Post on 16-Aug-2020
Retorno de las habilidades (cognitivas y no-cognitivas):
¿En cuánto se traduce una mejora del desempeño académico y de las habilidades
socio-emocionales en los niveles de ingreso de las y los jóvenes en México?
Eduardo Calderón Cuevas1
Candidato a Doctor en Economía Aplicada por la UAB
Resumen:
La estimación de los retornos a la educación utilizando años de escolaridad presenta una serie de
limitaciones metodológicas por lo que ha sido necesario buscar y establecer metodologías que
permitan evitar la serie de sesgos que en su estudio se presenta como los derivados de la existencia de
variables omitidas, por ejemplo la habilidad de los individuos. Para países en desarrollo como
México, es difícil contar con información que pueda captar en qué medida los jóvenes son capaces de
aplicar a situaciones del mundo real conocimientos y habilidades básicas como (comprensión lectora
y matemática), y a su vez, analizar si mejoras en el nivel de dominio de esas habilidades se traducen
en niveles salariales más elevados en las primeras inserciones laborales de los jóvenes.
Este ensayo es único en su tipo ya que logra conjugar información de pruebas académicas
estandarizadas como la Evaluación Nacional del Logro Académico en Centros Escolares (ENLACE)
con información laboral de jóvenes entre los 18 y 20 años; lo cual permite analizar el efecto marginal
de una mejora en el desempeño académico (aumento de una desviación estándar en el puntaje
obtenido) en el nivel salarial de los jóvenes egresados de la educación media superior de México. Se
encuentra que la habilidad lectora está más relacionada con las habilidades necesarias en los primeros
empleos de los recién egresados de la EMS que la habilidad numérica, al afectar positivamente el
ingreso por hora de los recién egresados. Si un joven logra incrementar su puntaje de habilidad
lectora en, por ejemplo, dos desviaciones estándar, su ingreso por hora se incrementará en 12.2%.
Asimismo, en esta investigación se explora el efecto de habilidades socio-emocionales (trabajo en
equipo, actitud de servicio, capacidad de negociación, toma de decisión y tolerancia a la frustración)
en el salario de este grupo poblacional. Se encuentra que tanto las habilidades cognitivas como socio-
emocionales son significativas y de magnitud similar para explicar las diferencias en el salario por
hora de los recién egresados de la EMS, este resultado es consistente con lo obtenido por Heckman,
Stixrud & Urzúa (2006).
1 Para cualquier observación por favor escribir al correo: eccfilos@gmail.com
Página 2 de 49
A. Introducción
El presente ensayo analiza el efecto que tienen las habilidades cognitivas, aproximadas por los
puntajes obtenidos en la prueba ENLACE y por el promedio de egreso de la Educación media
Superior (EMS), en el salario por hora que obtienen los jóvenes de 18 a 20 años que se incorporan al
mercado laboral una vez que han concluido el nivel medio superior.
En México, desde el 2006 se aplica la prueba estandarizada de Evaluación Nacional del Logro
Académico en Centros Escolares (ENLACE), para evaluar las competencias disciplinares básicas en
español y matemáticas de los estudiantes de educación básica (tercero a sexto de primaria),
educación media (todos los niveles de educación secundaria) y educación media superior (último
grado de bachillerato)2. Uno de los principales beneficios del uso de estas pruebas para medir los
conocimientos adquiridos en el sistema educativo, es que estas pruebas se utilizan a nivel nacional en
todos los planteles de educación pero principalmente, que son estandarizadas. Por esta razón, este
tipo de pruebas proveen de resultados confiables que se asume pueden interpretarse como una
medida acertada de la habilidad cognitiva de los estudiantes.
Al contar con variables que aproximan la habilidad cognitiva del individuo es posible controlar por el
posible “sesgo de habilidad” presente en las funciones de ingreso, sin embargo, al ser la escolaridad
una variable de elección relacionada con factores no observables, se prueba la robustez del efecto de
las habilidades cognitivas al utilizar una especificación de variables instrumentales (VI) que utiliza el
trimestre de nacimiento como fuente de variación exógena en los años de escolaridad.
Dentro de los principales resultados se tiene que la habilidad de comprensión lectora es significativa
para explicar las diferencias en el ingreso por hora de los jóvenes que recién se incorporan al
mercado laboral ya que un incremento de una desviación estándar (DE) en el puntaje está relacionado
con un incremento de alrededor de 6% en el salario por hora. Al controlar por la endogeneidad en
escolaridad, el efecto se incrementa casi al doble. Lo anterior significa que si un joven logra mejorar
su nivel de dominio de “elemental” a “excelente”, recibirá un incremento de aproximadamente $2.12
pesos en su salario por hora, lo cual, traducido a su ingreso anual representa un incremento de $4,409
pesos, es decir 10.6% más en el ingreso promedio anual de los jóvenes que tienen un nivel de
dominio elemental.
Destaca que no existen diferencias significativas por tipo de bachillerato cursado, es decir, estudiar el
bachillerato vocacional no representa una mayor ganancia en términos salariales, al menos en los
primeros trabajos de los recién egresados de la EMS, lo cual llevaría a replantear el tipo de educación
vocacional que actualmente existe en México, ya que el mercado laboral no está valorizando ese tipo
de formación aunque existe una gran necesidad por la misma desde el punto de vista de formación de
técnicos para incrementar la productividad nacional.
Además, en el presente estudio, también se analiza por primera vez el rol de las habilidades socio-
emocionales de los jóvenes, al contrastar su efecto en el ingreso en relación a las variables cognitivas,
lo cual aporta evidencia de la relevancia que tienen rasgos como el trabajo en equipo, la actitud de
servicio, capacidad de negociación, toma de decisión y tolerancia a la frustración en el desempeño
laboral.
2 Secretaría de Educación Pública, México: http://www.enlace.sep.gob.mx/que_es_enlace/
Página 3 de 49
En la especificación que incluye el puntaje cognitivo aproximado por el promedio de egreso de la
EMS y el puntaje de habilidades socio-emocionales, se tiene que una incremento de una DE en el
promedio de egreso se relaciona con un incremento de 3.2% en el salario por hora de los recién
egresados y un incremento de una DE en el puntaje socio-emocional se relaciona con un incremento
de 2.8% en el salario por hora, estos resultados prueban la relevancia de las habilidades
socioemocionales las cuales, son bastante similares al efecto de las habilidades cognitivas.
Este documento se organiza de la siguiente manera, en la sección B se presenta la revisión de
literatura, en la sección C se presenta la metodología empírica y el marco teórico, en la sección D la
descripción de la base de datos, en la sección E el análisis de resultados y en la sección F las
conclusiones.
B. Revisión de la literatura
A partir del desarrollo de la teoría del capital humano (Becker, 1964) se ha estudiado ampliamente la
relación existente entre el stock de capital humano individual y el desempeño laboral. La
contribución de Mincer (1974) ha marcado desde entonces la línea a seguir por las investigaciones
empíricas, en su trabajo establece la viabilidad de analizar una relación lineal entre el logaritmo de
los ingresos individuales (y) con los años de educación formal (S), con la experiencia potencial (X) y
un término cuadrático (X2)
Log y = α + β1S + β2X + β3X2 + µ (1)
Bajo esta especificación es posible conocer la tasa de retorno de un año adicional de educación
formal, ya que (β1) representa la variación porcentual en el ingreso ante un cambio unitario en los
años de educación. Dentro de los supuestos principales de este modelo están que el logaritmo de los
ingresos es lineal para todos los años de educación; que tanto el intercepto como el coeficiente
resultante de los años de educación sean constantes para todos los individuos; que la tasa de retorno
estimada sea la misma para todos los años de educación y que los perfiles de ingreso respecto a la
edad/experiencia no sean “planos” sino se comporten con un máximo y de forma decreciente
(Heckman, Lochner & Todd, 2003).
Cabe destacar que esta relación es resultado de un modelo teórico en el que se pretende explicar por
qué personas con diferentes niveles educativos reciben diferentes salarios. Este modelo se centra en
la dinámica del ciclo de vida, en la relación entre los ingresos observados, en las ganancias
potenciales y en la inversión en capital humano. (Heckman, Lochner & Todd, 2005). A través de los
años la función propuesta por Mincer entre educación e ingresos ha sido ampliamente probada, por
ejemplo, utilizando diferentes formas funcionales, diferentes medidas de educación3 y diferentes
medidas de ingreso.
En cuanto a la forma funcional, se han probado varias estrategias, por ejemplo, Psacharopoulos
(1995) propone estimaciones no paramétricas en las que, en lugar de incluir una variable continua de
años de educación, se incluye un conjunto de variables indicadoras por nivel educativo. El retorno se
calcula como el cociente entre el coeficiente de la variable indicadora y los años que le toman a un
3Los años de educación representan el stock de capital humano ya que como tal, es una variable latente, el objetivo es
aproximarla por alguna variable que la represente fehacientemente. Es en este punto donde recaen la mayoría de las críticas a la función de ingresos del capital humano (Hanushek & Woessman 2008)
Página 4 de 49
individuo cursar dicho nivel educativo, una desventaja de este método es que asume que los perfiles
de ingreso son “planos” en los diferentes niveles educativos.
En cuanto a las diferentes medidas de educación, un supuesto importante en la función de ingresos
propuesta por Mincer es que el logaritmo de los ingresos sea lineal a los años completados de
educación, y que estos a su vez, sean una medida consistente del stock de capital humano del
individuo, sin embargo, dicho stock puede ser aproximado por diferentes tipos de variables. Dentro
de la literatura se ha argumentado que las credenciales obtenidas por el individuo, tales como el
certificado de estudios terminado o diploma, tiene más peso que los años de educación cursados4. En
este sentido, Bellman & Heywood (1997) hallan que conforme se incrementa la experiencia, los
retornos a la señalización provocada por la credencialización tiende a reducirse, para ello utilizan un
modelo que incluye los años de escolaridad, la experiencia al cuadrado y dummies que indican si el
trabajador tiene 8 o más años de educación, 12 o más años de educación y 16 o más años de
educación, además permiten que el retorno educativo de cada año adicional de educación varíe según
el nivel completado5.En la misma línea, Jaeger & Page (1996) utilizando un modelo que incluye
dummies por cada año cursado y dummies por cada certificado obtenido, encuentran que el logaritmo
en los salarios predichos de los trabajadores con certificado universitario es 0.16 mayor que aquellos
que no lo obtuvieron.
En cuanto a las diferentes medidas de ingresos, la literatura se ha centrado usualmente en la forma
logarítmica, ya que utilizando esta transformación, los ingresos suelen aproximarse a una distribución
normal, además, la distribución de los salarios predichos para los distintos niveles de experiencia
suelen aproximarse a los salarios reales y por último, facilita la interpretación del coeficiente como
un cambio porcentual en los ingresos (Card, 1999).
Con tal de probar la relación lineal entre salarios y educación, Trostel (2005) estima los retornos para
12 países diferentes utilizando potencias adicionales tanto para los años de educación como para la
experiencia potencial (orden 3 en educación y orden 4 en experiencia). Compara la mejora en la
bondad de ajuste de incluir términos cuadrados o cúbicos en escolaridad respecto al modelo lineal,
concluye que para sus datos, la especificación cuadrática es la mejor, ya que asume rendimientos
decrecientes en la educación para los niveles más elevados. Además encuentra que un estimador
lineal de los años de educación subestima los retornos a los 12 años y sobreestima los retornos para
personas con bajos y altos niveles de educación. Cabe destacar que en sus conclusiones solo prueba
la hipótesis de no linealidad entre ingresos y educación, mas no verifica la magnitud ni significancia
estadística del estimador. En contraste a ese resultado, Card & Krueger (1992) prueban la linealidad
de los salarios con los años de educación mediante una estimación no paramétrica, sus resultados
para tres cohortes distintos muestran que el logaritmo de los salarios es lineal a los años de
escolaridad a excepción del intervalo de 15 a 16 años, concluyen que la linealidad se mantiene a
excepción de los primeros dos percentiles de la distribución de escolaridad.
Si bien la literatura ha utilizado diversos métodos para probar la pertinencia de la función de
ingresos, existen estudios con resultados más generales, uno de los más recientes es el realizado por
Montenegro & Patrinos (2014), en el que utilizan información de una base de datos sobre 139 países
4Este efecto es usualmente llamado Sheepskin, el cual asume que los individuos con mayor educación tienden a generar
mayores ingresos, no porque la educación incremente su productividad sino porque los “credencializa” como más productivos, va acorde con la idea de señalización (Hungerford & Solon 1986) 5 Introducen interacciones entre las variables dummy de años alcanzados y los años de educación
Página 5 de 49
y 819 bases de datos armonizadas en salario e ingreso6,utilizando la ecuación tradicional de Mincer,
encuentran que la tasa de retorno es usualmente positiva teniendo un valor promedio de alrededor de
10 puntos porcentuales por año; la tasa de retorno es usualmente mayor para mujeres que para
hombres, esto también sucede en economías de ingreso medio o bajo que en economías de ingreso
alto; los retornos son mayores para la educación terciaria, en relación a la obtenida en educación
primaria o secundaria; las tasas de retorno obtenidas de los diversos estudios empíricos han
disminuido paulatinamente en el transcurso del tiempo; y además, confirman la consistencia de la
especificación tradicional debido a la estabilidad de sus resultados ya que los retornos suelen estar
concentrados respecto a la media de su distribución.
En cuanto a los retornos educativos en México, Bracho & Zamudio (1994) estiman bajo la
especificación tradicional de Mincer los retornos en 1990 para México controlando por género y tipo
de localidad. Encuentran que la tasa de retorno es de 11.7%, cuando realizan la estimación mediante
dummies por nivel educativo encuentran los niveles educativos con mayor rendimiento son la
secundaria y la preparatoria. En este sentido Barceinas et al. (2001) estima los rendimientos
educativos para 1992, encuentra una tasa de retorno de 12.8% por año y que el nivel educativo con el
mayor retorno es la preparatoria, siendo mayor para las mujeres que para los hombres.
Como ya se mencionó anteriormente, el supuesto básico de la función de ingresos propuesta por
Mincer es que las variables explicativas sean independientes del término de error (µ), sin embargo
este supuesto suele ser bastante frágil, es decir, es posible que existan variables omitidas o no
observables que estén relacionadas de algún modo con la variable de ingresos y con los años de
escolaridad que tienen los individuos, lo cual brinda estimadores sesgados de la tasa de retorno
(Griliches, 1977).
Un ejemplo de este tipo de variables son los antecedentes familiares del individuo, tal como la
escolaridad de los padres y su ingreso, el número de hermanos y sus años de educación, etc., estas
variables pueden ser incluidas en la estimación como variables de control o como instrumentos.
Ashenfelter & Zimermman (1997) utilizan la escolaridad de los hermanos y del padre como variables
de control y como instrumentos de la escolaridad del individuo, encuentran que bajo el modelo de
MCO, los estimadores tienen un sesgo positivo por variables omitidas de aproximadamente 14%, al
corregir utilizando el estimador de variables instrumentales el estimador es alrededor de 8% mayor
que el de MCO.
Además de los antecedentes familiares, se han utilizado varios tipos de fuentes de variación exógena
para las estimaciones por variables instrumentales7, por ejemplo Angrist & Krueger (1991) utilizan el
trimestre de nacimiento (o su interacción) como variable instrumental asumiendo que es una variable
independiente del error y que su efecto en el ingreso es únicamente a través de la escolaridad de las
personas, muestran que los individuos que nacieron en los primeros trimestres del año, tienen en
promedio menor escolaridad que los que nacieron en los últimos trimestres debido a esquemas
institucionales. Encuentran que los estimadores por variables instrumentales son en promedio más
elevados que los estimadores MCO, aunque para algunas cohortes no hay diferencias significativas
6 La base de datos fue creada por el banco mundial mediante la Income Distribution Database (I2D2) el periodo de
estudio es de 1970 a 2013, aunque menos del 5% de las observaciones son del antes de 1990, menos del 25% son de antes del 2000 y el 75% de las observaciones son del periodo 2000 al 2013 7 Un resultado que es usual en las estimaciones por variables instrumentales, es que los estimadores obtenidos sean
mayores que los estimadores de MCO en alrededor de 30%, el porcentaje suele ser mayor si se utilizan instrumentos relacionados con los antecedentes familiares
Página 6 de 49
entre ambos métodos. Más adelante se analizará a mayor detalle la estrategia utilizada por ellos, la
cual es similar al a que se utiliza en la sección de variables instrumentales
Para el caso de México, Barceinas (2002) analiza la manera en que se modifican los estimadores por
MCO cuando se utilizan dos tipos de variables para instrumentar los años de escolaridad: variables
macroeconómicas y la escolaridad de los padres8. Encuentra que cuando utiliza las variables
familiares los estimadores por MCO se incrementan en casi 70%, además encuentra que la influencia
del padre suele ser mayor que la de la madre. Cuando utiliza las variables macroeconómicas como
instrumentos el estimador de escolaridad se incrementa 52%.
Otro tipo de sesgo que ha sido ampliamente estudiado en la literatura es el sesgo de habilidad, en el
que la habilidad innata del individuo esta positivamente relacionada con el número de años de
educación y a la vez, esta positivamente relacionada con el salario que obtiene el individuo, por lo
que se tiende a sobreestimar la tasa de retorno. De acuerdo con Bound & Solon (1999) el sesgo de
habilidad depende de la fracción de la varianza de la escolaridad que es explicada por la varianza de
la habilidad no observada que también afecta los salarios del individuo.
La crítica principal es la dificultad para encontrar una medida que represente adecuadamente la
habilidad innata de los individuos. Una estrategia para manejar el sesgo por habilidad es comparar a
grupos homogéneos tanto en sus antecedentes familiares como en sus características genéticas, por lo
que cualquier diferencia en los ingresos es atribuible a diferencias en los años de escolaridad, por
ejemplo, estudios entre hermanos gemelos.
Ashenfelter & Rouse (2000) utilizan una muestra de 700 parejas de hermanos gemelos, con la misma
carga genética y antecedentes familiares, con la que contrastan las diferencias salariales con las
diferencias en educación para tratar de aislar el efecto causal de la escolaridad en los ingresos,
obtienen que la tasa de retorno de un año adicional de educación es del 9% y que el retorno es
ligeramente mayor para los individuos con menor habilidad, por lo que la escolaridad tiende a
compensar las diferencias individuales, además, encuentran que individuos con mayores niveles de
habilidad reciben un poco más de educación (evidencia de la correlación positiva entre habilidad y
escolaridad), por lo que los estimadores de retornos están ligeramente sesgados si se omite la variable
de habilidad en la especificación, sus resultados muestran que los individuos con mayor habilidad
obtienen mayor escolaridad no por sus beneficios marginales sino porque sus costos marginales son
menores.
Otra manera de resolver el sesgo de habilidad y en la que se centra principalmente este trabajo, es
incluir dentro de las estimaciones una variable que represente la habilidad del individuo, ya que
acorde a la expectativa sobre la correlación positiva entre el nivel de habilidad y el nivel educativo,
incluir esta variable al modelo reducirá el sesgo en el retorno educativo.
Murnane et al. (1995) Analizan la manera en que las habilidades numéricas medidas al salir de la
educación media superior y los años completados de educación superior afectan los salarios de los
jóvenes cuando tienen 24 años9, en sus estimaciones corrigen por el probable error de medición en el
score de habilidad numérica y en los años completados de educación. Encuentran que, sin incluir la
variable proxy de habilidad, cada año de educación superior incrementa el salario en 4.5% para los
hombres y para las mujeres el incremento es de 6.7%, argumentan que sus estimadores son entre 35%
8 En particular utiliza el PIB real per cápita a los 6 años del individuo y el gasto en educación per cápita a los 6 y 12 años
del individuo, como escolaridad de los padres utiliza una indicadora si el padre o la madre tiene al menos primaria 9 Esta pregunta la aplican para dos cohortes distintos, graduados en 1972 y 1980
Página 7 de 49
y 45% menores a los encontrados en la literatura debido a que los graduados de la muestra tienen
menos de dos años en el mercado laboral y no han transitado lo suficiente a lo largo de su perfil de
ingresos10. Cuando incluyen la variable de habilidad, el estimador de años de educación superior se
reduce 52% para los hombres y 43% ´para las mujeres.
Hanushek & Zhang (2006) analizan cómo cambian los retornos bajo la especificación de Mincer
cuando se utiliza una variable que aproxima la habilidad cognitiva de los individuos. Utilizando la
especificación tradicional11 encuentran que el promedio de los retornos es 6%, siendo EUA el país
con el mayor de ellos con 10.5%. En su estudio también encuentran que la correlación entre el nivel
educativo y el nivel de habilidad es mayor en los cohortes más jóvenes que en los cohortes con
mayor edad, por lo que analizan los retornos controlando por la calidad de la educación a través del
tiempo, para ello construyen una medida de años de educación ponderada por los años de educación
del cohorte más joven12, los resultados de esta segunda especificación incrementan los retornos en
15%. Una vez que se incluye en las estimaciones el score normalizado de comprensión lectora como
medida de habilidad cognitiva, los retornos caen para todos los países, siendo el mayor descenso en
EUA (con 24%). Cabe destacar que en todas las especificaciones que incluyen medidas de habilidad,
el coeficiente es significativo y positivo, del orden de 12% en promedio por cada desviación estándar
de incremento.
La presente investigación busca presentar evidencia sobre la relación positiva y significativa entre la
habilidad cognitiva y el nivel de ingreso obtenido por los jóvenes egresados de la educación media
superior en sus primeros empleos, sin embargo, es importante mencionar que quizá el efecto de la
habilidad cognitiva en el salario no sea el mismo para todos los grupos de edad que componen el
mercado laboral, en especial, entre aquellos que apenas se incorporan y aquellos que están por
alcanzar la cima de su perfil de ingreso, Wilk & Sackett (1995) encuentran que los individuos con
mayor habilidad cognitiva tienden a “gravitar” a ocupaciones más complejas conforme aumenta su
experiencia en el mercado laboral, por lo que el efecto de las habilidades en el trabajo será cada vez
mayor13
Hanushek et al. (2014)14 analizan los retornos de 3 tipos de habilidades cognitivas: habilidad lectora,
habilidad numérica y la habilidad para resolver problemas en ambientes ricos en tecnología15
utilizando la siguiente especificación.
Log y = α + β1C + β2X + β3X2 + β4G + µ (2)
Donde “y” es el ingreso por hora, “C” es el score normalizado de la habilidad cognitiva, y “X” son
los años de experiencia16. Los resultados que obtienen no son interpretados como tasas de retorno ya
que se desconoce el costo directo de adquirir cada nivel de habilidad no cognitiva. Encuentran que
utilizando los 3 tipos de score, un incremento en una desviación estándar en la habilidad numérica
10 Asumen que el perfil de ingresos de los más educados tiende a tener una mayor pendiente 11 Utilizan la International Adult Literacy Survey (IALS) de la OECD que contienen información a nivel individuo para 13 países. En el análisis incluyen individuos de 26 a 65 años que trabajaron tiempo completo durante los 12 meses anteriores a la encuesta, en sus estimaciones controlan por género, experiencia potencial y su potencia y por tipo de localidad 12 un ponderador mayor a uno indica que la calidad de ese cohorte es mayor que la calidad del cohorte base de 26 a 35 años 13 En este punto se encuentra el debate entre los dos modelos principales que tratan de explicar la manera en que las personas elijen las ocupaciones a lo largo de su vida laboral y la manera en que la habilidad del individuo define estas ocupaciones, Jovanovyc & Nyarco (1996) exponen los dos modelos principales, el modelo Bandit y el modelo Stepping Stone 14 Utilizan información del Programme for the International Assessment of Adult Competencies (PIAAC) disponible para 22 países 15 Se basan en una función similar a la minceriana con el logaritmo del ingreso por hora como variable dependiente, con la diferencia de que en lugar de aproximar el stock de capital humano por los años de educación, utilizan el puntaje estandarizado en las habilidades cognitivas e incluyen el género como variable adicional de control 16 Prueban que los resultados se mantienen al utilizar la experiencia actual o la experiencia potencial.
Página 8 de 49
incrementa 7.8% el salario por hora y un incremento en una desviación estándar de la habilidad
lectora resulta en un aumento del 7.6% en el salario17. Uno de los principales hallazgos es que los
retornos a las habilidades para los trabajadores de 25 a 24 años son alrededor de 6 puntos
porcentuales menores que los retornos para los trabajadores de 35 a 54 años, este resultado sustenta la
idea de que a la empresa le toma algún tiempo identificar las diferencias relevantes entre
trabajadores, en este sentido también citan la idea propuesta por Haider & Solon (2006) quienes
plantean que solo los ingresos obtenidos entre los 30 y los 50 años son un buen proxy de los ingresos
del ciclo de vida.
El trabajo de Yamauchi (2015) prueba para Filipinas el efecto que tienen los años de escolaridad y la
habilidad cognitiva (aproximada por dos score normalizados, uno de habilidad verbal y uno de
habilidad numérica) en el logaritmo del salario mensual y en su tasa de crecimiento, como controles
adicionales incluye la experiencia real en años, el tiempo de duración del primer empleo, dummies
por escuela y por localidad, además de una serie de interacciones para verificar la complementariedad
del efecto entre las variables, la estructura de sus datos le permite controlar por no observables
constantes en el tiempo. Encuentra que los retornos educativos en el primer trabajo son alrededor de
10% menores que los retornos en el trabajo más reciente, sin embargo, no encuentra evidencia
significativa del efecto directo de las habilidades cognitivas en la tasa de crecimiento del salario.
En un esquema similar Blackburn & Newmark (1991) utilizando información sobre jóvenes de la
NLSYC7918, estiman la importancia de incluir variables proxy de la habilidad cognitiva para estimar
su efecto en los salarios19 .En su estudio utilizan dos tipos de variables dependientes, el salario de
ingreso al mercado laboral, generalmente recibido en los primeros empleos y el salario recibido
después de los primeros 6 años. En sus especificaciones controlan por la posible endogeneidad del
score de habilidad, de la experiencia y de los años de educación utilizando instrumentos sobre los
antecedentes familiares. Cabe destacar que en sus estimaciones diferencian por tres tipos de variables
de habilidad, aquellas que representan habilidades académicas, aquellas que son habilidades no
académicas y una variable que aglutina ambos tipos20
Encuentran que cuando utilizan la variable de habilidad que aglutina ambos tipos, el efecto en el
salario es positivo y significativo, siendo 3 veces mayor en los salarios de ingreso (0.16) que en los
salarios después de 6 años en el mercado laboral (0.05), este resultado contradice los hallazgos
presentados anteriormente en donde el efecto de la habilidad en el salario tiende a incrementarse
conforme avanza el tiempo que pasa el individuo en el mercado laboral. Este mismo patrón sucede
cuando utilizan la variable de habilidades no académicas (0.17 y 0.09). Cuando utilizan la variable de
habilidades académicas no encuentran resultados significativos en el ingreso. Sobre el sesgo de
habilidad encuentran que cuando incluyen alguna variable de habilidad el coeficiente de años de
escolaridad se reduce 13% en promedio.
Si bien, los resultados que afirman que el efecto es menor en los primeros empleos también hay
evidencia sobre una tendencia decreciente conforme se incrementa la experiencia del individuo. La
17 Además, encuentran que los retornos son menores en países con mayor densidad de sindicatos y leyes laborales menos flexibles. Sus resultados son robustos a distintas variables de ingresos, controles adicionales y distintos subgrupos. 18 Es la National Longitudinal Survey Youth Cohort de EUA , en donde se recoge información sobre jóvenes de 14 a 22 años en 1979 y se re entrevistan año con año 19 Utilizan el score obtenido en 10 pruebas de habilidad aplicados en el Armed Services Vocational Aptitude Battery (ASVAB): las áreas del test son :aritmética, ciencias, matemáticas, vocabulario, comprensión lectora, comprensión mecánica, operaciones numéricas, electrónica; generación de información y velocidad de decodificación 20 Los test académicos son :comprensión lectora, vocabulario, matemáticas, aritmética y ciencias , los test no académicos son : comprensión mecánica, operaciones numéricas, electrónica, y generación de información, la clasificación sigue a Bishop (1990)
Página 9 de 49
presente investigación pretende fortalecer dicho debate al estimar los retornos a las habilidades
cognitivas de los jóvenes que se incorporan al mercado laboral una vez terminada la educación media
superior.
Otro punto relevante en el análisis es verificar de qué forma el tipo de educación que se recibe en la
educación media superior condiciona la manera en que el nivel de habilidad afecta el ingreso de los
jóvenes en el mercado laboral, en la literatura, esta relación no ha sido explorada como tal, sin
embargo, sí se ha analizado el efecto de la escolaridad en el salario según el tipo de educación,
aunque sin arrojar resultados concluyentes, Kézdi (2006) afirman que el tipo de habilidades obtenidas
en la preparación vocacional, las cuales suelen ser bastante específicas para ciertas ocupaciones,
tienden a volverse obsoletas en función de la tasa de desarrollo tecnológico, por lo que los ingresos
de los egresados tienden a decrecer en el tiempo. Afirman que estos cambios, no suelen afectar las
labores menos calificadas en el sector de servicios, pero sí a las del sector manufacturero
Dearden et al. (2000) Analizan para Inglaterra el impacto de las certificaciones académicas y
vocacionales en el ingreso utilizando un modelo de matching que controla por la endogeneidad del
nivel educativo al hacerlo dependiente de variables observables, cabe destacar que en sus
estimaciones también controlan por la habilidad del individuo a los 7 años de edad. Encuentran que
los retornos a las certificaciones académicas son generalmente mayores que el retorno de las
certificaciones vocacionales, los retornos a las certificaciones académicas no difieren
significativamente entre individuos de alta y baja habilidad cognitiva, pero, los retornos a las
certificaciones vocacionales son significativamente mayores para los individuos con bajo nivel de
habilidad cognitiva.
Para América Latina, Psacharopoulos & Ng (1992) realizan una comparación a nivel macro de los
retornos educativos a inicio de los 90´s utilizando el método elaborado según el tipo de bachillerato
(general o vocacional), solo en 4 de 11 países21, los egresados del bachillerato general tienen
mayores retornos que los egresados del bachillerato vocacional, para México el retorno al
bachillerato general es 15.1% y para el bachillerato vocacional es 15.8%.
Los resultados anteriores son relevantes para el presente trabajo, ya que se analiza la relación entre
habilidad cognitiva e ingresos tomando en cuenta el tipo de bachillerato del individuo tanto para el
bachillerato general como para los egresados de bachillerato tecnológico y profesional técnico.
Adicionalmente, si bien existe evidencia sobre la importancia que tiene la habilidad cognitiva en los
salarios, actualmente existe un gran debate sobre la importancia de las habilidades no cognitivas en
este proceso. Estudios previos como el de Bowles & Gintis (1976), Klein et al. (1991) brindan
evidencia de que ciertos tipos de habilidades no cognitivas son premiadas en el entorno laboral. Un
ejemplo más reciente es el elaborado por Heckman, Stixrud & Urzúa (2006), los autores contrastan el
efecto que tienen tanto las habilidades cognitivas como las no cognitivas en todas las condiciones del
mercado laboral e incluso en decisiones posteriores de educación. Utilizan la Encuesta Panel de los
Jóvenes de EUA de 1979 y la Encuesta de Habilidades del Ejército. Utilizan un modelo de variables
latentes y estimaciones no paramétricas, similares a un método de emparejamiento ya que asumen
que la escolaridad es una variable endógena al modelo, asumen que ambos tipos de habilidades son
independientes ya que la correlación entre ambas es menor a 0.20 y se reduce cuando se controla por
antecedentes familiares. Encuentran que sin controlar por escolaridad, la habilidad cognitiva explica
el 9% de la varianza en los salarios y la habilidad no cognitiva explica el 0.9%, sin embargo, cuando
21 Los países analizados son Argentina Bolivia, Chile, costa Rica, República Dominicana, Honduras, México, Panamá, Perú, Uruguay y Venezuela.
Página 10 de 49
se analiza el efecto de moverse a lo largo de la distribución en ambos tipos de habilidades, las
habilidades no cognitivas son igual o más relevantes según la variable de resultado, además, el efecto
de las habilidades no cognitivas es ligeramente menor en los hombres que en las mujeres.
Otro estudio que resalta la importancia de las habilidades no cognitivas en el desempeño laboral es el
realizado Bowles & Gintis (2002), en donde después de revisar 24 estudios diferentes en el periodo
de 1960 a 1995 encuentran que la variación en la bondad de ajuste, después de incluir una medida de
habilidad cognitiva, no rebasa el 0.04, por ello, aseguran que debe haber otro tipo de variables que
expliquen la fracción restante de la varianza de los salarios. Sugieren que los rasgos de
personalidad22, en especial la Conciencia y algunos rasgos de integridad son fuertes predictores del
desempeño laboral.
En una revisión de 4 meta análisis encuentran que estos dos tipos de habilidades no cognitivas no
están correlacionadas con el desempeño cognitivo y que los coeficientes obtenidos de su efecto en el
desempeño laboral van de 0.31 a 0.41 pp
Hekman, Hsee & Rubinstein (2000), analizan las diferencias salariales entre los individuos que
tomaron el examen GED23 y aquellos que completaron la educación media de manera escolarizada,
encontrando que los que realizaron el GED percibían salarios significativamente menores a pesar de
que no hallaron diferencias significativas en las habilidades cognitivas entre los dos grupos24, el
punto principal es que los que hicieron el examen GED eran más proclives a tener comportamientos
agresivos o delinquir, es decir, la carencia de habilidades no cognitivas resultaba en menores salarios
a pesar de contar con el mismo nivel de habilidad cognitiva.
Cabe destacar que la función de ingresos propuesta por Mincer no es necesariamente una relación
entre los salarios y los años de escolaridad, sino una relación con un concepto mucho más amplio
como es el capital humano, los retornos constituyen un método para estimar la viabilidad de invertir
en capital humano relacionada con mayores niveles educativos. En este sentido también es posible
analizar el efecto que tienen ciertos tipos de habilidades que representen el capital humano en el
desempeño laboral.
Por lo anterior, analizar distintas medidas de habilidad en la ecuaciones mincerianas, brinda dos
beneficios principales, primero, introducir esta variables es una manera directa de corregir el sesgo de
habilidad en las estimaciones de retornos para los jóvenes recién egresados de la educación media
superior en México, segundo, es posible visualizar la manera en que el mercado de trabajo premia los
diferentes tipos de habilidades de esta población en particular. A mi conocimiento hay muy poca
información en la literatura sobre este tipo de estimaciones y su efecto en el mercado laboral para
países en desarrollo y para América Latina por lo que este estudio es relevante para entender ese
debate en contextos de países como el nuestro.
C. Metodología empírica y marco teórico
C.1. Metodología empírica
22 En la literatura hay una taxonomía ampliamente aceptada sobre los 5 principales rasgos de la personalidad, el modelo “Big Five” , para mayor detalle consultar el capítulo XXX de la presente investigación 23 El General Educational Develpment (GED) es un examen de suficiencia en el que los individuos que abandonaron la educación media pueden obtener la certificación mediante un solo examen 24 Sus resultados controlan por experiencia años de educación y errores de medición
Página 11 de 49
Como se expuso en la sección anterior, los estimadores resultantes de la ecuación de ingresos
propuesta por Mincer (1974) son usualmente interpretados como los retornos privados a la
escolaridad, sin embargo, esta interpretación suele modificarse en función de la variable que se
utilice para aproximar el nivel de capital humano del individuo.
El presente trabajo pretende analizar el efecto en los ingresos de aproximar este stock mediante
variables que representen la habilidad del individuo, por ejemplo, el resultado en habilidad lectora y
habilidad matemática de la prueba estandarizada ENLACE y mediante el promedio auto reportado
de egreso de la EMS del individuo.
En primer lugar se realiza una estimación minceriana la cual servirá de referencia para resultados
posteriores (ecuación A) con la finalidad de observar el efecto de los años de educación en el salario
del segmento de jóvenes que reportaron tener un ingreso positivo al momento de la encuesta, la
función de ingresos a estimar es la siguiente25
:
Ecuación A
Donde
: Se refiere al logaritmo del salario por hora del individuo que reporta un ingreso
positivo
: Se refiere al número de años de educación formal del individuo .
: Se refiere al número de años de experiencia con el que cuenta el individuo
: Se refiere al cuadrado del número de años de experiencia del individuo .
: Se refiere al término de error que recoge variables no observables que afectan el nivel de ingreso
En segundo lugar, siguiendo a Hanushek et al. (2013) se propone una función análoga a la ecuación
minceriana (Ecuación B) en la que se aproxima el stock de capital humano con los puntajes
normalizados de las pruebas en habilidad lectora y matemática, lo cual permite diferenciar el efecto
según el tipo de habilidad, la atención se centra en , los cuales no deben interpretarse como
una tasa de retorno, sino como una medida de la relación existente entre variables que representan el
capital humano y los ingresos.
La función de ingresos a estimar en esta segunda parte es:
Ecuación B
Donde:
p_mat_n: Se refiere al puntaje normalizado (con media 0 y desviación estándar 1) del individuo i en
habilidad matemática obtenido en la prueba ENLACE
25
Acorde con Card (1999), se espera que 3 tenga un coeficiente negativo que represente la concavidad de la función representada en los perfiles de ingreso
Página 12 de 49
p_esp_n: Se refiere al puntaje normalizado (con media 0 y desviación estándar 1) del individuo i en
habilidad lectora obtenido en la prueba ENLACE
En tercer lugar, se analiza la posibilidad de que exista un efecto diferenciado de la habilidad
cognitiva en el salario según el tipo de bachillerato que cursó el individuo, en particular, se
diferencia entre el bachillerato general y el bachillerato tecnológico26
, esta hipótesis se prueba al
incluir un término que interactúe el tipo de bachillerato y el puntaje normalizado en cada habilidad
cognitiva en la misma especificación (Ecuación C). El interés se centra en los coeficientes
ya
que al resultar estadísticamente distintos de cero, es posible argumentar un efecto diferenciado por
tipo de bachillerato, ya que representa el incremento en el salario debido a un incremento de una
desviación estándar en la habilidad lectora y al mismo tiempo haber estudiado el bachillerato
general.
Ecuación C
Donde
: Se refiere una variable indicadora igual a 1 en caso de que el i halla cursado el bachillerato
en un esquema general.
p_mat_n* generali : Se refiere al puntaje normalizado (con media 0 y desviación estándar 1) del
individuo i en habilidad matemática obtenido en la prueba ENLACE interactuado con la variable
indicadora igual a 1 si el i cursó el bachillerato en un esquema general
p_esp_n* generali : Se refiere al puntaje normalizado (con media 0 y desviación estándar 1) del
individuo i en habilidad lectora obtenido en la prueba ENLACE interactuado con la variable
indicadora igual a 1 si el i cursó el bachillerato en un esquema general
C.2. Marco teórico
La medición de los retornos a la educación es una de las principales aplicaciones de los modelos de la
economía laboral, donde el interés por medir la relación que tiene la educación formal y los ingresos
laborales es el principal objetivo.
La manera más simple de examinar esta relación es a través de una regresión lineal. Sin embargo, y
como se ha mencionado a lo largo del texto, dicho método de estimación presenta diversos sesgos
como aquellos por habilidad y por variables omitidas. Por esta razón, en esta investigación se han
utilizado los resultados de la prueba ENLACE y el promedio de egreso de la EMS como proxies de
habilidad cognitiva. Además en una sección posterior, se analizara este tema a mayor detalle
a) Mínimos cuadrados ordinarios (ecuación A,B,C)
26 El Bachillerato tecnológico. Proporciona a los educandos los conocimientos necesarios para ingresar al tipo superior y los capacita para ser técnicos calificados en ramas tecnológicas específicas de las áreas agropecuaria, forestal, industrial y de servicios y del mar, se cursa en tres años e Incluye los estudios de tecnólogo; El Profesional técnico (técnico medio) tiene como finalidad formar técnicos medios para actividades industriales, agropecuarias, del mar y de servicios para que se incorporen al sector productivo, los estudios que se imparten son propedéuticos (profesional técnico bachiller) y terminales y su duración varía de dos a cuatro años; El Bachillerato general (preparatoria) prepara al estudiante en todas las áreas del conocimiento para que pueda cursar estudios de tipo superior y se cursa en dos o tres años.
Página 13 de 49
Como un primer acercamiento, y para conocer de mejor manera el comportamiento de los datos, se
presenta una estimación lineal sobre el impacto de los años de educación (mayores o iguales a doce)
de los egresados de educación media superior, a través de una ecuación minceriana en la ecuación
A.27
La especificación de esta ecuación mide el impacto de los años de educación en el logaritmo del
salario, controlando por la experiencia con la que se cuenta y su término cuadrático. La
transformación del nivel de salario a su función logarítmica permite llevar de una manera más
sencilla los errores a la homocedasticidad. Este modelo tiene como principal supuesto la exogeneidad
del cambio en los años de educación en el logaritmo del salario, sin embargo, las decisiones de los
individuos podrían estar sujetas a dichos cambios. A continuación se detalla el modelo econométrico
detrás de la estimación en la ecuación A, de manera que se puedan interpretar de manera correcta los
resultados por mínimos cuadrados de esta minceriana.
Sea una regresión lineal con una variable dependiente (logaritmo del ingreso por hora) y diversas
variables independientes que representan el capital humano del individuo (años de educación y
experiencia), es decir, lnsalariohora a la variable dependiente y X, la matriz de variables explicativas.
La notación vectorial del modelo lineal es:
Donde representa la esperanza condicionada de la variable aleatoria
lnsalariohora dadas las variables X y con u como ve
ctor de los errores. De esta manera, la ecuación lineal para este modelo de estimación por mínimos
cuadrados ordinarios refiere a la ecuación A.
El estimador por mínimos cuadrados ordinarios es aquel que minimiza la suma de los errores
cuadráticos, es decir:
de manera que al derivar la ecuación respecto a y resolver obtenemos el estimador por mínimos
cuadrados ordinarios de la ecuación A:
Para que la especificación sea correcta y este estimador se encuentre correctamente identificado, se
debe cumplir con los siguientes supuestos:
1. : es decir que la esperanza condicional está correctamente
especificada por lo que está determinada intrínsecamente.
2. : condición necesaria para obtener un estimador único por mínimos
cuadrados ordinarios.
Los supuestos para poder realizar la estimación lineal minceriana por mínimos cuadrados y obtener
un estimador consistente para lnsalariohora son los siguientes:
27
Mincer, 1974
Página 14 de 49
1. lnsalariohora y X son independientes y no idénticamente distribuidos entre los individuos.
2. El modelo de la ecuación A está correctamente identificado
3. Los vectores x de la matriz X son estocásticos y con segundos momentos finitos
4. Los errores tienen una media condicional igual a cero
5. Los errores son homocedásticos condicionalmente en los regresores
Sin embargo, al ser esenciales la correcta identificación de los regresores y la independencia de estos
con el lnsalariohora en la especificación¸ los estimadores , como resultado de la estimación lineal
minceriana, son no consistentes. Para que estos lo fueran, se debe de garantizar la no existencia de
variables omitidas, ni errores de medición en los regresores. Al fallar estas garantías, el estimador de
mínimos cuadrados es un predictor lineal óptimo, pero no un estimador consistente del impacto de
los años de escolaridad en el logaritmo del ingreso.
Por lo anterior se incorporaron al modelo de la ecuación B las variables que identifican el nivel de
habilidad de los individuos28
, y se estima una ecuación análoga a una minceriana sobre el
lnsalariohora. De tal manera que, siendo Y la matriz de variables explicativas o regresores, la
notación vectorial de este modelo se representa de la siguiente manera:
y el estimador por mínimos cuadrados se comporta como sigue:
de manera que al derivar la ecuación respecto a y resolver obtenemos el estimador por mínimos
cuadrados ordinarios de la ecuación B:
Los supuestos mencionados anteriormente son los mismos necesarios para que el estimador sea
consistente y no únicamente un predictor lineal óptimo de la relación del nivel de dominio en las
habilidades cognitivas en el logaritmo del salario de los egresados de educación media superior.
Se asume que la incorporación de estas variables garantiza la no existencia de variables omitidas, ni
errores de medición en los regresores29
al ser un proxy de la habilidad de los individuos. Por tal
motivo, se pude concluir que el estimador es consistente, aunque no insesgado.
30
Debido al número de observaciones que carecen de información y a la distribución de la variable de
ingreso laboral, se procedió a estimar modelos adicionales para estudiar y tratar de corregir este sesgo
y la información para el resto de los egresados de educación media superior.
28 En el caso de la Base A se incorporan los puntajes de habilidad lectora y matemática, en el caso de la Base B se incorpora el promedio de egreso de la EMS y el puntaje de habilidad no cognitiva 29 Ambos problemas llevan a sesgos en los estimadores MCO, los errores de medición en la variable de años de educación tienden a sub-estimar los efectos en la variable dependiente 30 Se lleva a cabo la corrección por variables instrumentales en la sección b) de este apartado
Página 15 de 49
Por tal motivo, se procedió a realizar la estimación lineal por mínimos cuadrados ordinarios
utilizando la corrección de Heckman por condición de ocupación y recuperar así toda la información
correspondiente al ingreso laboral conforme a la ocupación de los individuos.
b) Estimación por Variables Instrumentales
Como se explicará más adelante en el texto, al incluir los años de escolaridad y los puntajes
estandarizados (como proxy de la habilidad) en la misma especificación, la variable de años de
educación, al ser una variable de elección, puede presentar un problema de endogeneidad (Heckman,
Stixrud & Urzúa, 2006), por ello se utiliza el método de Variables Instrumentales (VI) para evitar el
sesgo en los estimadores.
Este método consiste en identificar un instrumento (Zi). El cual para ser un estimador consistente de
los años de escolaridad debe de cumplir dos condiciones principales:
1. Relevancia (Cov(Educi;Zi) ≠ 0). De manera intuitiva este supuesto implica que tanto el
instrumento como la variable endógena deben estar fuertemente relacionadas. Este resultado
puede corroborarse en la primera etapa de la estimación.
En la literatura se sugiere que con tal de tener un buen instrumento, el estadístico F que
resulte de llevar a cabo la siguiente prueba de hipótesis debe ser mayor a 10
Ho: µ=0
H1: µ≠0
2. Exogeneidad o condición de exclusión (Cov(Ui;Zi) = 0). La exogeneidad implica que el
instrumento propuesto no este correlacionado con el error de la ecuación estructural, cabe
destacar que el error (Ui) incluye todas aquellas variables no incluidas en la estimación, tales
como el antecedente familiar, redes sociales, etc. Una condición importante en este supuesto
es que el efecto del instrumento sobre el ingreso, debe ser solo mediante su efecto en los años
de escolaridad.
Supóngase que se tienen k controles que pretenden incorporarse en el modelo estructural:
(A)
Supongamos que en este caso nos interesa estimar el efecto causal de X1 sobre Yi. Estimar el modelo
anterior utilizando MCO genera un estimador sesgado de β1. Por lo tanto, incluimos un instrumento
(Z) para que X1 cumpla con las condiciones antes descritas.
Para esto es útil el método de 2SLS. Este método lleva a cabo la estimación en dos etapas, donde la
primera etapa combina los instrumentos de manera eficiente y la segunda utiliza el supuesto de
exogeneidad para derivar coeficientes insesgados del modelo (A).
A) Primera etapa.
En la primera etapa se prueba el supuesto de relevancia, la cual consiste en utilizar los instrumentos
para predecir el valor de la variable de interés (X1). Para lo cual se utiliza un modelo por MCO
como el siguiente:
Página 16 de 49
(B)
El estimador Φ debe de cumplir la prueba de hipótesis antes descrita. Utilizando los resultados de
esta estimación se puede predecir el valor de X1i basado únicamente en la información que
proporcionan los instrumentos y las variables exógenas:
(C)
B) Segunda etapa
Basados en el supuesto de exogeneidad de los instrumentos, se derivan estimadores insesgados de
los coeficientes del modelo (A). Para esto se utilizan las condiciones de primer orden dadas por:
= 0
= 0
Esto resultara en los mismos estimadores que los obtenidos por estimar el siguiente modelo
utilizando MCO:
Dado que es una función de Z1i , no se tendrá el problema de sesgo por omisión de variables y
los coeficientes que resulten dela estimación serán insesgados si los instrumentos cumplen con los
supuestos para ser validos
D. Descripción de las bases de datos
En este ensayo se utilizan dos bases de datos para analizar el efecto de la habilidad cognitiva en el
salario de los jóvenes una vez que han concluido la EMS. En la Base A para aproximar la variable de
habilidad cognitiva se utilizan datos de las Pruebas ENLACE del nivel medio superior de los años
2008 a 2010, los cuales contienen los puntajes obtenidos en las pruebas estandarizadas de español y
matemáticas de los individuos, así como el Módulo de Inserción Laboral de los Egresados de
Educación Media Superior (ENILEMS) de la Encuesta Nacional de Ocupación y Empleo (ENOE)
del año 2010. Gracias al uso de la Clave Única de Registro de Población (CURP) y de las claves de
unión de la ENILEMS y la ENOE, fue posible identificar a los individuos y sus resultados de las
pruebas ENLACE en los años mencionados para observar su desempeño en dicha prueba así como su
nivel de salario y condición de ocupación31
.
Para la Base B se realizan los mismos ejercicios econométricos descritos anteriormente para la Base
A, salvo dos diferencias principales, la primera diferencia involucra a la variable que se utiliza para
31 Anexo I. Construcción de la base de datos. A
Página 17 de 49
aproximar la habilidad cognitiva del individuo, ya que en este caso se utiliza el promedio de egreso
de la EMS como proxy de habilidad (no fue posible la unión de esta base de datos con ENLACE
debido a que no se realizó el ejercicio de capturar las CURPs), la segunda variante es la posibilidad
de controlar por una variable que aproxime la habilidad no cognitiva del individuo gracias a una
sección adicional de la ENILEMS 2014 la cual analiza mediante un cuestionario de 16 preguntas el
nivel de dominio en cinco habilidades no cognitivas valoradas en el mercado laboral: Trabajo en
equipo, Actitud de servicio, Capacidad de negociación, Toma de decisión y Tolerancia a la
frustración. Para ello se construyó un promedio que engloba el puntaje total en las 5 habilidades.
En este sentido, el presente estudio de investigación es el primero en su tipo para el caso de México,
pues por un lado permite relacionar los resultados de las pruebas estandarizadas ENLACE con el
nivel de ingreso y por el otro, permite controlar por una variable que representa la habilidad no
cognitiva de los jóvenes egresados de educación media superior.
Base de datos A
A continuación, se presenta la estadística descriptiva de las variables de interés destacando el análisis
por tipo de bachillerato lo cual permite entender con mayor precisión la composición de la base de
datos y las diferencias sistemáticas entre ambos grupos.
Como se puede observar en la tabla 1, la Base A se compone de 3,956 jóvenes, los cuales tienen de
18 a 20 años donde 2,195 (55.4%) pertenecen a la modalidad de bachillerato general y 1,761 (44.5%)
pertenecen al bachillerato tecnológico o profesional técnico. Para el total de la muestra, 1,110 (28%)
individuos tienen datos sobre salario al momento del levantamiento, lo cual presenta una restricción
para las estimaciones por sexo, sin embargo, al corregir por el posible sesgo de autoselección será
viable recuperar un número mayor de observaciones. Respecto a la condición de bienestar, el 29% de
los jóvenes se encuentran en un hogar en el que el ingreso familiar es menor al cuarto decil de la
distribución. En cuanto a la condición de ocupación después del bachillerato, 1,754 (44.3%)
individuos reportan haber tenido al menos un trabajo después de haber concluido la EMS con una
duración promedio de 6.11 meses.
El punto principal de analizar la composición de la base de datos es conocer si existen diferencias
significativas de las variables relevantes entre los jóvenes que optaron por el bachillerato general y
aquellos que optaron por el bachillerato tecnológico, por ello, en la tabla 2 se presenta un análisis
que prueba la hipótesis nula en que la diferencia entre las medias de los dos grupos es igual a cero.
En las variables de edad, salario por hora, duración del primer empleo y el nivel de marginación, no
se encontraron diferencias significativas entre los promedios de ambos grupos. El detalle más
destacable es la diferencia en los puntajes de español y matemáticas de la prueba ENLACE entre
ambos tipos de bachillerato, ya que en ambos puntajes, los egresados del bachillerato general tienen
mayor desempeño que los egresados de bachillerato tecnológico. Acorde a la hipótesis en la que se
asume que mayores niveles de habilidad cognitiva están relacionaos con mayores niveles salariales,
este resultado puede parecer contra intuitivo ya que los egresados del bachillerato general a pesar de
contar con mayores niveles de habilidad cognitiva tienen en promedio el mismo salario que los
egresados de bachillerato tecnológico, sin embargo, todavía es necesario controlar por otros factores
que pudieran estar relacionados tanto con el nivel de habilidad como con el ingreso laboral.
En cuanto a la distribución de las variables de interés de la Base A., se pueden ver en el grafico 1
que las distribuciones del logaritmo del salario, del puntaje de matemáticas y del puntaje en español
Página 18 de 49
de la prueba ENLACE no se distribuyen de manera lejana a su valor medio y además no cuentan con
valores extremos que sesguen su distribución
De manera adicional, en la tabla 3 se presenta la matriz de correlaciones de las variables de
escolaridad, salario, ambos puntajes de habilidad cognitiva y el promedio de egreso dela EMS, la
cual permite visualizar el grado de relación lineal entre ellas. Todas las correlaciones son positivas y
significativas, siendo la mayor de todas la que relaciona el desempeño en español con el desempeño
en matemáticas (0.58). Ambos tipos de puntajes se relacionan de manera muy similar con el
promedio de egreso de la EMS, 0.30 con el puntaje de español y 0.36 con el puntaje de matemáticas,
cabe desatacar que la relación de los puntajes con el promedio de egreso es mucho mayor que la que
tienen los puntajes con los Años de educación o con el logaritmo del salario por hora, este resultado
sugiere que el promedio de egreso de la EMS puede ser útil para aproximar el nivel de habilidad
cognitiva en los ejercicios econométricos de la base B
Base de datos B
Como ya se ha expuesto antes, la base B no incluye medidas estandarizadas de habilidad cognitiva
sino que utiliza como proxy el promedio de egreso de los jóvenes de la EMS, asimismo, incluye un
puntaje que describe el desempeño promedio en 5 tipos de habilidades no cognitivas. Los resultados
obtenidos de esta base servirán a su vez como pruebas de robustez a la hipótesis del efecto de la
habilidad cognitiva en el ingreso.
En la tabla 3 se presenta la estadística descriptiva de las variables más relevantes, la Base B se
compone de 9,006 jóvenes32
los cuales tienen de 18 a 20 años, donde 5,057 (56.2%) pertenecen a la
modalidad de bachillerato general y 3,949 (43.8%) pertenecen al bachillerato tecnológico o
profesional técnico. Para el total de la muestra, 2,427 (26.9%) individuos tienen datos sobre salario al
momento del levantamiento, esta restricción será sobrellevada bajo la misma metodología que en la
base A. Respecto a la condición de bienestar, el 32% de los jóvenes se encuentra en un hogar en el
que el ingreso familiar es menor al cuarto decil. En cuanto a la condición de ocupación después del
bachillerato 3,467 (38.4%) de los individuos reportan haber tenido al menos un trabajo después de
haber concluido la EMS con una duración promedio de 5.6 meses.
En cuanto a las diferencias significativas entre egresados de bachillerato general y bachillerato
tecnológico, en la tabla 4 se presenta que en las variables de edad, salario por hora, promedio de
egreso, puntaje de habilidades no cognitivas, duración del primer empleo y el nivel de marginación,
no se encontraron diferencias entre los promedios de ambos grupos. Dentro de estos resultados, un
detalle a destacar es que al utilizar el promedio de egreso como proxy de habilidad no se hallan
diferencias significativas entre los egresados de ambos grupos. En este caso las tres variables de
interés: el salario por hora, el puntaje cognitivo y el puntaje socioemocional son iguales entre ambos
grupos.
En cuanto a la distribución de las variables de interés de la Base B, se puede ver en el grafico 2 que la
distribución del promedio de egreso dela EMS es uniforme respecto a su media, sin embargo,
presenta dos puntos de concentración (los puntos 80 y 85 concentran al 25% de los jóvenes) que
32 La diferencia en el número de observaciones entre la base A y la base B radica en que la primera está condicionada a las observaciones de jóvenes que presentaron la prueba ENLACE y que pudieron ser ligadas a las bases ENOE y ENILEMS 2010
Página 19 de 49
provocan que la distribución se aleje de una normal33
, por lo tanto es recomendable que la
significancia estadística de los coeficientes obtenidos de esta variable sean interpretados con cautela.
En cuanto a la distribución del logaritmo del ingreso, esta se comporta de manera uniforme respecto a
su media sin presentar valores extremos que sesguen su distribución; para el puntaje promedio que
representa las 5 habilidades socio-emocionales la distribución es uniforme respecto a su media
aunque presenta una ligera asimetría negativa.
Bajo la metodología planteada por D´ Agostino (1990) en la que se prueba la hipótesis nula de normalidad bajo los criterios de asimetría y curtosis , no hay evidencia para asegurar normalidad en el promedio de egreso.
Página 20 de 49
E. Análisis de Resultados
Resultados base A
En primer lugar, se presentan los resultados de la ecuación A para la base A (2010), la cual relaciona
mediante una función minceriana los ingresos y el capital humano. Es importante recordar que la
base de datos en la que se basa el análisis solamente comprende a individuos de 18 a 20 años de edad
que completaron la EMS. En la primer columna de la tabla 5 se puede ver que un año adicional de
educación formal está relacionado con una tasa de retorno del 15.9 % en el salario por hora del joven,
si bien este resultado se encuentra dentro de los parámetros usuales (Ordaz, 2008), la información de
la base de datos no permite la suficiente variabilidad en los años de educación34 ya que solo
comprende a individuos que como mínimo tienen 12 años de educación, y como máximo 15 años de
educación, de esta manera la poca variabilidad en los años de educación estaría capturando más el
efecto de transitar de la educación media superior a la educación superior. En la columna 2 de la tabla
5 se analiza esta hipótesis al intercambiar los años de educación por una dicotómica que representa la
transición, la discrepancia es de solo 4 puntos porcentuales.
Para responder a la pregunta de ¿en cuánto se traduce una mejora del desempeño académico en los
niveles de ingreso de las y los jóvenes en México?, se introducen los puntajes de la prueba ENLACE
siguiendo el argumento planteado en Hanushek (2013) en el que el puntaje de una prueba
estandarizada logra capturar las diferencias individuales en capital humano. Los resultados de los
gradientes β1 y β2 de la ecuación B se presentan en la tercera, cuarta y quinta columna de la tabla 5.
Al analizar el coeficiente de habilidad numérica de manera aislada se puede ver que un incremento de
una desviación estándar (DE) en el puntaje está asociado a un incremento de 5.6% en el salario, sin
embargo, al incluir ambos tipos de puntajes en la columna 5, el puntaje de habilidad numérica pierde
significatividad, lo cual indica que las competencias asociadas a la habilidad lectora están más
relacionadas con los requerimientos de los primeros empleos de los jóvenes. El coeficiente del
puntaje de habilidad lectora representa que si un joven logra incrementar su puntaje de habilidad
lectora en, por ejemplo, 2 DE, su ingreso por hora se incrementará en 12.2%. Con el fin de
dimensionar mejor este resultado, este incremento, trasladado a niveles de dominio, representa que
un joven logre transitar del nivel de dominio “elemental” a “excelente”35, es decir, que el joven sea
capaz de establecer relaciones entre elementos de información presentados de distinta manera a lo
largo del texto (imágenes, tablas, glosario), logre inferir posibles motivos y acciones de los
personajes, reconozca la frase que sintetiza el texto, etc. (ver anexo IV), por ello , el joven recibirá un
incremento de aproximadamente $2.12 pesos en su salario por hora36, lo cual, traducido a su ingreso
anual37
representa un incremento de $4,409 pesos, esta cantidad puede interpretarse como un
incremento de 10.6% en el ingreso anual de los jóvenes con nivel de dominio elemental. En el
grafico 3 se puede ver de manera más clara el efecto de avanzar gradualmente sobre la distribución
34
En relación a análisis que comprenden a todos los grupos de edad en donde es posible visualizar cómo evoluciona el perfil de ingresos según la edad/experiencia y el nivel educativo. 35
En el puntaje estandarizado el efecto es transitar de 0 a 2 DE, este incremento trasladado al puntaje, es transitar de un puntaje de 0.1852 a 2.0337 lo cual implica transitar dentro de la clasificación de niveles de dominio del nivel “elemental” al “bueno” según el Manual Técnico de Enlace 2010 36
Todas las demás variables constantes. Los coeficientes de MCO representan el incremento marginal respecto al promedio de la variable dependiente debido a un incremento unitario en la variable independiente 37
Acorde al promedio de horas trabajadas a la semana que reportan los jóvenes, se asumen 52 semanas en el año laboral
Página 21 de 49
de habilidad lectora de acuerdo a los coeficientes obtenidos en la columna 5 en el logaritmo del
ingreso al dejar todas las demás variables en su valor medio. Además, en el grafico es posible
identificar el nivel de dominio asociado a cada puntaje dentro de la distribución.
Siguiendo la interpretación de Heckman et al. (2006) es importante mencionar que este resultado
representa el efecto neto de la habilidad cognitiva en el ingreso, el cual se compone del efecto directo
y del efecto indirecto (es decir, el efecto de la habilidad vía los años de escolaridad) de las
habilidades. Este resultado es consistente con el argumento planteado por Hanushek (2013), en el
cual, el retorno a la habilidad cognitiva de los individuos que recién se incorporan al mercado laboral
suele estar subestimado, para ello establece tres posibles explicaciones, la primera es el posible error
de medición de la variable de habilidad, el cual suele ser mayor en edades tempranas, sin embargo,
de ser este el caso, el resultado puede interpretarse como un “lower bound” del efecto real; la
segunda, se refiere a que las habilidades no son evidentes al primer momento en un empleo, por lo
que las empresas requieren de mayor tiempo para poder identificar diferencias relevantes entre los
trabajadores; la tercera, se refiere a que los primeros empleos suelen caracterizarse por ser un proceso
de búsqueda en el cual se pretende incrementar el match entre las habilidades del individuo y el
empleo que se desempeña.
Uno de los objetivos principales de este ensayo es analizar el rol del tipo de bachillerato en el
desempeño laboral de los jóvenes, bajo el supuesto de que el bachillerato tecnológico o vocacional
permite un mejor desarrollo de habilidades indispensables en el mercado laboral. En la columna 6
de la tabla 5 se puede ver que, controlando por la habilidad cognitiva del joven, no hay evidencia de
diferencias significativas en el ingreso según el tipo de bachillerato, este resultado se mantiene
cuando se introduce uno o ambos tipos de puntajes.
El siguiente paso es interactuar el puntaje estandarizado con el tipo de bachillerato, es decir, se
analiza la manera en que se modifica el ingreso conforme cambian los puntajes según el tipo de
bachillerato. Este resultado es bastante importante en términos de política pública ya que brinda
evidencia sobre la interrogante de si en realidad el mercado laboral premia en mayor medida las
habilidades de un egresado de bachillerato técnico por estar más relacionadas con los requerimientos
de los empleadores en relación a las habilidades de un egresado de bachillerato general.
En la columna 7 de la tabla 5 se puede ver que no hay evidencia significativa del efecto diferenciado
de las habilidades cognitivas según el tipo de bachillerato, un punto destacable es que el coeficiente
de habilidad lectora se mantiene prácticamente sin cambios al controlar por tipo de bachillerato e
interacciones.
Los resultados presentados hasta el momento confirman el efecto que tiene la habilidad cognitiva
(aproximada por el puntaje de habilidad lectora) en los primeros empleos de los jóvenes una vez que
han concluido la EMS. Como se mencionó anteriormente, se realiza este mismo análisis pero
aproximando la habilidad cognitiva con el promedio de egreso de la EMS. Esto siguiendo la
propuesta de Willingham et al. (2002) en la que los estudiantes se distribuyen de manera uniforme
de acuerdo al puntaje obtenido en pruebas estandarizadas y a las calificaciones obtenidas38
. Además,
se toma en cuenta la posibilidad de que el valor de esta variable pueda estar relacionado con otro tipo
de habilidades que al mismo tiempo estén relacionados con el salario, es decir, las habilidades socio-
38
En la versión base de su análisis correlacionan las calificaciones y los puntajes de una prueba estandarizada, obtienen una correlación de 0.55 con la habilidad lectora y 0.64 con la habilidad matemática, es importante recordar que en la sección sobre la base de datos se presentó la matriz de correlaciones entre las variables, donde las correlaciones entre el promedio de egreso con el puntaje de habilidad lectora y numérica son 0.30 y 0.36 respectivamente. Si bien no presentan la misma magnitud estas correlaciones son de las más elevadas de la matriz.
Página 22 de 49
emocionales las cuales, como se mencionó en la revisión de literatura, han demostrado tener una
amplia capacidad explicativa del desempeño laboral de los individuos.
Resultados Base B
En la columna 1 de la tabla 6 se puede ver que el efecto del promedio de egreso en el salario es
significativo y positivo, en particular, un incremento de una DE en el promedio reportado al egresar
de la EMS está relacionado con un incremento de 3.7% en el salario por hora del joven.
En cuanto al rol del tipo de bachillerato, en la columna 2 se puede ver que no se encuentran
resultados significativos, cabe destacar que aun controlando por esta variable el efecto del promedio
de egreso en el salario se mantiene casi sin cambios.
En cuanto al efecto diferenciado del promedio de egreso según el tipo de bachillerato, en la columna
3 se puede ver en particular que, un incremento de una DE en el promedio de egreso tiene un efecto
6.8% mayor en el salario por hora si egresas de un bachillerato general a que si lo haces de un
bachillerato tecnológico, es decir, los jóvenes del bachillerato general tienen mayores beneficios de
un incremento en el promedio que los jóvenes del bachillerato tecnológico.
En cuanto al efecto que tienen las habilidades socio-emocionales en el ingreso se puede ver en la
columna 4 que sin controlar por el promedio, un incremento de una DE en el puntaje está asociado a
un incremento de 3.4% en el salario por hora. Al incluir la variable de tipo de bachillerato en la
especificación no hay evidencia de efectos significativos.
Al igual que cuando se utilizó el promedio de egreso de la EMS la interacción es significativa y
positiva beneficiando más a los egresados de bachillerato general, es decir, un incremento de una DE
en el puntaje no cognitivo tiene un efecto 4.5% mayor en el salario por hora si egresas de un
bachillerato general a que si lo haces de un bachillerato tecnológico.
Cabe destacar la importancia del resultado que se obtiene al introducir el puntaje cognitivo y no
cognitivo en la misma especificación (columna 7, tabla 6) ya que ambos tipos de puntajes afectan en
el mismo sentido y en similar magnitud la variación del ingreso por hora de los recién egresados de la
EMS. Este resultado sugiere que la habilidad no cognitiva tiene casi la misma relevancia para
explicar las diferencias en el desempeño laboral que la habilidad cognitiva, es decir, es casi tan
importante un dominio adecuado de las habilidades socioemocionales como un buen desempeño
académico para obtener mayores ingresos, lo cual coincide con la conclusiones antes mencionadas en
la revisión de literatura de Heckman Stixrud & Urzúa (2006) . En el grafico 4 se puede ver más
claramente el efecto que tienen ambas variables en el logaritmo del ingreso por hora cuando se
transita a lo largo de cada distribución. En este caso no se utiliza el promedio por decil de cada
variable, sino que se pretende ilustrar la manera en que se incrementa el ingreso cuando el individuo
incrementa gradualmente su nivel de dominio en la habilidad no cognitiva y cognitiva.
Al incluir el tipo de bachillerato en la especificación en la columna 8, este continua siendo no
significativo, es decir, al controlar por ambos tipos de habilidades no hay evidencia de diferencias en
el salario según el tipo de bachillerato.
Resultados de la habilidad cognitiva (ENLACE) por tipo de bachillerato incluyendo los años de
escolaridad.
Página 23 de 49
En las especificaciones de la tabla 5 se presentó el efecto de la habilidad cognitiva aproximada por
los puntajes estandarizados de ENLACE en el salario por hora, sin embargo, no se controló por los
años cursados de educación formal, los cuales, como se mencionó al inicio, pueden estar captando el
efecto de la transición al nivel superior. Es importante mencionar que al incluir esta variable en la
especificación, los resultados presentan un problema de endogeneidad, ya que de acuerdo con
Heckman Stixrud &Urzua (2006) la variable de años de escolaridad es una variable de elección, al
omitir la variable de años de escolaridad se soluciona parcialmente la endogeneidad provocada por la
variable de elección, pero se estaría omitiendo una variable relevante relacionada positivamente tanto
con la habilidad cognitiva como con el ingreso del individuo, acorde a ese razonamiento se procede a
instrumentar los años de escolaridad para evaluar el efecto del puntaje cognitivo en el salario
corrigiendo el sesgo de la variable de años de educación.
En la tabla 7 se presentan los resultados de la ecuación C. Siguiendo el argumento de Heckman
Stixrud &Urzua (2006) al incluir los años de educación en la especificación, el coeficiente de
escolaridad captura en parte el efecto indirecto de la habilidad en el ingreso, por lo que el coeficiente
asociado a la proxy de habilidad captura el efecto directo en el ingreso, por otro lado, cuando se
excluye la escolaridad de la especificación como en los resultados de la tabla 5, el coeficiente
asociado a la proxy de habilidad captura el efecto neto (compuesto tanto del efecto directo como del
efecto indirecto) en el ingreso. Con base en los resultados de la columna 1 del a tabla 7 se puede
afirmar que el efecto directo del puntaje es solo 11% menor que el efecto neto en los salarios, es decir
un incremento de una DE en el puntaje de habilidad lectora está asociado con un incremento de 5.6%
en el ingreso por hora
Al incluir el tipo de bachillerato en la especificación se puede ver en la columna 2 de la tabla 7 que el
efecto continua sin ser significativo a los niveles usuales y el coeficiente del puntaje de español se
mantiene prácticamente sin cambios, además, este es solo 6% menor al presentado en la tabla 5.
En el modelo que incluye las interacciones, al controlar por escolaridad se puede ver en la columna 3
de la tabla 7 que en este modelo tampoco hay evidencia suficiente para afirmar que el puntaje afecta
el salario de manera diferenciada según el tipo de bachillerato, cabe destacar que en relación al
modelo sin escolaridad el coeficiente de habilidad lectora se reduce en 5%.
En la columna 4 y 5 de la tabla 7 se incluye, una variable de control adicional con el fin de incorporar
el efecto del antecedente familiar del individuo a través de la escolaridad del jefe del hogar. Se puede
ver en los resultados que excluyen la escolaridad del joven (columna 4), que no hay variaciones
relevantes en el coeficiente de habilidad lectora respecto a los modelos previos, un incremento de una
DE en el puntaje está relacionado con un incremento de 7.3% en el ingreso por hora. El resultado
más relevante es que al controlar por el ámbito familiar sí existe evidencia significativa (al 94%) de
un efecto diferenciado de los puntajes según el tipo de bachillerato, en particular, del puntaje de
habilidad matemática ya que un incremento de una DE en el puntaje de habilidad matemática
beneficia 10.5% más a los egresados de bachillerato general que a los egresados de bachillerato
tecnológico.
En la columna 5 se incluyen tanto el control de antecedente familiar como los años de escolaridad y
se puede ver que el coeficiente del puntaje de habilidad lectora es 4% menor en relación al modelo
de la tabla 5 cuando no se controla por escolaridad, es posible que el porcentaje del sesgo sea menor
en este modelo debido a la inclusión de la variable de entorno familiar. En cuanto al puntaje de
habilidad lectora, a pesar de que el error estándar del estimador permanece casi constante en relación
al modelo sin escolaridad, el estimador es significativo al 94%. En este modelo persiste el efecto
diferenciado del puntaje de habilidad matemática según el tipo de bachillerato, un incremento de una
Página 24 de 49
DE en el puntaje de habilidad matemática beneficia 9.2% más a los egresados de bachillerato general
que a los egresados de bachillerato tecnológico.
Un resultado que ha sido persistente a lo largo de las estimaciones es la significatividad del
coeficiente de género el cual captura las diferencias salariales entre mujeres y hombres controladas
por factores cognitivos, de tipo de bachillerato y de antecedente familiar, este resultado refleja que el
salario de las mujeres tiende a ser en promedio 7% menor que el salario de los hombres en los
primeros empleos una vez que han concluido la EMS.
Resultados de la habilidad cognitiva (promedio egreso) y no cognitiva por tipo de bachillerato
incluyendo los años de escolaridad
En la tabla 6 se presentaron los resultados de la habilidad cognitiva aproximada por el promedio de
egreso, sin embargo, como se mencionó en la sección anterior, es relevante incorporar esta variable
para evitar estimadores sesgados del efecto de los puntajes cognitivos y no cognitivos, en el salario.
En la columna 1 de la tabla 8 se puede ver que al controlar por escolaridad, el promedio de egreso es
significativo al 90% y su efecto se reduce 32% en relación al modelo sin escolaridad. Este resultado
muestra que el efecto neto de la habilidad cognitiva (aproximada por el promedio de egreso)
presentado en la tabla 6 no es de forma directa en el salario, sino que es mediante su efecto en los
años de escolaridad, que como se mencionó, pueden estar captando el efecto de transitar a la
educación superior. En cuanto al puntaje de habilidad no cognitiva, su efecto permanece significativo
y su coeficiente solo se reduce 16% respecto al modelo sin escolaridad, un incremento de una DE en
el puntaje de habilidad no cognitiva está relacionado con un incremento de 2.8% en el salario por
hora de los jóvenes recién egresados de la EMS
En la columna 2 dela tabla 8 se incorpora el tipo de bachillerato en la especificación, al igual que en
el modelo sin escolaridad, no hay evidencia significativa de diferencias salariales según el tipo de
bachillerato.
En la columna 3 se incorporan las interacciones según el tipo de bachillerato, Al igual que en el
modelo sin escolaridad los puntajes no son significativos directamente en el ingreso, lo mismo sucede
con el tipo de bachillerato, sin embargo, al interactuarlos, se obtiene que un incremento de una DE
en el puntaje de habilidad matemática beneficia 6.2% más a los egresados de bachillerato general
que a los egresados de bachillerato tecnológico, este resultado es prácticamente el mismo que el
presentado en la tabla 6 sin escolaridad
Corrección de la endogeneidad en escolaridad mediante variables instrumentales
En esta sección se presentan los resultados de instrumentar la variable de escolaridad en los
coeficientes cognitivos y no cognitivos, para ello se utiliza una estrategia similar a la que plantean
Angrist & Krueger (1991) quienes en uno de sus análisis iniciales instrumentan los años de
educación con una variable que explota la variación exógena del trimestre de nacimiento39
.
39
La estrategia de Angrist & Krueguer incluye dummies por estado y por año de nacimiento para contrarrestar efectos particulares de cada entidad , si bien se ha encontrado diferencias significativas, esta estrategia no ha estado libre de cuestionamientos, por ejemplo, Buckles &Hungerman (2008) demostraron que el trimestre de nacimiento está relacionado con mayor nivel de salud y con características profesionales de los padres, variables que pueden estar
Página 25 de 49
Argumentan que los estudiantes nacidos a principio de año comienzan la escuela a una edad mayor
por lo que cumplen la edad obligatoria (16 en la mayoría de los estados) con menor educación que
los estudiantes que comenzaron la escuela a edades más tempranas. En el contexto mexicano en el
que se establece una fecha límite de nacimiento para que el individuo pueda ingresar a la educación
formal se utiliza el razonamiento planteado por Leigh & Ryan (2008) en el que muestran que pueden
existir diferencias en escolaridad según el mes de nacimiento y la fecha límite para ingresar a la
escuela, es decir, individuos que nacieron antes de la fecha limite entraran en el ciclo escolar del año
en curso, aquellos individuos que nacieron después de la fecha limite deberán esperar hasta el
próximo año para poder ingresar a la educación formal, de esta manera se obtiene una fuente de
variación exógena que afecta los años de escolaridad. Adicionalmente en la estimación se toma en
cuenta la posibilidad de que las fechas de corte varíen de unas partes del país a otras, además de la
posibilidad de que haya efectos diferenciados según la cohorte de nacimiento. En la tabla 10 se
presenta la primera etapa de los modelos corrigiendo por endogeneidad y se puede ver que en todos
los casos el instrumento es significativo y relevante para explicar las variaciones en los años de
escolaridad.
En la tabla 9 se muestran los resultados por MCO presentados en las tablas anteriores y sus
respectivos resultados corregidos por VI. En la columna 1 y 2 se puede ver que acorde con los
resultados usuales por variables instrumentales (Card, 2001), el coeficiente de escolaridad es mayor
que el de OLS, sin embargo, el coeficiente de interés, el puntaje de habilidad lectora se mantiene
prácticamente sin cambios mostrando la robustez del efecto de la habilidad lectora en el ingreso por
hora una vez que se controla por la posible endogeneidad en los años de educación. Tal como se
presentó al inicio de la sección de resultados, un incremento de una DE en el puntaje está relacionado
con un incremento de 6% en el ingreso por hora. Cabe destacar que la significatividad del tipo de
bachillerato se incrementa pero no a niveles aceptables.
En las columnas 3 y 4 se incluyen las interacciones por tipo de bachillerato y se controla por la
posible endogeneidad de la escolaridad, cabe destacar que al estimar por VI el coeficiente de
habilidad lectora se incrementa considerablemente en relación al estimador de OLS, es decir, al
corregir la endogeneidad en los años de escolaridad el efecto indirecto de la habilidad en el ingreso se
reduce y el efecto directo se incrementa, este resultado se confirma en las columnas 5 y 6, donde se
incluyen las interacciones y una variable que representa el antecedente familiar del individuo40
. El
efecto directo del puntaje de habilidad lectora en el ingreso se duplica reflejando que un incremento
de una DE en el puntaje está relacionado con un incremento de 13% en el ingreso por hora del recién
egresado. En el modelo por MCO como se señaló anteriormente, solo la interacción de habilidad
numérica era significativa al 90%, al corregir por VI el efecto de las interacciones y del puntaje es
más robusto. Los resultados en las interacciones son muy relevantes ya que tanto la interacción de
habilidad lectora como de habilidad numérica resultan significativas mostrando la existencia de
efectos diferenciados según el tipo de bachillerato, mejoras en la habilidad lectora favorecen más al
bachillerato tecnológico mientras que mejoras en la habilidad numérica favorecen más al bachillerato
general, es decir, un incremento de una DE en el puntaje de habilidad lectora mejora 15% más el
ingreso para un egresado de bachillerato tecnológico que para uno de bachillerato general, mientras
relacionadas con el ingreso del individuo e incorporadas en el error de la ecuación estructural amenazando la restricción de exclusión del instrumento. 40
Al introducir variables de control adicionales en la especificación , el número de variables que afectan los años de educación y el ingreso dentro del error de la ecuación estructural se reducen, por lo que es más viable que el instrumento cumpla la restricción de exclusión en la que la correlación del instrumento con el error debe ser nula (Wooldridge, 2006)
Página 26 de 49
que un incremento de una DE en el puntaje de habilidad numérica mejora 14% más el ingreso de un
egresado de bachillerato general que uno de bachillerato tecnológico. Sin embargo estos resultados
pueden no ser muy robustos dado que el número de observaciones sobre las que se ejecuta esta
estimación tan sólo es de 574.
F. Conclusiones
Los resultados del presente ensayo soportan la hipótesis de que la habilidad cognitiva tiene un efecto
directo en el ingreso independiente del efecto que puede tener vía los años de escolaridad, el cual, se
incrementa considerablemente al corregir por posibles efectos en la endogeneidad de la variable. Un
incremento de una DE en el puntaje está relacionado con un incremento de aproximadamente el 13%
en el salario por hora de los jóvenes que recién egresan de la EMS. En este contexto, el trimestre de
nacimiento resulta ser un instrumento relevante y robusto que brinda variación exógena en los años
de escolaridad.
Dentro de las habilidades cognitivas, el efecto de la habilidad lectora en el salario parece estar más
relacionado con las competencias necesarias para que los jóvenes se desenvuelvan en sus primeros
empleos que la habilidad numérica.
En todas las estimaciones se encontró que controlando por habilidad cognitiva y años de escolaridad
la brecha salarial entre mujeres y hombres es de aproximadamente 6%, la cual se incrementa hasta
11% cuando se instrumentan los años de escolaridad.
Al incluir en la misma especificación variables relacionadas con la habilidad cognitiva y con las
habilidades socio-emocionales de los jóvenes, se encuentra que ambos tipos de variables tienen un
efecto muy similar en el salario por hora, lo cual sugiere que el desarrollo de actividades para
favorecer las habilidades socio-emocionales dentro del aula pueden ser igual de efectivas para un
buen desempeño laboral que las actividades académicas.
Un resultado bastante interesante en términos de política educativa y económica es que no se
encontraron diferencias significativas en el salario según el tipo de bachillerato en la mayoría de las
especificaciones. Una posible explicación a este resultado es que dentro del análisis no fue posible
diferenciar a individuos de bachillerato tecnológico de aquellos que cursaron la opción del
profesional técnico, la diferencia principal entre ambos tipos de bachilleratos vocacionales es el
énfasis que le da el profesional técnico a la vertiente ocupacional y al desarrollo de competencias
profesionales específicas, ya que, mientras que el bachillerato tecnológico es bivalente, es decir, se
puede estudiar el bachillerato y una carrera técnica el mismo tiempo, las materias propedéuticas que
se toman son prácticamente las mismas que en el bachillerato general. Además, el bachillerato
tecnológico se constituye por una formación profesional de máximo 1,200 horas repartidas a lo largo
de toda su malla curricular y en el caso del profesional técnico se desarrollan las competencias
profesionales en 2,400 horas o más a lo largo de toda la carrera. Al juntar estos dos tipos de
bachilleratos en un mismo grupo podrían estarse subestimando los efectos del profesional técnico en
el que estudian en promedio el 8% de los jóvenes mexicanos; sin embargo no deja de llamar la
atención que en todo caso el modelo bivalente de bachillerato tecnológico (donde se encuentran
estudiando aproximadamente el 30% de los estudiantes mexicanos), no estaría cumpliendo sus
objetivos vocacionales para aquellos jóvenes que optaran por incorporarse al mercado laboral
terminando este nivel y no continuar la educación superior.
Página 27 de 49
Este aspecto es relevante dado que la expectativa social y gubernamental es que el bachillerato
tecnológico al incorporar dentro de su malla curricular un mayor contenido vocacional, desarrolle
competencias más pertinentes con el mercado laboral y por lo tanto, más valoradas, en relación a las
competencias generales que puede tener un egresado del bachillerato general. El que los resultados
por tipo de bachillerato no sean significativos en el salario de los recién egresados de la EMS, deja
claramente una pregunta abierta no sólo para los jóvenes que optaron por este tipo de formación ya
que al terminarla sus inserciones en el mercado laboral los enfrenta con una realidad muy diferente
respecto a sus expectativas originales; si no también una pregunta de política pública clave para el
país sobre qué tipo de sistema de educación vocacional se ha conformado en los últimos años que sus
egresados no son valorados por el mercado laboral y su contribución a mejorar la productividad
laboral del país es escasa.
Un camino en la dirección correcta para transformar la educación vocacional inicial puede ser el
impulso de esquemas de formación que logren el equilibrio entre la formación teórica y práctica
mediante la alternancia entre el periodo de formación en aulas y el espacio de trabajo, como es el
caso del Modelo Mexicano de Formación Dual, o bien para los trabajadores en activo, o jóvenes que
ya no están estudiando y trabajando, resultaría muy interesante estar impulsando esquemas de
capacitación laboral que también combinen el espacio del aula con la formación práctica en el lugar
del trabajo, pero haciendo un énfasis importante también en el desarrollo de las habilidades socio-
emocionales.
Página 28 de 49
G. Bibliografía
Angrist, J. D., & Krueger, A. B. (1990). Does compulsory school attendance affect schooling and
earnings? (No. w3572). National Bureau of Economic Research.
Ashenfelter, O., & Zimmerman, D. J. (1997). Estimates of the returns to schooling from sibling data:
Fathers, sons, and brothers. Review of Economics and Statistics, 79(1), 1-9.
Barceinas, F., Bara, R., & Luis, J. (2001). Capital humano y rendimientos de la educación en México.
Universitat Autònoma de Barcelona,.
Becker, G. S. (1964). Human Capital: A Theoretical and Empirical Analysis, with Special Reference
to Education, by Gary S. Becker,... London.
Bellman, D., & Heywood, J. S. (1997). Sheepskin Effects by Cohort: Implications of Job Matching in
a Signalling Model. Oxford Economic Papers, 49, 623-637.
Bound, J., & Solon, G. (1999). Double trouble: on the value of twins-based estimation of the return to
schooling. Economics of Education Review, 18(2), 169-182.
Bowles, S., & Gintis, H. (1976). Schooling in capitalist America (Vol. 57). New York: Basic Books.
Bowles, S., & Gintis, H. (2002). Schooling in capitalist America revisited.Sociology of education, 1-
18.
Bracho, T., & Zamudio, A. (1994). Los rendimientos económicos de la escolaridad en México,
1989. Journal ofEconomic History, 46(2), 385-406.
Card, D. (1999). The causal effect of education on earnings. Handbook of labor economics, 3, 1801-
1863.
Card, D. (2001). Estimating the return to schooling: Progress on some persistent econometric
problems. Econometrica, 69(5), 1127-1160.
D'agostino, R. B., Belanger, A., & D'Agostino Jr, R. B. (1990). A suggestion for using powerful and
informative tests of normality. The American Statistician,44(4), 316-321.
Dearden, L., McIntosh, S., Myck, M., & Vignoles, A. (2002). The returns to academic and vocational
qualifications in Britain. Bulletin of economic research,54(3), 249-274.
Griliches, Z. (1977). Estimating the returns to schooling: Some econometric problems. Econometrica:
Journal of the Econometric Society, 1-22.
Haider, S., & Solon, G. (2006). Life-cycle variation in the association between current and lifetime
earnings (No. w11943). National Bureau of Economic Research.
Hanushek, E. A., & Woessmann, L. (2008). The role of cognitive skills in economic
development. Journal of economic literature, 607-668.
Página 29 de 49
Hanushek, E. A., & Zhang, L. (2006). Quality-consistent estimates of international returns to
skill (No. w12664). National Bureau of Economic Research.
Hanushek, E. A., Schwerdt, G., Wiederhold, S., & Woessmann, L. (2015). Returns to Skills around
the World: Evidence from PIAAC. European Economic Review, 73, 103-130.
Heckman, J. J., Hsse, J., & Rubinstein, Y. (2000). The GED is a mixed signal: The effect of cognitive
and non-cognitive skills on human capital and labor market outcomes. University of Chicago xerox.
Heckman, J. J., Lochner, L. J., & Todd, P. E. (2003). Fifty years of Mincer earnings regressions (No.
w9732). National Bureau of Economic Research.
Heckman, J. J., Stixrud, J., & Urzua, S. (2006). The effects of cognitive and noncognitive abilities on
labor market outcomes and social behavior (No. w12006). National Bureau of Economic Research.
Heckman, J., & Lochner, L. P. Todd. 2005." Earnings Functions, Rates of Return and Treatment
Effects: The Mincer Equation and Beyond.". NBER Working Paper Series No, 11544.
Hungerford, T., & Solon, G. (1987). Sheepskin effects in the returns to education.The review of
economics and statistics, 175-177.
Jaeger, D. A., & Page, M. E. (1996). Degrees matter: New evidence on sheepskin effects in the
returns to education. The review of economics and statistics, 733-740.
Kézdi, G. (2006). Not only transition. The reasons for declining returns to vocational
education. Center for Economic Research & Graduate Education–Economics Institute, 15.
Mincer, J. (1974). Schooling, Experience, and Earnings. Human Behavior & Social Institutions No.
2.
Montenegro, C. E., & Patrinos, H. A. (2014). Comparable estimates of returns to schooling around
the world. World Bank Policy Research Working Paper, (7020).
Murnane, R. J., Willett, J. B., & Levy, F. (1995). The growing importance of cognitive skills in wage
determination (No. w5076). National Bureau of Economic Research.
Ordaz, J. L. (2007). México: capital humano e ingresos. Retornos a la educación, 1994-2005. cepal.
Psacharopoulos, G. (1995). The profitability of investment in education: concepts and methods.
Washington, DC: World Bank.
Psacharopoulos, G., & Chu Ng, Y. (1994). Earnings and education in Latin America. Education
Economics, 2(2), 187-207.
Trostel, P. A. (2005). Nonlinearity in the return to education. Journal of Applied Economics, 8(1),
191-202.
Wilk, S. L., & Sackett, P. R. (1996). Longitudinal analysis of ability‐job complexity fit and job
change. Personnel Psychology, 49(4), 937-967.
Página 30 de 49
Willingham, W. W., Pollack, J. M., & Lewis, C. (2002). Grades and test scores: Accounting for
observed differences. Journal of Educational Measurement, 39(1), 1-37.
Yamauchi, F. (2011). Wage Dynamics, Turnover, and Human Capital: Evidence from Adolescent
Transition from School to Work in the Philippines. Manuscript. International Food Policy Research
Institute, Washington, DC.
Página 31 de 49
I.- ANEXOS DE TABLAS
Tabla 1: Estadística descriptiva Base A.
Estadística descriptiva, Base A año 2010
Toda la muestra Bachillerato general Bachillerato tecnológico o Profesional
técnico
Variable Obs Media D.E. Min/Max Obs Media D.E. Min/Max Obs Media D.E. Min/Max
Género1 3,956 0.56 0.49 0/1 2,195 0.58 0.49 0/1 1,761 0.53 0.49 0/1
Edad 3,956 19.11 0.73 18/20 2,195 19.11 0.73 18/20 1,761 19.13 0.72 18/20
Experiencia2 3,956 0.82 0.71 0/2 2,195 0.68 0.8 0/2 1,761 0.76 0.84 0/2
Años de educación 3,956 12.39 0.64 12/16 2,195 12.42 0.64 12/16 1,761 12.36 0.63 12/16
Desempeño español3 3,442 0.18 0.92 -2.8/2.91 1915 .26 0.93 -2.8/2.91 1527 0.08 0.89 -2.28/2.88
Desempeño matemáticas3 3,442 0.25 1.05 -2.55/3.71 1915 0.29 1.05 -2.55/3.71 1527 0.19 1.04 -2.55/3.62
Salario por hora 1,110 22.11 30.38 1.1/800 520 21.74 21.48 1.66/232.55 590 22.4 36.48 1.1/800
Logaritmo salario por hora 1,110 2.86 0.6 0-10/6.68 520 2.85 0.62 0.50/5.44 590 2.87 0.59 0.10/6.68
Duración del primer trabajo después de la EMS4
1,754 6.11 6.12 0/41 868 5.73 5.99 0/27 886 5.98 6.24
0/41
Marginacion5 3,956 0.29 0.45 0/1 2,195 0.3 0.45 0/1 1,761 0.29 0.45 0/1
Tipo de bachillerato6 3,956 0.56 0.49 0/1 n/a n/a n/a n/a n/a n/a n/a n/a
1; 1= Mujer; 0= Hombre 2; Medida en años, experiencia potencial 3; Puntaje continuo sin estandarizar, el puntaje de mate maticas no tiene la misma escala que el puntaje de español, para más información ver Manual Técnico de ENLACE 2010
4; Medida en meses
5; 1= si el ingreso familiar pertenece al 4 decil o menor, 0= en otro caso
6; 0=B. Tecnológico o Prof. Técnico; 1= B. General
Página 32 de 49
Tabla 2: Diferencias entre grupos. Base A.
Diferencias entre grupos, Base A 2010
Bachillerato general
Bachillerato tecnológico o Profesional técnico
Diferencia
Variable
Media D.E.
Media D.E.
Media D.E.
Género1
0.58 0.49
0.53 0.49
-0.047 0.015883 ***
Edad
19.11 0.73
19.13 0.72
0.021 0.023365
Experiencia2
0.68 0.8
0.76 0.84
0.088 0.026438 ***
Años de educación*
12.36 0.01525
12.42 0.013
-0.067 0.020611 ***
Desempeño español3
.26 0.93
0.08 0.89
-0.176 0.031417 ***
Desempeño matemáticas3
0.29 1.05
0.19 1.04
-0.107 0.03597 ***
Salario por hora*
21.74 21.48
22.4 36.48
0.696 1.772991
Logaritmo salario por hora
2.85 0.62
2.87 0.59
0.017 0.036735
Duración del primer trabajo después de la EMS4
5.73 5.99
5.98 6.24
0.256 0.292311
Marginacion5
0.3 0.45
0.29 0.45
-0.009 0.014604
Tipo de bachillerato6
n/a n/a
n/a n/a
1; 1= Mujer; 0= Hombre
2; Medida en años, experiencia potencial
3; Puntaje continuo sin estandarizar
4; Medida en meses
5; 1= si el ingreso familiar pertenece al 4 decil o menor, 0= en otro caso
6; 0=B. Tecnológico o Prof. Técnico; 1= B. General *** Significativo al 99%
Tabla 3: Correlación entre variables de ingreso, años de ecuación y habilidad cognitiva Base A.
Desempeño español
Desempeño matemáticas
Promedio de egreso EMS
Años de educación
Logaritmo salario por
hora
Desempeño español 1
Desempeño matemáticas 0.5819 1
Promedio de egreso EMS 0.3075 0.362 1
Años de educación
0.141 0.1622 0.1835 1 Logaritmo salario
por hora 0.1206 0.1048 0.0803 0.1323 1
Tabla 3: Estadística descriptiva Base B.
Estadística descriptiva, Base B 2014
Página 33 de 49
Toda la muestra Bachillerato general Bachillerato tecnológico o Profesional
técnico
Variable Obs Media D.E. Min/Max Obs Media D.E. Min/Max Obs Media D.E. Min/Max
Género1 9,006 0.535 0.499 0/1 5,057 0.56 0.50 0/1 3,949 0.51 0.50 0/1
Edad 9,006 19.076 0.803 18/20 5,057 19.08 0.80 18/20 3,949 19.07 0.80 18/20
Experiencia2 9,006 0.966 0.846 0/3 5,057 0.94 0.85 0/3 3,949 1.00 0.85 0/3
Años de educación* 9,006 12.111 0.883 11/17 5,057 12.14 0.91 11/17 3,949 12.07 0.85 11/17
Promedio de egreso dela EMS 3 8,392 84.095 6.784 60/100 5,037 84.10 6.73 60/100 3,355 84.09 6.86 60/100
Puntaje de habilidades socio-emocionales
8,423 35.040 4.530 6/46 5,057 35.53 4.56 6/46 3,366 35.30 4.50 9/46
Salario por hora* 2,427 26.341 37.757 1./1000 1,232 26.30 31.36 1.1/500 1,195 26.38 43.39 1.0/1000
Logaritmo salario por hora 2,427 3.011 0.630 0.0008/6.90 1,232 3.01 0.64 0.12/6.21 1,195 3.01 0.62 0.0008/6.90
Duración del primer trabajo después de la EMS4
3,467 5.642 6.294 0/42 1,984 5.73 6.41 0/42 1,483 5.52 6.14 0/37
Marginacion5 9,006 0.327 0.469 0/1 5,057 0.34 0.47 0/1 3,949 0.31 0.46 0/1
Tipo de bachillerato6 9,006 0.562 0.496 0/1 n/a n/a n/a n/a n/a n/a n/a n/a
1; 1= Mujer; 0= Hombre 2; Medida en años, experiencia potencial
3; Promedio continuo sin estandarizar
4; Medida en meses
5; 1= si el ingreso familiar pertenece al 4 decil o menor, 0= en otro caso
6; 0=B. Tecnológico o Prof. Técnico; 1= B. General
Tabla 4: Diferencias entre grupos. Base B.
Diferencias entre grupos, Base B 2014
Bachillerato general Bachillerato tecnológico o
Profesional técnico Diferencia
Variable Media D.E. Media D.E. Media D.E.
Género1 0.56 0.50 0.51 0.50 -0.05 0.011 ***
Edad 19.08 0.80 19.07 0.80 -0.01 0.017
Experiencia2 0.94 0.85 1.00 0.85 0.06 0.018 ***
Años de educación* 12.14 0.91 12.07 0.85 -0.07 0.019 ***
Promedio de egreso dela EMS 3 84.10 6.73 84.09 6.86 -0.01 0.152
Puntaje de habilidades blandas 35.53 4.56 35.30 4.50 -0.16 0.101
Salario por hora* 26.30 31.36 26.38 43.39 0.08 1.541
Logaritmo salario por hora 3.01 0.64 3.01 0.62 0.00 0.026
Duración del primer trabajo después de la EMS4 5.73 6.41 5.52 6.14 -0.21 0.215
Marginacion5 0.34 0.47 0.31 0.46 -0.03 0.010 ***
Tipo de bachillerato6 n/a n/a n/a n/a
1; 1= Mujer; 0= Hombre
Página 34 de 49
2; Medida en años, experiencia potencial
3; Puntaje continuo sin estandarizar
4; Medida en meses
5; 1= si el ingreso familiar pertenece al 4 decil o menor, 0= en otro caso
6; 0=B. Tecnológico o Prof. Técnico; 1= B. General *** Significativo al 99%
Tabla 5. Retornos a las habilidades cognitivas (ENLACE) Base A, 2010
MCO MCO MCO MCO MCO MCO MCO
1 2 3 4 5 6 7
VARIABLES
ln Salario por hora
ln Salario por hora
ln Salario por hora
ln Salario por hora
ln Salario por hora
ln Salario por hora
ln Salario por hora
Habilidad numérica 0.0562*** 0.0178 0.0160 -0.00707
(0.0210) (0.0246) (0.0246) (0.0319)
Habilidad lectora 0.0719*** 0.0614** 0.0640** 0.0724**
(0.0210) (0.0248) (0.0249) (0.0340)
experiencia 0.0356 0.00784 -0.0462 -0.0572 -0.0543 -0.0587 -0.0549
(0.0825) (0.0815) (0.0890) (0.0886) (0.0886) (0.0886) (0.0893)
experiencia2 -0.00618 0.00645 0.0143 0.0180 0.0179 0.0184 0.0161
(0.0371) (0.0369) (0.0394) (0.0393) (0.0393) (0.0393) (0.0398)
genero -0.0351 -0.0674* -0.0601 -0.0595 -0.0618
(0.0383) (0.0387) (0.0388) (0.0388) (0.0389)
Tipo de Bachillerato -0.0533 -0.0479
(0.0392) (0.0403)
Interacción tipo de bachillerato y habilidad lectora -0.0177
(0.0495)
Interacción tipo de bachillerato y habilidad numérica 0.0523
(0.0499)
Superior 0.212***
(0.0392)
Años de educación 0.159***
(0.0407)
Constante 0.881* 2.742*** 2.912*** 2.939*** 2.933*** 2.962*** 2.961***
(0.511) (0.0437) (0.0476) (0.0475) (0.0477) (0.0524) (0.0529)
Observaciones 1,066 1,066 967 967 967 967 967
R-squared 0.015 0.018 0.011 0.016 0.017 0.019 0.020
Errores estándar robustos en paréntesis
*** p<0.01, ** p<0.05, * p<0.1
Tabla 6. Retornos a las habilidades cognitivas (promedio de egreso y habilidades no cognitivas ) Base B, 2014
MCO MCO MCO MCO MCO MCO MCO MCO
1 2 3 4 5 6 7 8
VARIABLES
ln Salario por hora
ln Salario por hora
ln Salario por hora
ln Salario por hora
ln Salario por hora
ln Salario por hora
ln Salario por hora
ln Salario por hora
Página 35 de 49
Habilidad no cognitiva 0.0350*** 0.0349*** 0.00734 0.0288** 0.00468
(0.0124) (0.0124) (0.0176) (0.0126) (0.0178)
Promedio de egreso EMS 0.0370*** 0.0368*** 0.000106 0.0327** 0.0320**
(0.0138) (0.0138) (0.0198) (0.0140) (0.0140)
experiencia -0.195*** -0.195*** -0.194*** -0.201*** -0.201*** -0.200*** -0.196*** -0.195***
(0.0557) (0.0558) (0.0558) (0.0553) (0.0554) (0.0554) (0.0557) (0.0559)
experiencia2 0.0762*** 0.0764*** 0.0759*** 0.0775*** 0.0777*** 0.0769*** 0.0767*** 0.0762***
(0.0215) (0.0216) (0.0216) (0.0214) (0.0214) (0.0214) (0.0216) (0.0216)
genero -0.0630** -0.0625** -0.0630** -0.0556** -0.0550** -0.0541** -0.0642** -0.0628**
(0.0276) (0.0276) (0.0276) (0.0271) (0.0271) (0.0271) (0.0276) (0.0276)
Tipo de Bachillerato -0.00962 -0.00315 -0.0137 -0.0107 -0.00720
(0.0272) (0.0274) (0.0272) (0.0273) (0.0273)
Interacción tipo de bachillerato y habilidad no
cognitiva 0.0492** 0.0433*
(0.0246) (0.0246)
Interacción tipo de bachillerato y promedio
de egreso 0.0682**
(0.0268)
Constante 3.120*** 3.126*** 3.124*** 3.117*** 3.125*** 3.123*** 3.122*** 3.126***
(0.0367) (0.0410) (0.0409) (0.0367) (0.0409) (0.0409) (0.0367) (0.0410)
Observaciones 2,147 2,147 2,147 2,157 2,157 2,157 2,147 2,147
R-squared 0.012 0.012 0.015 0.012 0.012 0.013 0.014 0.015
Errores estándar robustos en paréntesis
*** p<0.01, ** p<0.05, * p<0.1
Tabla 7. Retornos a las habilidades cognitivas (ENLACE) incluyendo Años de educación, Base A, 2010
MCO MCO MCO MCO MCO
1 2 3 4 5
VARIABLES
ln Salario por
hora
ln Salario por
hora
ln Salario por
hora
ln Salario por
hora
ln Salario por
hora
Años de educación 0.136*** 0.141*** 0.138*** 0.108**
(0.0430) (0.0431) (0.0435) (0.0488)
Página 36 de 49
Habilidad numérica 0.0137 0.0114 -0.00535 -0.0285 -0.0256
(0.0245) (0.0244) (0.0317) (0.0354) (0.0356)
Habilidad lectora 0.0565** 0.0594** 0.0678** 0.0724** 0.0696*
(0.0246) (0.0247) (0.0336) (0.0360) (0.0359)
experiencia 0.0318 0.0298 0.0303 0.0445 0.107
(0.0911) (0.0911) (0.0913) (0.0954) (0.0980)
experiencia2 -0.00223 -0.00233 -0.00336 -0.0170 -0.0312
(0.0393) (0.0393) (0.0397) (0.0431) (0.0431)
genero -0.0560 -0.0552 -0.0570 -0.0939** -0.0893**
(0.0386) (0.0385) (0.0387) (0.0427) (0.0427)
Tipo de Bachillerato -0.0621 -0.0588 -0.0406 -0.0476
(0.0391) (0.0404) (0.0448) (0.0451)
Interacción tipo de bachillerato y habilidad
lectora -0.0172 -0.0663 -0.0645
(0.0490) (0.0544) (0.0540)
Interacción tipo de bachillerato y habilidad
numérica 0.0380 0.106* 0.0928*
(0.0499) (0.0547) (0.0556)
Años de educación del jefe del hogar 0.0173*** 0.0161***
(0.00540) (0.00550)
Constante 1.204** 1.176** 1.217** 2.753*** 1.398**
(0.549) (0.549) (0.554) (0.0728) (0.608)
Observations 967 967 967 765 765
R-squared 0.027 0.030 0.030 0.038 0.044
Errores estándar robustos en paréntesis
*** p<0.01, ** p<0.05, * p<0.1
Tabla 8. Retornos a las habilidades cognitivas (promedio de egreso) y no cognitivas incluyendo Años de educación, Base B, 2014
MCO MCO MCO MCO MCO
1 2 3 4 5
VARIABLES ln Salario por ln Salario por ln Salario por ln Salario por ln Salario por
Página 37 de 49
hora hora hora hora hora
Años de escolaridad 0.0959*** 0.0965*** 0.0973*** 0.0776*** 0.0776***
(0.0229) (0.0229) (0.0229) (0.0258) (0.0258)
Promedio de egreso EMS 0.0237* 0.0232 -0.0107 -0.0212 -0.0212
(0.0142) (0.0142) (0.0202) (0.0226) (0.0226)
Habilidad no cognitiva 0.0276** 0.0276** 0.00667 -0.0101 -0.0101
(0.0126) (0.0126) (0.0177) (0.0201) (0.0201)
experiencia -0.132** -0.133** -0.130** -0.0882 -0.0882
(0.0584) (0.0585) (0.0585) (0.0657) (0.0657)
experiencia2 0.0663*** 0.0666*** 0.0654*** 0.0471* 0.0471*
(0.0218) (0.0218) (0.0219) (0.0241) (0.0241)
genero -0.0702** -0.0694** -0.0692** -0.0602** -0.0602**
(0.0276) (0.0276) (0.0275) (0.0305) (0.0305)
Tipo de Bachillerato -0.0151 -0.00698 -0.0138 -0.0138
(0.0270) (0.0272) (0.0302) (0.0302)
Interacción tipo de bachillerato y habilidad no
cognitiva 0.0364 0.0512* 0.0512*
(0.0250) (0.0286) (0.0286)
Interacción tipo de bachillerato y promedio de
egreso 0.0624** 0.0600** 0.0600**
(0.0273) (0.0300) (0.0300)
Años de escolaridad del jefe del hogar 0.0267*** 0.0267***
(0.00387) (0.00387)
Constante 1.918*** 1.919*** 1.905*** 1.863*** 1.863***
(0.291) (0.291) (0.291) (0.328) (0.328)
Observations 2,147 2,147 2,147 1,670 1,670
R-squared 0.022 0.022 0.026 0.053 0.053
Errores estándar robustos en paréntesis
*** p<0.01, ** p<0.05, * p<0.1
Página 38 de 49
Tabla 9. Retornos a las habilidades cognitivas (ENLACE), corrección por VI, Base A, 2010
IV MCO IV MCO IV MCO
1 2 3 4 5 6
VARIABLES
ln Salario por
hora
ln Salario por
hora
ln Salario por
hora
ln Salario por
hora
ln Salario por
hora
ln Salario por
hora
Años de escolaridad 0.213*** 0.141*** 0.210*** 0.138*** 0.189** 0.108**
(0.0706) (0.0431) (0.0709) (0.0435) (0.0808) (0.0488)
Habilidad numérica 0.00766 0.0114 -0.0325 -0.00535 -0.0568 -0.0256
(0.0311) (0.0244) (0.0406) (0.0317) (0.0471) (0.0356)
Habilidad lectora 0.0590** 0.0594** 0.103** 0.0678** 0.131*** 0.0696*
(0.0298) (0.0247) (0.0412) (0.0336) (0.0458) (0.0359)
experiencia 0.00112 0.0298 0.00657 0.0303 0.0941 0.107
(0.113) (0.0911) (0.113) (0.0913) (0.125) (0.0980)
experiencia2 0.0124 -0.00233 0.0101 -0.00336 -0.0177 -0.0312
(0.0468) (0.0393) (0.0468) (0.0397) (0.0516) (0.0431)
genero -0.0627 -0.0552 -0.0682 -0.0570 -0.112** -0.0893**
(0.0469) (0.0385) (0.0469) (0.0387) (0.0513) (0.0427)
Tipo de Bachillerato -0.0663 -0.0621 -0.0696 -0.0588 -0.0732 -0.0476
(0.0452) (0.0391) (0.0462) (0.0404) (0.0505) (0.0451)
Interacción tipo de bachillerato y habilidad
lectora -0.0886 -0.0172 -0.156** -0.0645
(0.0573) (0.0490) (0.0634) (0.0540)
Interacción tipo de bachillerato y habilidad
numérica 0.0884 0.0380 0.142** 0.0928*
(0.0600) (0.0499) (0.0678) (0.0556)
Años de educación del jefe del hogar 0.0150*** 0.0161***
(0.00575) (0.00550)
Dummies por entidad federativa y cohorte de
nacimiento sí no sí no sí no
Constante 0.292 1.176** 0.341 1.217** 0.413 1.398**
(0.901) (0.549) (0.904) (0.554) (1.022) (0.608)
Página 39 de 49
Observations 723 967 723 967 574 765
R-squared 0.032 0.030 0.036 0.030 0.058 0.044
Errores estándar robustos en paréntesis
*** p<0.01, ** p<0.05, * p<0.1
Tabla 10. Primera etapa de los modelos de VI Base A (2010)
MCO MCO MCO
1 2 3
VARIABLES Años de educación Años de educación Años de educación
Habilidad numérica 0.0382** 0.0207 0.00817
(0.0175) (0.0229) (0.0264)
Habilidad lectora 0.0133 0.0231 0.0212
(0.0167) (0.0229) (0.0254)
experiencia -0.531*** -0.526*** -0.514***
(0.0578) (0.0580) (0.0647)
experiencia2 -0.0349 -0.0367 -0.0384
(0.0269) (0.0270) (0.0299)
genero -0.0182 -0.0208 -0.0227
(0.0260) (0.0261) (0.0286)
Tipo de Bachillerato 0.0334 0.0355 0.0259
(0.0264) (0.0270) (0.0298)
Interacción tipo de bachillerato y habilidad lectora -0.0203 -0.0294
(0.0314) (0.0344)
Interacción tipo de bachillerato y habilidad numérica 0.0393 0.0604
(0.0331) (0.0375)
Años de educación del jefe del hogar 0.00385
(0.00319)
Primer trimestre del año 0.148*** 0.146*** 0.145***
(0.0274) (0.0274) (0.0301)
Constant 12.45*** 12.45*** 12.44***
(0.357) (0.358) (0.359)
Observations 723 723 574
R-squared 0.642 0.643 0.645
Errores estándar robustos en paréntesis
*** p<0.01, ** p<0.05, * p<0.1
II.- ANEXOS DE GRÁFICAS
Página 40 de 49
Grafico 1: Histograma de la distribución. Base A.
Fuente ENLACE 2008- 2010,ENILEMS 2010,ENOE 2010
Grafico 2: Histograma de la distribución. Base B.
0.2
.4.6
.8
Dis
trib
ució
n
0 2 4 6 8LN salario por hora
BASE A 2010
Distribución del LN del Salario por hora
0.1
.2.3
.4
Dis
trib
ució
n
-4 -2 0 2 4Puntaje habilidad matemática
BASE A 2010
Distribución del puntaje de habilidad matemática
0.1
.2.3
.4
Dis
trib
ució
n
-4 -2 0 2 4Puntaje habilidad lectora
BASE A 2010
Distribución del puntaje de habilidad lectora
Página 41 de 49
Fuente ENLACE 2008- 2010,ENILEMS 2010,ENOE 2010
Grafico 3: Valores predichos del ln del salario por hora.
*Todas las demás variables del modelo están en sus valores medios, los coeficientes son del modelo estimado en la columna 5 de la tabla 5, intervalos al 95% de nivel de confianza
0.2
.4.6
.81
Dis
trib
ució
n
0 2 4 6 8LN salario por hora
BASE B 2014
Distribución del LN del Salario por hora
0
.02
.04
.06
.08
.1
Dis
trib
ució
n
10 20 30 40 50Puntaje Habilidad Socio-emocional
BASE B 2014
Distribución del puntaje de Habilidad Socio-emocional
0
.05
.1.1
5
Dis
trib
ució
n
60 70 80 90 100Promedio de egreso EMS
BASE B 2014
Distribución del promedio de egreso de la EMS
2 2,2 2,4 2,6 2,8
3 3,2 3,4 3,6 3,8
-2,8
00
81
8
-1,3
53
39
4
-0,9
89
87
7
-0,7
83
14
7
-0,5
94
07
8
-0,4
28
69
6
-0,2
83
09
1
-0,1
48
58
8
0,0
00
23
4
0,1
38
44
2
0,2
70
62
4
0,4
00
00
1
0,5
37
80
5
0,6
61
61
0,8
03
33
4
0,9
80
92
3
1,1
51
77
9
1,3
74
01
6
1,7
04
57
2
Ln d
el s
alar
io p
or
Ho
ra
Distribucion del puntaje de habilidad lectora
Incremento en el ln del salario por hora debido a mejoras en el puntaje de habilidad lectora
Elemental Insuficiente Bueno
Excelente
Página 42 de 49
Grafico 4: Valores predichos del ln del salario por hora. Habilidad cognitiva y no cognitiva
*Todas las demás variables del modelo están en sus valores medios, los coeficientes son del modelo estimado en la columna 5 de la tabla 5,
intervalos al 95% de nivel de confianza
III.- ANEXOS METODOLÓGICOS
III.1 Creación de las bases de datos.
1. Descripción de la base de datos ENILEMS 2010
La base de datos cuenta con 7,638 observaciones en total. De estas, 3,410 corresponden a hombres y
4,228 a mujeres. Aplicando el factor de expansión, tenemos que los hombres ocupan el 43.35% con
894,010 de individuos egresados de Educación Media Superior mientras que las mujeres ocupan el
56.65% con un total de 1, 168,148 individuos egresados. De aquí en adelante, y con motivos
estadísticos, se utilizará únicamente el número de observaciones en la muestra.
2
2,2
2,4
2,6
2,8
3
3,2
3,4
-3,5
51
79
-2
,07
77
18
-1
,78
29
03
-1
,48
80
89
-1
,34
06
82
-1
,19
32
74
-0
,89
84
60
1
-0,7
51
05
3
-0,7
51
05
3
-0,6
03
64
58
-0
,60
36
45
8
-0,6
03
64
58
-0
,60
36
45
8
-0,6
03
64
58
-0
,45
62
38
6
-0,3
08
83
14
Ln d
el s
alar
io p
or
ho
ra
Distribucion del puntaje de habilidad cognitiva (promedio de egreso EMS)
Incremento en el ln del salario por hora debido a mejoras en el puntaje de habilidad
cognitiva (promedio de egreso EMS)
2
2,2
2,4
2,6
2,8
3
3,2
3,4
-6,4
92
42
9
-2,3
06
17
2
-1,6
45
18
5
-1,4
24
85
5
-1,2
04
52
6
-0,9
84
19
68
-0,9
84
19
68
-0,7
63
86
75
-0,7
63
86
75
-0,5
43
53
82
-0,5
43
53
82
-0,3
23
20
89
-0,3
23
20
89
-0,3
23
20
89
-0,1
02
87
96
Ln d
el s
alar
io p
or
ho
ra
Distribucion del puntaje de habilidades socio-emocionales
Incremento en el ln del salario por hora debido a mejoras en el puntaje de habilidades
socio-emocionales
Página 43 de 49
Posteriormente, se procedió a construir un identificador único para definir si existía algún duplicado,
observando que no es así para el caso de la muestra a través del identificador. Para esta prueba se
utilizaron dos métodos distintos obteniendo el mismo resultado en ambos.
Se tabuló la distribución de las edades encontrando una distribución equitativa de los egresados de
Educación Media Superior de 18 a 20 años de edad que se muestra en consecuente:
Edad Observaciones Porcentaje
18 1,466 19.19 Media 19.22
19 3,048 39.91 Desv.
Estándar
0.74
20 3,124 40.9 Varianza 0.55
Total 7,638 100
Se analizaron los porcentajes correspondientes de los distintos tipos de bachillerato que completaron
los individuos de la muestra. De esta forma, se encontró que el 62.4% (4,581 observaciones) cursó el
bachillerato general, el 29.7% (2,179 observaciones) bachillerato tecnológico y únicamente 578
individuos el bachillerato profesional técnico (7.9%). Cabe resaltar que esta distribución suma 7,338
observaciones y 300 valores faltantes para el total de las 7,638 observaciones. Cuando se hace la
distinción por género se encuentra que se cuenta con 3, 274 observaciones para los hombres y 4,064
para las mujeres, de los cuales el 61.24% y 63.39% realizaron estudios de bachillerato general
respectivamente; 30.42% y 29.11% bachillerato tecnológico, y 8.34% y 7.5% el bachillerato
profesional técnico. Las distribuciones mencionadas anteriormente, tanto por género como por edad,
se muestran las siguientes tablas y gráficos:
Distribución por género: tipo de bachillerato
Distribución Hombres Distribución Mujeres Distribución total
Observaciones Porcentaje Observaciones Porcentaje Observaciones Porcentaje
44.65
55.35
02
04
06
0
Po
rcen
taje
1 2Sexo del seleccionado
Fuente: Estimaciones propias con datos ENILEMS 2010
1= Hombres; 2= Mujeres
ENILEMS 2O10
Distribución Egresados de Educación Media Superior por género
Página 44 de 49
Tecnológico 996 30.42 1,183 29.11 2,179 29.7
Prof. Técnico 273 8.34 305 7.50 578 7.9
B. General 2,005 61.24 2,576 63.39 4,581 62.4
Total 3,274 100 4064 100 7338 100
Distribución por edad tipo de bachillerato
18 años 19 años 20 años Total
Obs Porcentaje Obs Porcentaje Obs Porcentaje Obs Porcentaje
Tecnológico 429 30.86 877 29.76 873 29.09 2,179 29.7%
Prof. Técnico 92 6.62 233 7.91 253 8.43 578 7.9%
B. General 869 62.52 1,837 62.33 1,875 62.48 4,581 62.4%
Total 1,390 100 2947 100 3001 100 7338 100.0%
2. Descripción de la base de datos ENILEMS + ENOE 2010
Al finalizar el análisis de la base de datos ENILEMS 2010, se procedió a realizar la unión del cruce
con el tercer trimestre de la ENOE 2010 para poder realizar cálculos en las variables que se registran
únicamente en la Encuesta Nacional de Ocupación y Empleo de dicho año.
La ENOE del tercer trimestre del 2010 tiene 422,415 observaciones en total. Del total de las
observaciones, 7,638 hacen unión con la ENILEMS 2010, es decir el 100% de la muestra total de
ENILEMS.
Resultado de la unión
Sin unión 414,777
ENOE 414,777
ENILEMS 0
Unión 7,638
3. Descripción de la base de datos ENILEMS + ENOE + ENLACE 2010
Posteriormente, se realizó la unión con la prueba ENLACE de la base ENILEMS + ENOE que se
generó en las secciones anteriores, que quedó de la siguiente manera:
Resultado de la unión
Sin unión 3,682
ENILEMS + ENOE 3,682
ENLACE 0
Unión 3956
Página 45 de 49
En primer lugar, se muestra la distribución por género de la muestra. Como se observa, la relación de
género se mantiene aproximadamente constante con 44% de hombres y 56% de mujeres que
corresponden a 1,785 y 2,312 observaciones respectivamente.
De la misma manera, y para observar la distribución de esta muestra respecto a la muestra de
ENILEMS, se tabuló la distribución de las edades encontrando una distribución con media
ligeramente menor de los egresados de Educación Media Superior de 18 a 20 años de edad misma
que se muestra en consecuente:
Distribución de edades Egresados Media Superior, ENILEMS 2010
Edad Observaciones Porcentaje
18 1,466 19.19 Media 19.22
19 3,048 39.91 Desv.
Estándar
0.74
20 3,124 40.9 Varianza 0.55
Total 7,638 100
43.57
56.43
020
40
60
Porc
enta
je
1 2Sexo del seleccionado
Muestra año 2010; 1= Hombre; 2=Mujer
ENILEMS ENOE ENLACE
Distribución por género
Distribución de edades Egresados Media Superior, ENILEMS y ENLACE
2010
Edad Observaciones Porcentaje
18 849 21.4 Media 19.11
19 1,738 45.07 Desv.
Estándar 0.73
20 1,324 33.4 Varianza 0.53
Total 3,956 100
Página 46 de 49
Como se observa en los cuadros correspondientes, los egresados de Educación Media Superior con
los que se cuenta puntaje de prueba ENLACE de dicho nivel en el año 2010, tienen una distribución
de edad ligeramente menor a aquella de la ENILEMS 2010, con 7% menos egresados de 20 años y
5% y 2% más de egresados de 19 y 18 años respectivamente.
En lo que corresponde al análisis de los porcentajes de los distintos tipos de bachillerato que
completaron los individuos de la muestra, se encontró que el 55.49% (2,195 observaciones) cursó el
bachillerato general, el 35.36% (1,399 observaciones) bachillerato tecnológico y únicamente 362
individuos el bachillerato profesional técnico (9.15%). Cabe resaltar que esta distribución suma las
4,097 observaciones de la muestra ENILEMS-ENLACE para el año 2010. Cuando se hace la
distinción por género se encuentra que se cuenta con 1,738 observaciones para los hombres y 2,218
para las mujeres, de los cuales el 52.82% y 57.57% realizaron estudios de bachillerato general
respectivamente; 37.28% y 33.86% bachillerato tecnológico, y 9.90% y 8.57% el bachillerato
profesional técnico.
IV.- ANEXO Competencias asociadas a cada niveles de dominio dela prueba ENLACE
Nivel de Dominio Habilidad lectora
INSUFICIENTE
Ubicas elementos informativos como datos, hechos, citas, términos, explicaciones y
acciones que se presentan de manera explícita en textos argumentativos,
expositivos y apelativos. Haces uso del contexto en que se presenta una palabra
para identificar su significado. Relacionas párrafos de un cuento o de una carta
formal para reconocer el vínculo entre el contenido y la intención comunicativa del
autor.
ELEMENTAL
Localizas, relacionas y comprendes elementos de información que aparecen a lo
largo de distintos tipos de texto. Identificas el tema central de uno o varios párrafos.
Reconoces elementos discursivos (hechos y opiniones) y estructurales (nudo y
diferentes acciones) y su propósito comunicativo. Relacionas información explícita
del texto con conocimientos previos para elaborar conclusiones simples.
BUENO
Identificas enunciados que sintetizan apartados de un texto. Seleccionas y distingues
elementos de información explícitos a lo largo de un artículo de divulgación
científica, con base en un criterio específico (causa-efecto, comparación-contraste,
concepto-ejemplo, problema-solución). Interpretas el significado de una figura
retórica. Vinculas información que aparece en distintas partes del texto para
reconocer el tema o asunto central. Reconoces la función de recursos discursivos
(opiniones, explicaciones que apoyan argumentos y descripciones) y elementos
estructurales para inferir cuestiones implícitas, como la postura del autor, un
contraargumento, el responsable de solucionar el problema planteado en una carta,
Página 47 de 49
entre otros.
EXCELENTE
Estableces relaciones entre elementos de información presentados de distinta
manera a lo largo del texto (imágenes, tablas, glosario). Identificas el sentido de
enunciados connotativos y retomas elementos implícitos de una narración para
inferir posibles motivos y acciones de los personajes. Reconoces la frase que
sintetiza el texto. Relacionas el contenido con información externa para realizar
inferencias, establecer hipótesis e identificar premisas, conclusiones o soluciones.
Evalúas la pertinencia de recursos como citas y tablas, además de la estructura en
que se organiza un texto para lograr su propósito comunicativo.
Nivel de
Dominio Habilidad numérica
INSUFICIENTE
Eres capaz de resolver problemas simples donde la tarea se presenta directamente. Efectúas
operaciones básicas con números enteros. Ejecutas operaciones aritméticas con signos de
agrupación. Encuentras equivalencias entre fracciones simples. Resuelves problemas que
requieren la identificación de figuras planas y tridimensionales, así como las partes que las
conforman. Localizas puntos en un plano y/o determinas sus coordenadas. Encuentras
relaciones gráficas o algebraicas sencillas entre dos variables y realizas cálculos con base en
ello.
ELEMENTAL
Resuelves problemas relativos a porcentajes. Realizas operaciones básicas con fracciones.
Sabes utilizar fórmulas y convertir unidades. Ordenas series de números. Describes el
comportamiento de sucesiones numéricas y la relación entre ellas. Enuncias en lenguaje
común una expresión algebraica y viceversa. Resuelves problemas geométricos
bidimensionales y tridimensionales simples que involucran distintos elementos de una figura.
Construyes figuras tridimensionales a partir de otras. Resuelves sistemas de ecuaciones
lineales.
BUENO
Identificas la combinación de operaciones y procedimientos necesarios para resolver un
problema. Traduces una relación lineal que se presenta de manera gráfica, a una expresión
algebraica y viceversa. Determinas la solución de problemas que involucran unidades físicas.
Realizas cálculos complicados con razones y proporciones. Aplicas el concepto de mínimo
común múltiplo o máximo común divisor para resolver situaciones de la vida real. Calculas
áreas y perímetros de composiciones geométricas simples. Identificas la gráfica y la expresión
de relaciones cuadráticas con una o dos variables. Realizas inferencias acerca de una variable
si conoces el valor de otra con la que guarda relación directa o indirecta. Resuelves
ecuaciones cuadráticas con una incógnita que solucionan problemas reales.
Página 48 de 49
EXCELENTE
Realizas diferentes procedimientos matemáticos y los integras para resolver problemas de la
vida real, tales como conversiones, ecuaciones, análisis de gráficas y tablas, entre otros.
Efectúas conversiones y estimaciones para resolver problemas reales. Identificas la gráfica de
una recta a partir de condiciones dadas. Utilizas el teorema de Pitágoras para solucionar
problemas geométricos. Resuelves problemas de mayor complejidad que implican el manejo
de figuras, tanto planas como tridimensionales, y las propiedades geométricas de figuras
incompletas. Puedes realizar cálculos a partir de dos funciones lineales o cuadráticas que se
muestran de manera independiente y mediante distintas representaciones (numéricas,
textuales, gráficas, entre otras).
Página 49 de 49