Un análisis de largo plazo de los salarios rurales

Una investigación del mercado laboral rural con un enfoque de largo plazo es la de Jaramillo y Romero (2000), que analizan los mercados de mano de obra no calificada. El estudio hace un análisis estadístico de los salarios rurales y urbanos entre 1945 y 1998 para dar luces sobre el grado de integración y de convergencia de estos mercados, la evolución de las series y de la brecha entre ellas. Con ese fin, los autores utilizaron fuentes primarias y construyeron, por vez primera, una serie de salarios de obreros de la construcción por ciudades desde antes de 1960. Evaluaron la integración laboral buscando tendencias comunes entre los salarios con técnicas de cointegración para series de tiempo multivariadas (pruebas de Johansen), cuyos resultados contrastan con los de técnicas bivariadas. Para determinar si había convergencia en los niveles salariales analizaron si había tendencias significativas en el comportamiento de las diferencias salariales urbano-rural y rural-rural.

Durante el siglo XX el comportamiento de los salarios rurales estuvo relacionado estrechamente con el ciclo de la producción agropecuaria, en particular con la de café. La brecha salarial rural-urbana mostró grandes oscilaciones desde 1940, con una fuerte reducción a mediados de los setenta debido a la bonanza cafetera. El diferencial siguió fluctuando en los setenta y ochenta, con fuertes disparidades en cada ciudad. El estudio muestra que los mercados laborales rurales solo estuvieron integrados dentro de regiones homogéneas con fuertes vínculos geográficos, económicos y culturales.

La evidencia sobre integración entre mercados laborales rurales y urbanos arroja resultados contradictorios. Las pruebas por grupos de mercados indican una fuerte segmentación, mientras que las pruebas por pares arrojan un alto grado de integración. Los autores encuentran que los jornales rurales convergieron a un ritmo anual del 1,0% desde 1945 y que su dispersión disminuyó a una tasa del 0,8% anual en el periodo, lo cual es consistente con la hipótesis de convergencia. Aunque esta tasa aumentó al 2,3% en los sesenta y llegó al 3,7% en los setenta, se debilitó fuertemente en los ochenta y se revirtió en los noventa, cuando muestra una gran divergencia. El estudio no analiza los retornos de la educación.

Dos trabajos de Leibovich et al.

José Leibovich es uno de los investigadores que más ha analizado el empleo rural en la historia reciente. Leibovich et al. (1997) estudian los componentes del mercado laboral y la evolución de los ingresos del sector entre 1988 y 1995 con base en encuestas de hogares. Ese estudio muestra un bajo crecimiento poblacional rural frente al urbano (una tasa urbana de 2,93% y una rural de 1,18% entre los censos 1985 y 1993) debido a la migración hacia las ciudades, un envejecimiento de la población rural y moderados avances en la educación rural, cuyos indicadores de cobertura son, en general, la mitad de los urbanos.

Los autores encontraron que la participación laboral rural se mantuvo estable, en un 55%, con una leve disminución de la masculina, del 80% en 1988 al 77% en 1995, y un aumento de la femenina, del 29% al 35%. Las tasas de participación de quienes tienen educación secundaria completa y educación superior son cercanas al 80% y las de los demás cercanas al 50%. Identificaron los determinantes de la participación laboral rural mediante un modelo probit: 1) ser hombre, 2) nivel educativo, 3) experiencia, 4) jefatura de hogar, 5) vivir fuera de la cabecera o centro poblado.

En cuanto a la evolución del empleo encontraron que, pese a la difícil coyuntura de la economía, el empleo rural creció a una tasa anual promedio de 1,5%, con una desaceleración del masculino y un mayor crecimiento del femenino, y una caída del empleo de los jóvenes en favor de las cohortes mayores que refleja una mayor cobertura educativa de la población joven. Además, perdió importancia el empleo de la población sin educación o con primaria incompleta en favor de la más educada. Según la posición ocupacional, los empleados pasaron del 12% al 16% y los trabajadores familiares se redujeron del 15% al 9%. Los obreros y los trabajadores por cuenta propia se mantuvieron en el mismo nivel, un 32% cada grupo. Y según la actividad, el empleo agrícola se redujo del 61% al 55% y el sector servicios pasó del 30% al 38%; en los demás sectores se mantuvo estable.

En cuanto a los determinantes del ingreso laboral encontraron que los retornos de la educación de los hombres pasaron del 3,5% al 1,7% y los de mujeres del 5,4% al 8,3%. La experiencia reportó un mayor rendimiento para las mujeres (3,8%) que para los hombres (2,4%). La jefatura de hogar mostró una correlación positiva con los ingresos laborales y residir en el "Resto" una correlación negativa. Las posiciones ocupacionales más altas y formales se correlacionaron con mayores ingresos.

Ese trabajo fue retomado nueve años después por ^{Leibovich et al. (2006)}, que caracterizaron el mercado laboral rural empleando datos de las Encuestas Continuas de Hogares (ECH) del Dane de 2005. Los autores estimaron la evolución de la productividad factorial del sector agropecuario y de la productividad total de los factores para entender por qué los ingresos laborales en el sector son tan bajos. Además, elaboraron un modelo para explicar el comportamiento de la oferta laboral rural y estimaron modelos de probabilidad para entender de qué depende la participación laboral, que se devengue más de un salario mínimo (smlv) y la influencia de los migrantes en la participación laboral urbana, así como determinar las variables que influyen en que los ocupados urbanos devenguen más de 1 smlv.

En 2005 la población rural representaba el 25% del total y tendía a disminuir por la migración a las ciudades. A comienzos de los cincuenta era del 61%, a comienzos de los setenta del 40% y a mediados de los ochenta del 35%. Los autores estimaron que entre 2000 y 2005 migraron en promedio 100 mil personas al año, por razones económicas (60%) y por la violencia (40%). Los ingresos laborales generados en el sector fueron muy precarios. En el último trimestre de 2005, el ingreso promedio mensual del ocupado rural era un 90% del smlv, mientras que el del ocupado urbano era un 122% del smlv. El migrante económico reciente (últimos 5 años) a las cabeceras tenía un ingreso promedio mensual de un 129% del smlv. El 68% de los ocupados en el sector rural devengaban menos del smlv y el 31% en el sector urbano. El porcentaje de ocupados en el sector rural que devengaban menos del smlv disminuía cuando aumentaba el nivel educativo. Sin educación y primaria incompleta era del 74%, con primaria completa del 67%, con secundaria incompleta del 68%, con secundaria completa del 55% y con educación superior del 21%. En el sector urbano el patrón era similar, con niveles inferiores; 64% sin educación, 51% con primaria incompleta, 39% con primaria completa y secundaria incompleta, 25% con secundaria completa y 10% con educación superior. Ese estudio no profundizó el análisis de los retornos de la educación.

Por ramas de actividad, en el sector rural, el 70% de los ocupados en actividades agropecuarias devengaba menos de un smlv. Con porcentajes igualmente altos en minería, industria y comercio. En servicios públicos y financieros, el porcentaje era inferior al 30%. Y en comunicaciones, transporte y servicios sociales y comunales, oscilaba entre el 50 y el 60%.

Los autores buscaron identificar los determinantes de la participación laboral contrastando los resultados de las cabeceras y del resto mediante modelos logit y multilogit. Las estimaciones de las cabeceras muestran que la probabilidad de estar ocupado y devengar un smlv o más por hora es mayor cuando se trata de hombres, personas con mayor nivel educativo, jefes de hogar, de la región atlántica, de mayor edad y migrantes económicos recientes.

Dos trabajos de Tenjo et al.

Como aporte a la Misión para el diseño de una estrategia para la reducción de la pobreza y la desigualdad se elaboró un libro que analizó la evolución del mercado laboral rural entre 1988 y 2004 (^{Tenjo et al., 2007} ), cuyo planteamiento central es que el sector rural está segmentado en dos sectores: uno de producción de carácter más capitalista y orientación más comercial, que opera con tecnología más avanzada y mayores niveles de productividad que el resto de la economía rural, en el que rige la legislación laboral. Este sector, incapaz de absorber toda la mano de obra rural, da origen a un segmento donde los trabajadores restantes pueden encontrar trabajo (o crear empleo propio) sin las restricciones impuestas por las instituciones bien sea incumpliendo (con impunidad) las normas de ley o mediante arreglos contractuales que quedan fuera del ámbito legal (contratos no laborales o auto-empleo), el cual es de libre entrada, tiene una productividad menor y el nivel de ingreso se determina por la interacción entre oferta y demanda.

Ese trabajo muestra que la población rural es más joven que la urbana y tiende a envejecer a tasas más rápidas. Los trabajadores rurales también son más jóvenes que los urbanos, aunque los del segmento protegido son más jóvenes que los del segmento de libre entrada. El capital humano rural es menor que el urbano: la diferencia de las tasas de alfabetismo era de unos 12 puntos porcentuales entre habitantes rurales y urbanos. Aunque la tasas de alfabetismo es más baja ha venido aumentando. El mayor nivel de alfabetismo rural es el de los desempleados, y es mayor el de las mujeres que el de los hombres. El nivel de educación rural ha mejorado aunque es bajo con respecto al urbano (una diferencia de 3,5 años en 2003). El nivel educativo de los desempleados es mayor que el de los ocupados o no participantes y el de las mujeres es mayor que el de los hombres. Hay notables diferencias en los niveles de ingreso: la diferencia entre el primer y el quinto quintil es de 8 años de edad, de 12 puntos porcentuales en la tasa de alfabetismo y de 2,5 años de educación.

Un hallazgo importante es que el 60% de los asalariados y el 76% de los no asalariados (trabajadores por cuenta propia, ayudantes familiares y empleadores) recibían menos del mínimo legal en 2004. Si se controla por horas trabajadas y los cálculos se limitan a trabajadores que laboran más de 30 horas semanales, esos porcentajes disminuyen un poco (al 53% y al 70%). La alta incidencia de ingresos inferiores al mínimo se debe a la existencia del mercado segmentado descrito anteriormente. Las estimaciones indican que el segmento de libre entrada puede dar un 72% del empleo rural. Ese segmento da más en la agricultura (el 76% del total), seguido por la manufactura y el comercio (un 70% del empleo). En servicios y "otros" (el cual incluye varios sectores pequeños) ese segmento da menos empleo, 66% y 43,7%, respectivamente. No se analizan los retornos a la educación.

El segundo trabajo, elaborado dentro de la Misión para la Transformación del Campo (Tenjo y Jiménez, 2015), analiza el empleo rural entre 2008 y 2013 y adopta la definición de ruralidad que se emplea en este artículo, y que por tanto, lo complementa. En este estudio se encuentra que la agricultura sigue siendo la principal generadora de empleo rural, pero solo representa un poco menos de la mitad del empleo rural (47%). El empleo no agrícola en los diferentes sectores ahora representa el 53% del empleo rural. Fuera de la agricultura se destacan como generadores de empleo el sector comercio y el sector de servicios sociales. Existe una clara segmentación del mercado laboral por sexo. En general los hombres trabajan en la agricultura (59% de ellos), mientras las mujeres están en el comercio y los servicios (57% de ellas). La estimación del empleo rural a partir de la definición de ruralidad de la Misión arroja 1.5 millones de empleos más en el sector rural, cerca del 33% más de lo que estimaba la metodología basada en la definición tradicional del Dane. Con la nueva definición de ruralidad los ingresos rurales continúan siendo inferiores a los del sector urbano, pero en promedio son superiores al salario mínimo legal y al nivel de la línea de pobreza.

El crecimiento de la producción en el periodo 2008-2013 fue bajo, pero de importante generación de empleo en el sector rural lo que explica el poco dinamismo en el crecimiento de la productividad laboral (los ingresos por hora aumentaron a una tasa anual de 1,4% en el sector rural como un todo). El crecimiento más importante en el empleo fue entre los trabajadores por cuenta propia y los trabajadores sin remuneración, mientras que hubo una caída en el volumen de empleo asalariado. Todo esto configura un escenario de deterioro en la calidad del empleo rural. El número de trabajadores promedio por familia aumentó (posiblemente como respuesta al crecimiento general de las oportunidades de empleo rural) pero el número de horas trabajadas por semana disminuyó.

Ese trabajo presenta algunos resultados generales sobre los retornos a la educación, por género, nivel educativo, posición ocupacional y sector. Esos resultados se analizan con más detalle en este artículo.

Modelo econométrico

El modelo que utilizamos es el modelo de Mincer, que tiene la siguiente forma:

Donde y es un vector de ingresos laborales por hora³, X es una matriz de variables explicativas que incluye entre otras los años de educación y la experiencia potencial (edad menos años de educación menos 5) en forma cuadrática. Además, dependiendo de la ecuación que se estime, se incluyen dummies que identifican si la persona es mujer, trabaja en agricultura o es asalariada.

A veces se menciona la posibilidad de que este planteamiento tenga un sesgo de causalidad inversa, es decir, que la educación afecte los ingresos y que sea resultado de dichos ingresos (los bajos/altos niveles de educación se deben a los bajos/altos ingresos). Esta posibilidad no afecta las estimaciones de corte transversal, como las que se hacen aquí, porque la causalidad no es contemporánea, es decir, la educación depende de ingresos de periodos anteriores⁴. También se critica esta definición de experiencia, pero no hay otra forma de medirla y excluirla generaría sesgos mayores. ε es un término aleatorio con las características usuales (independiente entre sí y de las variables en X, con valor esperado 0, varianza constante y distribución normal). Así, es posible estimar el modelo con el método de mínimos cuadrados. Pero, debido a los problemas que señala la literatura, no es el más apropiado. Uno de ellos es el sesgo de selectividad⁵, que se discute a continuación.

En general, aunque las muestras que se usan para estimar estas ecuaciones sean aleatorias, la sub-muestra de trabajadores que se usa para estimar la ecuación de Mincer no lo es porque han decidido participar en el mercado laboral a través de un proceso que no es aleatorio⁶. Como muestra ^{Heckman (1979)}, esta falta de aleatoriedad equivale a no incluir una variable relevante en la ecuación) y puede llevar a estimaciones sesgadas de los coeficientes del vector β.

La corrección que propone Heckman consiste en estimar la probabilidad de que una persona esté en la sub-muestra a partir de una serie de variables explicativas, y con esa probabilidad calcular una nueva variable λ (inverso de la tasa de Mill⁷) que se incluye en la ecuación de Mincer. Así, la ecuación (1) se convierte en:

Donde p es un estimador de la covarianza entre los errores de la función de ingresos y de la probabilidad de participación, normalizada por la varianza de los errores de esta última. Es fácil estimar la ecuación (2) usando los paquetes estadísticos más comunes.

En algunas estimaciones el problema de selectividad es más complejo, como en la elección de actividad en el sector (agricultura o no agricultura), que puede ser sistemática y no aleatoria. En este caso tenemos un doble problema de selectividad: uno relacionado con las decisiones de participación laboral y el otro con la elección de la rama de actividad económica⁸, y se manejó de la siguiente manera:

Donde Ф (z_i) es la función de probabilidad de trabajar en el sector agrícola dado que se decidió en el mercado laboral, y Ф es la función de densidad correspondiente.

Además, se estimaron regresiones cuantílicas para obtener más información sobre los aspectos distributivos de la educación y las posibles heterogeneidades de la población y del mercado laboral en los sectores agrícola y no agrícola. Este tipo de regresiones tiene problemas de selectividad semejantes y se corrigieron en forma similar, con algunas diferencias; la principal es que los procesos de selectividad no necesariamente tienen distribución normal. En general, no hay una distribución definida.

Para simular procesos de selectividad, la literatura recomienda utilizar métodos no paramétricos o semi-paramétricos⁹, a partir de los cuales se puede estimar l como en la ecuación (3) y añadirlo como variable (algunos aconsejan formas cuadráticas o de orden superior) en las ecuaciones de ingreso. En este trabajo se usaron varios de estos métodos, pero los resultados no eran aceptables porque sus predicciones eran muy diferentes de las observadas, como en el caso de la tasa de participación laboral. Por ello, después de muchos intentos, se utilizó la corrección de Heckman ya mencionada. El hecho de basarse en métodos paramétricos puede ser una limitante de los resultados de los modelos cuantílicos que se presentan más adelante.

Resultados del modelo minceriano

El modelo (1) se estimó para todo el sector rural y para los subsectores agricultura y resto; tanto para el total de la población ocupada como para hombres y mujeres por separado.

En los apartados siguientes se presentan los resultados de estimar las ecuaciones corregidas la selectividad simple relacionada con la participación laboral. Por limitaciones de espacio, se omite la presentación de los resultados sin corrección de selectividad.

Resultados con corrección de selectividad simple

Los resultados se resumen en los cuadros 3, 4 y 5, que presentan tres versiones de las estimaciones. En cada estimación hay dos ecuaciones: 1) la de participación, que se usó para estimar la selectividad (cuya variable dependiente es part, igual a 1 si la persona participa y 0 en caso contrario) y; 2) la de ingresos (cuya variable dependiente es el logaritmo del ingreso laboral por hora). Un breve análisis de las ecuaciones de participación se presenta en el anexo, el cual se incluye en la página web de la revista. Aquí nos concentramos en las ecuaciones de ingreso.

Efecto de la educación

El coeficiente asociado a la educación se suele interpretar como una medida de la tasa de retorno a la inversión en educación¹⁰, pero aquí se interpreta como el efecto marginal (porcentual) de un año adicional de educación. Según el cuadro 3, este efecto es del 7,14% inferior al que encuentran estudios similares del sector urbano¹¹. Cuando se separan hombres y mujeres, este efecto marginal es mucho menor para los hombres (5,6%) que para las mujeres (9%).

Cuadro 3 Ecuaciones de ingreso para el sector rural con corrección de selectividad. 

Variables	Total		Hombres			Mujeres
	lninghora	Part	lninghora	Part	lninghora	Part
Años de	0,0714***		0,0558***		0,0890***
educación	(0,00134)		(0,00162)		(0,00244)
Años de	0,0291***		0,0308***		0,0188***
experiencia	(0,00138)		(0,00190)		(0,00303)
Experiencia al	-0,000325***		-0,000365**		-0,000151***
cuadrado	(1,93e-05)		(2,62e-05)		(4,31e-05)
Dummy para	0,0303***		-0,0589***		0,139***
agricultura	(0,0106)		(0,0119)		(0,0221)
Dumy para	0,456***		0,381***		0,518***
asalariado	(0,0115)		(0,0134)		(0,0217)
Género	-0,262***	-1,138***
(mujer=1)	(0,0148)	(0,0134)
Edad		0,180***		0,221***		0,147***
		(0,00171)		(0,00259)		(0,00230)
Edad al		-0,00204***		-0,00247***		-0,00167***
cuadrado		(1,91e-05)		(2,82e-05)		(2,64e-05)
Dummy de jefe		0,634***		0,210***		0,527***
		(0,0164)		(0,0342)		(0,0217)
Estado civil		-0,0719***		0,427***		-0,263***
(casado==1)		(0,0140)		(0,0304)		(0,0188)
log ingreso		-0,0872***		-0,151***		-0,0126
resto flia pc		(0,00574)		(0,00938)		(0,00794)
Intercepto	6,670***	-1,693***	6,828***	-1,678***	6,461***	-2,909***
	(0,0290)	(0,0715)	(0,0385)	(0,114)	(0,0864)	(0,101)
athrho	-0,00516		-0,0123		-0,134***
	(0,0211)		(0,0336)		(0,0509)
Observaciones	65.665	65.665	30.179	30.179	35.486	35.486
Exper. crítica	44,77		42,2		62,3

Los errores estándar van entre paréntesis. Nivel de significancia estadística: ^*** p<0,01, ^** p<0,05, ^* p<0,1.

Fuente: elaboración propia.

Efecto de la experiencia

Como se indicó, la experiencia se calcula restando los años de educación formal a la edad de la persona y restando 5 al resultado (según la literatura, las personas inician su educación a los 5 años, en promedio). Así, lo que se mide es la experiencia potencial y no la experiencia efectiva en una actividad, y puede no ser comparable la situación de hombres y mujeres. Pues debido a las interrupciones de la participación laboral de las mujeres por diversas razones (como la crianza de hijos), un número de años de experiencia potencial puede reflejar diferentes niveles de experiencia real (no observable) para hombres y mujeres. Esta es una de las razones para presentar resultados separados de hombres y mujeres.

La gráfica 1 muestra que la experiencia tiene efectos marginales decrecientes, es decir, cada año adicional aumentar menos los ingresos que el anterior¹², y permite observar el punto donde el efecto de un año adicional de experiencia deja de contribuir al ingreso¹³. Aunque es difícil comparar hombres y mujeres, en ambos casos el efecto marginal es decreciente, aunque disminuye más rápidamente en el caso de los hombres. Esta diferencia puede obedecer al problema de medición ya mencionado o reflejar factores no fácilmente observables.

Fuente: elaboración propia.

Gráfica 1 Efecto marginal de la experiencia (Porcentaje). 

Diferencias por género

El cuadro 3 muestra que -controlando por educación, experiencia y participación laboral- en promedio, la brecha de género en ingresos por hora está entre el 26% y el 30% (contra las mujeres). Sin embargo, el hecho de que los efectos marginales de la educación sean mayores para las mujeres indica que quizá la brecha disminuya cuando aumenta el nivel educativo de los trabajadores.

Otros efectos

Trabajar en la agricultura o fuera de ella y ser o no ser asalariado contribuyen a explicar los ingresos en el sector rural. Los resultados muestran hechos interesantes. Por ejemplo, trabajar en la agricultura reporta menos ingresos (otras cosas iguales) a los hombres (entre un 5 y un 6% menos) que trabajar fuera de la agricultura. Para las mujeres sucede lo contrario: trabajar en la agricultura reporta un 14% más de lo que obtendrían fuera de la agricultura. Ser asalariado reporta un ingreso mayor que no ser asalariado (38% más para los hombres y 52% más para las mujeres). Esto no es sorprendente porque el trabajo asalariado quizá está asociado con mayores niveles de formalidad en empresas con una organización más empresarial cuyo propósito no es la sobrevivencia de las personas sino la maximización de ganancias.

También es interesante que cuando se introduce la variable de asalariados el coeficiente de la educación disminuye visiblemente (más de un punto porcentual). Esto indica que la posición ocupacional, en especial ser trabajador por cuenta propia, tiene efecto sobre los ingresos (observados) de la población.

Como se ya comentó, es posible que ni la elección de sector (agricultura o no agricultura), ni la de posición ocupacional (asalariado o no asalariado) sean decisiones aleatorias. Tal vez cada una de ellas sea resultado de procesos de selección que de no tenerse en cuenta sesguen las estimaciones. En lo que sigue intentamos resolver el primer problema: Nada se hizo sobre el segundo¹⁴.

Resultados con corrección del doble sesgo de selectividad

Como ya se explicó, la participación laboral y la elección de sector económico son decisiones que los trabajadores tal vez no tomen en forma aleatoria. Esto implica que la estimación del ingreso que obtienen en la agricultura o fuera de ella se basa en muestras que no son totalmente aleatorias y que se debe hacer una corrección adecuada para que los resultados no sean sesgados, y para ello empleamos el método de Heckman que ya se comentó. En esta parte presentamos los resultados de dichas estimaciones, que se resumen en los cuadros 4 (Agricultura) y 5 (Resto)¹⁵. Como en estas estimaciones se usa una versión diferente del método utilizado en las estimaciones del cuadro 3, no aparece la probabilidad de elegir el sector correspondiente, pero aparece la variable invmill (inverso de la tasa de Mill) que mide el efecto de las variables omitidas (que explican las decisiones de elección de sector)¹⁶.

Cuadro 4 Ecuaciones de ingreso corregidas por doble selectividad, agricultura. 

	Total		Hombres		Mujeres
Variables	(1)	(2)	(1)	(2)	(1)	(2)
	lninghora	Lninghora	lninghora	lninghora	Lninghora	Lninghora
Años de	0,0404***	0,0351***	0,0236***	0,0203***	0,0640***	0,0583***
educación	(0,00288)	(0,00285)	(0,00432)	(0,00426)	(0,0123)	(0,0121)
Años de	0,0182***	0,0187***	0,0289***	0,0278***	0,00800	0,00838
experiencia	(0,00195)	(0,00192)	(0,00251)	(0,00247)	(0,00672)	(0,00663)
Experiencia al	-0,000207***	-0,000211***	-0,000363***	-0,000345***	-2,26e-05	-1,58e-05
cuadrado	(2,67e-05)	(2,63e-05)	(3,47e-05)	(3,42e-05)	(9,59e-05)	(9,45e-05)
Género	-0,128***	-0,167***
(mujer=1)	(0,0269)	(0,0266)
Dumy para		0,402***		0,394***		0,439***
asalariado		(0,0198)		(0,0210)		(0,0564)
	0,134***	0,0667	-0,135**	-0,155**	0,408	0,402
invmill	(0,0472)	(0,0466)	(0,0611)	(0,0602)	(0,550)	(0,543)
Constante	6,960***	6,982***	7,134***	7,137***	6,739***	6,689***
	(0,0377)	(0,0371)	(0,0549)	(0,0541)	(0,151)	(0,149)
Observaciones	14,190	14,190	12,151	12,151	2,039	2,039
R2	0,036	0,063	0,032	0,059	0,033	0,061
Exper. crítica	44,0	44,3	39,8	40,3	177,0	265,2

Los errores estándar van entre paréntesis. Nivel de significancia estadística: ^*** p<0,01, ^** p<0,05, ^* p<0,1.

Fuente: elaboración propia.

Cuadro 5 Ecuaciones de ingreso corregidas por doble selectividad, rural no agrícola. 

Los errores estándar van entre paréntesis. Nivel de significancia estadística: *** p<0,01, ** p<0,05, * p<0,1.

Fuente: elaboración propia.

Efecto de la educación

Los resultados confirman dos cosas que ya se habían observado:

1. En la agricultura y en el resto del sector rural, el efecto marginal de la educación es mucho mayor para las mujeres que para los hombres.

2. La educación es más rentable fuera de la agricultura tanto para hombres como para mujeres. Los resultados del sector no agrícola son similares a los obtenidos en el sector urbano, al menos en el caso de las mujeres.

En suma, el bajo efecto de la educación sobre los ingresos rurales se debe a la agricultura debido, como ya se señaló, a problemas de falta de factores complementarios, y a que las posibilidades de trabajo asalariado puro son muy pequeñas.

Efecto de la experiencia

También se confirman los rendimientos decrecientes de la experiencia de hombres y mujeres, en la agricultura y en el resto del sector rural. Pero una diferencia importante, que se ilustra en la gráfica 2 (agricultura) y en la gráfica 3 (resto), es que en el sector agrícola los rendimientos marginales de las mujeres descienden muy suavemente (son casi planos), y en el resto de manera muy pronunciada.

Fuente: elaboración propia

Gráfica 2 Retornos a la experiencia en la agricultura (Porcentaje). 

Fuente: elaboración propia

Gráfica 3 Retornos a la experiencia rural no agrícola (Porcentaje). 

Brechas de género

Igual que en las estimaciones anteriores, si lo demás es igual, los hombres ganan más por hora que las mujeres. Esta brecha es del 12% al 16% en el sector agrícola y mucho mayor (del 28% al 30%) en el resto, el sector que proporciona más empleo femenino. El hecho de que en todos los sectores los efectos marginales de la educación sean mayores para las mujeres (en especial fuera de la agricultura) implica que estas brechas quizá se reducen cuando aumenta el nivel educativo.

Otros efectos

Se confirma que ser asalariado reporta un ingreso mayor para las mujeres que para los hombres y más alto en el resto del sector rural que en la agricultura. Como ya se dijo, esto obedece a que las actividades asalariadas se realizan en unidades productivas modernas de alta productividad y con mayor nivel de formalidad.

Modelo de regresión cuantílica

Aunque los modelos anteriores aportan valiosa información sobre el funcionamiento del mercado laboral y el papel de la educación en el sector rural, los resultados se basan en promedios generales, que no reflejan adecuadamente la distribución y la heterogeneidad de los trabajadores. Para complementar los resultados del modelo minceriano se pueden estimar regresiones cuantílicas que hacen posible estimar parámetros para los percentiles de la distribución del ingreso laboral por hora (^{Cameron y Triverdi, 2009}), pp. 211-234.

Para corregir los problemas de selectividad ya mencionados se usaron modelos no paramétricos o no semi-paramétricos, como recomienda la literatura, pero no produjeron resultados satisfactorios. Además de consumir mucho tiempo de computador, sus predicciones eran muy diferentes de lo que era razonable esperar¹⁷. Por ello se utilizó el mismo método de la ecuación (3), que ofrece resultados razonables. Los resultados detallados de dicho ejercicio se presentan en el anexo (cuadros A3, A4, A5 en versión electrónica) y se discuten brevemente a continuación. Se estimaron modelos para los percentiles 25, 50 (mediana) y 75, que son comparables a los que se presentan en los cuadros 3 a 5. Las regresiones cuantílicas confirman los resultados del modelo minceriano; en lo que resta de esta sección, resumimos esos resultados.

Educación

En el conjunto del sector rural, el efecto marginal de la educación aumenta con el percentil de ingresos, es decir, un año adicional de educación es más útil cuanto mayor sea el nivel de ingreso de la persona. Tanto para la muestra total como para hombres y mujeres.

Se confirma que, en general, los efectos marginales de la educación son mayores fuera de la agricultura. Aunque esto parece deberse al efecto entre las mujeres porque entre los hombres esos efectos son muy pequeños (y no significativos) fuera de la agricultura, con excepción del percentil 75.

Experiencia

Los retornos marginales decrecientes de la experiencia se mantienen, pero para cada nivel el efecto marginal aumenta con el percentil de ingreso. En otras palabras, la contribución de la experiencia al ingreso por hora de las personas aumenta con su nivel de ingreso. Este resultado se ilustra en la gráfica 4.

Fuente: elaboración propia

Gráfica 4 Retornos a la experiencia en el sector rural (Porcentaje). 

Cuadro 7 Resumen de brechas de género (Porcentajes). 

Fuente: elaboración propia.