Algoritmo para medir los Spillovers del Capital Humano - Caso modulo del sistema multiagente para el cluster de automotriz y autopartes de Angelopolis Puebla

Efrén Armando Osorio Ramírez
Instituto Tecnológico de Puebla
efrenosorio@yahoo.com.mx


Resumen
En este trabajo proponemos un algoritmo que utilizamos en un modulo de un agente inteligente en donde estudiamos los spillovers del capital humano a nivel de empresa utilizando un encuesta de estructura salarial que contiene datos cruzados de trabajadores y empresas. Obtenemos que el nivel medio de educación de los trabajadores de la empresa tiene un muy significativo y cuantitativamente importante efecto positivo sobre el salario de todos sus trabajadores. El efecto es robusto a la inclusión de todos los controles habituales sobre características de trabajadores y empresas, siendo más importante sobre los trabajadores con mayor nivel de educación. Una vez tenemos en cuenta el impacto de la educación individual sobre la educación media de la empresa contratante y las spillovers de la educación, obtenemos una rentabilidad individual de la educación similar a la sugerida en trabajos previos y una rentabilidad social notablemente superior. La experiencia potencial previa y la antigüedad medias de los trabajadores de la empresa también ejercen un significativo efecto positivo sobre todos los salarios de la misma.

Palabras clave: Educación, Capital humano, Spillovers, Salarios.

Introducción.

El análisis de los rendimientos de la educación a partir de la estimación de ecuaciones mincerianas es un tema ampliamente estudiado en la literatura económica (Heckman et al., 2003). Una de las principales razones que explican el permanente interés por esta línea de investigación y el empeño por el perfeccionamiento de sus estimaciones, es la extraordinaria importancia que tienen los gastos educativos en los presupuestos de todos los países. Lógicamente, uno de los elementos a tener en cuenta en el diseño de las políticas educativas es una evaluación cuantitativa de los rendimientos privados y sociales de la educación. Aunque el análisis de esta cuestión en nuestro país es relativamente reciente, se puede ya encontrar una amplia gama de trabajos que la tratan, algunos de los cuales incluyen una estimación de los rendimientos públicos de la educación (en forma de una mayor recaudación impositiva tras el período educativo) además de los puramente privados . La consideración de los rendimientos impositivos futuros no agota, sin embargo, el conjunto de beneficios sociales de la educación por cuanto es posible que también genere spillovers cuantitativamente importantes que no son apropiadas por los individuos que realizaron los estudios. El objetivo de este trabajo es presentar un algoritmo que realiza la estimación de las spillovers educativas que se producen en el ámbito de la empresa poblana dentro del ámbito del cluster industrial de automotriz y de autopartes, así como de las que tienen que ver con la experiencia laboral media -dentro y fuera de la empresa actual- del conjunto de trabajadores de un establecimiento.
En primer lugar, analizamos las spillovers que surgen cuando el salario de un trabajador depende positivamente del nivel educativo de sus compañeros. Este tipo spillover a nivel de empresa o centro de trabajo viene recibiendo bastante atención en los últimos años (Barth, 2002, Battu et al., 2003, y Bayard y Troske, 1999), una vez que se ha detectado ya cierta evidencia empírica acerca de los spillovers de la educación a nivel de ciudades y regiones (Ciccone y Peri, 2002, Moretti, 2004 y Rudd, 2000, entre otros). Cabe pensar, sin embargo, que el establecimiento laboral es el ámbito en el que el capital humano puede generar spillovers de manera más inmediata e importante como consecuencia de las complementariedades productivas y de la mayor facilidad de la difusión del conocimiento.
La estimación de estos spillovers se realiza mediante la inclusión de efectos de empresa en la ecuación de salarios. La inclusión de estos efectos resulta además conveniente en cualquier estimación de los rendimientos salariales de la educación con datos de corte transversal, debido a que los trabajadores más hábiles tienden a concentrase en las empresas más productivas (Abowd et al., 1999) y a que resulta verosímil que la habilidad y la educación individuales estén positivamente correlacionadas. En estas circunstancias, y cuando no es posible estimar un efecto individual debido a la inexistencia de datos apropiados (como suele suceder en la mayoría de los casos, no solo para la economía Poblana sino para el resto del país), la inclusión de efectos de empresa permite reducir el sesgo de habilidad en la estimación de los retornos de la educación.
Según los resultados obtenidos al trabajar este algoritmo, la inclusión de los efectos de empresa en la ecuación de salarios reduce el coeficiente de la educación individual desde un 0,081 hasta un 0,058, lo cual implicaría una rentabilidad individual de la educación del 5,8 % que está marcadamente por debajo de la obtenida por trabajos previos sobre la economía española (véanse los citados en la anterior nota a pie de página). Sin embargo, cuando se incluyen efectos de empresa, el cálculo de la rentabilidad individual de la educación obliga a tener en cuenta que la mayor educación del individuo influye positivamente en que sea contratado por una empresa con mayor educación media de sus trabajadores y que el salario individual depende positivamente de ese nivel educativo medio de la empresa. En concreto –de acuerdo con nuestros resultados– la mayor educación individual eleva notablemente la probabilidad de trabajar en una empresa con una alta educación media y, por tanto, de trabajar en una empresa con un elevado nivel de spillovers positivos. Una vez estimado y tenido en cuenta este efecto, la tasa de rendimiento individual de la educación se sitúa en un 8 %. En consecuencia, la consideración conjunta de todos estos factores nos reconduce a una calibración final del rendimiento privado de la educación que es similar a la estimación del mismo obtenida en trabajos previos que no toman en consideración los spillovers en el ámbito de la empresa. Aunque del mencionado 8 % de rentabilidad individual de la educación, un 27,5 % no sería un efecto directo sino que provendría de la mayor probabilidad de trabajar en una empresa con elevados spillovers.
Ahora bien, el dato relevante desde el punto de vista de las políticas educativas públicas no sería la rentabilidad individual de la educación, sino su rentabilidad social. La consideración de los spillovers a nivel de empresa nos conduce a una estimación del rendimiento social de la educación bastante superior al individual y que alcanza un 10,5%.
Una cuestión adicional es si el efecto cuantitativo del spillover de la educación en una determinada empresa es idéntico para todos los trabajadores de la misma con independencia de su nivel de educación. Aunque la teoría apunta a que estos efectos deberían ser mayores sobre los trabajadores con mayor calificación (Kremer, 1993), trabajos como el de Battu et al. (2003) para el Reino Unido obtienen resultados en sentido contrario. Nuestras estimaciones para Puebla apuntan sin embargo en el sentido de la teoría, indicando que son los trabajadores más calificados los que más se benefician de encontrarse en un entorno laboral con una elevada calificación media.
Junto a la educación, la experiencia laboral conforma el otro elemento fundamental del capital humano. Cabe pensar nuevamente que parte de los conocimientos adquiridos mediante la experiencia dentro y fuera de la empresa, se transmiten libremente al resto de trabajadores del establecimiento en el que se trabaja. Además de que muchas experiencias productivamente útiles son transmitidas eficazmente y de manera espontánea al interior de cada establecimiento, la existencia de trabajadores con experiencia dentro de la propia empresa parece un vehículo fundamental por el que puede crearse y transmitirse la cultura y las pautas de funcionamiento de cada empresa. Por su parte, la incorporación de trabajadores con experiencia previa en otras empresas es un mecanismo importante de absorción de conocimientos procedentes del resto de la economía que en parte se transmiten al resto de trabajadores de la empresa. No obstante, los estudios que analizan los spillovers del capital humano se centran exclusivamente en la educación (con alguna excepción como el trabajo de Bayard y Troske, 1999). Nuestras estimaciones arrojan un impacto positivo y muy significativo sobre los salarios, tanto de la antigüedad media del conjunto de trabajadores de la empresa como de su experiencia previa media.
Todos estos resultados son robustos a la inclusión de los controles habituales sobre características individuales y de empresa en las ecuaciones mincerianas, así como a la utilización de dummies de educación en lugar de años de estudios en dichas ecuaciones.

Algoritmo.
El algoritmo estimado tiene su origen en las ecuaciones mincerianas (Mincer, 1974) del tipo:


donde el subíndice i denota al individuo, w es el salario horario, S es el número de años de educación, EP es la experiencia potencial y G es una variable ficticia según el sexo del trabajador.
Sobre este modelo convencional, dividimos la experiencia potencial en antigüedad en la empresa (A) y experiencia potencial previa (EPP) que el trabajador tuviera en el momento de formalizar su relación contractual con la empresa; esto es, EPi= Ai + EPPi. La primera es informativa de la experiencia específica del trabajador en su empleo actual, mientras que la segunda informa de la experiencia general acumulada por el sujeto en empleos y empresas anteriores. Esto es,



Esta separación permite considerar la posibilidad de que los efectos salariales de una y otra sean significativamente distintos; lo cual puede ocurrir tanto sobre el salario del individuo que ostenta la experiencia, como en el caso de los spillovers que generan (por ejemplo, la experiencia fuera de la empresa puede ser menos productiva desde el punto de vista del aprendizaje en las actividades específicas que desempeña el trabajador en su empresa actual, pero puede ser más productiva desde el punto de vista de la captación y difusión de conocimientos procedentes de otras empresas). Finalmente, la consideración de un efecto fijo de empresa en la determinación del salario, así como la existencia de spillovers del capital humano dentro de ésta nos conducen a la estimación del modelo siguiente:


donde el subíndice j indica la empresa, y S, A y EPP son la educación, la antigüedad y la experiencia potencial previa medias de los trabajadores de la empresa, respectivamente .
La estimación de los parámetros en una primera etapa permiten obtener las estimaciones de los efectos fijos de empresa ( ), que son utilizados para estimar el resto de coeficientes ligados a las variables que no muestran variación a nivel de empresa en una segunda etapa. Inicialmente el algoritmo también se estimó en una sola etapa bajo la hipótesis de efectos aleatorios, pero dado que el test de Hausman rechazó dicha hipótesis (véase la sección de resultados) frente a la especificación de efectos fijos, presentamos solamente esta última .
Modo de Uso del algoritmo.

Los datos utilizados para realizar las estimaciones provienen de un encuesta sobre Estructura Salarial, conteniendo una detallada información acerca de las características laborales de los individuos en todo el ámbito del Cluster Industrial automotriz y de autopartes de la región Angelopolis Puebla, permite identificar el establecimiento donde se encuentra el trabajador. Esto permite combinar las características individuales de los trabajadores con las características propias del establecimiento, aislando de esta forma el efecto de empresa en la determinación del salario individual.
Esta encuesta ofrece una gran amplitud de tamaño muestral, pues recoge información de 55600 asalariados. El salario horario se ha obtenido a partir del salario bruto anual incluyendo los pagos extraordinarios recibidos. Los años de educación se han calculado a partir de la duración teórica del nivel de estudios alcanzado por el sujeto. La mayoría de los trabajos que utilizan esta variable con estos mismos datos no explicitan el cómputo exacto usado para construirla (Barceinas et al., 2001, De la Rica, 2003, Pérez e Hidalgo, 2000). El trabajo de De la Fuente et al. (2003b) es una excepción. Para hacer comparables nuestros resultados hemos utilizado los mismos criterios seguidos en este último trabajo para construir la variable años de educación.
La antigüedad en la empresa se obtiene directamente de los datos y la experiencia potencial previa se ha calculado restando a la edad del trabajador la antigüedad y la fecha de finalización teórica de los estudios completados por el mismo. En el anexo aparece la descripción estadística de las principales variables utilizadas. Hay que señalar que junto a las ventajas comentadas que presenta la encuesta de estructura Salarial para realizar este tipo de estudios hay también otros inconvenientes, que por otro lado tampoco son ajenos a otro tipo de datos, como son los errores de medida en determinadas variables. Por otro lado, como se ha señalado anteriormente, para el cálculo de los años de escolaridad y para obtener la experiencia potencial previa se considera que los trabajadores han completado su educación según la duración teórica de cada nivel educativo.
La estimación de efectos fijos es frecuente en aquellos estudios que analizan los spillovers de la educación en ciudades (Ciccone y Peri, 2002 y Moretti, 2004) y en regiones (Rudd, 2000). Sin embargo, no es tan habitual en aquellos que centran su atención en el establecimiento. Bayard y Troske (1999) realizan una estimación de corte transversal para Estados Unidos, Battu et al. (2003) estiman un modelo de efectos aleatorios de establecimiento con datos británicos y Barth (2002) trabaja con un panel de individuos y establecimientos de Noruega, realizando tanto estimaciones cross section como de efectos fijos de establecimiento con datos longitudinales de trabajadores.
En el Cuadro 1 aparecen las estimaciones de las ecuaciones (1) y (2). En este último caso las estimaciones corresponden al modelo con efectos fijos. No se presentan los resultados de la estimación del modelo de efectos aleatorios ya que la aplicación del test de Hausman rechaza la hipótesis de dicho modelo La ecuación (1) se presenta tanto en su versión convencional como dividiendo la experiencia potencial en antigüedad en la empresa más experiencia potencial previa (1’). Ambas se han estimado por Mínimos Cuadrados Ponderados, utilizando los factores de elevación que proporciona la propia encuesta de estructura salarial.
Todas las especificaciones incluyen un control para el sexo del trabajador. También se han reestimado todos los modelos para la submuestra de hombres para comprobar que la discriminación salarial de la mujer no está distorsionando los resultados, ya que podría afectar no sólo a la constante sino también al resto de parámetros. No obstante, los resultados obtenidos son similares a los que figuran en el Cuadro 1. También se ha comprobado que los principales resultados no varían aunque se incluya la fracción de mujeres que trabaja en la empresa y que suele ser habitual en los estudios de discriminación salarial por sexo. Todos los modelos se han estimado utilizando como ponderaciones los factores de elevación que proporciona la propia encuesta.



Notas: Estadísticos t en valor absoluto entre paréntesis. Los errores estándar son consistentes a la presencia de heterocedasticidad; se han calculado permitiendo la correlación entre observaciones de una misma empresa. Fuente: elaboración propia a partir de los datos.

Ahora bien, la probabilidad de que un trabajador esté empleado en una u otra empresa dependen a su vez de su propia educación individual; o, en otras palabras, depende de la segregación de trabajadores por empresas en función de su educación (Kremer y Maskin, 1996). En el cuadro A3 del Anexo podemos ver algunos estadísticos relevantes de la distribución conjunta de la educación individual y la educación media de la empresa. En concreto, observamos que la educación del individuo condiciona de manera muy importante el nivel medio de educación de la empresa. Así por ejemplo, mientras que los trabajadores con el menor nivel educativo considerado (sin estudios o educación primaria) trabajan en promedio en empresas cuya educación media es de 6,97 años, los licenciados universitarios tienden a hacerlo en empresas con 12,05 años de educación media.
El hecho de que la mayor educación mejore las probabilidades de trabajar en una empresa con mayores spillovers pecuniarios positivos sobre los salarios implica que la educación tiene un componente adicional de rentabilidad individual que hay que añadir a la rentabilidad directa anteriormente citada. A partir de la fórmula convencional acerca del sesgo cometido en la estimación de un coeficiente por la omisión de una variable relevante, el sesgo en la estimación del rendimiento privado de la educación cuando se excluye la educación media de la empresa en las ecuaciones mincerianas puede ser calculado a partir del producto entre el coeficiente de la educación individual obtenido en una regresión auxiliar cuya variable dependiente es la educación media de la empresa, y el coeficiente de la educación media del establecimiento de las ecuaciones salariales (Barth, 2002). En consecuencia, donde b se obtiene de la siguiente regresión:

Los resultados de esta regresión auxiliar se presentan en el Cuadro A4 del Anexo. El valor estimado de b es 0,462 (con una desviación estándar de 0,006). En consecuencia, la tasa de rendimiento privado de la educación de acuerdo con el modelo (2) es de 8% (0,058 + 0,462 × 0,047). Esto significa que el 27,5 % del rendimiento privado de la educación proviene de la mayor probabilidad de trabajar en una empresa con un elevado nivel salarial (debido a su vez a la existencia de fuertes spillovers educativos).
Desde una perspectiva pública, el dato relevante para el análisis coste-beneficio de las políticas educativas es el denominado, en este contexto, rendimiento “social” de la educación, que se obtiene sumando el rendimiento privado individual y los spillovers pecuniarios derivadas de la educación media de la empresa comentadas anteriormente . El aumento de un año en la educación media de los asalariados de la muestra genera un aumento del salario medio del 10,5%, que se descompone en un 5,8% de rendimiento interno más un 4,7% de externalidad en la empresa. En consecuencia, nuestras estimaciones sugieren que la habitual no consideración de los spillovers a nivel de empresa conduce a una significativa infravaloración de los rendimientos de la educación (Barth, 2002).
Con respecto al resto de variables que conforman el capital humano, el Cuadro 1 muestra que la antigüedad en la empresa tiene un mayor impacto salarial que la experiencia potencial previa, siendo el perfil de ingresos de la primera superior y con mayor pendiente que la segunda, aunque en todo caso ambas son muy significativas. Como señalamos al comienzo, cabe pensar que parte de los conocimientos adquiridos mediante la experiencia dentro y fuera de la empresa se transmiten libre, eficaz y espontáneamente al resto de trabajadores del establecimiento en el que se trabaja. No obstante, los estudios que analizan los spillovers del capital humano se centran exclusivamente en la educación, con alguna excepción como el trabajo de Bayard y Troske (1999). En las estimaciones del modelo (2) que ofrecemos en el Cuadro 1, obtenemos que las variables de antigüedad y experiencia medias del conjunto de trabajadores también son explicativas de la prima salarial por establecimiento y estadísticamente muy significativas. Así pues, se detecta un carácter semi-público (al interior de cada establecimiento) de los conocimientos adquiridos mediante la experiencia dentro y fuera de la empresa. Hay que anotar también que, al igual que sucede a nivel individual, el impacto salarial de la antigüedad media en la empresa es superior al de la experiencia potencial previa media.
Volviendo a la externalidad de la educación, una cuestión adicional es si dicha externalidad afecta por igual a todos los trabajadores de una misma empresa, con independencia de su nivel de cualificación. Battu et al. (2003) argumentan que, de acuerdo con los planteamientos de Kremer (1993) sobre la fuertes complementariedades productivas de la habilidad, un aumento en el nivel educativo medio en la empresa irá aparejado a un aumento de los salarios de todos los trabajadores pero sobre todo, de los de aquéllos con mayores niveles de habilidad; lo cual, a su vez, tiende a coincidir con los de mayor nivel educativo. Sin embargo, sus resultados apuntan en la dirección contraria. Utilizando la especificación propuesta por Idson y Kahane (2000) contrastan los distintos efectos salariales de la externalidad de la educación según el nivel educativo del trabajador a través de la interacción entre la propia educación del sujeto y la educación media en el establecimiento. Tras varios análisis de sensibilidad para verificar la robustez de sus estimaciones obtienen un resultado que contradice la predicción teórica anterior, pues el coeficiente asociado a dicha interacción es negativo (aunque, por otro lado, obtienen parámetros positivos para las variables de educación propia y educación media del establecimiento). Según el razonamiento que proponen para explicar este resultado, la elevada competencia que pueda existir entre los trabajadores universitarios dentro de la empresa podría deprimir sus salarios en las empresas donde los universitarios son relativamente más abundantes.
La ecuación a estimar para contrastar con nuestros datos esta cuestión es:



La especificación (2’) solamente se diferencia de la (2) en que incluye una interacción entre la educación individual y la media por empresa En el Cuadro 2 presentamos los resultados obtenidos para las variables educación individual, educación media de la empresa y el producto de ambas. El resto de variables apenas sufre cambios respecto de los presentados en el cuadro anterior. El coeficiente de la interacción de la educación individual y la media por empresa es positivo y muy significativo, al igual que los coeficientes asociados a ambas variables por separado. En consecuencia, la externalidad de la educación no es idéntica para todos los trabajadores sino que, aunque existe un impacto positivo común para todos dado por el coeficiente de la educación media, la externalidad aumenta con el nivel educativo de los trabajadores tal y como sugieren los planteamientos de Kremer (1993) y en contraposición a los resultados obtenidos por Battu et al. (2003).


Notas: Estadísticos t en valor absoluto entre paréntesis. Los errores estándar son consistentes a la presencia de heterocedasticidad y se han calculado permitiendo la correlación entre observaciones de una misma empresa.

La inclusión de la interacción entre la educación individual y la media de la empresa reduce los coeficientes de estas dos últimas variables respecto de los obtenidos con el sistema (2). No obstante, los efectos marginales de la educación, calibrados en las medias de las dos variables educativas –la educación individual y la educación promedio en la empresa- son similares. De acuerdo con esta nueva estimación (2’), el rendimiento privado de la educación para un trabajador con una educación igual a la media, en una empresa también media, es del 7,7 % (0,027 + 0,462×0,016 + 0,0033×8,771 + 0,462×0,0033×9,058); frente al incremento del 8% obtenido con la especificación (2) para cualquier trabajador. Mientras que el aumento que se produce en el salario de un trabajador con una educación media que trabaja en una empresa media, cuando se incrementa en una año la educación (promedio) de la empresa es de un 4,6 % (0,016 + 0,0033×9,058); frente al incremento del 4,7 % obtenido con la especificación (2) para cualquier trabajador, con independencia de su educación.


Fuente: elaboración propia a partir de los resultados presentados en los cuadros 1, 2, A2 y A4.

El Cuadro 3 sintetiza todos los resultados sobre los rendimientos de la educación –privados y sociales- obtenidos con las especificaciones (1), (1’), (2) y (2’). Las dos últimas permiten distinguir entre el rendimiento privado “directo” –que sólo incluye el efecto generado por los años de escolaridad del propio trabajador- y el rendimiento privado “total” –que suma al directo, el efecto derivado de que la mayor educación incrementa la probabilidad de trabajar en una empresa con mayores spillovers educativas sobre sus trabajadores. Obviamente, la simplicidad de las especificaciones (1) y (1’) no permite analizar los spillovers de la educación y, por tanto, tampoco distinguen entre rendimiento privado directo y total.

Conclusiones.

En este trabajo se presenta un algoritmo que evalúa la importancia de los spillovers del capital humano a nivel de empresa (o del establecimiento) dado que esto es parte de un sistema mas grande multiagente que evalua por medio de redes el cluster automotriz y de autopartes de la región Angelopolis Puebla. Bueno, respecto a la educación, constatamos que tanto la educación media de los trabajadores de la empresa, como el porcentaje de universitarios en la misma, influyen positiva y muy significativamente en el salario de todos sus trabajadores, corroborando los resultados obtenidos por otros autores en Estados Unidos (Bayard y Troske, 1999), Reino Unido (Battu et al., 2003) y Noruega (Barth, 2002). La consideración de un efecto de empresa en la determinación del salario, además de servir para la estimación de los spillovers del capital humano al mencionado nivel de empresa, permite también corregir parte del posible sesgo de habilidad en la estimación de los rendimientos de la educación. La razón es que los trabajadores más hábiles tienden a concentrarse en las empresas más productivas (Abowd et al.,1999).
La inclusión de los efectos de empresa en la ecuación de salarios reduce, en principio, la rentabilidad individual estimada de la educación hasta un 5,8 %. Esto implicaría un valor marcadamente inferior al obtenido en trabajos previos. Sin embargo, cuando se incluyen efectos de empresa, el cálculo de la rentabilidad individual de la educación obliga a tener en cuenta que la mayor educación del individuo influye positivamente en que sea contratado por una empresa con mayor educación media de sus trabajadores. Una vez estimado y tenido en cuenta este efecto junto con los spillovers de la educación, la tasa de rendimiento individual de la educación se sitúa en un 8%. En consecuencia, la consideración de los efectos de empresa y el spillover educativo –pese a su significatividad estadística y su elevada importancia cuantitativa– apenas afecta la estimación final del rendimiento privado de la educación en comparación con el obtenido en otros trabajos, una vez se tienen en cuenta los efectos indirectos sobre el empleo del individuo.
El efecto de el spillover de la educación no es, sin embargo, idéntico para todos los trabajadores de una misma empresa o establecimiento. En concreto, el spillover educativo tiene un mayor impacto positivo sobre los trabajadores con mayor nivel educativo, corroborando de esta forma las implicaciones del modelo de Kremer (1993) y a diferencia de lo obtenido por Battu et al. (2003) para el Reino Unido. Todos estos resultados son robustos a la inclusión de los controles habituales sobre características individuales y de empresa en las ecuaciones mincerianas, así como a la utilización de dummies de educación en lugar de años de estudios en dichas ecuaciones.
Por su parte, el dato relevante para el análisis costo-beneficio de las políticas educativas es el del rendimiento social de la educación (suma del rendimiento individual y los spillovers).
Obtenemos que tanto la antigüedad media de los trabajadores de la empresa como –en menor medida- su experiencia potencial previa, ejercen también un efecto positivo sobre todos los salarios de la empresa; especialmente cuando esa antigüedad procede de los trabajadores universitarios de la empresa. Esto es indicativo de la relevancia productiva de los conocimientos adquiridos mediante la experiencia y del carácter semi-público de los mismos al interior de cada empresa. La antigüedad en la empresa y la experiencia previa son también individualmente más rentables para los titulados universitarios que para el resto de empleados.

















Referencias bibliográficas

Abowd, J.M., Kramarz, F. y Margolis, D.N. (1999): “High wage workers and high wage firms”, Econometrica, 67 (2), págs. 251-333.

Alba-Ramírez, A. y San Segundo, M.J. (1995): “The returns to education in Spain”, Economics of Education Review, 14, págs. 155-166.

Barceinas, F., Oliver, J., Raymond, J.L. y Roig, J.L. (2001): “Spain” en Education and Earnings in Europe, C. Harmon, I. Walker y N. Westergaard-Nielsen editores, Edward Elgar, UK, págs. 234-264.

Barth, E. (2002): “Spillover Effects of Education on Co-Worker Productivity. Evidence from the wage structure”, ESPE conference (Bilbao 2002).

Battu, H., Belfield C.R. and Sloane, P.J. (2003): “Human Capital Spill-Overs Within the Workplace”, Oxford Bulletin of Economics and Statistics, 65 (5), págs. 575-594.

Bayard, K. And Troske, K.R. (1999): “Examining the Employer-Size Wage Premium in the Manufacturing, Retail Trade, and Service Industries Using Employer-Employee Matched Data”, American Economic Review, Papers and Proceedings, 89 (2), págs. 99-103.

Ciccone, A. and Peri, G. (2002): “Identifying Human Capital Externalities: Theory with an Application to US Cities”. Mimeo.

De la Fuente, A. (2003a) “Human capital in a global and knowledge-based economy, part II: assessment at the EU country level”, European Commission Report, Employment and Social Affairs.

De la Fuente, A., Doménech, R. y Jimeno, J.F. (2003b): “Human capital as a factor of growth and employment al the regional level. The case of Spain”, UFAE and IAE Working Papers 610.04.

De la Rica, S. (2003): “Decomposing the Gender Wage Gap: The effects of Firm, Occupations and Job Stratification”. Mimeo.

García, J., Hernández, P.J., López-Nicolás, A. (2001) “How wide is the gap? An investigation of gender wage differences using quantile regression”, Empirical Economics, 26, págs. 149-167.

Heckman, J.J., Lochner, L.J. y Todd, P.E. (2003): “Fifty years of Mincer earnings regressions”, NBER Working Paper 9732

Idson, T.L. and Kahane, L.H. (2000): “Team effects on compensations: an application to salary determination in the National Hockey League”, Economic Inquiry, 38, págs. 345-357.

Kremer, M. (1993): “The o-ring theory of economic development”, Quaterly Journal of Economics, 107, págs. 551-575.

Kremer, M. y Maskin, E. (1996): “Wage Inequality and Segregation by Skill”, NBER Working Paper 5718.

Mincer, J. (1974): Schooling, experience and earnings, NBER, New York.

Moretti, E. (2004): “Estimating the Social Return to Higher Education: Evidence From Longitudinal and Repeated Cross-Sectional”, Journal of Econometrics, 121, págs. 175-212.

Raymond, J.L. (2002): “Covergencia real de las regiones españolas y capital humnao”, Papeles de Economía Española, 93, págs. 109-121.

Rudd, J. (2000): “Empirical Evidence on Human Capital Spillovers”, Federal Reserve Board, Finance and Economics Discussion Paper 2000-46.

Anexo











Notas: Estadísticos t en valor absoluto entre paréntesis. La variable dependiente es la educación media por empresa. La estimación se ha realizado por Mínimos Cuadrados Ponderados