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