el trabajo a tiempo parcial, que
presentaba una correlación negativa y significativa con el bienestar subjetivo de los hombres,
resulta ahora significativo únicamente en el caso de los hombres que son sustentador principal,
mientras que no se encuentra una relación significativa entre estas variables para los hombres que
no desempeñan este papel. La correlación positiva entre estar jubilado y el bienestar subjetivo,
tanto para hombres como para mujeres, se manifiesta también solo en las muestras de aquellos
individuos que actúan como sustentador principal. La dedicación a las tareas del hogar parece
estar negativamente correlacionada con el bienestar subjetivo en el caso de aquellos individuos
que son sustentador principal y positivamente en el caso de quienes no lo son, si bien estas
relaciones no resultan significativas ni en el caso de los hombres ni en el de las mujeres. Por
último, cabe señalar que ser estudiante no parece incidir de forma significativa en el bienestar
subjetivo, si bien en la muestra de mujeres que son sustentador principal ser estudiante está
positivamente correlacionado con el bienestar (con un nivel de significatividad del 10%), lo que
sugiere que las mujeres que actúan como sustentador principal podrían percibir unas mayores
oportunidades derivadas de continuar sus estudios, lo que se reflejaría en un mayor bienestar.

892
Tabla 4. Satisfacción con la vida en función de que el individuo sea o no sustentador principal
Todos Mujeres Hombres Todos Mujeres Hombres
Sustentado No Sustentado No Sustentado No Sustentado No Sustentado No Sustentado No
r sustent. r sustent. r sustent. r sustent. r sustent. r sustent
- -
Sexo 0.0411** 0.0415**
(hombre) -0.0054 * -0.0045 *
[0.0163] [0.0153] [0.0163] [0.0153]
0.3115** 0.3330** 0.2664** 0.3107** 0.3318** 0.2661*
Renta media 0.2916*** * 0.3151*** * 0.2832*** * 0.2899*** * 0.3134*** * 0.2816*** *
[0.0165] [0.0158] [0.0303] [0.0191] [0.0198] [0.0284] [0.0165] [0.0158] [0.0303] [0.0191] [0.0198] [0.0284
0.4350** 0.4483** 0.3999** 0.4325** 0.4448** 0.3989*
Renta alta 0.4468*** * 0.4403*** * 0.4508*** * 0.4389*** * 0.4348*** * 0.4423*** *
[0.0230] [0.0210] [0.0421] [0.0255] [0.0276] [0.0370] [0.0230] [0.0210] [0.0422] [0.0255] [0.0276] [0.0370
Salud 0.4037** 0.3771** 0.4790** 0.4043** 0.3776** 0.4795*
(regular) 0.4754*** * 0.5996*** * 0.3979*** * 0.4714*** * 0.5972*** * 0.3930*** *
[0.0297] [0.0286] [0.0487] [0.0337] [0.0376] [0.0544] [0.0297] [0.0286] [0.0487] [0.0337] [0.0376] [0.0544
Salud 0.7304** 0.7089** 0.7901** 0.7301** 0.7086** 0.7898*
(buena) 0.8459*** * 0.9409*** * 0.7818*** * 0.8416*** * 0.9377*** * 0.7771*** *
[0.0294] [0.0281] [0.0494] [0.0331] [0.0369] [0.0536] [0.0294] [0.0281] [0.0494] [0.0331] [0.0369] [0.0536
Salud (muy 1.1107** 1.1060** 1.1367** 1.1104** 1.1053** 1.1369*
buena) 1.2452*** * 1.3707*** * 1.1724*** * 1.2404*** * 1.3675*** * 1.1668*** *
[0.0319] [0.0302] [0.0561] [0.0360] [0.0394] [0.0564] [0.0319] [0.0302] [0.0561] [0.0360] [0.0394] [0.0564
0.1163** 0.1125** 0.1167** 0.1160** 0.1128** 0.1163*
Religioso 0.1148*** * 0.0940*** * 0.1239*** * 0.1142*** * 0.0939*** * 0.1229*** *
[0.0161] [0.0160] [0.0316] [0.0198] [0.0188] [0.0273] [0.0161] [0.0160] [0.0316] [0.0198] [0.0188] [0.0273
0.1289** 0.1235** 0.1321** 0.1254** 0.1195** 0.1308*
Casado 0.1378*** * 0.0984*** * 0.1611*** * 0.1351*** * 0.0969*** * 0.1583*** *
[0.0161] [0.0167] [0.0273] [0.0205] [0.0205] [0.0314] [0.0161] [0.0168] [0.0273] [0.0205] [0.0205] [0.0314
- - - - - -
0.0167** 0.0154** 0.0204** 0.0167** 0.0155** 0.0204*
Edad -0.0041 * -0.0045 * -0.0044 * -0.0045* * -0.0048 * -0.0046 *
[0.0027] [0.0025] [0.0046] [0.0030] [0.0034] [0.0045] [0.0027] [0.0025] [0.0046] [0.0030] [0.0034] [0.0045
0.0002** 0.0002** 0.0002** 0.0002** 0.0002** 0.0002*
Edad^2 0.0001*** * 0.0001** * 0.0001** * 0.0001*** * 0.0001** * 0.0001** *
[0.0000] [0.0000] [0.0000] [0.0000] [0.0000] [0.0001] [0.0000] [0.0000] [0.0000] [0.0000] [0.0000] [0.0001
Educación 0.0549**
secundaria 0.0464*** 0.0362** 0.1257*** * 0.0196 -0.0096 0.0381** 0.0298* 0.1200*** 0.0476** 0.0108 -0.0124
[0.0164] [0.0159] [0.0319] [0.0194] [0.0193] [0.0288] [0.0165] [0.0160] [0.0321] [0.0194] [0.0194] [0.0289
Educación
superior 0.0914*** 0.0392* 0.1490*** 0.0663** 0.0715*** -0.0256 0.0585*** 0.0136 0.1257*** 0.0340 0.0365 -0.0365
[0.0214] [0.0233] [0.0415] [0.0290] [0.0253] [0.0401] [0.0226] [0.0240] [0.0440] [0.0299] [0.0265] [0.0411
Tiempo
parcial -0.0817*** -0.0377 -0.0196 -0.0307 -0.1161*** -0.0637 -0.0798*** -0.0347 -0.0163 -0.0258 -0.1154*** -0.0629
[0.0258] [0.0261] [0.0446] [0.0319] [0.0319] [0.0462] [0.0258] [0.0261] [0.0447] [0.0319] [0.0319] [0.0462
- -
0.1102** 0.1152*
Autónomo -0.0526*** -0.0360 -0.0272 0.0146 -0.0659*** * -0.0631*** -0.0453* -0.0329 0.0045 -0.0781*** *
[0.0193] [0.0248] [0.0411] [0.0326] [0.0220] [0.0392] [0.0194] [0.0249] [0.0413] [0.0327] [0.0222] [0.0394
Jubilado 0.0849*** 0.0367 0.1263** 0.0253 0.0659* 0.0599 0.0944*** 0.0460 0.1319** 0.0363 0.0774** 0.0649
[0.0289] [0.0341] [0.0526] [0.0425] [0.0349] [0.0584] [0.0290] [0.0341] [0.0527] [0.0426] [0.0350] [0.0585
Tareas del
hogar -0.0586 0.0353 -0.0148 0.0260 -0.1524 0.0372 -0.0525 0.0484** -0.0108 0.0423 -0.1418 0.0431
[0.0475] [0.0236] [0.0593] [0.0271] [0.1625] [0.1055] [0.0475] [0.0238] [0.0594] [0.0274] [0.1626] [0.1056
Estudiante 0.1287 0.0001 0.2734* 0.0132 -0.0064 -0.0176 0.1446 0.0166 0.2872* 0.0337 0.0077 -0.0108
[0.0986] [0.0281] [0.1527] [0.0387] [0.1307] [0.0433] [0.0987] [0.0283] [0.1530] [0.0390] [0.1307] [0.0437
- - - - - -
0.1725** 0.1587** 0.1950** 0.1586** 0.1407** 0.1884*
Desempleado -0.2789*** * -0.3187*** * -0.2624*** * -0.2645*** * -0.3083*** * -0.2473*** *
[0.0374] [0.0250] [0.0693] [0.0339] [0.0447] [0.0379] [0.0376] [0.0252] [0.0696] [0.0342] [0.0448] [0.0383
0.0847** 0.1046**
Estatus ocupacional 0.0798*** * 0.0532 * 0.0874*** 0.0418
[0.0171] [0.0197] [0.0335] [0.0243] [0.0200] [0.0342

Observacione
s 24436 26506 7013 18281 17423 8225 24436 26506 7013 18281 17423 8225

Error estándar entre corchetes. * significativo al 10%; ** al 5%; *** al 1%.

893
4. Discusión y conclusiones
De acuerdo con la literatura previa sobre bienestar subjetivo, la satisfacción general con
la vida está significativamente relacionada con variables como la renta, la salud, la edad, la
religiosidad, o estar casado o viviendo en pareja, siendo estos resultados robustos a distintas
especificaciones en las que se introducen variables referidas a la situación laboral o al estatus
profesional o en las que se consideran distintas submuestras en función del sexo de los individuos
o de que estos actúen o no como sustentador principal del hogar. Los resultados obtenidos para
las otras variables analizadas (i.e. sexo, educación, situación laboral, sustentador principal en el
hogar o no) difieren sin embargo en función de la especificación o de la muestra utilizada.
En principio se observan diferencias significativas en el bienestar percibido por hombres y
mujeres, siendo los hombres quienes declaran unos menores niveles de satisfacción con la vida. No
obstante, estas diferencias de género en bienestar subjetivo disminuyen y pierden significatividad
cuando en el análisis se tiene en cuenta el hecho de que los individuos sean o no el sustentador
principal en su hogar. Respecto a esta variable encontramos que no ser sustentador principal
incide positiva y significativamente en el bienestar subjetivo de las mujeres mientras que no
resulta significativo en el caso de los hombres. Por su parte, al analizar de forma separada al
conjunto de individuos que actúan como sustentador principal y al de aquellos que no lo hacen,
observamos que las diferencias de género en bienestar subjetivo se encuentran en este último
grupo de individuos. Así, entre quienes son el sustentador principal en su hogar no se observan
diferencias significativas en el bienestar percibido por hombres y mujeres. Sin embargo, es en la
submuestra de individuos que no son sustentador principal donde encontramos que los hombres
tienden a percibir un menor bienestar. Estos resultados podrían explicarse en el marco las teorías
de comparación social (e.g. Festinger, 1954; Merton, 1957), donde se supone que los individuos
alcanzan un mayor bienestar cuando actúan de forma similar a otros individuos con los que
comparten características comunes y actúan así conforme a las normas sociales que prevalecen
en su marco social de referencia. Una explicación similar la podemos encontrar a partir de la
hipótesis de identidad de género de Akerlof y Kranton (2000), según la cual los patrones sociales
condicionarían la satisfacción que se deriva de una determinada situación en función de que los
individuos se desvíen o no de la norma social correspondiente a su identidad. De esta forma, si
el patrón predominante socialmente se corresponde con una situación en la que los hombres
tienden a desempeñar el papel de sustentador principal en el hogar, aquellos que no desempeñen
ese rol podrían percibir un menor bienestar subjetivo como consecuencia de desviarse de la
norma social prevalente. De igual forma, entre las mujeres, donde la norma predominante es
aún la de no ser sustentador principal, encontramos que actuar conforme a este patrón aumenta
el bienestar subjetivo declarado por las mujeres. En definitiva, observamos que las diferencias
en bienestar subjetivo entre hombres y mujeres parecen estar relacionadas con el papel que
juegan los individuos en el hogar como sustentador principal o no, encontrando además que
los individuos tienden a percibir un mayor bienestar cuando actúan de acuerdo con las normas
sociales prevalentes y un menor bienestar cuando se alejan de ellas.
Respecto a las distintas variables relacionadas con la participación o no en el mercado
laboral y a cómo inciden en el bienestar subjetivo de hombres y mujeres, los resultados obtenidos
en la literatura empírica existente no son, en general, concluyentes. Existe evidencia robusta de
que estar en situación de desempleo afecta negativamente al bienestar de los individuos mientras
que los resultados obtenidos para otras variables, como tener un trabajo remunerado o dedicarse
a las tareas del hogar, o trabajar a tiempo completo o a tiempo parcial, son más ambiguos. Los
resultados obtenidos en nuestro estudio apuntan también a que el desempleo incide negativamente

894
en el bienestar subjetivo de los individuos, incluso una vez descontados los efectos sobre la renta.
Esto es así tanto para hombres como para mujeres e independientemente de que los individuos
desempeñen o no el papel de sustentador principal en el hogar. Este efecto negativo sobre el
bienestar es consecuente con una discrepancia entre las preferencias por realizar un trabajo
remunerado y una situación en la que los individuos no encuentran un empleo, discrepancia que
resulta independiente del género de los individuos y del papel de sustentador o no en el hogar.
La dedicación a las tareas del hogar supone también no realizar un trabajo remunerado, si
bien en este caso no tiene por qué existir una discrepancia entre las preferencias del individuo y su
situación real, con lo que el efecto sobre el bienestar subjetivo sería en principio indeterminado.
En concreto, en nuestro estudio no encontramos diferencias significativas en el bienestar subjetivo
de hombres y mujeres que trabajan a tiempo completo y quienes se dedican a las tareas del hogar
una vez que controlamos por el hecho de ser o no sustentador del hogar. Cuando en el análisis
no se considera el papel de sustentador o no del hogar, observamos que la dedicación a las tareas
del hogar incide positivamente en el bienestar subjetivo de las mujeres y negativamente (si
bien en este caso de forma no significativa) en el bienestar de los hombres. Este signo positivo
en el caso de las mujeres y negativo en el de los hombres se mantiene cuando se introduce una
variable referida a si los individuos son o no sustentador principal en el hogar, si bien en este
caso la dedicación a las tareas del hogar deja de ser significativa también para las mujeres. No
obstante, cuando el estudio se realiza de forma separada para la muestra de individuos que
son sustentador principal y para la muestra de quienes no lo son, estas diferencias de género
tienden a desaparecer. Aunque estas relaciones no resultan ahora significativas, se observa una
correlación negativa entre la dedicación a las tareas del hogar y el bienestar subjetivo para
aquellos individuos que son sustentador principal y una relación positiva para quienes no lo son,
resultado que es independiente del sexo de los individuos. De esta forma, la dedicación a las
tareas del hogar se relacionaría negativamente con el bienestar subjetivo tanto de hombres como
de mujeres cuando estos son el sustentador principal del hogar y de forma positiva cuando no
lo son, resultado que iría en línea con la hipótesis de especialización de Becker (1965), según la
cual la distribución entre sustentación económica del hogar y dedicación a las tareas del hogar
respondería a un patrón de especialización en el hogar.
Por su parte, entre quienes realizan un trabajo remunerado no se observan diferencias
significativas entre trabajar a tiempo completo o a tiempo parcial en el caso de las mujeres,
mientras que los hombres declaran una menor satisfacción cuando trabajan a tiempo parcial. No
obstante, esta correlación negativa entre trabajo a tiempo parcial y bienestar subjetivo en el caso
de los hombres resulta significativa únicamente entre aquellos que son sustentador principal en
el hogar, lo que podría deberse de nuevo al hecho de que exista o no una discrepancia respecto
a la norma social predominante. De esta forma, aquellos hombres que actúan como sustentador
del hogar y siguen la norma prevalente de trabajar a tiempo completo manifiestan un mayor
bienestar subjetivo que aquellos que se desvían de la norma social y trabajan a tiempo parcial.
Por último, se observa una correlación positiva entre la educación y el bienestar de los
individuos, si bien en el caso de los hombres la educación parece incidir en su bienestar de forma
indirecta a través de variables relacionadas con el ámbito profesional. Así, cuando no se considera
la situación laboral en que se encuentran los individuos, tanto la educación secundaria como la
educación superior presentan un efecto positivo y significativo sobre el bienestar de hombres y
mujeres. No obstante, al introducir distintas variables referidas al ámbito laboral encontramos que
la educación secundaria y superior continúa siendo significativa en el caso de las mujeres, pero
no así en el de los hombres. En este sentido, la educación secundaria deja de ser significativa

895
a la hora de explicar el bienestar subjetivo de los hombres cuando consideramos su situación
laboral (e.g. trabajar a tiempo completo o parcial, como autónomo, estar desempleado…), lo
que sugiere que, aunque alcanzar un nivel de educación secundaria incide positivamente en su
bienestar, lo hace de una forma indirecta a través de las mayores posibilidades laborales o de
empleo que ofrece a los individuos que han alcanzado ese nivel educativo. Por su parte, el tipo
de ocupación o estatus profesional también incide de forma significativa en el bienestar subjetivo
de los individuos, de forma que quienes ocupan puestos de mayor responsabilidad o autonomía,
sean hombres o mujeres, declaran un mayor bienestar que quienes ocupan puestos que requieren
una menor cualificación o que se realizan bajo supervisión. Se observa además que al considerar
el estatus profesional, la educación superior también deja de mostrar un efecto significativo
sobre el bienestar subjetivo de los hombres, lo que parece indicar que, de igual forma que los
efectos de la educación secundaria se manifiestan a través de la situación laboral, los efectos de
la educación superior se manifiestan a través del tipo de ocupación o estatus profesional. Esta
situación contrasta con la de las mujeres, para quienes la situación laboral y el estatus profesional
también inciden en su bienestar subjetivo pero sin que por ello la educación deje de presentar
efectos significativos sobre el mismo. En este sentido se observa que mientras que la educación
muestra un carácter más instrumental en el caso de los hombres, para quienes la satisfacción que
proporciona la educación se deriva de las mayores posibilidades profesionales que ofrece, para las
mujeres la educación presenta también efectos directos sobre el bienestar subjetivo, derivando
satisfacción de la educación per se incluso cuando descontamos los efectos indirectos a través de
las mejores oportunidades en el ámbito laboral.

References
Akerlof, G.A. y R.E. Kranton (2000): “Economics and Identity”. The Quarterly Journal of Economics,
vol. 115(3): 715-753.

Argyle, M. (1999): Causes and Correlates of Happiness, en Kahneman, D., Diener, E. Y Schwarz, N.
(eds): Well-Being. The Foundations of Hedonic Psychology. New York, Russell Sage Foundation.

Becker, G.S. (1965): “A Theory of the Allocation of Time”. Economic Journal, vol. 75(sept): 493-
517.

Booth, A.L. y J.C. Van Ours (2009): “Hours of Work and Gender Identity: Does Part-time Work
Make the Family Happier?” Economica, vol. 76: 176–196.

Boye, K. (2009): “Relatively Different? How do Gender Differences in Well-Being Depend on Paid
and Unpaid Work in Europe?” Social Indicators Research, vol. 93(3): 509-525.

Carrol, N. (2007): “Unemployment and Psychological Well being”. The Economic Record, 83: 287-
302.

Chalmers, J. y T. Hill (2007): “Marginalising Women in the Labour Market: ‘Wage Scarring’ Effects
of Part-time Work”. Australian Bulletin of Labour, 33: 180-201.

Clark, A. (2003): “Unemployment as a Social Norm: Psychological Evidence from Panel Data”.
Journal of Labor Economics, 21: 323-351.

896
Clark, A. y A. Oswald (1994): “Unhappiness and Unemployment”. Economic Journal, 14(424): 648-
659.

Clark, A., P. Frijters y M. Shields (2008): “Relative Income, Happiness, and Utility: An Explanation
for the Easterlin Paradox and Other Puzzles”. Journal of Economic Literature, 46(1): 95-144.

Connolly, S. y M. Gregory (2008): “Moving Down: Women’s Part-time Work and Occupational
Change in Britain 1991-2001”. Economic Journal, 118: F52-F76.

Di Tella, R., R. J. MacCulloch y A. J. Oswald (2001): “Preferences over Inflation and Unemployment:
Evidence from Surveys of Happiness”. American Economic Review, 91(1): 335-341.

Dolan, P., T. Peasgood y M. White (2008): “Do we really know what makes us happy: A review of
the economic literature on the factors associated with subjective well-being”. Journal of Economic
Psychology, 29(1): 94-122.

Feather N.T. (1990): The Psychological Impact of Unemployment. Springer-Verlag. New York.

Festinger, L. (1954): “A theory of social comparison processes”. Human Relations, 7: 117-40.

Frey, B. y A. Stutzer (2002): Happiness and Economics, Princeton University Press.

Merton, R. K. (1957): Social theory and social structure, Glencoe, IL: Free Press.

Russo, G. y W. Hassink (2005): “The Part-Time Wage Penalty: A Career Perspective”. IZA Discussion
Paper 1468, Institute for the Study of Labor (IZA).

Slotkin, J.H. (2008): “Rabenmutter and the Glass Ceiling: An Analysis of Role Conflict Experienced
by Women Lawyers in Germany Compared with Women Lawyers in the United States”. California
Western International Law Journal, 38(2): 287-330.

Stevenson, B. y J. Wolfers (2009): “The Paradox of Declining Female Happiness”. American Economic
Journal: Economic Policy, 1(2): 190–225.

Trzcinski, E. y Holst, E. (2010):” Gender Differences in Subjective Well-Being in and out of

Management Positions”. IZA Discussion Papers 5116, Institute for the Study of Labor (IZA).

Winkelmann, R. (2009): “Unemployment, Social Capital, and Subjective Well-Being”. Journal of

Happiness Studies, 10(4): 421-430

897
3. Rendimientos sociales de la Educación en México 2005-2010

Edna María Villareal Peralta, Universidad Autónoma de Barcelona

898
Rendimientos sociales de la Educación en México 2005-2010

Edna María Villareal Peralta, Universidad Autónoma de Barcelona

Resumen
Un buen número de trabajos que estudian la relación existente entre educación e ingresos
demuestra que los individuos más educados perciben mayores ingresos, evidenciando la presencia
de rendimientos privados de la educación. Sin embargo, los rendimientos sociales y su relación
con las externalidades han sido poco investigados, por lo que su identificación se convierte
en un tema por demás relevante. Nuestro objetivo principal radica en estimar los rendimientos
sociales de la educación de los estados mexicanos del año 2005 al 2010 empleando la tradicional
ecuación minceriana ampliada, así como también, en comparar los resultados obtenidos con
la evidencia empírica disponible. Con el propósito de reducir el sesgo de endogeneidad de la
escolaridad individual y promedio estimamos mediante mínimos cuadrados bietápicos. Utilizamos
como instrumentos el trimestre de nacimiento y la reforma educativa de 1993 que promulgó
la obligatoriedad de la educación secundaria. Los datos utilizados se obtienen de la Encuesta
Nacional de Ocupación y Empleo (2005-2010) y de los Indicadores Educativos publicados por la
Secretaría de Educación Pública. El aporte principal del presente trabajo es la utilización por
primera vez de nuevas variables instrumentales en el caso mexicano que pueden servir para la
reflexión y contraste con la evidencia empírica disponible.

Palabras clave: capital humano, externalidades, rendimientos sociales.

Clasificación JEL: I20 J24 J31.

1. Introducción
Existe una amplia literatura enfocada a la estimación del rendimiento privado de la
escolaridad, algunos de los resultados como los de Psacharopoulos y Patriños (2002) muestran que
los individuos ven aumentados sus ingresos en un rango que va del 6 al 12% al incrementar un
año de escolaridad. Sin embargo, el estudio sobre el rendimiento social, derivado de un aumento
en los ingresos proveniente de un año adicional en la escolaridad promedio, ha dado lugar a
resultados ambiguos con respecto a su magnitud. Algunos autores han estimado rendimientos
sociales en el orden del 1 al 3% (Rauch 1993, Moretti 1998, 2004a y 2004b). Otros encuentran
poca o nula evidencia de éstos (Rudd 2000, Ciccone y Peri 2002 y 2005).
Además de la discusión en torno al tamaño de dichos rendimiento sociales, también se
ha debatido sobre la correcta medición del capital humano y la metodología empírica utilizada.
Acemoglu y Angrist (2000) al analizar datos de varios países señalan que el coeficiente de la
escolaridad promedio es de un 25 a un 30% mayor que el de la escolaridad individual pudiendo
evidenciar la presencia de externalidades. Con lo cual, si los individuos no consideran dicha
existencia, la inversión individual que realicen en educación resultaría inferior a la socialmente
óptima, teniendo esto como consecuencia implicaciones de política fundamentales. Esto es, que
una posible intervención gubernamental a través de transferencias de impuestos, subsidios,
requerimientos de educación mínima o ayudas, podría equilibrar los beneficios sociales con los
privados Becker (1964).
El propósito fundamental de éste artículo es doble. En primer lugar, estimar los rendimientos
sociales de la educación de los estados mexicanos del año 2005 al 2010 empleando la tradicional
ecuación minceriana ampliada. Y en segundo lugar, nuestro interés radica también en contrastar

899
los resultados obtenidos con la evidencia empírica internacional y con los trabajos realizados en
México por Iturribarría (2008) y Rodrigo (2010).
Por otro lado, con el fin de superar los problemas asociados a la omisión de variables
relevantes y de la endogeneidad tanto de la escolaridad individual como de la promedio estimamos
mediante variables instrumentales. En el primer caso siguiendo a Angrist y Krueguer (1991)
y Angrist e Imbens (1995) utilizamos información relativa al trimestre de nacimiento como
instrumento. Mientras que para instrumentar la escolaridad promedio ,tomamos como base los
estudios empíricos de Harmon y Walker (1995) y Acemoglu y Angrist (2000) que consideran las
leyes de escolaridad obligatoria como un determinante exógeno del nivel educativo alcanzado.
El orden del artículo se estructura de la siguiente manera, primero hacemos una revisión de
la literatura y evidencia empírica disponible, posteriormente explicamos la metodología y la
descripción de la base de datos empleada. Y, finalmente presentamos los principales resultados
de las estimaciones y conclusiones del estudio.

2. Revisión de la literatura y evidencia empírica

Las externalidades del capital humano se pueden dividir principalmente en estáticas o de
mercado y las no pecuniarias.
a) Externalidades estáticas o de mercado. Lucas (1988) planteaba que la existencia
de externalidades pueden contribuir a la productividad de los individuos al intercambiar ideas,
conocimientos y experiencias, por lo que el rendimiento del capital humano de cada trabajador
es también función del nivel medio del capital humano de sus colegas298. Estás externalidades se
subdividen en tecnológicas y pecuniarias.
a.1) Externalidades tecnológicas del capital humano. Relativas al intercambio de ideas
y el efecto del aprendizaje que fomentan la difusión y el cambio o progreso tecnológico. Se basan
en tres ideas fundamentales. La primera dice que la creación y adopción de nuevas tecnologías
resulta más efectiva cuando se presentan mayores niveles de capital humano Romer (1992)299. La
segunda, en que el proceso de transmisión del conocimiento es más fuerte cuando el promedio de
capital humano es elevado. Y la tercera, en que la acumulación del capital humano es más efectiva
entre grupos con el mismo nivel de capital adquirido anteriormente300.
a.2) Externalidades pecuniarias. Éstas surgen de las interacciones económicas entre
empresas que tienen lugar a través de los mecanismos usuales vía la mediación con los precios.
Acemoglu (1996) desarrolla un marco en el que las decisiones de inversión en capital físico se
basan en las expectativas del nivel educativo de la fuerza laboral. De manera que, si un grupo
de trabajadores en una determinada ciudad incrementa su nivel educativo, provocará que las
298 Cuando una empresa incrementa su stock de capital físico a través de la inversión, no solamente incrementa su
propia producción, sino que también lo hace con la producción de las empresas que la rodean. Esto en el entendido
de que los conocimientos adquiridos por la organización que realiza la inversión también pueden ser utilizados por
las demás. Es decir, el rendimiento social óptimo del capital físico es mayor que su rendimiento privado, por lo cual
el aumento del stock de este factor genera las externalidades que hacen posible el crecimiento de la economía.
299 El intercambio y la transmisión de ideas dentro del mismo ambiente fomenta la difusión del conocimiento y
el progreso tecnológico. Atribuyen a la investigación y el desarrollo las fuentes de la innovación y por tanto, del
incremento de la productividad.
300 La acumulación de factores genera efectos derrame en la producción. En ellos la experiencia, el aprendizaje, la
transferencia de conocimientos por la incorporación de capital físico y/o la educación formal son motivos suficientes
para generar derrames que desencadenen en un proceso de crecimiento sostenido en la economía. Dicha acumulación
se da en dos formas posibles como resultado de un proceso de aprendizaje en la empresa conocida como “learning
by doing” ó como el producto de la educación formal de la persona. Es decir que dicho intercambio de ideas genera
mayor productividad en el entorno, resultando complicado cuantificar la magnitud de dichas externalidades, debidas
a este proceso de difusión. Este tipo de externalidades no está relacionada con el nivel promedio de capital humano,
sino con su composición.

900
empresas de dicha ciudad inviertan más en capital físico ante la expectativa de emplearlos. Dando
lugar esto a que parte de la mano de obra que no incrementó su educación acabaría trabajando
con un mayor nivel de capital físico, siendo más productivos, y por tanto ganando más que otros
trabajadores similares en distintas ciudades. En resumen, la existencia de trabajadores calificados
en una ciudad genera beneficios externos para los demás trabajadores. Acemoglu (1996) y Lucas
(1988) coinciden en que en una ciudad el salario de los trabajadores menos cualificados se
incrementa con el nivel promedio de capital humano de la fuerza laboral.
b) Externalidades no pecuniarias. La inversión en capital humano además de proporcionar
beneficios económicos, también es capaz de generar beneficios de tipo no monetario. Esto es
que, mayores niveles educativos pueden incrementar el nivel de salud, longevidad, fertilidad,
participación cívica, estabilidad política, nivel de democracia, o reducir el embarazo juvenil y
el índice de criminalidad. Algunos de los trabajos más representativos son los realizados por
Rosenzweig y Schultz (1981), Leigh (1983), Kenkel (1991 y 1995), Grossman y Kaestner (1997),
De Walque (2004a y 2004b) y Powdthavee (2009), Haveman y Wolfe (1984)301, Lochner (1999)302,
Lochner y Moretti (2002), McMahon (1999)303, Gottfredson (1985), Farrington et al. (1986), Witte
y Tauchen (1994) y Milligan et al. (2003).
Existen 3 estrategias posibles de estimación de las externalidades del capital humano. La
primera consiste en comparar la productividad de empresas idénticas localizadas en ciudades con
distintos niveles de capital humano Jaffe et al. (1993), Adams y Jaffe (1996), Zucher, Darby y
Brewer (1998) y Moretti (2004c). La segunda, compara las diferencias en los precios de la tierra
de ciudades con distintos niveles de capital humano agregado Rauch (1993), Dalmazzo y Blasio
(2004). Estas dos aproximaciones no se utilizan con mucha frecuencia debido a la dificultad
de conseguir éste tipo de datos. Y la tercera, que es la más utilizada en éste tipo de estudios
empíricos, compara los niveles de productividad o salarios de trabajadores similares localizados
en regiones con distintos niveles de stock de capital humano agregado304. Esto supone que mayor
nivel de capital humano agregado en una localidad se traducirá en mayores ingresos para los que
trabajan en ella. En el presente artículo nos concentraremos en el estudio de ésta última, en el
cual el salario se encuentra afectado por una serie de factores que dificultan la identificación del
verdadero efecto causal de las externalidades del capital humano sobre los salarios individuales.
Algunos trabajos identifican las externalidades del capital humano a partir de la ecuación
de Mincer (1974) ampliada, introduciendo la educación promedio por localidad como medida
del capital humano agregado del mercado laboral Rauch (1993). Asimismo para simplificar su
identificación se basan en el supuesto de que los trabajadores son sustitutos perfectos en la
producción. Dicho enfoque considera que un incremento en el capital humano agregado en una
región, se ve reflejado a través de una mayor productividad total de los factores, la cual se
manifiesta mediante un aumento de los salarios promedio, y por tanto se interpreta como una
externalidad. Es decir, que si al suponer sustitución perfecta entre trabajadores se evidencia la
301 Haveman y Wolfe (1984) hacen referencia a la existencia de externalidades relacionadas con el impacto de
factores como la productividad y salud intrafamiliar, el cuidado de los niños, prevención del embarazo prematuro,
reducción del crimen, y obras de caridad, entre otras. Además mencionan que no existen estimaciones sobre su valor
económico.
302 Lochner (1999) estima los beneficios sociales de los graduados de secundaria sobre las reducciones de delincuencia
en Estados Unidos tomando en cuenta los costos de encarcelamiento.
303 McMahon (1999) realiza un estudio con datos de sección cruzada para una muestra grande de países,
encuentra efectos significativos en países con niveles educativos altos, sobre su crecimiento, así como una mayor
participación cívica en los procesos electorales, y una reducción en porcentajes de crímenes cometidos, fertilidad, y
deforestación.
304 Considerando a individuos con características similares y que en su conjunto conforman un nivel de stock de
capital humano en términos agregados diferente.

901
presencia de externalidades, los trabajadores serán más productivos en localidades con mayores
niveles de capital humano. Sin embargo, algunos autores como Ciccone y Peri (2002 y 2005) y
Moretti (1998, 2004a y 2004b) han reconocido que dicho enfoque al considerar que el nivel de
escolaridad agregado influye sobre los salarios promedio, no necesariamente puede deberse a
la existencia de externalidades, sino mas bien a una sustitución imperfecta entre trabajadores
con alto y bajo nivel de cualificación, pudiendo dar lugar a resultados empíricos erróneos. Esto
implicaría que un incremento en el nivel agregado de capital humano en una ciudad tendría dos
efectos distintos sobre la distribución de los salarios. Primero, que un incremento del número
de trabajadores cualificados beneficiaría a los menos cualificados elevando su salario, mientras
que el de los más educados se reduciría. Y segundo, si existiesen externalidades del capital
humano se incrementaría el salario de ambos grupos de trabajadores. Es decir, que el efecto
promedio sobre los salarios reflejaría tanto el efecto de las externalidades como el de sustitución
imperfecta entre trabajadores con alto y bajo nivel de cualificación. Lo cual, implicaría que
ambos efectos aumentarían el salario de los trabajadores menos cualificados incluso en ausencia
de externalidades. Mientras que, por otro lado, el efecto en el salario de los más cualificados
dependería del convencional efecto estándar de oferta, y de la externalidad, que incrementaría
su productividad. Por lo cual, si dicha externalidad es lo suficientemente grande, el salario de los
más cualificados se incrementaría. Moretti (2004b).
Existen dos estrategias empíricas para distinguir entre sustituibilidad imperfecta entre
trabajadores y externalidades. La primera, propuesta por Moretti (2004a) estima el efecto de
cambios en la proporción de trabajadores cualificados sobre los ingresos de los trabajadores con
distintos niveles educativos. Y, la segunda desarrollada por Ciccone y Peri (2002 y 2005), llamada
enfoque de la composición constante de trabajo, estima el efecto de un incremento en el nivel
educativo promedio en las ciudades manteniendo constante el tamaño relativo de cada grupo de
trabajadores respecto a su nivel educativo, lo cual permite considerar sustitución imperfecta entre
trabajadores con alto y bajo nivel de cualificación.
La evidencia empírica sobre externalidades del capital humano se ha tornado
cuantitativamente importante obteniéndose resultados diferenciados. Algunas de las razones
principales de la heterogeneidad de dichas estimaciones se deben tanto a la aplicación de distintas
estrategias metodológicas como a la utilización de diversas bases de datos, las cuales se pueden
apreciar resumidas en cuadro 1 del anexo.

3. Metodología
Como una primera aproximación de las externalidades del capital humano en el presente
trabajo tomamos como base metodológica el enfoque propuesto por Acemoglu y Angrist (2000).
Somos conscientes de que los resultados obtenidos deben ser tomados con cautela al suponer
sustitución perfecta entre trabajadores.
El modelo se representa de la siguiente manera:

donde es el logaritmo del salario nominal del individuo i que vive en el estado . Xi es un vector
de características individuales que incluye los años de experiencia potencial (edad-escolaridad-6),
experiencia al cuadrado, sexo y rama de la actividad económica. sij, es la escolaridad individual, por
lo que , es el coeficiente del rendimiento educativo individual. Sij, es la escolaridad promedio en
el estado j, por lo que muestra el efecto de un incremento de un año de la escolaridad promedio

902
sobre los salarios y por tanto el rendimiento social, que constituye nuestro coeficiente de interés.
Zj, es un vector de características de los estados que incluye el tipo de región geográfica, localidad
por número de habitantes y zona salarial a la que pertenece. ui son características no observables
de los individuos y u ,, son características específicas no observables de los estados. Por último
e es el término de error.
Una de las dificultades consideradas al estimar las externalidades del capital humano
consiste en la endogeneidad de la escolaridad individual y escolaridad promedio, así como
también de la denominada experiencia potencial (edad-escolaridad-6) al estar calculada en base
a la escolaridad individual. Para tratar de dar solución a éste problema, en los últimos años se han
tratado de obtener estimaciones mediante el uso de variables instrumentales. Éste procedimiento
se realiza en dos etapas, en la primera se estima una regresión cuya variable dependiente es la
variable endógena, posteriormente se utilizan en una segunda etapa los valores predichos de ésta
como regresor de la ecuación original. Para lo cual, requerimos la utilización de un instrumento,
que esté relacionado con cambios en la variable endógena, pero que no esté correlacionado con
la variable explicativa en este caso al logaritmo natural del salario.
En el caso del problema de la endogeneidad de la escolaridad individual, desafortunadamente
al no tener información relativa a antecedentes familiares de los individuos, hemos tomado como
base los trabajos empíricos de Angrist y Krueger (1991) y Angrist e Imbens (1995) que utilizan
el trimestre de nacimiento como instrumento. Dichos autores sustentan en sus trabajos que los
individuos que nacen a principio de año tiene una escolaridad promedio menor, pues alcanzan
la edad mínima obligatoria para abandonar la escuela antes que los individuos que nacen hacia
finales de año. Mientras que para el tratamiento de la endogeneidad de la escolaridad promedio,
tomamos como referencia los trabajos de Harmon y Walker (1995) y Acemoglu y Angrist (2000)
que consideran las leyes de escolaridad obligatoria como un determinante exógeno del nivel
educativo alcanzado. En México, se declaró como obligatoria la educación secundaria ampliándose
la escolaridad básica obligatoria de seis a nueve años, apoyado en las reformas al artículo tercero
de la Constitución305 y de la promulgación de la nueva Ley General de Educación LGE aprobadas
en 1993 por el Congreso de la Unión.Para conseguir el carácter de obligatorio, el Estado se
comprometió a proporcionar las condiciones para que cualquier alumno egresado de la escuela
primaria pudiera acceder y permanecer en la escuela secundaria hasta finalizarla.

4. Datos
Para realizar éste análisis utilizamos datos de asalariados de edades comprendidas entre
los 12 a los 74 años de edad, obtenidos de la Encuesta Nacional de Ocupación y Empleo ENOE
del 2005 al 2010. Ésta encuesta incluye características socio demográficas y ocupacionales de la
fuerza de trabajo. Se efectúa todos los días del año y se distribuye tanto en áreas urbanas como
rurales por todo del país y se presenta trimestralmente desde el año 2005. Excluimos el sector
primario, ya que los salarios no son asignados de la misma forma en todas las ramas económicas.
305 Incluyó dos asuntos sustantivos que se atendieron en dos momentos distintos: la desregulación del servicio
educativo en 1992 y la obligatoriedad del nivel de educación secundaria en 1993. Dicha desregulación implicó
la reorganización del sistema educativo en el financiamiento. El gobierno federal, a través de la Secretaría de
Educación Pública SEP, determina el monto de la transferencia federal a cada uno de los Estados. El crecimiento de
la cobertura educativa, entre otras reformas, han implicado que el gasto total ejercido por la SEP haya observado
una clara tendencia a la alza en términos reales entre 1992 y 2002. En 1998, el gasto real de la SEP fue cien por
ciento mayor al ejercido en 1990. El gasto promedio por estudiante creció, en términos reales, 54% de 1978 a 1999,
mientras que el gasto per cápita, considerando sólo a la población en edad de recibir atención educativa (de tres a
veinticinco años), creció 72% en el mismo periodo En síntesis, el gasto nacional en educación se ha incrementado
anualmente en términos reales, el gasto público en educación con respecto al gasto programable del gobierno federal
ha incrementado su participación poco a poco, al pasar de 20.3 en 1992 a cerca de 29% en 2005 (Mancera, 1999).

903
Seleccionamos únicamente el tercer trimestre de cada año respectivamente, ya que es el más
utilizado en éste tipo de trabajos por ser el de mayor estabilidad económica. Se obtuvo una
muestra promedio de 100,000 observaciones por trimestre, de las cuales aproximadamente el 60%
corresponde a hombres, y el 40% a mujeres.
Para enfrentar el problema de variables no observables se incluye primeramente la
agrupación de los estados mexicanos en 5 regiones: Frontera, Norte, Centro, Capital y Sur. Esto de
acuerdo a la clasificación realizada por Chiquiar (2004) según su nivel de desarrollo, características
geográficas, actividad económica y productividad, siendo la región sur la variable de referencia.
Posteriormente, añadimos las clasificaciones del Instituto Nacional de Estadística y Geografía
INEGI, por tipo de localidad según el número de habitantes y por zona salarial. En la primera
se agrupa a las localidades en 4 categorías: “rural”, menos de 2500 habitantes (categoría de
referencia); “complemento urbano de baja densidad”, de 2,500 a 14,999; “complemento urbano de
alta densidad”, de 15,000 a 99,999; y “urbano alto” de más de 100,000 habitantes. En la segunda
categoría, correspondiente a las zonas salariales, se divide el país en tres áreas geográficas A, B y
C, siendo ésta última la categoría de referencia por ser la de menor salario mínimo.
Por último, destacar que los datos referentes a la escolaridad promedio de los Estados se
obtuvieron de las series de Indicadores Educativos publicados por la SEP y del Conteo de Población
y Vivienda del año 1995.

5. Resultados
En las tablas del 2 al 6 del anexo se reportan los resultados de los rendimientos sociales
de la educación para los estados mexicanos del periodo 2005 al 2010 estimados por Mínimos
Cuadrados Ordinarios y Variables Instrumentales. A fin de superar los problemas que puede
generar la presencia de heteroscedasticidad muy común en estimaciones con datos de corte
transversal, recurrimos a las desviaciones estándares robustas de White, siendo éstas estimaciones
consistentes no importando el tipo de heteroscedasticidad. Por otro lado, también es usual que
en modelos con datos microeconómicos de sección cruzada, el “R2” de la ecuación estimada suele
encontrarse en torno al 30%, en nuestro caso, entre el 22 y 28% de la variación de los salarios
queda explicado por las variables incluidas en el modelo.
Primeramente realizamos estimaciones por MCO controlando sólo por las características
individuales de escolaridad, experiencia, experiencia al cuadrado, género y rama de actividad
económica. Obtenemos que un año adicional en la escolaridad promedio de los estados, está
asociado con un aumento entre 7.38 y 10.33% de los ingresos laborales, siendo estadísticamente
significativos al 1% en las distintas estimaciones. La variable género reportó que los hombres
perciben entre un 16 y 20% mayores ingresos que las mujeres. Posteriormente al incluir las primeras
variables de control regional, que reflejan además del rendimiento externo que surge de la variación
del capital humano agregado, el efecto de las diferencias geográficas regionales, en las cuales la
frontera y la zona central muestran las mayores ventajas. Sin embargo, dichas variables regionales
al no controlar adecuadamente las características no observadas específicas de cada estado, podrían
dar lugar a estimaciones potencialmente sesgados. Para mitigar dicho problema, añadimos nuevas
variables de control, incluimos primeramente la clasificación por tipo de localidad según el número
de habitantes. Y posteriormente, de acuerdo al salario mínimo de la localidad. Es decir, que una
vez controlamos por ventajas de la aglomeración, el efecto se incrementa positivamente tanto en
las zonas con mayor número de habitantes como con las de mayor salario mínimo, excepto para el
Distrito Federal. El cual, por su alta concentración poblacional, muestra valores negativos, los cuales
podrían ser un reflejo de costos de congestión por la alta aglomeración.

904
 A pesar de la complejidad, no se ha pasado por alto el tan mencionado problema de
endogeneidad, por lo que hemos utilizando el método de variables instrumentales. Antes de
comentar los resultados conviene analizar la validez de los instrumentos empleados. En primer
término mencionar que por falta de espacio no hemos incluido los resultados del test de Bound.
Esto es, el valor de la F de significatividad conjunta de cada una de las regresiones entre las
variables que actúan como instrumentos y que están excluidas de la ecuación de salarios, en
nuestro caso el trimestre de nacimiento y la reforma educativa 1993. Cabe señalar que en todas las
estimaciones los valores resultantes de los estadísticos F sugieren que los instrumentos utilizados
son los correctos. Para probar si los instrumentos utilizados tienen una influencia directa sobre
los ingresos, recurrimos al test de Sargan. Los resultados obtenidos nos indican en todos los
casos que no rechazamos a un 95% de confianza la hipótesis nula de instrumentos adecuados. Por
otro lado, para determinar la potencial endogeneidad de la escolaridad individual y promedio,
realizamos el test de Hausman. Los resultados nos llevan a rechazar en todos los casos a un
nivel de confianza del 99% la hipótesis nula de que la escolaridad individual y promedio están
determinadas exógenamente, por lo cual puede afirmarse que el uso de VI es justificado.
Con respecto al segundo objetivo planteado de establecer diferencias y similitudes con
respecto a otros trabajos, al estimar por MCO nuestros resultados arrojan rendimientos externos
de entre 7.38 y 10.33%, muy similares a los obtenidos por Iturribarria (2008) de 5.7 a 10%, y
Rodrigo (2010) de 5.2 a 8% también para el caso mexicano. De la misma manera, se asimilan a los
encontrados por Acemoglu y Angrist (2000) de entre 6 y 7.3% en los Estados Unidos. De la misma
manera, al estimar el efecto externo mediante variables instrumentales encontramos resultados
del orden del 7 al 10.5%, también muy similares a los obtenidos por Iturribarría (2008) 8.4 %
para México.

6. Conclusiones
Nuestras estimaciones basadas en las recientes Encuestas Nacionales de Ocupación y Empleo
para México del año 2005 al 2010 indican que los rendimientos externos de la educación son
aproximadamente entre 10 y 20% superiores que los rendimientos individuales de la escolaridad.
Las estimaciones por Mínimos Cuadrados Ordinarios muestran que un incremento de un año en el
promedio de escolaridad de los estados mexicanos está asociado con un incremento de entre el
7.38 y 10.33% en el salario promedio.
Los resultados por mínimos cuadrados en dos etapas muestran rendimientos externos
similares a los obtenidos por mínimos cuadrados ordinarios, que van del orden del 7 al 10.5%.
Cabe destacar, que las variables de capital humano agregado arrojan casi en todos los casos
rendimientos externos mayores que los rendimientos privados de la educación.
Nuestro principal resultado muestra que existen externalidades significativas del capital
humano a nivel estatal en México, una vez que hemos controlado las tendencias que afectan los
salarios individuales a nivel estatal. Nuestro principal interés y aportación es el uso por primera
vez para el caso mexicano de variables instrumentales estadísticamente significativas tanto a
nivel individual como estatal.

905
Anexos

Tabla 1. Resumen de la evidencia empírica de externalidades del capital humano.

Autor Datos Principales resultados
Rauch (1993) C.P 1980 EU. MCG (3.3% salarios y 11.3% para rentas) por área
Metropolitana
Rudd (2000) Encuesta de población MCO agrupados y Efectos Fijos por Estados.
1978-1991 EU. No encuentran evidencia significativa.
Acemoglu y C.P. 1960, 1970 y 1980 MCO (6-7.3%), y VI (1-2%), (trimestre de nacimiento,
Angrist (2000) EU. reglamentaciones estatales de escolaridad obligatorias y
de trabajo infantil).
Moretti (1998 y C.P.1970, 1980 y 1990 MCO (1980:3-6%,1990:8-12%). Efectos Fijos (1.1-1.3%) VI
2004a) EU. (0.6-2.2%). Estructura demográfica de 1970, proporción de
Encuesta Juvenil trabajadores con educación superior, índice de Katz y
Nacional Longitudinal Murphy, universidades creadas en la segunda mitad del
(1979-1994) siglo XIX land-grant movement.
Ciccone y Peri C.P. 1970,1980 y 1990 MCO (8-11%), MCG y VI. Estructura demográfica de 1970,
(2002 y 2005) EU. proporción de afroamericanos.
S.I. (0% ciudades, 2% estados).
Ciccone y García E.P.F. 1981 y 1991, MCO (2.4%-4) y VI. Proporción de: ocupados por nivel
(2001) C.P. España. educativo, población ocupada y por grupos de edad, todas
a nivel provincial en 1981.
S.I (0% a nivel de provincias españolas).
Conley, Flyer y Estudio de vida de la MGM y VI (5-7% salarios y de 4-5.8% rentas).Proporción de
Tsiang (1999). familia (1988-1989) y trabajadores ocupados en el sector servicios..
C.P.1980 Malasia.
Manda, Mwabu y Encuesta de monitoreo MCO. Obtienen que un incremento en el nivel educativo
Kimenyi (2002). gubernamental 1994 general beneficie a todos los trabajadores, traduciéndose
Kenia. en mayores ingresos.
Cerejeira (2003) Ministerio de Trabajo Efectos fijos (1.7%). Sin embargo, dicho resultado torna a
Portugal, 1989 -1999. cero cuando añaden un conjunto de controles a nivel de
empresas.
Dalmazzo y Banco de Italia y Efectos fijos. VI (2.3-3% salarios y 6-24% rentas).
Blasio (2004). Censo de Población Estructura demográfica rezagada, tasa de desempleo
juvenil.
C.P. 1990 y 2000, MCO (0.6-5.8%).
Rakova(2005)
Canadá.
Liu (2006). Encuesta de Ingresos MCO (4.9- 6.7%). Efectos Fijos por ciudades (11-13%),
de los hogares 1988 y VI. Proporción de graduados en 1990, legislación de
1995, China. educación obligatoria de 1980.
Murayvev(2006) Encuesta de monitoreo MCO, VI (1.5%). Niveles de escolaridad al final del
longitudinal 1994 y comunismo.
C.P 1989 Rusia.
ENEU (1992-2001) y MCO (3.7-5.4% áreas metropolitanas, y 5.7-10% Estados).
Iturribarría
ENIGH 2000 México. VI (.08-7.9% áreas metropolitanas, y 8.4-26.5% Estados).
(2008)
S.I. ()
C.P. 1990 y 2000 MCO (4-7% por localidad). S.I. Encuentra que los menores
Rodrigo (2010) México. niveles educativos obtienen mayores incrementos salariales
pero aún para los más preparados obtiene efectos positivos.

906
Tabla 2. Rendimientos sociales de la educación en México año 2005. Estimación por Mínimos
Cuadrados Ordinarios y Variables Instrumentales.
MCO VI MCO VI MCO VI MCO VI MCO VI
Escolaridad 0.1019*** 0.0914*** 0.1033*** 0.0918*** 0.0965*** 0.0798*** 0.0963*** 0.0797*** 0.0904*** 0.0698***
promedio
(43.68) (36.94) (44.39) (37.18) (28.44) (21.43) (28.49) (21.47) (26.16) (18.31)
Escolaridad 0.0880*** 0.0827*** 0.0856*** 0.0802*** 0.0855*** 0.0797*** 0.0823*** 0.0763*** 0.0824*** 0.0765***
individual
(164.49) (125.70) (157.58) (119.59) (157.81) (119.32) (149.62) (111.84) (149.94) (112.12)
Experiencia 0.0301*** 0.0341*** 0.0295*** 0.0336*** 0.0296*** 0.0336*** 0.0293*** 0.0333*** 0.0293*** 0.0333***
(65.56) (63.65) (64.47) (62.83) (64.71) (63.19) (64.44) (63.00) (64.46) (63.00)
Experiencia 2 - -0.0004*** - -0.0004*** - -0.0004*** - -0.0004*** - -0.0004***
0.0003*** 0.0003*** 0.0003*** 0.0003*** 0.0003***
(-40.97) (-41.95) (-40.86) (-41.89) (-41.00) (-42.21) (-41.28) (-42.44) (-41.30) (-42.44)
Sexo 0.2094*** 0.2099*** 0.2279*** 0.2297*** 0.2273*** 0.2287*** 0.2243*** 0.2254*** 0.2238*** 0.2250***
(49.95) (50.02) (53.58) (53.93) (53.64) (53.89) (53.13) (53.33) (53.06) (53.29)
Rama 0.0202*** 0.0214*** 0.0216*** 0.0230*** 0.0198*** 0.0211*** 0.0197*** 0.0209***
(23.67) (24.93) (25.33) (26.81) (23.25) (24.62) (23.12) (24.48)
Frontera 0.1269*** 0.1557*** 0.1104*** 0.1379*** 0.0951*** 0.1242***
(15.29) (17.98) (13.32) (15.96) (10.99) (13.91)
Norte 0.0560*** 0.0718*** 0.0534*** 0.0689*** 0.0546*** 0.0731***
(8.14) (10.26) (7.79) (9.89) (7.96) (10.47)
Centro 0.0887*** 0.0952*** 0.0934*** 0.1002*** 0.0987*** 0.1063***
(15.29) (16.33) (16.13) (17.21) (16.94) (18.14)
Capital - -0.0427*** - -0.0514*** - -0.0803***
0.0775*** 0.0855*** 0.1201***
(-7.02) (-3.73) (-7.77) (-4.51) (-10.52) (-6.82)
2,500 a 0.0518*** 0.0558*** 0.0527*** 0.0560***
14,999
(5.59) (6.00) (5.68) (6.03)
15,000 a 0.1023*** 0.1099*** 0.1000*** 0.1069***
99,999
(11.56) (12.36) (11.30) (12.04)
>100,000 0.1830*** 0.1957*** 0.1751*** 0.1864***
(24.72) (26.22) (23.47) (24.76)
ZonaA 0.0844*** 0.0886***
(12.10) (12.67)
ZonaB 0.0275*** 0.0379***
(3.49) (4.77)
Constante 0.8057*** 0.9076*** 0.6967*** 0.8004*** 0.6844*** 0.8162*** 0.5942*** 0.7189*** 0.6346*** 0.7887***
(41.08) (44.04) (34.67) (38.01) (26.38) (29.01) (22.35) (25.01) (23.39) (26.78)
Observaciones 102902 102902 102902 102902 102902 102902 102902 102902 102902 102902
R2 ajustado 0.264 0.263 0.268 0.267 0.274 0.272 0.280 0.278 0.281 0.279
Hausman 135.907 149.4 116.994 117.042 133.869
Sargan 31.6566 32.212 36.4675 56.0535 38.3817

907
Tabla 3. Rendimientos sociales de la educación en México año 2006. Estimación por Mínimos
Cuadrados Ordinarios y Variables Instrumentales.
MCO VI MCO VI MCO VI MCO VI MCO VI
Escolaridad 0.0974*** 0.0932*** 0.0985*** 0.0935*** 0.0971*** 0.0945*** 0.0973*** 0.0943*** 0.0918*** 0.0846***
promedio
(42.26) (37.79) (42.83) (38.00) (29.35) (25.74) (29.51) (25.75) (27.37) (22.64)
Escolaridad 0.0870*** 0.0820*** 0.0846*** 0.0794*** 0.0844*** 0.0791*** 0.0814*** 0.0758*** 0.0815*** 0.0761***
individual
(166.03) (126.28) (158.76) (119.71) (158.83) (119.48) (150.67) (112.01) (151.09) (112.42)
Experiencia 0.0284*** 0.0320*** 0.0280*** 0.0316*** 0.0280*** 0.0316*** 0.0278*** 0.0315*** 0.0277*** 0.0313***
(64.03) (61.48) (63.10) (60.84) (63.31) (61.13) (63.19) (61.08) (63.02) (60.84)
Experiencia 2 - -0.0004*** - -0.0004*** - -0.0004*** - -0.0004*** - -0.0004***
0.0003*** 0.0003*** 0.0003*** 0.0003*** 0.0003***
(-38.49) (-39.07) (-38.55) (-39.19) (-38.70) (-39.45) (-39.15) (-39.82) (-38.96) (-39.56)
Sexo 0.1884*** 0.1881*** 0.2068*** 0.2078*** 0.2072*** 0.2079*** 0.2060*** 0.2067*** 0.2058*** 0.2066***
(46.19) (46.08) (49.91) (50.11) (50.17) (50.30) (50.08) (50.19) (50.07) (50.21)
Rama 0.0195*** 0.0208*** 0.0206*** 0.0220*** 0.0192*** 0.0205*** 0.0191*** 0.0204***
(23.37) (24.73) (24.74) (26.18) (23.08) (24.44) (23.04) (24.39)
Frontera 0.0987*** 0.1050*** 0.0828*** 0.0888*** 0.0654*** 0.0767***
(12.36) (12.56) (10.38) (10.65) (7.85) (8.89)
Norte 0.0451*** 0.0498*** 0.0422*** 0.0472*** 0.0429*** 0.0512***
(6.68) (7.26) (6.29) (6.90) (6.38) (7.48)
Centro 0.0617*** 0.0634*** 0.0662*** 0.0684*** 0.0720*** 0.0754***
(10.84) (11.09) (11.65) (11.97) (12.60) (13.11)
Capital - -0.0998*** - -0.1082*** - -0.1411***
0.1067*** 0.1154*** 0.1568***
(-9.93) (-8.92) (-10.77) (-9.70) (-14.07) (-12.23)
2,500 a 0.0316*** 0.0361*** 0.0326*** 0.0366***
14,999
(3.51) (4.01) (3.62) (4.06)
15,000 a 0.0950*** 0.1034*** 0.0926*** 0.1004***
99,999
(11.17) (12.11) (10.89) (11.76)
>100,000 0.1658*** 0.1781*** 0.1570*** 0.1687***
(23.38) (24.89) (21.97) (23.38)
ZonaA 0.0927*** 0.0921***
(13.87) (13.73)
ZonaB 0.0273*** 0.0307***
(3.56) (3.99)
Constante 0.9361*** 0.9907*** 0.8333*** 0.8880*** 0.7982*** 0.8312*** 0.7152*** 0.7445*** 0.7527*** 0.8129***
(47.59) (47.56) (41.45) (41.83) (31.04) (29.51) (27.20) (25.93) (28.17) (27.79)
Observaciones 105130 105130 105130 105130 105130 105130 105130 105130 105130 105130
R2 ajustado 0.258 0.257 0.262 0.261 0.267 0.266 0.273 0.271 0.274 0.273
Hausman 69.7503 74.9163 63.0202 63.6444 68.5402
Sargan 13.1542 12.6629 49.4097 75.5568 42.6677

908
 909
Tabla 4. Rendimientos sociales de la educación en México año 2007. Estimación por Mínimos Cuadrados Ordinarios y Variables Instrumentales.
MCO VI MCO VI MCO VI MCO VI MCO VI
Escolaridad promedio 0.0968*** 0.0922*** 0.0982*** 0.0927*** 0.1025*** 0.0991*** 0.1034*** 0.1005*** 0.0960*** 0.0887***
(42.71) (38.28) (43.41) (38.61) (31.28) (27.57) (31.65) (28.06) (28.78) (24.17)
Escolaridad individual 0.0845*** 0.0789*** 0.0821*** 0.0762*** 0.0819*** 0.0759*** 0.0790*** 0.0728*** 0.0792*** 0.0730***
(160.06) (120.51) (153.04) (114.02) (153.10) (113.83) (145.28) (106.50) (145.76) (106.95)
Experiencia 0.0265*** 0.0305*** 0.0261*** 0.0301*** 0.0262*** 0.0302*** 0.0261*** 0.0301*** 0.0260*** 0.0300***
(59.59) (58.54) (58.96) (58.16) (59.27) (58.49) (59.17) (58.50) (59.12) (58.40)
Experiencia 2 -0.0003*** -0.0004*** -0.0003*** -0.0004*** -0.0003*** -0.0004*** -0.0003*** -0.0004*** -0.0003*** -0.0004***
(-36.08) (-37.99) (-36.37) (-38.33) (-36.60) (-38.61) (-37.12) (-39.10) (-37.05) (-38.99)
Sexo 0.1832*** 0.1828*** 0.2022*** 0.2033*** 0.2019*** 0.2027*** 0.2006*** 0.2013*** 0.2004*** 0.2012***
(44.82) (44.66) (48.65) (48.85) (48.72) (48.86) (48.57) (48.68) (48.58) (48.72)
Rama 0.0197*** 0.0212*** 0.0204*** 0.0220*** 0.0191*** 0.0206*** 0.0190*** 0.0205***
(23.44) (25.01) (24.37) (26.05) (22.85) (24.45) (22.74) (24.33)
Frontera 0.0739*** 0.0817*** 0.0568*** 0.0625*** 0.0371*** 0.0483***
(9.17) (9.73) (7.05) (7.45) (4.44) (5.59)
Norte 0.0416*** 0.0475*** 0.0357*** 0.0407*** 0.0374*** 0.0461***
(6.14) (6.89) (5.27) (5.92) (5.53) (6.69)
Centro 0.0526*** 0.0543*** 0.0545*** 0.0562*** 0.0614*** 0.0643***
(9.17) (9.41) (9.53) (9.76) (10.66) (11.10)
Capital -0.1282*** -0.1200*** -0.1408*** -0.1346*** -0.1868*** -0.1717***
(-11.69) (-10.57) (-12.87) (-11.88) (-16.45) (-14.67)
2,500 a 14,999 0.0493*** 0.0548*** 0.0497*** 0.0546***
(5.48) (6.08) (5.52) (6.06)
15,000 a 99,999 0.0935*** 0.1024*** 0.0898*** 0.0984***
(10.83) (11.82) (10.40) (11.36)
>100,000 0.1619*** 0.1759*** 0.1511*** 0.1644***
(22.74) (24.48) (21.05) (22.68)
ZonaA 0.1073*** 0.1073***
(15.97) (15.92)
ZonaB 0.0360*** 0.0403***
(4.74) (5.28)
Constante 1.0320*** 1.0944*** 0.9236*** 0.9852*** 0.8536*** 0.8959*** 0.7660*** 0.7968*** 0.8181*** 0.8818***
(52.41) (52.78) (45.78) (46.52) (32.97) (31.94) (28.97) (27.89) (30.35) (30.19)
Observaciones 103827 103827 103827 103827 103827 103827 103827 103827 103827 103827
R2 ajustado 0.247 0.245 0.251 0.249 0.255 0.254 0.260 0.259 0.262 0.260
Hausman 88.4656 95.9709 78.9089 79.9999 86.6909
Sargan 24.5872 24.0124 57.9372 85.8604 46.3592
Tabla 5. Rendimientos sociales de la educación en México año 2008. Estimación por Mínimos
Cuadrados Ordinarios y Variables Instrumentales.
MCO VI MCO VI MCO VI MCO VI MCO VI
Promedio 0.0955*** 0.0937*** 0.0968*** 0.0939*** 0.0979*** 0.1010*** 0.0984*** 0.1023*** 0.0916*** 0.0910***
escolaridad
(41.71) (38.23) (42.41) (38.44) (30.17) (28.08) (30.39) (28.49) (27.74) (24.78)
Escolaridad 0.0832*** 0.0771*** 0.0804*** 0.0741*** 0.0801*** 0.0737*** 0.0776*** 0.0708*** 0.0778*** 0.0711***
individual
(155.22) (116.13) (147.77) (109.35) (147.60) (108.94) (140.54) (102.31) (141.06) (102.77)
Experiencia 0.0267*** 0.0308*** 0.0263*** 0.0305*** 0.0264*** 0.0306*** 0.0262*** 0.0304*** 0.0262*** 0.0304***
(59.96) (59.53) (59.44) (59.18) (59.65) (59.46) (59.54) (59.42) (59.50) (59.34)
Experiencia 2 - -0.0004*** - -0.0004*** - -0.0004*** - -0.0004*** - -0.0004***
0.0003*** 0.0003*** 0.0003*** 0.0003*** 0.0003***
(-36.56) (-39.02) (-37.02) (-39.44) (-37.18) (-39.69) (-37.62) (-40.08) (-37.57) (-39.99)
Sexo 0.1815*** 0.1807*** 0.2029*** 0.2039*** 0.2026*** 0.2032*** 0.2023*** 0.2028*** 0.2021*** 0.2028***
(44.00) (43.76) (48.47) (48.63) (48.52) (48.60) (48.59) (48.66) (48.61) (48.71)
Rama 0.0228*** 0.0246*** 0.0237*** 0.0255*** 0.0225*** 0.0242*** 0.0224*** 0.0240***
(26.89) (28.63) (27.96) (29.76) (26.57) (28.27) (26.41) (28.12)
Frontera 0.0818*** 0.0796*** 0.0681*** 0.0637*** 0.0454*** 0.0479***
(10.25) (9.54) (8.53) (7.63) (5.46) (5.57)
Norte 0.0442*** 0.0454*** 0.0391*** 0.0393*** 0.0400*** 0.0442***
(6.47) (6.51) (5.73) (5.65) (5.85) (6.33)
Centro 0.0535*** 0.0530*** 0.0558*** 0.0553*** 0.0620*** 0.0630***
(9.29) (9.16) (9.70) (9.55) (10.72) (10.82)
Capital - -0.1256*** - -0.1365*** - -0.1757***
0.1209*** 0.1297*** 0.1790***
(-11.04) (-11.04) (-11.86) (-12.02) (-15.69) (-14.92)
2,500 a 0.0377*** 0.0452*** 0.0387*** 0.0456***
14,999
(4.22) (5.05) (4.33) (5.10)
15,000 a 0.0804*** 0.0908*** 0.0772*** 0.0873***
99,999
(9.32) (10.48) (8.96) (10.09)
>100,000 0.1402*** 0.1557*** 0.1297*** 0.1448***
(19.83) (21.80) (18.19) (20.11)
ZonaA 0.1088*** 0.1067***
(16.15) (15.77)
ZonaB 0.0384*** 0.0396***
(4.98) (5.10)
Constante 1.0695*** 1.1131*** 0.9451*** 0.9887*** 0.8993*** 0.8953*** 0.8266*** 0.8085*** 0.8749*** 0.8905***
(53.08) (52.08) (45.88) (45.40) (34.47) (31.37) (31.01) (27.80) (32.19) (29.95)
Observaciones 100535 100535 100535 100535 100535 100535 100535 100535 100535 100535
R2 ajustado 0.242 0.241 0.248 0.246 0.252 0.250 0.256 0.254 0.258 0.256
Hausman 86.1888 90.4235 87.3609 146.475 86.6433
Sargan 52.8615 51.1129 111.741 88.5245 86.7853

910
Tabla 6. Rendimientos sociales de la educación en México año 2009. Estimación por Mínimos
Cuadrados Ordinarios y Variables Instrumentales.
MCO VI MCO VI MCO VI MCO VI MCO VI
Promedio 0.0875*** 0.0867*** 0.0880*** 0.0863*** 0.0797*** 0.0870*** 0.0803*** 0.0880*** 0.0738*** 0.0769***
escolaridad
(36.87) (33.79) (37.23) (33.78) (23.26) (22.68) (23.49) (23.00) (21.23) (19.74)
Escolaridad 0.0820*** 0.0756*** 0.0790*** 0.0725*** 0.0789*** 0.0723*** 0.0763*** 0.0693*** 0.0765*** 0.0695***
individual
(143.81) (107.57) (136.55) (101.10) (136.57) (100.88) (129.55) (94.25) (130.00) (94.65)
Experiencia 0.0256*** 0.0299*** 0.0253*** 0.0295*** 0.0252*** 0.0295*** 0.0251*** 0.0294*** 0.0250*** 0.0293***
(54.35) (54.76) (53.88) (54.35) (53.88) (54.48) (53.75) (54.43) (53.71) (54.35)
Experiencia 2 - -0.0004*** - -0.0004*** - -0.0004*** - -0.0004*** - -0.0004***
0.0003*** 0.0003*** 0.0003*** 0.0003*** 0.0003***
(-33.81) (-36.72) (-34.27) (-37.05) (-34.22) (-37.14) (-34.63) (-37.54) (-34.60) (-37.46)
Sexo 0.1816*** 0.1809*** 0.2046*** 0.2057*** 0.2048*** 0.2056*** 0.2027*** 0.2033*** 0.2027*** 0.2034***
(41.97) (41.76) (46.54) (46.73) (46.68) (46.80) (46.32) (46.39) (46.36) (46.46)
Rama 0.0238*** 0.0256*** 0.0245*** 0.0263*** 0.0232*** 0.0249*** 0.0231*** 0.0248***
(26.67) (28.40) (27.49) (29.22) (26.10) (27.74) (25.97) (27.63)
Frontera 0.0955*** 0.0845*** 0.0801*** 0.0671*** 0.0547*** 0.0499***
(11.01) (9.24) (9.23) (7.34) (6.06) (5.32)
Norte 0.0506*** 0.0468*** 0.0441*** 0.0396*** 0.0475*** 0.0475***
(6.86) (6.19) (6.00) (5.23) (6.44) (6.27)
Centro 0.0549*** 0.0516*** 0.0572*** 0.0539*** 0.0622*** 0.0608***
(9.03) (8.40) (9.41) (8.79) (10.18) (9.87)
Capital - -0.0856*** - -0.0981*** - -0.1320***
0.0722*** 0.0830*** 0.1280***
(-6.22) (-7.07) (-7.16) (-8.12) (-10.55) (-10.49)
2,500 a 0.0281** 0.0345*** 0.0284** 0.0343***
14,999
(3.04) (3.73) (3.08) (3.72)
15,000 a 0.0752*** 0.0854*** 0.0725*** 0.0825***
99,999
(8.47) (9.58) (8.17) (9.27)
>100,000 0.1367*** 0.1523*** 0.1253*** 0.1408***
(18.77) (20.71) (17.07) (19.00)
ZonaA 0.1012*** 0.0977***
(14.06) (13.54)
ZonaB 0.0531*** 0.0527***
(6.46) (6.39)
Constante 1.1425*** 1.1793*** 1.0182*** 1.0525*** 1.0422*** 1.0090*** 0.9779*** 0.9339*** 1.0243*** 1.0145***
(54.14) (52.23) (47.28) (45.87) (37.85) (33.23) (34.83) (30.25) (35.91) (32.30)
Observaciones 93940 93940 93940 93940 93940 93940 93940 93940 93940 93940
R2 ajustado 0.227 0.225 0.233 0.231 0.236 0.234 0.241 0.239 0.242 0.240
Hausman 82.3463 82.3727 88.2844 90.0324 84.1242
Sargan 28.3048 30.4667 69.9983 87.9689 58.0658

911
Tabla 7. Rendimientos sociales de la educación en México año 2010. Estimación por Mínimos
Cuadrados Ordinarios y Variables Instrumentales.
MCO VI MCO VI MCO VI MCO VI MCO VI
Promedio 0.0798*** 0.0788*** 0.0814*** 0.0792*** 0.0858*** 0.0913*** 0.0868*** 0.0927*** 0.0817*** 0.0833***
escolaridad
(33.72) (30.46) (34.56) (30.74) (25.62) (23.89) (25.98) (24.33) (24.10) (21.53)
Escolaridad 0.0834*** 0.0761*** 0.0800*** 0.0727*** 0.0799*** 0.0724*** 0.0772*** 0.0693*** 0.0773*** 0.0695***
individual
(145.20) (107.49) (137.61) (100.84) (137.41) (100.48) (130.58) (94.09) (130.84) (94.31)
Experiencia 0.0237*** 0.0286*** 0.0234*** 0.0282*** 0.0235*** 0.0283*** 0.0233*** 0.0281*** 0.0233*** 0.0280***
(50.44) (52.49) (50.10) (52.12) (50.23) (52.31) (49.98) (52.17) (49.97) (52.14)
Experiencia 2 - -0.0004*** - -0.0004*** - -0.0004*** - -0.0004*** - -0.0004***
0.0003*** 0.0003*** 0.0003*** 0.0003*** 0.0003***
(-29.19) (-34.11) (-29.93) (-34.60) (-30.03) (-34.77) (-30.37) (-35.12) (-30.35) (-35.09)
Sexo 0.1663*** 0.1653*** 0.1925*** 0.1935*** 0.1925*** 0.1933*** 0.1905*** 0.1910*** 0.1905*** 0.1911***
(38.41) (38.12) (43.82) (43.99) (43.90) (44.00) (43.55) (43.61) (43.58) (43.66)
Rama 0.0271*** 0.0291*** 0.0277*** 0.0298*** 0.0265*** 0.0284*** 0.0264*** 0.0283***
(30.45) (32.37) (31.14) (33.09) (29.79) (31.65) (29.67) (31.55)
Frontera 0.0501*** 0.0429*** 0.0340*** 0.0248** 0.0101 0.0084
(5.82) (4.70) (3.95) (2.71) (1.13) (0.89)
Norte 0.0299*** 0.0282*** 0.0235** 0.0208** 0.0264*** 0.0281***
(4.10) (3.75) (3.22) (2.77) (3.62) (3.73)
Centro 0.0496*** 0.0468*** 0.0505*** 0.0476*** 0.0532*** 0.0521***
(8.16) (7.59) (8.31) (7.74) (8.70) (8.43)
Capital - -0.1159*** - -0.1279*** - -0.1519***
0.1045*** 0.1148*** 0.1491***
(-9.04) (-9.55) (-9.94) (-10.55) (-12.27) (-11.99)
2,500 a 0.0349*** 0.0421*** 0.0341*** 0.0409***
14,999
(3.83) (4.60) (3.74) (4.47)
15,000 a 0.0907*** 0.1013*** 0.0875*** 0.0980***
99,999
(10.24) (11.39) (9.88) (11.03)
>100,000 0.1451*** 0.1615*** 0.1348*** 0.1511***
(20.12) (22.19) (18.51) (20.56)
ZonaA 0.0764*** 0.0734***
(10.55) (10.11)
ZonaB 0.0542*** 0.0548***
(6.59) (6.62)
Constante 1.2384*** 1.2835*** 1.0872*** 1.1317*** 1.0231*** 1.0075*** 0.9491*** 0.9218*** 0.9884*** 0.9939***
(57.98) (55.61) (49.81) (48.20) (37.34) (32.79) (34.03) (29.58) (34.94) (31.44)
Observaciones 94721 94721 94721 94721 94721 94721 94721 94721 94721 94721
R2 ajustado 0.221 0.218 0.228 0.226 0.231 0.229 0.236 0.233 0.237 0.234
Hausman 106.616 105.916 107.621 109.43 106.436
Sargan 25.452 26.8723 36.0205 44.9861 35.556

912
Referencias
Acemoglu, D. (1996): “A microfoundation for social increasing returns in human capital
accumulation”. Quarterly Journal of Economics, 111, 779-804.

Acemoglu, D. y J. Angrist (2000): “How Large are the Social Returns to Education: Evidence
from Compulsory Schooling Laws” (NBER Working Paper No. W7444, National Bureau of Economic
Research).

Adams, J. y A. Jaffe (1996): “Bounding the Effects of R&D: An Investigation Using Matched
Establishment-Firm Data”. Rand journal of Economics 27 (4), 700-721.

Angrist, J. y G.Imbens, (1995) “Two-Stage Least Squares Estimation Average causal Effects in
Models with Variable Treatment Effect”. Journal of the American Statistical Association, 90, 431-
442.

Angrist, J. y A. Krueger (1991): “Does compulsory schooling attendance effect schooling and
earnings”. Quarterly Journal of Economics, 106, 979-1014.

Becker, G. (1964): “Human capital: A theoretical and empirical analysis, with special reference to
education”. National Bureau of Economic Research, New York.

Cerejeira, J., (2003): “Local Human Capital Externalities or Sorting? Evidence From a Displaced
Workers Sample”, NIPE Working Papers 9/2003, NIPE - Universidade do Minho.

Ciccone, A. y W. García-Fontes (2001): “Externalidades del capital humano en las provincias

españolas: (1981-1991)”. Ministerio de Hacienda. Dirección General de Presupuestos.

Ciccone, A. y G. Peri (2002): “Identifying Human Capital Externalities: Theory with an Application
to U.S. Cities” (IZA Discussion Paper No. 488, Institute for the Study of Labor).

____________(2005): “Long Run Substitutability between More and Less Educated Workers:
Evidence from U.S. States 1950–1990”. Review of Economics and Statistics, 652–663.

Ciccone, A., G. Peri y D. Almond (1999): “Capital, Wages, and Growth: Theory and Evidence”.
Economics Working Papers 389, Department of Economics and Business, Universitat Pompeu
Fabra.

Ciccone, A., et al. (2006): “The private and social return to schooling in Italy” Temi di discussione
(Economic working papers) 569, Bank of Italy, Economic Research Department.

Conley,T. et. al. (1999): “Spillovers from Local Market Human Capital and the Spatial Distribution
of Productivity in Malaysia”. Advances in Economic Analysis & Policy 2003, Volume 3.

Charlot, S., y G. Duranton (2004): “Communication externalities in cities”. Journal of Urban

Economics, Elsevier, vol. 56(3).

913
Chiquiar, D.(2004): “Globalization, Regional Wage Differentials and the Stolper-Samuelson
Theorem: Evidence from Mexico”. Working Papers 2004-06, Banco de México.

Dalmazzo, A. y G. Blasio (2004): “Where Do Human Capital Externalities End Up To?” Temi di
Discussione No.554, Banca D’Italia, Roma.

De la Fuente, A. (2004): “La rentabilidad privada y social de la educación: un panorama y resultados

para la UE”. Fundación Caixa Galicia.

De Walque, D. (2004a): “Education, Information, and Smoking Decisions: Evidence from Smoking
Histories, 1940–2000”. Policy Research Working Paper 3362, World Bank.

_____________(2004b), “How Does the Impact of an HIV/AIDS Information Campaign Vary with
Educational Attainment? Evidence from Rural Uganda.” Policy Research Working Paper 3289,
World Bank.

Farrington, D.et al. (1986): “Unemployment, school leaving and crime”. British Journal of
Criminology 26, 335-356.

Gottfredson, D. (1985): “Youth employment, Crime and Schooling”. Developmental Psychology 21,
419-432.

Grossman, M. y R. Kaestner (1997): “Effects of education on health”, in: Behrman, J. R. and

Stacey, N. (Eds) The Social Benefits of Education (Michigan, The University of Michigan Press).

Haveman, R. y B. Wolfe, B.(1984): “Schooling and Economic Well-Being: The Role of Non-Market
Effects”. Journal of Human Resources, 19 (3).

Harmon, C. y Walker, I. (1995): “Economic return to schooling for the UK”. American Economic
Review, 85, 1278-1286.

Iturribarría, P. (2008): “Externalidades del capital humano en las áreas metropolitanas de México”,
mimeo, Universidad Autónoma de Barcelona.

Jaffe, A. et al. (1993): “Geographic localization of knowledge spillovers as evidenced by patent

citation”. Quarterly Journal of Economics, 108 (3), 577-598.

Kenkel, D. (1991): “Health behavior, health knowledge, and schooling”, Journal of Political
Economy, 99, pp. 287–305.

___________(1995): “Should you eat breakfast? Estimates from health production functions”.
Health Economics, 4, pp. 15–29.

Leigh, J. P. (1983). “Direct and indirect effects of education on health”. Social Science and Medicine,
17, pp. 227–34.

914
Liu, Z., (2006). “The external returns to education: Evidence from Chinese cities”. Journal of
Urban Economics, Elsevier, vol. 61(3).

Lochner, L. (1999): “Education, Work and Crime: Theory and Evidence”, mimeo, University of
Rochester.

Lochner, L. y Moretti, E.(2002): “The Effect of Education On Crime: Evidence from Prison Inmates,
Arrests and Self reports”, mimeo.

Lucas, R. (1988): “On the Mechanics of Economic Development”. Journal of Monetary Economics
22, 3-24.

Mancera, C. (1999): “Financiamiento y gasto educativo”. Ponencia presentada en el Foro Nacional:

La Educación Básica ante el Nuevo Milenio, organizado por el Congreso de la Unión. Guadalajara,
México.

Manda, Mwabu y Kimenyi (2002): Human Capital Externalities and Returns to Education in Kenya,
KIPPRA Discussion Paper No. 13.

Mcmahon, W. (1999): “Education and Development, Measuring the Social Benefits”, Oxford: Oxford
University Press.

Milligan, K. et al. (2003): “Does Education Improve citizenship? Evidence from the U.S. and the
U. K.”, mimeo.

Mincer, J. (1974): “Schooling, experience and earnings”. National Bureau of Economic Research,
Columbia University Press, New York.

Moretti, E. (1998): “Social returns to education and human capital externalities: evidence from
cities”, mimeo. University of California, Berkeley, Noviembre.

__________ (2004a): “Estimating the Social Return to Higher Education: Evidence from
Longitudinal and Repeated Cross-Sectional Data”. Journal of Econometrics.

__________ (2004b): “Human Capital Externalities in Cities”, en J. V. Henderson and J.-F. Thisse
(eds.) Handbook of Urban and Regional Economics, Vol. 4.

__________ (2004c): “Workers’ Education, Spillovers and Productivity: Evidence from Plant-Level
Production Functions”, American Economic Review.

Murayvev, A. (2006), “Human Capital Externalities: evidence from the Transition Economy of
Russia”. DIW Discussion paper, num 629, Berlin.

Powdthavee, N.(2009), “Does Education Reduce Blood Pressure? Estimating the BiomarkerEffect
of Compulsory Schooling in England.”Discussion Paper no. 2009/4, Department of Economics,
University of York.

915
Psacharopoulos, G. y H. Patriños (2002): “Returns to investment in education: A further update”.
Policy Research Working Paper, núm 2881, Banco Mundial.

Racova, V.(2005): “Human Capital Externalities in the Canadian Metropolitan Areas: How Do We
Measure Human Capital”, Reporte de investigación, Departamento de Investigación de ciencias
Económicas de la Universidad de Montréal.

Rauch, J.(1993): “Productivity Gains from Geographic Concentration in Cities”. Journal of Urban
Economics, 34.

Rodrigo, F. (2010): “Externalidades de la Educación Superior en México: Un Análisis

Multidimensional”. Ponencia presentada en la conferencia latinoamericana y del Caribe sobre
desarrollo humano y enfoque de las capabilidades.

Romer, P. (1992): “Increasing Returns and New Developments in the Theory of Growth,” NBER
Working Papers 3098, National Bureau of Economic Research, Inc.

Rosenzweig, M. y T. Schultz (1981): “Education and household production of child health”, in:
Proceedings of the American Statistical Association (Washington, D.C., American Statistical
Association).

Rudd, J. (2000): “Empirical Evidence on Human Capital Spillovers” (Finance and Economics
Discussion Paper 2000–46, Federal Reserve Board).

Witte, A. y H. Tauchen (1994). “Work and Crime: An Exploration Using Panel Data”. NBER working
Paper 4794.

916
4. Internal migration of foreign-born migration in Spain: A human capital
approach

Antonio Caparrós Ruiz, Universidad de Málaga

917
Internal migration of foreign-born migration in Spain: A human capital
approach*

Antonio Caparrós Ruiz, Universidad de Málaga

Resumen
A relevant topic of the economic literature is the geographical mobility of workers within countries.
This is due to the positive influence of labour mobility on the economic convergence of regions
and on the improvement in the productivity and allocation of workers. Within this context, a
relevant topic is the geographical mobility of foreign workers in the destination country. The
study of this topic for the Spanish case is interesting, because Spain is one of the European
countries where immigration flows have increased most noticeably for the last years. This paper is
aimed, first, at studying the determinants of interprovintial geographical mobility of immigrants
in Spain and, second, at obtaining consistent estimates of individual’s opportunity wages as
movers or stayers. Findings show that an expected wage gain exerts a positive influence on the
interprovintial mobility and leads to a better allocation of resources which is consistent with the
prediction of the human capital model of migration.

Keywords: Geographical mobility, immigrants, potential wage gain.

1. Introduction
Understanding the determinants of geographical mobility is a major concern of the
economic literature. Among other reasons, this is due to the positive influence of it on the
economic convergence of regions and on the improvement in the productivity and allocation of
workers. In Spain during the sixties, a large internal flow of workers led to the development and
Spanish economic growth. However, since the mid-seventies these migratory flows were under
strong slowdown and this low geographical mobility of workers was considered an explanatory
factor. The high rates of unemployment in the Spanish labour market since the 80s.
The Spanish economic literature has tried to explain the determinants of the internal
migration from different points of view and using different datasets. In this sense, it’s possible
to highlight, first, the paper of Antolín and Bover (1997) who identify which regional economic
factors and personal characteristics influence male interregional migration decision, using
individual data from the Migration Survey, included in the Spanish Labour Force Survey (INE, 1987-
1991). Second, Bover and Arellano (2002) analyse intraregional migration in Spain, combining
information from the Residential Variations Data and from the Spanish Labour Force Survey for
the period 1988-1992. Third, Abellán (1998) and Devillanova and García-Fontes (2004) study
internal migration from a more disaggregated point of view, by analysing the migration between
provinces, using the Survey of Structure, Consciousness and Biography of Classes (INE, 1991) and
the information mainly provided from the records of Spanish Social Security from 1978-1992,
respectively.
Within this general context, a topic of great relevancy is the geographical mobility
of foreign workers in the destination country. The study of this topic for the Spanish case
is interesting because Spain is one of the European countries where immigration flows have
increased most noticeably. Thus, the foreign-born population living in Spain increases from 1% of
the total population in 1990 to the 12% in 2009 (INE, 2009), converting Spain into the European
* The author acknowledges financial assistance from the Andalusian Goverment under proyect P09-SEJ-4859.

918
Union country that most contributes to the increase in the immigrant population. However, not
much research has been done on the Spanish labour market regarding the geographical mobility
of immigrants within Spain, except from the studies of Recaño (2002), Pajares (2009), and Hierro
and Maza (2010). The first two papers use information provided by the Residential Variations
Data and note that the geographical mobility of foreigners is much higher than that of the
Spanish. For example, Pajares (2009) finds out that, in the year 2007, the mobility of immigrants
between municipalities was four times higher than that of the Spanish. Hierro and Maza (2010)
ascertain whether the internal mobility of foreing-born resident affects the economic provintial
convergence in terms of per-capita income, employing several data source provided by the National
Statistics Institute for the period 1996-2005 (Spanish Regional Accounts, Residential Variations
Data, Municipal Register and Spanish Labour Force Survey). Their results show that foreign-born
migration has a significant although weak influence on the economic provincial converge.
This paper is aimed, first, at studying the determinants of interprovincial geographical
mobility of immigrants in Spain and, second, at obtaining consistent estimates of individual’s
opportunity wages as movers or stayers. With these estimates it is possible to obtain the potential
wage gain of migration for all individuals, migrants or not, and to check if this variable has
an influence on the interprovincial migration decision. Concerning the second purpose, the
hypothesis to be tested is whether the internal migration of immigrants in Spain has a positive
effect on their careers and wages, so that people migrate when the expected benefits of doing so
outweigh the costs. In this sense, migration is described as a decision involving investment in
human capital (Sjaastad, 1962).

2. The model
In this section is described a switching regression model with endogenous switching. This
model has as its starting point the human capital model of Sjaastad (1962). It consists of two
wage equations (one for immigrant movers between provinces in Spain and the other for stayers)
as well as an equation describing the dichotomous decision of immigrants to move between
provinces in Spain. The sample observations may be thought as a falling into one of two mutually
exclusive regimes, with the decision equation serving as an endogenous selectivity criterion that
determines the appropriate regime (migrant versus non-migrant).
Let lnw1i and lnw2i would be the log wages for individual i in, for example, 1 and 2 areas,
respectively:
ln w1i = β’1 Xi + u1i (1)
ln w2i = β’2 Xi + u2i (2)

where Xi is a vector that contains, first, personal characteristics (gender, country of origin,
educational level, the level achieved in the Spanish language proficiency), current employment
characteristics (occupation, activity sector, working time, tenure) and if they were working in
their home country. β1 and β2 are vectors of unknown parameters, and u1i and u2i are disturbance
terms that follow a normal distribution.
The propensity to migrate of individual i from province 1 to province 2, I*i is function of
the difference between lnw2i and lnw1i and of the cost of moving from province 1 to province 2,
ci:
I*i = f (ln w2i - ln w1i, ci) (3)

The cost of moving is specified as:

ci = δ’ Zi + uci (4)
919
 where Zi is a vector that includes as regressors some personal characteristics of the immigrant
at arriving in Spain (age, marital status, if he live in a home for free). δ is a vector of unknown
coefficients, and uci is an error term normally distributed.
Assuming a linear model for I*i:
I*i = δ2 (ln w2i - ln w1i) + δ’ Zi + uci (5)

I*i is an unobservable variable that determines if the immigrant i is a mover or stayer

within Spain. So, it is necessary to use a dichotomous variable that takes the value 1 when the
individual has migrated and 0, otherwise:
Ii = 1 if I*i > 0 (6)
Ii = 0 if I*i ≤ 0

Since w2i is only observed if the individual changes from province, and w1i if no changes,
the selection equation structural form (5) cannot be estimated directly. However, it is possible to
obtain the selection equation reduced form:
I*i = δ2 (β2 - β1)’ Xi + δ’ Zi + uci + δ2 u2i - δ2 u1i = δ*’ Zi* + εi (7)

where δ*’ = [δ2 (β2 - β1)’, δ’], Zi* = (Xi , Zi) and εi = uci + δ2u2i – δ2u1i.
Log wage regression model, equations (1) and (2) have to be estimated on truncated
samples. For movers, I*i > 0, the wage regression for (2) is:
E ( ln w2i | Xi , I*i > 0 ) = β’2 Xi + E ( u2i | I*i > 0) (8)

To opposite, for stayers for whom I*i ≤ 0, the regression function is:
E ( ln w1i | Xi , I*i ≤ 0 ) = β’1 Xi + E ( u1i | I*i ≤ 0) (9)

Assuming normality for εi, u1i and u2i, with zero mean and non-singular covariance
matrix, Σ, specified as:

Σ= (10)

Equations (8) and (9) become:

where λ2i and λ1i are the inverse Mills ratios to left censored distributions and right censored
distributions, respectively.
A two-stage method to estimate the endogenous switching model would involve, first,
€ the estimation
€ of a probit of the criterion equation (7) with the object of predicting the inverse
Mills ratios λ2i and λ1i. Second, these predict variables would be included in equation (11)
and (12). However, this method is inefficient and requires potentially cumbersome adjustments
to derive consistent standard errors, because the correct covariance matrix of the estimates is
very complicated (Lee, 1978). A more efficient version of the endogenous switching model can
be estimated by full information maximun likelihood (FIML) method (Greene, 2000). The FIML

920
 method simultaneously estimates the probit criterion and the wage regression equation to yield
consistent errors. Given the assumption of trivariate normal distribution for the error terms, the
logaritmic likelihood function for the system of equation is:

where f and F are the probability density and cumulative distribution functions of the standard
normal distribution, ρ 2,ε is the coefficient of correlation between u2i and εi, and ρ1,ε is the

coefficient of correlation between u1i and εi. The signs of theses correlation coefficients, ρ 2,ε
and ρ1,ε have€ economic interpretations, if they have alternative signs (positive
€ and negative,
respectively) would imply that the decision to migrate within Spain would have a comparative
advantage for workers who change or not from province, since their wages would be € higher than
€ an individual chosen randomly from the sample.
The application of FIML method corrects for the selection bias in the log-wage equations
(1-2) caused because some unobserved characteristics that influence the probability of change of
region also determine the wages that immigrants receive once they are employed.
The estimates of β1 and β2 allow estimating the wage gain of migration for all
individuals:
(14)

This variable would allow obtain the influence of potential wage gain on the probability
of interprovincial mobility from immigrants in Spain though, its inclusion in equation (5):

(15)
I*i = δ2i + δ’ Zi + εi*

In this model εi* is an heteroskedastic error term because:

(16)
εi* = εi + δ2i ( )

where WG i = (ln w2i - ln w1i) is the true wage gain of change of province.
If δ 2i is a positive and statistically significant parameter, we would prove that interprovincial
movements of immigrants in Spain have taken place according to a process of maximizing wage
€ gains.
€

921
3. Data
The data set is the Spanish National Immigrant Survey (INE, 2007). The main objective
of this survey is provided information on the immigrants, aged 16 years old and over, who have
been in Spain longer than one year, or have the intention of doing so (15465 individuals). The
information includes residential trajectory within the different municipalities in Spain and work
trajectory (first and current employment situation).
As one of the main variables of the model is the wage, only we take into account wage
earners immigrants306 at the time of conducting the survey. This group, composed by 8207
individuals, represents the 53% of the initial sample (15465 individuals). Moreover, in order to
control the heterogeneity of the immigrant population, we restrict the sample to individuals
who arrived at Spain between 1997-2007. The Spanish National Immigrant Survey allows for two
mutually exclusive choices as response of the workers about the wage, on the one hand, they
can provide the exact value of their current wage or, on other hand, its location within a closed
interval question. Individuals who choose the second option, i.e answer that they wage is within a
certain range, represent 15% of wage earners. Following, Sanromá et al. (2009), in these cases, the
wages have been calculated at the midpoint of the corresponding wage interval. Once eliminated
the observations that do no meet the above requirements and the missing and anomalous values
dropped out, the sample used in the estimates are composed by 5314 individuals. The descriptive
statistics of the variables for the total sample and for the two groups, formed by individuals that
change and not change of province, are shown in table 1.
Through the information provided in this table, first, it appears that the percentage of
immigrants who changed of province in Spain is 16%307, being the mean of the logarithm monthly
wage for this group higher than the corresponding to the stayers308.
The first group of regressors that are considered as influential on the wage equation
corresponds to the personal characteristics. Within this group are included the following variables:
gender, country of origin, Spanish language proficiency and educational level. As more relevant
results it is noteworthy, first, that the proportion of males inside the group of immigrants who
realize a change of region is superior to the correspondent for those who do not change (55%
versus 53%).
Second, with respect to the variable that informs about the country of birth, immigrants
have been sorted among the most representative groups of foreigners in Spain. The descriptives
showed that the collective more represented in all situations is South American people, being
more than the half of the sample. By mobility status, it is highlights that the proportion of
immigrants proceeding from Morocco, Rest of Africa countries, Ukraine, Colombia, Ecuador and
Asia is higher for the people who migrate within Spain. Third, the proportion of immigrants who
speak Spanish fluently is quite similar in all situations, approaching 13% of the sample. Finally,
educational level predominant in both groups (movers and stayers) is upper secondary with a
percentage higher than 40% of the sample of immigrants.

306 Immigrants’ wages are expressed in monthly terms and correspond to the pay received in their principal job in
net terms (after deductions, contributions and other similar payments).
307 Individuals who after making a change of province have returned to their starting province have been considered
as stayers, because the province of origin and destination coincide.
308 After application of an independent t-test, it is statistically verified that the mean of the logarithm monthly
wage is different for movers and stayers.

922
Table 1. Sample characteristics of variables used in the estimates
All sample Stayers Movers
Variables Mean Std. dev. Mean Std. dev. Mean Std. dev.
Logarithm monthly wage 6.81 0.41 6.80 0.42 6.83 0.40
Regressors in the wages equations
Personal characteristics
Gender
Female 0.47 0.50 0.47 0.50 0.45 0.50
Male 0.53 0.50 0.53 0.50 0.55 0.50
Geographic origin
EU-15 countriesa 0.06 0.23 0.06 0.24 0.05 0.22
Bulgaria 0.04 0.18 0.03 0.18 0.04 0.20
Romania 0.15 0.36 0.15 0.36 0.14 0.35
Ukraine 0.02 0.16 0.02 0.16 0.03 0.16
Rest of European countries 0.05 0.22 0.06 0.23 0.04 0.20
Morocco 0.08 0.26 0.08 0.26 0.09 0.28
Rest of African countries 0.04 0.20 0.04 0.19 0.06 0.24
Asia 0.02 0.16 0.02 0.16 0.03 0.16
Argentina 0.05 0.22 0.05 0.22 0.04 0.20
Bolivia 0.05 0.22 0.05 0.22 0.04 0.20
Colombia 0.10 0.30 0.09 0.29 0.12 0.32
Ecuador 0.15 0.36 0.15 0.36 0.17 0.37
Paraguay 0.01 0.34 0.01 0.12 0.01 0.10
Rest of South-American countries 0.18 0.46 0.18 0.46 0.14 0.35
Spanish language proficiency
Fluent 0.13 0.34 0.13 0.34 0.14 0.34
Not fluent 0.87 0.34 0.87 0.34 0.86 0.34
Educational level
Not education 0.09 0.30 0.08 0.26 0.09 0.27
Primary 0.15 0.35 0.15 0.35 0.16 0.36
Lower secondary 0.15 0.35 0.15 0.35 0.14 0.34
Upper secondary 0.42 0.49 0.42 0.49 0.44 0.49
Short-cycle higher education 0.17 0.38 0.18 0.38 0.15 0.36
Long-cycle higher education 0.02 0.13 0.02 0.13 0.02 0.15
Current employment characteristics
Occupation
Managers, intellectual professionals and technicians 0.15 0.35 0.15 0.35 0.14 0.34
Professionals and administrative type employees 0.05 0.21 0.05 0.21 0.04 0.19
Catering, personal services, security and retail workers 0.20 0.10 0.20 0.40 0.20 0.40
Workers skilled in agriculture and fishing 0.01 0.11 0.01 0.11 0.01 0.07
Crafstmen and skilled manufacturing 0.20 0.40 0.20 0.40 0.23 0.42
Installation and machinery operators 0.07 0.25 0.07 0.25 0.09 0.28
Unskilled workers 0.32 0.44 0.32 0.44 0.29 0.45
Activity sector
Agriculture and fishing 0.07 0.25 0.07 0.25 0.07 0.25
Manufacturing 0.15 0.36 0.14 0.35 0.22 0.42
Construction 0.21 0.41 0.21 0.41 0.24 0.42
Wholesale and retail trade 0.09 0.29 0.10 0.30 0.06 0.24
Hotels and restaurants 0.14 0.34 0.14 0.34 0.15 0.36
Transport 0.04 0.20 0.04 0.20 0.04 0.21
Financial intermediation, real estate, renting... 0.08 0.27 0.08 0.27 0.07 0.26
Education, health, public administration 0.05 0.22 0.05 0.22 0.04 0.21
Household activities 0.14 0.37 0.14 0.35 0.10 0.30
Other social and personal service activities 0.03 0.17 0.03 0.18 0.01 0.13
Working time
Full-time contract 0.82 0.38 0.81 0.38 0.85 0.35
Part-time contract 0.18 0.38 0.19 0.38 0.15 0.34
Tenure (years) 2.40 1.87 2.43 1.89 2.27 1.75
Working in his home country
Yes 0.68 0.47 0.67 0.47 0.70 0.46
No 0.32 0.47 0.33 0.47 0.30 0.46
Regressors in the model of the cost of moving
(observed when the individual arrives at Spain)
Age 29.23 8.70 29.38 8.80 28.44 8.10
Martital status
Married 0.38 0.48 0.39 0.49 0.32 0.46
Single 0.62 0.48 0.61 0.49 0.68 0.46
Free housing
Yes 0.20 0.40 0.17 0.37 0.33 0.47
No 0.80 0.40 0.83 0.37 0.77 0.47
Sample size 5314 4465 849

Notes:
(a) Immigrants from the U.S and Canada are included in this group.
Source: Spanish National Immigration Survey (INE, 2007).

Regarding current employment characteristics, first, it is remarkable that the occupation

variables are constructed following the National Classification of Occupations309 (CNO-94). The
information provided by table 1 about these variables shows, on one hand, that unskilled workers
are the group predominant in all situations, with a percentage close to 30%. The occupations whose
309 The criteria used in this classification are the type of work carried out and the qualification required.
923
weight in the group of movers exceeds to the achieved in the group of stayers are management
of companies and public administration, support technicians and professionals, crafstmen and
skilled manufacturing, and installation and machinery operators. Second, in relation to activity
sector, the dummy variables are defined according to the National Classification of Economic
Activities. The results for these variables indicate that economic activities undertaken by the
community of immigrants in Spain is mainly concentrated in the following economic sectors:
construction, manufacturing, hotels and restaurants, and household activities. The total count
of sectors represents a percentage of 64% of the total sample. If workers are distinguished
according to their attitude towards geographical mobility is observed some interesting features.
For example, the percentage of employees in the manufacturing sector increases by 7 percentage
points for the group of immigrants who move between provinces in Spain, while if engaged in
household activities, the opposite occurs, decreasing by 4 percentage points their representation
in the group of mobile workers. Whit respect to other characteristics of current employment, it is
noteworthy that in all situations, more than 80% of the immigrant population has full-time jobs,
being the proportion of workers with these jobs slightly higher for movers (85% versus 81%).
Moreover, the average tenure stands at around two and half years. Finally, to end the descriptive
information of the regressors included in the wage equations, it is noted that 68% of migrants
living in Spain have had a previous work in their country of origin, being this percentage a bit
higher for movers (70% versus 67%).
Concerning variables that are considered as proxies of the costs of worker mobility and
that are observed when the individuals arrive at Spain, the descriptive statistics highlight first,
that the average age for those reporting a change of province is a bit lower than the corresponding
to those who don’t change. Second, the proportion of immigrants who are married is higher for
stayers than for movers (39% versus 31%). Finally, the percentage of people with free housing
is significantly lower for workers who don’t change of province (33% for movers versus 17% for
stayers).

4. Results
The results obtained after estimating the model described are exposed in this section.
First, table 2 shows the estimated coefficients of the reduced probit model that represents the
migration decision of immigrants arriving in Spain.
With respect to the main outcomes reports in this table, it is noteworthy, first, that the
variable gender doesn’t have influence on the probability of moving. This result is similar to
that obtained by Abellán (1998) when analyse the interprovincial migration in Spain. Second,
variables that point out the country of origin show that people proceeding from Asia or the rest
of African countries have more probability of provincial change than the corresponding to the
individuals of the reference category (immigrants from the rest of South American countries).
Third, speaking Spanish fluently is not a relevant variable in the reduced model that determines
the probability of geographical mobility. However, this variable is a regressor included in the wage
equations and, therefore, observed in 2007, which implies that there may be immigrants who,
although not fluent in Spanish at the time of the provincial change if they do at present.
About the role of education on geographical mobility, economic theory provides different
predictions, depending on the type of human capital acquired by individuals. On the one hand,
the theory of firm-specific human capital predicts that training increases job duration and
therefore inhibits job mobility (Jovanovic, 1979). On the other hand, general human capital
should increase mobility in markets with imperfect information because better educated persons

924
should be better able to collect and process information, reducing search and transaction costs
(Greenwood, 1975). In this study, it is not possible to analyze directly the influence of specific
human capital on wages and on the decision to immigrate, because it is a variable not included
in the Spanish National Immigrant Survey (INE, 2007). In the opposite way, the effect of general
human capital investment is possible to observe, because it’s known the educational attainment
of immigrants310. In particular, a set of educational dummy variables are included as regressors in
order to detect nonlinearity in the effect of the education. Results in this paper are, in some way,
consistent with the predictions of economic theory since long-cycle higher education attainment
has a positive influence on the probability of provincial change (statistical significance at the
15%).
Regarding the variables that characterize the job currently being undertaken, it highlights
the following results, on one side, full time employees and workers who currently are technicians
or operators show a greater propensity to have changed from region. On other hand, those
individuals employed in education, health, public administration or other social and personal
service activities are more likely to be stayers. Finally, working in his home country has a positive
influence on the geographical mobility.
Concerning to the regressors included in the model of the costs of moving and observed
when the individual arrives at Spain, it must be noted that being married influences negatively
the probability of provincial change, as pointed out by Robison and Tomes (1982), marital status
affects the cost of moving, since a member of a family unit has to take into account the change
in earnings of other family members. Finally, as expected, immigrants living in free housing,
provided by relatives or by the company who hired them to come to Spain have more

310 For the vast majority of people in the survey, the stated educational level coincides with the one obtained in
their home countries, only 5% of immigrants in the sample continued studies in Spain.

925
Table 2. Probit estimates of the probability of interprovintial mobility (Reduced model) a
Coefficientb
Variables
Constant -1.266***
Gender
Male -0.084
Geographic origin
EU-15 countries 0.027
Bulgaria 0.269**
Romania 0.175**
Ukraine 0.198
Rest of European countries -0.023
Morocco 0.255**
Rest of African countries 0.440***
Asia 0.657***
Argentina -0.001
Bolivia 0.188*
Colombia 0.364***
Ecuador 0.355***
Paraguay 0.130
Spanish language proficiency
Fluent 0.035
Educational level
Primary 0.094
Lower secondary 0.034
Upper secondary 0.117
Short-cycle higher education 0.040
Long-cycle higher education 0.256^
Occupation
Managers, intellectual professionals and technicians 0.150^
Professionals and administrative type employees -0.008
Catering, personal services, security and retail workers 0.097
Workers skilled in agriculture and fishing -0.401*
Crafstmen and skilled manufacturing 0.100
Installation and machinery operators 0.151*
Activity sector
Agriculture and fishing -0.089
Construction -0.012
Wholesale and retail trade -0.298**
Hotels and restaurants -0.070
Transport -0.203*
Financial intermediation, real estate, renting, and business activities -0.103
Education, health, public administration -0.260**
Household activities -0.244**
Other social and personal service activities -0.463**
Working time
Full-time contract 0.218**
Tenure (in years) -0.032**
Working in his home country 0.097**
Regressors in the model of the cost of moving
(Observed when the individual arrives at Spain)
Age -0.003
Marital status
Married -0.077*
Free housing
Yes 0.496***
Sample size 5314

Notes:
(a) The reference is a woman, proceeding from the group “rest of South American countries”, not fluent in
Spanish language, without education, working in manufacturing sector as unskilled worker and with a part-
time contract, without job in their country of origin and when he arrived in Spain was not married and did
not live in a rent-free housing.
(b) (***) Significant at 1%, (**) at 5%, (*) at 10% and (^) at 15%.
Source: Spanish National Immigration Survey (INE, 2007).
926
 Table 3 presents the coefficient estimates for log-wage equations and correlation
coefficients that indicate the presence of sample selection. In addition, the likelihood ratio test
for joint independence of the model estimated (log-wage equations and reduced probit model) is
reported at the bottom of the table. The result associated with this test confirms the econometric
methodology applied, since the three models (log-wage equations and reduced probit model) are
not jointly independent and should not be estimated separately.
^
The positive sign of the estimated coefficient, ρ 2, ε , and the negative sign of the estimated
^
coefficient, ρ 1, ε , would indicate that the self-selection process induced by the interprovintial
mobility would increase the average wages in the regions of origin and the destination. However,
as Abellán (1998) which focuses on the wage-earning
€ population in Spain or Nakosteen and
Zimmer
€ (1981) for inter-state migration in the United States, only the coefficient of correlation
ρ 1, ε is statistically significant. Thus individuals who choose not to migrate earn higher wages
than a random individual from the sample would have earned. The explanation for this result
could correspond to a situation where the individuals with regional-specific human capital do not
€ move, because if they did their wages would decrease, since their skills would be less valued in
other regions.
The results obtained from the regressors included in the log-wage equation have typically
been found in the literature. With respect to personal characteristics, first, there is a favourable
wage differential for men in relation to women both movers and for stayers. In particular, the
expected average monthly wage of males exceeds that of women around 20%311. Second, the
geographical area of origin of immigrants is an important variable to explain the differential
wage for workers. EU-15 workers are those with higher wages for both stayers and movers. For
the latter group, the mean expected wage is a 17.6% higher than the corresponding to the rest
of national groups. For stayers, the most disadvantaged groups are Asian workers, with a mean
expected wage a 13% lesser than the omitted category. Third, concerning to human capital
variables, on one hand, be fluent in Spanish language has a positive influence on earnings. On
other hand, returns to education are highest for individuals with higher education (long-cycle for
stayers and short-cycle for stayers).

311 Since the model is semi-logarithmic, we estimate the effect of the dummy variable by calculating the exponential
of its coefficient and subtracting 1 (see Halvorsen and Palmquist, 1980).

927
 Table 3. Estimates of the log-wage equationsa,b
Stayers Movers
Variables (Coefficientsc) (Coefficientsc)
Constant 6.161*** 6.119***
Gender
Male 0.187*** 0.204***
Geographic origin
EU-15 countries 0.065** 0.162**
Bulgaria -0.094** 0.068
Romania -0.032* -0.004
Ukraine -0.057* 0.129*
Rest of European countries 0.021 -0.007
Morocco -0.086*** -0.047
Rest of African countries 0.021 -0.052
Asia -0.139*** -0.067
Argentina -0.036 0.078
Bolivia -0.117*** 0.048
Colombia -0.067* -0.003
Ecuador -0.035** 0.003
Paraguay -0.017 0.028
Spanish language proficiency
Fluent 0.041** 0.055*
Educational level
Primary 0.004 0.001
Lower secondary 0.019 0.020
Upper secondary 0.018 0.029
Short-cycle higher education 0.078*** 0.127**
Long-cycle higher education 0.240*** 0.179**
Occupation
Managers, intellectual professionals and technicians 0.315*** 0.263***
Professionals and administrative type employees -0.219*** -0.228***
Catering, personal services, security and retail workers 0.025 -0.009
Workers skilled in agriculture and fishing 0.047 -0.001
Crafstmen and skilled manufacturing 0.080*** 0.042
Installation and machinery operators 0.096*** 0.094**
Activity sector
Agriculture and fishing -0.026 -0.020
Construction 0.116*** 0.066**
Wholesale and retail trade -0.013 -0.052
Hotels and restaurants 0.052** 0.007
Transport 0.126*** 0.078
Financial intermediation, real estate, renting, and business activities -0.015 0.001
Education, health, public administration -0.007 0.032
Household activities -0.114*** -0.144**
Other social and personal service activities -0.002 -0.079
Working time
Full-time contract 0.389*** 0.395***
Tenure (in years) 0.023*** 0.023***
Working in his home country 0.028** 0.041*

-0.743***

0.109

LR test of indep. eqns. 20.21***

Sample size 5314

Notes:
(a) The reference is a woman, proceeding from the group “rest of South American countries”, not fluent
in Spanish language, without education, working in manufacturing sector as unskilled worker and with a
part-time contract and without job in their country of origin.
(b) The model includes as regressors to the current residence region of the individual.
(c) (***) Significant at 1%, (**) at 5%, (*) at 10% and (^) at 15%.
Source: Spanish National Immigration Survey (INE, 2007).

928
 In relation to the variables that reflect the employment characteristics, on one hand, it
is observed that the technician occupations are the most paid for both stayers and movers. Thus,
managers have a salary higher by more than 30% to the corresponding to unskilled. On the other
hand, immigrant workers worse off in the wage distribution are those performing household
activities and with part-time contracts. Finally, tenure (that is a proxy of training) has a positive
a significant impact of earnings. Particularly, an increase of a year in the seniority generates
an increase in salary by 2%. Finally, immigrants who have had labour experience in their home
countries have higher wages than the rest.
The final step of the econometric methodology applied in this paper is estimation of the
structural probit equation. In this model an individual will move from a given origin province
when outside permanent income, net of moving cost, exceeds permanent income in the origin
province. The estimated coefficients from the log-wage equations permit estimation of permanent
income in both provinces for each individual. Thus the predicted difference in log wages are used
directly in estimating the probability of moving. The estimates312 that are displayed in Table 4
show that the expected wage gain has a significant positive influence on the likelihood of change
of province, that is, individuals choose among competing alternatives in part on the basis of
anticipated incremental returns.
This result agrees with those obtained by the paper cited above, Abellán (1998) for the
entire working population in Spain, Nakosteen and Zimmer (1981) in the U.S., or Robison and
Tomes (1982) in Canada. Finally, with respect to the variables which approximate the costs of
change region, it is noted that all are relevant and their influence on the probability of moving
has the expected signs.

Table 4. Probability of interprovintial mobility (Structural model)a

Variables Coefficientb
Constant -0.920***
Predicted differential wage 0.921***
Age -0.006**
Marital status
Married -0.088**
Free housing
Yes 0.510***
Sample size 5314
Notes:
(a) The individual of reference was not married and did not lived in a rent-free housing, when he arrived
at Spain.
(b) (***) Significant at 1%, (**) at 5%.
Source: Spanish National Immigration Survey (INE, 2007).

312 The standard errors of the estimates are heteroskedasticity-consistent standard errors.

929
5. Conclusions
The promotion of geographical mobility is considered in the EU countries as an important
factor to increase the flexisecurity and employability of workforce. Within this context, a topic of
great relevancy is the geographical mobility of foreign workers within the destination countries.
This is particularly important in Spain where the foreing-born population represents the 12% in
2009.
In this sense, this paper has studied, first, the determinant of interprovintial mobility of immigrants
within Spain and, second, it’s tested whether the internal migration of foreign workers in Spain
has a positive effect on their career and wages. The data used in this study have come from The
Spanish Immigrant Survey, which was conducted by the Spanish Statistics Institute (INE, 2007).
The econometric methodology proposed consists of a switching regression model with
endogenous switching. This is model is formed by three equations: two wage equations (one for
immigrant movers between provinces and the other for stayers) as well as an equation describing
the dichotomous decision of foreign worker to move between provinces. The estimation method
applied is full information maximum likelihood method that corrects for the selection bias in the
log-wage equations caused because some unobserved characteristics that influence the probability
of change of province also determine the wage the immigrants receive once they are employed.
Further this method yields a consistent covariance matrix of the estimates.
The main conclusions obtained from the estimates are, first, that the likelihood ratio
test for join independence confirms the hypothesis of non-random selection in the group of
workers that change of province. Second, stayers have wages higher that those corresponding to
individuals chosen randomly from the sample. Third, the estimates of the reduced probit model
show that being married or living in a free housing have a positive influence on the geographical
mobility. Fourthly, the estimates to log-wage models reflect, on one hand, the existence of
positive wage differential for male, individuals from EU15 countries and with higher education.
On other hand, unskilled workers performing household activities have the highest negative
wage differential. Finally, the estimates to the structural probit model reflect that the expected
wage gain is a variable that exerts a positive on the interprovintial mobility. Therefore, it has
been proved that geographical mobility of immigrants within Spain leads to a better allocation of
resources in the Spanish labour market.

References
Abellan, C. (1998): “La ganancia salarial esperada como determinante de la decisión individual de
emigrar”. Investigaciones Económicas, 93, pp. 93-117.

Antolin, P. and O. Bover (1997): “Regional migration in Spain: the effect of personal characteristics
and of unemployment, wage and house price differentials using pooled cross-section”. Oxford
Bulletin of Economics and Statistics, 59, pp. 215-235.

Bover, O. and M. Arellano (2002): “Learning about migration decisions from the migrants”. Journal
of Population Economics, 15, pp. 357-380.

Decressin, J. W. and A. Fatas (1995): “Regional labour market dynamic in Europe”. European
Economic Review, 39, pp. 1627-1655.

Devillanova, C. and W. García-Fontes (2004): “Migration across Spanish provinces: Evidence from

930
the Social Security Records (1978-1992)”. Investigaciones Económicas, 3, pp. 461- 487.

Greene, W. G. (2000): Econometric Analysis, Ed. Prentice Hall.

Greenwood, M. J. (1975): “Research on internal migration in the United States: a survey”. Journal
of Economic Literature, 13, pp. 397-433.

Hierro, M. and A. Maza (2010): “Per capita income convergence and internal migration in Spain:
Are foreign-born migrants playing a important role?” Papers in Regional Science, 89 (1), pp. 89-
107.

Jovanovic, B. (1979): “Job matching and the theory of turnover”. Journal of Political Economy, 87
(5), pp. 972-90.

Lee, F. (1978): “Unionism and wage rates: a simulation equation model with qualitative and
limited dependent variables”. International Economic Review, 19, pp. 415-433.

Maddlala, G.S. (1983): Limited-dependent and qualitative variables in Economics. New-York:

Cambridge University Press.

Nakostee, R. A. and M. Zimmer (1989): “Migration and income: the question of self-selection”.
Southern Economic Journal 46, pp. 248-268.

Newbold, K.B. (1999): “Internal migration of the foreing-born: Population concentration or

dispersion?” Population and Environment, 20, pp. 252-276.

Pajares, M. (2009): Inmigración y mercado de trabajo. Informe 2009, Madrid: Ministerio de trabajo
e Inmigración.

Recaño, J. (2002): La movilidad geográfica de la población extranjera en España. Cuadernos de

Geografía, 72, pp. 135-156.

Robison, CH. and Tomes, N. (1982): Self-selection and interprovintial migration in Canada.
Canadian Journal of Economics 15, pp. 474-502.

Sanroma, E.; Ramos, R.; Simon, H. (2009): Immigrant wages in the Spanish Labour Market: Does
the origin of human capital matter? IZA Discussions Paper nº 4157.

Sjaastad, L. (1962): The costs and returns of human migration. The Journal of Political Economy,
70, pp. 80-93.

Todaro, M. (1969): A model for labour migration and urban unemployment in less developed
countries. American Economic Review 59 (1), pp. 138-148.

931
/ Capítulo 11. Desarrollo económico y educación

932
1. La medición del capital humano de los países de la OCDE

Gregorio Giménez Esteban, Universidad de Zaragoza

Carmen López-Pueyo, Universidad de Zaragoza
Jaime Sanaú, Universidad de Zaragoza

933
La medición del capital humano de los países de la OCDE

Gregorio Giménez Esteban, Universidad de Zaragoza

Carmen López-Pueyo, Universidad de Zaragoza
Jaime Sanaú, Universidad de Zaragoza

Resumen
Las modernas teorías explicativas del crecimiento económico sostienen que el capital humano es
una de las variables más relevantes del mismo. Sin embargo, los estudios aplicados -que suelen
aproximar el capital humano a través de las tasas de alfabetización, los niveles de escolarización
o los años medios de estudio- no siempre encuentran que sea una variable estadísticamente
significativa. Dado que esas tres medidas presentan serias limitaciones, parece razonable emplear
indicadores que palíen tales deficiencias. Las propuestas más novedosas tratan bien de cuantificar
el valor económico del capital humano, atendiendo a las diferencias en productividad y salarios
con origen en los distintos niveles formativos, bien de evaluar directamente la calidad educativa
y el nivel de conocimientos de cada país. En este trabajo se presenta dos variantes de un
indicador de capital humano que facilita las comparaciones entre países, ofreciendo más matices
y aportando más información que los tradicionales. El indicador tiene en cuenta, por un lado, la
dimensión cuantitativa del capital humano, a través del cálculo de las horas de trabajo corregidas
por productividad, en función de niveles educativos. Además, considera la dimensión cualitativa
del concepto y corrige las horas trabajadas por las diferencias en habilidades y conocimientos
existentes entre países.
En el estudio también se realizan contrastes de causalidad de Granger para analizar en una muestra
de países de la OCDE la relación entre el indicador de capital humano propuesto y los de tecnología
más habitualmente empleados en la literatura empírica, concluyendo que las dos variantes del
indicador la recogen de forma más consistente que las medidas de capital humano tradicionales.

Palabras clave: capital humano, tecnología, OCDE, test de causalidad.

1. Introducción
Existen dos principales líneas de pensamiento acerca del papel del capital humano en
el crecimiento económico. Por un lado, Lucas (1988) y Mankin et al. (1992), considerando al
capital humano como un factor de producción más de la función de producción, sostienen que la
acumulación de capital humano es el determinante principal del crecimiento de la productividad y,
por lo tanto, que la tasa de crecimiento económico depende directamente de la tasa de acumulación
de capital humano, no del stock de capital humano.
Por otro lado, partiendo de Nelson y Phelps (1966), Benhabib y Spiegel (1994, 2005), Barro
y Sala-i-Martín (1995) y Barro (1999) consideran que un incremento en el stock de capital humano
eleva indirectamente el crecimiento económico, al ampliar la habilidad de un país para desarrollar
sus propias innovaciones e incrementa su capacidad de adoptar tecnologías desarrolladas en otros
países. Las teorías de crecimiento endógeno de segunda generación –de Romer (1990), Aghion y
Howitt (1992, 1998) y Acemoglu (1996, 2002)– siguen esta última línea, y consideran que el capital
humano eleva indirectamente el crecimiento de la PTF, a través de la generación de innovación.
Las implicaciones de estas dos líneas para el diseño de la política económica son sustancialmente
diferentes. Para la primera, el beneficio de incrementar la educación es su producto marginal. Para la
segunda, el nivel de educación afecta al crecimiento de la PTF y del output y, por lo tanto, su beneficio

934
se medirá en términos de la suma de su impacto sobre todos los niveles de output en el futuro313.
Vandenbussche et al. (2006) y Aghion et al. (2006, 2009) consideran que, conforme más cerca
de la frontera tecnológica se encuentran los países, más importancia van a tener los procesos de
innovación para su crecimiento y, por lo tanto, más significativos van a resultar los esfuerzos inversores
en niveles educativos superiores, fuertemente vinculados con el desarrollo de innovaciones propias.
Asimismo, cuanto más alejados se encuentren los países de su frontera tecnológica, más importancia
tendrán para ellos los procesos de imitación y, en consecuencia, más recomendable será invertir en
niveles educativos más básicos, vinculados a la captación y utilización de tecnologías foráneas.
El objetivo de este trabajo es elaborar un indicador de capital humano que aporte más
matices e información que los tradicionales y facilite las comparaciones de dotaciones entre
economías. El indicador tiene en cuenta, la dimensión cuantitativa del capital humano, corrigiendo
las horas de trabajo por la productividad (en función de niveles educativos) y por las diferencias
en habilidades y conocimientos entre países.
El estudio consta de tres apartados, además de esta breve introducción. En el primero, se
revisa la medición del capital humano en la literatura empírica y se presenta un nuevo indicador.
En el segundo, se analiza la calidad del indicador propuesto y su relación con las variables
tecnológicas en una muestra de países de la OCDE, realizando contrastes de causalidad de Granger.
En el tercero, se presentan las principales conclusiones del trabajo. La investigación se acompaña
del Anexo en el que se describen las variables empleadas.

2. Medición del capital humano

2.1. Los indicadores de capital humano
A pesar de la importancia que los especialistas en crecimiento conceden al capital humano,
no existe una definición generalmente aceptada. Además, diversos trabajos -como los de Krueger
y Lindahl (2001), De la Fuente y Doménech (2006) o Cohen y Soto (2007)- han resaltado las
limitaciones existentes a la hora de medir la variable, y han apuntado que éstas pueden ser
la causa de que los indicadores utilizados no encuentren un nexo fuerte con el crecimiento
económico314. Dichas limitaciones son todavía mayores en el contexto internacional, donde es
difícil encontrar medidas de capital humano comparables y con una perspectiva temporal larga.
Es entonces cuando se ponen en evidencia las diferencias a la hora de medir e incluso definir las
variables utilizadas y la heterogeneidad de datos disponibles.
De acuerdo a Wößmann (2003), pueden darse dos tipos de errores en la medición de la
variable: los errores provocados por el uso de proxies inadecuadas -ya que la mayoría de trabajos
las eligen por la disponibilidad de datos existentes y no por su idoneidad- y los errores de
medición propiamente dichos. Por tanto, la cuestión del cálculo del stock de capital humano se
revela como fundamental al contrastar la importancia del factor.
Puede clasificarse la mayoría de trabajos que miden el capital humano en función de
dos grandes perspectivas: la perspectiva cuantitativa y la perspectiva cualitativa. La primera de
ellas recoge los trabajos que se basan en la medición de la educación formal recibida, el coste
de la inversión en capital humano y las diferencias salariales con origen en los distintos niveles
educativos. Los indicadores construidos a partir de mediciones de educación formal han sido los
más utilizados en la literatura debido a tres causas: por considerar que la educación formal es la
fuente fundamental de adquisición de capital humano, por constatar una fuerte correlación entre
313 Aghion y Dirlauf (2009) contiene una interesante revisión sobre las políticas económicas que se derivan de las
distintas teorías explicativas del crecimiento.
314 La evidencia empírica sobre el nexo entre el capital humano y el crecimiento parece depender de la selección,
especificación y la elección de la proxy del capital humano.

935
ésta y otras vías de adquisición y por la existencia de datos comparables de carácter internacional.
En cuanto al coste de la inversión en formación, se entiende que éste ofrece una aproximación
al valor del capital humano poseído. Se supone que, cuanto mayor es el coste de adquisición,
mayor será la capacitación que brinda. Finalmente, los indicadores basados en las diferencias
salariales cuantifican las divergencias en productividad con origen en los distintos niveles de
estudio completados, en función de la remuneración recibida por un trabajador numerario.
A su vez, la perspectiva cualitativa resalta las diferencias en la calidad de la formación
recibida, que redundarán en diferencias en capacitación. Dicha perspectiva emplea indicadores de
inputs educativos y, principalmente, los resultados en pruebas internacionales de conocimiento
para aproximarse a las capacidades realmente poseídas.
La tabla 1 sintetiza los principales trabajos, aportaciones metodológicas y fuentes en torno
a la medición del capital humano.

Tabla 1. La medición del capital humano

Perspectiva Tipo de indicador Trabajos Ámbito de aplicación
Ámbito: 99 países. Periodo:
Psacharopoulos y Arriagada (1986, 1992)
1960 a 1983.
Ámbito: 113 países.
Kyriacu (1991)
Periodo: 1965 a 1985.
Ámbito: 58 países. Periodo:
Lau et al. (1991)
1965 a 1985.
Ámbito: 85 países. Periodo:
Nehru et al. (1995)
Indicadores basados en la 1960 a 1987.
educación formal recibida Ámbito: 126 países.
Barro y Lee (1993, 1996 y 2001)
Periodo: 1960 a 2000.
Ámbito: 21 países OCDE.
De la Fuente y Doménech (2006)
Periodo: 1960 a 1995.
Cuantitativa

Ámbito: 95 países. Periodo:

Indicadores basados en el coste
de la inversión en capital
humano (cost-based approach)
Indicadores basados en las
diferencias salariales en función
de la productividad (income-
based approach)
Cualitativa
Cohen y Soto (2007)
1960 a 2000.
Ámbito: 120 países.
Lutz et al. (2007)
Periodo: 1970 a 2000.
Ámbito: Estados Unidos.
Shultz (1961)
Periodo: 1900 a 1956.
Ámbito: Estados Unidos.
Kendrick (1976)
Periodo: 1929 a 1969.
Ámbito: Estados Unidos.
Eisner (1989)
Periodo: 1945 a 1981.
Ámbito: Estados Unidos.
Jorgenson y Fraumeni (1989, 1992)
Periodo: 1949 a 1984
Ámbito: Estados Unidos.
Mulligan y Sala-i-Martin (1997)
Periodo: 1940 a 1990.
Ámbito: 18 países OCDE
Scarpetta, S. y T. Tressel (2002)
Periodo: 1995.
Ámbito: 29 países OCDE.
International Adult Literacy Survey
Periodo: 1994 a 1998.
International Association for the Evaluation
of Educational Achievement (IEA)
- International Mathematics Study
Ámbito: entre 11 y 39
- International Science Study
países.
- International Reading Study
Periodo: diversos años

- Progress in International Reading

Indicadores basados en entre 1964 y 2008
Literacy (PIRLS)
resultados académicos
- Trends in International Mathematics
and Science Study (TIMSS)
Ámbito: diversos países,
Programme for International Student
hasta un total de 54
Assessment (PISA)
Periodo: 2000 a 2009
Ámbito: 87 países. Periodo:
Hanushek y Kimco (2000) una observación promedio
entre 1964 y 1991.

936
2.2. Propuesta de un nuevo indicador de capital humano
En los últimos años, han aparecido nuevas bases de datos internacionales que contienen
variables que permiten elaborar indicadores más sofisticados. Una estrategia adecuada para la
construcción de nuevos indicadores, más ricos y solventes pasa por la utilización de técnicas
que combinen las diferentes perspectivas en la medición del capital humano. Éste es el objetivo
del presente trabajo, en el que se realiza una propuesta metodológica con el fin de construir
un indicador de capital humano que facilite las comparaciones internacionales, ofreciendo más
matices y aportando más información que los tradicionales. La propuesta metodológica para la
construcción del indicador utiliza tres perspectivas:
i) niveles educativos alcanzados.
ii) diferencias en calidad educativa y conocimientos.
iii) diferencias en productividad y salarios con origen en la educación poseída, una vez
descontadas otras características individuales distintas del factor educativo y que condicionan el
salario, en concreto: el sexo y la edad.315
Así, se denotará con S al stock de capital humano de cada país, que se calcula formalmente
como:
(1)
 
Los subíndices que denotan tiempo y país han sido eliminados para simplificar las
expresiones. En (1) wig es el salario medio por hora cobrado por un trabajador con un determinado
nivel de cualificación i, con i=1,…,N, y para un grupo g de trabajadores, con similares características
de género y edad, con g=1,…,M.
w1,g es el salario numerario o salario medio por hora cobrado por los trabajadores con un nivel
educativo básico dentro de cada grupo g de trabajadores, con similares características de género
y edad.
li,g es el número total de horas trabajadas por los trabajadores que han alcanzado cada nivel
educativo i para cada grupo de trabajadores g de trabajadores, con similares características de
género y edad.
es el nivel de conocimientos poseído por los trabajadores del nivel educativo básico o numerario,
medido a través de los resultados obtenidos en pruebas internacionales de conocimiento.
Por tanto, el indicador propuesto utiliza las divergencias en remuneración entre trabajadores
con distintos niveles de estudio, e igual género y edad, para cuantificar sus diferencias en
productividad. Estas diferencias en productividad se utilizan para ponderar el total de horas
trabajadas en cada economía, en función del número de horas realizadas por los trabajadores de
cada nivel formativo. Así, se obtiene el stock de capital humano en horas de trabajo numerarias,
en función del nivel educativo básico, que son corregidas por las diferencias de calidad educativa,
en dicho nivel, entre los distintos países.
La triple vertiente utilizada en la medición del stock de capital humano en el contexto
internacional supone asumir una metodología más rica. Así, los incrementos en dicho stock podrán
315 Denison (1967) apunta que la heterogeneidad de la fuerza de trabajo se pone de manifiesto en las diferencias
salariales que pueden obedecer a horas trabajadas, sexo, edad y niveles educativos y pondera la fuerza de trabajo,
en función de las diferencias salariales existentes, de acuerdo a las características apuntadas. En nuestro trabajo, se
tendrán en cuenta las horas trabajadas por cada nivel educativo y se sustraerán los efectos sobre las retribuciones de
las variables sexo y edad. Dichos factores, condicionan, a igualdad de niveles formativos, la remuneración recibida.
Véase a este respecto OECD (2010, indicator A10). En la mayoría de países, las mujeres todavía siguen cobrando, en
media, menos que los hombres. Asimismo, el nivel retributivo está condicionado por la edad, ya que ésta determina
tanto la experiencia acumulada como el poder negociador de los trabajadores y los derechos salariales adquiridos
dentro de las empresas.

937
ser consecuencia de:
___ Incrementos en el número de horas trabajadas por la fuerza laboral perteneciente a
cada nivel educativo.
___ Aumentos en la proporción de trabajadores que poseen niveles de estudio superiores.
___ Mejoras en productividad de los trabajadores con mayores niveles educativos, en
relación a los trabajadores con un nivel educativo básico.
___ Mejoras en la calidad de la educación captadas a través de los resultados de las pruebas
internacionales de conocimiento.
Además de proporcionar una mayor información, el indicador presenta otras ventajas frente
a los tradicionales. Estos últimos, al basarse exclusivamente en la cuantificación de la educación
académica recibida, asumen unos supuestos poco realistas, tal y como subrayan Mulligan y Sala-i
Martín (2000). Así, es difícil pensar que cada año de escolaridad tenga exactamente el mismo
valor y afecte de la misma manera a la productividad de los trabajadores, independientemente
del nivel escolar en el que ha sido cursado316. También cuesta aceptar que los trabajadores son
perfectamente sustitutivos entre sí, tanto si se contemplan diferentes niveles educativos como
si se efectúan comparaciones internacionales. Frente a esto, el indicador propuesto, presenta
una primera ventaja, ya que, al tener en cuenta las diferencias salariales, permite reconocer
divergencias en productividad -en función de las particularidades de cada economía- entre
individuos que poseen el mismo nivel educativo, entre países y entre años.
En segundo lugar, la utilización del indicador propuesto evita el uso de una tasa arbitraria
de depreciación, ya que dicha tasa se puede observar explícitamente a través de la evolución, para
cada nivel educativo, de las ganancias a lo largo de la vida laboral.
En tercer lugar, la corrección efectuada por el trabajador numerario permite excluir
diferencias en productividad entre países originadas por las distintas dotaciones en capital físico
y tecnología, ya que dichos factores son comunes a todos los trabajadores. Además, se incorpora
la corrección salarial por grupos de trabajadores con características similares distintas de la
educación
En cuarto lugar, la metodología propuesta también incorpora novedades frente a otros
trabajos que utilizan las diferencias salariales (income-based approach) para estimar el capital
humano. Así, frente a la metodología propuesta por Mulligan y Sala-i Martín (1997), que
cuantifica las diferencias salariales suponiendo que los trabajadores numerarios son perfectamente
sustitutivos, independientemente de su lugar de residencia, el indicador propuesto plantea la
existencia de diferencias entre trabajadores numerarios, basadas en las diferencias en calidad
educativa propias de cada país.
En quinto lugar, el indicador propuesto considera que los niveles formativos entre los
países no son homogéneos. Así, existen divergencias en la calidad de los sistemas educativos que
se traducirán en diferencias en conocimientos y destrezas y, por consiguiente, en productividad.
En sexto, el cálculo del stock de capital humano en función de las horas totales trabajadas
en la economía supone mayor precisión cuantitativa frente a otros indicadores basados en una
perspectiva unipersonal -o que con datos agregados, utilizan el conjunto de la población, los
trabajadores potencialmente activos o el número de ocupados-.
En séptimo, implica que no se limiten los incrementos en el stock de capital humano. Así,
existe un tope en el número total de horas trabajadas que puede asumir una economía, como
316 Como señalan Aghion et al. (2009), la variable número de años de educación contabiliza un año extra de
educación primaria de la misma forma que un año extra de un programa de doctorado y, por lo tanto, esta variable
no puede informar verazmente del efecto del stock de capital humano sobre los procesos de innovación e imitación,
e indirectamente sobre el crecimiento de la PTF.

938
también lo existe en el número máximo de años que los ciudadanos se pueden formar, debido a las
lógicas limitaciones de índole económica o estrictamente naturales. Con todo, y tal y como señala
Wößmann (2003), considerar las mejoras en la calidad de la educación garantiza que el stock de
capital humano pueda crecer indefinidamente.
Finalmente, el indicador propuesto aglutina diferentes medidas de capital humano,
cuantitativas y cualitativas, en un solo indicador sencillo de interpretar: horas de trabajo
ponderadas. Este indicador resulta más intuitivo que otras medidas, brinda más información y
permite comparaciones internacionales más precisas. Condensar toda la información en un solo
indicador supone una ventaja a la hora de captar los distintos matices del concepto de capital
humano, interpretarlo y utilizarlo para contrastar las teorías del crecimiento.
No obstante, la metodología propuesta presenta algunas limitaciones. Primeramente
hay que indicar que, pese a la corrección por género y edad, existen otros elementos distintos
de los niveles educativos que determinen las diferencias salariales. Entre ellos, se encuentran,
por ejemplo, el poder de negociación, la organización sindical o la estructura sectorial de la
economía.
Además, la indexación basada en los trabajadores con menor nivel formativo no permite
captar las mejoras en productividad de los trabajadores numerarios, sino sólo las diferencias en
productividad entre éstos y los de mayor cualificación.
Por último, hay que apuntar que el propio diseño de las pruebas de conocimientos
internacionales –los resultados obtenidos en cada año en que se realizan las pruebas se estandarizan
en torno a una media común- y la escasez de datos comparables dificulta la utilización de ese
elemento del indicador en perspectiva histórica.
La metodología se ha utilizado para calcular el stock de capital humano de 16 países
desarrollados desde 1980 hasta 2005. La descripción formal de las variables empleadas y sus
fuentes aparece recogida en el Anexo I. Los datos elaborados figuran en el Anexo 2.

3. El nuevo indicador de capital humano y su relación con las variables tecnológicas

Como se indicaba, Nelson y Phelps (1966) plantearon que una mayor cualificación de
la fuerza laboral facilita a las empresas la adopción de nuevas tecnologías. A su vez, no es
descartable que la necesidad de adoptar nuevas tecnologías, especialmente por países que se
encuentran próximos a la frontera tecnológica, impulse las mejoras en el capital humano.
Para estudiar la relación entre los indicadores de capital humano –tanto los más
habitualmente empleados en la literatura empírica como el propuesto en el apartado anterior- y
las variables tecnológicas, en este apartado se realizan contrastes de causalidad de Granger317.
La idea subyacente es que si el capital humano favorece la tecnología, debería “causarla” (en
el sentido de Granger, 1969) con un signo positivo. Sensu contrario, si la tecnología impulsa el
capital humano, debería causarlo en el sentido de Granger.
El procedimiento que utiliza el test de causalidad de Granger para determinar si una
variable X causa a otra variable Y es sencillo. Especificada la variable X y la variable Y se realiza la
regresión de la variable endógena Yt sobre su propio pasado, es decir, Yt-1, Yt-2, Yt-3, …, sobre la
variable Xt y una serie de valores retrasados de esta última, es decir, Xt-1, Xt-2, Xt-3, ... Una vez
estimada esta regresión, se analiza si la variable X actual y sus retardos aportan información útil
317 Aunque la causalidad de Granger comenzara a examinarse con series temporales de datos, desde hace unos años
también se evalúa con muestras en las que se tiene información de varios individuos a lo largo del tiempo (paneles de
datos). En este contexto, pueden citarse los trabajos centrados en la relación entre inversión y crecimiento –véanse
Attanasio et al. (2000) o Podrecca y Carmeci (2001)-, entre inversión extranjera directa y crecimiento -Nair-Reichert
y Weinhold (2001), Laaksonen-Craig (2004), Hsiao y Hsiao (2006) o salud y crecimiento -Hartwig (2010)-.

939
para explicar el futuro de Y. La hipótesis que se contrasta es que los coeficientes de las regresiones
de Y sobre X así como los de X sobre Y son nulos para la variable de apoyo, es decir, que la variable
X no aporta información para explicar a Y o bien que Y no aporta información para explicar X. Si
el valor del estadístico de referencia F supera el valor tabulado se rechaza la hipótesis nula y, por
lo tanto, se acepta que X causa a Y o viceversa.
Antes de aplicar el contraste de causalidad de Granger se comprobó el orden de integración
de las variables mediante. Para contrastar la estacionariedad de las variables se utilizó el programa
EViews que, para paneles de datos como el empleado en esta investigación realiza con facilidad
distintos tests. Dos de ellos, los de Levin, Lin y Chu (2002) y Breitung (2000), asumen que hay
una raíz unitaria común para todos los países. En cambio, los de Im et al. (2003), y los test de
Fisher que usan los contrastes ADF and PP –véase Maddala y Wu (1999), Choi (2001) y Hadri
(2000)- suponen un proceso de raíz unitaria distinto para cada país.
Al realizar estos cinco contrates se obtuvieron resultados similares o coherentes, lo que
se interpretó como un indicio de que los datos no tenían una dinámica muy diferente. Por
simplicidad, en la tabla 2, sólo se incluyen los resultados de aplicar el test de Im et al. (2003)
a las variables del modelo. Recuérdese que este contraste, utilizado con gran frecuencia en las
aplicaciones empíricas, permite no sólo que la ecuación del test incluya una constante para cada
individuo sino también que cada proceso tenga un comportamiento diferente, es decir, que las
raíces del polinomio autoregresivo sean distintas. En este contexto, ha de puntualizarse que el
test se aplicó con tendencia y efectos individuales, empleando el criterio de selección de retardos
de Schwarz, el kernel de Bartlett y el método de selección automática del ancho de banda de
Newey-West.

Tabla 2. Test de raíces unitarias de Im et al. (2003)

Variables IPS (2003) Decisión
Variables de capital humano
Matriculación bruta en secundaria -2,41834 I(0)
Años medios de escolaridad de la población total 6,60079 I(1)
Tasa bruta de escolarización en educación secundaria 0,17034 I(1)
Indicador 1 1,14725 I(1)
Indicador 2 1,14725 I(1)
Variables tecnológicas
Gasto en I+D/PIB (%) 0,53114 I(1)
Número de artículos en revistas científicas -0,18122 I(1)
Exportaciones de alta tecnología/Exportaciones de manufacturas (%) 3,15310 I(1)
Patentes triádicas 2,39518 I(1)
Número de investigadores -0.91469 I(1)

Obsérvese que las variables que aproximan la tecnología son siempre I(1) y que las que
miden el capital humano tienen también raíz unitaria, salvo en el caso de la matriculación bruta en
secundaria318. En consecuencia, el contraste de causalidad de Granger se aplicó entre las variables
que mostraban el mismo orden de integración. Los resultados aparecen en las tablas 3 a 7.

318 Los test de raíces unitarias también se realizaron considerando el logaritmo de las distintas variables y no
sus niveles. En este caso, las variables tecnológicas, salvo Exportaciones de alta tecnología/exportaciones de
manufacturas, y la mayor parte de las que aproximan el capital humano resultaron estacionarias. Al comprobar la
causalidad de Granger entre variables con el mismo orden de integración se llegó a la misma conclusión que se recoge
en este trabajo: el indicador de capital humano propuesto muestra una relación más acorde a la realidad que las
medidas de capital humano tradicionales.

940
Tabla 3. Test de causalidad de Granger. Variable tecnológica: Gasto en I+D/PIB
Medición de capital humano Hipótesis Observaciones Estadístico F Conclusión
nula
Años medios de escolaridad de la H1 26 0,90351 No se puede
población total rechazar
Años medios de escolaridad de la H2 26 0,07148 No se puede
población total rechazar
Tasa bruta de escolarización en H1 146 1,36858 No se puede
educación secundaria rechazar
Tasa bruta de escolarización en H2 146 2,11368 No se puede
educación secundaria rechazar
Indicador 1 H1 109 0,99678 No se puede
rechazar
Indicador 1 H2 109 3,36928 Se puede
rechazar
Indicador 2 H1 109 0,98473 No se puede
rechazar
Indicador 2 H2 109 3,32307 Se puede
rechazar
Nota: H1= la variable capital humano no causa la variable tecnológica en el sentido de Granger.
H2 = la variable tecnológica no causa la variable capital humano en el sentido de Granger.

Tabla 4. Test de causalidad de Granger. Variable tecnológica: Artículos en revistas científicas

Medición de capital humano Hipótesis Observaciones Estadístico F Conclusión
nula
Años medios de escolaridad de la H1 182 0,47445 No se puede
población total rechazar
Años medios de escolaridad de la H2 182 0,02210 No se puede
población total rechazar
Tasa bruta de escolarización en H1 312 1,19566 No se puede
educación secundaria rechazar
Tasa bruta de escolarización en H2 312 0,74072 No se puede
educación secundaria rechazar
Indicador 1 H1 259 6,18631 Se puede
rechazar
Indicador 1 H2 259 0,33869 No se puede
rechazar
Indicador 2 H1 259 6,03320 Se puede
rechazar
Indicador 2 H2 259 0,14543 No se puede
rechazar

Nota: H1= la variable capital humano no causa la variable tecnológica en el sentido de Granger.
H2 = la variable tecnológica no causa la variable capital humano en el sentido de Granger.

941
Tabla 5. Test de causalidad de Granger. Variable tecnológica: Exportaciones de alta tecnología/
Exportaciones de manufacturas
Medición de capital humano Hipótesis Observaciones Estadístico F Conclusión
nula
Años medios de escolaridad de la H1 125 0,85812 No se puede
población total rechazar
Años medios de escolaridad de la H2 125 0,14900 No se puede
población total rechazar
Tasa bruta de escolarización en H1 252 0,15360 No se puede
educación secundaria rechazar
Tasa bruta de escolarización en H2 252 0,63098 No se puede
educación secundaria rechazar
indicador 1 H1 211 1,44872 No se puede
rechazar
Indicador 1 H2 211 3,16597 Se puede
rechazar
Indicador 2 H1 211 1,47704 No se puede
rechazar
Indicador 2 H2 211 3,54576 Se puede
rechazar

Nota: H1= la variable capital humano no causa la variable tecnológica en el sentido de Granger.
H2 = la variable tecnológica no causa la variable capital humano en el sentido de Granger.

Tabla 6. Test de causalidad de Granger. Variable tecnológica Patentes triádicas

Medición de capital humano Hipótesis Observaciones Estadístico F Conclusión
nula
Años medios de escolaridad de la H1 182 0,07790 No se puede
población total rechazar
Años medios de escolaridad de la H2 182 0,08912 No se puede
población total rechazar
Tasa bruta de escolarización en H1 301 0,16613 No se puede
educación secundaria rechazar
Tasa bruta de escolarización en H2 301 0,80895 No se puede
educación secundaria rechazar
Indicador 1 H1 259 6,74970 Se puede
rechazar
Indicador 1 H2 259 17,6056 Se puede
rechazar
Indicador 2 H1 259 6,01250 Se puede
rechazar
Indicador 2 H2 259 17,0033 Se puede
rechazar
a
Nota: H1= la variable capital humano no causa la variable tecnológica en el sentido de Granger.
H2 = la variable tecnológica no causa la variable capital humano en el sentido de Granger.

942
Tabla 7. Test de causalidad de Granger. Variable tecnológica Número de investigadores
Medición de capital humano Hipótesis Observaciones Estadístico F Conclusión
nula
Años medios de escolaridad de la H1 19 0,02382 No se puede
población total rechazar
Años medios de escolaridad de la H2 19 0,46959 No se puede
población total rechazar
Tasa bruta de escolarización en H1 131 0,27695 No se puede
educación secundaria rechazar
Tasa bruta de escolarización en H2 131 0,27328 No se puede
educación secundaria rechazar
Indicador 1 H1 95 2,92142 Se puede
rechazar
Indicador 1 H2 95 12,5992 Se puede
rechazar
Indicador 2 H1 95 3,03726 Se puede
rechazar
Indicador 2 H2 95 13,1628 Se puede
rechazar

Nota: H1= la variable capital humano no causa la variable tecnológica en el sentido de Granger.
H2 = la variable tecnológica no causa la variable capital humano en el sentido de Granger.

Aunque los resultados del contraste de causalidad de Granger son sensibles al número de
observaciones con el que se realizan, los tablas 3 a 7 reflejan que el capital humano (aproximado
por los años medios de escolaridad de la población o la tasa bruta de escolarización en educación
secundaria) no causa, en el sentido de Granger, la tecnología (medida con variables como el
esfuerzo tecnológico, la publicación de artículos en revistas, el porcentaje de exportaciones
de alta tecnología en el total de exportaciones de manufacturas, las patentes o el número de
investigadores).
Por el contrario, cuando el capital humano se mide con el indicador propuesto guarda con
las variables tecnológicas una relación de causalidad que los indicadores tradicionales de capital
humano no mantienen. En el caso del esfuerzo tecnológico, los artículos en revistas científicas o
el porcentaje de exportaciones de alta tecnología, la causalidad va de la tecnología hacia el capital
humano y no al revés. Y si la tecnología se aproxima con las patentes triádicas o el número de
investigadores, la causalidad es bidireccional: el capital humano causa la tecnología, en el sentido
de Granger, y la tecnología causa el capital humano.
Si bien es cierto, que la muestra empleada es sólo de países OCDE, los resultados sugieren,
de una parte, que para explicar el crecimiento económico es conveniente mejorar la medición del
capital humano introduciendo las dimensiones cualitativas, las habilidades y los conocimientos
de los trabajadores. Y, de otra, que los capitales humano y tecnológico muestran una relación de
complementariedad, lo que deberá tenerse en cuenta a la hora de plantear y estimar modelos de
crecimiento económico.

4. Conclusiones
Las teorías explicativas del crecimiento económico sostienen que el capital humano juega
un papel relevante en el mismo. Para una de las dos principales líneas de pensamiento un aumento
del stock de capital humano elevará indirectamente el crecimiento económico, bien por ampliar la
habilidad de un país para desarrollar sus propias innovaciones bien por incrementar su capacidad
de adopción de tecnologías desarrolladas en otros países. De acuerdo con este planteamiento,

943
el capital humano aumenta indirectamente el crecimiento de la PTF a través de la generación
de innovación. Otros autores, por el contrario, entienden que el capital humano es un factor
productivo más de la función de producción y, en consecuencia, sostienen que la acumulación de
capital humano es el determinante principal del crecimiento de la productividad y, por lo tanto,
que la tasa de crecimiento económico depende directamente de la tasa de acumulación de capital
humano, no del stock de capital humano.
Las implicaciones de estas dos líneas para el diseño de la política económica son
sustancialmente diferentes. Para la primera, el nivel de educación afecta al crecimiento de la PTF
y del output y, por lo tanto, su beneficio se medirá en términos de la suma de su impacto sobre
todos los niveles de output en el futuro. Para la segunda, el beneficio de incrementar la educación
es su producto marginal.
Los estudios empíricos suelen tener dificultades para contrastar la importancia del capital
humano en el crecimiento económico, contrariedad que relacionan con la forma de aproximar
o cuantificar el capital humano. En este trabajo se ha ahondado en este campo, proponiendo
un indicador que palie las deficiencias de los tradicionales años medios de estudio o niveles de
escolarización.
El indicador de capital humano presentado facilita las comparaciones entre países, ofrece
más matices y aporta más información que los tradicionales. Se ha elaborado teniendo en cuenta,
por un lado, la dimensión cuantitativa del capital humano, a través del cálculo de las horas de
trabajo corregidas por productividad, en función de niveles educativos. Y, por otro, corrigiendo
las horas trabajadas por las diferencias en habilidades y conocimientos existentes entre los países
de la OCDE.
Se ha comprobado, realizando contrastes de causalidad de Granger, que cuando se aproxima
el capital humano con los indicadores tradicionales no guarda relación de causalidad con las
variables tecnológicas que miden la innovación que realizan los países. En cambio, cuando el
capital humano se cuantifica con el indicador propuesto, bien se ve causado por el capital humano
bien lo causa (si la tecnología se evalúa con patentes triádicas o el número de investigadores).
En definitiva, los resultados de este estudio muestran, de una parte, que para explicar el crecimiento
económico es conveniente mejorar la medición del capital humano. Y, de otra, que los capitales
humano y tecnológico muestran una relación de complementariedad, lo que deberá tenerse en
cuenta al plantear y estimar modelos de crecimiento económico y al diseñar las políticas de
crecimiento a largo plazo.

Referencias
Acemoglu, D. (1996): “A Microfoundation for Increasing Returns in Human Capital Accumulation”.
Quarterly Journal of Economics, 111 (3), pp. 779–804.

Acemoglu, D. (1998): “Why Do New Technologies Complement Skills? Directed Technical Change
and Wage Inequality”. Quarterly Journal of Economics, 113 (4), pp. 1055–90.

Aghion, P., L. Boustan, C. Hoxby and J. Vandenbussche (2006): Exploiting states’ mistakes to
identify the causal impact of higher education on growth. (ISNIE Conference Paper).

Aghin, P. and S. Durlauf (2009): From Growth Theory to Policy Design, Commission on Growth and
Development, Working Paper, no. 57, Washington: IBRD/The World Bank.

944
Aghion, P. and P. Howitt (1992): “A model of Growth through Creative Destruction”. Econometrica
60, 2, 323-351.

Aghion, P. and P. Howitt (1998): Endogenous Growth Theory. The MIT Press, Cambridge.

Aghion, P., P. Howitt and L. Bursztyn (2009): The economics of growth. Cambridge, Mass.: MIT
Press.

Attanasio, O.P., L. Picci and A.E. Scorcu (2000): “Saving, growth, and investment: a macroeconomic
analysis using a panel of countries”. Review of Economics and Statistics, 82, pp. 182–211.

Barro, R. (1999): Inequality, Growth, and Investment, NBER Working Papers 7038, Cambridge:
National Bureau of Economic Research, Inc.

Barro, R. J. and J. W. Lee (1993): “International comparisons of educational attainment”. Journal

of Monetary Economics, 32 (3), pp. 363-394.

Barro, R. J. and J. W. Lee (1996): “International measures of schooling years and schooling
quality”. American Economic Review, 86 (2), pp. 218-223.

Barro, R. J., and J. W. Lee (2001): International data on educational attainment: Updates and
implications. Oxford Economic Papers 53 (3): pp. 541-563.

Barro, R. and X. Sala-i-Martín (1995): Economic Growth, New York, McGraw Hill.

Benhabib, J. and M. M. Spiegel (1994): The role of human capital in economic development
evidence from aggregate cross-country data. Journal of Monetary Economics, 34(2), pp. 143-
173.

Breitung, J. (2000): “The Local Power of Some Unit Root Tests for Panel Data,” in B. Baltagi
(ed.): Advances in Econometrics, Vol. 15: Nonstationary Panels, Panel Cointegration, and Dynamic
Panels, Amsterdam: JAI Press, pp. 161–178.

Choi, I. (2001): “Unit Root Tests for Panel Data”. Journal of International Money and Finance, 20,
pp. 249–272.

Cohen, D. and M. Soto (2007): “Growth and human capital: Good data, good results”. Journal of
Economic Growth, 12(1), pp. 51-76.

De la Fuente, A. and R. Doménech (2006): Human capital in growth regressions: How much
difference does data quality make? Journal of the European Economic Association, 1(03), pp.
1-36.

Denison, E. F. (1967): Why growth rates differ: Postwar experience in nine western countries.
Washington, D.C.: The Brookings Institution.

945
Eisner, R. (1989): “The total incomes system of accounts”. Survey of Current Business, 65(1), pp.
24 -48.
EU KLEMS (2009). Growth and Productivity Accounts: November 2009 Release (disponible en
http://www.euklems.net).

Granger, C.W.J. (1969): “Investigating causal relations by econometric models and cross-spectral
methods”. Econometrica, 37, pp. 424–438.

Hadri, K. (2000): “Testing for Stationarity in Heterogeneous Panel Data,” Econometric Journal,
3, pp. 148–161.

Hanushek, E. A. and D. D. Kimko (2000): ”Schooling, labor force quality, and the growth of
nations”. American Economic Review, 90(5), pp. 1184-1208.

Hanushek, E. A. and L. Wößmann (2009): “Do better schools lead to more growth? cognitive
skills, economic outcomes, and causation”. Cambridge: NBER Working Papers 14633.

Hartwig, J. (2010): “Is health capital formation good for long-term economic growth?–Panel
Granger-causality evidence for OECD countries”. Journal of Macroeconomics, 32, pp. 314-325.

Hsiao, F.S.T. and M-C.W. Hsiao (2006): “FDI, exports, and GDP in East and Southeast Asia–Panel
data versus time-series causality analyses”. Journal of Asian Economics, 17, pp. 1082–1106.

Im, K. S., M. H. Pesaran, and Y. Shin (2003): “Testing for Unit Roots in Heterogeneous Panels”.
Journal of Econometrics, 115, pp. 53–74.

Jorgenson, D. W. and B.M. Fraumeni (1989): The accumulation of human and non-human capital
1948-1984. In R. E. Lipsey, & H. S. Tice (Eds.), The measurement of savings, investment and
wealth, Chicago:The University of Chicago Press, pp. 227-282.

Jorgenson, D. W. and B.M. Fraumeni (1992): The output of the education sector. In Z. Griliches
(Ed.), Output measurement in the services sector, Chicago: The University of Chicago Press, pp.
303-338.

Kendrick, J. (1976): The formation and stocks of total capital. Columbia University Press for
NBER, New York, N. Y.

Krueger, A. and M. Lindah (2001): Education for growth: Why and for whom? Journal of Economic
Literature, 39 (4), pp. 1101-1136.

Kyriacou, G. (1991): “Level and growth effects of human capital: A cross-country study of the
convergence hypothesis”. Economic Research Reports 91-26, New York University.

Laaksonen-Craig, S. (2004): “Foreign direct investment in the forest sector: implications for
sustainable forest management in developed and developing countries”. Forest Policy and
Economics 6, pp. 359–370.

946
Lau, L. J., D. T. Jamison and F. F. Louat (1991): Education and productivity in developing
countries: An aggregate production function approach. Washington: Policy, Research, and External
AffairsWorking Paper 612, World Bank, Washington D.C.

Levin, A., C. F. Lin, and C. Chu (2002): “Unit Root Tests in Panel Data: Asymptotic and Finite-
Sample Properties”. Journal of Econometrics, 108, pp. 1–24.

Lutz, W., A. Goujon, K. C. Samir and W. Sanderson (2007): “Reconstruction of populations by age,
sex and level of educational attainment for 120 countries for 1970-2000”. Vienna Yearbook of
Population Research 2007, pp. 193-235.

Maddala, G. S. and S. Wu (1999): “A Comparative Study of Unit Root Tests with Panel Data and A
New Simple Test,” Oxford Bulletin of Economics and Statistics, 61, pp. 631–52.

Mulligan, C. B. and X. Sala-i-Martin (1997): ”A labor income-based measure of the value of human
capital: An application to the states of the United States”. Japan and the World Economy, 9(2),
pp. 159-191.

Mulligan, C. B. and X. Sala-i-Martin (2000): “Measuring aggregate human capital”. Journal of

Economic Growth, 5 (3), pp. 215-252.

Nair-Reichert, U. and D. Weinhold (2001): “Causality tests for cross-country panels: a new look at
FDI and economic growth in developing countries”. Oxford Bulletin of Economics and Statistics,
63, pp. 153–171.

Nehru, V., E. Swanson and A. Dubey (1995): “A new database in human capital stock in developing
industrial countries: Sources, methodology and results”. Journal of Development Economics,
46(2), pp. 379-401.

Nelson, R. and E. Phelps (1966): “Investments in humans, technological diffusion and economic
growth”. American Economic Review, Papers and Proceedings, 56(2),pp. 69-75.

OECD (2009). Main Science and Technology Indicators, Paris: OECD Publishing (http://www.oecd.
org/document/33/0,33043,en_2649_34451_1901082_1_1_1_1,00.html).

OECD (2010), OECD Education at a Glance 2010, Paris: OECD Publishing.

Podrecca, E. and G. Carmeci (2001): “Fixed investment and economic growth: new results on
causality”. Applied Economics, 33, pp. 177–182.

Psacharopoulos, G. and A. M. Arriagada (1986): ”The educational composition of the labour force:
An international comparison”. International Labour Review, 125(5), pp. 561-574.

Psacharopoulos, G. and A. M. Arriagada (1992): “The educational composition of the labour force:
An international update”. Journal of Educational Planning and Administration, 6(2), pp. 141-
159.

947
Romer, P. M. (1990): “Endogenous technological change”. Journal of Political Economy, 98(5),
S71-102.

Scarpetta, S. and T. Tressel (2002): Productivity and convergence in a panel of OECD industries: Do
regulations and institutions matter? Paris: OECD Economics Department Working Papers, Number
342.

Schultz, T. W. (1961): “Investment in human capital”. American Economic Review, 51(1), pp.
1-17.

The World Bank. (2011): World Development Indicators. Washington: The World Bank. (accessible
en http://databank.worldbank.org/ddp/home.do.).

Timmer, M., M. O’Mahony and B. Van Ark (2008): The EU KLEMS Growth and Productivity Accounts:
An Overview November 2007 Release, University of Groningen & University of Birmingham
(accessible en www.euklems.net).

Timmer, M., T. Van Moergastel, E. Stuivenwold, G. Ypma, M. O’Mahony and M. Kangasniemi (2007).
EU KLEMS growth and productivity accounts, Version 1.0, PART I Methodology, Groningen Growth
and Development Centre y National Institute of Economic and Social Research (accessible en http:
www.euklems.net/data/EUKLEMS_Growth_and_Productivity_Accounts_Part_I_Methodology.pdf).

Vandenbussche, J., P. Aghion and C. Meghi (2006): ”Growth, distance to frontier and composition
of human capital”. Journal of Economic Growth, 11 (2), pp. 97-127.

Wößmann, L. (2003): “Specifying human capital”. Journal of Economic Surveys, 17(3), pp. 239-
270.

948
Anexo I. Variables empleadas y fuentes

La muestra abarca los siguientes países de la OCDE: Australia, Austria, Bélgica, Dinamarca,
Finlandia, Alemania, Hungría, Italia, Japón, República de Corea, Países Bajos, Eslovenia, España,
Reino Unido y Estados Unidos. Los datos corresponden al período 1980-2005, si bien se trata de
un panel no balanceado, puesto que no hay información para todas las variables y años de los
quince países.

Variables que aproximan el capital humano

Los datos relativos a los años medios de escolaridad de la población total se tomaron de
Barro y Lee (2001); los de la tasa bruta de escolarización en educación secundaria proceden de
la base World Bank Development Indicators Online accessible en http://databank.worldbank.org/
ddp/home.do.
Para calcular las dos versiones del indicador de capital humano propuesto, la información
correspondiente a horas trabajadas y salarios proviene de la base de datos EU KLEMS Growth
and Productivity Accounts, financiada por la Comisión Europea319. La base distingue entre tres
niveles educativos –baja, media y alta cualificación320- y proporciona información sobre salarios
y horas trabajadas, en función de dichos niveles formativos, para hombres y mujeres de tres
grupos de edad: de 15 a 29 años, entre 30 y 49 y mayores de 50. Por tanto, se ha trabajado con
seis categorías o grupos con características similares de género y edad para cada uno de los tres
niveles formativos. Formalmente, de acuerdo a las variables EU KLEMS, el cálculo del indicador de
capital humano descrito anteriormente adopta la siguiente expresión en la que los subíndices que
denotan tiempo y país se eliminan para simplificar las expresiones:

(2)

 
En esta expresión:
es la compensación de asalariados (proporción de la compensación total de asalariados) con
nivel de cualificación i, con i=1,…,N, y para un grupo g de trabajadores con similares características
de género y edad, con g=1,…,M.
es la compensación de asalariados con un nivel educativo básico dentro de cada grupo g
de trabajadores con similares características de género y edad.
son las horas trabajadas (proporción sobre las horas totales) por los trabajadores con un nivel
educativo básico dentro de cada grupo g de trabajadores con similares características de género
y edad.
es el total de horas trabajadas (millones).
es el nivel de conocimientos poseído por los trabajadores del nivel educativo básico o numerario,
medido a través de los resultados obtenidos en pruebas internacionales de conocimiento. Los datos
utilizados provienen de las Hanushek y Kimko (2000). La obtención de Q se realiza relacionando
la nota media obtenida en las pruebas internacionales por los estudiantes de cada país con la
319 Véase Timmer et al. (2008) y EU KLEMS (2009).
320 Una descripción detallada de los cursos completados dentro de cada nivel educativo y para cada país puede
consultarse en la tabla 5.3. de Timmer et al. (2007) En términos generales, el nivel básico (low-skilled) se corresponde
con educación primaria y secundaria básica, el nivel medio (medium-skilled) con secundaria superior y estudios
postsecundarios no universitarios y el nivel superior (high-skilled) con estudios universitarios.

949
 obtenida por el país con los estudiantes que obtuvieron notas mínimas, mediante la expresión:
Q país
Q= , lo que permite calcular las variables indicador 1 y indicador 2, empleadas en el
min(Q )
apartado segundo de este trabajo, que figuran en el Anexo II.
El indicador 1 se calcula estableciendo la nota media en los tests internacionales de conocimiento
en 50. El indicador 2 utiliza un ajuste de las notas basado en los resultados internacionales
€
obtenidos por Estados Unidos; teniendo en cuenta las correcciones temporales en función de los
resultados obtenidos por sus alumnos en las pruebas de matemáticas y ciencias que lleva a cabo
el National Assessment of Educational Progress.

Variables que aproximan la tecnología

El porcentaje de PIB gastado en I+D, el número de artículos publicados en revistas científicas,

el porcentaje de exportaciones de alta tecnología en el total de exportaciones de manufacturas y
el número de investigadores, se tomaron del mencionado World Development Indicators Online del
Banco Mundial.
Por lo que respecta a patentes, se trabajó con las patentes registradas en las oficinas
europea, japonesa y estadounidense que comparten una o varias prioridades y cuyos los datos
se consolidaron para eliminar la doble contabilización de patentes presentadas. La fuente de los
datos fue Main Science and Technology Indicators.

950
 951
Anexo II
Valores del indicador de capital humano propuesto. Variable indicador 1.
Rep. Países Reino Estados
Australia Austria Bélgica Dinamarca Finlandia Alemania Hungría Italia Japón Corea Bajos Eslovenia España Unido Unidos
1980 .. 10.760 8.938 6.110 5.880 .. .. 53.488 214.038 64.155 15.936 .. 31.380 62.332 250.498
1981 .. 10.565 8.743 5.967 5.897 .. .. 53.724 215.696 62.970 15.779 .. 30.477 61.440 247.202
1982 15.337 10.717 8.543 6.044 5.878 .. .. 54.848 218.803 65.706 15.394 .. 30.385 61.725 251.715
1983 15.180 10.668 8.352 6.056 5.840 .. .. 54.184 222.370 64.747 15.104 .. 30.245 63.757 260.637
1984 15.591 10.781 8.283 6.169 5.840 .. .. 54.721 226.411 64.245 15.170 .. 28.734 65.839 276.125
1985 16.018 10.927 8.224 6.305 5.838 .. .. 55.229 227.569 65.343 15.240 .. 28.091 68.584 286.790
1986 16.374 10.846 8.205 6.473 5.835 .. .. 57.458 230.984 66.877 15.609 .. 29.229 69.540 290.275
1987 17.036 10.757 8.260 6.426 5.942 .. .. 59.607 233.496 71.737 15.559 .. 30.759 70.763 297.644
1988 17.702 10.884 8.495 6.367 6.065 .. .. 62.091 237.084 71.506 15.907 .. 31.425 75.756 309.170
1989 18.707 11.028 8.623 6.305 6.127 .. .. 64.389 239.310 73.012 16.425 .. 32.888 78.192 333.043
1990 18.727 11.375 8.741 6.287 6.064 .. .. 67.335 242.206 74.375 17.056 .. 34.404 79.492 332.928
1991 18.534 11.478 8.751 6.261 5.686 114.870 .. 71.214 243.716 74.190 17.498 .. 34.555 78.227 335.243
1992 18.529 11.476 8.809 6.295 5.300 114.928 .. 90.329 241.484 76.820 18.276 .. 34.068 76.132 338.025
1993 19.250 11.400 8.793 6.220 5.023 115.308 .. 93.188 234.459 76.765 18.610 .. 33.528 76.728 380.781
1994 19.778 11.387 8.781 6.214 4.996 117.249 .. 97.141 232.807 77.263 19.113 .. 33.448 84.868 389.651
1995 20.389 11.237 8.903 6.280 5.074 117.857 13.264 103.883 233.347 82.676 19.686 2.807 33.998 86.745 391.344
1996 20.547 11.450 8.989 6.342 5.181 118.829 13.577 114.882 232.496 81.174 20.424 2.772 35.542 87.083 407.391
1997 20.959 11.555 9.147 6.473 5.327 119.385 13.785 124.018 228.427 81.303 21.239 2.799 36.921 92.208 413.567
1998 21.470 11.708 9.303 6.717 5.666 120.034 14.374 136.233 222.489 77.387 21.743 2.767 39.033 94.933 445.480
1999 22.072 11.746 9.419 6.871 5.981 120.039 15.484 148.828 217.393 78.884 22.626 2.882 40.582 96.538 457.151
2000 22.570 11.797 9.879 7.054 6.157 120.837 15.471 162.793 218.309 79.148 22.963 3.044 42.684 98.135 468.917
2001 22.870 12.010 10.022 7.207 6.163 119.539 15.123 182.517 218.852 81.133 23.507 3.060 44.409 99.663 471.311
2002 23.361 11.930 9.944 7.166 6.243 117.517 15.350 203.204 219.506 83.526 23.838 2.877 45.512 98.697 469.724
2003 23.797 11.926 10.097 7.094 6.237 115.104 15.862 232.327 217.464 81.104 23.884 2.999 46.913 99.049 450.598
2004 24.555 12.032 10.392 7.136 6.321 115.139 15.943 261.345 218.438 84.583 23.760 3.001 49.472 100.235 480.625
2005 25.156 12.227 10.597 7.058 6.350 114.162 15.978 285.971 218.433 81.087 23.783 2.881 51.864 100.455 505.203
 952
Valores del indicador de capital humano propuesto. Variable indicador 2. Estados Unidos
Reino Unido
Países Bajos
Rep. Corea
Dinamarca

Eslovenia
Alemania
Finlandia
Australia

Hungría
Austria

Bélgica

España
Japón
Italia

.. 10.632 8.896 6.552 6.668 .. .. 55.037 214.647 62.054 14.194 .. 30.625 67.03 250.498
1980 8
.. 10.439 8.702 6.399 6.687 .. .. 55.280 216.309 60.907 14.054 .. 29.744 66.07 247.202
1981 8
17.470 10.590 8.504 6.481 6.666 .. .. 56.436 219.425 63.553 13.711 .. 29.654 66.38 251.715
1982 5
17.291 10.541 8.313 6.495 6.622 .. .. 55.753 223.002 62.626 13.452 .. 29.518 68.57 260.637
1983 0
17.760 10.652 8.245 6.616 6.623 .. .. 56.306 227.055 62.141 13.511 .. 28.043 70.81 276.125
1984 0
18.246 10.797 8.186 6.761 6.620 .. .. 56.828 228.216 63.202 13.574 .. 27.416 73.76 286.790
1985 1
18.652 10.717 8.167 6.942 6.617 .. .. 59.123 231.640 64.686 13.903 .. 28.527 74.79 290.275
1986 0
19.405 10.629 8.222 6.891 6.739 .. .. 61.333 234.160 69.387 13.858 .. 30.019 76.10 297.644
1987 5
20.164 10.755 8.456 6.828 6.878 .. .. 63.889 237.758 69.164 14.168 .. 30.669 81.47 309.170
1988 5
21.309 10.897 8.583 6.761 6.949 .. .. 66.254 239.991 70.620 14.629 .. 32.097 84.09 333.043
1989 5
21.332 11.240 8.700 6.742 6.877 .. .. 69.285 242.894 71.939 15.192 .. 33.577 85.49 332.928
1990 4
21.112 11.341 8.710 6.714 6.448 87.964 .. 73.277 244.409 71.760 15.585 .. 33.724 84.13 335.243
1991 3
21.106 11.340 8.768 6.750 6.011 88.009 .. 92.945 242.171 74.304 16.278 .. 33.249 81.87 338.025
1992 9
21.928 11.264 8.752 6.670 5.696 88.300 .. 95.887 235.125 74.250 16.576 .. 32.722 82.52 380.781
1993 0
22.528 11.252 8.740 6.664 5.666 89.786 .. 99.954 233.469 74.732 17.024 .. 32.644 91.27 389.651
1994 5
23.224 11.104 8.861 6.735 5.754 90.252 14.004 106.891 234.011 79.968 17.534 2.76 33.180 93.29 391.344
1995 3 4
23.404 11.314 8.948 6.801 5.876 90.996 14.335 118.210 233.157 78.515 18.191 2.72 34.688 93.65 407.391
1996 9 7
23.874 11.417 9.105 6.941 6.041 91.422 14.554 127.610 229.077 78.640 18.917 2.75 36.033 99.16 413.567
1997 5 9
24.456 11.568 9.260 7.203 6.426 91.919 15.177 140.179 223.122 74.852 19.367 2.72 38.094 102.1 445.480
1998 4 00
25.141 11.606 9.376 7.369 6.783 91.923 16.349 153.138 218.011 76.300 20.152 2.83 39.606 103.8 457.151
1999 7 26
25.709 11.657 9.833 7.564 6.982 92.534 16.335 167.508 218.930 76.555 20.453 2.99 41.658 105.5 468.917
2000 6 44
26.050 11.867 9.976 7.728 6.989 91.540 15.968 187.803 219.474 78.476 20.938 3.01 43.341 107.1 471.311
2001 2 87
26.609 11.788 9.898 7.685 7.080 89.992 16.208 209.090 220.130 80.790 21.233 2.83 44.418 106.1 469.724
2002 2 48
27.107 11.784 10.05 7.607 7.073 88.144 16.748 239.056 218.082 78.447 21.273 2.95 45.785 106.5 450.598
2003 0 2 27
27.970 11.889 10.34 7.653 7.169 88.171 16.833 268.915 219.059 81.812 21.162 2.95 48.283 107.8 480.625
2004 4 4 02
28.655 12.081 10.54 7.569 7.201 87.422 16.870 294.254 219.054 78.431 21.183 2.83 50.617 108.0 505.203
2005 8 6 39
2. Educación y desarrollo económico en Europa

María Dolores Benítez Márquez, Universidad de Málaga

Eugenia María Cruces Pastor, Universidad de Málaga
Julia De Haro García, Universidad de Málaga
María Dolores Sarrión Gavilán, Universidad de Málaga

953
Educación y desarrollo económico en Europa*

María Dolores Benítez Márquez, Universidad de Málaga

Eugenia María Cruces Pastor, Universidad de Málaga
Julia De Haro García, Universidad de Málaga
María Dolores Sarrión Gavilán, Universidad de Málaga

Resumen
En esta comunicación se analiza la educación en países europeos desde una perspectiva
multidimensional y se utiliza la información que de ello se deriva para estudiar la relación entre
educación y desarrollo económico. Nos basamos en indicadores estadísticos publicados por el
Ministerio de Educación y Ciencia para la comparación internacional y en otros válidos para el
mismo fin procedentes de Eurostat.

Palabras clave: Educación, desarrollo económico, comparación internacional, análisis

multivariante.

1. Introducción.
La vinculación entre educación y desarrollo económico ha sido ampliamente abordada
en la literatura por numerosos autores en el marco de las distintas escuelas de pensamiento
económico321. Desde los trabajos pioneros de Solow (1956,1957), Kendrick (1956), Schultz (1960,
1961 y 1962) o Denison (1962a y 1962b) se han realizado numerosos estudios empíricos dedicados
al análisis de dicha relación y en muchos de ellos se confirma el efecto positivo e intenso de la
educación y la formación en el desarrollo económico, tanto en países desarrollados (Bosca, De la
Fuente y Domenech, 1996 y Barro, 1996) como en otros que están en vías de desarrollo (Schultz,
1988)322.
Usualmente, el procedimiento utilizado para verificar esta hipótesis ha sido la estimación
econométrica, a nivel macroeconómico, de funciones de producción o simples análisis de regresión
para tratar de cuantificar la contribución de la educación al desarrollo económico de los países323.
Destacamos, en este sentido, los trabajos realizados por Barro (1991), Mankiw, Romer y Weil
(1992), Lichtenberg (1994) y Barro y Lee (1994), en el marco de los modelos neoclásicos de
crecimiento. En ellos se encuentra evidencia empírica para sostener la afirmación de que cuanto
mayor sea el nivel de capital humano mayor será la producción, lo que implica que el crecimiento
del capital humano generará crecimiento económico324. Alternativamente, Kyriacou (1992),
Benhabib y Spiegel (1994) y De la Fuente y Da Rocha (1996) encuentran evidencia empírica de lo
que se denomina efecto tasa del capital humano, es decir, es la tasa de crecimiento económico la
que depende del nivel de capital humano (Serrano, 1998). A nivel nacional destacamos, además
del ya mencionado de De la Fuente y Da Rocha (1996), los trabajos realizados por Serrano (1996
y 1997a y 1997b), Guisán (1997, 2008 y 2009), Neira (2000 y 2003) y Neira y Guisán (1999 y
2002).

* La correspondencia debe dirigirse a: Mª Dolores Sarrión Gavilán. Facultad de Comercio y Gestión, Campus de
Teatinos (ampliación,) 29071 Málaga. dsarrion@uma.es
321 Una buena revisión de las principales ideas se puede encontrar en los trabajos de Oroval, E. y Escardíbul, J.
(2001).
322 Alfonso y Hernández (1998).
323 Cruces, Navarro y De la O, (1997).
324 El capital humano incluye no sólo a la educación, sino también a la salud y aspectos del “capital social”.

954
 En este trabajo se aborda el análisis de la relación entre educación y desarrollo económico
desde otra perspectiva bien distinta. Por una parte, se utilizan técnicas de Análisis Multivariante
para caracterizar el contexto educativo en un escenario multidimensional utilizando, para ello,
diversos indicadores que reflejan los distintos aspectos de una realidad tan compleja como es
la educativa. Posteriormente, se analiza la relación entre el contexto educativo de los países
analizados y su desarrollo económico medido a través del PIB per cápita. En una línea metodológica
similar a ésta se encuentran, entre otros, los trabajos de Navarro (1982) y Cruces, Navarro y De la
O (1997). En ellos se utiliza la técnica estadística de análisis factorial de correspondencias para
analizar la relación entre educación y desarrollo económico.
El estudio está referido a 24 de los 27 países que conforman la Unión Europea (UE). Se han
excluido Grecia, Rumanía y Luxemburgo por no disponer de datos para algunas de las variables
que se consideran relevantes para este análisis.
El trabajo está estructurado del siguiente modo: En la Sección 2 se presentan los datos y
se lleva a cabo un análisis descriptivo unidimensional de los mismos; en la Sección 3 se muestran
los resultados de un análisis factorial exploratorio aplicado a los indicadores de educación, con
la finalidad de extraer un número reducido de factores que permitan explicar la realidad de los
países analizados en lo que a educación y formación se refiere; en la Sección 4 se clasifican dichos
países en una serie de conglomerados tras aplicar un análisis cluster a los resultados obtenidos
en la sección 3. En la Sección 5 se analiza la relación entre educación y crecimiento económico y,
por último, en las Secciones 6 y 7 se presentan, respectivamente, las conclusiones de este estudio
y la bibliografía utilizada.

2. Descripción y análisis unidimensional de los datos.

En este trabajo, como se ha señalado antes, utilizamos algunos de los indicadores estadísticos
publicados por el Ministerio de Educación y Ciencia (MEC) para la comparación internacional de
la situación de la educación en nuestro país con otros países de Europa y el resto del mundo.
La información sobre educación proporcionada por el MEC se completa con otra procedente de
la Oficina de Estadística de la Unión Europea (Eurostat), que permite introducir en el análisis la
relación entre nivel educativo y empleo, así como, el nivel de desarrollo económico, medido a
través del PIB per cápita325.
Del grupo de países que conforman la UE se han excluido, por falta de información
sobre algunas de las variables consideradas relevantes para este estudio, Grecia, Luxemburgo y
Rumania.
Los indicadores se han dividido en tres grupos:
• Grupo 1: Indicadores de la Unión Europea (UE) que son puntos de referencia para el
seguimiento de los objetivos 2010 y 2020 de los sistemas educativos y formativos en la UE.
• Grupo 2: Otros indicadores internacionales de la educación cuyas fuentes son Eurostat
y la OCDE (Indicadores de la Educación de la OCDE, Proyecto INES).
• Grupo 3: Indicador del nivel de desarrollo económico tomado de Eurostat.
A continuación se presentan las definiciones de los distintos indicadores utilizados, junto
con el grupo en el que se enmarcan326:
• Abandono Educativo Temprano (AET): Porcentaje de la población entre 18 y 24 años
325 La selección de las variables o indicadores que utilizamos en este estudio queda condicionada, como en la mayor
parte de los trabajos de índole práctico, por la información útil disponible en los medios que utilizamos como fuente
de información (MEC y Eurostat).
326 En la tabla A1 (Anexo) quedan recogidos los indicadores utilizados, la abreviatura con la que aparecen en esta
comunicación, el año al que corresponden los datos utilizados y la fuente de la que procede la información.

955
que no ha completado la Educación Secundaria 2ª etapa (CINE 3) y no sigue ningún tipo de
estudio-formación (Grupo 1).
• Nivel de Formación de la Población Joven (FPJ): Porcentaje de población entre 20 y
24 años que ha completado el nivel de Educación Secundaria 2ª etapa (Grupo 1).
• Formación en Educación Superior en la Población de 30 a 34 años (FES): Porcentaje
de población entre 30 y 34 años que ha alcanzado el nivel de formación en Educación Superior
(Grupo 1).
• Formación Permanente (FP): Porcentaje de población entre 25 y 64 años que participa
en educación y formación (Grupo 1).
• Nivel de Formación de la Población Adulta-1 (NFA_1): Porcentaje de la población de
25 a 64 años con nivel inferior a Educación Secundaria 2ª etapa (Grupo 2).
• Nivel de Formación de la Población Adulta-3 (NFA_3): Porcentaje de la población de
25 a 64 años con Educación Superior (Grupo 2).
• Nivel de Formación de la Población Joven-1 (NFJ_1): Porcentaje de la población de
25 a 34 años con nivel inferior a Educación Secundaria 2ª etapa (Grupo 2).
• Nivel de Formación de la Población Joven-3 (NFJ_3): Porcentaje de la población de
25 a 34 años con Educación Superior (Grupo 2).
• Nivel de Formación de los Mayores-1 (NFM_1): Porcentaje de la población de 55 a 64
años con nivel inferior a Educación Secundaria 2ª etapa (Grupo 2).
• Nivel de Formación de los Mayores-3 (NFM_3): Porcentaje de la población de 55 a 64
años con Educación Superior (Grupo 2).
• Gasto por Alumno en Educación Primaria (GPA_1): Gasto público y privado en
instituciones públicas y privadas, además de incluir la formación ocupacional, y está calculado en
euros convertidos usando PPS (Grupo 2).
• Gasto por Alumno en Educación Secundaria (GPA_2): Igual que GPA_1, salvo en lo
relativo al nivel educativo (Grupo 2).
• Gasto por Alumno en Educación Superior (GPA_3): Igual que GPA_1 y GPA_2, salvo
en lo relativo al nivel educativo (Grupo 2).
• Tasa Neta de Escolaridad en la Edad de 16 años (TNE_16): Relación entre el alumnado
de esa edad que está escolarizado en cualquier nivel, respecto al total de población de la misma
edad (Grupo 2).
• Tasa Neta de Escolaridad en la Edad de 17 años (TNE_17): Igual que TNE_16 pero
referida a la edad de 17 años (Grupo 2).
• Tasa Neta de Escolaridad en la Edad de 18 años (TNE_18): Igual que TNE_16 y
TNE_17 pero referida a la edad de 18 años (Grupo 2).
• Porcentaje de Empleados con Bajo Nivel Educativo (TE_0_2): Porcentaje del total de
empleados que representan aquéllos con nivel educativo igual o inferior a la Educación Secundaria
Obligatoria (Grupo 2).
• Porcentaje de Empleados con Alto Nivel Educativo (TE_5_6): Porcentaje del total de
empleados que representan aquéllos con Educación Superior (Grupo 2).
• Producto Interior Bruto per cápita en términos reales expresado en euros por
habitante (PIB_PH): (Grupo 3).

956
 La descripción estadística unidimensional de los indicadores que entran en el análisis
aparece resumida en la tabla A.2 del Anexo. De la información contenida en el mismo se puede
concluir que:
1) Los valores medios de todos los indicadores incluidos en el análisis pueden
considerarse representativos, ya que los coeficientes de variación (CV) son todos inferiores a la
unidad.
2) No obstante lo anterior, atendiendo al nivel de variabilidad que presentan, los
indicadores pueden clasificarse en tres grupos: poca variabilidad (CV<0,2); variabilidad moderada
(0,2≤CV<0,5) y variabilidad alta (CV≥0,5). En el primer grupo se encuentran las tasas netas de
escolaridad consideradas (TNE_16; TNE_17 y TNE_18) y el nivel de formación de la población joven
(FPJ). En el otro extremo, es decir, variables que presentan alta variabilidad en comparación con
el resto, encontramos tanto a las variables que cuantifican el porcentaje de población con nivel
de estudios inferior a Educación Secundaria Segunda etapa (NFA_1; NFJ_1 y NFM_1), como a
aquéllas que representan el abandono educativo temprano (AET), la formación permanente (FP),
el nivel de desarrollo (PIB_PH) y el porcentaje de empleados con poca formación (PE_0_2).
A pesar de que algunos indicadores presentan valores atípicos, en el Anexo pueden
verse los diagramas de caja, para el análisis multidimensional éstos no se han excluido; ya que,
pensamos que estos valores no son fruto de errores de observación, sino el reflejo de la situación
de determinados países en lo relativo a algunos de los indicadores considerados. En este sentido,
se puede observar que el grupo de países formado por España, Malta y Portugal presenta valores
anormalmente grandes en los indicadores que cuantifican el abandono educativo temprano (AET)
y el porcentaje de la población de entre 25 a 34 años cuyo nivel de formación es inferior a
Educación Secundaria 2ª etapa (NFJ_1). Centrándonos en España, el 31% de la población entre
18 y 24 años no ha completado la Educación Secundaria 2ª etapa (CINE 3) y no sigue ningún
tipo de estudio-formación (AET)327, siendo el valor medio para el conjunto de países analizados
de un 13,6% y para el conjunto de la UE de un 14,4%. En lo que al porcentaje de la población de
entre 25 a 34 años cuyo nivel de formación es inferior a Educación Secundaria 2ª etapa (NFJ_1),
el nivel de España es de un 35 % cuando el medio del grupo de países considerados es de un
18,6%. Paralelamente, el mismo grupo (España, Malta y Portugal) presenta valores anormalmente
pequeños en el indicador que cuantifica el porcentaje de población entre 20 y 24 años que ha
completado el nivel de Educación Secundaria 2ª etapa (FPJ). En lo relativo a España, sólo el 60%
de la población de este tramo de edad ha completado el nivel correspondiente a Secundaria 2ª
etapa, valor que es bastante inferior al medio de la UE (78,6%). Portugal y Malta presentan,
además, valores anormalmente grandes del indicador que refleja el porcentaje de la población
adulta (25 a 64 años) con nivel de formación inferior a la Educación Secundaria 2ª etapa (NFA_1).
Por último, Dinamarca presenta un valor anormalmente pequeño en formación permanente (FP) y
en Malta se observan valores anormalmente pequeños en las tasas netas de escolaridad (TNE_16,
TNE_17 y TNE_18), siendo esto común a Chipre y Reino Unido si nos restringimos a la edad de 18
años.

327 En la nueva estrategia de la Unión Europea para un crecimiento inteligente, sostenible e integrador, “Estrategia
Europa 2020”, la educación aparece, junto al empleo, la investigación e innovación, el cambio climático y la energía,
así como la lucha contra la pobreza, entre los cinco objetivos clave recogidos en la nueva estrategia comunitaria. En
este sentido, en lo referente a educación, se ha planteado la conveniencia de conseguir una tasa de abandono escolar
igual o inferior al 10 %, cuando el actual es de un 15 %, incrementar el porcentaje de personas de entre 30 y 34 años
con estudios superiores completos del 31 % a, como mínimo, un 40 % y alcanzar el objetivo de invertir el 3% del PIB
en investigación y desarrollo (European Commission, 2010).

957
 3. Las dimensiones de la educación.
El análisis de la situación de la educación y la formación en este conjunto de países
de la UE se basa en la consideración conjunta de los indicadores incluidos en los grupos 1 y
2 anteriormente descritos o, más concretamente, en el análisis de la matriz de correlaciones
asociada a los mismos.
El valor del determinante de la matriz de correlaciones (2,71x10-20), muy próximo a
cero, indica la existencia de dependencia lineal en los datos y la no existencia de indicadores
redundantes, es decir, que sean combinación lineal perfecta de otros que entren también en el
análisis. A partir de dicho determinante se ha calculado el valor del coeficiente de dependencia
efectiva328, D(R)=0,93, lo que indica que el grado de dependencia lineal entre las variables es
bastante alto.
Como complemento del análisis del grado de dependencia lineal, calculamos el índice KMO
(Kaiser-Meyer-Olkin). Este índice se define como

2
∑r jk

KMO = j ≠k
2 2
,
∑r +∑a jk jk
j ≠k j ≠k

donde rjk es el coeficiente de correlación lineal simple entre las variables observadas j y k y ajk es
el coeficiente de correlación parcial entre dichas variables. En el análisis que nos ocupa el valor
€
del índice KMO es 0,6, lo que puede considerarse aceptable329.
La aplicación de esta técnica tiene, en nuestro caso, la finalidad de identificar, si es
posible, aquellos indicadores que están expresando un mismo aspecto latente (o no medido) de la
situación en educación y formación de los países considerados y, simultáneamente, explicar dicha
realidad mediante un número reducido de factores que resuman adecuadamente la información
contenida en las variables iniciales.
Dado que los resultados del Análisis Factorial se van a utilizar posteriormente para obtener
agrupaciones de países que sean homogéneos en cuanto a su situación en educación y que, para
ello, son necesarias las puntuaciones factoriales, el método de extracción empleado ha sido el de
Componentes Principales (Morrison, 1987), reteniendo aquellos factores con autovalor mayor que
la unidad (Kaiser, 1960). Por último, para facilitar la interpretación de los factores retenidos se ha
aplicado el procedimiento de rotación ortogonal varimax.
Los autovalores asociados a los factores retenidos, el porcentaje del total de varianza
explicada por cada uno de ellos después de la rotación varimax y el porcentaje acumulado se
presentan en la Tabla 1.

1/(p−1)
328 Este coeficiente se define como D(R ) = 1− R , siendo R el determinante de la matriz de correlaciones.
Sabemos que si una de las variables es combinación lineal perfecta de otras, también incluidas en el análisis, la
matriz de correlaciones es singular, R = 0 y, por lo tanto, D(R ) = 1. Por otra parte, si entre los distintos pares de
variables la correlación lineal es nula, la matriz de correlaciones coincide con la identidad, su determinante es 1 y,
en consecuencia, D(R ) € = 0. La comparación del coeficiente
€ de dependencia con estos casos extremos puede darnos
una buena idea del grado de dependencia lineal que existe entre los indicadores utilizados (Peña, 2002).
329 De acuerdo con el modelo
€ de análisis factorial,
€ los coeficientes de correlación teóricos calculados entre cada par
de factores únicos son nulos por hipótesis. Si los coeficientes de correlación parcial constituyen una aproximación a
dichos€coeficientes teóricos, deben estar próximos a cero y, en consecuencia, el valor del índice KMO próximo a 1. Un
valor de la medida KMO por debajo de 0,5 no es aceptable. (Uriel y Aldás, 2005).

958
 Tabla 1. Varianza total explicada

 
En esta tabla observamos que los 4 factores retenidos, de acuerdo con el criterio basado
en seleccionar los autovalores mayores que la unidad, explican casi el 90% de la variabilidad total
(88,868%), porcentaje más que aceptable si se tiene en cuenta que en estudios relativos a las
Ciencias Sociales el límite inferior de admisibilidad es del 60% (Hair y otros, 2000).
La Tabla 2 contiene la matriz factorial rotada o matriz de componentes rotados, que está
formada por los coeficientes de correlación lineal entre los factores y los indicadores a partir de los
cuales éstos han sido estimados. Para facilitar la interpretación de dichos factores, en términos de
la situación en educación y formación que los mismos explican, se han sombreado los coeficientes
que en valor absoluto son superiores a 0,4.

Tabla 2. Matriz factorial rotada

  959
 El factor 1 está fuertemente asociado con los niveles bajos de formación (NFA_1, NFJ_1
y NFM_1), así como, con la formación de la población joven (FPJ), el abandono educativo
temprano (AET) y el porcentaje de empleados con nivel bajo de formación (TE_0_2). También
está correlacionado, aunque débilmente, con las tasas de escolaridad que se han incluido en este
análisis. Dicho factor explica un 33,5% de la variabilidad total y, teniendo en cuenta que las
variables relativas a nivel de formación bajo y abandono educativo temprano presentan cargas
positivas, podríamos decir que representa el “Déficit formativo”. Las puntuaciones más altas de
este factor se alcanzan en Portugal, Malta, España e Italia, respectivamente, con niveles muy
superiores al medio. Mientras que las más bajas las encontramos en Eslovaquia, República Checa
y Austria.
El segundo factor explica un 25,2% de la variabilidad total y podríamos denominarlo
“Formación en Educación Superior”, ya que, presenta correlaciones positivas elevadas con las
variables que recogen este aspecto de la situación de la educación y la formación. Concretamente,
la formación en Educación Superior en la población de 30 a 34 años (FES), el porcentaje de
empleados con Educación Superior (TE_5_6) y los porcentajes de población adulta, joven y mayor
con estudios superiores (NFA_3, NFJ_3 y NFM_3). Los niveles más elevados de este factor se
alcanzan en Estonia, Lituania, Chipre y Finlandia, mientras que los más bajos se observan en
República Checa, Austria, Italia, Eslovaquia y Portugal.
El factor 3 está correlacionado positivamente tanto con el gasto en educación (GPA_1,
GPA_2 y GPA_3) en los distintos niveles formativos, como con la formación permanente (FP), por
ello, lo denominaremos “Gasto y Formación Permanente”. Los países en los que se observan los
valores más bajos son: Bulgaria, Lituania, Estonia, Letonia y Polonia, mientras que aquéllos en los
que se alcanzan los valores máximos son: Austria, Dinamarca, Suecia y Reino Unido. Este factor
explica el 18,5% de la variabilidad total.
Por último, el factor 4 está fuertemente correlacionado con las tasas netas de escolaridad
aquí consideradas (TNE_16, TNE_17 y TNE_18); explica el 11,7% de la variabilidad total y podría
denominársele “Escolaridad en Educación no obligatoria”.

4. Clasificación de los países atendiendo a su situación en educación y formación.

Para completar el análisis multidimensional de la educación y la formación en países
de la UE se aplica, a las puntuaciones de los factores retenidos, un análisis no jerárquico de
conglomerados (k-medias), con el objetivo de formar grupos de países que sean homogéneos en
cuanto a la situación en educación y formación que resumen dichos factores y de modo que países
pertenecientes a grupos distintos difieran, tanto como sea posible, en lo relativo a la situación
que nos ocupa.
Para obtener una aproximación sobre cuál es el número razonable de conglomerados, se
ha aplicado, en primer lugar, un método jerárquico330 y se ha analizado el dendograma resultante
(Figura 1).

330 Se utiliza como medida de similaridad la distancia euclídea al cuadrado y como algoritmo de agrupación el
método de Ward.

960
Figura 1. Dendograma

Los “saltos”  en la distancia de agrupamiento parecen indicar que el número idóneo de

conglomerados para el problema que nos ocupa puede estar entre cinco y siete. Posteriormente, se
ha aplicado el método no jerárquico de k-medias con 5, 6 y 7 conglomerados y se han comparado
las variaciones experimentadas por la varianza residual al ir aumentando el número de grupos.
Todo ello hace que se haya considerado como óptima la agrupación en 7 conglomerados.
La distribución geográfica de los siete conglomerados que han resultado de este análisis se
presenta en el siguiente mapa (Mapa 1) y en la Figura 2 se pueden visualizar las diferencias entre
conglomerados en cuanto a las puntuaciones medias que en ellos alcanzan los factores.

Mapa 1. Conglomerados para la educación

  961
Figura 2. Puntuaciones medias de los factores

 
Del análisis de la figura anterior se puede destacar lo siguiente:
• El Conglomerado 7 (Malta) parece ser el más deficitario en educación, ya que, en él los
factores 2, 3 y 4, que recogen la formación en educación superior, el gasto en educación y la
escolaridad en edad no obligatoria, respectivamente, toman valores que están muy por debajo de
la media global y, por otra parte, la puntuación media del factor 1 (“Déficit formativo”) toma un
valor positivo y bastante alejado del medio, lo que indica que tampoco en este aspecto su nivel
es bueno, ya que es de los más deficitarios.
• El Conglomerado 1 (España, Italia y Portugal) presenta, como en el caso anterior,
puntuación media positiva en el factor que representa el “Déficit formativo” (Factor 1) y la
“Formación en Educación Superior” (Factor 2) es, también, deficitaria; sin embargo, el Factor 3
(“Gasto y formación permanente”) se sitúa en niveles medios y la “Escolaridad en Educación no
obligatoria” (Factor 4) presenta en este conglomerado la puntuación media más alta331.
• En el Conglomerado 2 (Austria) el “Déficit formativo” alcanza la menor puntuación
media pero lo mismo ocurre con la “Formación en Educación Superior”. Austria, también, presenta
niveles inferiores al medio en lo que a “Escolaridad en Educación no obligatoria” se refiere y, sin
embargo, el nivel de “Gasto y Formación permanente” es el más alto entre los países analizados.
• En el Conglomerado 5 (Alemania, Eslovaquia, Eslovenia, Hungría, Polonia y República
Checa) los niveles medios en “Déficit formativo”, “Formación en Educación Superior” y “Gasto
y Formación permanente” son inferiores al medio, siendo el nivel medio de la “Escolaridad en
Educación no obligatoria” de los más altos.
• Los Conglomerados 3 (Bélgica, Finlandia, Francia, Irlanda, Países Bajos y Suecia) y 6
(Chipre, Dinamarca y Reino Unido) presentan niveles medios de los factores 1, 2 y 3 muy similares.
En lo relativo a “Formación en Educación Superior” y “Gasto y Formación permanente” el nivel
medio en estos conglomerados es superior al medio global; en “Déficit formativo” el nivel es
similar al medio. Por último, mientras que en el Conglomerado 3 el nivel medio en “Escolaridad en
Educación no obligatoria” es superior al medio y similar al que presentan los conglomerados 1 y
5, el Conglomerado 6 presenta en este último aspecto un nivel medio bastante inferior al medio.
• Por último, el Conglomerado 4 (Bulgaria, Estonia, Letonia y Lituania) destaca por su
bajo nivel medio en “Gasto y Formación permanente” alcanzando niveles medios similares a los
Conglomerados 3 y 6 en lo que a “Déficit formativo” y “´Formación en Educación Superior” se
refiere. Su nivel medio en Escolaridad en “Educación no obligatoria” es inferior al medio, pero
superior al que presenta el Conglomerado 6.
331 Hemos de indicar que este conglomerado recoge bastante bien las posiciones de los países que en él se agrupan
en relación a los factores 1, 3 y 4; sin embargo, en lo relativo al factor 2 (Formación en Educación Superior) no queda
bien reflejada la posición de España, con una puntuación de 0,73 que es bastante superior a la media y superior a la
correspondiente a países como Alemania, Francia, Suecia, Dinamarca o Países Bajos, entre otros.

962
5. Relación entre educación y desarrollo económico.
Comenzamos este análisis revisando los gráficos de dispersión de los factores, que
representan la situación de los países analizados en relación con los diversos aspectos relativos a
educación y formación, frente al PIB per cápita (Gráficos 1 a 4).

Gráfico 1 Gráfico 2

 
Gráfico 3 Gráfico
  4

   
El Gráfico 3 muestra la fuerte relación positiva existente entre el nivel de desarrollo
económico y el factor educativo denominado Gasto y formación permanente. En cuanto a la relación
entre el nivel de desarrollo y el factor educativo que representa al Déficit formativo, Gráfico 1,
se puede apreciar como los niveles de Déficit formativo superiores al medio están relacionados
negativamente con el nivel de desarrollo económico, cuanto mayor es el Déficit formativo menor
es el PIB per cápita. Por su parte, la Formación en educación superior en niveles inferiores al
medio corresponde, en general, a países con bajo nivel de desarrollo económico y los niveles más
altos de desarrollo económico corresponden a países con buen nivel de Formación en educación
superior. Por último, en lo relativo a la relación entre desarrollo económico y Escolaridad en edad
no obligatoria no parece existir relación a nivel individual para el grupo de países analizados.

963
 Por otra parte, si condensamos la información que proporcionan los factores en un único
indicador que sintetice la situación en educación y formación de los países analizados (ISE)332 y
lo representamos junto con el indicador de desarrollo utilizado (Gráfico 5), se observa que, si nos
centramos en los países occidentales, la relación entre educación y desarrollo es bastante intensa
y positiva; sin embargo, los países del este que, en su mayoría, presentan niveles de educación
mejores que los de Malta, Portugal, Italia o España no alcanzan niveles de desarrollo acordes
con los mismos. Lo anterior es también válido para el grupo de países de Europa septentrional
formado por Polonia, Letonia, Lituania y Estonia.

Gráfico 5

 
Los niveles tipificados de PIB per cápita y del indicador sintético de educación de cada país
se pueden observar en el Gráfico 6.

Gráfico 6. Niveles de desarrollo (PIB_PH) y de educación (ISE)

 
332 El indicador se ha obtenido como suma ponderada de los cuatro factores extraídos usando como ponderación
de cada factor la raíz de la participación del porcentaje de varianza que el mismo explica en el total explicado. El
factor 1 ha entrado en esta suma con signo negativo, dado que representa déficit en educación.

964
6. Conclusiones.
• Desde una aproximación unidimensional a la realidad educativa de los 24 países de
la UE analizados, destacan los niveles de abandono educativo temprano y del porcentaje de
población entre 25 y 34 años con nivel inferior a la Educación Secundaria 2ª etapa que presentan
los países de España (31,2% y 35%) y Portugal (31,2% y 53,3%), parte del Conglomerado 1, y el
Conglomerado 7, formado por Malta (36,8% y 54,4%). La media de los países considerados está
en el 13,6% para el abandono educativo temprano y en el 18,6% para el porcentaje de población
entre 25 y 34 años con nivel inferior a la Secundaria 2ª etapa. Ello está en concordancia con
los niveles, muy inferiores al medio de la UE, que en este grupo de países presenta el indicador
que cuantifica el porcentaje de población entre 20 y 24 años que ha completado la Educación
Secundaria 2ª etapa. Asimismo, en lo relativo al nivel de formación de la población adulta medido
por el porcentaje de población entre 25 y 64 años con nivel inferior a la Secundaria 2ª etapa,
siguen destacando los niveles de Malta (72,5%) y Portugal (71,8%), cuando la media del grupo de
países analizados es de un 26,5%. Muy por encima de este valor medio se encuentran, también,
España (48,8%) e Italia (46,7%).
• El análisis factorial exploratorio aplicado a las variables educativas ha permitido extraer
cuatro factores que explican casi un 90% de la variabilidad total y que reflejan diversos aspectos
de la realidad educativa: Déficit formativo; Formación en Educación Superior; Gasto y Formación
permanente y, por último, Escolaridad en educación no obligatoria.
• La información contenida en los indicadores iniciales, resumida a través de las
puntuaciones de los cuatro factores extraídos, se ha utilizado para realizar una clasificación de
los países analizados atendiendo a su situación en educación y formación, obteniéndose siete
conglomerados, dos de los cuales son unitarios. En términos generales, y atendiendo al número de
factores que tienen mejores puntuaciones medias en cada conglomerado, observamos que:
o Los conglomerados tres (Bélgica, Finlandia, Francia, Irlanda, Países Bajos y Suecia)
y seis (Chipre, Dinamarca y Reino Unido), que están conformados por países de Europa occidental,
son los que mejor situación presentan en lo que a educación y formación se refiere.
o A continuación, destaca el conglomerado 2 formado por un único país, Austria.
Este país posee la mayor puntuación en Gasto y Formación Permanente (Factor 3) y un nivel
bastante bajo en Déficit Formativo (Factor 1) siendo, a la vez, el país con menor puntuación en
Formación en Educación Superior. Por lo tanto, se invierte mucho en educación y formación, pero
parece que lo que se fomenta es que la población adquiera un nivel medio de formación, que
podría interpretarse como formación o capacitación para el empleo cualificado.
o Los conglomerados 1 (España, Italia y Portugal), 4 (Bulgaria, Estonia, Letonia
y Lituania) y 5 (Alemania, Eslovaquia, Eslovenia, Hungría, Polonia y República Checa) se
encuentran, en general, en una situación ligeramente inferior a la de los tres anteriores no
pudiéndose establecer una jerarquía entre ellos. Geográficamente, los países pertenecientes a
estos conglomerados abarcan la Europa más oriental a excepción del cluster 1 que se sitúa en la
zona sur europea.
o El Conglomerado 1 (España, Italia y Portugal) presenta una puntuación media
muy elevada en el factor que representa el Déficit formativo (Factor 1), lo que indica que una
buena parte de la población tiene un nivel bajo de educación, la Formación en Educación Superior
(Factor 2) es, también, deficitaria; sin embargo, el Factor 3 (Gasto y formación permanente) se
sitúa en niveles medios y la Escolaridad en Educación no obligatoria (Factor 4) presenta en este
conglomerado la puntuación media más alta333.
333 Hemos de indicar que este conglomerado recoge bastante bien las posiciones de los países que en él se agrupan

965
 o En el Conglomerado 5 (Alemania, Eslovaquia, Eslovenia, Hungría, Polonia y
República Checa) los niveles medios en Formación en Educación Superior y Gasto y Formación
permanente son inferiores al medio; sin embargo, el nivel medio de la Escolaridad en Educación
no obligatoria es de los más altos y presenta un nivel inferior al medio en Déficit formativo.
o Los países que conforman el conglomerado 4 (Bulgaria, Estonia, Letonia y
Lituania) alcanzan un nivel educativo similar al que corresponde a los conglomerados 3 y 6, pero
con un nivel de Gasto y formación permanente muy inferior al medio, lo que podría ser indicativo
de un alto grado de eficiencia educativa.
o Finalmente, el conglomerado unitario formado por Malta (grupo 7) es de los países
analizados el que presenta una situación en educación y formación más precaria, no obteniendo
buena puntuación en ninguno de los factores.
• Por último, del análisis de la relación entre educación y PIB per cápita se puede
concluir que la relación entre el factor educativo denominado Gasto y formación permanente y
el desarrollo económico es bastante intensa y positiva, así como que niveles superiores al medio
del factor educativo Déficit formativo presentan una relación inversa o negativa con el desarrollo
económico. También, en los valores extremos del factor que representa a la Formación en educación
superior se observa relación positiva con el desarrollo económico. Por último, la relación entre
desarrollo económico y educación, cuantificada a través del indicador sintético, queda patente
sólo en el grupo formado por los países occidentales.

Referencias.
Alfonso Casado, J.M. y M. Hernández López, (1998): “Una panorámica regional de la educación
superior en España”. Estudios de Economía Aplicada, Vol. 10, pp. 5-18.

Barro, R.J. (1991): “Economic growth in a cross section of countries”. Quarterly Journal of
Economics, 106, pp. 407-443.

Barro, R.J. (1996): “Determinants of Economic Growth: a cross-country empirical study”. National
Bureau of Economic Research (NBER), working paper 5698.

Barro, R.J. y J.W. Lee (1994): Sources of economic growth, Carnegie-Rochester Conference Series
on Public Policy, Vol. 40, pp. 1-46.

Benhabib, J. y M.M. Spiegel,(1994): “The role of human capital in economic development. Evidence
from aggregate cross-country data”. Journal of Monetary Economics 34, pp. 143-173.

Bosca, J.F., A. De la Fuente, y R. Domenech (1996): Human Capital and Growth: Theory ahead of
Measurement, Mimeo, Valencia.

Cruces, E.M., M.L. Navarro, y C. De la O (1997): Educación y crecimiento económico: evidencia

empírica para Andalucía, VI Jornadas de la Asociación de Economía de la Educación (AEDE), Vigo,
España.

en relación a los factores 1, 3 y 4; sin embargo, en lo relativo al factor 2 (Formación en Educación Superior) no queda
bien reflejada la posición de España que, con una puntuación de 0,73, es en este aspecto bastante superior a la media
y superior a la correspondiente a países como Alemania, Francia, Suecia, Dinamarca o Países Bajos, entre otros.

966
De la Fuente, A. y J.M. Da Rocha, (1996): Capital humano y crecimiento: un panorama de la
evidencia empírica y algunos resultados para la OCDE, Moneda y Crédito, N° 203, pp. 43-84.

Denison, E. (1962a): The sources of economic growth in the United Sates and the alternatives
before us, Committee for Economic Development, Washington D.C.

Denison, E. (1962b): “Education, economic growth and gaps in information”. Journal of Political
Economy, vol. 70 (5), Part 2, pp. 124-128.

Eropean Commission (2010). URL: http://ec.europa.eu/commission_2010-2014/president/news/

documents/pdf/20100303_1_es.pdf.

Guisan, M.C. (1997): Economic Growth and Education: a New International Policy. Society for
International Dev. SID 22nd World Conference. Documento de la serie Economic Development Nº
18.

Guisan, M.C. (2008): “Educación y desarrollo mundial en 2001-2008. Perspectivas de América,

Europa, África y Asia. XVII Jornadas AEDE.

Guisán, M.C. (2009): “Educación, Calidad del gobierno y desarrollo económico en America, Europa,
África y Asia”. Estudios Económicos de Desarrollo Internacional, Vol. 9 (2), pp. 5-33.

Hair, J.F., R.E. Anderson, R.L. Tatham, y W.C. Black, (2000): Análisis Multivariante, Ed. Prentice
Hall Iberia, Madrid.

Kaiser, H.F. (1960): “The Application of Electronic Computers to Factor Analysis”. Educational and
Psychological Measurement, Vol. 10, pp. 141-151.

Kendrick, J. (1956): “Productivity trends: capital and Labor”. Review of Economics and Statistics,
Vol. 38, pp. 248-257.

Kyriacou, G. (1992): “Level and growth effects of human capital: a cross-country study of the
convergence hypothesis”, C.V. Starr Center for Applied Economic, Working Paper 91-26.

Lichtenberg, F.R. (1994): “Have international differences in educational attainment levels

narrowed?, en W.J. Baumol, R.R. Nelson y E.W. Wolff (eds.), Convergence of productivity: Cross-
national studies and historical evidence, Oxford University Press, Oxford.

Mankiw, N.G., P. Romer y D. Weil (1992): “A contribution to the empirics of economic growth”.
Quarterly Journal of Economics, 107 (2), pp. 407-437.

Morrison, F. D. (1987): Multivariate Statistical Methods, Ed. McGraw-Hill, New York. Book Co.

Navarro Gómez, M.L. (1982): “Aplicación del análisis de correspondencias al estudio de las
interacciones de los sistemas educativos y económicos”. Cuadernos de Ciencias Económicas y
Empresariales, Nº 9 y 10, pp. 217-255.

967
Neira, I. (2000): Educación y desarrollo económico: el papel de la cooperación internacional en el
desarrollo del tercer mundo, Euro-American Association of Economic Development, Working paper
Nº 47, Serie: Economic Development.

Neira, I. (2003): “Modelos de Capital Humano y Crecimiento Económico: Principales enfoques y

estimación de un modelo de panel de los países de la OCDE”. Economic Development Nº 64, on
line.

Neira, I. y M.C. Guisán (1999): “Modelos econométricos de capital humano y crecimiento económico”.
Documentos de Econometría Nº 18. Servicio de Publicaciones de la Universidad de Santiago.

Neira, I. y M.C. Guisán (2002): “Modelos econométricos de capital humano y crecimiento económico:
Efecto Inversión y otros efectos indirectos”. Economic Development Nº 62, on line.

Oroval, E. y J.O. Escardíbul (2001): Aproximaciones a la relación entre educación y crecimiento

económico. Revisión y estado actual de la cuestión. Mosconi, F. y otros (eds.): Política industrial y
tecnológica II. Documentos. Vol. 104, pp. 53-68. Barcelona: Ediciones de la Universidad Politécnica
de Cataluña. ISBN: 84-8301-508-0.

Peña, D. (2002): Análisis de datos multivariantes, Ed. Mc Graw Hill, Madrid.

Schultz, T. (1960): “Capital formation by education”. Journal of Political Economy, Vol. 69, pp.
571-83.

Schultz, T. (1961): “Investment in human capital”. American Economic Review, Vol. 51, pp. 1-17.

Schultz, T. (1962): “Reflections on investment in man”. Journal of Political Economy, Vol. 70, pp.
1-8.

Schultz, T.W. (1988): Education Investments and Returns en Srinivansan, T. (ed.): Handbook of
Developments Economics, North Holland, Amsterdam.

Serrano, L. (1996): “Indicadores de capital humano y productividad”. Revista de Economía Aplicada,

Vol. IV (10), pp. 177-190.

Serrano, L. (1997a): “Productividad y capital humano en la economía española”. Moneda y Crédito,

205, pp. 79-101.

Serrano, L. (1997b): Capital humano y crecimiento económico. Análisis del caso español, Mimeo,
Universitat de València.

Serrano, L. (1998): “Capital humano, estructura sectorial y crecimiento en las regiones españolas”.
Instituto Valenciano de Investigaciones Económicas, WP-EC 98-04.

Solow, R.M. (1956): “A contribution to the theory of economic growth”. Quarterly Journal of
Economics, Vol. 70 (1), pp. 65-94.

968
Solow, R.M. (1957): “Technical change and the aggregate production function”. Review of Economics
and Statistics, Vol. 39, pp. 312-320.

Uriel, E. y Aldás, J. (2005): Análisis Multivariante Aplicado, Eds. Thomson, Paraninfo S.A.,
España.

969
Anexo

Diagramas de caja de las variables que presentan valores atípicos

   

   

   

970
   
 Tabla A.1
VARIABLE SÍMBOLO AÑO FUENTE
Abandono Educativo Temprano AET 2009 MEC
Formación en Educación Superior en la FES 2009 MEC
Población de 30 a 34 años
Formación Permanente FP 2009 MEC
Gasto por Alumno en Educación GPA_1 2007 MEC
Primaria
Gasto por Alumno en Educación GPA_2 2007 MEC
Secundaria
Gasto por Alumno en Educación GPA_3 2007 MEC
Superior
Nivel de Formación de la Población FPJ 2009 MEC
Joven
Nivel de Formación de la Población NFA_1 2009 MEC
Adulta-1
Nivel de Formación de la Población NFA_3 2009 MEC
Adulta-3
Nivel de Formación de la Población NFJ_1 2009 MEC
Joven-1
Nivel de Formación de la Población NFJ_3 2009 MEC
Joven-3
Nivel de Formación de los Mayores-1 NFM_1 2009 MEC
Nivel de Formación de los Mayores-3 NFM_3 2009 MEC
Porcentaje de Empleados con Bajo Nivel TE_0_2 2009 EUROSTAT
Educativo
Porcentaje de Empleados con Alto Nivel TE_5_6 2009 EUROSTAT
Educativo
Producto Interior Bruto per cápita en PIB_PH 2007 EUROSTAT
términos reales expresado en euros por
habitante
Tasa Neta de Escolaridad en la Edad de TNE_16 2007- MEC
16 años 08
Tasa Neta de Escolaridad en la Edad de TNE_17 2007- MEC
17 años 08
Tasa Neta de Escolaridad en la Edad de TNE_18 2007- MEC
18 años 08

971
 Tabla A.2. Estadísticos Descriptivos
Coeficiente de
Media DesviaciónTípica
variación
TNE_17 89,62 8,36 9,32
TNE_16 94,31 8,88 9,42
FPJ 80,23 11,02 13,73
TNE_18 78,23 14,62 18,69
TE_5_6 29,60 8,30 28,04
NFJ_3 32,42 9,62 29,66
NFA_3 25,48 7,81 30,65
FES 33,76 10,41 30,84
GPA_1 4882,78 1663,67 34,07
NFM_3 18,75 6,82 36,36
GPA_2 5911,58 2225,54 37,65
GPA_3 8768,33 3616,24 41,24
NFM_1 38,85 21,02 54,09
PIB_PH 18900,00 11280,07 59,68
AET 13,57 8,32 61,28
NFA_1 26,46 17,53 66,26
NFJ_1 18,56 12,97 69,87
FP 10,15 7,56 74,49
TE_0_2 20,74 16,27 78,46

972
3. Contribución de las actividades de educación terciaria al desarrollo
socioeconómico de su entorno: El caso de Gipuzkoa

Julio Grao, Universidad del País Vasco/Euskal Herriko Unibertsitatea, (UPV/EHU)

Marian Iriarte, UPV/EHU
José-Ginés Mora, University of London
Carlos Ochoa, UPV/EHU
Cristina Uriarte, UPV/EHU
María José Vieira, Universidad de León

973
Contribución de las actividades de educación terciaria al desarrollo
socioeconómico de su entorno: El caso de Gipuzkoa

Julio Grao, Universidad del País Vasco/Euskal Herriko Unibertsitatea, (UPV/EHU)

Marian Iriarte, UPV/EHU
José-Ginés Mora, University of London
Carlos Ochoa, UPV/EHU
Cristina Uriarte, UPV/EHU
María José Vieira, Universidad de León

Resumen
En la última década del siglo XX se ha desarrollado una nueva tendencia sobre la misión de la
universidad incorporando, a sus funciones tradicionales de enseñanza y de investigación, una
tercera que se basa en el desarrollo de la llamada “tercera misión” en el ámbito de los tres
ejes vertebradores siguientes: emprendimiento e innovación, formación continua y compromiso
social. Dados los objetivos planteados para la universidad europea en el horizonte 2020 de una
Europa del Conocimiento, la tercera misión de las universidades es reconocida como un conjunto
de actividades de apertura de la universidad a su entorno con un gran potencial para apoyar
el desarrollo económico y social. El objetivo principal del trabajo es analizar las actividades
de tercera misión desarrolladas por las Instituciones de Educación Terciaria (IET) de Gipuzkoa
con empresas privadas e instituciones, así como su actual y potencial impacto en el desarrollo
socioeconómico del territorio. Se busca mejorar la gestión y la gobernanza de la tercera misión
de las IET, facilitar el desarrollo de políticas que promuevan estas actividades y promover una
mayor cooperación entre las IET y empresas y demás organizaciones del territorio. El análisis
de las actividades de tercera misión comprende la exploración de sistemas de soporte para que
éstas tengan lugar, y que se encuentren en IET, empresas, instituciones no gubernamentales o
entidades de gobierno

Palabras clave: Tercera misión de la universidad, impacto social de la universidad, relaciones

universidad-empresa.

Clasificación JEL: I2 Educational and Research Institucions (I23 Higher Education Research
Institutions; I28 Government Policy).

1. Introducción
En el marco de la estrategia de Lisboa y del diseño de planes para aumentar la competitividad
europea en una sociedad y economía basada en el conocimiento, la Comisión Europea (CE) ha
señalado el papel de las universidades como fundamental dado su rol en la creación, transmisión
y diseminación de conocimiento (COM 2003). Con el objeto de fortalecer estos tres procesos, así
como el rendimiento de las universidades en otras áreas, la CE ha identificado las vinculaciones
entre universidad y empresa como una condición sine qua non:
- “La cooperación entre las universidades y el mundo industrial debe intensificarse a
escala nacional y regional y centrarse de forma más eficaz en la innovación, la creación de nuevas
empresas y, en términos más generales, la transferencia y difusión de los conocimientos” (CE
2003).

974
 - “Las universidades europeas deben potenciar igualmente su atractivo como socios para
la industria” (CE 2005).
- “Las universidades, por su parte, tienen que tomar decisiones estratégicas y llevar a
cabo reformas internas para ampliar su base de financiación, mejorar sus ámbitos de excelencia y
consolidar su posición competitiva; las asociaciones estructuradas con la comunidad empresarial
y otros socios potenciales serán indispensables para realizar estas transformaciones” (EC 2006).
Las señales de la CE respecto a la importancia de las relaciones entre universidades y su
entorno, particularmente con el sector industrial, se han potenciado más aún gracias al desarrollo
de políticas gubernamentales relacionadas con incentivos fiscales, regulaciones de propiedad
intelectual y esquemas de financiamiento en los cuales se valora la interacción entre universidades
y ‘su entorno’. La tercera misión de las universidades ha sido reconocida a nivel académico y
de políticas públicas como una herramienta con un gran potencial para aportar al desarrollo
económico. Éstas tienen un amplio espectro de acción y corresponden a aquellas:
“Relacionadas con la generación, uso, aplicación y explotación de conocimientos y otras
capacidades de la universidad fuera de entornos académicos” (Science and Technology Policy
Research Unit Report to the Russell Group of Universities, 2002).
Henry Etzkowitz, ha planteado el modelo de la triple hélice de innovación, el cual explica
la interrelación entre tres actores claves en el proceso de capitalización de conocimiento: la
universidad, la industria y el gobierno o administración (Etzkowitz, 2002). Si bien este modelo no
fue utilizado inicialmente para explicar la relación entre actores de actividades de tercera misión
en un sentido amplio, su modelo se ha tomado como referencia para exponer la interacción entre
los principales stakeholders de las actividades de tercera misión. Etzkowitz explica que el modelo
de triple hélice funciona a modo de espiral, capturando múltiples relaciones recíprocas. La primera
dimensión es la transformación interna de cada una de las hélices, tal como el reconocimiento
por parte de las universidades de un componente de aportar al desarrollo económico en sus
misiones. La segunda dimensión consiste en el impacto que una ‘hélice’ pueda causar sobre otra.
Por ejemplo, el impacto de las leyes de propiedad intelectual sobre las actividades de transferencia
tecnológica desarrolladas en universidades. La tercera dimensión consiste en redes de trabajo
tripartitas que buscan desarrollar ideas en conjunto. Un ejemplo son los parques tecnológicos o
corredores científicos en que participan empresas, universidades (muchas veces varias) y distintos
niveles de órganos de gobierno. La siguiente figura presenta el esquema de la triple hélice de
Etzkowitz.

Figura 1. Modelo de Triple Hélice de Etzkowitz

Fuente: “Triple Helix of University - Industry – Government, Implications for Policy and Evaluation”, Henry
Etzkowitz, 2002.

975
 Las interacciones posibles entre industria, estado y academia son numerosas y tienen
distintos niveles de complejidad, estabilidad en el tiempo, modelos financieros y tipos de
actividades desarrolladas. Algunas de las principales actividades actualmente vinculadas a la
tercera misión de la universidad son (HEFCW, 2008):
- La empresa y el espíritu empresarial - por ejemplo, el desarrollo de las empresas spin-out
de las IES.
- Servicios a las empresas - por ejemplo, la capacitación y consultoría; contrato de
investigación.
- Competencias y empleabilidad - por ejemplo, el desarrollo de habilidades adecuado para
el lugar de trabajo, en colaboración con los empresarios para desarrollar el plan de estudios.
- La innovación y la transferencia de conocimientos - por ejemplo, los programas de
investigación en colaboración con socios industriales.
- El desarrollo de la comunidad - por ejemplo, la promoción de la lengua local y la cultura,
conferencias públicas, exposiciones y otros eventos para niños y adultos.
Actualmente universidades, gobiernos y organizaciones internacionales no gubernamentales
tales como el Banco Mundial y la OECD han desarrollado estudios para evaluar el impacto de la
educación superior en el desarrollo económico de las regiones (por ejemplo: OECD Higher Education
and Regions: Globally Competitive, Locally Engaged, 2007), para identificar las actividades de
tercera misión desarrolladas por las IET (por ejemplo, Russell Report, Reino Unido, 2005) y para
identificar buenas prácticas en las actividades colaborativas entre IET e industria (por ejemplo,
Responsible Partnering Report, ProTon Europe, 2006).
Con el objeto de diseñar estrategias efectivas de colaboración entre IET y empresas y otro
tipo de organizaciones en el Territorio de Gipuzkoa, parecía fundamental realizar una evaluación
integral de las actividades de tercera misión actualmente desarrolladas por el sistema de educación
terciario de Gipuzkoa, considerando tanto su situación actual como su potencial desarrollo.
Para ello, se realizó dicha evaluación con el objetivo final de tener mayores antecedentes para
el desarrollo de políticas adecuadas por parte de entidades de gobierno, empresas e IET que
favorezcan su propio desarrollo, así como el del Territorio de Gipuzkoa.
La tercera misión de las universidades hace referencia al conjunto de actividades
que, relacionadas con las misiones tradicionales de enseñanza e investigación, suponen la
apertura de la universidad a su entorno con el fin de incidir en el desarrollo económico
y social del mismo. Se entiende por actividades de tercera misión un amplio espectro de
actividades relacionadas con la generación, uso, aplicación y explotación de conocimientos y otras
capacidades de la universidad fuera de entornos académicos y en relación con otros agentes334.
La tercera misión de las universidades constituye una actividad creciente en las universidades
del mundo industrializado y forman parte de las actividades cotidianas de las universidades más
dinámicas. Los gobiernos en todo el mundo y los organismos internacionales apoyan firmemente
esta tendencia. Por ejemplo, en el ámbito de la Unión Europea, concretamente en el marco de
la Estrategia de Lisboa, la Comisión Europea (CE) ha señalado el rol de las universidades como
fundamental dado su función en la creación, transmisión y diseminación de conocimiento335.
Gipuzkoa y sus Instituciones de Educación Terciaria (IET) no son una excepción a esta tendencia
y están desarrollando multitud de actividades más allá del entorno meramente académico.
334 Science and Technology Policy Research Unit Report to the Russell Group of Universities, 2002.
335 EC (2003), The role of the universities in the Europe of knowledge. COM (2003). 58 final: Brussels.
EC (2005), Mobilising the brainpower of Europe: enabling universities to make their full contribution to the Lisbon
Strategy, European Commission, COM (2005) 152 final, Brussels.

976
 A continuación se presenta el panorama general del tipo de actividades de tercera misión
desarrolladas por las Instituciones de Educación Terciaria del Territorio de Gipuzkoa. Esta visión
esquemática forma parte del Proyecto sobre la “Contribución de las Actividades desarrolladas
por las Instituciones de Educación Terciaria al Desarrollo Socioeconómico de su Entorno en el
Territorio de Gipuzkoa” realizado en el período 2009-2010 con la financiación del Departamento
de Innovación y Sociedad del Conocimiento de la Excma. Diputación Foral de Gipuzkoa.

2. Características del sistema de educación terciaria y del contexto socioeconómico del

Territorio de Gipuzkoa
Gipuzkoa cuenta con una estructura de formación a nivel terciario muy sólida: un campus
de una universidad pública generalista (UPV/EHU), una sede de la UNED, una universidad privada
muy relacionada con su entorno empresarial (la Universidad de Mondragón) y dos campus de
otras dos universidades privadas focalizadas tanto en la tecnología (campus de la Universidad
de Navarra) como en las ciencias sociales (campus de la Universidad de Deusto). A esto hay
que añadir la existencia de una gran red de centros de Formación Profesional Superior que
proporcionan profesionales altamente cualificados y, además, participan activamente en el
desarrollo tecnológico.
Este sistema de educación terciaria, se encuentra en un territorio caracterizado por
responder a la estructura típica de una economía postindustrial desarrollada, con un peso del
sector primario inferior al 1% del PIB y del empleo, y un peso del sector servicios, superior al
50% del PIB. Sin embargo, una característica típicamente guipuzcoana es que el peso del sector
industrial sigue siendo muy importante, del orden del 30% del PIB y del 28% del empleo directo.
Todo ello con un PIB per cápita de 32.409 € (Eustat, 2008), un 37% superior a la media de la UE
(27) y un 32% superior a la media española. El desempleo, a fecha de hoy, es inferior al 10%.
La estructura empresarial guipuzcoana es básicamente la de pequeñas y medianas empresas.
Existen del orden de 65.000 empresas mercantiles que dan trabajo a 310.000 empleados. Las
empresas con más de 500 empleados sólo generan el 7% del empleo mientras que las de más
de 100 (incluidas las anteriores), generan el 25% del empleo. El sector industrial está formado
básicamente por la industria manufacturera y, dentro de ella, el sector metalmecánico (materiales,
piezas, componentes y bienes de equipo) con una tecnología media o media-alta (Ventas/empleado
de 243.000 € y un VAB/empleado de 69.000 €). Los sectores que generan mayor demanda son
el automóvil, la construcción y el equipamiento del hogar, las infraestructuras y la generación
de energía. Es también una economía muy abierta al exterior, con un 32% del PIB exportado al
extranjero y un 29% del PIB importado del extranjero.

3. El proyecto sobre la “Contribución de las actividades desarrolladas por las IET al desarrollo
socioeconómico de Gipuzkoa”
El objetivo principal de este estudio ha sido analizar las actividades de tercera misión
desarrolladas por las IET (Instituciones de Educación Terciaria) del Territorio de Gipuzkoa, así
como su actual y potencial impacto en el desarrollo socioeconómico del mismo. Se han identificado
63 instituciones que realizan actividades en el ámbito de la Educación Terciaria; además de
Universidades y Centros de Formación Profesional Superior, están los Centros Tecnológicos, las
Asociaciones Empresariales, los Colegios Profesionales, las Agencias de Desarrollo Local, la Cámara
de Comercio, etc. Específicamente, se han estudiado las actividades de tercera misión desarrolladas
por las universidades públicas (UPV/EHU, y UNED) y privadas (Deusto, Navarra, Mondragón) y
por Centros de Formación Profesional Superior ubicados en Gipuzkoa. Se ha buscado también

977
identificar y analizar los mecanismos de apoyo existentes para las actividades de tercera misión,
así como su organización y gobernanza.
La metodología seguida336 ha permitido obtener una visión global de las actividades de
tercera misión, clasificadas en las siguientes áreas: actividades relacionadas con procesos de
enseñanza- aprendizaje, actividades relacionadas con la investigación y colaboración en otros
ámbitos (desarrollo de actividades sociales, culturales, etc.). El análisis de las actividades de
tercera misión en el Territorio de Gipuzkoa se ha basado en:
- Informes desarrollados por el equipo del proyecto con la colaboración de representantes
de los equipos de gobierno de las IET participantes.
- Visitas a las IET participantes, a sus entidades de apoyo a las actividades de tercera
misión y a individuos, grupos, centros o institutos que se hayan identificado por los equipos de
de gobierno de las IET como actores claves en este ámbito. Se han realizado visitas y entrevistas a
46 personas de 14 IETs (las universidades mencionadas, TKNIKA –centro de apoyo a la Formación
Profesional, el Instituto de Máquina-Herramienta y el IEFPS Usurbil), empresas (CAF, Fagor
Arrasate y Fagor Electrodomésitcos), y entidades de Gipuzkoa (Asociación de Empresarios de
Gipuzkoa ADEGI, Kutxa, Cámara de Comercio y Diputación Foral de Gipuzkoa).
- Por último, se han realizado visitas y entrevistas por parte de expertos internacionales337 que
han revisado y valorado las relaciones entre las IET de Gipuzkoa y su entorno socioeconómico.

4. Los tipos de actividades

Las instituciones de educación terciaria del territorio de Gipuzkoa realizan múltiples
actividades de tercera misión en sus tres facetas: relacionadas con la investigación, relacionadas
con la formación y actividades de tipo cultural o social.

4.1. Actividades de tercera misión relacionadas con la investigación

Aunque no todas las IET guipuzcoanas realizan investigación (como es el caso de la sede
de la UNED debido a su naturaleza eminentemente formativa y social), la actividad investigadora
de las IET guipuzcoanas es elevada tanto en investigación básica de alto nivel científico donde
destacan la UPV/EHU y Tecnun-Universidad de Navarra, como en la investigación aplicada en
donde destacan por su carácter peculiar algunos centros de Formación Profesional Superior y la
Universidad de Mondragón y por su especialización en Ciencias Sociales, la Universidad de Deusto.
Toda esta actividad investigadora, básica o aplicada, da lugar a numerosas actividades de tercera
misión en distintas áreas, tales como:
- Transferencia de tecnología. Existe una importante cooperación de las IET guipuzcoanas
con las empresas y las administraciones públicas a través de contratos y convenios. Además, se
percibe claramente en todas las instituciones la creciente importancia que se le da a la necesidad
de transferir los resultados de la investigación al entorno productivo y socioeconómico. Mucha de
esta cooperación es de tecnología media mientras que la utilización de nuevas patentes y licencias
es escasa y sólo se da en la UPV/EHU y en Tecnun a través de sus institutos de investigación.
Sólo por señalar alguna cifra, en el año 2008, Tecnun y CEIT participan aproximadamente en 150
proyectos de investigación con instituciones externas y el Campus de Gipuzkoa de la UPV/EHU
tuvo 100 proyectos de investigación y 285 contratos.
336 Basada en la metodología desarrollada en el Proyecto “GOODUEP: Good Practices in University-Enterprise
Partnerships”. Proyecto financiado por la UE, Erasmus Multilateral Project of the European Union’s Life Long Learning
Programme.
337 Steffano Boffo (Universita degli Studi di Sassari), Guy Haug (UE, Universidad Politécnica de Valencia) y Francisco
Marmolejo (University of Arizona).

978
 - Gestión de la transferencia. Una consecuencia de la creciente importancia de la
transferencia de tecnología en las IET guipuzcoanas es la creación de estructuras para facilitar
esta función. Cada institución adopta modelos distintos. La Universidad de Navarra tiene el Centro
de Estudios e Investigaciones Técnicas (CEIT) como principal gestor de las relaciones con las
empresas. La Universidad de Mondragón presenta un modelo peculiar vinculado a la Corporación
Cooperativa Mondragón y en el que se promueve la colaboración con la investigación realizada en
las unidades en I+D de sus empresas, los centros tecnológicos del grupo y la universidad. Ambas
instituciones (CEIT y Mondragón) desarrollan funciones de transferencia a través de las redes a
las que pertenecen de centros tecnológicos. La Universidad de Deusto utiliza para estas funciones
principalmente la Fundación Deusto, a la que pertenece en el campus donostiarra el Instituto
Vasco de Competitividad Orkestra cuyo objetivo es mejorar la productividad y competitividad de
las empresas del País Vasco. La Universidad del País Vasco gestiona centralmente la transferencia
de la tecnología mediante la OTRI y la Fundación Investigación Universidad Empresa EUSKOIKER,
aunque el Campus de Gipuzkoa cuenta con el Programa Entreprenari y los Servicios Generales de
Investigación (SGIker) que ofrecen y realizan actividades de transferencia.
- Spin-offs y emprendizaje. La creación de empresas de base tecnológica o spin-offs
con el apoyo inicial de la universidad se da sólo en algunas de las instituciones de educación
terciaria de Gipuzkoa. En muchos casos (como Tecnun-CEIT o Mondragon) han surgido a partir de
las iniciativas particulares de los investigadores. La UPV/EHU ha creado estructuras y programas
de apoyo para la creación de empresas (el Programa Entreprenari en el Campus de Gipuzkoa). La
Universidad de Deusto es especialmente activa en la realización de actividades encaminadas a
fomentar el espíritu emprendedor de sus egresados a través del Programa iNNoVaNDiS.

4.2. Actividades de tercera misión relacionadas con la enseñanza

Las conexiones entre las IET y el mundo exterior en el campo de la enseñanza se manifiesta
de diversas formas como son el diseño curricular, la realización de prácticas y proyectos fin de
carrera, los servicios de orientación e inserción profesional o la existencia de cátedras financiadas
por empresas o la participación directa de empresas y otras entidades en las aulas.
- Participación de empresas en el diseño curricular. El papel de las empresas en el
diseño curricular de las IET de Gipuzkoa varía enormemente dada la diversa naturaleza y misión
de las instituciones. Lógicamente destaca la profunda relación entre diseño curricular y realidad
del mercado laboral en los Centros de Formación Profesional Superior que cuentan además con
el importante papel dinamizador y facilitador de TKNIKA que consigue relacionar la innovación
que surge en el ámbito de la industria con los avances logrados en centros tecnológicos y
universitarios, con sus propios equipos de innovación formados por profesorado de estos centros.
Así se consigue una formación del profesorado totalmente alineada con las necesidades actuales
y futuras de distintos sectores empresariales e industriales. La participación de las empresas y
otras instituciones externas también destacable en las universidades de Mondragón y Deusto dado
su concepto de universidades vinculadas al ámbito productivo y empresarial. La participación de
representantes de empresas en los órganos de gobierno en el caso de la Universidad de Deusto y
la integración en la Corporación Mondragón, en el caso de la Universidad de Mondragón, facilitan
y posibilitan que exista una retroalimentación permanente sobre las necesidades del mercado
laboral ya que su participación se percibe como algo natural y propio de la institución. En todas
las universidades del territorio de Gipuzkoa la opinión de las empresas ha sido consultada para
diseñar los nuevos planes de estudios de Grado adaptados al Proceso de Bolonia. Aunque se
ha tenido en cuenta la opinión de los empleadores en el diseño curricular, en general, no han

979
formado parte de las comisiones de elaboración de los planes de estudio.
- Prácticas y proyectos fin de carrera. Tanto las prácticas como los proyectos fin de
carrera suponen un importante vínculo entre la universidad, la empresa (que se beneficia de
soluciones a problemas concretos) y el estudiante que aprende en el lugar de trabajo guiado tanto
por el tutor en la universidad como por el tutor en la empresa. Esta relación que se establece entre
la universidad y agentes externos (empresas, instituciones, asociaciones, etc.) surge en muchos
casos por contactos puntuales del profesorado y, cada vez más, por servicios pertenecientes a la
universidad o a los centros cuya función es precisamente gestionar prácticas, organizar ferias,
jornadas abiertas, etc.
- Servicios de orientación profesional y de empleo. La empleabilidad de los graduados
es considerada cada vez más como un objetivo de las IET lo que está incrementando la relevancia
de los servicios de orientación profesional y de inserción laboral. Las IET del territorio de Gipuzkoa
son muy activas organizado servicios y programas con el fin de atender las necesidades surgidas en
relación con prácticas profesionales, orientación laboral, búsqueda de empleo, bolsas de trabajo,
etc. Estos servicios de orientación y apoyo se presentan de forma integrada: un servicio de
atención profesional que se divide en varias unidades que atienden ámbitos más específicos como
prácticas, becas, cursos, etc. Además de las tradicionales funciones de búsqueda de empleo, se
observa en algunas de las universidades una apuesta por fomentar el autoempleo y la capacidad
de emprender.
- Participación de empresas en las aulas. Aunque las cátedras financiadas por empresas
no son frecuentes (sólo existen en Tecnun), sí se observa la participación en la docencia de
profesionales de la industria y la empresa. Esta participación es más frecuente en las universidades
privadas de Mondragón y Deusto que en las públicas. La flexibilidad que tienen aquéllas para la
contratación y participación de personal externo perteneciente al sector industrial-empresarial
no es posible en las universidades públicas.
- Formación Continua. La oferta de formación continua en Gipuzkoa es bastante amplia,
cubre distintos tipos de cursos tanto en duración como en ámbitos disciplinares y está dirigida
a diversos grupos de interés. Es destacable que, si bien existe competencia entre instituciones
en algunos ámbitos, en términos generales, la oferta de formación continua está distribuida
por nichos en los que se respetan las fronteras y áreas de especialización de las distintas IET.
La formación continua es clave en los Centros de Formación Profesional en cooperación con
Hobetuz, la Fundación Vasca para la Formación Profesional Continua que tiene por objeto abarcar
la totalidad de la formación continua de los trabajadores. Todas las universidades, excepto Tecnun,
ofrecen una amplia oferta de formación continua diferenciada en cuanto a áreas disciplinares
y grupos de interés. A pesar de la amplia oferta, existen sectores formativos poco cubiertos,
fundamentalmente, se observa una oferta más escasa en cursos breves (de uno o dos días) para
perfiles profesionales que requieran un nivel muy elevado de formación, como por ejemplo, altos
directivos de empresas. En este caso, si bien es cierto que se ofertan títulos de Máster de alto
nivel, la posibilidad de acudir a las IET para recibir una formación muy puntual y adaptada a las
necesidades de un colectivo concreto es más limitada.

4.3. Actividades de tercera misión en el ámbito socio-cultural

Las actividades socio-culturales que organizan las IET están muy relacionadas con las
actividades de formación continua y extensión universitaria. Las universidades con una oferta
más amplia de actividades formativas en el ámbito social y cultural son las dos públicas: la
Universidad del País Vasco y el centro UNED-Bergara. Con la excepción de estas dos universidades

980
las actividades socio-culturales que se organizan, en general, no tienen el carácter planificado
y estratégico que se observa tanto en la enseñanza reglada y la formación continua como en la
investigación. Se trata, en general, de actividades esporádicas dirigidas en la mayoría de los casos
al contexto más próximo a las IET pero que, sin duda, suponen un acercamiento al entorno y a la
población.

5. Conclusiones
En este sumario se presentan diez conclusiones relevantes que se derivan del propio estudio
junto con algunas señaladas por el equipo internacional. Son estas:
1. La tercera misión de las universidades es una actividad creciente en las universidades del
mundo industrializado y forman ya parte de las actividades cotidianas de las universidades más
dinámicas. Los gobiernos en todo el mundo y los organismos internacionales apoyan firmemente
esta tendencia. Gipuzkoa y sus IET no son una excepción a esta tendencia y están desarrollando
multitud de actividades más allá del entorno meramente académico.
2. Gipuzkoa destaca por el contenido tecnológico medio-bajo de las empresas, tanto
en cuanto a personal ocupado, por el Valor Añadido Bruto y por las Ventas Netas. Aun así,
históricamente la vanguardia tecnológica han sido iniciativa de los centros tecnológicos (INASMET,
TEKNIKER, IKERLAN…) que en los años 1990 reciben importantes apoyos desde el Gobierno Vasco.
Actualmente, existen 15 centros de investigación no universitarios, agrupados en dos consorcios:
IK4 y Teknalia. Quizás el punto más débil de estas políticas es que no se fomenta ni se consigue,
más que muy escasamente, su vinculación con la Universidad.
3. Gipuzkoa tiene una estructura de formación a nivel terciario muy sólida: Un campus
de una única universidad pública y de amplio espectro formativo (UPV/EHU), una sede de la
UNED, una universidad privada muy peculiar en su origen y en su relación con su entorno
empresarial (la Universidad de Mondragón) y dos campus de otras dos universidades privadas
focalizadas en la tecnología (sede de la Universidad de Navarra) y en las ciencias sociales (sede
de la Universidad de Deusto). La característica más destacada de esta estructura universitaria es
su tendencia fundamentalmente aplicada al servicio del entorno socioeconómico. A esto hay que
añadir la existencia de una gran red de centros de Formación Profesional Superior que no sólo
proporcionan mano de obra altamente cualificada sino que participan activamente en el desarrollo
tecnológico.
4. La estructura y enfoque de las IET definen muy claramente la posición de Gipuzkoa
respecto a la investigación y la innovación. Todo el sistema ha nacido y ha ido creciendo para
satisfacer las necesidades de las empresas y de la industria del territorio. Esa función la han
cumplido muy bien y han convertido a Gipuzkoa en un área de elevado desarrollo económico.
Podría decirse que este enfoque basado en las tecnologías medias con una aplicabilidad inmediata
a las empresas ha sido un éxito completo. Sin embargo, este enfoque tan exitoso hasta ahora
puede poner en peligro el futuro. Al mismo tiempo que se desarrollan tecnologías de aplicabilidad
inmediata hay que desarrollar la investigación y la tecnología de alto nivel (generalmente con
menos aplicabilidad inmediata) que garanticen la capacidad futura de desarrollo.
5. Se ha hecho un gran esfuerzo en el desarrollo de la formación profesional convirtiéndola
en un modelo de referencia. En el mismo sentido que en el párrafo anterior, eso ha sido un acierto
hasta ahora, pero ahora sería lo adecuado hacer esfuerzos también importantes en la potenciación
de los niveles formativos más altos y de los centros de investigación de más nivel, de modo que
se pueda garantizar un elevado desarrollo futuro en la sociedad del conocimiento.
6. La organización y la orientación de la educación terciaria y de la investigación/

981
innovación en Gipuzkoa no se han adaptado lo suficiente a las realidades y las exigencias de una
sociedad altamente desarrollada y fuertemente dependiente de la globalización. Se añade a esto
una marcada fragmentación del sistema de educación terciaria de Gipuzkoa, tanto acerca de los
poderes públicos que lo rigen (Estado Español, Gobierno autonómico, Diputación, Ayuntamiento,
que se combinan de manera variable en cada proyecto), de las agencias públicas (gran número
de centros tecnológicos y de programas) y de la estructuración del propio sistema de educación
terciaria. La estructura del sistema de educación terciaria pesa en contra de su más efectiva
contribución al desarrollo socio-económico de Gipuzkoa de cara a los nuevos retos en la
época del conocimiento y de la competición generalizada, no sólo entre las empresas,
sino también entre las universidades y entre los sistemas educativos de regiones y países
enteros.
7. Un reto importante radica en la falta de una visión compartida sobre el futuro deseado
para el Territorio de Gipuzkoa, su competitividad y el papel de las IET. Si bien existen encomiables
esfuerzos puntuales impulsados por el gobierno local o por organizaciones del Territorio, aún
así no parece existir un espacio de convergencia intersectorial en el Territorio de Gipuzkoa que
acerque a los personajes e instituciones claves con el propósito específico de desarrollar una
visión compartida sobre el futuro deseado del Territorio y, en consecuencia, las acciones que
deben emprenderse por sus diversos sectores – incluyendo el de educación terciaria – para que tal
escenario ideal sea posible.
8. El apoyo a la investigación destaca tanto por la intensidad del esfuerzo por parte de los
poderes públicos como por una falta de organización con respecto a los objetivos de largo plazo
asumidos a nivel regional. Del lado de la producción de investigación, el elemento que más llama la
atención es la imagen bastante heterogénea y poco organizada de la actividad investigadora
guipuzcoana. En conjunto, parece evidente que en Gipuzkoa existe una fragmentación
estructural de los diferentes actores y redes de investigadores.
9. El análisis sobre la pertinencia actual y esperada de la enseñanza reglada y continua y
de los programas de vinculación con el sector externo indican la urgente necesidad de impulsar
cambios en la oferta académica reglada, no sólo por la vía de los cambios curriculares por
el EEES sino también por el desarrollo de vinculaciones innovadoras desde y hacia las
empresas y los demás agentes económicos y sociales externos. Una urgencia similar tiene
el fortalecer los programas de educación continua para que se conviertan en una respuesta
rápida a las cambiantes necesidades de los sectores económico, gubernamental y social
de Gipuzkoa. En otras palabras, es evidente que la competitividad de Gipuzkoa y su exitosa
inserción en la economía del conocimiento en los próximos años estará necesariamente asociada
a un sector de educación terciario dinámico, flexible y adaptable, donde se hayan resuelto las
actuales deficiencias estructurales en torno a la pertinencia del sistema en su conjunto y en las
instituciones que lo conforman.
10. Gipuzkoa también padece de una insuficiente vinculación entre las instituciones de
educación terciaria y el entorno (foral y autonómico, pero también europeo/internacional). La
oportunidad brindada por la necesidad de adecuar el currículo de las instituciones de
educación terciaria al Espacio Europeo de Educación Superior en general parece haber sido
interpretada más como un proceso administrativo y logístico que como una coyuntura para
dar un cambio de timón que permitiera acercar más la enseñanza a los agentes externos.
Siguen observándose, aun en la nueva oferta académica reglada, elementos de inflexibilidad y
de una excesiva carga académica que limitan, entre otras cosas, una más adecuada incorporación
en el currículo de elementos encaminados a responder de manera más efectiva a las necesidades

982
de Gipuzkoa en la edad del conocimiento y de la globalización. Existen, sin embargo, casos
específicos alentadores que valdría la pena replicar en otros programas e instituciones.

6. Algunas recomendaciones finales

En este párrafo y a modo de epílogo, resumimos y enfatizamos algunas de las recomendaciones
que se han propuesto a lo largo del informe:
1. La recomendación principal, que de alguna forma aglutina a todas las demás, se resume
en demandar “más liderazgo de las AAPP (Gobierno Vasco y DFG)”. Este liderazgo se concretaría
en la plasmación de una “visión compartida” sobre el futuro deseado del Territorio y, en
consecuencia, las acciones que deben emprenderse por sus diversos sectores – incluyendo el
de educación terciaria – para que tal escenario ideal sea posible. La Excma Diputación Foral de
Gipuzkoa ha impulsado en los últimos años varias acciones de diagnóstico estratégico (e-gipuzkoa
2000, Gipuzkoa 2020, Open Gipuzkoa, Gipuzkoa Berritzen) donde se han detectado ya algunas
carencias del tipo de las mencionadas en el informe e incluso, se han intentado algunas políticas,
cooperación intercentros por ejemplo. Es cuestión entonces, de impulsar la puesta en práctica de
las mismas.
Esta “visión compartida” en el ámbito de la educación terciaria significa poder contestar a las
siguientes preguntas:
• ¿Existen carencias de formación o de investigación? ¿En qué áreas?
• ¿Existen redundancias en el sistema de educación terciaria gipuzkoano que necesitarían
de procesos de cooperación o convergencia?
2. Otras recomendaciones de alcance más inmediato y que atañen tanto a las IET como a
las empresas:
• Fomento de la cooperación universidad-empresa para la investigación: Doctorados
financiados por empresas
• Fomento de la cooperación universidad - empresa para la educación de grado y
continua:
- Cátedras (o aulas) de empresas.
- Participación de empresas en el diseño de currículos.
• Existen carencias en determinadas áreas de algunos tipos de formación continua: curso
cortos muy especializados y de alto nivel.
• Existe carencia de conocimientos de experiencias internacionales en esta área
• Se necesitan programas públicos de fomento de la investigación en áreas relativamente
poco presentes en Gipuzkoa, pero cruciales por la sociedad, como medioambiente, energía,
innovación en la administración pública con uso de las TIC (e-democracia, etc.).
• Es importante atender de manera más prioritaria el aprendizaje de un segundo y tercer
idioma y el desarrollo de componentes internacionales en los currículos en Gipuzkoa.
• Es necesario estimular el establecimiento a nivel institucional de mecanismos formales
que permitan:
- Recabar información de manera regular, sistemática y estructurada por parte de agentes
externos, asegurándose que tal input se utilice en la adecuación de ofertas académicas regladas y
en el desarrollo de programas de formación continuada.
- Monitorizar de manera sistemática y efectiva la empleabilidad de los egresados y la
efectividad de largo plazo de los conocimientos y competencias adquiridas por quienes han
participado en sus programas de educación continua.

983
Referencias
Clark B. R. (1983): The Higher Education System: Academic Organization in Cross National
Perspective, Berkeley: University of California Press.

EC (2003): The role of the universities in the Europe of knowledge. COM (2003). 58 final:
Brussels.

EC (2005): Mobilising the brainpower of Europe: enabling universities to make their full contribution
to the Lisbon Strategy, European Commission, COM (2005) 152 final, Brussels.

EC (2006). Delivering on the modernisation agenda for universities: education, research and
innovation, COM (2006) 208 final, Brussels.

Etzkowitz, H. (2002): The Triple Helix of University - Industry – Government, Implications for
Policy and Evaluation, Science Policy Institute, http://www.sister.nu/pdf/wp_11.pdf

Etzkowitz, H. y Leydesdorff, L. (2000): The Dynamics of Innovation: from National Systems and
‘Mode 2’ to a Triple- Helix of University-Industry-Government Relations”, Research Policy, Vol.29,
No 2, pp 109-123.

Figel, J. (2005): Higher education: Universities must deliver their full potential to contribute to
the Lisbon strategy. Europa Press release, Brussels, 20 April 2005.

HEFCW (Higher Education Funding Council for Wales) (2008) http://www.hefcw.ac.uk/Business_

and_Community/mission_fund.htm

Molas-Gallart, J., A. Salter, P. Patel, A. Scott, X. Duran (2002): Measuring Third Stream Activities:
Final Report to the Russell Group of Universities, Science and Technology Policy Research unit,
University of Sussex, April 2002, Website, 12 July 2005, www.sussex.ac.uk/spru/documents/
final_russell_report.pdf

Mora, J. G. (2010): Supporting the Contribution of Higher Education Institutions to Regional

Development: A summary of the OECD project. En A. Pausits (Ed.) Higher Education Management
and Development in Central, Southern and Eastern Europe. Krems.Donau Universitat, Austra.

Mora, J. G., D. Martínez, y L. Vila (2007): “Entrepreneurs, self-employed and employees among
young European higher education graduates” European Journal of Education, 42, 1, 99-117.

Mora, J. G. y F. Marmolejo (2007): Apoyando la contribución de las instituciones de educación

superior al desarrollo regional: Informe de revisión externa. En Contribución de las instituciones
de educación superior al desarrollo regional: el caso de la región de Nuevo León. INVITE, Monterrey,
México. Pp 135-194.

Mora, J. G. y L.Vila (2009): “Some facts behind graduate’s entrepreneurship in Europe”. Revista de
Economia Comtemporânea, Instituto de Economia UFRJ, Brasil.

984
Mora, J. G. y M.J. Vieira (2010): Gobernanza universitaria y emprendedurismo: un estudio
empírico. En N. Fernández Lamarra (Ed.) Transformaciones en las universidades. Universidad Tres
de Febrero, Buenos Aires.

Mora, J. G. y C. Ochoa (coords.). (2010), Contribución de las actividades desarrolladas por las
Instituciones de Educación Terciaria al desarrollo socioeconómico de su entorno en el Territorio
de Gipuzkoa. UPV/EHU y Diputación Foral de Gipuzkoa.

OECD (2007): Higher Education and Regions, Globally Competitive, Locally Engaged. OECD, Paris.
Shattock, M. (ed.) (2008): The Entrepreneurial Universities in the Knowledge Society, The Open
University Press-UNESCO.

Shattock, M. (2006): Good Governance in Higher Education, Open University Press.

985
4. Determinantes del capital social

Isabel Neira Gómez, Universidad de Santiago de Compostela

Marta Portela Maseda, Universidad de Santiago de Compostela

986
Determinantes del capital social

Isabel Neira Gómez, Universidad de Santiago de Compostela

Marta Portela Maseda, Universidad de Santiago de Compostela

Resumen
En este trabajo se estudian los determinantes individuales del capital social en España. El capital
social influye en el desarrollo económico, tal y como demuestran numerosos estudios, y se puede
definir como la confianza, tanto interpersonal como institucional, y los aspectos positivos de las redes
y las normas sociales que faciliten la creación y el mantenimiento de una estructura social adecuada
que, en colaboración con otros capitales, permita sentar las bases para facilitar el crecimiento a
largo plazo y, por tanto, un desarrollo sostenible. Analizándolo a nivel individual se puede hablar
de que se trata de la habilidad de la personas para obtener recursos, principalmente a través
de las redes sociales y el nivel de capital social depende de un amplio rango de características
socio-económicas de los individuos (nivel de ingresos, nivel de estudios del individuo, del padre,
de la madre, edad, género, etc.). Son, precisamente, estas características las que se analizan en
este artículo, prestando especial atención al nivel educativo del individuo y de su entorno más
próximo con el objetivo de comprobar si esas características afectan a su nivel de capital social,
medido por la confianza, las redes o las normas sociales. Para ello, se utiliza la Encuesta Social
Europea para el año 2008 y se plantea un modelo de elección discreta que nos permitirá conocer
y analizar la importancia de los diferentes determinantes del capital social y en especial del nivel
educativo.

1. Introducción
El término capital social es relativamente reciente en el campo de la investigación
económica y ha tenido una gran aceptación dando lugar a un buen número de artículos que
relacionan diferentes temas con ese capital. El capital social puede definirse como la confianza,
tanto interpersonal como institucional, y los aspectos positivos de las redes y las normas sociales
que faciliten la creación y el mantenimiento de una estructura social adecuada que, en colaboración
con otros capitales, permita sentar las bases para facilitar el crecimiento a largo plazo y, por tanto,
un desarrollo sostenible.
Del análisis de la definición anteriormente expuesta se puede extraer la conclusión de
que la esencia del concepto de capital social es bastante simple: las sociedades no se componen
de individuos aislados sino que las personas se conectan unas con otras a través de estructuras
sociales y, por lo tanto, el capital social es la capacidad para obtener beneficios a partir de esas
redes sociales. En esa definición también aparecen recogidos las tres dimensiones en las cuales
se suele dividir el capital social y que son la confianza, las redes y las normas sociales, que serán
los elementos que consideraremos a la hora de analizar los diferentes determinantes del capital
social. Es posible distinguir dos áreas básicas en las investigaciones de capital social: por un lado
encontramos los factores que lo determinan- en un ámbito micro- y los efectos que ejerce en la
sociedad en general - macro.
Los efectos que el capital social puede presentar en la sociedad se pueden analizar desde
numerosos enfoques, en el ámbito económico pueden distinguirse desde los que se derivan en el
buen funcionamiento de las empresas (Greve, Benassi, & Dag Sti, 2006; Sabatini, 2006), desarrollo
de las economías (Baliamoune-Lutz, 2005), crecimiento económico (Helliwell & Putnam, 1995;
Knack & Keefer, 1997; Krishna & Uphoff, 1999; Whiteley, 2000; Zak & Knack, 2001; Grootaer &

987
Narayan, 2004; Guisán, 2009), o ámbitos más sociológicos como la felicidad (Helliwell J. F., 2001;
Sabatini, Social Capital and the Quality of Economic Development, 2008).
Desde el enfoque de sus determinantes a nivel individual se puede hablar de la habilidad
de la personas para obtener recursos, principalmente a través de las redes sociales. El nivel de
capital social depende de un amplio rango de características socio-económicas de los individuos
(nivel de ingresos, nivel de estudios del individuo, del padre, de la madre, edad, género, etc.).
Son, precisamente, estas características las que se analizan en este artículo, prestando especial
atención al nivel educativo del individuo y de su entorno más próximo con el objetivo de comprobar
si esas características afectan a su nivel de capital social, medido por la confianza, las redes o las
normas sociales.
Los trabajos de investigación en esta línea se han centrado, tal y como desarrollamos en la
sección 2, en ámbitos de países europeos de modo individual o a nivel comparativo. La aportación
de este trabajo de los determinantes individuales del capital social en España, en aras a determinar
si el comportamiento de la sociedad española sigue la línea de los patrones aportados por otros
países europeos. Para ello en la sección 2 se realiza un repaso a la literatura sobre el capital social
y sus determinantes analizando en mayor detalle su relación con la educación en la sección 3. En
la sección 4 se presentan las variables y el resultado del análisis empírico. Por último presentamos
las conclusiones y las futuras líneas de trabajo que se pueden derivar de esta investigación.

2. Capital social y sus determinantes

Como se ha afirmado previamente el capital social es importante en el desarrollo, hasta el
punto de que en la actualidad se ha generalizado su inclusión como un factor más en la función
de producción ampliada que nos permite analizar dicho desarrollo. Sin embargo, todavía quedan
numerosas cuestiones por resolver, entre ellas ¿de dónde surge ese capital social? o, lo que es lo
mismo, ¿cuáles son los factores que determinan que un territorio tenga un mayor nivel de capital
social que otro?
Si analizamos la literatura vemos que existen diferentes propuestas sobre el origen del
capital social. Así el Banco Mundial (World Bank) identifica siete fuentes claves del mismo en el
contexto del desarrollo económico y social, las cuales pasamos a enumerar a continuación:
• Las familias.- Como la principal fuente de bienestar económico y social para sus miembros,
la familia constituye la primera piedra en la generación de capital social para la sociedad en
general.
• Las comunidades.- Las interacciones sociales entre vecinos, amigos y grupos generan capital
social y la habilidad de trabajar juntos para un bien común. Esto es especialmente importante para
los pobres que pueden usar el capital social como un sustituto del capital humano y físico.
• Las empresas.- Construir y mantener organizaciones eficientes como las empresas requiere
confianza y con sentido común de propósito, es decir, capital social. El capital social beneficia a las
empresas reduciendo los costes de transacción, pero también puede tener efectos negativos para las
empresas y la sociedad.
• La sociedad civil.- El capital social es vital para el éxito de cualquier organización no-
gubernamental porque proporciona oportunidades de participación y da voz a aquellos que pueden
ser o estar bloqueados por los canales formales que producen los cambios
• El sector público.- Es decir, el estado y las instituciones son fundamentales para el
funcionamiento y el bienestar de cualquier sociedad.
• La pertenencia étnica.- Las relaciones étnicas aparecen en las discusiones del capital
social. Tanto si es inmigración, desarrollo de microempresas, nepotismo tribal o conflicto racial, los

988
lazos étnicos son un claro ejemplo de cómo los agentes que comparten valores comunes y cultura
pueden unirse para lograr un beneficio mutuo.
• El género.- Por ejemplo, las redes sociales de mujeres pobres en Brasil son importantes
para que otras mujeres obtengan ingresos y puedan cubrir otras necesidades.

Estas mismas fuentes son citadas por la OCDE (2001, pág. 46) que añade otra fuente más:
las escuelas debido a que pueden fomentar los valores para la cooperación social así como proveer
“lugares de encuentro” donde pueden confluir y conectarse varias redes sociales.
Lin and Erickson (2008) citan varios factores que ayudan a conseguir más capital social.
Uno de los más importantes son los antecedentes familiares pues señalan que el capital social
es mayor en aquellas familias cuyos padres tienen una mayor educación y niveles de ingresos.
Por lo tanto, la educación es otra de las fuentes de capital social y un mayor nivel educativo
generalmente conduce a un mayor nivel de capital social. Otro aspecto importante y que ayuda
a ganar capital social es el trabajo. Afirman que este capital es mayor en aquellas personas que
trabajan y que, por lo tanto, conocen a gente a través de su trabajo. Apuntan que la adquisición
de capital social en el trabajo es especialmente importante para quienes ocupan puestos de
nivel superior porque suelen incluir una interacción más diversificada y profunda con otras
personas. También manifiestan que la investigación en diferentes contextos encuentra que las
actividades de las asociaciones voluntarias están relacionadas con un nivel alto de capital social,
así que estas asociaciones serían otra de las formas de adquirir dicho capital. Un factor más es
el aprovechamiento de los sistemas de comunicación modernos puesto que varios estudios han
demostrado que el uso de esos sistemas conduce a un mayor nivel de capital social. Los autores
citan también el género, la raza o el origen étnico como formas de adquirirlo.
A modo de resumen se puede señalar que en la creación del capital social influyen numerosos
factores, pero destacan, sobre todo, el papel de las familias y de la educación como fuentes más
importantes para la formación y el mantenimiento de dicho capital. La familia porque es la
encargada de transmitir valores y reglas de comportamiento y la educación puesto que a través de
ella se deben adquirir, además de conocimientos, otros valores que permitan, entre otras cosas,
una buena interacción dentro y a través de las redes sociales.
A nivel empírico, en la literatura que aborda los determinantes del capital social, la edad
aparece como uno de los principales determinantes y, generalmente, los resultados muestran
que su efecto no lineal, creciendo al principio y disminuyendo al final (tendría una forma de
U invertida) (Glaeser, Laibson, & Sacerdote, 2001; Lederman, 2005; Iyer, Kitson, & Toh, 2005;
Christoforou, 2005; Rupasingha, Goetz, & Freshwater, 2006; Soroka, Helliwell, & Johnston, 2007).
En otros estudios la edad no parece ser un determinante en el capital social (Delhey & Newton,
2003; Halman & Luijkx, 2006). Alesina (2000) apunta también hacia la existencia de una tendencia
general en la caída del capital social puesto que la variable que considera el año de nacimiento es
negativa. En otros artículos los resultados dependen de la variable que se considere para medirlo y
así, en algunos casos los modelos predicen que la participación en grupos o el nivel de confianza
tiende a incrementarse con la edad (van Oorschot & Arts, The social capital of European welfare
states: the crowding out hypothesis revisited, 2005; Lederman, 2005; Iyer, Kitson, & Toh, 2005;
Fidrmuc & Gërxhani, 2007), mientras otros revelan que los más jóvenes participan más (bien sea
en las redes sociales (Fidrmuc & Gërxhani, 2007) o en las votaciones (Sánchez Pérez, 2007)).
Otro de los principales determinantes es el ingreso, medido a través del nivel de ingresos
del individuo, de la familia, el grado de riqueza, a través de la desigualdad de ingresos, etc. La
desigualdad de ingresos tiene un efecto negativo sobre los diferentes tipos de capital social

989
analizados. (Brehm & Rahn, 1997; Knack & Keefer, 1997; Alesina & La Ferrara, 2000; Glaeser,
Laibson, & Sacerdote, 2001; Lederman, 2005; Delhey & Newton, 2003; van Oorschot & Arts, 2005;
Iyer, Kitson, & Toh, 2005; Christoforou, 2005; Fidrmuc & Gërxhani, 2007).
Los estudios previos muestran que el género es, también, importante en la creación y el
mantenimiento del capital social. Generalmente, los resultados indican que las mujeres tienen
un menor nivel del mismo, sobre todo cuando se mide a través de la participación en grupos,
ya que a menudo “llevan el peso de un trabajo más una parte predominante de las tareas del
hogar y actividades de crianza de los hijos, lo cual deja menos tiempo a las mujeres para el
ocio y la participación” (Alesina & La Ferrara, 1999). Por tanto, su participación es menor en
actividades sociales, principalmente, debido a una restricción de tiempo, puesto que si se analizan
comportamientos sociales que no requieran de esa disponibilidad los niveles de capital social de
las mujeres pueden superar al de los hombres y así lo afirman Alesina et al. cuando afirman
que “las mujeres votan más que los hombres porque el voto es un acto de participación que no
requiere una cantidad significativa de tiempo” (Alesina & La Ferrara, 2000). Por otra parte, van
Oorschot & Arts (2005) afirman que el efecto del género no está tan claro ya que “las mujeres
son más dignas de confianza que los hombres y tienen más capital social basado en la familia, es
decir, encuentran que las relaciones familiares son más importantes y están más preocupadas por
su familia. Sin embargo, las mujeres están menos comprometidas políticamente que los hombres,
confían menos en otra gente y participan, activa o pasivamente, menos en las organizaciones
voluntarias. (…) Las mujeres tienden a participar más en las redes informales, mientras que los
hombres lo hacen en las formales”. En general, este menor nivel del capital social por parte de
las mujeres se explicaba por la incorporación a la misma al trabajo fuera de casa, como se ha
expuesto anteriormente. Sin embargo esta hipótesis es rechazada en el trabajo de Rupasingha
(2006) porque de sus resultados se puede deducir que “la participación de las mujeres en la fuerza
de trabajo aumenta sus contactos social y la vía para la creación de redes”. Por tanto, el efecto del
género depende, fundamentalmente, de la variable de capital social analizada como se puede ver
en el artículo de Kaasa (2007).
El empleo, el desempleo o el tipo de trabajo aparecen, también, como determinantes del
nivel de confianza o participación. Tener trabajo incrementa la probabilidad de tener una mayor
confianza y un alto grado de participación en los grupos sociales, mientras que estar desempleado
conlleva justo lo contrario (Iyer, Kitson, & Toh, 2005; Christoforou, 2005; van Oorschot & Arts, The
social capital of European welfare states: the crowding out hypothesis revisited, 2005). Dentro de
los trabajadores, aquellos que realizan un trabajo que requiera de habilidades sociales o tengan un
empleo cualificado son los que presentan niveles de capital social más elevados (Glaeser, Laibson,
& Sacerdote, 2001; van Oorschot & Arts, 2005; Rupasingha, Goetz, & Freshwater, 2006).
El estado civil presenta diferentes efectos igual que el género. Así en algunos artículos
se demuestra que estar casado no parece tener efectos sobre el capital social (Alesina & La
Ferrara, 1999; 2000; Kaasa & Parts, 2007); en otros parece que ejerce un fuerte efecto positivo en
incrementar el capital social de ambos miembros de la pareja (Christoforou, 2005) o de participar
menos en los grupos denominados de Putnam y más en los denominados de Olson (Fidrmuc
& Gërxhani, 2007). Las variables que capturan otros estados civiles, como estar divorciados o
separados, tienen un efecto negativo sobre el capital social.
Existen más factores que condicionan la creación y el mantenimiento de este capital
como el tamaño y la localización del hogar del individuo, si es o no propietario de ese hogar,
las diferencias étnicas o raciales existentes en el entorno donde reside, la religión, el vivir con
niños en el hogar, la posición política, etc. Generalmente a mayor homogeneidad étnica mayor

990
nivel de capital social (Knack & Keefer, 1997; Alesina & La Ferrara, 2000; Delhey & Newton,
2005; Iyer, Kitson, & Toh, 2005; Rupasingha, Goetz, & Freshwater, 2006; Berggren & Jordahl,
2006) puesto que la heterogeneidad étnica parece suponer un freno para el desarrollo de la
confianza y la participación social. El vivir en zonas rurales y en ciudades de pequeño tamaño
suele favorecer esos diferentes aspectos del capital social (Alesina & La Ferrara, 1999; Lederman,
2005; Iyer, Kitson, & Toh, 2005; Rupasingha, Goetz, & Freshwater, 2006), pero puede ser negativo
para otros como la diversidad de la redes de amistad (Iyer, Kitson, & Toh, 2005). Por último, la
posición política del individuo, medida en función de si se considera de derechas o de izquierdas
tiene también importancia en algunos aspectos del capital social. Los trabajos muestran que la
gente que se declara de izquierdas tiene un mayor grado de confianza, tanto interpersonal como
social, más participación formal, más compromiso político y mayor participación informal y las
relaciones familiares (Halman & Luijkx, 2006; van Oorschot & Arts, 2005).

3. Capital social, educación y capital humano

La educación aparece como uno de los principales determinantes potenciales del capital
social en casi todos los trabajos analizados y, en la mayoría de ellos, es el factor más importante.
La principal forma de medir esta variable es a través del mayor nivel educativo alcanzado por el
individuo (Lederman, 2005; van Oorschot & Arts, The social capital of European welfare states:
the crowding out hypothesis revisited, 2005; Iyer, Kitson, & Toh, 2005; Christoforou, 2005;
Rupasingha, Goetz, & Freshwater, 2006; Halman & Luijkx, 2006; Fidrmuc & Gërxhani, 2007),
considerando los años de escolarización (Brehm & Rahn, 1997; Alesina & La Ferrara, 1999; 2000),
el porcentaje de personas matriculadas en educación secundaria (Bjørnskov, 2006; Berggren &
Jordahl, 2006) o el porcentaje de personas mayores de 16 años han completado, al menos, la
educación secundaria (Sánchez Pérez, 2007). Con excepción de la última medida, el resto se
muestran positivas en los diferentes aspectos del capital social analizado. También se desprende
del análisis de los artículos que a mayor nivel educativo o más años de escolarización existe una
mayor probabilidad de confianza y participación (Brehm & Rahn, 1997; Alesina & La Ferrara,
1999; 2000; Iyer, Kitson, & Toh, 2005; Rupasingha, Goetz, & Freshwater, 2006; Halman & Luijkx,
2006; Soroka, Helliwell, & Johnston, 2007).
Esta relación positiva existente entre la educación y el capital social es una de las más
sólidas dentro de la literatura. Así Putnam (2003, pág. 272) señala que “La educación es a
menudo el predictor más potente de los altos niveles de capital social. La gente educada y de las
comunidades educadas tienen habilidades y recursos que les permiten formar y explotar las redes
sociales con más facilidad, mientras que las comunidades menos educadas tienen que luchar duro
para hacerlo”. Rupasingha (2006) también afirma que “En el ámbito comunitario, los mayores
niveles educativos pueden conducir a un mayor compromiso cívico en la comunidad.”. Así pues,
altos niveles educativos están estrechamente relacionados con un alto grado de capital social y
“la relación positiva entre la educación y el stock de capital social sugiere que el capital social
y el capital humano son complementarios – los individuos que adquieren un alto stock de uno
también invierten en el otro.” (Fidrmuc & Gërxhani, 2007). Además, las instituciones educativas
no transmiten simplemente capital humano, sino que también transmiten las reglas y normas
implícitas que son asumidas por los miembros de la sociedad en la que se enmarca, es decir,
capital social. Por tanto, ambos tipos de capitales son necesarios para el desarrollo económico,
porque el capital humano necesita de un marco donde desarrollarse y ese marco puede ser
proporcionado por el capital social. Así pues, éste debe ser un aspecto a considerar cuando se
habla de la adquisición y mantenimiento del capital humano, debido a que una política exclusiva

991
de acumulación de capital humano puede no resultar efectiva, al menos a largo plazo, porque
los individuos necesitan que su capital humano sea valorado y recompensado, no sólo por sus
superiores, sino por la sociedad en general, lo cual sólo se puede conseguir cuando existe un cierto
grado de capital social. Si no tenemos en cuenta esto el capital humano puede no resultar útil
o, por lo menos, no ser todo lo productivo que cabría esperar, si nos encontramos en situaciones
de carencia o incluso total ausencia de capital social. También sabemos que el capital humano se
puede adquirir tanto de manera formal como informal y a lo largo de toda la vida del individuo.
La influencia del capital social es más importante cuando la adquisición del conocimiento se
realiza de modo informal, puesto que esta forma de acumulación de capital humano se basa,
fundamentalmente, en las relaciones entre los individuos. Además Greve et al. (2006) afirman que
“cuando el capital social interactúa con el capital humano, hay una transferencia de tecnología,
que crea mayor productividad”. Por otro lado, Lin (2001) señala que “la acumulación de capital
social es mucho más rápida que la de capital humano. Es decir, la acumulación de capital humano
tiende a ser aditiva por naturaleza, mientras que la acumulación de capital social tiende a ser
exponencial”.
Por lo tanto, capital social y capital humano están muy relacionados entre sí y de ello se
deriva que la educación sea uno de los determinantes fundamentales del nivel de capital social de
un individuo o una comunidad.
Como resultado de todo lo anteriormente expuesto se procederá ahora a analizar los
determinantes del capital social en España.

4. Determinantes del capital social en España

Para realizar este análisis se usan los datos de la Encuesta Social Europea (European Social
Survey, ESS) correspondiente al año 2008. Se van a estudiar los determinantes de dos de las tres
dimensiones338 en las que se suele dividir el capital social, la confianza y las redes sociales, a
través de un modelo de elección discreta.
Las variables dependientes reflejan dos dimensiones del capital social. La confianza que
se mide a través de la pregunta: “¿diría usted que, por lo general, se puede confiar en la mayoría
de la gente, o que nunca se es lo bastante prudente en el trato con los demás? Por favor, sitúese
en una escala de 0 a 10, en la que 0 significa “nunca se es lo bastante prudente” y 10 significa
que “se puede confiar en la mayoría de la gente”. Para poder estimarla se ha recodificado a dos
categorías, de 0 a 5 se ha denominado “No confía” y de 6 a 10 “Confía”. La frecuencia de reunión
con amigos se cuantifica con las respuestas a la pregunta “¿con qué frecuencia se reúne en su
tiempo libre con sus amigos, familiares o compañeros de trabajo? (Nunca, Menos de una vez al
mes, Una vez al mes, Varias veces al mes, Una vez a la semana, Varias veces a la semana, Todos
los días)”. También la hemos recodificado en dos categorías y la suma de respuestas “una vez a la
semana”, “varias veces a la semana” y “todos los días” se toma como “reuniones frecuentes” y el
resto de respuestas se categoriza como “reuniones infrecuentes”.
Como variables independientes se han seleccionado una gran parte de las citadas
anteriormente. El sexo, lugar de residencia, nivel de estudios, tipo de trabajo, edad, fuente de
ingresos del hogar, nivel de ingresos, estado civil. Alguna de estas variables se han recodificado a
fin de reducir el número de escalas y hacer el modelo más sencillo de interpretar. La descripción
de las mismas se presenta en la tabla siguiente.

338 Las tres dimensiones en las que se suele dividir el capital social son confianza, redes sociales y normas sociales
(Grootaert & van Bastelaer, 2001; van Oorschot & Arts, 2004; Quillian, 2006).

992
Tabla 1. Variables utilizadas en el modelo
Descripción de las variables utilizadas en este trabajo
VARIABLES DEPENDIENTES
¿Diría usted que, por lo general,
se puede confiar en la mayoría
de la gente, o que nunca se es lo
bastante prudente en el trato La variable se ha recodificado para
CONFIANZA con los demás? Por favor, sitúese hacerla dicotómica y los valores 0 a 5 se
INTERPERSONAL en una escala de 0 a 10, en la consideran "No confía" (0) y de 6 a 10
que 0 significa “nunca se es lo "Confía" (1)
bastante prudente” y 10
significa que “se puede confiar
en la mayoría de la gente”.
¿Con qué frecuencia se reúne en La variable se ha recodificado para
su tiempo libre con sus amigos, hacerla dicotómica y los valores Nunca +
familiares o compañeros de Menos de una vez al mes + Una vez al
FRECUENCIA DE trabajo? Nunca, Menos de una mes + Varias veces al mes se consideran
REUNIÓN vez al mes, Una vez al mes, "Reuniones infrecuentes" (0) y Una vez
Varias veces al mes, Una vez a la a la semana + Varias veces a la semana
semana, Varias veces a la + Todos los días se clasifican como
semana, Todos los días "Reunión frecuente” (1)
DETERMINANTES
0 Hombre
Sexo
1 Mujer
La variable inicial se ha recodificado en
¿Puedo preguntarle cuál es su
Estado civil cinco estados: Casado, Separado,
estado civil?
Divorciado, Viudo y Soltero
La variable inicial se ha recodificado en
¿Cuál es el nivel de estudios más cinco niveles: Sin estudios completados,
Nivel educativo
alto que ha obtenido? Primaria, Secundaria, Universitaria,
Post-universitaria
¿Cuál de las frases que aparecen La variable se ha recodificado en dos
Lugar de residencia en esta tarjeta describe mejor el valores: 0 vivir en la ciudad y 1 vivir en
lugar donde vive? el campo
Ingresos totales de su hogar
La variable inicial se ha recodificado en
después de descontar los
Nivel de ingresos tres niveles de ingresos: Bajos, Medios,
impuestos y otras deducciones
Altos
obligatorias
La variable se ha recodificado y se ha
Fuente de ingresos ¿Cuál es la principal fuente de agrupado en tres categorías: Sueldos o
del hogar ingresos de su hogar? salarios, Pensiones o prestaciones
sociales, Rentas y otras fuentes
La variable se ha recodificado y se ha
¿Para cuál de los siguientes tipos
agrupado en cuatro categorías: Empleo
Tipo de trabajo de organizaciones trabaja o ha
público, Empresa privada, Trabajador
trabajado usted?
por cuenta propia, Otro
En política a veces se habla de
La variable se ha recodificado y se ha
“izquierda” y “derecha”. ¿Dónde
agrupado en tres categorías: los valores
Escala política se colocaría usted en esta
de 0 a 3 representan la izquierda, de 4 a
escala? El 0 quiere decir
6 el centro y de 7 a 10 la derecha
“izquierda” y el 10 “derecha”.

993
 Los resultados de la estimación de la confianza se presentan en la tabla 2. El modelo (1)
incluye como variable de ingresos el nivel de los mismos, mientras que el modelo (2) se miden
a través de la fuente de ingresos del hogar. En ambos modelos las variables de la educación
resultan significativas y, sobre todo, la educación universitaria y post-universitaria. Esto significa
que, controlado por el resto de variables, el tener un alto nivel educativo incide en tener mayor
probabilidad de ser confiado. También, en ambos modelos resulta significativo el estar divorciado,
lo cual significa que este estado civil influye de forma negativa en la generación de confianza,
con el resto de variables constantes. En el segundo modelo resulta significativa la variable fuente
de ingresos e indica que si la principal fuente de ingresos son las prestaciones sociales los
individuos tienen menor probabilidad de confiar que si lo reciben de sueldos o salarios. La escala
política es significativa en este segundo modelo y sus resultados indican que existe una menor
probabilidad de confiar si el individuo se declara de centro o derecha con respecto a ser de
izquierdas, controlado por el resto de variables.

994
Tabla 2. Resultados del modelo de confianza
Variable dependiente: Confianza Modelo 1 Modelo 2
Constante -0,312 0,086
Ref.: Sin estudios completados
Primaria -0,076 -0,110
Educación Secundaria 0,230 0,199
Universitaria 0,600** 0,598***
Post-universitaria 1,115** 1,549***
Ref.: Hombre
Sexo
Mujer -0,023 -0,049
Ref.: Urbano
Lugar de residencia
Rural -0,142 -0,079
Ref.: Empresa pública
Empresa privada -0,182 -0,188
Lugar de trabajo
Por cuenta propia -0,119 -0,145
Otro 0,140 0,155
Ref.: Casado
Separado -0,361 -0,368
Estado civil Divorciado -0,774** -0,578**
Viudo 0,153 -0,065
Soltero -0,114 -0,066
Ref.: Izquierda
Escala política Centro -0,188 -0,195*
Derecha -0,292 -0,395**
Ref.: Bajo
Nivel de ingresos Medio 0,123
Alto 0,128
Ref.: Sueldo o salarios
Fuente de ingresos Prestaciones sociales -0,364**
Rentas y otros -1,576
Edad -0,002 -0,017
Edad
Edad al cuadrado 0,00005 0,0002
R2 (Cox y Snell) 0,033 0,036
N 1221 1724
Significación: * al 10%; ** al 5% y *** al 1%

995
 Analizando ahora la otra variable de capital social obtenemos los resultados que se
presentan en la tabla 3. Los resultados son similares a los obtenidos en el modelo anterior. La
variable que representa el sexo continúa sin ser significativa. La educación controlada por el
nivel de ingresos (modelo 1) no resulta significativa. Al realizar las estimaciones sin tener en
cuenta esa variable los diferentes niveles educativos sí resultan significativos, lo cual puede ser
un indicio de que el efecto de la educación en la frecuencia de reunión está muy relacionado con
el nivel de ingresos. En el segundo modelo se observa que tener estudios primarios, secundarios y
universitarios resulta positivo para el capital social. También es positivo vivir en las zonas rurales,
tal y como se apuntaba en la revisión de otros estudios. En este caso, en ambos modelos, la edad
y la edad al cuadrado son significativas, lo que significa que la probabilidad de reunión aumenta
con la edad, si se mantienen el resto de factores constantes. En el modelo 1 resulta significativo
el lugar de trabajo. Trabajar por cuenta propia favorece la frecuencia de reunión mientras que
hacerlo en otro sector, donde se incluirían las organizaciones sin ánimo de lucro o de caridad,
ocuparse de la casa y del cuidado de los niños, etc. resulta negativo para este aspecto del capital
social.

996
Tabla 3. Resultados del modelo de frecuencia de reunión
Variable dependiente: Frecuencia de reunión Modelo 1 Modelo 2
Constante 3,454*** 3,471***
Ref.: Sin estudios completados
Primaria 0,078 0,348*
Educación Secundaria 0,115 0,412**
Universitaria 0,124 0,527**
Post-universitaria -0,333 0,036
Ref.: Hombre
Sexo
Mujer 0,154 0,071
Ref.: Urbano
Lugar de residencia
Rural 0,358** 0,376***
Ref.: Empresa pública
Empresa privada 0,001 -0,193
Lugar de trabajo
Por cuenta propia 0,584** 0,310
Otro -0,863** -1,095***
Ref.: Casado
Separado 0,140 -0,209
Estado civil Divorciado -0,144 -0,169
Viudo 0,188 0,480*
Soltero 0,017 0,064
Ref.: Izquierda
Escala política Centro -0,228 -0,143
Derecha -0,060 0,151
Ref.: Bajo
Nivel de ingresos Medio 0,696***
Alto 0,219
Ref.: Sueldo o salarios
Fuente de ingresos Prestaciones sociales 0,035
Rentas y otros 0,339
Edad -0,104*** -0,101***
Edad
Edad al cuadrado 0,001*** 0,001***
R (Cox y Snell)
2
0,068 0,054
N 1223 1729
Significación: * al 10%; ** al 5% y *** al 1%

Los resultados obtenidos muestran para España unos patrones de determinantes del capital
social similares a otros países. Así, no se aprecia el efecto del sexo como elemento diferenciador
en la creación de capital social, al igual que ocurre en Delhey & Newton (2003), Lederman (2005)
o Halman & Luijkx (2006). En cuanto a la edad no resulta significativa en relación a la confianza
tal y como ocurre en Delhey & Newton (2003) o Halman & Luijkx (2006); y es significativa y con
forma de U para la frecuencia de reunión, es decir, al principio decrece esa probabilidad de la
frecuencia de reunión pero a medida que pasan los años vuelve a crecer (van Oorschot & Arts,
2005; Iyer, Kitson, & Toh, 2005). El estado civil tampoco parece ser uno de los determinantes
principales tal y como se muestran en la literatura (Alesina & La Ferrara, 1999; 2000; Christoforou,

997
2005). La relación entre nivel de ingresos y ser miembro de un grupo es positiva y significativa,
pero no parece influir en la confianza. Lo contrario ocurre si se considera la fuente de ingresos del
hogar, donde el no recibir sueldos o salarios resulta negativo para la generación de confianza, lo
que podría ser un indicio de que las personas que no trabajan tienen un menor grado de confianza
(Lederman, 2005; Iyer, Kitson, & Toh, 2005; Christoforou, 2005). Vivir en zonas rurales o urbanas
no le afecta a la confianza pero sí a la frecuencia de reunión como ocurre en Lederman (2005) o
Rupasingha, Goetz, & Freshwater (2006). Por último, en cuanto a la educación, un mayor nivel
educativo resulta positivo y significativo con respecto a la confianza como ocurre en Alesina &
La Ferrara (2000), van Oorschot & Arts (2005), Iyer, Kitson, & Toh (2005) o (Soroka, Helliwell,
& Johnston (2007) y tener algún tipo de estudios es positivo y significativo con respecto a la
frecuencia de reunión cuando se controla por los ingresos subjetivos.

5. Conclusiones
El objetivo de este trabajo es analizar los determinantes del capital social en España y
ver si coinciden con los expuestos en la literatura sobre el tema. Los resultados muestran para
España un patrón de comportamiento similar al de otros países con la educación como uno de
los determinantes principales para la confianza, como en gran parte de los estudios analizados.
Por tanto, una de las vías para tratar de recuperar la confianza sería invertir en educación. En
cuanto a la otra dimensión del capital social, las redes sociales, la educación también resulta
significativa y, a mayor nivel educativo más posibilidades de formar parte de una red social. El
sexo o el estado civil no presentan efectos significativos sobre ninguna de las dimensiones del
capital social analizadas.
Este trabajo tiene también limitaciones. Dado que se trata de una primera aproximación
sería necesario para futuros trabajos mejorar las medidas de capital social, utilizando, por ejemplo,
el análisis factorial para poder introducir más variables en cada dimensión. También se podrían
introducir otros determinantes como la felicidad, el estado de salud de los individuos, etc.

Referencias
Alesina, A., and E. La Ferrara (1999): “Participation in Heterogeneous Communities”. NBER Working
Paper No. W7155.

Alesina, A., and E. La Ferrara (2000): “The determinants of trust”. Cambridge, MA: Working Paper
7621. National Bureau of Economic Research.

Antoci, A., F. Sabatini and M. Sodini (2009): “Will Growth and Technology Destroy Social Interaction?
The Inverted U Shape Hypothesis”. University of Teramo. Department of Communication, Working
Paper No 57, 2009. .

Antoci, A., F. Sabatini and M. Sodini (2010): “See you on Facebook: the effect of social networking
on human interaction”. MPRA Paper Nº 27661.

Baliamoune-Lutz, M. (2005). Institutions, social capital and economic development in Africa: An

empirical study. International Centre for Economic Research, Working Paper Nº 18/2005.

Berggren, N., and H. Jordahl (2006): Free to Trust: Economic Freedom and Social Capital. Kyklos,
59(2), pp. 141-169.

998
Bjørnskov, C. (2006): “Determinants of generalized trust: A cross-country comparison”. Public
Choice, 130, pp. 1-21.

Brehm, J. and W. Rahn (1997): “Individual-Level Evidence for the Causes and Consequences of
Social Capital”. American Journal of Political Science, 41 (3), pp. 999-1023.

Burke, M., C. Marlow and T. Lento (2010): Social Network Activity and Social Well-Being.

Christoforou, A. (2005): “On the Determinants of Social Capital in Greece Compared to Countries
of the European Union”. Fondazione Eni Enrico Mattei. Working Paper No. 68.05. Available at
SSRN: http://ssrn.com/abstract=726142.

Delhey, J. and K. Newton (2003): “Who trusts? The origins of social trust in seven societies”.
European Societies, 2, pp. 93-137.

Delhey, J. and K. Newton (2005): “Predicting Cross-National Levels of Social Trust: Global Pattern
or Nordic Exceptionalism”. European Sociological Review, 21 (4), pp. 311-327.

Ellison, N. B., C. Steinfield, and C. Lampe (2007): “The benefits of Facebook “friends:” Social
capital and college students’ use of online social network sites”. Journal of Computer-Mediated
Communication, 12, pp. 1143-1168.

Fidrmuc, J., and K. Gërxhani (2007): Mind the Gap! Social Capital, East and West. West London:
Centre for Economic Development & Institutions. Brunel University.

Glaeser, E., D. Laibson, and B. Sacerdote (2001): “The economic approach to Social Capital”.
Cambridge, Massachusetts: Discussion Paper Number 1916, Harvard University.

Greve, A., M. Benassi and A. Dag Sti (2006): Exploring the Contributions of Human and Social
Capital to Productivity. Paper presented at SUNBELT XXVI, Vancouver, BC, April 25-30, 2006 .

Grootaer, C. and D. Narayan (2004): “Local institucions, poverty and household welfare in Bolivia”.
World Development, 32 (7), pp. 1179-1198.

Grootaert, C., and T.van Bastelaer, (2001): “Understanding and Measuring Social Capital: A
synthesis of findings and recommendations from the social capital initiative”. Washington, D.C.:
Initiative Working Paper, Nº 24, World Bank.

Guisán, M. (2009): “Government Effectiveness, Education, Economic Development and Well-Being:

Analysis of European Countries in Comparison with the United States and Canada, 2000-2007”.
Applied Econometrics and International Development, 9(1), pp. 39-48.

Halman, L., and R. Luijkx (2006): “Social capital in contemporary Europe: evidence from the
European Social Survey”. Portuguese Journal of Social Science, 5(1), pp. 65-90.

Helliwell, J. F. (2001): “Social Capital, the Economy and Well-Being. In K. Banting, A. Sharpe, &

999
F. St-Hilarie (Eds.)”. The Review of Economic Performance and Social Progress. The Longest Decade:
Canada in the 1990s (pp. 43-60). Montreal: The Institute for Research on Public Policy.

Helliwell, J. F. and R. D.Putnam (1995): “Economic growth and social capital in Italy”. Earsten
Economic Journal , 21 (3), pp. 295-306.

Iyer, S., M. Kitson and B. Toh (2005): “Social Capital, Economic Growth and Regional Development”.
Regional Studies, 39 (8), pp. 1015-1040.

Johnson, D., B. Headey and B. Jensen (2003): Communities, Social Capital and Public Policy:
Literature Review. The University of Melbourne, Melbourne Institute of Applied Economic and
Social Research. Melbourne Institute Working Paper N26/03.

Kaasa, A. and E. Parts (2007): “Individual-level determinants of social capital in Europe: Diferences
between country groups”. Tartu University Press.

Knack, S. and P. Keefer (1997): “Does social capital have an economic payoff? A cross-country
investigation”. Quarterly Journal of Economics, 112(4), pp. 1251-1288.

Krishna, A. and N. Uphoff (1999): Mapping and measuring social capital: A conceptual and
empirical study of collective action for conserving and developing watersheds in Rajasthan,
India. The World Bank: Social Development Family, Environmentally and Socially Sustainable
Development Network. Social Capital Initiative. Working Paper Nº 13.

Lederman, D. (2005): “Income, Wealth and Socialization in Argentina”. Cuadernos de Economía,

42, pp. 3-30.

Lin, N. (2001): Social capital. A theory of social structure and action. Cambridge: Cambridge
University Press.

Lin, N. and B. H. Erickson (Eds.). (2008): Social Capital. An International Research Program. New
York: Oxford University Press Inc.

OECD. (2001): The Well-being of nations. The role of Human and Social Capital. París: Organisation
for Economic Co-operation and Development, Centre for Educational Research and Innovation.

Putnam, R. D. and L. M. Feldstein (2003): Better together. Restoring the American Community.
New York: Simon & Schuster.

Quillian, L. (2006): “Can social capital explain persistent racial poverty gaps”. National Poverty
Center Working Papers Series-12.

Rupasingha, A., S. Goetz and D. Freshwater (2006): “The production of social capital in US
counties”. The Journal of Socio-Economics, 35, pp. 83-101.

Sabatini, F. (2006): “Does Social Capital Improve Labour Productivity in Small and Medium

1000
Enterprises?” Working Paper No. 92, University of Rome La Sapienza, Department of Public
Economics.

Sabatini, F. (2008): “Social Capital and the Quality of Economic Development”. Kyklos, 61 (3), pp.
466-499.

Sánchez Pérez, E. J. (2007): The determinants of social capital formation. Madrid: ASP Research
Paper 75(b).

Semih Akçomak, I. (2009): Bridges in social capital: A review of the definitions and the social
capital of social researchers. Maastricht: United Nations University-Maastricht Economic and
social Research and training centre on Innovation and Technology.

Soroka, S. and J. Helliwell and R. Johnston (2007): Measuring and Modelling Trust. In F. Kay, &
R. Johnston (Eds.), Diversity, Social Capital and the Welfare State. Vancouver: BC: University of
British Columbia Press.

Steinfield, C., N. B Ellison and C. Lample (2008): “Social capital, self-esteem, and use of online
social network sites: A longitudinal analysis”. Journal of Applied Developmental Psychology, 29,
pp. 434-445.

Van Oorschot, W., and W. Arts, (2004). The social capital of European Welfare States. The crowding
out hypothesis revisited. 2nd Annual ESPAnet Conference “’meeting the Needs of a New Europe”.
Oxford 9-11 September.

Van Oorschot, W., and W. Arts (2005): “The social capital of European welfare states: the crowding
out hypothesis revisited”. Journal of European Social Polici, 15(1), pp. 5-26.

Whiteley, P. (2000): “Economic Growth and Social Capital”. Politica Studies, 48, pp. 443-466.

World Bank. (n.d.). World Bank. Retrieved Marzo 15, 2009, from http://go.worldbank.org/
S03YKDP0L0.

Zak, P., & Knack, S. (2001): “Trust and Growth”. The Economic Journal, 111 (470), pp. 295-321.

1001
5. Celtic tiger and celtic cat

Alejandro M. Fernández Castro, University College of Dublin

1002
5. Celtic tiger and celtic cat

Alejandro M. Fernández Castro, University College of Dublin

Abstract
In the last few years many studies have been carried out on the Celtic Tiger miracle, i.e., on
the spectacular economic growth Ireland experienced between 1995 and 2007. All the studies
agree on the key factors that explain this progress, including the commitment to specialized
training designed to guarantee the competitiveness of its companies on an international level, in
particular in the technology, chemical/pharmaceutical and food and agricultural sectors. Given
the limitations of its domestic market, all entrepreneurial initiatives linked to these areas have
targeted export markets, and these efforts have received government support and been reinforced
by a close collaboration between universities and the business world. Within this context, business
schools have played a crucial role given their close ties to business, not only as far as supplying
skilled labour, but also by providing business advice as well as a space that serves as a meeting
point for entrepreneurs. This situation has fostered the development of a modern, dynamic and,
above all, enterprising entrepreneurial culture.
The close links between Ireland and Galicia are due to geographical, historical and cultural factors;
however, this is not the case in terms of their evolution over the last few decades. This paper
aims to contribute to a better understanding of the Celtic Tiger miracle through a study of Irish
business schools that analyses their efficiency and compares this to that of their counterparts in
Galicia during the 1997-2002 period in order to determine if, as in the case of their economies,
there are any significant competitive differences.

Keywords: higher education, efficiency.

1. Introduction
The Irish miracle ended abruptly in 2008 when the global crises erupted leading to a sharp
recession and a significant increase in unemployment. More than a decade of spectacular progress
and economic growth during which the Celtic Tiger had roared louder than ever was gone. This
golden age of the Irish economy was driven by the simultaneous occurrence of several factors. On
the one hand, Ireland chose to join the euro which encouraged certain US based companies with
close ties to the island to set up business in Ireland instead of the UK to avoid exchange risks
when operating inside the eurozone. The presence of large multinationals was further favoured by
the low fiscal pressure applied in the case of these corporations and the unconditional support
of institutions of higher education which not only served as a source of highly qualified workers,
but which also became enterprise partners and consultants for these large corporations. This
synchronization of educational and economic development has been particularly important in
the areas linked to the activity of the multinationals that set up business in Ireland, such as the
computer and pharmaceutical industries. Irish business schools have played a key role in this
development as the fundamental support reinforcing the links between multinationals, the Irish
economy and the rest of Europe. In addition to these circumstances, in the last few years this
economic boom took place along with an unprecedented growth in the real estate market.
This is directly in line with the role Europe has assigned to higher education in the XXI
century. Higher Education has evolved from being important to playing a crucial role once Europe

1003
adopted the objective of designing a Europe of Knowledge339 where higher education becomes a
strategic element in gaining a competitive edge for economies in the 21st century; at the same
time, this would allow social and economic standards obtained in the last century to continue
and improve. In its 2004 report on the financing of higher education the European Research
Associates recognises increasing efficiency as one of the five objectives that the new measures
adopted by the Members must try to achieve. These targets are, namely: increase absolute levels
of funding, diversify the sources of revenue at the university’s disposal, provide additional funds
to guarantee excellence in research and education and increase its appeal abroad, increase the
amount of financial assistance provided to students, and increase efficiency.

2. Efficiency and competition in higher education
Although it is generally accepted that the market alone does not yield globally desirable
social outcomes, it seems that public provision of free higher education does not succeed in
accomplishing this goal either. Research by several authors indicates that free higher education
is neither efficient, as it leads to a situation characterised by an oversupply, nor equitable.
According to Franck and Schönfelder (2000), the majority of analysts consider this indisputable.
These authors maintain that the greater part of the problems the university system faces would be
resolved by increasing competition among universities and allowing less regulation of the higher
education market so that it could behave more like a free market: less regulation and greater
autonomy would increase competition at the university level which, in turn, would increase
efficiency. However, competition increases efficiency only if certain conditions apply. The authors
affirm that competition is positive only if the university is able to inform its potential clients
regarding its level of quality. But providing information on the level of quality is a difficult issue:
all the university can do is provide indirect or symbolic indicators of this quality, in other words,
it can offer signals of quality. A well-established ranking of universities is indispensable so that
those in the top positions can use symbols that indicate their quality. This ranking does not only
depend on the intellectual quality of the universities, but also on their wealth. If the market
for higher education is indeed hierarchical as Winston (1999) maintains, then competition will
allow universities in the top positions to use signals of quality; if it were not this type of market,
quality could not be an indicator and the market would fail.
As previously mentioned, Irish universities have accepted the challenge and taken on
the role Europe has awarded them in the new century. Despite their public character, which
makes them dependent on government funding to a large extent, in recent years universities
and business schools in particular have opted to compete not only on the national level, but
also internationally. The legislation regulating universities grants them a great deal of autonomy
which they have taken advantage of in order to expand their horizons and find additional funds,
whether this be through European research funding, collaboration agreements with companies,
or efforts to draw students from outside the EU, especially from Asia, as in these cases university
fees are significantly higher than those of students from within the EU. In addition to increasing
and diversifying funds, promoting excellence in research and efficient management of resources
have also proved fundamental. In fact, in the last few years a more professionalized model of
management based on results has been instated in which decentralisation and cost –consciousness
have been key factors. Business schools in particular have made an important effort to obtain
international accreditation used as a mark of quality worldwide. In contrast, Spanish universities
have maintained their chronic resistance to change showing no clear signs of opening up or
339 European Commission (2003).

1004
improving management due in part to the lack of incentives for facing new challenges available
within the existing excessively bureaucratic model. Given this climate, in 2001 new legislation
regulating universities was passed (for the first time since 1983) which was modified in 2004 and
designed to change the university model in place to make Spanish universities more competitive
in the 21st century.

3. The analysis of Irish and Galician business schools

This work analyzes technical efficiency in three public business schools during the 1997-
2002 period, one in Ireland and two in Spain. In addition to being public institutions, they also
share a similar system of financing, but operate within a notably different regulatory framework
(in Spain university legislation is much more exhaustive and interventionist that in Ireland) as
discussed by Fernandez (2010). Moreover, the cost per student in Ireland and Spain is also very
similar. The Council for University Coordination (CCU, “Consejo de Coordinación Universitaria”)
reports that, in the year 2003, the cost of higher education in Spain for each student was 0,181
euros, and 10,634 in Ireland.
The Irish business school presented in our case study is the largest and best ranked
internationally. Located in Dublin, it is the only business school in Ireland to hold the “triple
crown” of accreditation by EQUIS, AACSB International and AMBA. EQUIS (the European Quality
Improvement System) is the most important accreditation awarded by the associations of
management and business in Europe. AACSB (the Association to Advance Collegiate Schools of
Business) is the American accreditation awarded to business schools such as Harvard, Cornell,
Columbia and Stanford. The AMBA (the Association of MBAs) accreditation is the global standard
for all MBA programmes. The two Spanish business schools this work examines are two faculties
of Economics and Business Sciences in Galicia340 that have not been awarded the accreditations
cited above. This indicates little interest on the part of these intuitions in participating in the
international rankings that would allow them to compete in the international market.
The analysis focuses on the loss of efficiency in two equivalent degree programmes341
taught at the institutions referred to above: the Irish Bachelor of Commerce degree and the
Spanish degree in Business Administration and Management (“Licenciado en Administración
y Dirección de Empresas”). In addition to the Bachelor of Commerce programme in Spain, its
international version is also included in this case study.
In this work we consider that there is one single output: graduates. Rao and Tikkiwal
(1966) propose an efficiency indicator for courses, programmes and degrees offered by educational
institutions based on the estimate of the wastage of efficiency during and after the educational
process which is considered to focus on the production of a single output: the student who
completes the programme under examination. The most important difficulty in elaborating this
indicator is that it requires having access to very specific data about the cohorts, which are
understood to be the group of students that begin the programme of study to be analysed at
the same time. Needless to say, the analysis must be carried out once students have completed
the programme. According to the Rao-Tikkiwal indicator, the efficiency of a programme, course
or degree would be inversely proportional to the wastage of efficiency incurred; wastages may

340 In Galicia there are three public universities, each of which includes a Faculty of Economics and Sciences.
However in 1997 only two universities offered the five-year degree in Business Administration and Management
Management (“Licenciado en Administración y Dirección de Empresas”).
341 The Bachelor of Commerce degree and the “Licenciado en Administración y Dirección de Empresas” degree are
considered equivalent on the basis of the recognitions that the Spanish Ministry of Education has awarded to the
Bachelor of Commerce graduates in the last ten years.

1005
 take place during the period of study (wastage of internal or primary efficiency) or afterwards
(wastage of external or secondary efficiency):
• Internal efficiency would be the measure of the proportion of students who complete the
coursework and the time it takes to do so.
• External efficiency would be derived from the evidence that the skills and knowledge
acquired as a result of their education and training serve to enter the labour market and obtain
a position in line with their educational background or serve as a springboard to higher levels of
education.
• Wastage of internal efficiency is due to desertions during the period of study, which refers
to students who leave before completing the programme, and stagnation, which is produced when
students take longer to complete their studies than the period of time stipulated.
• Wastage of external efficiency refers to the extent to which graduates are not able to
embark on postgraduate study or are unable to join the profession their training has prepared
them for.
As Ortiz (2003) explains, in various countries students frequently take significantly longer
to complete certain degree programmes than what is theoretically stipulated. This implies not
only an inefficient use of both human and material resources and, consequently, economic, but
in terms of our analysis leads to the existence of members of the cohort who are still in the
programme at the same time as the analysis is being carried out. The author introduces a new
category for those students who are still in the programme at the time the analysis is begun. This
group would be included as part of the total number of students whose progress is characterised
as stagnant, along with those who take longer to complete the course than the expected number
of years. According to Rao and Tikkiwal (1966) and Ortiz (2003) the measures of the different
types of wastage would be defined as follows:
U
Wd = 1
U

Ws = U 2 + U 4
€ U
Wfs = Wd + Ws
U3
€ Wss =
U

Wt = Wfs + Wss

€
Where:
Wd = measure of wastage due to dropouts.
Ws = measure of wastage due to stagnation.
Wfs = measure of wastage at the first stage (internal inefficiency).
Wss = measure of wastage at the second stage (external inefficiency).
Wt = measure of total efficiency wastage.
k
U1 = ∑ iN 3i = total number of years spent by the members, out of N, who drop out of the course
i =1
up to the period k.

€
1006
 k −d
U 2 = ∑ iN 2i = total number of additional years in the course by delayed successful members.
i =1

U3 = M x d
U4 = k x N4 = total number of years in the course by members who are still in the course in k≥d.
€ k

U = k x N4 + d (N1+N2) + ∑ i( N 2i + N 3i ) = the total number of years spent in the course by the

i =1
N members of the cohort, where each N member is observed for a period k (≥ d) and where N2i =
0 for k-d < i ≤ k.
d = minimum € duration (years) for finishing studies.
k (≥d) = date of analysis.
N1 = number of members of the cohort who complete the course in d years.
N2i = number of members who complete the course in d+i years, where i = 1, 2, ..., k-d.
k −d
N 2 = ∑ N 2i = number of members who complete the course in d+i years, for all i ≥1.
i =1

N3i = number of members who drop out of the course after i years in it, where i = 1, 2, ..., k.
k
€ N 3 = ∑ N 3i = total number of members who drop out of the course without completing it.
i =1

N4 = number of members who are still in the course in k ≥ d.

M = number of members, out of (N1+N2), who are unable to join the profession requiring
€ the course or to study postgraduate studies.
N = N1 + N2 + N3 + N4 = number of members in the cohort.

4. Results
Using the data directly provided by the Irish and Galician universities on student cohorts
that began the Irish Bachelor of Commerce (IU1), the Bachelor of Commerce International (IU2)
and the Spanish Business Administration and Management (GU1 and GU2) in 1997 1998, 1999,
2000 and 2001 the results shown in Tables 1 and 2 were obtained.

Table 1. Indicator Calculations

IU1 Cohorts IU2 Cohorts
1997 1998 1999 2000 2001 1997 1998 1999 2000 2001
K 10 9 8 7 6 10 9 8 7 6
d 3 3 3 3 3 4 4 4 4 4
N 292 271 264 272 284 100 100 97 102 82
N1 230 205 227 199 216 72 76 77 85 59
N2 44 41 27 52 42 12 7 7 5 14
N3 18 25 9 21 26 16 17 13 12 8
N4 0 0 1 0 0 0 0 0 0 1
M 0 0 0 0 0 0 0 0 0 0
U1 53 80 21 61 86 23 31 22 20 32
U2 53 50 33 61 50 13 7 8 5 18
U3 0 0 0 0 0 0 0 0 0 0
U4 0 0 8 0 0 0 0 0 0 6
U 928 868 824 875 910 372 370 366 385 348

Wd 0.057 0.092 0.025 0.070 0.095 0.062 0.084 0.060 0.052 0.092
Ws 0.057 0.058 0.050 0.070 0.055 0.035 0.019 0.022 0.013 0.069
Wt 0.114 0.150 0.075 0.139 0.149 0.097 0.103 0.082 0.065 0.161

1007
Table 2. Indicator Calculations
GU1 Cohorts GU2 Cohorts
1997 1998 1999 2000 2001 1997 1998 1999 2000 2001
K 10 9 8 7 6 10 9 8 7 6
d 5 5 5 5 5 5 5 5 5 5
N 406 406 390 411 392 337 368 366 297 178
N1 51 55 41 48 35 32 36 32 44 14
N2 149 147 141 80 36 107 106 82 36 13
N3 173 163 128 175 167 171 191 198 158 93
N4 33 41 80 108 154 27 35 54 59 58
M 0 0 0 0 0 0 0 0 0 0
U1 554 423 208 401 351 542 572 528 413 243
U2 337 314 270 128 36 272 240 156 56 13
U3 0 0 0 0 0 0 0 0 0 0
U4 330 369 640 756 924 270 315 432 413 348
U 2221 2116 2028 1925 1666 1779 1837 1686 1282 739

Wd 0.249 0.200 0.103 0.208 0.211 0.305 0.311 0.313 0.322 0.329
Ws 0.300 0.323 0.449 0.459 0.576 0.305 0.302 0.349 0.366 0.488
Wt 0.550 0.523 0.551 0.668 0.787 0.609 0.614 0.662 0.688 0.817

The results indicate significant differences in efficiency between Irish programs (Table 1)
and Galician programmes (Table 2). In the first case, the loss of efficiency (Wt) only exceeds 0.15
for one of the cohorts in one of the programmes. However, in the second case, the loss of efficiency
is systematically higher than 0.5; in some cases even rising above 0.8. These differences are the
result of loss of efficiency due to students who drop out (Wd) as well as due to stagnation (Ws).
This reflects the lower motivation of students attending the Galician universities in the study.
This lack of motivation may be explained by the lower opportunity cost incurred by Galician
students (since both job opportunities and salaries are lower in this region than in Ireland).
Another reason for this lack of motivation could be that stagnation is culturally more acceptable
in the Spanish context. The similar results obtained in the case of the two Irish programmes (IU1
and IU2) and by the two Galician programmes (GU1 and GU2) are certainly worth noting. This
parallelism, which to a certain point was to be expected, further reinforces the validity of the
results obtained.
The study focuses on internal efficiency since the Galician government only provides
aggregated data on external efficiency for the three public universities in Galicia. The 2008
report by ACSUG (the Agency for Quality Assurance in the Galician University System) estimates
that the percentage of graduates in 2004 in the area of Business (which encompasses degrees in
Business Administration, Economics, and the diploma in Management Science) from the Galician
universities who find a job in the first three months after graduation is approximately 57%; 80%
do so within the first six months, and 92% in the first year. According to the data provided by
The Higher Education Authority reported in HEA (2009), only 2% of the graduates from the Irish
institution were looking for employment nine months after completing their degrees. Although
it is true that the data employed are not homogeneous, and, consequently, this makes it difficult
to compare the data, it is equally true that nothing indicates that the loss of external efficiency
in the Galician institutions is less than for the Irish, where it is practically nonexistent.

5. Conclusions
The results obtained clearly indicate that the two Irish programmes have similar values
in terms of loss of efficiency as do the two Galician institutions when compared with each
other. However, the Irish programmes are evidently more efficient that those taught in Galician

1008
institutions. The high efficiency of Irish programmes allows these to supply the business sector
the highly skilled labour force it demands by adhering to international standards of quality with
hardly any loss of efficiency due to stagnation or drop outs. These results in an effective use of
the resources invested in the entire educational process. The fast rate at which highly qualified
graduates are generated and the fact that these graduates are prepared for either entry into the
labour market or post graduate study is a clear sign that the dynamic and competitive nature of
the Irish business environment is reflected in Ireland’s higher education system. One reason for
the lack of competitiveness in business schools in Galicia may be the system of financing where,
to this day, negotiation with government authorities (closely linked to inputs) continues to be
more important than financing tied to objectives (linked to the outputs generated). This, along
with exhaustive regulation, where bureaucratic and administrative aspects remain an important
part of the process while the evaluation of results is avoided, is also part of the problem. The fact
that the present labour market in Galicia is not as promising for university students as it is in
Ireland may also contribute to this situation.

References
Acsug (2008): Estudo da inserción laboral dos titulados no Sistema Universitario de Galicia
2003-2005. Axencia para a Calidade do Sistema Universitario de Galicia (ACSUG). Santiago de
Compostela, Spain.

CCU – Consejo de Coordinación Universitaria- (2007): Financiación del Sistema Universitario

Español. Ministerio de Educación y Ciencia. Madrid.

European Commission (2003): The role of the universities in the Europe of knowledge. Commission
of the European Communities.

European Research Associates (2004): The Financing of Higher Education in Europe. European
Commission, Directorate-General for Education and Culture. European Commission.

Fernández, A.M. (2010): Efficiency in university undergraduate education: a comparative analysis.

PhD Thesis in Michael Smurfit School of Business, University College Dublin, National University
of Ireland. Dublin, Ireland.

Franck, E. P. and Schönfelder, B. (2000): “On the Role of Competition in higher Education - Uses
and abuses of the Economic Metaphor”. Schmalenbach Business Review, Vol. 52, pp. 214-237.

HEA (2009): What do graduates do? The class of 2007. The Higher Education Authority. Dublin,
Ireland.

Ortiz, E. (2003): “Un intento de medición de la eficiencia en educación superior. El caso de las
ingenierías en la Universidad Nacional del Sur”. Asociación Argentina de Economía Política, Vol.
1833, pp. 1-11.

Rao, G. N. and B. D. Tikkiwal (1966): “An integrated approach to the study of wastage in a given
course of education”. Sankhya: The Indian Journal of Statistics, Vol. 28-B, Iss. 3-4, pp. 229-236.

1009
Tikkiwal, B. D and G. C. Tikkiwal (2000): “Measurement of wastage and therefore of efficiency
of education”. Statistics, Development and Human Rights: IAOS Conference 2000. Montreux,
Switzerland.

Winston, G. (1999): “Subsidies, Hierarchy and Peers: The Awkward Economics of Higher Education”.
Journal of Economic Perspectives, Vol. 13, Iss. 1, pp. 13-36.

1010