Estimación de la elasticidad de la curva de salarios en Bolivia

Transcripción

1 Estimación de la elasticidad de la curva de salarios en Bolivia Stefanie Rakela Rolando Gonzales Agosto, 2012 Antecedentes Se requiere una estimación de la elasticidad de la curva de salarios para el modelo MAMS (Maquette for Millennium Development Goals Simulation, véase Logfren and Díaz-Bonilla, 2010). La curva de salarios parte de la idea de que existiría una relación inversa entre el salario y el desempleo: una curva convexa que reflejaría el hecho de que cuando el desempleo aumenta, se reduce el salario, y cuando el salario es mayor, el desempleo se reduce 1. Las estimaciones empíricas de la elasticidad entre estas variables serían siempre cercanas a Interesantemente, se encuentra una relación inversa con una elasticidad muy cercana a este valor en varios países del mundo. Véase Blanchflower y Oswald (1990). Estimaciones para Bolivia Para realizar la estimación de la elasticidad de la curva de salarios en Bolivia se empleó la encuesta de hogares 2006 (ya que el año 2006 es la fecha de corte elegida para el modelo MAMS) y se siguió la metodología empleada por Arango et al. (2010), quienes estiman una curva de salarios utilizando la corrección de Heckman (1979) para evitar los efectos de un sesgo de selectividad que trunca la ecuación de los salarios hacia los ocupados. El proceso de especificación tuvo las siguientes consideraciones: 1) La agrupación geográfica fue a nivel municipal, i.e. se calcularon tasas de desempleo municipales y se imputó el desempleo de cada individuo como el que le corresponde según su residencia municipal. El efecto de esta imputación ocasiona una pérdida de eficiencia en los estimadores. 1 Se ha sugerido que esta noción invalida la curva de Phillips, en el sentido de que ésta curva estaría mal especificada que combina inapropiadamente datos agregados; sin embargo Whelan (1997) arguye que las consideraciones micro-económicas de la curva de salarios son irrelevantes (no invalidan) la curva de Phillips. 1

2 2) La ecuación de selección y la ecuación de la curva de salarios se estimaron conjuntamente, mediante pseudo máxima verosimilitud, ya que el procedimiento de mínimos cuadrados en dos etapas no sería apropiado para datos de la encuesta de hogares porque producirá estimadores inconsistentes debido a que la estrategia de muestreo implica que la selección de los individuos no es independiente, y sólo con pseudo máxima verosimilitud puede considerarse este efecto mediante factores de expansión. Resultados Los resultados de la estimación se encuentran al final de este documento. El estimador de interés (la elasticidad entre el salario y el desempleo) es igual a.09553, un valor muy cercano al esperado según la evidencia empírica internacional (.1), tiene el signo esperado (negativo) y sería estadísticamente significativo a niveles de significancia convencionales, si bien los estimadores de la varianza deben interpretarse con cautela debido a los efectos combinados de estimar el sesgo de selección con el inverso del ratio de Mills, los efectos de la imputación del desempleo a nivel regional, y las consecuencias de usar factores de expansión. Los signos de las variables de control en la ecuación de salarios son los esperados: el salario se incrementaría con un aumento de la escolaridad, la experiencia y la edad; además, el salario sería mayor para individuos que realizan un trabajo formal y no se identifican como indígenas. Un resultado similar se obtiene para la ecuación probit de selección: la edad y la experiencia aumentarían la probabilidad de no estar desocupado, mientras que la probabilidad de desocupación sería mayor para personas de sexo femenino y aquellas que se identifican como indígenas. Sólo la escolaridad tiene un signo contrario al esperado. Finalmente, la hipótesis nula de ecuaciones independientes podría rechazarse a niveles de significancia convencionales debido a la significatividad del estimador rho de la correlación entre los términos de perturbación de los modelos de selección y de curva de salarios, en base a un test de Wald convencional; sin embargo, una vez más los efectos combinados sobre la varianza mencionados anteriormente sugieren que los resultados inferenciales no son completamente confiables. Conclusión Este documento realizó una estimación de la elasticidad de la curva de salarios para Bolivia estimando un sistema de ecuaciones para corregir el sesgo de selección mediante el método sugerido por Heckman. La estimación debe considerarse como una primera aproximación tentativa de la curva de salarios en Bolivia, que buscó realizar una estimación insesgada de la elasticidad de la curva de salarios útil para el modelo MAMS 2. Siendo que el objetivo de la estimación fue obtener estimadores insesgados, los resultados inferenciales deben interpretarse con cautela. 2 Los autores no tienen conocimiento de otro intento de estimar la curva de salarios en Bolivia, y en ese sentido, el aporte de este documento va más allá del proyecto MAMS y tiene un carácter académico. 2

3 Referencias Arango, Luis Eduardo, Nataly Obando, Carlos Esteban Posada (2010). Sensibilidad de los salarios al desempleo regional en Colombia: nuevas estimaciones de la curva de salarios. Borradores de Economía Núm. 590, Banco Central de Colombia. Blanchflower, David G. y Andrew J. Oswald (1990). The Wage Curve. Scandinavian Journal of Economics 92 (2): Heckman, James (1979). Sample Selection Bias as a Specification Error. Econometrica 47: Lofgren, Hans, Carolina Diaz-Bonilla (2010). MAMS: An Economy Wide Model for Analysis of MDG Country Strategies: Technical Documentation. The World Bank (mimeo). Whelan, Karl (1997). Wage Curve vs. Phillips Curve: Are There Macroeconomic Implications? Board of Governors of the Federal Reserve System Finance and Econ. Disc. Series #

4 Anexo: Estimación de la curva de salarios en Bolivia. heckman logyi logu escol expe2 edad formal ind_cel [pweight = factor], select(ocupados = escol miembros edad expe2 sexo ind_cel) Iteration 0: Iteration 1: log pseudolikelihood = (not concave) log pseudolikelihood = (not concave) Iteration 2: log pseudolikelihood = Iteration 3: log pseudolikelihood = Iteration 4: log pseudolikelihood = Iteration 5: log pseudolikelihood = Iteration 6: log pseudolikelihood = Iteration 7: log pseudolikelihood = Heckman selection model Number of obs = 5174 (regression model with sample selection) Censored obs = 461 Uncensored obs = 4713 Wald chi2(6) = Log pseudolikelihood = Prob > chi2 = Robust Coef. Std. Err. z P> z [95% Conf. Interval] logyi logu escol expe edad formal ind_cel _cons ocupados escol miembros edad expe sexo ind_cel _cons /athrho /lnsigma rho sigma lambda Wald test of indep. eqns. (rho = 0): chi2(1) = Prob > chi2 =

5 Los símbolos deben entenderse como sigue: logyi logu escol expe2 edad formal ind_cel pweight=factor ocupados miembros sexo Logaritmo natural del salario real de cada i-individuo Logaritmo natural del desempleo a nivel municipal (imputado a cada individuo de acuerdo a su residencia municipal) Años de escolaridad Años de experiencia, al cuadrado (la experiencia no elevada al cuadrado producía problemas de multicolinealidad y fue omitida durante la estimación) Edad en años Variable binaria igual a uno si el individuo trabaja en el sector formal Variable binaria igual a uno si el individuo se identifica como indígena factor de expansión Variable binaria igual a 1 si el individuo no está desocupado Número de miembros del hogar Variable binaria igual a 1 si el individuo es hombre 5