Análisis de la discriminación salarial de la mujer en Hermosillo, Sonora

Reyna Elizabeth Rodríguez Pérez*, Mario Camberos Castro**

* Estudiante del doctorado en ciencias de CIAD, Coordinación de Desarrollo Regional.
Dirección electrónica: reyna@estudiantes.ciad.mx

** Investigador Titular del Centro de Investigación en Alimentación y Desarrollo, AC.
Dirección electrónica: mcamberos@cascabel.ciad.mx

Recepción original: 30–06–06
Recepción artículo corregido: 23–10–07

Resumen

El interés de este trabajo se centra en estimar las tasas de rendimiento de la educación en el mercado laboral de Hermosillo, Sonora, y realizar un análisis de la discriminación salarial por área de estudio profesional y sexo. La hipótesis consiste en probar que si el rendimiento de la inversión en capital humano es menor para las mujeres en relación a los hombres en los diferentes grupos de profesiones.

Palabras clave: rendimiento de la educación, capital humano, discriminación salarial, profesiones, mercado laboral

Abstract

To make an analysis of the wage discrimination by gender and profession in the laboral market of Hermosillo, Sonora, is the main interest of this work; the study is centered into calculate the rentability rates of education derived from resulting data. The hypothesis is to prove if the investment rentability in human capital is less for women in relation with men in different professional groups.

INTRODUCCIÓN

La teoría del capital humano¹ se refiere a que tanto el tiempo de permanencia en la escuela como en el trabajo incrementan de manera lineal la productividad de los trabajadores y su salario futuro. Por lo tanto, se entiende la relación positiva que existe entre la educación y el salario, y a partir de esto se ha deducido que la educación es una inversión en donde se calculan sus costos y beneficios. Los gastos en educación y formación como una inversión en capital humano son exactamente igual a los gastos en equipo de capital que puede concebirse como una inversión en capital físico o financiero. La característica que distingue a la inversión en capital humano es que incurre en costos o gastos actuales con la idea de un aumento en los futuros salarios o rendimientos compense con creces estos costos. Sin embargo, un tema de la mayor relevancia lo constituye el encontrar y explicar las diferencias de rendimientos de la educación en el mercado laboral segmentado por sexo.

Respecto a las causas teóricas que se han esgrimido para explicar la discriminación salarial, Becker habla de unas prácticas discriminatorias del empresario en contra de la mujer que tan sólo se podrían mantener en mercados con una gran concentración del empleador.² Por lo tanto, existe una gran carga de juicios de valor que se traduce en la hipótesis de la discriminación de la mujer en el mercado de trabajo, donde la selectividad, de acuerdo a la teoría del capital humano, debería ser solamente por diferencia de grados de educación. La teoría del capital humano se refiere a que existe una menor remuneración de las mujeres y la segregación por sexo porque prefieren ciertos tipos de trabajo y las empresas prefieren emplearlas en ciertas ocupaciones. En este sentido, Rendón asevera que cada vez más comienza a reconocerse el carácter social y no natural de la división social del trabajo³; siendo producto de una construcción social, conocida como el sistema sexo/género. El género constituye una construcción social creada a partir de las diferencias de sexo, que distinguen culturalmente a las mujeres de los hombres y les atribuye características diferentes. Tales diferencias provocan determinadas conductas, que orillan a desempeñarse en ciertas profesiones y ramas de actividad económica según el género.

Por lo tanto, existe un vacío de información sobre el análisis de la discriminación salarial de la mujer en el mercado laboral de Hermosillo, y más aún es importante conocer cómo se comportan los rendimientos de los individuos que cuentan con estudios universitarios, ya que en este nivel es donde se invierten más dinero y esfuerzo en terminar. Ello hace necesario realizar un estudio completo del fenómeno, lo que nos lleva a incursionar en el campo de la discriminación salarial por sexo, con la técnica de Oaxaca y Blinder⁴, así como el de la selectividad de Heckman⁵, análisis pionero en nuestro medio. Este tipo de estimaciones permite tener una visión más amplia de los rendimientos que el tradicional referido al de la diferencia salarial.

El objetivo de este trabajo es hacer un análisis de la discriminación salarial de la mujer en el mercado laboral de Hermosillo. Específicamente conocer cuál es el rendimiento promedio por cada año de educación, por nivel educativo, así como de los profesionistas por área de estudio y sexo. Asimismo se pretende probar si el rendimiento esperado en el mercado laboral en Hermosillo es mayor a medida que aumentan los grados de educación y, específicamente, si en la educación profesional, a igual número de años, es diferente por áreas de estudio debido a las incidencias en la demanda del mercado como: la ocupación, rama de actividad económica, el numero de horas trabajadas. Se busca de igual manera demostrar, dado el caso, si el rendimiento de la inversión en capital humano es menor para las mujeres en relación a los hombres, por efecto de la discriminación de género. Para esto se emplea la información de la Encuesta nacional de empleo urbano (ENEU) 2001.

El estudio se encuentra organizado de la siguiente manera: en la sección dos se presenta una discusión sobre la teoría del capital humano y la discriminación. En la sección tres se discute el modelo econométrico y cómo se van a comparar estas teorías. En la sección cuatro se discute acerca de la muestra. En la sección cinco se presentan los resultados de las estimaciones y se interpretan los resultados. En la sección seis se presentan las conclusiones.

MARCO TEÓRICO Y EVIDENCIA EMPÍRICA

El análisis empírico para conocer los rendimientos del capital humano fue desarrollado por Mincer⁷ y es a partir de entonces cuando se comienza a hablar de la tasa de rendimiento de la educación. Él propone el método de mco (mínimos cuadrados ordinarios), sin embargo, en la actualidad se le han encontrado inconsistencias ya que ve a la educación como una variable exógena, por lo que se produce el llamado sesgo de selección y los parámetros tienden a sobreestimarse. Este problema surge al existir una correlación entre los factores no observados que influyen en la decisión de participación y los elementos desconocidos que influyen en la determinación del salario percibido; sin embargo, esta imprecisión fue corregida por Heckman, al analizar la escolaridad como variable endógena, a través de un proceso de dos etapas: primero por medio de la estimación de un probit y, posteriormente estimando una ecuación de ingresos corregida a partir de los resultados de la primera. No obstante, a pesar de las inconsistencias que el modelo "minceriano" pudiera tener, la aportación de Mincer ha sido considerada una de las herramientas más valiosas y utilizadas para hacer este tipo de estimaciones.

A nivel internacional se han hecho incontables indagaciones para conocer cómo se comportan los rendimientos de la educación; baste citar a Psacharopulos y Patrinos⁸ para ver los estudios realizados a nivel internacional. Más específicamente⁹: Yamauchi para Filipinas y Tailandia. Calvo; Maradona y Calderón; Oliver, et al., fueron quienes realizaron estimaciones para España. Y de los trabajos encontrados para México se encuentra Carnoy y más recientemente Bracho y Zamudio; Zamudio e Islas; Barceinas; Urciaga; Barceinas y Raymond; y Huesca. Todos los trabajos encuentran un mayor rendimiento a medida que se asciende en los niveles educativos y también corrigen el sesgo de selección en las estimaciones. Además, los trabajos que se han enfocado en el nivel universitario son pocos y aún menos los que desagregan dicho estudio por área de estudio, de estos se puede citar a Oliver, et al., para España; y Yamauchi para Filipinas. En el caso de México a Zamudio, quien realizó un estudio donde compara la rentabilidad de la educación media superior y la superior, la cual corrige el sesgo de selección y no desagrega su estudio por áreas. Para Hermosillo no se ha encontrado evidencia que desagregue el análisis de los rendimientos de la educación superior por áreas de estudio.

Asimismo, con los resultados que arrojan los trabajos analizados queda probada la hipótesis de la teoría del capital humano, donde las diferencias salariales observadas entre individuos vendrían explicadas por diferencias en capital humano únicamente, ya que según la teoría, los ingresos son una relación directa de los niveles de escolaridad. De esta manera, Oliver, et al. para España encuentran que la educación es el principal factor que reduce la desigualdad de la renta, sin embargo, existe un elevado porcentaje en la distribución que queda sin explicar. La evidencia en México es coincidente ya que, según Zepeda, encuentra una mayor dispersión salarial entre las ocupaciones y dentro de las mismas, que son determinadas por el stock de capital humano y también por otras variables de tipo sociodemográficas.¹⁰ Con lo anterior se entiende que aunque las variables de capital humano son sin duda determinantes de los salarios, es importante no descartar otros factores, que también influyen en el nivel salarial del individuo, entre estos cabe destacar la ocupación, el sector al que pertenece la empresa en la que trabaja la persona, la región donde trabaja y también el sexo, sin embargo, esto ha dado pie diversas criticas en torno a esta teoría y con ello un vivo interés entre los investigadores por probar teorías alternativas.

Cuando se analiza las diferencias salariales por sexo, la teoría del capital humano ha sido ampliamente utilizada para explicar este fenómeno, sin embargo, en las estimaciones queda una parte sin explicar, atribuida a la discriminación por sexo en el mercado laboral. De los pioneros en este estudio se encuentra principalmente a Becker.¹¹ Él habla sobre las prácticas discriminatorias del empresario hombre en contra de la mujer. Mide la discriminación por medio de lo que él llama el coeficiente de discriminación, donde capta las diferencias salariales de las mujeres en relación a los hombres; sin embargo, Goldberg argumenta que tal discriminación puede manifestarse en mercados competitivos si lo que prevalece es una preferencia por hombres en el puesto de trabajo.¹² Posteriormente Becker propone un modelo de división del trabajo dentro de la familia, en el cual las mujeres casadas reciben salarios inferiores a los hombres debido a que desarrollan menor esfuerzo en el trabajo, provocado por la responsabilidad del cuidado de los hijos y otras tareas en el hogar.¹³

Tiempo después, Oaxaca¹⁴ citado en Neumark¹⁵ propuso una medida más detallada acerca del fenómeno de la discriminación, que consiste en un análisis econométrico, donde toma en cuenta la diferencia del precio que se paga a una misma característica (diferencia entre los coeficientes de dos grupos multiplicada por las características medias de uno de esos grupos).¹⁶

MODELO ECONOMÉTRICO

El modelo sobre la determinación de salarios en capital humano se ha basado en la ecuación desarrollada por Mincer para los datos individuales de sección cruzada. Este modelo tiene la ventaja de ser directamente derivable de una especificación teórica de acumulación de capital humano. En la función minceriana los logaritmos de los salarios se determinan como los productos de cada variable independiente y los parámetros β se aproximan a la tasa de rendimiento más el término de perturbación μ.

Iny_i = β₀+ β₁s_i + β₂x_i + β₃x_i² + μ_i

Por otra parte, se considera un grave problema que presentan las estimaciones con variable continúa, ya que se adquiere una tasa de rendimiento única, independientemente de los distintos niveles de escolaridad. Pero, con el fin de calcular las tasas de rendimiento de cada nivel educativo se estimó la ecuación minceriana por medio de las variables dummies. Y la función de salarios empleada es la siguiente:

Iny = β ₀ + β ₁S₁ + β₂S₂ + β₃S₃ + β₄S₄ + β₅exp+ β₆exp² + μ

Donde Iny es el logaritmo natural de ingresos y como variables independientes S₁, S₂ , S₃ y S₄ son las variables ficticias que se relacionan con la educación, que asigna el valor de 1 al valor máximo y 0 al resto. S1 se le asignó a los individuos que terminaron su educación primaria, S₂ aquellos que cuenten con secundaria, S₃ para aquellos individuos que tengan preparatoria y S₄ para los que tengan estudios universitarios. Por su parte exp es la variable asociada a la experiencia en el mercado de trabajo y es especificada como se explicó en el modelo anterior al igual que la exp².

Además, existe otra manera de medir el rendimiento y esta es a través de la tasa interna de retorno, dicha medida se ha utilizado de forma alternativa y como una comparación. Este método es atribuido a Psacharopulos, quien lo popularizó como "método elaborado".¹⁷ Otro de los métodos utilizados para medir el rendimiento de la educación es a través de la tasa interna de retorno, la cual incluye los costos cometidos por los individuos sobre la inversión en educación. Al respecto, Barceinas menciona que la amplia difusión de que gozan las estimaciones de las tasas de rendimiento de la educación basadas directamente en la interpretación de los coeficientes de la ecuación de salarios, aquellas no dejan de ser más que una aproximación a la verdadera tasa de rendimiento, esto es, a la tasa de descuento o tasa interna de rendimiento (tir) que iguala el flujo de beneficios con el flujo de costos de todo el ciclo de vida actualizado a un punto dado en el tiempo.¹⁸

Donde Y₁ son los ingresos correspondientes a cada nivel educativo, C_i son los costos directos asociados al nivel educativo correspondiente y r es la tasa de rendimiento interno; las sumatorias se calculan sobre n que son los años supuestos hasta el final de la vida activa del individuo y, C que son los años de educación.

Para completar esta investigación es importante conocer los contrastes salariales de la educación por sexo, y será necesario saber identificar si tales diferencias se deben a las incompatibilidades en capital humano o por discriminación en el mercado de trabajo. De acuerdo con Neumark, el cálculo de la brecha de ingresos entre sexo se genera desde las funciones de ingreso mincerianas simples estimadas para hombres y mujeres y se aplica la técnica de Oaxaca¹⁹, donde supone la ausencia de discriminación. Y parte del supuesto de los efectos generados por las dotaciones de capital humano deberían ser idénticos para ambos grupos; de forma que si se equiparan las diferencias en dotaciones de capital humano, estas podrían atribuirse a discriminación. son las medias del logaritmo natural de ingresos de hombres (m) y mujeres (f) . Si el modelo estándar de logaritmo de ingresos es estimado de forma separada para hombres y mujeres, a partir de la regresión lineal pasa a través de las medias de las variables.

Donde: son vectores que contienen las medias de las variables para hombres y mujeres, respectivamente y b_m y b_f son los coeficientes estimados.

Proporcionado estos resultados, el logaritmo diferencial de ingresos puede ser descompuesto en dos vías. Entonces y Δb = b_m–b_f, la ecuación anterior puede escribirse de la siguiente manera:

El primer término de cualquiera de las dos ecuaciones anteriores es la parte de diferencial del logaritmo de ingresos, debido a las diferencias (promedio) de las características de hombres y mujeres; y el segundo término es la parte de la diferencia debido a diversos coeficientes o diversa estructura de salarios. Si en ausencia de la discriminación entre hombres y mujeres debería recibir igual retornos para las mismas características de capital humano, entonces las discrepancias en ingresos serán consecuencia a diferencias en el pago relacionado con las características; entonces, este segundo termino podría estar interpretado como la parte de la diferencia del logaritmo del ingreso debido a la discriminación. Esto es en esencia la del enfoque de Oaxaca.

El método de Oaxaca de analizar la discriminación salarial tiene la ventaja de que distingue, por un lado, la diferencia salarial provocada por distintas características personales y, por otro, la diferencia salarial causada por las distintas retribuciones a igualdad de características entre hombres y mujeres, identificándose esta última como el porcentaje de la diferencia salarial atribuida a la discriminación.

Debido a que en la educación superior se acentúa más el problema de la endogeneidad, ya que en este segmento de educación influyen los factores socioeconómicos en la tasas de rentabilidad, es importante corregir el "sesgo de selección" a través de la técnica de corrección propuesta por Heckman.²⁰ Esta técnica tiene la ventaja de corregir los factores no observables que pueden influenciar en los rendimientos de los individuos, y se fundamenta en estimar en una primera etapa un modelo probit que tiene por objetivo que discrimina entre participar y no participar, es decir, se observa una variable dicotómica que toma valores de 1 ó 0. En función de las características personales y del stock del capital humano de las personas, es decir:

Y_i = 1 si

Y_i = 0 si Z_i' α + μ_i < 0

Donde Z incluye el vector de variables explicativas de la probabilidad de participar o de no participar. Por otro lado, la ecuación salarial (para cada sexo) viene dada por:

InW_i = X_i' β + μ_i

Donde InW es el logaritmo natural del salario del individuo i que participe o no, X es el vector de variables explicativas que representan las características individuales de los trabajadores, las β's son los vectores de los parámetros y μ son los residuos. Al tomar valores esperados de la variable dependiente condicionada a las variables explicativas, se tiene:

E{InW_i | X_i' βZ_i α + μ_i > 0} = X_i β+ E{ε_¡ | Z_i α + μ_i > 0 = X_i β + E{ε_¡ | μ_i > –Z_i' α} = X_i β + ρσ_ε ((Z_i α)/Φ(Z_i α)) = X_i β + β + λ_i

En donde ρ es el coeficiente de correlación entre ε y μ, (Z_i α) el valor de la función de densidad y Φ(Z_i α) el valor de la función de distribución, y λ el ratio de Mills. Si se desea obtener estimadores consistentes de los parámetros del modelo, esta ratio de Mills, debe introducirse como variable explicativa.

LOS DATOS

La base de datos utilizada fue la ENEU 2001, tomado en consideración que los datos referentes a los salarios de los trabajadores son en la ciudad de Hermosillo, Sonora. Por otro lado, la muestra se refiere a los hombres y mujeres asalariados entre 12 y 98 años de edad. La razón para esta selección particular de la muestra estriba en que el análisis se enmarca en la teoría del capital humano, esto es, en la que el salario devengado está en función directa de la productividad marginal, que se explica básicamente, por la inversión en capital humano, en particular por la realizada en educación. Asimismo, la ENEU 2001 proporciona información sobre niveles educativos, edad, la ocupación, rama económica, horas trabajadas, etc.

DESCRIPCIÓN DE LA MUESTRA

El Cuadro 1 presenta los valores medios de las principales variables de la muestra de asalariados por tramos de edad, escolaridad y sexo. En primer lugar nótese que la muestra es ligeramente mayor en el caso de las mujeres: 53.5% de mujeres versus 46.4% hombres. Sin embargo, una cuestión que es importante destacar es que el promedio del nivel de escolaridad es 8 años y este es el mismo para ambos sexos. A pesar de ello, debe observarse que el salario medio de los hombres es mayor en aproximadamente 200.3% en relación al de las mujeres. La relación de las características diferenciales por sexo, en el caso de la muestra analizada (igual nivel educativo y menor salario de las mujeres) puede deberse a la discriminación laboral. Sin embargo, esta descripción es insuficiente para probar si existe discriminación salarial, es por ello que posteriormente se realizará un análisis más detallado de este fenómeno.

En el Cuadro 2 se presentan las estadísticas que relacionan el nivel de estudios formales con los salarios mensuales promedios de los trabajadores asalariados. Lo que interesa observar es la relación positiva que guarda el nivel de escolaridad con los salarios. En la tercera, séptima y décimo primer columnas se muestran los incrementos porcentuales en el salario mensual al pasar de un nivel educativo a otro en el total de la muestra y por sexo. Como se observa, en cada uno de los casos estos incrementos son significativos y crecientes. Nótese, en particular, el importante incremento porcentual relativo del salario al pasar de la preparatoria al nivel superior para mujeres de 7% a 157% y para hombres de 38% a 112%. Este fenómeno revela que las diferencias salariales entre niveles educativos son muy importantes: el incremento de los salarios mensuales promedios del nivel superior es de 428% en relación a sin estudios. Finalmente cabe mencionar que los mayores promedios de edad se localizan precisamente en estos dos niveles escolares extremos (sin estudios y nivel superior).

En el Cuadro 3, se muestran los valores promedios del salario mensual de los trabajadores asalariados profesionistas según el área de estudio²² y el sexo. Lo que interesa observar es la heterogeneidad que existe entre los salarios dependiendo del área de estudio y aún más parece haber una relación muy desigual entre hombres y mujeres. Asimismo, para el promedio del total de la muestra se observa claramente que el salario es mayor para los hombres en 42% relación a las mujeres, también puede apreciarse que la muestra es ligeramente mayor para los hombres 51% comparado con las mujeres 49% (por lo que se concibe que la participación de las mujeres en el mercado laboral en este nivel es relativamente igual a la del hombre). Cuando se indaga dentro de las áreas de estudio por sexo, se observa una mayor concentración de los hombres en todas las áreas y más aun en ingeniería y tecnología, sin embargo, en educación, humanidades y disciplinas artísticas la participación de las mujeres es relativamente igual. No obstante, el salario mensual promedio es mayor en el área de ciencias de la salud, naturales y exactas y menor para el área de educación y humanidades. Cuando se analiza al interior de las áreas por sexo, se observa claramente una desigualdad de los salarios es significativamente mayor a favor del hombre en todas las áreas, especialmente en las ciencias económico–administrativas.

RENDIMIENTO DEL CAPITAL HUMANO POR CADA AÑO DE EDUCACIÓN Y SEXO

En el cuadro 4, se muestra el modelo con corrección de sesgo de selectividad de Heckman. Se observa que la rentabilidad promedio de la educación para el total de la muestra de asalariados es de 10%, en lo referente a la experiencia el rendimiento es de 4%, cuando se analiza las submuestras por sexo. En lo que atañe al rendimiento promedio de los años de educación, se muestra que este fue mayor para los hombres en relación a las mujeres, donde los rendimientos de la educación de los hombres fue de 9.2% y para las mujeres de 7.3%, estos resultados difieren con los encontrados por Bracho y Zamudio para México ya que ellos en sus estimaciones encontraron un rendimiento promedio de la educación mayor para el total de la muestra 11.7%, hombres 11.9% y mujeres 11.6%.²³ Por su parte, Yamauchi realizó el mismo estudio en Filipinas y Tailandia, en el contexto de la privatización de la educación, él encuentra tasas de rendimiento notablemente menores en Tailandia 5.9%, pero coincide con las halladas en Filipinas para las mujeres hermosillenses 7.3%.²⁴

Por otra parte, en el caso de los rendimientos de la experiencia, esta también es mayor para los hombres, ya que ellos obtienen una tasa de 4.7% y para las mujeres de 2.6% y al observarse la experiencia, donde se capta los rendimientos decrecientes del capital humano y se muestra una tasa de –0.06227% para los hombres y para las mujeres de –0.03651. Al analizar las diferencias salariales por sexo, asumimos la variable sexo es una variable dummi, que adquiere valor de uno si es hombre y cero si es mujer, este coeficiente resulto positivo y significativo, lo que significa que el hombre tiene una rentabilidad de 33.9% más en relación a las mujeres.

En este modelo se incorporaran las variables de ocupación a diferencia del anterior, los coeficientes resultaron estadísticamente significativos y se puede concluir que la educación vía ocupación afecta el salario de los individuos, estos resultados coinciden con un estudio que realizaran Zamudio e Islas para México, donde definieron 22 ocupaciones.²⁵ En general la rentabilidad promedio es menor para las mujeres en comparación con los hombres, asimismo en lo referente a profesionistas es de 12% para el total de la muestra, hombres 5.2% y para las mujeres de –12.6%, para los trabajadores administrativos 2.6%, 6.5% y –11.4%, en comerciantes es de –15.8%, 2.7% y –3.3%, de los trabajadores de servicios es de 5.4%, 9.2% y –15%, la ocupación referente a los trabajadores manufactureros se elimino por falta de observaciones.

Las variables de selección que más se ajustaron a este modelo para las tres submuestras resultaron estadísticamente significativas, lo que sugiere la importancia del sesgo de selección y de los factores no observables en la estimación. Las variables empleadas para ello fueron años educativos 4.8% para la muestra total, 3.4% hombres y 8.5% para las mujeres, de igual manera la variable califica, que se refiere a trabajador calificado y adquiere valor de uno y cero, es de 7.6%, 17.9% y –37%, ocupaciones como comerciantes los coeficientes resultaron fueron de –12.4%, –26.3% y –18.7%, trabajadores de servicios 31.8%, –2.2% y 16.9% y ramas de actividad económica referente a los servicios 38.3%, 0.05% y 60.3%, y turismo, educación, gobierno, sanidad, profesionales y embajadas 11.3%, 0.02% y 8.9%.

En los resultados de las ecuaciones salariales se demuestra que los coeficientes del ratio de Mills (lambda) fueron significativas en todas las estimaciones, lo que significa que si los hombres ocuparan el lugar de las mujeres ganaría menos y por el contrario para las mujeres de estar en los lugares que ocupan los hombre estaría ganando más, con lo anterior se entiende que se corrige el sesgo de selección muestral y por lo tanto el uso del modelo de Heckman fue apropiado para la comprobación de la hipótesis, ya que se demuestra que no solamente la educación explica los rendimientos en el mercado laboral, sino que influyen otros elementos como las ocupaciones y la rama de actividad económica donde se desarrolla el trabajador.

RENTABILIDAD DEL CAPITAL HUMANO POR NIVEL EDUCATIVO Y SEXO

En el cuadro 5, se realizo la debida corrección de sesgo de selectividad por el método de Heckman con un modelo más general donde se incorporan las variables de sexo, ocupación y ramas de actividad económica para los niveles educativos y las variables de selección fueron la educación, trabajador calificado, y algunas variables referidas a la ocupación y ramas de actividad económica. Los resultados muestran una mayor rentabilidad en todos los niveles educativos, para el total de la muestra de asalariados, en primaria 15%, secundaria 40%, preparatoria 69% y universitario 137% en relación a sus estudios, estos resultados son parecidos a los que encontró Calvo para España donde tienen un modelo educativo diferente al mexicano, ya que cuentan con tres niveles educativos solamente, en primaria 31%, bachillerato 61% y universidad 101%, sin embargo, él no corrige el posible sesgo de selección²⁶; por su parte Urciaga realizo el mismo estudio pero en México, él encuentra tasas de rendimiento mayores comparadas con las obtenidas en este estudio, en primaria 51%, secundaria 85%, preparatoria 130% y universidad 186%.²⁷

Al realizar este mismo análisis, pero por sexo, se observan cambios importantes en los coeficientes en relación al modelo anterior. En primaria es el único nivel donde los rendimientos son mayores para el caso de las mujeres, donde 11.9% es para hombres y 21.1% de mujeres, en secundaria es de 40.8% y 32.9% respectivamente, en preparatoria es de 66.7% y 59% y finalmente en el nivel superior las diferencias es abruptamente mayor 131% y 122% para ambos sexos en relación con otros niveles educativos, sin embargo, estos resultados difieren por los encontrados por Barceinas para México, donde la rentabilidad de la educación primaria y universitaria es mayor para los hombres en primaria y universidad y para las mujeres en secundaria y preparatoria. Al analizar la variable sexo el coeficiente es positivo y significativo, lo cual significa que la rentabilidad es mayor en 32% para los hombres en relación a las mujeres.²⁸

Cuando se analiza las variables de ocupación, para el total de la muestra la ocupación referente a trabajadores profesionales tiene un rendimiento de –0.5%, trabajadores administrativos 2.6%, comerciantes –22.8%, trabajadores de servicios 4.6%, al indagar submuestras por sexo se encontró que en todas las ocupaciones la rentabilidad es negativa para las mujeres, en lo referente a profesionistas, hombres 3.2% y para las mujeres de –12.9%, para los trabajadores administrativos 6.7% y –96.7%, en comerciantes es de 2.3% y –13.1%, de los trabajadores de servicios es de 7.9% y –10.3%, la ocupación referente a los trabajadores manufactureros 8.4% y –45.3%.

Al analizar las ramas de actividad económica, para el total de la muestra la rama que se refiere a la industria de la transformación es de –3.9%, construcción 6.7% y servicios –0.9%, al analizar la rentabilidad de las ramas por género se muestra que la rentabilidad de las mujeres es menor en todas excepto en servicios, en lo que respecta a la industria de transformación para la submuestra de hombres, esta es de –2.0%, asimismo para las mujeres es de –28.2%, en la construcción el rendimiento en este orden es de 8.4% y –45.3%, la rama que le corresponde a los servicios obtuvo un rendimiento –2.2% y 3.5%, el resto de las ramas fueron eliminadas por falta de observaciones, debido al nivel de desagregación que tiene esta investigación.

Al examinar en las variables de selección se incorporo la variable dummi de trabajador calificado y/o no calificado²⁹ y otras que se refieren a la ocupación y rama de actividad que sirvieron para corregir el sesgo de selectividad muestral. Y finamente se puede concluir que los resultados de las ecuaciones salariales se demuestra que los coeficientes del ratio de Mills (lambda) fueron significativos en todas las estimaciones, para los hombres de ocupar el lugar que tienen las mujeres ganaría menos y para las mujeres de estar en los lugares que ocupan los hombres estaría ganando más, con lo anterior se entiende que se corrige el sesgo de selección muestral y por lo tanto el uso del modelo de Heckman fue apropiado.

De igual manera, al analizar el rendimiento a través del método elaborado se aprecian tasas mayores en el nivel de superior (12.1%, 11.4% y 11.1%) para el total de la muestra, hombres y mujeres, seguida de secundaria (10.8%, 10.3% y 9.5%). El hecho de que el nivel de secundaria tenga un mayor rendimiento que el de predatoria, puede deberse a que se incurre en más costos estudiar preparatoria debido a que el individuo se encuentra en edad de trabajar, sin embargo el mercado laboral no se compensa dicho gasto, sino hasta llegar al nivel universitario.

Por otro lado, las tasas marginales son mayores en los niveles de primaria a superior (11.6%, 11.4% y 9.5%), secundaria a superior (12.7%, 11.9% y 11.7%) y preparatoria superior (14.5%, 13.8% y 13.4%). Con lo anterior se puede confirmar nuevamente la relación creciente que existe entre la educación y los salarios en ambos métodos, así como también que las mujeres experimentan menores tasas de rendimiento en comparación con los hombres, con excepción del nivel primaria comparada con sin educación y ligeramente mayor de preparatoria a secundaria, esto puede deberse a que las mujeres se ocupan de empleos que requieren bajo nivel de educación en comparación con los hombres.

Por su parte Barceinas y Raymond realizan este mismo estudio pero para toda la republica mexicana desde el punto de vista de la inversión pública, con una tasa de interés del 3.5%, sus resultados difieren con los encontrados en esta investigación, ya que obtienen un rendimiento mayor en preparatoria en relación con otros niveles.³⁰ Por otro lado, los resultados coinciden con los encontrados por Urciaga ya que las tasas de rentabilidad son crecientes a medida que se alcanza un nivel más de educación.³¹

RENTABILIDAD Y ANÁLISIS DE LA DISCRIMINACIÓN DEL CAPITAL HUMANO DE PROFESIONISTAS POR AREAS DE ESTUDIO Y SEXO

En el cuadro 7, se examina el rendimiento promedio del capital humano de profesionistas por área de estudio y por sexo. Se puede observar que en ingenierías y tecnología el rendimiento es mayor con 8.4%, seguida de ciencias económico–administrativas y ciencias sociales con 8% y 8% respectivamente, dando turno a ciencias de la salud, naturales y exactas con 7.8% y finalmente en educación, humanidades y disciplinas artísticas con 7.7%. Lo anterior confirma que existe un mayor rendimiento del área de ingenierías y tecnologías en detrimento de la educación, humanidades y disciplinas artísticas, para el total de la muestra. Estos resultados son coincidentes, con los encontrados por Oliver, et al., en España y Yamauchi en Filipinas ya que demuestran que las áreas de ciencias de la salud, ingenierías muestran rendimientos más elevados en detrimento de las ciencias sociales y humanidades, también se confirma con lo expuesto por Canudas, él menciona que los cambios en la organización del trabajo en las ultimas décadas ponen de manifiesto las capacidades humanas en el momento de la producción son una condición sine qua non para su inserción competitiva en el marco de mundialización económica.³²

Cuando se analiza al interior de las áreas de estudio por sexo se puede deducir que la rentabilidad promedio, es mayor para los hombres en relación a las mujeres en todas las estimaciones, en ciencias de la salud, naturales y exactas (7.7% y 7.4%) hombre y mujer respectivamente, en ciencias económico–administrativas (7.6% y 4.9%), en ciencias sociales (9.4% y 7.0%), en educación, humanidades y disciplinas artísticas ( 7.7% y 7.4%) y por último ingenierías y tecnología (8.2% y 5.6%).

Al examinar las diferencias salariales por sexo se observa que todos los coeficientes son positivos y significativos, lo que hace suponer que existe diferencial salarial a favor del hombre en todas las áreas de estudio. Asimismo, en ciencias de la salud, naturales y exactas la parte del diferencial salarial es mayor con 40%, en ciencias económico–administrativas este coeficiente es de 35%, en ciencias sociales esta diferencia es de 26%, en educación, humanidades y disciplinas artísticas la diferencia es menor en 11%, y finalmente en el área de ingenierías y tecnología es de 20%.

La variable de selección fue número de horas trabajadas, ya que generalmente en las estimaciones se está suponiendo que los diferenciales de salarios se deben tan sólo a las distintas remuneraciones por unidad de tiempo determinada, sin embargo, en la realidad esto no es así, porque no todos los individuos trabajan el mismo número de horas, sobre todo en el caso de las mujeres. Es por ello que, en este modelo se añade las "horas" trabajadas como variable de selección. Donde nh= número de horas trabajadas al mes y ρ= 0.35. La variable resulto positiva y significativa en todos los casos, con excepción de los hombres en el área de educación, humanidades y disciplinas artísticas.

Como se puede apreciar en el cuadro 8, se muestran las tasas de rentabilidad de los profesionistas por áreas de estudio y sexo comparadas con el nivel de preparatoria. Y considerar una tasa de interés del 6.5%, al utilizar el método elaborado y el directo. En la columna dos, tres y cuatro se puede apreciar las tasas de rendimiento, a través del método directo, se puede destacar que la tasa de rendimiento es mayor en ingenierías y tecnología (23%) y menor en educación, humanidades y disciplinas artísticas (21.6%) y al interior de las áreas por sexo, se muestra mayores tasas de rendimiento de las mujeres en relación a los hombres, en las áreas de ciencias de la salud, naturales y exactas (21.7% y 23.2%), educación, humanidades y exactas (20.7% y 23.1%) e ingenierías y tecnológicas (21.5% y 25.1%).

En lo que respecta al método elaborado, se muestra en las columnas cinco, seis y siete, donde al igual que en el método anterior se observa tasas de rentabilidad mayores en ingenierías y tecnológicas (25.9%) y menor en educación, humanidades y disciplinas artísticas (24.2%), al analizar dichas tasas por sexo se muestra mayores tasas de rendimiento de las mujeres en relación a los hombres en las áreas de ciencias de la salud, naturales y exactas (24.2% y 26.1%), educación, humanidades y exactas (23% y 25.9%) e ingenierías y tecnológicas (24% y 28.5%). Con lo anterior se puede concluir que es más rentable para las mujeres estudiar una carrera en el área de ingenierías y tecnológicas.

DIFERENCIAL DE SALARIOS Y DESCOMPOSICIÓN

Al condicionar por la media de la distribución, la diferencia salarial entre ambos sexos es reducida y a favor del hombre en cada una de las áreas de estudio analizadas, a diferencia de educación, humanidades y disciplinas artísticas donde aparece un diferencial salarial negativo. Asimismo, la descomposición de los coeficientes confirman una tendencia: la mayor parte de las brechas se deben a cambios de los coeficientes de las estimaciones, esto es, por la discriminación (absoluta y relativa). En el área de ciencias de la salud, naturales y exactas la parte del diferencial que no era explicado por los atributos de capital humano de los individuos es de 59.4%, en tanto que en ciencias económico–administrativas su porcentaje es mayor 77.4%, sin embargo, en ciencias sociales el diferencial de salarios no parece ser mayor con respecto a otras áreas, y es la única que detecta un diferencial en atributos negativo, el índice de discriminación relativa alcanza su nivel más alto de 104%, indicador que permite inferir una mayor homogeneidad salarial de los trabajadores de ambos sexos, en lo que respecta a educación, humanidades y disciplinas artísticas el diferencial salarial es negativo y la parte del diferencial que no es explicado es de 65.1% y por ultimo en ingenierías y tecnología el diferencial el atributos no parece ser mayor que en otras áreas, y la parte del diferencial que no es explicada por los atributos es de 50.5%, en esta área el diferencial no explicado que se refiere a la discriminación es menor con respecto a otras áreas, pero no deja de ser grande. Lo anterior confirma que existe discriminación de los profesionistas de sexo femenino dentro de la misma área de estudio, que se encuentran trabajando en el mercado laboral de Hermosillo.

Asimismo, estos resultados coinciden con los obtenidos por Hernández para el mercado laboral español, donde el porcentaje debido a diferentes características de capital humano es de 26.9% y el porcentaje atribuido a la discriminación es de 73.05%³³; también para España, De la Rica y Ugidos a diferencia del anterior, utilizan otra base de datos y encuentran porcentajes del 14% y discriminación del 86%³⁴; Di Paola y Berges para Argentina encontraron que existen diferencias en las dotaciones de capital humano de un 28% y el restante 72% permanece como diferencial discriminatorio³⁵; Di Pasquele y Atucha encontraron diferencias explicadas en 31.9% y no explicadas en 68%³⁶; y finalmente para México Martínez y Acevedo, este estudio revelo que el 85% del porcentaje se debe a discriminación y el 15% se debe a productividad.³⁷

En las últimas tres décadas, se ha incremento la matricula de la mujer en todos los niveles educativos, y por lo tanto su incursión el mercado de trabajo. En esta investigación se analizaron las tasas de rendimiento de la educación diferenciando el mercado laboral segmentado por sexo; se realizó un análisis de la discriminación salarial con la idea de captar las diferencias en los salarios que no son explicadas por las diferencias en las dotaciones de capital humano.

Al analizar el rendimiento promedio de la educación libre, o de cada año de educación alcanzado ya corregida por sesgo de selección fue de 9.2% para los hombres y 7.3% para las mujeres, de igual manera se ha encontrado que la experiencia es un factor determinante en la acumulación de capital humano y por lo tanto en los salarios, la rentabilidad de ésta es mayor para los hombres en relación a las mujeres, con 4.7% y 2.6% respectivamente, lo cual puede deberse a que ellas acumulan menos experiencia que los hombres en el marcado de trabajo, debido a sus compromisos familiares. Cuando se examina la rentabilidad promedio de la educación por niveles educativos, se muestran una mayor rentabilidad a medida que se logra un mayor nivel educativo, sin embargo, siempre aumenta para los hombres en relación a las mujeres en todos los niveles de instrucción con excepción de primaria, 11.9% para hombres y 21.1% mujeres, donde ellas obtienen mayores rendimientos, en secundaria 40.8% y 32.9%, preparatoria 66.7% y 59%, pero el nivel superior se aprecia una rentabilidad abruptamente mayor para ambos sexos, 131.5% y 122% a favor del hombre. Con lo anterior expuesto se puede concluir que la inversión en educación es necesaria y rentable para los individuos, y aun más en el nivel superior, donde parece estar mejor remunerada.

Por lo tanto, se entiende que estudiar una carrera universitaria es rentable, sin embargo, al desagregar más el análisis e indagar en las áreas de estudio se encontró una gran heterogeneidad de los rendimientos entre ellas, donde la mejor valorada es mayor en el área de ingenierías y tecnológicas (8.45%) y menor es educación, humanidades y disciplinas artísticas (7.76%). Las diferencias salariales en cada una de las áreas resultaron positivas y significativas, siempre a favor del hombre, las mayores diferencias se encontraron en ciencias de la salud, naturales y exactas (40%) y menor en educación, humanidades y disciplinas artística (11.4%), aunque se puede observar claramente que existen diferencias salariales a favor del hombre.

Pero también se encontraron diferencias al analizar la rentabilidad promedio de los profesionistas por sexo, ya que los hombres se encuentran mejor remunerados en las áreas de ciencias sociales (9.4%) y para las mujeres ciencias de la salud, naturales y exactas (7.4%). Con lo anterior se puede deducir que las mujeres que se incorporan en las áreas que anteriormente pertenecían exclusivamente a los hombres son mejores remuneradas en relación a otras áreas en las que generalmente se concentra un mayor número de mujeres como en educación, humanidades y disciplinas artísticas. También se puede concluir que las variables de ocupación, ramas de actividad económica influyen en el rendimiento de los profesionistas, dependiendo del área y el sexo al que pertenecen.

Igualmente se puede añadir que los coeficientes de las variables de selección resultaron estadísticamente significativos en todas las áreas de estudio y por sexo, lo cual indica la importancia del sesgo de selección y de los factores no observables en las estimaciones, es importante mencionar que los coeficientes muestran que las mujeres, de estar en los lugares que ocupan hombres, ganarían en promedio más. También la adecuada utilización del modelo de corrección propuesto por Heckman.

Y finalmente al realizar el análisis de la discriminación por sexo en las áreas de estudio, se encontraron diferencias salariales que no son explicadas por las diferencias en capital humano, es decir debido a la discriminación, y estas son mayores en las ciencias económico–administrativas con 77.4%, en ciencias sociales es la única que detecta un diferencial en atributos negativo, el porcentaje discriminatorio alcanza su nivel más alto en 104%, indicador que permite inferir una mayor homogeneidad de trabajadores de ambos sexos y finalmente en ingenierías y tecnológicas las diferencias son menores con 50.5%. Con lo anterior se entiende que existe discriminación en contra de la mujer profesionista dentro dependiendo del área de estudio en el mercado laboral de Hermosillo.

REFERENCIAS

¹ Gary S. Becker, Human Capital. A theoretical and empirical analiysis with special referente to education, University of Chicago press, third edition, 1993, pp. 3–330        [ Links ]

² Gary S. Becker, The economic of discrimination, University of Chicago Press, 1957        [ Links ]

³ Teresa Rendón, Trabajo de hombres y trabajo de mujeres en el México del siglo XX, Universidad Nacional Autónoma de México, 2003, pp. 1–283        [ Links ]

⁴ D. Neumark, "Employers discriminatory behavior and the estimation of wage discrimination", en The journal of human resoursces, 1988, pp. 279–295        [ Links ]

⁵ J. Heckman, "Simple selection bias as a specification error", en Econometría, vol. 47, núm. 1, enero 1979, pp. 153–161        [ Links ]

⁶ Theodore Sultz, "Capital formation by education", en The journal of political economy, 1960, pp. 571–583        [ Links ]

⁷ J. Mincer, Schooling, experience, and earning, National Bureau of economic research, 1974, pp. 1–152        [ Links ]

⁸ G. Psacharopulos y H. Patrinos, "Returns to investment in education: A further update", en Word bank policy research working, paper 2881, 2002, pp. 1–29        [ Links ]

⁹ F. Yamauchi, Why do scholing return differ? Screening, private schools, and labor market in the Philipines and Thailand, International food policy research institute, Washington D.C. and Fundation for advenced studies on internacional development and Nacional graduate institute for policy studies, 2004, pp. 1–22;         [ Links ] J. Calvo, "Rendimientos del capital humano en educación en España", en Investigaciones económicas, segunda época, vol. XII, núm. 3, 1998, pp. 473–482;         [ Links ] I. Maradona y M. Calderón, "Estimación del sesgo de selección para el mercado laboral de Mendoza", (s–e), Universidad de Cuyo España, 1997, pp. 1–22;         [ Links ] J. Oliver, J. Raymond y P. Roca, "Función de ingresos y rendimiento de la educación en España", (s–e), Universidad Autónoma de Barcelona, 1990, pp. 1–34;         [ Links ] Teresa Bracho y A. Zamudio, "Los rendimientos económicos de la escolaridad en México, 1989", en Economía, Centro de investigación en docencia económica, vol. III, núm. 2, segundo semestre, 1994, pp. 345–377;         [ Links ] A. Zamudio y F. Islas, "El ingreso en México: Efecto educación y ocupación", en Documento de trabajo, Centro de Investigación y docencia económica, núm. 171, 1999, pp. 1–27;         [ Links ] Fernando Barceinas, "Función de ingresos y rendimiento de la educación en México", en Estudios económicos, El Colegio de México, vol. 14, núm. 1, enero–junio, 1999, pp. 87–127;         [ Links ] G. Urciaga, "Los rendimientos privados de la educación formal en México", en Revista comercio exterior, vol. 52, núm. 4, abril, 2002, pp. 324–330;         [ Links ] Fernando Berceinas, "Endogeneidad y rendimientos de la educación en México", en Estudios económicos, vol. 18, núm. 1, enero–junio, 2003, p. 79–131;         [ Links ] Fernando Barceinas y J. Raymond, "Hipótesis de señalización versus capital humano, el caso de México", en Trimestre económico, FCE, vol. LXX, núm. 277, 2003, pp. 167–194;         [ Links ] y Luis Huesca, "Rentabilidad de los hogares asalariados en México durante 1984–2000. Problemas del desarrollo", en Revista latinoamericana de economía, vol. 35, núm. 138, julio–septiembre, 2004, p. 1–24        [ Links ]

¹⁰ Eduardo Zepeda Miramontes, Determinación del salario y capital humano en México: 1987–1993, vol. 2, núm. 5, 1999, pp. 67–116

¹¹ Gary S. Becker, The economic of discrimination..., op. cit.

¹² Matthew Goldberg, "Discrimination, nepotism and long–run wage differentials", en Quartely Journal of Economic, núm. 45, 1982, pp. 307–319        [ Links ]

¹³ Gary S. Becker, "Human capital, effort and the sexual division of labor", en Journal of labor economic, vol. 3, núm. 1, 1985, pp. 33–58        [ Links ]

¹⁴ Ronald Oaxaca, "Male–female wage differentials in urban labour markets", en International Economic Review, 1973, pp. 693–709        [ Links ]

¹⁵ D. Neumark, op. cit.

¹⁶ De los trabajos encontrados que aplican esta técnica se desprenden los siguientes: para España: Pedro Jesús Hernández Martínez, "Análisis empírico de la discriminación salarial de la mujer en España", en Investigaciones económicas, vol. XIX, núm. 2, 1995, pp. 195–215;         [ Links ] Sara De la Rica y Arantza Ugidos, "¿Son las diferencias en capital humano determinantes de las diferencias salariales observadas entre hombres y mujeres", en Investigaciones económicas, vol. XIX, núm. 3, 1995, pp. 395–414;         [ Links ] Miren Ullibarri Arce, "Diferencias salariales entre los sectores públicos y privados por género, escolaridad y edad. El caso de España", en El trimestre económico, FCE, vol. LXX (2), núm. 278, 2003, pp. 233–253;         [ Links ] para Argentina: Rosángela Di Paola y Miriam Berges, Sesgo de selección y estimación de la brecha por género para Mar de la Plata, Facultad de ciencias económicas y sociales, Universidad Nacional de Mar de la Plata, 1997, pp. 1–15;         [ Links ] Eugenio Actis Di Pasquele y Ana Julia Atucha, "Brechas salariales: Discriminación o diferencias en productividad", en Momento económico, núm. 126, 2003, pp. 23–33;         [ Links ] para Uruguay: Fernanda Rivas y Máximo Rossi, Evolución de las diferencias salariales entre sector público y privado en Uruguay, Departamento de economía, Facultad de ciencias sociales de la Universidad de la Republica, Montevideo, 2000, pp. 1–28;         [ Links ] y para México son pocas las investigaciones que se han realizado en torno al tema, de las encontradas se encuentran: Liliana Meza González, "Wage inequality and the gender wage gap in Mexico", en Economía Mexicana, nueva época, vol. X, núm. 2, segundo semestre 2001, pp. 291–323;         [ Links ] y más recientemente Irma Martínez Jasso y Gloria Acevedo Flores, "La brecha salarial en México frente al capital humano, discriminación y selección muestral", en Ciencia, Universidad Autónoma de Nuevo León, vol. II, núm. 1, 2004, pp. 153–195.         [ Links ] Todos estos estudios coinciden en la idea de que existe discriminación en el mercado labora para la mujeres. Para Hermosillo, Sonora, son los trabajos de Alejandro Valenzuela, El Mercado de trabajo de Hermosillo: discriminación salarial y nivel de escolaridad. Sonora frente al siglo XXI, 2002, pp. 463–483;         [ Links ] y un año después Gabriela Grijalva Monteverde, "Diferencias salariales por sexo en el sector privado en México: el caso de Hermosillo, Sonora", en Mercado de valores, núm. 1, año LXIII, 2003, pp. 13–25,         [ Links ] quienes han realizado individualmente estudios en torno a este tema, sin embargo, no sólo no corrigen el problema de sesgo por selección de la muestra, sino que tampoco utilizan la descomposición de Oaxaca, que permite una medida más precisa de la discriminación salarial.

¹⁷ Véase Oliver, op. cit.; Raymond, op. cit.; Roig y Roca, op. cit.

¹⁸ Barceinas, "Endogeneidad y rendimientos de la educación...", op. cit.

¹⁹ D. Neumark, op. cit.; Ronald Oaxaca, op. cit.

²⁰ La población seleccionada para participar en el estudio no es representativa de la población de referencia. Los grupos en comparación no son similares en sus características básales debido a la forma en que han sido seleccionados. (J. Heckman, "Simple selection bias...", op. cit.)

²¹ Siglas y abreviaturas: Esc.: Escolaridad; Obs.: Tamaño de la muestra; en total, el Salario Mensual y la Escolaridad son promedios. (N. del E.)

²³ Teresa Bracho y A. Zamudio, "Los rendimientos económicos...", op. cit.

²⁴ F. Yamauchi, Why do scholing return differ? Screening, private schools..., op. cit.

²⁵ A. Zamudio y F. Islas, "El ingreso en México: Efecto...", op. cit.

²⁶ J. Calvo, "Rendimientos del capital humano...", op. cit.

²⁷ G. Urciaga, "Los rendimientos privados de la educación...", op. cit

²⁸ Fernando Barceinas, "Función de ingresos y rendimiento...", op. cit.

²⁹ El criterio de la variable trabajador calificado 9 años y más de educación y no calificado menos 9 años.

³⁰ Fernando Barceinas y J. Raymond, "Hipótesis de señalización versus...", op. cit.

³¹ G. Urciaga, "Los rendimientos privados de la educación...", op. cit

³² Rocío del Carmen Canudas, "La reemergencia del capital humano en el marco de los tres paradigmas", en Investigaciones económicas, vol. LXI, 235, 2001, pp. 13-44        [ Links ]

³³ Jesús Hernández Martínez, "Análisis empírico de la discriminación...", op. cit.

³⁴ Sara De la Rica y Arantza Ugidos, "¿Son las diferencias en capital humano determinantes...", op. cit.

³⁵ Rosángela Di Paola y Miriam Berges, Sesgo de selección y estimación..., op. cit.

³⁶ Eugenio Actis Di Pasquele y Ana Julia Atucha, "Brechas salariales: Discriminación o diferencias...", op.

³⁷ Irma Martínez Jasso y Gloria Acevedo Flores, "La brecha salarial en México frente al capital...", op. cit.