Introducción

El diferencial de salarios en la población es un tema de continuo debate y preocupante. Este diferencial en individuos que han concluido una carrera profesional o un posgrado debería reducirse sin importar el género. La presente investigación encuentra evidencia empírica de que la formación académica sí tiene un impacto positivo en la tasa de ganancia salarial (rendimiento) de hombres y mujeres con estudios superiores o de posgrado (maestría o doctorado), pero el impacto es, infortunadamente, menor en el caso de las mujeres. De esta manera, no sólo hay diferencias de oportunidades laborales para las mujeres, sino también en sus salarios.

Con base en la información del Consejo Nacional de Evaluación de la Política de Desarrollo Social (CONEVAL), en México en 2012 existían 53.3 millones de personas en situación de pobreza, de las cuales 41.8 millones son pobres moderados y los restantes 11.5 millones se encuentran en situación de pobreza extrema. De los 53.3 millones de mexicanos, 52 por ciento (27.6 millones¹) fueron mujeres, de las cuales alrededor de la mitad tienen una edad menor o igual a 30 años y con familias promedio de 4.14 miembros (superior al promedio nacional²) y están concentradas en su mayoría en zonas urbanas.³

En contraste con lo anterior, como se muestra en la Tabla 1 (renglones 4, 5 y 6), los indicadores referentes a la población vulnerable por carencias sociales⁴ se presentan en mayor medida en los hombres que en las mujeres tanto en el ámbito urbano como en el rural. Mientras que la población vulnerable por ingresos⁵ se presenta en mayor medida en las mujeres. En el caso de personas que no son pobres ni vulnerables,⁶ la situación se mantiene en las mismas proporciones cuando se desglosa la información por género, pero no así por tamaño de la localidad, ya que la mayoría de la población en estas condiciones se encuentra en el ámbito urbano.

En la Tabla 1 se observa una mayor cantidad de mujeres tanto en zonas urbanas como rurales con rezago educativo, lo cual muestra evidencia de las diferencias existentes en las oportunidades de desarrollo entre hombres y mujeres; situación contraria a los servicios de salud, ya que los hombres son quienes menos concurren a dichos servicios. En lo que respecta a las líneas de bienestar mínimo⁷ y bienestar⁸ se observa, como era de esperarse, que una cantidad mayor de personas en situación de un ingreso inferior a estas líneas de bienestar sean nuevamente mujeres, lo cual demuestra que en México aún se tienen tareas pendientes sobre la equidad de género en materia de salud, educación y alimentación, así como de oportunidades laborales.

Por otro lado, ^{Schultz (1961)} considera que la creación de capital humano se sustenta en el planteamiento de que las personas aumentan sus capacidades como productores al invertir en sí mismos y que incrementar el nivel de escolaridad es una inversión deseable. Es importante mencionar en este punto el trabajo de ^{Parker y Pederzini (2000)} en el que se destaca que la asistencia escolar de las niñas se reduce después de los 12 años de edad, lo cual tiene un impacto negativo en la formación de capital humano por género. Tomando en cuenta la inequidad⁹ existente en México, el tema de capital humano resulta relevante porque permite explicar en gran medida el desarrollo de los individuos, particularmente los beneficios que ellos reciben de la educación; siendo la tasa de ganancia salarial un indicador importante, ya que ésta impacta directamente en las líneas de bienestar de hombres y mujeres.

La principal contribución de esta investigación es proporcionar evidencia empírica de que la educación tiene un impacto positivo en los ingresos salariales de los individuos de manera diferenciada entre hombres y mujeres, con base en diversos factores observables y subyacentes relacionados con el entorno familiar y económico que impactan de manera significativa la probabilidad de que los individuos decidan estudiar un programa de ESP. Esto permite obtener una tasa de ganancia salarial de acuerdo con la intensidad con que estos factores se presenten por género.

El objetivo de este estudio es estimar el impacto de la ESP en los ingresos de los egresados de una carrera profesional o un posgrado a lo largo de su ciclo de vida considerando el género de los mismos. El marco teórico para analizar las diferencias en el ingreso salarial por género se basa en el modelo de capital humano de ^{Mincer (1974)}. Este modelo provee la base teórica para el estudio de los salarios en función de variables que incrementan la productividad de los individuos. A partir de los trabajos de ^{Schultz (1961)} y ^{Becker (1962}, ¹⁹⁶⁴) se han desarrollado un importante número de contribuciones en la estimación de rendimientos de inversión en capital humano, cuyos resultados demuestran consistentemente que el nivel educativo es un determinante del nivel de ingresos.¹⁰

Existe una gran cantidad de estudios en muchos países sobre la tasa de ganancia salarial (rendimientos) de la educación, entre los que se encuentran: ^{Hansen (1963)}, ^{Hanoch (1967)}, ^{McMahon (1991)}, ^{Psacharopoulos (1993)}, ^{Ashenfelter y Krueger (1994)}, ^{Altonji (1993)}, ^{Altonji y Dunn (1996)}, ^{Harmon y Walter (1995)}, ^{Alba-Ramírez y San Segundo (1995)}, ^{Cohn y Addison (1998)}, ^{Card y Ashenfelter (1999)}, ^{Asplund y Pereira (1999)}, ^{Card (2000)}, ^{Harmon, Walter y Westergaard-Nielsen (2001)}, ^{Carneiro et al. (2001)}, ^{Psacharopoulos y Patrinos (2002)}, ^{San Segundo y Valiente (2003)}, ^{Harmon et al. (2003)}, ^{Carneiro et al. (2003)}, ^{Arrazola et al. (2003)} y ^{Moffitt (2007)}. Para el caso de México, existen varias estimaciones de los rendimientos de la educación, por ejemplo: ^{Austria y Venegas-Martínez (2010)}, ^{Carnoy (1967)}, ^{Bracho y Zamudio (1994a)}, ^{Bracho y Zamudio (1994b)}, ^{Rojas, Angulo y Velásquez (2000)}, ^{Barceinas (2001)}, ^{Sarimaña (2002)}, ^{Del Razo (2003)}, ^{Rodríguez-Oreggia (2004)}, ^{López-Acevedo (2004)} y ^{Ordaz (2007)}. En lo que respecta a la literatura relacionada a estudios de género se encuentran: ^{Katrin et al. (2013)}, Coneval (2012), ^{García (2008)}, ^{Cabo y Garzón (2007)}, ^{García y Oliveira (2007)}, ^{Ariza (2006)}, ^{Arriagada (2005)}, ^{CEPAL (2004)}, ^{CEPAL-UNI FEM (2004)}, ^{Raczynski (2003)}, ^{Gómez (2002)}, ^{Salles y Tuirán (2002)}, ^{Parker y Pederzini (2000)}, ^{Gerstenfeld y León (1999)}, ^{Faúndez (1996)}, ^{Goldschmidt-Clermont (1995)}, ^{CEPAL/OREALC (1992)} y ^{García de Fanelli (1989)}, entre muchos otros.

En lo que respecta a los métodos de estimación, ^{Card (1999)} en su medición de los rendimientos de la educación encuentra que el estimador de MCO, resultado de una ecuación salarial “Minceriana” (1974), presenta dos sesgos importantes: uno atribuido a la correlación entre la escolaridad y la pendiente de la función de ingresos y el otro relacionado con las habilidades de los individuos, cuyo efecto es capturado en la ordenada al origen de la regresión que se correlaciona con la escolaridad. Ese autor incorpora en su metodología econométrica variables instrumentales¹¹ para tratar parcialmente ambos sesgos. No obstante, este problema no se resuelve completamente. Para abordar dicha limitación, en este estudio, se emplea el proceso bietápico sugerido por ^{Heckman et al. (2000)} y (²⁰⁰¹), el cual considera los problemas de sesgo relacionados con la autoselección y la heterogeneidad de los individuos.

De acuerdo con lo anterior, ^{Diez de Medina (1992)} menciona en su investigación que el problema de sesgo por autoselección es común en la evaluación del impacto de programas, particularmente en el caso de métodos cuasi-experimentales y surge cuando la extracción de una muestra no se realiza con la misma probabilidad de selección para todos sus elementos, ya sea por la forma de extracción de la muestra o por las características de los individuos bajo estudio, o bien por ambas. En el muestreo aleatorio se cuenta siempre con la información de la probabilidad a priori de extracción de cada individuo en la muestra, por lo que de existir igual probabilidad, una mayor muestra brindará mejores estimaciones. Esto implica que si la muestra no es aleatoria sólo es posible describir características de la muestra, pero no de la población. ^{Diez de Medina (1992)} también sugiere que a diferencia del diseño experimental en donde el grupo de control está conformado por personas elegibles que se postulan voluntariamente para recibir un programa o tratamiento, se deberían asignar aleatoriamente a ambos grupos evitando¹² con ello el problema de sesgo por autoselección; el diseño cuasi-experimental busca conformar un grupo de control a partir de técnicas econométricas con datos externos¹³ al mismo programa. Dado que no existe ningún tipo de asignación aleatoria en la conformación de ambos grupos en el diseño experimental, no es posible asegurar la equivalencia inicial de los grupos de tratamiento y de control, lo que trae como consecuencia, de manera evidente, el problema de sesgo por autoselección y la presencia de posibles problemas de validez tanto interna¹⁴ como externa¹⁵ del diseño empleado.

Es importante destacar que en la presente investigación no se utilizó otro método de diseño muestral adicional para definir la población objetivo ya que el diseño de la ENIGH es probabilístico, estratificado, unietápico y por conglomerados. De esta manera, a partir de la ENIGH sólo se realizó la extracción de la población de interés. Asimismo, la ENIGH tiene por objetivo obtener información estadística de la distribución y estructura del ingreso y gasto de los hogares, así como de las actividades económicas desarrolladas por los integrantes de los hogares en México. Asimismo, las características de la población objetivo de esta investigación también están incluidas en la representatividad de la ENIGH, por lo que todos individuos en la muestra tienen la misma probabilidad de ser seleccionados. A continuación se resumen los pasos que sigue la investigación:

Para estimar la tasa de ganancia salarial (rendimientos) de la ESP en México por género se empleará el método cuasi-experimental,¹⁶ el cual compara los grupos de tratamiento y de control,¹⁷ siendo posible aislar las características observables de ambos grupos y evaluar en qué medida pueden atribuirse diferencias entre el nivel educativo (tratamiento) y los ingresos salariales (resultado) observados sin incurrir en problemas de sesgo. Se estimará el escenario contrafactual simulando lo que habría ocurrido si el proyecto nunca se hubiera realizado; siendo necesario separar el efecto de las intervenciones de otros factores. En la presente investigación se estiman cuatro efectos de interés, a saber: i) efecto promedio del tratamiento (ATE, por sus siglas en inglés Average Treatment Effect), ii) efecto marginal del tratamiento (MTE, por sus siglas en inglés Marginal Treatment Effect), iii) efecto del tratamiento sobre los tratados (TT, por sus siglas en inglés Treatment on the Treated) y iv) efecto promedio del tratamiento local (LATE, por sus siglas en inglés, Local Average Treatment Effect), propuestos en ^{Heckman, Tobias y Vytlacil (2000)} y (²⁰⁰¹) para la correción del sesgo por autoselección. Para simplificar la notación, en lo sucesivo se hará mención a estos efectos por sus siglas en inglés.

Es necesario enfatizar que en la literatura especializada se evalúa principalmente el impacto de los rendimientos de la educación desde una perspectiva del rendimiento privado. Lo anterior se debe a que la ecuación salarial “Minceriana” (^{Mincer, 1974} ) estima rendimientos privados, siendo la forma tradicional de estimar la tasa de rendimiento (TR) de la inversión en educación: La principal limitación de este procedimiento es dejar al margen la estimación de los rendimientos sociales asociados a los gastos (inversión) y otros factores externos asociados al sector público que inciden de manera significativa en los rendimientos de la educación.

Este trabajo se encuentra organizado de la siguiente manera. En la sección 2 se describe el método de estimación de los rendimientos de la Educación Superior. En el transcurso de la sección 3 se describe la muestra empleada y se explican los resultados de las estimaciones econométricas. En la sección 4, se presentan las conclusiones de esta investigación.

Método de estimación

De acuerdo con ^{Baker (2000)}, en la evaluación de impacto de programas es frecuente emplear técnicas econométricas para inferir sobre el comportamiento de poblaciones que son de interés. También es común que las muestras tengan ciertas cualidades, que de no ser consideradas, pueden hacer suponer que los individuos no deciden llevar a cabo el programa voluntariamente, sino de manera obligada dadas sus características. Considerando esto, el problema de sesgo y heterogeneidad se abordará con la metodología descrita en ^{Heckman et al. (2000)} y (²⁰⁰¹), misma que se describe a continuación.

Se supone que un individuo obtiene un resultado (salario por hora) con o sin tratamiento (Educación Superior). Para ello, sea Y ₁ el resultado con tratamiento y Y ₀ con ausencia del mismo, por lo que sólo una de estas dos variables se observa para cada individuo. Para evaluar el efecto del tratamiento se debe medir la variable no observable, la cual se obtiene de la diferencia de medias de Y ₁ - Y ₀ con base en las siguientes ecuaciones:

donde:

La ecuación (1) representa una variable latente¹⁸ de exposición al tratamiento, y dado que la variable latente, D, se encuentra en función del conjunto de variables independientes contenidas en Z, aparece de manera natural una restricción de exclusión para el conjunto de variables independientes en X que determinan a Y ₁ y Y ₀. Bajo esta restricción, el mecanismo de elección debe incluir al menos un elemento en Z que no se encuentre en el conjunto X; véase, al respecto, ^{Heckman y Vytlacil (2001)}.¹⁹ En lo que respecta a las ecuaciones (2) y (3), las variables Y ₁ y Y ₀ representan el logaritmo natural del salario por hora con y sin el programa de ESP, respectivamente. Estas variables dependen, a su vez, de un conjunto de variables contenidas en X, los determinantes de la variable dependiente que se observan solo en los dos estados posibles.²⁰

Debido a que el impacto de un programa es diferente según los individuos en la muestra, ciertos supuestos condicionarán el tipo de características que se evaluarán en éstos. El primer supuesto, en este estudio, es que el efecto del programa no es igual para todos los individuos. El segundo es que el efecto es diferente entre el grupo de tratamiento y de control, siendo imposible determinar a priori la magnitud de los efectos, y el tercero es que el efecto entre aquellos que deciden llevar a cabo el programa es también diferente, por lo que la decisión de llevar a cabo el programa estará en función de la intensidad con que se presenten sus características observadas y subyacentes. Este último supuesto tiene implicaciones importantes en el diseño de políticas públicas, ya que la focalización eficiente de individuos con determinadas características coadyuvará en el impacto de los programas sobre la población objetivo; véase ^{Heckman y Vytlacil (2001)}. Para estimar los rendimientos de la ESP mediante la ganancia log-salarial esperada (o tasa de ganancia salarial esperada) se estimaran cuatro parámetros propuestos en ^{Heckman et al. (2000)} y (²⁰⁰¹): ATE, MTE, TT y LATE. Estos se emplean comúnmente para evaluar el impacto de programas y a continuación se explican brevemente sus alcances.

El efecto ATE se define como el rendimiento esperado del programa cuando un individuo es elegido aleatoriamente dentro de la población elegible.²¹ Este parámetro estima la ganancia esperada para cualquier persona dado un conjunto de variables observables contenidas en X = x. Para su estimación se emplea la siguiente ecuación:

Este efecto es útil si en lugar de eliminar o reducir un programa se quiere ampliar el programa a toda la población elegible y hacerlo obligatorio para todas las personas que cumplen determinadas características.²² Por ejemplo, en materia de programas de desarrollo social, se ha demostrado que estos han traído beneficios sobre la población objetivo, garantizando focalizar la proporción de la población sujeta de recibir el beneficio.

En lo que respecta al MTE, además de estimar las preferencias de los individuos objeto de estudio, estima también el rendimiento esperado del programa para aquéllos individuos que se encuentran en el límite de participar en él²³ condicionado al conjunto de variables observables contenidas en X = x y variables subyacentes contenidas en U _D = u _D. En este contexto, se desea indagar si los individuos cuentan con variables subyacentes que influyan en la elección de recibir el tratamiento, registrando rendimientos menores. La estimación de este parámetro es formalmente dado por:

La utilidad del MTE se desprende de la dependencia que guarda con los valores de u _D ²⁴, de tal manera que si se evalúa el efecto MTE con valores altos de u _D , se estará calculando la ganancia media para aquellos individuos cuyos factores inobservables hacen menos probable su participación en el tratamiento, y lo contrario para valores bajos de u _D . Así, si u _D = 0, entonces el MTE es igual al parámetro ATE.²⁵ Si bien el efecto MTE resulta ser la forma límite del efecto LATE, éste efecto suele ser una herramienta útil para demostrar la existencia de externalidades que suelen afectar la probabilidad de que los individuos decidan llevar o no el programa; de ahí el signo negativo esperado y que en el caso de programas sociales puede significar su éxito o fracaso.

En lo que respecta al efecto TT, éste se define como el rendimiento esperado del programa para aquellos individuos que eligieron participar y que en realidad recibieron el tratamiento voluntariamente. Por lo que la ganancia esperada de quienes efectivamente han recibido el tratamiento (D = 1) sujeto al conjunto de variables observables contenidas en X = x y Z = z está dada por:

donde φ(⋅) representa la función de densidad de una variable aleatoria normal estándar, Φ(⋅) denota su función de distribución acumulada, r ₁ y r ₀ son los coeficientes de correlación entre U ₁ y U _D, y U ₀ y U _D, respectivamente. La relevancia de este efecto consiste en demostrar que el programa registra el impacto esperado sobre los ingresos de los individuos que decidieron voluntariamente llevar a cabo el programa y que además es mayor en comparación con aquellos con un menor nivel educativo.

El efecto LATE²⁶ se define como el rendimiento esperado del programa debido a cambios en los factores observables contenidos en Z _k, los cuales inducen a los individuos a recibir el programa. Este efecto se define a partir de un cambio de Zq = z a Zq = z’q con zq < z’q, siendo z y z’ iguales en todo, excepto en el k-ésimo elemento. Para estimar este parámetro, formalmente, se escribe:

La relevancia de este efecto es que permite simular impactos esperados (efectos locales) del programa, producto de variaciones en los valores de variables de interés, que al ser comparadas directamente con los resultados del efecto ATE permiten plantear y definir estrategias que coadyuven al logro de los objetivos del programa de manera eficiente.²⁷. En esta investigación, los efectos LATE ayudan a simular los rendimientos esperados de los individuos cuando se hace variar la educación de los padres y el tamaño del hogar, siendo útil para estimar la magnitud del impacto de las estrategias de interés.

A continuación se presentan los resultados obtenidos con los cuatro parámetros de interés empleando el proceso bietápico propuesto en ^{Heckman et al. (2000)} y (²⁰⁰¹). En la primera etapa se estima un modelo Probit donde se calcula la variable auxiliar l, la cual captura el efecto del sesgo de autoselección presente en la variable latente D. En la segunda etapa se estiman las ecuaciones salariales “Mincerianas” empleando las variables auxiliare l para corregir el sesgo originado por el truncamiento de las variables Y ₁ y Y ₀, permitiendo con ello obtener parámetros confiables con énfasis en el enfoque de género.

Estimación y resultados empíricos

A continuación se muestran las estimaciones obtenidas a partir de las ecuaciones (1) a (3), describiendo primero las características de la muestra empleada.

Resultados empíricos

Para analizar la composición de la población en la muestra empleada por grupos de edad, en la Figura 1, se observa que 51 por ciento del total de los individuos en la muestra se concentran en el rango de edad de 22 a 26 años de edad y en los tres primeros quintiles. Como era de esperarse, en el grupo de tratamiento, conforme la edad se incrementa también lo hacen los ingresos gradualmente y comienzan a reducirse conforme logran rebasar la barrera del rango de edad que va de 47 a 51 años de edad. En el caso del grupo de control dicha caída en el ingreso comenzó a partir del rango de edad de 37 a 41 años de edad, lo cual muestra que los individuos que no deciden adoptar un programa de ESP a lo largo de su ciclo de vida son más propensos a presentar carencias sociales en un periodo de tiempo más corto, o algún tipo de vulnerabilidad ya sea social o de ingresos, incluso pueden llegar a presentar algún tipo de situación de pobreza.

Fuente: elaboración propia con datos de la ^{ENIGH 2012}.

Figura 1: Distribución de individuos por grupo de edad y quintiles. 

En la Tabla 2 se muestran las estadísticas descriptivas para el grupo de tratamiento y de control, respectivamente. Los datos sugieren la existencia de diferencias salariales importantes entre los grupos, aun cuando la edad promedio es similar. Es también posible observar que la escolaridad promedio de los padres es mayor en el grupo de tratamiento; mientras que el tamaño del hogar y la proporción de mujeres es mayor en el grupo de control. También se observa que las mujeres cuentan con un menor ingreso en ambos grupos, lo que muestra brechas de inequidad de la distribución de ingreso siendo que las mujeres cuentan con el mismo nivel educativo que los hombres pero con trabajos mal remunerados. En este sentido, la información sugiere que las especificaciones econométricas requieren un tratamiento apropiado que evite incurrir en posibles sesgos en los estimadores.

Tabla 2: Estadísticas descriptivas de los grupos de tratamiento y de control 

Variables	Observaciones	Promedio	Desviación Estándar	Mínimo	Máximo
Grupo de Tratamiento
Tam_Hog_2	2 546	4.71	1.72	2	14
Educación_padre	2 546	9.86	6.6	0	23
Educación_madre	2 546	10.84	4.94	0	23
Edad	2 546	27.87	5.47	22	59
Exper	2 546	4.45	5.4	0	38
Lsalario	2 546	3.35	0.87	-0.72	6.25
Lsalario Mujeres	1 283	3.31	0.88	-0.72	5.57
Lsalarios Hombres	1 283	3.38	0.87	-0.62	6.25
Grupo de Control
Tam_Hog_2	4 604	5.56	2.4	2	21
Educación_padre	4 604	5.98	4.7	0	20
Educación_madre	4 604	6.93	4.12	0	23
Edad	4 604	27.27	6.36	22	64
Exper	4 604	11.89	7.35	3	54
Lsalario	4 604	2.68	0.85	-3.33	5.51
Lsalario Mujeres	1 583	2.61	0.86	-3.33	5.05
Lsalarios Hombres	3 021	2.72	0.86	-3.10	5.51

Fuente: elaboración propia con datos de la ^{ENIGH 2012}.

Una vez identificada la heterogeneidad entre ambos grupos se procede a estimar el rendimiento de la ESP sobre los salarios de los hijos, es necesario corregir el sesgo por autoselección mediante una técnica biétapica, la cual requiere de un modelo Probit en la primera etapa y en la segunda una ecuación salarial “Minceriana”.

Derivado de lo anterior, en la Tabla 3 se muestra la estimación del modelo Probit, cuya variable dependiente está constituida por 2 546 individuos con ESP y 4 604 con un nivel educativo menor; las variables empleadas como mecanismo de elección⁴⁰ son el ingreso del jefe de familia y el tamaño del hogar. En el modelo econométrico, se observa que los hijos tienen mayor probabilidad de adoptar el programa de Educación Superior en la medida que sus padres tengan mayor nivel educativo,⁴¹ mayor ingreso⁴² y donde el tamaño del hogar⁴³ tiende a ser reducido. Cabe destacar el signo del coeficiente de la variable género,⁴⁴ el cual demuestra que las mujeres tienen mayor probabilidad de adoptar un programa de Educación Superior, a pesar de que son ellas quienes más registran carencias sociales en materia educativa, vivienda y alimentación, así como situación de pobreza.

Tabla 3: Modelo Probit para el Programa de Educación Superior^a 

Variables	Coeficientes	P > (z)
Constante	-0.260	(0.00)*
Educación_madre	0.047	(0.00)*
Educación_padre	0.037	(0.00)*
Exper	-0.211	(0.00)*
Exper2	0.005	(0.00)*
Lsalario_jefe	0.217	(0.00)*
Tam_Hogar	-0.098	(0.00)*
Género	0.452	(0.01)*

^a Variable dependiente: treatment (tratamiento y control)

* P(z) significativo al 5%.

Fuente: elaboración propia con datos de ^{ENIGH 2012}.

A partir de los resultados del modelo Probit se estimó la variable auxiliar, l, la cual mide el efecto por autoselección y corrige el sesgo en que se incurre al estimar las ecuaciones salariales por MCO. En este sentido, la Tabla 4 muestra la ecuación salarial “Minceriana” para los grupos de tratamiento y control. El propósito de emplear ambos grupos en la estimación es destacar el papel de la variable l. Dada su significancia estadística, es posible deducir que la heterogeneidad y la autoselección influyen de manera importante en la diferencia salarial entre ambos grupos. A partir de la Tabla 4 se destaca el valor del coeficiente de la variable género, el cual demuestra que las mujeres tienden a contar con ingreso menor en promedio que los hombres, por lo que existe evidencia suficiente en esta etapa del estudio para demostrar que la inequidad en materia de género es un hecho real en términos del ingreso que perciben las mujeres aun cuando ellas cuentan inclusive con el mismo nivel educativo que los hombres.

Tabla 4: Ecuación salarial minceriana^a 

Variables	Coeficientes	P > z
Constante	4.460	(0.00)*
Educación_padre	0.009	(0.00)*
Educación_madre	-0.002	(0.35)
Exper	0.120	(0.00)*
Exper2	-0.003	(0.00)*
Género	-0.231	(0.00)*
Lambda	-3.706	(0.00)*

^a Variable dependiente: Lsalario (logaritmo natural del salario).

* P(t) significativo al 5%.

Fuente: elaboración propia con datos de ^{ENIGH 2012}.

Adicionalmente, en la Tabla 5 se estiman las ecuaciones salariales para el grupo de tratamiento y de control, respectivamente, considerando el efecto del sesgo por autoselección mediante la variable auxiliar l. En este caso, las ecuaciones salariales miden el efecto que tiene las variables independientes consideradas sobre los ingresos salariales de los hijos. En ambas estimaciones la variable auxiliar es estadísticamente significativa, lo que expresa que existe suficiente evidencia para afirmar que de no controlarse la heterogeneidad y la autoselección, los estimadores por MCO estarían sesgados. De la Tabla 5 también se destaca el signo esperado de los coeficientes estimados; positivos para la variable experiencia y negativos para la variable experiencia al cuadrado. Por otra parte se observa que únicamente la educación de la madre en el grupo de control fue estadísticamente significativa, evidenciando que mientras ésta cuente con un mayor nivel educativo se incrementará la probabilidad de que los hijos elijan llevar a cabo un programa de ESP. En el enfoque del modelo minceriano, la educación de los padres en el grupo de tratamiento no fueron significativos, dejando entrever que no hay suficiente evidencia para ver cómo impacta la educación de estos sobre el nivel de ingreso de los hijos. No obstante, es factible suponer que de incrementarse el nivel educativo de los padres mediante diversas estrategias de política pública, una proporción mayor de individuos (hijos) que se encuentran en la edad límite podrían adoptar el programa potencializando así sus capacidades y habilidades.

Tabla 5: Ecuación salarial para los grupos de tratamiento y de control^a 

Variables	Regresión Múltiple	P> (t)
Grupo de Tratamiento
Exper	0.171	(0.00)*
Exper2	-0.004	(0.00)*
Educación_padre	-0.001	(0.71)
Educación_madre	0.000	(0.94)
Género	-0.227	(0.00)*
Lambda	-2.979	(0.00)*
Constante	4.256	(0.00)*
Grupo de Control
Exper	0.082	(0.00)*
Exper2	-0.002	(0.00)*
Educación_padre	-0.004	(0.16)
Educación_madre	0.014	(0.00)*
Género	-0.233	(0.00)*
Lambda	-2.464	(0.00)*
Constante	3.760	(0.00)*

^a Variable dependiente: Lsalario (logaritmo natural del salario).

* P(t) significativo al 5%.

Fuente: elaboración propia con datos de ^{ENIGH 2012}.

En la Tabla 5 se destaca el signo negativo de la variable género, lo que demuestra que existe evidencia suficiente sobre la inequidad existente entre hombres y mujeres, ya que éstas últimas en promedio perciben un menor nivel de ingresos en ambos grupos.

Por otra parte, para calcular el efecto promedio de la ESP en México en la muestra empleada, a partir de las ecuaciones salariales y su diferencia de medias, se calculó el ATE. Para la estimación del MTE se empleó el diferencial existente entre las variables auxiliares l. Para el efecto TT, se emplearon de manera combinada los resultados obtenidos del ATE y el MTE; mientras que para el LATE se emplearon los efectos ATE y MTE, así como los cambios marginales de los mecanismos de elección definidos en el apartado “Resultados empíricos” de esta investigación.

La Tabla 6 registra los efectos estimados del tratamiento para el grupo de individuos considerados en la muestra haciendo una especial distinción entre el género de los mismos. El cuadro muestra que el rendimiento promedio (ATE) por un año⁴⁵ adicional de Educación Superior es aproximadamente de 11.2 por ciento para un individuo que es tomado aleatoriamente de la población, mientras que el rendimiento para un individuo que efectivamente ha recibido el tratamiento (TT) es equivalente a 9.53 por ciento. Ambos resultados sugieren que la implementación de un programa de Educación Superior trae consigo rendimientos positivos y en promedio más altos en comparación a aquellos individuos con un menor nivel educativo. En lo que respecta al efecto por género, los rendimientos del programa son siempre mayores para los hombres tanto en el ATE como en el TT; pero además los rendimientos para los hombres están por encima del ATE (11.2 por ciento) y el TT (9.53 por ciento), mientras que el rendimiento para las mujeres se encuentra por debajo de dichos promedios, respectivamente.

Tabla 6: Efectos del programa de Educación Superior sobre los ingresos de los individuos en México 

Efectos	Valor (%)
Rendimiento promedio del tratamiento (ATE)	11.20
Mujeres	11.12
Hombres	11.25
Marginal Treatment Effect (MTE)	-0.064
Tratamiento de los tratados	9.53
Mujeres	9.50
Hombres	9.54

Fuente: elaboración propia con datos de ^{ENIGH 2012}.

El signo negativo del efecto marginal del tratamiento (MTE) demuestra que los individuos en la muestra cuentan con variables no observables (externalidades) contenidas en u _D que pesan significativamente sobre la elección de recibir el tratamiento, registrando rendimientos menores como resultado de no participar en el programa; véase al respecto ^{Heckman (2005)}. Por ejemplo, en el caso particular de las mujeres, quienes cuentan con mayor rezago educativo, es deseable identificar en otros estudios aquellas externalidades que logren explicar significativamente la inequidad entre hombres y mujeres en materia educativa, salud e ingresos, entre otros aspectos relacionados con el desarrollo social.

Para complementar el análisis, en la Tabla 7 se muestra el rendimiento esperado del programa como resultado de cambios en los factores observables contenidos en Z _k.⁴⁶ Se determinó la magnitud del impacto sobre el efecto promedio (ATE) cuando se produce un cambio marginal en el número de años de educación formal de los padres y en el tamaño del hogar. De este cuadro también se desprende que si la educación de la madre se incrementara marginalmente, además de ampliar la probabilidad de que el hijo decida participar en el programa de ESP, se impactaría positivamente sobre los rendimientos marginales del salario del hijo en 0.04 puntos porcentuales más, pasando de 11.2 por ciento del efecto ATE a 11.235 por ciento en el efecto local.

Tabla 7: Efecto Local Promedio del Tratamiento (LATE) 

Efectos	Valor (%)
Educación de la madre	11.235
Educación del padre	11.227
Tamaño del Hogar	11.114

Fuente: elaboración propia con datos de ^{ENIGH 2012}.

En el caso de la educación del padre, un año más en la educación formal de éste reflejaría un rendimiento marginal positivo del programa sobre el salario del hijo en 0.03 puntos porcentuales más, pasando de 11.2 por ciento del efecto ATE a 11.227 por ciento en el efecto local. Como era de esperarse, el impacto de la educación de la madre resultó ser ligeramente mayor a la del padre.⁴⁷ Otro efecto local que interesa evaluar es el relacionado con el tamaño del hogar. A partir del modelo Probit, se tiene que la probabilidad de que un individuo decida participar en un programa de ESP está condicionado, entre otras variables, al número de integrantes en la familia, por lo que en la medida de que este número se incremente se impactará negativamente en los rendimientos de la ESP de los salarios de los hijos. En este sentido, se tiene que cuando se incrementa el tamaño del hogar marginalmente, se impacta negativamente sobre los rendimientos de la ESP en 0.08 puntos porcentuales menos, pasando de 11.2 por ciento del efecto ATE a 11.11 por ciento en el efecto local.

Conclusiones

Con base en ^{Heckman et al. (2000)} y (²⁰⁰¹) y el análisis de género se han estimado cuatro efectos relevantes para medir los rendimientos de la ESP en México y su efecto sobre los ingresos de los individuos mediante un modelo Heckit. Los efectos estimados consideran la heterogeneidad y el sesgo por autoselección persistentes en la muestra obtenida a partir de la ^{ENIGH 2012}.

Los datos descriptivos mostraron la heterogeneidad entre el grupo de tratamiento y control, tales como diferencias salariales significativas, escolaridad mayor en los padres del grupo de tratamiento y mayor tamaño del hogar en el grupo de control. También se encontró en este análisis que las mujeres cuentan con un menor ingreso salarial en ambos grupos, evidenciando inequidad en la distribución de ingreso en México en aquellos casos en que las mujeres contaban con el mismo nivel educativo que los hombres. Asimismo, los resultados obtenidos indican que el rendimiento de la ESP para un individuo en México es positivo y mayor respecto a aquellos que cuentan con un menor nivel educativo. Se demostró que si un individuo es tomado aleatoriamente de la población elegible, el rendimiento alcanzado (ATE) es mayor en comparación a aquellos que efectivamente recibieron el programa de Educación Superior (TT).

Con respecto al parámetro ATE, se estimó un rendimiento promedio por año adicional de ESP de 11.2 por ciento para un individuo que es tomado aleatoriamente de la población; mientras que para el efecto TT se estimó un rendimiento de 9.53 por ciento para un individuo que efectivamente haya recibido el tratamiento de manera voluntaria. Ambos resultados muestran que la implementación de un programa de ESP trae consigo rendimientos positivos y en promedio más altos en comparación a aquellos individuos con un menor nivel educativo. En lo que respecta al efecto por género, los rendimientos del programa fueron siempre mayores para los hombres tanto en el ATE como en el TT, pero además dichos rendimientos para los hombres estuvieron por encima del ATE (11.2 por ciento) y el TT (9.53 por ciento), mientras que el rendimiento para las mujeres se encuentró por debajo de dichos promedios, respectivamente. Esto extiende los resultados encontrados en los estudios de ^{García de Fanelli (1989)} y ^{Ariza (2006)} sobre discriminación salarial por género. Los resultados sugieren que es factible ampliar la población elegible del programa de ESP en lugar de reducirla, porque existen individuos con las características suficientes para ser incorporados, lo que permitiría a lo largo de su ciclo de vida incentivar sus ingresos y con ello ampliar la gama de posibilidades en el gasto de la canasta alimentaria y no alimentaria; y de manera particular en las mujeres, quienes cuentan con menor nivel de rendimiento.

Con respecto al efecto marginal del tratamiento (MTE) se estimó un efecto de -0.064 por ciento. El signo negativo permite demostrar que existen factores no observables (externalidades) que reducen la probabilidad de participar en el programa de ciertos individuos, quienes tienen asociado generalmente un menor rendimiento sobre sus ingresos en comparación a aquellos que decidieron llevar a cabo el programa.

En las estimaciones del efecto LATE se encontró que al ser comparadas directamente con los resultados del efecto ATE, la educación de la madre se incrementaba marginalmente. Esto además amplia la probabilidad de que el hijo decida participar en un programa de ESP. En este caso, el impacto sobre el salario del hijo se incrementa en 0.04 puntos porcentuales más, pasando de 11.2 por ciento del efecto ATE a 11.235 por ciento en el efecto local. Este resultado sugiere que la implementación de políticas públicas que incentiven la participación de un mayor número de mujeres en el ámbito educativo y/o de capacitación, adicionales a los patrones culturales ya citados por ^{Jiménez-Villacís (2008)} en este estudio, podría ser un factor detonante en la generación de mayor riqueza y de capital humano en México particularmente para las mujeres. Se encontró también que un incremento marginal en la educación del padre genera un rendimiento positivo de la ESP sobre el salario del hijo en 0.03 puntos porcentuales más, pasando de 11.2 por ciento del efecto ATE a 11.227 por ciento en el efecto local. En lo que respecta al efecto local del tamaño del hogar, se encontró, que ante un incremento marginal de éste, se tenía un impacto negativo sobre los rendimientos de la ESP del salario de los hijos en 0.08 puntos porcentuales menos, pasando de 11.2 por ciento del efecto ATE a 11.114 por ciento en el efecto local, representando una reducción esperada dado que esta variable inhibe la probabilidad de que los hijos decidan adoptar un programa de ESP.

En términos generales, los resultados empíricos obtenidos en esta investigación sugieren que el ingreso del jefe del hogar, la experiencia laboral, y variables relacionadas con el número de integrantes del hogar, entre otros factores, como la educación de los padres, influyen de manera determinante en la elección de que los individuos decidan participar en el programa de ESP, esperando con esto acceder a ingresos futuros mayores a lo largo del ciclo de vida productiva y gozar de un mayor bienestar social. Sin embargo, esta situación no es equitativa entre hombres y mujeres como se muestra a partir de los resultados encontrados, ya que las mujeres tendrían que esperar siempre rendimientos menores a lo largo de su ciclo de vida si persisten aquellos factores subyacentes que inclinan la balanza hacia ciertos grupos de la población. Este resultado es consistente con el encontrado por ^{García (2008)} en el ámbito latinoamericano.

Los resultados obtenidos abren la posibilidad de líneas de investigación adicionales sobre la generación de políticas públicas en México en materia de equidad de género. Un ejemplo de esto son los rendimientos esperados sobre el ingreso de las mujeres, ya que estos fueron menores, aún cuando éstas fueron más propensas a llevar a cabo el programa y contaban con niveles educativos similares en ambos grupos. De esta manera resulta ideal cuantificar el impacto de aquellas externalidades sobre el rendimiento de la educación de ciertos grupos poblacionales, pero dadas las limitaciones de información disponible en la ENIGH, no fue posible en este estudio, además de no ser el objetivo principal del mismo.

Con el objetivo de contrastar la robustez (validez interna y externa) de los resultados obtenidos, en la Tabla 8 y en la Tabla 9 se cuenta con el rendimiento privado de la Educación Superior sobre los ingresos de los individuos a partir de una submuestra.

En la Tabla 8 y en la Tabla 9, en comparación con la muestra original, la conclusión más importante es que cuando se emplea una muestra más pequeña, los rendimientos fueron menores, lo cual sugiere que en la medida que la muestra empleada sea lo más robusta posible también será posible encontrar rendimientos más altos.

Al considerar los resultados mostrados en las Tablas 7 a 9, la principal implicación de comparar las dos muestras es que la metodología empleada y los resultados obtenidos puedieron generalizarse en función de los parámetros de interés estimados (ATE, MTE, TT y LATE), los cuales difirieron únicamente en magnitud debido al tamaño de las muestras, más no en las implicaciones demostradas en la literatura económica en este tipo de estudios.