Educación y Crecimiento Económico

Educación y Crecimiento Económico Trabajo Final de Licenciatura en Economía Tutor: Alberto Landro María Lucía Kovacs 03-980095-02 D.N.I.: 27.939.169

Índice Sección I: Introducción... 3 Sección II: Marco Teórico... 5 Sección III: Modelo Econométrico.... 7 Sección IV: Resultados del Modelo.....10 Sección V: Calidad Educativa...14 Sección VI: La Educación Argentina...15 Sección VII: Conclusiones.....21 Anexo I: Series Estadísticas Ingresadas en el Modelo Econométrico...24 Anexo II: PBI per Cápita......27 Anexo III: Tasa Bruta de Admisión... 31 Anexo IV: Ratio Alumnos Docentes... 34 Anexo V: Gasto Público en Educación como Porcentaje del PBI... 36 Bibliografía........38 2

I Introducción La teoría sobre el crecimiento económico considera a la educación; junto con el capital físico, el trabajo y el progreso tecnológico, como uno de los factores determinantes de la tasa de crecimiento de largo plazo de la economía. 1 En los años cincuenta se introdujo el concepto de capital humano en la teoría económica para describir el hecho de que el cuerpo humano podía aumentar su capacidad productiva a base de realizar inversiones. Para niveles bajos de renta, la mejor inversión que se puede hacer para mejorar la productividad es la inversión en salud y alimentación. A medida que la renta per cápita crece, la inversión más importante es la educación. El objetivo principal del presente trabajo es determinar el rol de la educación en el crecimiento económico de largo plazo. Para ello realizaré un análisis econométrico considerando distintas clases de indicadores educacionales y el impacto que tienen sobre el Producto Bruto Interno (PBI) per cápita de un grupo de 25 países para un período de 5 años, (1999-2003). El primer indicador educacional considerado es la tasa bruta de admisión. La misma consiste en el número de alumnos que ingresan a determinado nivel de educación, independientemente de la edad, expresado como porcentaje de la población en edad oficial de admisión a ese nivel. Otro de los indicadores utilizados en este estudio es el ratio alumnos-docentes que es el promedio de alumnos por docentes en el nivel de enseñanza especificado en un determinado año escolar. El tercer indicador en cuestión es el gasto público en educación como porcentaje del PBI. Este indicador tiene en cuanta los gastos corrientes y de capital en la educación de los gobiernos locales, regionales y nacionales, incluyendo las municipalidades, expresado como porcentaje del PBI. Los indicadores elegidos se pueden clasificar en dos categorías. La tasa de admisión se clasifica como indicador de la cantidad de educación, mientras que los otros dos indicadores se pueden clasificar como indicadores de la calidad educativa. La razón por la cual se han elegido estas dos clases, se debe a que profundizaré mi análisis haciendo una distinción entre cantidad y calidad de educación, midiendo su influencia en el crecimiento del PBI per cápita. En la siguiente sección se revisarán los fundamentos teóricos y empíricos que consideran a la educación como factor de crecimiento económico de largo plazo. 1 Para ampliar el conocimiento sobre los determinantes de la tasa de crecimiento ver Apuntes de Crecimiento Económico, Sala- i- Martin. 3

Para ello se tendrán en cuenta estudios ya realizados sobre el tema y se resaltarán las diferencias entre ellos. La sección III consistirá en la especificación y explicación del modelo econométrico, definiendo las variables independientes y dependientes y estableciendo todas las explicaciones relevantes al respecto. Los resultados del modelo econométrico serán expuestos en la sección IV de la investigación. Se medirá el impacto de las distintas variables en el crecimiento económico y se analizará la significancia estadística de los resultados. En la sección V se hará una distinción entre el efecto de las distintas clases de indicadores educacionales, midiendo la importancia de la cantidad y calidad de educación. La sección VI consistirá en la ubicación la situación educacional de la Argentina dentro del marco global y en la relación de estos resultados con el grado de desarrollo económico. Las conclusiones serán expuestas en la sección VII, resaltando los principales resultados del modelo econométrico, estableciendo la situación educacional de la Argentina y las posibles vías de acción a nivel educacional para lograr un nivel de crecimiento económico sostenido. 4

II - Marco Teórico El capital humano juega diferentes roles en las distintas teorías de crecimiento económico. En el modelo neoclásico de Robert Solow (1956) no se la asigna ningún rol específico al capital humano en la generación de la producción. Este modelo llega a la conclusión de que el crecimiento económico se debe a la acción exógena del progreso tecnológico. Sin embargo, en los modelos de crecimiento endógeno al capital humano se la asigna un rol central. El papel que juega el capital humano en los modelos endógenos se puede dividir en dos categorías. En el primero se amplía el concepto de capital incluyendo al capital humano. 2 La principal diferencia de este tipo de modelos con respecto al modelo neoclásico consiste en que la tasa de crecimiento del PBI per cápita puede ser positiva sin necesidad de tener que suponer que alguna variable crece continua y exógenamente. La conclusión más importante de de estos modelos es que el crecimiento sostenido se genera gracias a la acumulación de capital humano a través de tiempo. En el modelo de Lucas (1988) la producción y el capital humano crecen a la misma tasa en estado estacionario. El crecimiento sostenido se genera porque existen rendimientos constantes en la producción de capital humano. La segunda categoría de modelos de crecimiento endógeno atribuye el crecimiento a la existencia de un stock de capital humano que genera innovaciones (Paul Romer 1986) o mejora la habilidad de un país para imitar y adaptar nueva tecnología (Richard Nelson y Edmund Phelps 1966). En el modelo de Romer el capital humano es el input clave del sector de investigación, el cual genera nuevos productos o ideas que determinan el progreso tecnológico. Como consecuencia, los países con mayores niveles iniciales de capital humano experimentan una tasa de introducción de nuevos productos más alta y por la tanto tienden a crecer más rápido. Según el modelo de Nelson y Phelps, un stock de capital humano hace más fácil a un país absorber los nuevos productos o ideas que se descubrieron en otro lugar. De esta manera, un país seguidor con altos niveles de capital humano tiende a tener tasas de crecimiento más altas porque alcanza más rápido al líder tecnológico. En un trabajo realizado por Becker, Murphy y Tamra (1990) se asume que la tasa de retorno del capital humano aumenta sobre cierto rango, un efecto que puede deberse a los beneficios del derrame del capital humano. En este escenario, 2 Modelos de Hirofumi Uzawa (1965), Robert Lucas (1988), Rebelo (1991); Mankiw, Romer y Weil (1992). 5

aumentos en la cantidad de capital humano tienden a llevar a tasas de inversión en capital humano y físico más altas, y por lo tanto, a un nivel más elevado de crecimiento per cápita. Los modelos basados en la evidencia empírica llegan a dos conclusiones, una es que el stock inicial de capital humano importa más que el cambio en el capital humano. La segunda conclusión es que la educación secundaria y terciaria tienen un efecto mayor en el crecimiento que la educación primaria. Sin embargo, es importante considerar que para acceder a la educación secundaria y terciaria es requisito excluyente el paso previo por el nivel primario. Robert Barro, en su trabajo Economic Growth in a Cross Section of Countries (1991), llega al la conclusión que el crecimiento per cápita está relacionado positivamente con el nivel de capital humano inicial. También relaciona estas variables con la tasa de fertilidad y confirma la teoría de que dado un nivel de PBI per cápita, mayor cantidad de capital humano se asocia con una tasa neta de fertilidad menor. Dado un nivel inicial de Producto Bruto Interno (PBI), un stock inicial de capital humano elevado significa un ratio capital humano-físico más alto. Este nivel elevado tiende a generar un crecimiento más alto a través de dos canales. El primero, mayor capital humano facilita la absorción de tecnologías superiores de los países líderes. Este canal es especialmente importante para la escolarización secundaria y terciaria. El segundo canal consiste en que el capital humano tiende a ser más difícil de ajustar que el capital físico. Por lo tanto, un país que comienza con un alto ratio capital humano-capital físico tiende a crecer rápidamente ajustando la cantidad de capital físico. Barro mide el efecto de la asistencia a la educación secundaria y terciaria en la educación y concluye que un año adicional de escolarización aumenta la tasa de crecimiento en 0.44% por año. Con respecto a la medida del impacto de la educación primaria, los resultados que obtiene no son significativos estadísticamente. 6

III - Modelo Econométrico El modelo planteado a continuación busca medir la relación existente entre los indicadores educacionales y la tasa de crecimiento del Producto Bruto Interno (PBI) per cápita. La variable dependiente o explicada es el PBI per cápita considerado para un grupo de 25 países 3 en el período transcurrido entre 1999 y el 2003. En las investigaciones macroeconómicas se suele considerar la tasa de crecimiento del PBI por persona y no la tasa de crecimiento del PBI agregado. La razón es que no se considera que un país sea rico porque produce mucho, sino que un país es rico si sus habitantes, en promedio, producen mucho. Como variables independientes o explicativas se consideran tres indicadores educacionales medidos para el mismo grupo de países en el mismo período de tiempo. El primer indicador educacional considerado es la tasa bruta de admisión. Ésta consiste en el número de alumnos que ingresan a determinado nivel de educación, independientemente de la edad, expresado como porcentaje de la población en edad oficial de admisión a ese nivel. Se va a tener en cuenta la tasa bruta de admisión promedio para los niveles primario y secundario. La razón por la cual se ha descartado la tasa de alfabetización como indicador del stock del capital humano se debe a que presenta mediciones inconsistentes entre los distintos países. La tasa de admisión, en cambio, no presenta este inconveniente. Otro de los indicadores utilizados en este estudio es el ratio alumnosdocentes. Este ratio es el promedio de alumnos por docentes en el nivel de enseñanza especificado en un determinado año escolar. Se considera el ratio alumnos-docentes como promedio de los distintos niveles educacionales. El tercer indicador en cuestión es el gasto público en educación como porcentaje del PBI. Este indicador tiene en cuanta los gastos corrientes y de capital en la educación de los gobiernos locales, regionales y nacionales, incluyendo las municipalidades, expresado como porcentaje del PBI. Las series de tiempo con las que se cuenta se deben analizar a través de una estructura de panel ya que contamos con 25 secciones cruzadas para un período de 5 años, lo que nos da un total de 125 observaciones de panel. 4 Dado que la presente investigación se realiza dentro del marco del modelo neoclásico de crecimiento económico, el cual considera rendimientos marginales 3 El mayor número de países en el que se ha podido ensamblar los datos de las variables empleadas en el modelo econométrico. 4 Para mayor información sobre regresión de datos panel ver Capítulo 28 de Eviews 5 User s Guide. 7

decrecientes, el modelo parte de la función de producción Cobb-Douglas presentada a continuación. Y α δ γ = βx 1 X 2 X 3 e u En donde, Y = GDP = Gross Domestic Product (per cápita) = Producto Bruto Interno (per cápita) X 1 = GER = Gross Enrolment Rate = Tasa Bruta de Admisión X 2 = PEE = Public Expenditure on Education = Gasto Público en Educación X 3 = PTR = Pupil - Teacher Ratio = u = Término de Perturbación Estocástico e = Base del Logaritmo Natural Ratio Aulmnos - Docentes 5 Para poder obtener la regresión a través del método de mínimos cuadrados ordinarios, el modelo debe cumplir los supuestos del modelo clásico de regresión lineal 6. Si bien la ecuación planteada no es lineal, si se transforma este modelo mediante la función logarítmica, se obtiene la siguiente expresión. lny = ln β + α ln X 1 + δ ln X 2 + γ ln X 3 + u Si se reemplaza, ln β = C Y = GDP X = GER 1 X = 2 X = 3 PEE PTR Se obtiene la siguiente ecuación, 5 El Término de Perturbación representa todos aquellos factores que afectan al crecimiento del PBI pero no son considerados en el modelo en forma explícita. 6 Para mayor infamación sobre los supuestos del modelo clásico de regresión lineal véase Damodar N. Gujarati, Econometría, Capítulo 3, McGraw-Hill, 1997. 8

ln GDP = C + α ln GER + δ ln PEE + γ ln PTR + u De esta manera, el modelo es lineal en los parámetros c, α y γ, por lo tanto se puede analizar como un modelo de regresión lineal. Sin embargo, es importante aclarar que el modelo no es lineal en las variables GDP, GER, PEE y PTR, aunque si lo es en los logaritmos de éstas. Los parámetros c, α, δ y γ son los coeficientes de regresión parcial y miden las elasticidades parciales del PBI per cápita con respecto a cada variable explicativa. El parámetroα mide la elasticidad parcial del PBI (GDP) con respecto a la tasa bruta de admisión (GER), es decir que mide el cambio porcentual en el PBI per cápita debido a la variación del 1% en la tasa bruta de admisión, manteniendo las demás variables constantes. De la misma manera, δ y γ, miden las elasticidades parciales del PBI per cápita con respecto al gasto público en educación y al ratio alumnos-docentes, respectivamente. 9

IV - Resultados del Modelo Dependent Variable: LOG(GDP) Method: Panel Least Squares Date: 03/11/06 Time: 18:00 Sample: 1999 2003 Cross-sections included: 25 Total panel (balanced) observations: 125 Variable Coefficient Std. Error t-statistic Prob. C -6.117932 3.448239-1.774219 0.0785 LOG(GER) 3.440882 0.621596 5.535560 0.0000 LOG(PEE) 1.325715 0.255438 5.189973 0.0000 LOG(PTR) -1.244421 0.350915-3.546221 0.0006 R-squared 0.614373 Mean dependent var 7.653204 Adjusted R-squared 0.604812 S.D. dependent var 1.609090 S.E. of regression 1.011538 Akaike info criterion 2.892298 Sum squared resid 123.8083 Schwarz criterion 2.982804 Log likelihood -176.7686 F-statistic 64.25826 Durbin-Watson stat 0.066755 Prob(F-statistic) 0.000000 Cuadro 1: Resultados obtenidos de acuerdo al modelo planteado en la sección III, generado a través de Eviews. Fuente: Elaboración propia en base a datos obtenidos por la UNESCO y el FMI (Anexo I). Nota 1: GDP = Gross Domestic Product = Producto Bruto Interno, variable medida en términos per cápita, U$S. Nota 2: GER= Gross Enrolment Ratio = Tasa Bruta de Admisión, porcentaje. Nota 3: PEE = Public Expenditure on Education = Gasto Público en Educación, porcentaje. Nota 4: PTR = Pupil-Teacher Ratio = Ratio Alumnos-Docentes, cantidad de alumnos. Analizando los resultados del modelo de regresión que se presentan en el cuadro 1 podemos observar que los coeficientes de regresión α, δ y γ, analizados en forma individual son estadísticamente significativos. En los tres casos el estadístico t cae dentro de la zona de rechazo de la hipótesis nula, que plantea la insignificancia estadística de cada coeficiente y los p-values 7 de cada estadístico son iguales a cero. No se puede decir lo mismo del intercepto C ya que el estadístico t cae en la aceptación de la hipótesis nula. Por lo tanto se llega a la conclusión de que el intercepto C no es estadísticamente significativo. 7 P-Value: Prob en el cuadro 1, probabilidad de rechazar la hipótesis nula cuando es verdadera. 10