10.18601/01245996.v20n38.09
INGRESOS Y EDUCACIÓN EN EL SECTOR RURAL COLOMBIANO*
Income and education in the Colombian rural sector
Receitas e educação no setor rural colombiano
Jaime Tenjo Galarzaa
Carlos Alberto Jaimesb
* DOI: https://doi.org/10.18601/01245996.v20n38.09. Los autores agradecen el apoyo de Fabián Gómez para consolidar la base de datos y los valiosos comentarios de la profesora Luisa Bernat a las versiones preliminares. Así como los comentarios de los pares anónimos.
a Doctor en Economía, director del Departamento de Economía, Comercio Internacional y Política Social de la Universidad Jorge Tadeo Lozano, Bogotá, Colombia, [jaime.tenjog@utadeo.edu.co].
b Magíster en Economía, profesor asociado de la Universidad de Bogotá Jorge Tadeo Lozano, Bogotá, Colombia, [carlos.jaimes@utadeo.edu.co].
Sugerencia de citación: Tenjo G., J. y Jaimes, C. A. (2018). Ingresos y educación en el sector rural colombiano, Revista de Economía Institucional, 20(38), 209-233.
Recepción: 14-10-2016, modificación final: 22-01-2018, aceptación: 19-02-2018.
Resumen.
En este artículo se presentan algunas estimaciones del ingreso en el sector rural colombiano como un todo y para la agricultura y el resto del sector. Los resultados indican que en el sector rural hay una alta segmentación por género y que los retornos de la educación son muy bajos, especialmente en la agricultura. Una hipótesis para explicar estos bajos retornos es la falta de factores complementarios como acceso a la tierra, asistencia técnica y bienes públicos en general.
Palabras clave: economía laboral, economía de género, capital humano, habilidades, elección de ocupación, mercados laborales agrícolas; JEL: J16, J24, J43
Abstract.
This article presents some estimates of income in the Colombian rural sector as a whole and for agriculture and the rest of the sector. The results indicate that in the rural sector there is a high segmentation by gender and that the returns to education are very low, especially in agriculture. One hypothesis to explain these low returns is the lack of complementary factors such as access to land, technical assistance and public goods in general.
Keywords: labor economy, gender economy, human capital, abilities, choice of occupation, Agricultural labor markets; JEL: J16, J24, J43
Resumo.
Neste artigo, são apresentadas algumas estimativas das receitas no setor rural colombiano como um todo e para a agricultura e o restante do setor. Os resultados indicam que no setor rural há uma alta segmentação por gênero e que os retornos da educação são muito baixos, especialmente na agricultura. Uma hipótese para explicar estes baixos retornos é a falta de fatores complementares como acesso à terra, à assistência técnica e aos bens públicos em geral.
Palavras-chaves: economia do trabalho, economia de gênero, capital humano, habilidades, escolha da ocupação, mercados de trabalho agrícolas; JEL: J16, J24, J43
Los ingresos en el sector rural, y en especial en la agricultura, dependen de muchos factores. La educación es solo uno entre muchos factores complementarios (tierra, capital privado, infraestructura, bienes públicos, etc.) que contribuyen a determinar estos ingresos. Desafortunadamente, en Colombia aún no existen las bases de datos y la información estadística requerida para un estudio econométrico juicioso de la contribución de cada elemento que afecta los ingresos laborales de los trabajadores rurales.
Un aspecto que no se ha estudiado con suficiente profundidad es el papel de la educación en la determinación de los ingresos rurales, el cual puede ser muy importante para diseñar medidas de política que disminuyan la pobreza y mejoren la equidad en la distribución del ingreso en el sector rural. Este trabajo busca contribuir a la compresión de ese papel estimando tasas de retorno mincerianas1 asociadas a la educación en el sector, tanto en la agricultura como fuera de ella. La falta de información sobre factores complementarios, especialmente en la agricultura, limita el alcance de los resultados; aun así el análisis siguiente es relevante y pertinente.
La primera sección revisa los pocos estudios recientes sobre el sector rural colombiano y los aspectos relacionados con el mercado laboral. La segunda presenta las estadísticas descriptivas de la información relevante. La tercera discute los principales aspectos de los modelos econométricos empleados y presentan los resultados de las estimaciones. La última es de conclusiones y recomendaciones.
REVISIÓN DE LITERATURA
La investigación sobre mercados laborales en Colombia se ha centrado en los mercados urbanos, dejando de lado los rurales; quizá como reflejo de la rápida urbanización y la consiguiente pérdida de peso del sector rural en la economía del país.
En la escasa literatura sobre el tema predominan los análisis de tipo general, basados en estadísticas descriptivas y en la identificación de tendencias agregadas. No hay estudios sobre los retornos de la educación en el sector rural. De modo que este trabajo es un aporte oportuno que puede ofrecer bases para definir políticas educativas y laborales en el contexto de internacionalización y en el escenario de postconflicto resultado de las negociaciones entre el gobierno nacional y grupos insurgentes, en las que lo rural ocupó un lugar central.
Un análisis de largo plazo de los salarios rurales
Una investigación del mercado laboral rural con un enfoque de largo plazo es la de Jaramillo y Romero (2000), que analizan los mercados de mano de obra no calificada. El estudio hace un análisis estadístico de los salarios rurales y urbanos entre 1945 y 1998 para dar luces sobre el grado de integración y de convergencia de estos mercados, la evolución de las series y de la brecha entre ellas. Con ese fin, los autores utilizaron fuentes primarias y construyeron, por vez primera, una serie de salarios de obreros de la construcción por ciudades desde antes de 1960. Evaluaron la integración laboral buscando tendencias comunes entre los salarios con técnicas de cointegración para series de tiempo multivariadas (pruebas de Johansen), cuyos resultados contrastan con los de técnicas bivariadas. Para determinar si había convergencia en los niveles salariales analizaron si había tendencias significativas en el comportamiento de las diferencias salariales urbano-rural y rural-rural.
Durante el siglo XX el comportamiento de los salarios rurales estuvo relacionado estrechamente con el ciclo de la producción agropecuaria, en particular con la de café. La brecha salarial rural-urbana mostró grandes oscilaciones desde 1940, con una fuerte reducción a mediados de los setenta debido a la bonanza cafetera. El diferencial siguió fluctuando en los setenta y ochenta, con fuertes disparidades en cada ciudad. El estudio muestra que los mercados laborales rurales solo estuvieron integrados dentro de regiones homogéneas con fuertes vínculos geográficos, económicos y culturales.
La evidencia sobre integración entre mercados laborales rurales y urbanos arroja resultados contradictorios. Las pruebas por grupos de mercados indican una fuerte segmentación, mientras que las pruebas por pares arrojan un alto grado de integración. Los autores encuentran que los jornales rurales convergieron a un ritmo anual del 1,0% desde 1945 y que su dispersión disminuyó a una tasa del 0,8% anual en el periodo, lo cual es consistente con la hipótesis de convergencia. Aunque esta tasa aumentó al 2,3% en los sesenta y llegó al 3,7% en los setenta, se debilitó fuertemente en los ochenta y se revirtió en los noventa, cuando muestra una gran divergencia. El estudio no analiza los retornos de la educación.
Dos trabajos de leibovich et al.
José Leibovich es uno de los investigadores que más ha analizado el empleo rural en la historia reciente. Leibovich et al. (1997) estudian los componentes del mercado laboral y la evolución de los ingresos del sector entre 1988 y 1995 con base en encuestas de hogares. Ese estudio muestra un bajo crecimiento poblacional rural frente al urbano (una tasa urbana de 2,93% y una rural de 1,18% entre los censos 1985 y 1993) debido a la migración hacia las ciudades, un envejecimiento de la población rural y moderados avances en la educación rural, cuyos indicadores de cobertura son, en general, la mitad de los urbanos.
Los autores encontraron que la participación laboral rural se mantuvo estable, en un 55%, con una leve disminución de la masculina, del 80% en 1988 al 77% en 1995, y un aumento de la femenina, del 29% al 35%. Las tasas de participación de quienes tienen educación secundaria completa y educación superior son cercanas al 80% y las de los demás cercanas al 50%. Identificaron los determinantes de la participación laboral rural mediante un modelo probit: 1) ser hombre, 2) nivel educativo, 3) experiencia, 4) jefatura de hogar, 5) vivir fuera de la cabecera o centro poblado.
En cuanto a la evolución del empleo encontraron que, pese a la difícil coyuntura de la economía, el empleo rural creció a una tasa anual promedio de 1,5%, con una desaceleración del masculino y un mayor crecimiento del femenino, y una caída del empleo de los jóvenes en favor de las cohortes mayores que refleja una mayor cobertura educativa de la población joven. Además, perdió importancia el empleo de la población sin educación o con primaria incompleta en favor de la más educada. Según la posición ocupacional, los empleados pasaron del 12% al 16% y los trabajadores familiares se redujeron del 15% al 9%. Los obreros y los trabajadores por cuenta propia se mantuvieron en el mismo nivel, un 32% cada grupo. Y según la actividad, el empleo agrícola se redujo del 61% al 55% y el sector servicios pasó del 30% al 38%; en los demás sectores se mantuvo estable.
En cuanto a los determinantes del ingreso laboral encontraron que los retornos de la educación de los hombres pasaron del 3,5% al 1,7% y los de mujeres del 5,4% al 8,3%. La experiencia reportó un mayor rendimiento para las mujeres (3,8%) que para los hombres (2,4%). La jefatura de hogar mostró una correlación positiva con los ingresos laborales y residir en el "Resto" una correlación negativa. Las posiciones ocupacionales más altas y formales se correlacionaron con mayores ingresos.
Ese trabajo fue retomado nueve años después por Leibovich et al. (2006), que caracterizaron el mercado laboral rural empleando datos de las Encuestas Continuas de Hogares (ECH) del Dane de 2005. Los autores estimaron la evolución de la productividad factorial del sector agropecuario y de la productividad total de los factores para entender por qué los ingresos laborales en el sector son tan bajos. Además, elaboraron un modelo para explicar el comportamiento de la oferta laboral rural y estimaron modelos de probabilidad para entender de qué depende la participación laboral, que se devengue más de un salario mínimo (smlv) y la influencia de los migrantes en la participación laboral urbana, así como determinar las variables que influyen en que los ocupados urbanos devenguen más de 1 smlv.
En 2005 la población rural representaba el 25% del total y tendía a disminuir por la migración a las ciudades. A comienzos de los cincuenta era del 61%, a comienzos de los setenta del 40% y a mediados de los ochenta del 35%. Los autores estimaron que entre 2000 y 2005 migraron en promedio 100 mil personas al año, por razones económicas (60%) y por la violencia (40%). Los ingresos laborales generados en el sector fueron muy precarios. En el último trimestre de 2005, el ingreso promedio mensual del ocupado rural era un 90% del smlv, mientras que el del ocupado urbano era un 122% del smlv. El migrante económico reciente (últimos 5 años) a las cabeceras tenía un ingreso promedio mensual de un 129% del smlv. El 68% de los ocupados en el sector rural devengaban menos del smlv y el 31% en el sector urbano. El porcentaje de ocupados en el sector rural que devengaban menos del smlv disminuía cuando aumentaba el nivel educativo. Sin educación y primaria incompleta era del 74%, con primaria completa del 67%, con secundaria incompleta del 68%, con secundaria completa del 55% y con educación superior del 21%. En el sector urbano el patrón era similar, con niveles inferiores; 64% sin educación, 51% con primaria incompleta, 39% con primaria completa y secundaria incompleta, 25% con secundaria completa y 10% con educación superior. Ese estudio no profundizó el análisis de los retornos de la educación.
Por ramas de actividad, en el sector rural, el 70% de los ocupados en actividades agropecuarias devengaba menos de un smlv. Con porcentajes igualmente altos en minería, industria y comercio. En servicios públicos y financieros, el porcentaje era inferior al 30%. Y en comunicaciones, transporte y servicios sociales y comunales, oscilaba entre el 50 y el 60%.
Los autores buscaron identificar los determinantes de la participación laboral contrastando los resultados de las cabeceras y del resto mediante modelos logit y multilogit. Las estimaciones de las cabeceras muestran que la probabilidad de estar ocupado y devengar un smlv o más por hora es mayor cuando se trata de hombres, personas con mayor nivel educativo, jefes de hogar, de la región atlántica, de mayor edad y migrantes económicos recientes.
Dos trabajos de tenjo et al.
Como aporte a la Misión para el diseño de una estrategia para la reducción de la pobreza y la desigualdad se elaboró un libro que analizó la evolución del mercado laboral rural entre 1988 y 2004 (Tenjo et al., 2007), cuyo planteamiento central es que el sector rural está segmentado en dos sectores: uno de producción de carácter más capitalista y orientación más comercial, que opera con tecnología más avanzada y mayores niveles de productividad que el resto de la economía rural, en el que rige la legislación laboral. Este sector, incapaz de absorber toda la mano de obra rural, da origen a un segmento donde los trabajadores restantes pueden encontrar trabajo (o crear empleo propio) sin las restricciones impuestas por las instituciones bien sea incumpliendo (con impunidad) las normas de ley o mediante arreglos contractuales que quedan fuera del ámbito legal (contratos no laborales o auto-empleo), el cual es de libre entrada, tiene una productividad menor y el nivel de ingreso se determina por la interacción entre oferta y demanda.
Ese trabajo muestra que la población rural es más joven que la urbana y tiende a envejecer a tasas más rápidas. Los trabajadores rurales también son más jóvenes que los urbanos, aunque los del segmento protegido son más jóvenes que los del segmento de libre entrada. El capital humano rural es menor que el urbano: la diferencia de las tasas de alfabetismo era de unos 12 puntos porcentuales entre habitantes rurales y urbanos. Aunque la tasas de alfabetismo es más baja ha venido aumentando. El mayor nivel de alfabetismo rural es el de los desempleados, y es mayor el de las mujeres que el de los hombres. El nivel de educación rural ha mejorado aunque es bajo con respecto al urbano (una diferencia de 3,5 años en 2003). El nivel educativo de los desempleados es mayor que el de los ocupados o no participantes y el de las mujeres es mayor que el de los hombres. Hay notables diferencias en los niveles de ingreso: la diferencia entre el primer y el quinto quintil es de 8 años de edad, de 12 puntos porcentuales en la tasa de alfabetismo y de 2,5 años de educación.
Un hallazgo importante es que el 60% de los asalariados y el 76% de los no asalariados (trabajadores por cuenta propia, ayudantes familiares y empleadores) recibían menos del mínimo legal en 2004. Si se controla por horas trabajadas y los cálculos se limitan a trabajadores que laboran más de 30 horas semanales, esos porcentajes disminuyen un poco (al 53% y al 70%). La alta incidencia de ingresos inferiores al mínimo se debe a la existencia del mercado segmentado descrito anteriormente. Las estimaciones indican que el segmento de libre entrada puede dar un 72% del empleo rural. Ese segmento da más en la agricultura (el 76% del total), seguido por la manufactura y el comercio (un 70% del empleo). En servicios y "otros" (el cual incluye varios sectores pequeños) ese segmento da menos empleo, 66% y 43,7%, respectivamente. No se analizan los retornos a la educación.
El segundo trabajo, elaborado dentro de la Misión para la Transformación del Campo (Tenjo y Jiménez, 2015), analiza el empleo rural entre 2008 y 2013 y adopta la definición de ruralidad que se emplea en este artículo, y que por tanto, lo complementa. En este estudio se encuentra que la agricultura sigue siendo la principal generadora de empleo rural, pero solo representa un poco menos de la mitad del empleo rural (47%). El empleo no agrícola en los diferentes sectores ahora representa el 53% del empleo rural. Fuera de la agricultura se destacan como generadores de empleo el sector comercio y el sector de servicios sociales. Existe una clara segmentación del mercado laboral por sexo. En general los hombres trabajan en la agricultura (59% de ellos), mientras las mujeres están en el comercio y los servicios (57% de ellas). La estimación del empleo rural a partir de la definición de ruralidad de la Misión arroja 1.5 millones de empleos más en el sector rural, cerca del 33% más de lo que estimaba la metodología basada en la definición tradicional del Dane. Con la nueva definición de ruralidad los ingresos rurales continúan siendo inferiores a los del sector urbano, pero en promedio son superiores al salario mínimo legal y al nivel de la línea de pobreza.
El crecimiento de la producción en el periodo 2008-2013 fue bajo, pero de importante generación de empleo en el sector rural lo que explica el poco dinamismo en el crecimiento de la productividad laboral (los ingresos por hora aumentaron a una tasa anual de 1,4% en el sector rural como un todo). El crecimiento más importante en el empleo fue entre los trabajadores por cuenta propia y los trabajadores sin remuneración, mientras que hubo una caída en el volumen de empleo asalariado. Todo esto configura un escenario de deterioro en la calidad del empleo rural. El número de trabajadores promedio por familia aumentó (posiblemente como respuesta al crecimiento general de las oportunidades de empleo rural) pero el número de horas trabajadas por semana disminuyó.
Ese trabajo presenta algunos resultados generales sobre los retornos a la educación, por género, nivel educativo, posición ocupacional y sector. Esos resultados se analizan con más detalle en este artículo.
INFORMACIÓN UTILIZADA
Aunque en el presente análisis se utilizó información de la Gran Encuesta de Hogares (GEH) del Dane de 2013, la definición de ruralidad corresponde a la de la Misión para la Transformación del Campo, que es más amplia que la del Dane2, aunque no difiere en la definición de las variables. Los ingresos incluyen estimaciones del pago en especie y otros ingresos, pero no una buena estimación del autoconsumo. Esto puede ser un problema para ciertos fines, pero para este trabajo el ingreso relevante es el ingreso laboral, que no es afectado por el autoconsumo.
Tenjo y Jiménez (2015) presentan información descriptiva sobre edad, nivel educativo, posición ocupacional e ingresos de los trabajadores en el sector rural y remitimos a ese trabajo. En este artículo se presentan estadísticas sobre las variables utilizadas en el análisis de regresión posterior. Para las estimaciones y el análisis econométrico se acumularon todos los meses de 2013, lo que aumenta la cantidad de información y evita algunos problemas de estacionalidad de los ingresos. En los cuadros 1 y 2 se presentan los promedios y las desviaciones estándar de las variables, y una prueba de la diferencia de medias entre hombres y mujeres.
Como se ve en los cuadros, especialmente en el cuadro 2 -que solo incluye personas con un ingreso mayor que 0 (excluye trabajadores sin remuneración)-, hay visibles diferencias entre hombres y mujeres tanto en el ingreso como en la localización por sectores (agrícola y no agrícola). Así, las mujeres tienden a localizarse fuera de la agricultura y los hombres en la agricultura (el 22,9% de las mujeres trabajan en la agricultura y el 61,8% de los hombres).
El sector no agrícola genera mayores ingresos que el agrícola, en total y para hombres y mujeres. En promedio las personas del sector agrícola tienen mayor edad y menos educación que las del sector no agrícola. Hay algunas diferencias de edad entre hombres y mujeres pero no son estadísticamente significativas.
MODELO ECONOMÉTRICO
El modelo que utilizamos es el modelo de Mincer, que tiene la siguiente forma:
Donde y es un vector de ingresos laborales por hora3, X es una matriz de variables explicativas que incluye entre otras los años de educación y la experiencia potencial (edad menos años de educación menos 5) en forma cuadrática. Además, dependiendo de la ecuación que se estime, se incluyen dummies que identifican si la persona es mujer, trabaja en agricultura o es asalariada.
A veces se menciona la posibilidad de que este planteamiento tenga un sesgo de causalidad inversa, es decir, que la educación afecte los ingresos y que sea resultado de dichos ingresos (los bajos/altos niveles de educación se deben a los bajos/altos ingresos). Esta posibilidad no afecta las estimaciones de corte transversal, como las que se hacen aquí, porque la causalidad no es contemporánea, es decir, la educación depende de ingresos de periodos anteriores4. También se critica esta definición de experiencia, pero no hay otra forma de medirla y excluirla generaría sesgos mayores. ε un término aleatorio con las características usuales (independiente entre sí y de las variables en X, con valor esperado 0, varianza constante y distribución normal). Así, es posible estimar el modelo con el método de mínimos cuadrados. Pero, debido a los problemas que señala la literatura, no es el más apropiado. Uno de ellos es el sesgo de selectividad5, que se discute a continuación.
En general, aunque las muestras que se usan para estimar estas ecuaciones sean aleatorias, la sub-muestra de trabajadores que se usa para estimar la ecuación de Mincer no lo es porque han decidido participar en el mercado laboral a través de un proceso que no es aleatorio6. Como muestra Heckman (1979), esta falta de aleatoriedad equivale a no incluir una variable relevante en la ecuación) y puede llevar a estimaciones sesgadas de los coeficientes del vector β.
La corrección que propone Heckman consiste en estimar la probabilidad de que una persona esté en la sub-muestra a partir de una serie de variables explicativas, y con esa probabilidad calcular una nueva variable λ (inverso de la tasa de Mill7) que se incluye en la ecuación de Mincer. Así, la ecuación (1) se convierte en:
Donde p es un estimador de la covarianza entre los errores de la función de ingresos y de la probabilidad de participación, normalizada por la varianza de los errores de esta última. Es fácil estimar la ecuación (2) usando los paquetes estadísticos más comunes.
En algunas estimaciones el problema de selectividad es más complejo, como en la elección de actividad en el sector (agricultura o no agricultura), que puede ser sistemática y no aleatoria. En este caso tenemos un doble problema de selectividad: uno relacionado con las decisiones de participación laboral y el otro con la elección de la rama de actividad económica8, y se manejó de la siguiente manera:
Donde Φ(zi) es la función de probabilidad de trabajar en el sector agrícola dado que se decidió en el mercado laboral, y Φ es la función de densidad correspondiente.
Además, se estimaron regresiones cuantílicas para obtener más información sobre los aspectos distributivos de la educación y las posibles heterogeneidades de la población y del mercado laboral en los sectores agrícola y no agrícola. Este tipo de regresiones tiene problemas de selectividad semejantes y se corrigieron en forma similar, con algunas diferencias; la principal es que los procesos de selectividad no necesariamente tienen distribución normal. En general, no hay una distribución definida.
Para simular procesos de selectividad, la literatura recomienda utilizar métodos no paramétricos o semi-paramétricos9, a partir de los cuales se puede estimar λ como en la ecuación (3) y añadirlo como variable (algunos aconsejan formas cuadráticas o de orden superior) en las ecuaciones de ingreso. En este trabajo se usaron varios de estos métodos, pero los resultados no eran aceptables porque sus predicciones eran muy diferentes de las observadas, como en el caso de la tasa de participación laboral. Por ello, después de muchos intentos, se utilizó la corrección de Heckman ya mencionada. El hecho de basarse en métodos paramétricos puede ser una limitante de los resultados de los modelos cuantílicos que se presentan más adelante.
RESULTADOS DEL MODELO MINCERIANO
El modelo (1) se estimó para todo el sector rural y para los subsectores agricultura y resto; tanto para el total de la población ocupada como para hombres y mujeres por separado.
En los apartados siguientes se presentan los resultados de estimar las ecuaciones corregidas la selectividad simple relacionada con la participación laboral. Por limitaciones de espacio, se omite la presentación de los resultados sin corrección de selectividad.
Resultados con corrección de selectividad simple
Los resultados se resumen en los cuadros 3, 4 y 5, que presentan tres versiones de las estimaciones. En cada estimación hay dos ecuaciones: 1) la de participación, que se usó para estimar la selectividad (cuya variable dependiente es part, igual a 1 si la persona participa y 0 en caso contrario) y; 2) la de ingresos (cuya variable dependiente es el logaritmo del ingreso laboral por hora). Un breve análisis de las ecuaciones de participación se presenta en el anexo, el cual se incluye en la página web de la revista. Aquí nos concentramos en las ecuaciones de ingreso.
Efecto de la educación
El coeficiente asociado a la educación se suele interpretar como una medida de la tasa de retorno a la inversión en educación10, pero aquí se interpreta como el efecto marginal (porcentual) de un año adicional de educación. Según el cuadro 3, este efecto es del 7,14% inferior al que encuentran estudios similares del sector urbano11. Cuando se separan hombres y mujeres, este efecto marginal es mucho menor para los hombres (5,6%) que para las mujeres (9%).
Efecto de la experiencia
Como se indicó, la experiencia se calcula restando los años de educación formal a la edad de la persona y restando 5 al resultado (según la literatura, las personas inician su educación a los 5 años, en promedio). Así, lo que se mide es la experiencia potencial y no la experiencia efectiva en una actividad, y puede no ser comparable la situación de hombres y mujeres. Pues debido a las interrupciones de la participación laboral de las mujeres por diversas razones (como la crianza de hijos), un número de años de experiencia potencial puede reflejar diferentes niveles de experiencia real (no observable) para hombres y mujeres. Esta es una de las razones para presentar resultados separados de hombres y mujeres.
La gráfica 1 muestra que la experiencia tiene efectos marginales decrecientes, es decir, cada año adicional aumentar menos los ingresos que el anterior12, y permite observar el punto donde el efecto de un año adicional de experiencia deja de contribuir al ingreso13. Aunque es difícil comparar hombres y mujeres, en ambos casos el efecto marginal es decreciente, aunque disminuye más rápidamente en el caso de los hombres. Esta diferencia puede obedecer al problema de medición ya mencionado o reflejar factores no fácilmente observables.
Diferencias por género
El cuadro 3 muestra que -controlando por educación, experiencia y participación laboral- en promedio, la brecha de género en ingresos por hora está entre el 26% y el 30% (contra las mujeres). Sin embargo, el hecho de que los efectos marginales de la educación sean mayores para las mujeres indica que quizá la brecha disminuya cuando aumenta el nivel educativo de los trabajadores.
Otros efectos
Trabajar en la agricultura o fuera de ella y ser o no ser asalariado contribuyen a explicar los ingresos en el sector rural. Los resultados muestran hechos interesantes. Por ejemplo, trabajar en la agricultura reporta menos ingresos (otras cosas iguales) a los hombres (entre un 5 y un 6% menos) que trabajar fuera de la agricultura. Para las mujeres sucede lo contrario: trabajar en la agricultura reporta un 14% más de lo que obtendrían fuera de la agricultura. Ser asalariado reporta un ingreso mayor que no ser asalariado (38% más para los hombres y 52% más para las mujeres). Esto no es sorprendente porque el trabajo asalariado quizá está asociado con mayores niveles de formalidad en empresas con una organización más empresarial cuyo propósito no es la sobrevivencia de las personas sino la maximización de ganancias.
También es interesante que cuando se introduce la variable de asalariados el coeficiente de la educación disminuye visiblemente (más de un punto porcentual). Esto indica que la posición ocupacional, en especial ser trabajador por cuenta propia, tiene efecto sobre los ingresos (observados) de la población.
Como ya se comentó, es posible que ni la elección de sector (agricultura o no agricultura), ni la de posición ocupacional (asalariado o no asalariado) sean decisiones aleatorias. Tal vez cada una de ellas sea resultado de procesos de selección que de no tenerse en cuenta sesguen las estimaciones. En lo que sigue intentamos resolver el primer problema: Nada se hizo sobre el segundo14.
Resultados con corrección del doble sesgo de selectividad
Como ya se explicó, la participación laboral y la elección de sector económico son decisiones que los trabajadores tal vez no tomen en forma aleatoria. Esto implica que la estimación del ingreso que obtienen en la agricultura o fuera de ella se basa en muestras que no son totalmente aleatorias y que se debe hacer una corrección adecuada para que los resultados no sean sesgados, y para ello empleamos el método de Heckman que ya se comentó. En esta parte presentamos los resultados de dichas estimaciones, que se resumen en los cuadros 4 (Agricultura) y 5 (Resto)15. Como en estas estimaciones se usa una versión diferente del método utilizado en las estimaciones del cuadro 3, no aparece la probabilidad de elegir el sector correspondiente, pero aparece la variable invmill (inverso de la tasa de Mill) que mide el efecto de las variables omitidas (que explican las decisiones de elección de sector)16.
Efecto de la educación
Los resultados confirman dos cosas que ya se habían observado:
En suma, el bajo efecto de la educación sobre los ingresos rurales se debe a la agricultura debido, como ya se señaló, a problemas de falta de factores complementarios, y a que las posibilidades de trabajo asalariado puro son muy pequeñas.
Efecto de la experiencia
También se confirman los rendimientos decrecientes de la experiencia de hombres y mujeres, en la agricultura y en el resto del sector rural. Pero una diferencia importante, que se ilustra en la gráfica 2 (agricultura) y en la gráfica 3 (resto), es que en el sector agrícola los rendimientos marginales de las mujeres descienden muy suavemente (son casi planos), y en el resto de manera muy pronunciada.
Brechas de género
Igual que en las estimaciones anteriores, si lo demás es igual, los hombres ganan más por hora que las mujeres. Esta brecha es del 12% al 16% en el sector agrícola y mucho mayor (del 28% al 30%) en el resto, el sector que proporciona más empleo femenino. El hecho de que en todos los sectores los efectos marginales de la educación sean mayores para las mujeres (en especial fuera de la agricultura) implica que estas brechas quizá se reducen cuando aumenta el nivel educativo.
Otros efectos
Se confirma que ser asalariado reporta un ingreso mayor para las mujeres que para los hombres y más alto en el resto del sector rural que en la agricultura. Como ya se dijo, esto obedece a que las actividades asalariadas se realizan en unidades productivas modernas de alta productividad y con mayor nivel de formalidad.
MODELO DE REGRESIÓN CUANTÍLICA
Aunque los modelos anteriores aportan valiosa información sobre el funcionamiento del mercado laboral y el papel de la educación en el sector rural, los resultados se basan en promedios generales, que no reflejan adecuadamente la distribución y la heterogeneidad de los trabajadores. Para complementar los resultados del modelo minceriano se pueden estimar regresiones cuantílicas que hacen posible estimar parámetros para los percentiles de la distribución del ingreso laboral por hora (Cameron y Triverdi, 2009, pp. 211-234).
Para corregir los problemas de selectividad ya mencionados se usaron modelos no paramétricos o no semi-paramétricos, como recomienda la literatura, pero no produjeron resultados satisfactorios. Además de consumir mucho tiempo de computador, sus predicciones eran muy diferentes de lo que era razonable esperar17. Por ello se utilizó el mismo método de la ecuación (3), que ofrece resultados razonables. Los resultados detallados de dicho ejercicio se presentan en el anexo (cuadros A3, A4, A5 en versión electrónica) y se discuten brevemente a continuación. Se estimaron modelos para los percentiles 25, 50 (mediana) y 75, que son comparables a los que se presentan en los cuadros 3 a 5. Las regresiones cuantílicas confirman los resultados del modelo minceriano; en lo que resta de esta sección, resumimos esos resultados.
Educación
En el conjunto del sector rural, el efecto marginal de la educación aumenta con el percentil de ingresos, es decir, un año adicional de educación es más útil cuanto mayor sea el nivel de ingreso de la persona. Tanto para la muestra total como para hombres y mujeres.
Se confirma que, en general, los efectos marginales de la educación son mayores fuera de la agricultura. Aunque esto parece deberse al efecto entre las mujeres porque entre los hombres esos efectos son muy pequeños (y no significativos) fuera de la agricultura, con excepción del percentil 75.
Experiencia
Los retornos marginales decrecientes de la experiencia se mantienen, pero para cada nivel el efecto marginal aumenta con el percentil de ingreso. En otras palabras, la contribución de la experiencia al ingreso por hora de las personas aumenta con su nivel de ingreso. Este resultado se ilustra en la gráfica 4.
Otros efectos
Las brechas de género siguen siendo desfavorables para las mujeres, pero disminuyen a medida que aumenta el percentil, es decir, son menores en los niveles de ingreso altos. Los resultados sugieren que en el percentil 75 la brecha de género desaparece en la agricultura, puesto que no se puede rechazar la hipótesis de que las diferencias son iguales a 0. El margen que reciben los asalariados disminuye a medida que aumenta el percentil, pero es significativo aún en los percentiles altos. En los cuadros 6 a 8 se resumen los principales resultados.
Los resultados obtenidos se pueden resumir en los siguientes puntos:
La educación contribuye más al aumento del ingreso laboral (mayor efecto marginal) en el caso de las mujeres que en el de los hombres.
Las regresiones cuantílicas indican que el efecto marginal de la educación aumenta con el nivel de ingreso. Para los hombres, en la agricultura el 25% de menor ingreso tiene un efecto marginal de la educación igual a 0 (es decir, la educación no aumenta el ingreso de los más pobres).
La brecha de género disminuye con los niveles de ingreso, especialmente en la agricultura donde es 0 para el percentil 75.
Estos resultados muestran que en el mercado de trabajo rural hay un alto grado de heterogeneidad, de modo que los efectos de políticas sociales como la educación tienen resultados muy diversos dependiendo de los grupos y sectores en los que se focalicen. Quizá la educación no está reduciendo las diferencias sociales en el sector rural, sino todo lo contrario: acentúa las diferencias (beneficia más a los que tienen mayor ingreso).
Cabe preguntar entonces, ¿cuál es la razón para que la contribución de la educación y el capital humano sea tan baja? La respuesta supera el propósito de este trabajo (medir la contribución), pero una hipótesis es que obedece a la falta de otros factores que potencien el efecto de la educación: infraestructura, asistencia técnica, suficiente acceso a la tierra, capital, etc. Una implicación de política es que sin la provisión de esos factores complementarios, el aumento del gasto en educación quizá no mejore mucho las condiciones de vida en el sector rural.
NOTAS
1 En realidad lo que se estima a partir de ecuaciones de Mincer (tasas de retorno mincerianas) no son tasas de retorno propiamente dichas porque no incluyen los costos directos y de oportunidad de los procesos educativos. Hoy se tiende a no usar la expresión "tasas de retorno" para este tipo de estimaciones, pero en nuestro medio aún se usa y por ello lo usamos aquí.
2 La definición de ruralidad de la Misión es más amplia que la de las encuestas de hogares; clasifica el territorio en cuatro grupos: 1) Ciudades y aglomeraciones (12 ciudades principales capitales departamentales y 14 nodos regionales), 2) Ciudades intermedias (más de 25 mil habitantes con alta densidad de población, 3) Municipios rurales (cabeceras pequeñas con densidad de población intermedia y 4) Rural disperso (cabeceras pequeñas y baja densidad). La definición que aquí se utiliza incluye las dos últimas categorías. La población rural y el número de trabajadores estimado por la Misión son mayores que los del Dane: 1,5 millones de trabajadores más. Para una discusión de las diferencias y efectos del cambio de definición, ver Tenjo y Jiménez (2015).
3 Puede ser ingreso de salarios o ganancias según la definición del Dane.
4 Este problema generalmente se presenta en paneles largos.
5 Hay otros problemas que no podemos corregir, como la falta de indicadores de la calidad de la educación de los trabajadores y las habilidades que afectan su productividad. Por ello suponemos que su efecto es captado e y que no está correlacionado con las variables explicativas.
6 Suponemos que el desempleo no es importante en la autoselección de los trabajadores.
7 La relación entre la función de densidad y la probabilidad de participar de cada trabajador.
8 Se podría pensar incluso en una triple selectividad: 1) participar o no en el mercado laboral; 2) dado que se decide participar, hacerlo en el sector rural o en el urbano, y 3) si se escoge el sector rural, trabajar en agricultura o fuera de ella. Para que el análisis sea manejable suponemos que la decisión de vivir (y trabajar) en el sector rural o en el urbano es de largo plazo, y no afecta la decisión de corto plazo de trabajar en la agricultura o fuera de ella..
9 Ver Buchinsky (2001). Otra opción es utilizar métodos semi no-paramétricos como en De Luca (2008).
10 Aunque esta interpretación es ampliamente difundida en la literatura, se basa en supuestos que no necesariamente se cumplen (como el de que la educación es gratuita).
11 En un estudio de próxima publicación, Tenjo, Alvarez, Gaviria y Jiménez encuentran que el efecto marginal de la educación en el sector urbano es de un 10%.
12 El efecto marginal se calcula como la derivada de la función de ingresos, y como la experiencia tiene forma cuadrática, la derivada depende del valor de la experiencia.
13 Es sorprendente la diferencia entre hombres y mujeres y no hay una hipótesis para explicarla. Se requiere más investigación.
14 La introducción de procesos de selección adicionales complica extremadamente el análisis de los problemas y requiere más esfuerzo teórico.
15 Se presentan los mejores en opinión de los autores. Se estimaron otros resultados que están a disposición de los lectores que los soliciten.
16 Las ecuaciones de probabilidad de participar en el mercado y de escoger los sectores agrícola y no agrícola se presentan en el anexo que se publica en la página web de la revista.
17 Por ejemplo, las tasas promedio de participación estimadas eran superiores al 80%, muy superiores a los niveles del 55% o el 60% que se observa en la realidad.
REFERENCIAS BIBLIOGRÁFICAS
Buchinsky, M. (2001). Quantile regression with sample selection: Estimating women's return to education in the U.S. Empirical Economics, 26, 87-113.
Cameron, A. C. y Trivedi, P. K. (2009). Microeconometrics using Stata. College Station, Texas: Stata Press.
De Luca, G. (2008). SNP and SML estimation of univariate and bivariate binary-choice models. The Stata Journal, 8(2), 190-220, [http://www.stata-journal.com/sjpdf.html?articlenum=st0144].
Heckman, J. J. (1979). Sample selection bias as a specification error. Econometrica, 47(1), 153-161.
Jaramillo J., C. y Romero, C. A. (2000). Integración en el mercado laboral colombiano: 1945-1998. Borradores de Economía, 148, [http://www.banrep.gov.co/es/borrador148].
Judge, G. G. et al. (1980). The theory and practice of econometrics. Nueva York: John Wiley & Sons.
Leibobich, J. et al. (1997). El empleo en el sector rural colombiano - ¿Qué ha pasado en los últimos años? ¿Qué se puede prever? Bogotá: DNP.
Leibovich, J. et al. (2006). Caracterización del mercado laboral rural en Colombia. Borradores de Economía, 408.
Tenjo G., J. y Jiménez, M. C. (2015). Mercado laboral en el sector rural colombiano. Informe para la Misión para la Transformación del Campo. Bogotá: DNP.
Tenjo G. et al. (2007). Algunos aspectos del funcionamiento del mercado laboral en el sector rural. Bogotá: DNP.
ANEXO
ECUACIONES DE SELECTIVIDAD
Puesto que pueden existir sesgos de selectividad en la participación en el mercado laboral y en la elección de sector estimamos las probabilidades de participación laboral y de selección de sector (corregidas por participación). Para ello utilizamos modelos probit. Aunque el propósito principal era corregir los problemas de estimación, los resultados son interesantes en sí mismos y los analizamos en este anexo.
1. PROBABILIDAD DE PARTICIPACIÓN
Para que se observe que una persona trabaja en el sector rural esta tiene que haber decidido participar en el mercado laboral. La teoría indica que esta decisión se toma comparando el salario del mercado y el salario de reserva, que mide el valor que dicha persona le asigna a su tiempo. Si el salario del mercado es mayor que el de reserva, decide participar en el mercado. De lo contrario, se abstiene de hacerlo.
Sin entrar en detalles, aquí se postula que esa decisión se puede expresar, en forma reducida, mediante un modelo donde la probabilidad de participar depende de características como la edad, el estado civil, la posición familiar (jefe o no jefe), el sexo y los recursos que se tienen para vivir sin trabajar (no necesariamente propios, sino también de la familia). Estos últimos se miden a través del ingreso de la familia, excluyendo el ingreso laboral de la persona observada.
Los resultados de las estimaciones se presentan en el cuadro A1. Las principales conclusiones son las siguientes:
Estar casado aumenta la probabilidad de participar para los hombres y la disminuye para las mujeres. Esto quizá refleje los roles sociales culturales de hombres y mujeres: los hombres producen los ingresos para sostener el hogar y las mujeres son las encargadas del cuidado. En igualdad de condiciones, el salario de reserva de los hombres es menor que el de las mujeres (que tienen más demandas de tiempo por su rol de cuidadoras) y, por tanto, los hombres tienen mayor probabilidad de participar.
Una variable muy importante en estos casos es el nivel de riqueza. La teoría económica predice que es un factor explicativo de la participación laboral. Se espera que el signo de esta variable sea negativo (mayor riqueza menor la probabilidad de participar porque es menor la necesidad de obtener ingresos laborales). Pero hay casos en los que el signo es positivo. La interpretación de este resultado es que la riqueza es un proxy del acceso a redes de contactos personales que facilitan el ingreso a los mercados laborales. Los resultados son consistentes con la interpretación tradicional e indican que cuanto mayor es el ingreso no familiar menor es la probabilidad de que se participe en el mercado laboral.
2. PROBABILIDAD DE TRABAJAR EN EL SECTOR AGRÍCOLA (CORREGIDA)
Cuando se estiman retornos a la educación rural diferenciando entre sectores agrícola y no agrícola existe el problema adicional de que las personas no solo deciden participar o no, sino también cuando participan y en qué sector. Esto plantea un problema de doble selectividad que, como ya se explicó, intentamos solucionar estimando la probabilidad de estar en la agricultura corregida por la probabilidad de participar, es decir, un modelo probit corregido por selectividad.
Los resultados de estas estimaciones se presentan en el cuadro A2. Como se dijo en el texto, se utilizó el método de Heckman, usando el comando heckprob de STATA. Cada estimación incluye dos ecuaciones: una de participación que mide la probabilidad de que las personas participen y la otra, es la probabilidad de estar en la agricultura dado que la persona participa. Las conclusiones que es importante resaltar son las siguientes:
3. RESULTADOS DETALLADOS DE LAS REGRESIONES CUANTÍLICAS
