Capítulo 03

Movilidad Intergeneracional, Capital
Humano, Evaluando impactos y
Políticas
Jere R. Behrman
University of Pennsylvania
TALLER INTERNACIONAL
MOVILIDAD SOCIAL Y POLITICAS PUBLICAS EN AMERICA LATINA
CIEPLAN-Fundación Konrad Adenauer-BID-PNUD-AECI
Santiago de Chile, 13 diciembre 2006
University of Pennsylvania
1
Behrman
1. Introducción
• Altas correlaciones intergeneracionales, baja movilidad,
fuerte influencia del entorno familiar
– US longer-run income 0.4 or more (Behrman & Taubman
RIncWlth1990, Solon AER 1992, Zimmerman AER 1992)
– LAC schooling and family background, though modified by
macro policies (Behrman, Birdsall & Székely 1999)
• Las políticas focalizadas para aumentar el capital humano
de los pobres, particularmente la escolarización, se
pensaban prometedoras.
– Progresa/Oportunidades (Behrman, Sengupta & Todd 2005,
Schutz 2004, Todd and Wolpin 2006), Bolsa Eschola
(Bourguignon, Ferreira & Leite WBER 2003)
University of Pennsylvania
2
Behrman
PERO
• Identificar el impacto más que la asociación, con varios
tipos de ―experimentos naturales‖, conduce a respuesta
muy diferentes de las estimaciones estándar de funciones
de salario y relaciones intergeneracionales (e.g. Behrman
and Rosenzweig EER 1999 & AER 2002, Plug AER 2004,
Plug and Vijverberg JPE 2003, Black Devereux & Salvanes
AER 2005)
• Qué tipos de capital humano tienen mayores tasas de
retorno (e.g., Behrman Inequality workshop paper)
• Evidencia respecto de las tasas de retorno social versus
privadas (relevant for efficiency motive for policy)
University of Pennsylvania
3
Behrman
Problema: Confundir los Efectos de las
dotaciones iniciales no observadas (e.g.,
Genetica)
Considere estos casos simples:
(1) Salario (W) depende de la Escolaridad (S), dotación
inicial (E) & un término estocástico (v):
Ln W = aS + bE + v
(2) Escolaridad del individuo Sc depende del nivel
educacional de los padres Sp, dotaciones iniciales de los
padres Ep & un término estocástico u:
Sc = aSp + bEp + u
En ambas relaciones la estimación de a está sesgada si la
escolaridad del lado derecho está correlacionada con la
dotación y b es distinto de cero.
University of Pennsylvania
4
Behrman
Posibles Soluciones para eliminar la
Correlacion entre S y E
1. Experimentos
2. ―Experimentos Naturales‖, desde gemelos
hasta políticas
3. Propensity score matching (PSM) en
observables
4. Estimaciones de Variable Instrumental (IV)
5. Modelamiento estructural (que permitan
políticas contrafactuales)
University of Pennsylvania
5
Behrman
Ejemplos de Posibles Soluciones 2: Datos de
gemelos para Controlar por dotación inicial
Idea Simple. Si la relacion (2) se da para un gemelo, entonces (2‘)
puede ser escrita para el otro gemelo :
(2‘) S‘c = aS‘p + bE‘p + u‘
Restando (1‘) de (1):
(2‖) Sc - S‘c = a(Sp- S‘p) + b(Ep- E‘p) + (u – u‘)
Así, aun si las dotaciones iniciales no son observables, si los
gemelos tienen idéntica dotación inicial (genética al nacer, entorno
familiar y barrio en la infancia), (Ep- E‘p) = 0, por lo que si se
estima el parámetro a de la relación (2‖), no habrá sesgo .
University of Pennsylvania
6
Behrman
MCO vs % Retorno a la educación en
gemelos:
US (Ashenfelter & Rouse QJE 1998; Behrman & Rosenzweig EER 1999;
Behrman, Rosenzweig & Taubman JPE 1994) and Australia (Miller,
Mulvey & Martin AER 1995)
12
10
8
6
OLS
Twins
4
2
0
US-AR
US-BR
University of Pennsylvania
US-BRT
7
AUSMMM
Behrman
% de sesgo de las estimaciones MCO de
retorno a los estudios
100
80
60
40
% Bias
20
0
US-AR
University of Pennsylvania
US-BR
US-BRT
8
AUSMMM
Behrman
Estimación directa de la respuesta de la
inversión en educación a las dotaciones
iniciales
Usar gemelos para obtener estimaciones del
parámetro ―correcto‖, y luego mellizos para
obtener la respuesta de la inversión en
educación ante diferentes dotaciones iniciales.
(Behrman, Rozenzweig & Taubman JPE 1994
and REStat 1996). Se encuentra que más de un
cuarto de la variación en Ln Ingresos se debe a
diferencias en las dotaciones iniciales de los
individuos. Por ello, la respuesta a dotaciones es
central tanto para determinar la cantidad como la
calidad de la escolaridad.
University of Pennsylvania
9
Behrman
Impacto de la escolaridad de los padres en
la escolaridad de los hijos en EEUU
(Behrman & Rosenzweig AER 2002)
Fuerte énfasis en el rol crítico de la escolaridad de los padres,
particularmente de la madre. Pero la interpretación es difícil,
por:
• Dotaciones iniciales correlacionadas intergeneracionalmente
• Emparejamiento entre iguales (assortative mating)
Básicamente se extiende (2) para incluir a ambos padres
(2A) Sc = aSm + bEm + cSf + dEf + u
Se agrega una relación de emparejamiento entre iguales:
(3) Sf = mSm + nEm + v
University of Pennsylvania
10
Behrman
Emparejamiento entre iguales: Impacto de un año
adicional de la propia escolaridad sobre un año adicional
de escolaridad del cónyuge –
Association Because Spouse More Schooled (though less
so in standard estimates) AND Has More Endowments
0.7
0.6
0.5
0.4
Own Sch
0.3
0.2
0.1
0
OLS
Twins
University of Pennsylvania
11
Behrman
Impacto de un año adicional de escolaridad de la madre
(Sm) sobre la escolaridad del niño (sin y con escolaridad
del padre Sf)
(Nota: Controlando por dotación inicial, mujeres más educadas gastan
más tiempo en el mercado laboral)
0.4
0.3
0.2
0.1
Effect Sm
0
-0.1
-0.2
-0.3
OLS
OLS w Sf
University of Pennsylvania
Twins
12
Twn w Sf
Behrman
Impacto de un año adcional de escolaridad del padre (Sf)
en escolaridad del niño (sin y con Sm)
0.5
0.4
0.3
0.2
Effect Sf
0.1
0
OLS
OLS w
Sm
University of Pennsylvania
Twins Twins w
Sm
13
Behrman
Consecuencias
• El saber popular de que la escolaridad de la madre tiene
un impacto positivo y significativo en la escolaridad infantil
es erróneo debido a la falta de control por dotaciones
iniciales y el sesgo de emparejamiento entre iguales, que
llevan sobreestimaciones.
• El saber convencional de que la escolaridad tiene un
efecto mucho mayor que la del padre también es
engañosa.
• Los resultados dependen del contexto (e.g. retorno a la
escolaridad de las mujeres en el mercado laboral – see
Behrman, et al. JPE 1999 for different results for India).
University of Pennsylvania
14
Behrman
Impacto del peso al nacer
(Behrman & Rosenzweig REStat 2004)
Muchos bebés de bajo peso al nacer (LBW - 12.7 millones al año). Hay
muchas afirmaciones sobre efectos negativos en aquellos que sobrevien a
la infancia.
Sin embargo, las estimaciones disponibles NO identifican el efecto de
incrementar la nutrición en el útero, debido a que se confunde los efectos
de dotaciones iniciales & respuestas de los hogares a las dotaciones.
Idea Simple: el peso al nacer para gemelos MZ que han compartido los
componentes de dotaciones físicas y genéticas (Ep), compartido la nutrición
promedio (Nav) y la nutrición específica de los gemelos (Ntw) :
(4) BW = Ep + Nav + Ntw
Métodos de control de gemelos para E & Nav en estimaciones del impacto de
peso al nacer – Así se identifica el efecto de una mejor de la alimentación
en el útero.
University of Pennsylvania
15
Behrman
1
2
0.5
School
ing
0
1
Overwt
0
OLS Twn
OLS Twn
1.55
0.2
1.5
0.1
Height
ln
Wage
0
1.45
OLS Twn
OLS Twn
University of Pennsylvania
16
Behrman
Consecuencias
• Una mejor nutrición en el útero genera dos veces el impacto en la
escolaridad y más de seis veces el impacto en los salarios que las
estimaciones habituales.
- Consistente con la correlación negativa entre dotaciones iniciales de
recursos monetarios y dotaciones iniciales físicas.
- Aumentar el promedio de peso al nacer de bebés de la mitad inferior
de la distribución en EEUU, hasta el nivel pormedio (~17 ounces or ~0.5
kgm), aumentaría los ingresos a lo largo de la vida en un 6%.
- Si india tuviese la distribución de peso al nacer de EEUU, los ingresos
aumentarían en un 9%
• Una mejor nutrición en el útero tiene un efecto fuerte en la estatura,
pero no en obesidad o en el peso al nacer de la siguiente
generación.
University of Pennsylvania
17
Behrman
2. Estimaciones ilustrativas para países
latinoamericanos (LAC) usando
Solución 4 – Estimaciones de V.I.:
Behrman, Jere R., John Hoddinott, John A. Maluccio, Erica Soler-Hampejsek,
Emily L. Behrman, Reynaldo Martorell, Manuel Ramirez and Aryeh D. Stein,
2006, ―What Determines Adult Skills? Impacts of Pre-School, School-Years and
Post-School Experiences in Guatemala‖
• Se asume que las tasas de salario dependen en parte de las
habilidades cognitivas.
• Las habilidades cognitivas, a su vez, dependen de las dotaciones
iniciales (e.g. habilidades innatas) & la experiencia acumulada
desde el nacimiento.
• Exploración de la función de producción de habilidades cognitivas
en adultos, en el contexto de un LAC particular: Guatemala.
• Investigación del impacto de la escolaridad, perotambién de las
experiencias pre y post escolares, todos los cuales reflejan
decisiones de comportamiento.
University of Pennsylvania
18
Behrman
2A. Marco Conceptual
Resumimos la experiencia en tres etapas del ciclo de vida:
•
•
•
Estado 1: pre escolar (desde la concepción – 6 años)
Estado 2: escolar (entre 7-15)
Estado 3: edades post-escolares para la encuesta 2002-4 cuando
tienen edades entre 25-42
Las habilidades cognitivas del adulto (K) dependen de la experiencia en
estas tres etapas del ciclo de vida (Ei, i = 1, 2, 3), dotaciones
iniciales genéticas (E0) y un término estocástico (U):
(1) K = K (E1, E2, E3, E0, U)
University of Pennsylvania
19
Behrman
Las experiencias del ciclo de vida son:
•
•
•
Elecciones de comportamiento (endógenas)
Determinadas en parte por dotaciones iniciales (E0), se postula que
también tienen efectos directos en las habilidades cognitivas de los
adultos en la relación (1)
Determinadas en parte por las mismas condiciones iniciales y
algunos cambios comunitarios (comunes) observados ΔC e
influencias no observadas Vi  correlacionadas
También, F0 y E0 probablemente correlacionadas; F0 no es
buena para V.I>
(1) K = K (E1, E2, E3, E0, U)
(2) Ei = Ei(E0, F0, ΔCi, Vi); i =1, 2, 3
University of Pennsylvania
20
Behrman
2B. Datos
•
Una amplia prueba de complementación nutricional, datos
recolectados para individuos que tenían 0-7 años durante
1969-77 en cuatro aldeas de Guatemala (N=2392)
•
Equipo multidisciplinario, incluyendo a los autores de este
paper, recolectaron la continuación de los datos en 20024 para todos los participantes de la recolección de datos
de 1969-77 (i.e., sujetos nacidos entre 1962 y 1977). En
2002-4, los miembros de la muestra se ubicó en el rango
25 - 42 años de edad (N=1570, 1448 en este paper)
University of Pennsylvania
21
Behrman
University of Pennsylvania
22
Behrman
Comprensión de lectura (RCS)
(InterAmerican Series)
Promedio 36.1 (22.3) de 85
17% con cero (pre-lit screen)
Hombres (37.9) > Mujeres (34.4)
(N=1448)
University of Pennsylvania
23
Behrman
Comprensión no verbal (NVS)
(Raven‘s Progressive Matrices)
17.7 (6.1) de 36
Hombres (19.4) > Mujeres (16.3)
(N=1448)
University of Pennsylvania
24
Behrman
Experiencias en las etapas del ciclo de vida
(E1, E2, E3):
E1 Experiencia pre escolar: importancia de la nutrición en el
desarrollo durante la temprana infancia —reflejando
consumo de nutrientes, exposición a infecciones,
estimulación & calidad del agua— reflejada en la estatura.
Uso de variable dummy al no estar bajo en estatura
(height-for-age Z score > -2 at age 72 m); 50% bajo en
estatura, hombre≈mujer
E2 Experiencia escolar: Logro de escolaridad completa (4.7,
SD=3.5); hombres (5.2) > mujeres (4.3)
University of Pennsylvania
25
Behrman
Experiencias en las etapas del ciclo de vida
(E1, E2, E3):
E3 Experiencia post-escolar: Múltiples indicadores:
• Antiguedad en un trabajo calificado 2002-4: 2.8 años, 2/3
no tienen ninguna, hombre (68%) > mujer (18%)
• Edad en 2002-4: la mayoría post-escolar; aprendizaje
versus depreciación; hombres ≈mujeres
• Indicador de si vive en Ciudad de Guatemala en 2002-4:
17%, hombre (15%) < mujer (18%)
University of Pennsylvania
26
Behrman
Identificación
(1) Usar características exógenas de los individuos y su
entorno comunitario para identificar cada una de las
etapas del ciclo de vida y explorar alternativas
(2) Indicadores de las etapas del ciclo de vida
(3) Confiar, pero verificar (instrumentos débiles,
sobreidentificación)
Técnica de Estimación: GMM VI con clustering en el nivel de
la madre
University of Pennsylvania
27
Behrman
Identificación
Instrumentos Excluidos
•
•
•
•
•
•
•
•
•
•
Hombres
Gemelos
Intentar tratar exposición:
– 0-36 meses durante la intervención
– 0-36 meses durante la intervencion*atole
Radio estudiante/profesor a los 7 años
Dosponibilidad de segundo cilco básico a los 7 años
Madre o padre muerto a los 18 años
Ln salario en la industria manufactura a los 18 años
Educación de los padres
Índice de Riqueza
Dummies por cohortes de año de nacimiento
University of Pennsylvania
28
Behrman
2C. RESULTADOS
2C.1 Asociaciones básicas entre niveles de educación
completa y Habilidades Cognitivas en adultos (Col. 1, 2)
Panel A
Life stage
Reading-comprehension test score (RCS)
Representation
E1
Not Stunted at age 7
E2
Schooling attainment
E3a
Skilled job tenure
E3b
Age at interview in 2002–4
Age at interview squared
Constant
F Statistic
Panel B
Life stage
Representation
E1
Not stunted at age 7
E2
Schooling attainment
E3a
Skilled job tenure
E3b
Age at interview in 2002-4
OLS
GMM
OLS
GMM
0.910
19.27
1.099
7.27
13.43
54.46
372.3
12.35
17.40
52.7
Age squared
Constant
F Statistic
University of Pennsylvania
SD
OLS
GMM22.3
2.821
10.792
3.27
2.12
4.959
3.235
4.899
2.545
35.0
7.06
33.8
4.00
-0.005
0.382
-0.06
1.29
2.350
4.463
1.81
2.27
-0.038
-0.074
-1.89
2.51
12.79
21.00
-21.75
-38.01
16.04
9.26
-1.04
-1.21
1224.7
49.72
256.2
14.67
Nonverbal cognitive ability test score (NVS)
29
OLS
0.771
2.61
0.858
17.63
0.114
3.59
0.759
1.60
-0.013
-1.86
3.42
0.45
89.7
SD
4.419 6.1
GMM
2.47
0.257
0.96
0.803
6.96
0.613
0.83
-0.013
-1.19
10.22
0.86
18.9
Behrman
2C.2 Especificación Básica: Estimadores Primera-Etapa
Estimadores (Table A1)
Table A1: First Stage Estimates of Life-Cycle Stages
E0: Genetic endowment
Male dummy
I0: Individual characteristics
Age at interview in 2002–4
Age at interview in 2002–4 squared ( 100)
Twins dummy
ΔC: Natural, market or policy shocks
Student-teacher ratio at age 7
Lower secondary school available at age 7
Mother or Father had died by age 18
Ln salary in manufacturing industry at age 18
ΔC: Intent to treat nutritional intervention
00–36 months
00–36 months  Atole
Constant
F Statistic on instruments to be excluded in 2nd stage
p-value of Fof
test
University
Pennsylvania
30
E1
Not Stunted
(HAZ ≥
-2.00)
E2
Grades of
schooling
E3a
Skilled job
tenure
(years)
-0.011
-0.43
0.811
4.40
3.425
13.56
-0.083
-0.95
0.172
1.54
-0.589
-13.02
1.122
1.80
-1.308
-1.70
-0.304
-0.44
0.101
0.13
-0.590
-0.56
-0.640
-0.93
0.001
0.10
-0.052
-1.18
0.000
0.00
0.319
1.86
-0.034
-3.27
1.527
4.48
-0.940
-2.86
2.878
2.25
-0.006
-0.38
-0.599
-2.00
-0.399
-0.90
-3.661
-2.33
-0.135
-3.09
0.235
4.77
0.941
0.50
0.356
1.27
-0.344
-0.96
-21.589
-1.55
0.131
0.34
-0.765
-1.86
10.634
0.61
27.92
[<0.01]
9.62
[<0.01]
24.16
[<0.01]
Behrman
Basic Specification: Segunda Etapa Diagnósticos
Test para instrumentos débiles con múltiples variables endógenas
Cragg-Donald Statistic: 5.1
Significativo al 5% para 3 variables endógenas, 8 instrumentos
excluidos, 0.3 sesgo (Stock & Yogo 2004)
Hansen J test
p-value
Hausman test
p-value
University of Pennsylvania
RCS
NVS
8.353
[0.13]
25.25
[<0.01]
7.512
[0.19]
45.19
[<0.01]
31
Behrman
Función de Producción Habilidades Congitivas en
Adultas
Panel A
Life stage
Reading-comprehension test score (RCS)
Representation
E1
Not Stunted at age 7
E2
Schooling attainment
E3a
Skilled job tenure
E3b
Age at interview in 2002–4
Age at interview squared
Constant
F Statistic
Panel B
Life stage
Representation
E1
Not stunted at age 7
E2
Schooling attainment
E3a
Skilled job tenure
E3b
Age at interview in 2002-4
OLS
GMM
OLS
GMM
0.910
19.27
1.099
7.27
13.43
54.46
372.3
12.35
17.40
52.7
Age squared
Constant
F Statistic
University of Pennsylvania
SD
OLS
GMM22.3
2.821
10.792
3.27
2.12
4.959
3.235
4.899
2.545
35.0
7.06
33.8
4.00
-0.005
0.382
-0.06
1.29
2.350
4.463
1.81
2.27
-0.038
-0.074
-1.89
2.51
12.79
21.00
-21.75
-38.01
16.04
9.26
-1.04
-1.21
1224.7
49.72
256.2
14.67
Nonverbal cognitive ability test score (NVS)
32
OLS
GMM
0.771
2.61
0.858
17.63
0.114
3.59
0.759
1.60
-0.013
-1.86
3.42
0.45
89.7
4.419
2.47
0.257
0.96
0.803
6.96
0.613
0.83
-0.013
-1.19
10.22
0.86
18.9
SD
6.1
Behrman
• Estimadores preferidos para RCS (columna 4)
• Educación:
– (1) significativo + 11% SD por cada año adicional
– (2) 50% menor que con MCO (sesgo de ―habilidad‖);
– (3) Sobreestimación de 25% sin experiencia pre- y postescolar
• Pre-escolaridad (no bajo en estatura):
– (1) significativa + 50% SD
– (2) 4 veces tan grande como MCO (pero wide CI)
• post-escolaridad:
– (1) antiguedad en el trabajo calificado (no significativo)
– (2) La edad incrementa RCS pero a tasas decrecientes.
University of Pennsylvania
33
Behrman
Estimadores preferidos para NVS (columna 4)
• Educación:
(1) No significativo + 4% SD por cada año adicional de
educación;
(2) 1/3 de MCO (sesgo de ―habilidad‖ y causalidad reversa);
(3) Sobresstimación de 400% sin experiencia pre- y postescolar.
• Pre-escolaridad (no baja estatura):
(1) significativo + 75% SD
(2) 5 veces tan grande como MCO
• Post-escolaridad:
(1) Un año adicional de antiguedad en el trabajo aumenta NVS
un 13% SD; (~ 7 * MCO)
(2) Un año adicional de edad incrementa NVS, pero a tasa
decreciente.
University of Pennsylvania
34
Behrman
2C.3 Algunas Exploraciones de Robustéz
• Diferencias de Género
• Sets alternativos de VI
– Características de los padres (falla en
sobreidentificación)
– Dummies por cohorte de año de nacimiento, resultados
similares pero instrumentos débiles
• Representaciones alternativas de LHS
• Calculos de SEs
• Desgaste
University of Pennsylvania
35
Behrman
2D. Conclusiones
• La mayoría de las investigaciones empíricas previas de la
importancia de y los determinates de las habilidades cognitivas
de los adultos asumen que:
(1) Las habilidades cognitivas se generan antes que todo por
la educación
(2) La escolaridad esta predeterminada en el sentido
estadístico
• Pero pueden llevar a inferencias erróneas acerca del impacto
de la escolaridad y también acerca de la importancia de la
educación pre-escolar y experiencias post-educación en lo que
los adultos saben.
• Usando datos de 35 años, incluyendo experiencia pre y post
escolar, todas elecciones de comportamiento:
University of Pennsylvania
36
Behrman
(1) La educación tiene un significativo y sustancial impacto
en la habilidad de comprensión de lectura (RCS) pero
no en las habilidades no verbales de los adultos (NVS)
(2) Ambas experiencias, pre y post escolares, tienen un
impacto positivo (sustancial y significativo) en las
habilidades cognitivas de los adultos:
(1) Baja estatura pre-escolar en RCS y NVS
(2) Antiguedad de trabajo calificado en NVS
(3) Edad en RCS
(3) Estimadores que no controlan por experiencia pre y
post escolar sobreestiman el impacto de la educación
en las habilidades cognitivas adultas.
University of Pennsylvania
37
Behrman
3. Conclusiones Finales de la Presentación
1. Existe considerable evidencia de fuertes
asociaciones intergeneracionales en los países de
Latinoamérica y otras regiones, sugeriendo poca
movilidad intergeneracional.
2. Defensa sustantiva de – y la implementación políticas, particularmente las relacionadas con
inversión de capital humano, para debilitar la
trasmisión intergeneracional de la pobreza.
3. La evidencia de bases es débil. Moverse más allá
de las asociaciones para estimar la causalidad de
las políticas, directa e indirectamente considerando
el entorno familiar debido al comportamiento
endógeno y dotaciones no observables.
University of Pennsylvania
38
Behrman
4. Es deseable obtener mejores estimadores del
impacto en los países de Latinoamérica a través
de evidencia experimental, experimentos
naturales, estimadores con VI, propensity score
matching.
5. Estimadores como los anteriores para
Guatemala sugieren:
– Las dotaciones y el comportamiento
endógeno importan.
– No sólo la educación, sino que la educación
pre escolar y post-escolar (y por ende las
políticas relacionadas a ellas) importan.
6. Por lo tanto, hay una importante y desafiante
agenda de investigación.
University of Pennsylvania
39
Behrman
Gracias
University of Pennsylvania
40
Behrman
•
•
•
•
•
•
•
•
•
•
•
•
Referencias
Ashenfelter, Orley and Alan Krueger, 1994, "Estimates of the Economic Return to Schooling from a New Sample of
Twins," American Economic Review 84:5 (December), 1157-74.
Ashenfelter, Orley and Cecilia Rouse, 1998, "Income, Schooling, and Ability: Evidence from a New Sample of
Identical Twins," Quarterly Journal of Economics 113: 1 (February), 253-284.
Behrman, Jere R., 2006, ―How Much Might Human Capital Policies Affect Earnings Inequalities and Poverty?‖
Philadelphia, PA: University of Pennsylvania, prepared for the Inter-American Development Bank-University of
Chile Workshop on "Income Inequality," 11 and 12 December 2006 at University of Chile, Santiago.
Behrman, Jere R., 1999, ―Social Mobility: Concepts and Measurement in Latin America and the Caribbean‖ in
Nancy Birdsall and Carol Graham, eds., New Markets, New Opportunities? Economic and Social Mobility in a
Changing World,, Washington, DC: The Brookings Institution and the Carnegie Endowment for International Peace.
Behrman, Jere R , Nancy Birdsall and Miguel Szekely, 1999, ―Intergenerational Mobility in Latin America: Deeper
Markets and Better Schools Make a Difference‖ in Nancy Birdsall and Carol Graham, eds., New Markets, New
Opportunities? Economic and Social Mobility in a Changing World, Washington, DC: The Brookings Institution and
the Carnegie Endowment for International Peace.
Behrman, Jere R., Andrew Foster, Mark R. Rosenzweig and Prem Vashishtha, 1999, ―Women‘s Schooling, Home
Teaching, and Economic Growth,‖ Journal of Political Economy 107:4 (August 1999), 682-714.
Behrman, Jere R., John Hoddinott, John A. Maluccio, Erica Soler-Hampejsek, Emily L. Behrman, Reynaldo
Martorell, Manuel Ramirez and Aryeh D. Stein, 2006, ―What Determines Adult Skills? Impacts of Pre-School,
School-Years and Post-School Experiences in Guatemala‖, Philadelphia, PA: University of Pennsylvania, mimeo.
Behrman, Jere R. and Mark R. Rosenzweig, 1999, ―‗Ability‘ Biases in Schooling Returns and Twins: A Test and
New Estimates,‖ Economics of Education Review 18, 159-167.
Behrman, Jere R. and Mark R. Rosenzweig, 2002,―Does Increasing Women‘s Schooling Raise the Schooling of the
Next Generation?‖ American Economic Review 92:1(March ), 323-334.
Behrman, Jere R. and Mark R. Rosenzweig, 2004, ―Returns to Birthweight,‖ Review of Economics and Statistics
86:2 (May), 586-601.
Behrman, Jere R., Mark R. Rosenzweig, and Paul Taubman, 1994, "Endowments and the Allocation of Schooling
in the Family and in the Marriage Market: The Twins Experiment," Journal of Political Economy 102:6 (December),
1131-1174.
Behrman, Jere R., Mark R. Rosenzweig, and Paul Taubman, 1996, "College Choice and Wages: Estimates Using
Data on Female Twins," Review of Economics and Statistics 73:4 (November), 672-685.
University of Pennsylvania
41
Behrman
•
•
•
•
•
•
•
•
•
•
•
•
Behrman, Jere R., Piyali Sengupta and Petra Todd, 2005, ―Progressing through PROGRESA: An Impact
Assessment of Mexico‘s School Subsidy Experiment,‖ Economic Development and Cultural Change 54:1
(October 2005) 237-275.
Behrman, Jere R. and Paul Taubman, 1990, "The Intergenerational Correlation between Children's Adult
Earnings and Their Parents' Income: Results from the Michigan Panel Survey of Income Dynamics," The
Review of Income and Wealth 36:2 (June), 115-127.
Black, Sandra E., Paul J. Devereux, and Kjell G. Salvanes, 2005, ―Why the Apple Doesn‘t Fall Far:
Understanding Intergenerational Transmission of Human Capital,‖ American Economic Review 95:1 (March),
437-449.
Bourguignon, François, Francisco H.G. Ferreira, and Phillippe G. Leite. 2003, ―Conditional Cash Transfers,
Schooling and Child Labor: Micro-Simulating Brazil‘s Bolsa Eschola Program,‖ World Bank Economic Review
17:2, 229-254.
Miller, Paul, Charles Mulvey and Nick Martin, 1995, "What Do Twins Studies Tell Us About The Economic
Returns to Education? A Comparison of US and Australian Findings," American Economic Review 85:3, 586599.
Miller, Paul, Charles Mulvey and Nick Martin, 1997, "Family Characteristics and the Returns to Schooling:
Evidence on Gender Differences from a Sample of Australian Twins," Economica 64:253 (February), 119136.
Plug, Erik , 2004, ―Estimating the Effect of Mother's Schooling on Children's Schooling Using a Sample of
Adoptees,‖ American Economic Review 94:1 (March), 358-368.
Plug Erik and Wim P. M. Vijverberg, 2003, ―Schooling, Family Background and Adoption: Is it Nature or
Nurture?‖ Journal of Political Economy 111: 611-41.
Schultz, T. Paul, 2004,. ―School Subsidies for the Poor: Evaluating the Mexican Progresa Poverty Program,‖
Journal of Development Economics 74:2 (June), 199-250.
Solon, Gary R., 1992, "Intergenerational Income Mobility in the United States," American Economic Review,
82:3 (June), 393-408.
Todd, Petra and Kenneth I.Wolpin, 2006, ―Using a Social Experiment to Validate a Dynamic Behavioral Model
of Child Schooling and Fertility: Assessing the Impact of a School Subsidy Program in Mexico,‖ American
Economics Review (forthcoming).
Zimmerman, David J., 1992, "Regression Toward Mediocrity in Economic Stature," American Economic
Review 82:3 (June), 409-429.
University of Pennsylvania
42
Behrman