El capital humano en España: Una estimación del nivel de estudios

Anuncio
El capital humano en España:
Una estimación del nivel de estudios alcanzado*
por
Javier Alonso Meseguer**
Simón Sosvilla-Rivero***
DOCUMENTO DE TRABAJO 2004-08
Mayo 2004
*
Los autores agradecen la financiación recibida del Ministerio de Ciencia y Tecnología
(SEC2002-01892).
**
***
Banco de España.
FEDEA, Universidad Complutense de Madrid y CentrA.
Los Textos Express se distribuyen gratuitamente a las Universidades e Instituciones de Investigación que lo solicitan. No obstante están
disponibles en texto completo a través de Internet: http://www.fedea.es/hojas/publicaciones.html#Documentos de Trabajo
These Textos Express are distributed free of charge to University Department and other Research Centres. They are also available through
Internet: http://www.fedea.es/hojas/publicaciones.html#Documentos de Trabajo
Depósito Legal: M-11868-2004
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
1
Resumen
Este trabajo propone una metodología alternativa para la obtención de series
largas de un indicador de capital humano basado en el numero medio de años
cursados por la población en edad laboral. En contraste con los trabajos previos,
se utilizan microdatos de la Encuesta de Población Activa relativos al nivel de
estudios efectivamente terminados para construir perfiles temporales del nivel
de estudios alcanzados, con lo que se evita tener que realizar algún tipo de
interpolación censal. Como ilustración del método propuesto hemos realizado
una evaluación del número de años medios cursados por la población española
en edad de trabajar para el período 1910-2000.
Código JEL: O4, I2
Palabras clave: Indicador de capital humano, número de años medios cursados
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
2
“El factor clave de todo desarrollo económico
proviene de la mente del hombre”
Ernst F. Schumacher Lo pequeño es hermoso
1. Introducción
El capital humano puede definirse como el conjunto de conocimientos y
cualificaciones que poseen los trabajadores de una economía. La acumulación
de capital humano a través de la educación aumenta la productividad del trabajo,
constituyendo un factor importante de la capacidad de crecimiento económico.
Dado que el crecimiento económico constituye un proceso complejo y
continuado, se necesitan series suficientemente largas de las variables
potencialmente relevantes que permitan contrastar adecuadamente las relaciones
existentes entre ellas, así como para
poder detectar posibles cambios
estructurales que puedan producirse en dicha relación. En este sentido, existen
numerosos trabajos en esté área que proveen a los investigadores de datos para
este fin [véanse, por ejemplo, Summers y Heston (1991) y Maddison (1995)],
aún cuando persisten deficiencias tanto por la calidad de la información
estadística ofrecida como por la reducida amplitud del período cubierto. Con
respecto al capital humano, cabe señalar que, como muestran De la Fuente y
Domenech (2002), a medida que ha ido mejorando la tecnología de la inferencia,
se han ido obteniendo indicadores cada vez más satisfactorios.
La medición del capital humano resulta una tarea particularmente
compleja. El enfoque más ampliamente utilizado para estimar la dotación de
capital humano de una economía se centra en el sistema de educación formal
como institución principal proveedora de formación. Wöβmann (2003) hace una
revisión interesante sobre los distintos métodos de medición de capital humano
utilizados por la literatura, los cuales describimos brevemente a continuación.
3
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
Un indicador ampliamente utilizado es la tasa de alfabetización [véanse,
entre otros, Azariadis y Drazen (1990) o Romer (1990)]. Sin embargo, dicho
indicador recoge solamente una parte de la inversión capital humano, no
incorporando otra muy importante cual es el conocimiento técnico y científico.
Otro indicador es la tasa de matriculación en diversos niveles educativos
[véanse, Barro (1991) o Mankiw et al. (1992)]. También esta medida resulta
insatisfactoria, dado que la cualificación de los estudiantes sólo desempeña un
papel en la economía en años posteriores al momento en que se encuentran
matriculados. Además, esta tasa depende de determinados factores (como son el
fracaso escolar o la voluntad de continuar con estudios de nivel superior), que no
son tomados en cuenta. Por último, este indicador no toma en consideración la
cualificación de las personas que abandonan el mercado de trabajo.
La medida más comúnmente aceptada es el número de años de estudio
alcanzado por la población en edad laboral. En este sentido, cabe destacar el
hecho de que el Departamento de Economía Internacional del Banco Mundial
sea un firme partidario del uso de este indicador como medida del stock de
capital
humano
(Nehru,
Swanson
y
Dubey,
1995).
Siguiendo
esta
recomendación, algunos autores como Benhabib y Spiegel (1994), Gundlanch
(1995) o Barro (1997; 2001) han empleado esta medida con resultados diversos.
Para construir este indicador se han utilizado diversos métodos. Así, por
ejemplo, Lau et al. (1991) y Nehru et al. (1995) utilizan el método del inventario
permanente que, a grandes rasgos, intenta recrear los resultados del sistema
educativo con información de tasas de matriculación, fracaso escolar, etc. Esta
información es difícil de encontrar y no es del todo completa, con lo que se
precisan adoptar supuestos sobre su valor que pueden afectar negativamente la
precisión en el cálculo del stock de capital humano. Un método alternativo
consiste en incorporar información a partir del los censos del población. Este
método, propuesto inicialmente por Psacharopoulos y Arriagada (1986),
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
4
presenta algunos inconvenientes, entre los que destaca el hecho de que se realiza
en periodos más o menos amplios (normalmente cada 10 años), con lo que el
número de observaciones se reduce considerablemente. Otro problema adicional
es que hay muchos países para los que o bien no se dispone de dicha
información hasta fechas muy recientes, o no incorporan datos sobre el nivel de
estudios alcanzado. Con el fin de subsanar estos problemas, se han propuesto
algunas soluciones. Kyriacou (1991), por ejemplo, estima econométricamente el
nivel de estudios alcanzados con variables de matriculación retardadas. A partir
de los resultados obtenidos, este autor proyecta el nivel de estudios alcanzado
por la población de años sucesivos. No obstante, este procedimiento presenta el
inconveniente de tener que suponer que los parámetros son constantes a lo largo
del tiempo. Tal y como muestra Wöβmann (2003), esta relación varía en el
tiempo y entre países, con lo que dicho supuesto no es adecuado. Por su parte,
Barro y Lee (1993) toman los datos del censo como stock y realizan un ejercicio
de inventario permanente para completar la información de años y países para
los que no se dispone directamente de censo. El principal problema en este caso
es el derivado de utilizar la técnica del inventario permanente, sobre todo
cuando para muchos países la información censal se reduce a uno o dos años, y
donde por tanto, el grueso de los datos de capital humano se basan en el cálculo
imperfecto del método de inventario permanente.
Dadas las limitaciones existentes para los indicadores habituales, y como
afirman De la Fuente y Domenech (2002) y Wöβmann (2003), es necesario
avanzar en la mejora del cálculo del stock de capital humano.
El propósito de este trabajo es ofrecer una metodología que trata de dar
respuesta a la doble necesidad de contar con series suficientemente largas y de
mejorar el indicador de capital humano considerado como el numero medio de
años cursados por la población en edad laboral. En contraste con los trabajos
previos, proponemos la utilización de la información contenida en las Labour
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
5
Force Statistics (en España Encuesta de Población Activa, EPA) de cada país,
en lugar de utilizar el censo de población. Esta encuesta cubre normalmente un
amplio espectro muestral y se realiza en la gran mayoría de países del mundo.
Otra ventaja es que se lleva a cabo anualmente, con lo que no es necesario
ningún tipo de interpolación entre años censales. Además, incorpora
información sobre la población con nivel de estudios efectivamente terminados,
con lo que se evita tener que realizar algún tipo de interpolación. Por último, las
series de población elaboradas a partir de las EPAs tienen la ventaja de que
contemplan los colectivos directamente vinculados al mercado de trabajo.
El trabajo se organiza de la siguiente manera. En la Sección 2 se expone
brevemente la metodología utilizada. Como ilustración del procedimiento
propuesto, en la sección 3 se presentan los resultados obtenidos para el caso
español para el período 1910-2000. Por último, la Sección 4 recoge una serie de
consideraciones finales.
6
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
2. Metodología
En este trabajo proponemos una metodología que permite mejorar la
estimación del número medio de años cursados por la población (INAMC) según la
siguiente expresión:
I NMAC =
 64  5

 ∑  ∑ Pa ,t × Pea ,e,t × Nea ,e,t  

 a =16  e=1
64
∑P
a =16
(1)
a ,t
donde Pa ,t es la población de edad a en el periodo t, Pea ,e,t es el porcentaje de
población de edad a que ha alcanzado el nivel de cualificación e en el periodo t,
y Nea ,e,t es el número de años que cursó la cohorte de población con edad a,
según el nivel de educación alcanzado e.
Con el fin de inferir la cualificación de la población en edad laboral (16 a
64 años) para el periodo 1910-2000, es necesario determinar el nivel de
cualificación alcanzado para todas las generaciones nacidas entre 1846 (64 años
en 1910) y 1984 (16 años en 2000). Ciertamente esta información no se
encuentra sistematizada y es necesario realizar unos supuestos para estimarla.
Para el cálculo de la población en edad de trabajar Pa ,t hemos utilizado las
propuestas por Hoyo y García (1988) del periodo 1910-1980. En dicha
publicación se encuentran agregadas en un grupo las cohortes de población de
60 y más años, y correspondientes al periodo comprendido entre 1910 y 1930.
Para estimar las cohortes de población con edades entre 60 y 64 años, se han
proyectado linealmente las tablas de generación españolas disponibles desde
1885 a 2000 proporcionadas por la Dirección General de Seguros y la Unión
Española de Entidades Aseguradoras y Reaseguradoras (UNESPA), hasta 1846
(64 años en 1910). Las probabilidades de supervivencia obtenidas se aplicaron a
las distintas cohortes de población según su año de nacimiento hasta completar
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
7
las generaciones ausentes en el trabajo de Hoyo y García (1988). Para el período
1980-2000, se ha enlazado la serie de población por edades puntuales de Hoyo y
García (1988) con las de INE (1997,1999,2001) en 1977, sin que sea necesario
ningún ajuste adicional.
El supuesto principal que adoptaremos para calcular Pea ,e,t es que un
individuo que ha pasado la edad típica de escolaridad de todos los niveles, y que
ha alcanzado un grado de estudios determinado, mantendrá dicho nivel hasta el
fin de sus días. Supondremos que el nivel educativo alcanzado es el propuesto
según la clasificación EPA. La primera EPA disponible con microdatos es la
correspondiente al año 1977. La explotación de dicha encuesta permite obtener
el nivel de educación conseguido por cada cohorte de población, que se han
resumido en 5 grupos (analfabetos, sin estudios, estudios primarios y
obligatorios, estudios secundarios y estudios terciarios). Los problemas
muestrales de la encuesta dificultan la toma de datos para las personas mayores.
Si descartamos los individuos de edad superior a 83 años, dispondríamos de los
niveles de cualificación obtenidos por todas las generaciones desde 1894
(aquellos con 16 años en 1910 y 83 años en 1977) hasta la actualidad (utilizando
las sucesivas EPAs). A partir de ellas obtenemos el porcentaje que ocupa cada
nivel educativo dentro de cada cohorte de población.
El problema surge a la hora de determinar el nivel de cualificación para
las generaciones nacidas entre 1846 y 1893 (de 17 a 64 años en 1910). Para ello
se han estimado las tendencias observadas para cada nivel educativo en la
composición por edades a partir de los datos de la EPA77, tal y como se muestra
en el Gráfico 1.
8
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
Gráfico 1:
Estimación tendencial de la curva de edades por nivel de cualificación.
Sin estudios
Analfabetos
0.90
0.30
0.20
y = 7E-05x2 - 0.0004x + 0.0166
R2 = 0.967
0.15
0.80
Porcentaje
Porcentaje
0.25
0.70
0.60
0.10
0.50
0.05
0.40
0.00
0.30
16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73
16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73
Est. Secundarios
0.60
0.50
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
y = 0.19e-0.0522x
R2 = 0.919
0.15
0.13
Porcentaje
0.30
0.20
y = 0.5038x-0.8724
R2 = 0.8884
0.00
Est. Terciarios
0.07
0.40
0.10
16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73
0.09
0.50
Porcentaje
Porcentaje
Est. Primarios
0.11
y = -0.0003x2 + 0.0207x + 0.4708
R2 = 0.9567
y = 0.1247x-0.4072
R2 = 0.7706
0.05
0.03
0.01
25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73
Fuente: Elaboración propia.
21 24 27 30 33 36 39 42 45 48 51 54 57 60 63 66 69 72 75
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
9
Los ajustes de las regresiones son bastante buenos, como reflejan los altos
coeficientes de correlación obtenidos. Se puede observar una evolución de la
tendencia muy diferenciada por edades y niveles de estudio, incluso para una
fecha tan relativamente temprana como es 1977.
Para estimar las cohortes de población nacidas entre 1846 y 1893 (de 17 a
64 años en 1910), es decir, aquellas cohortes que tendrían entre 84 y 131 años en
1977, se han proyectado las estimaciones presentadas en el Gráfico 1 hasta dicha
edad. Los resultados se pueden observar en el Gráfico 2. Para completar la
composición de la población en edad laboral de 1910, se utiliza la composición
porcentual de las proyecciones del Gráfico 2. La congruencia porcentual que
asegure que la suma de todos los niveles porcentuales de educación suman el
100% de la población, hace necesario dejar uno de ellos como un residuo que
permita el ajuste a dicha ratio. Se ha elegido para ello, el nivel “sin estudios”
porque es el único de todas las estimaciones que no es útil para proyectar.
Nótese que, fijándonos en la estimación del grupo sin estudios del Gráfico 1, y
proyectando su tendencia, resultaría que encontraríamos valores negativos
mucho antes de alcanzar la edad de 131 años, necesaria para nuestro propósito.
La opción de dejar el grupo “sin estudios” como elemento de ajuste, recoge su
proyección en el Gráfico 2 siguiendo de manera muy conveniente la tendencia
observada de la EPA77, logrando, a su vez, que el ajuste del porcentaje que
representa con el resto de niveles de educación, alcance el 100%.
10
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
Gráfico 2:
Proyecciones de la cualificación generacional
Sin estudios
Analfabeto
1.20
EPA77
PROYEC.
1.00
0.80
0.60
0.40
0.20
0.00
16 23 30 37 44 51 58 65 72 79 86 93 100 107 114 121 128
0.90
0.80
0.70
0.60
0.50
0.40
0.30
0.20
0.10
0.00
EPA77
16 23 30 37 44 51 58 65 72 79 86 93 100 107 114121 128
Primarios
0.50
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
Secundarios
0.3500
PROYEC
.
EPA77
0.3000
EPA77
PROYEC.
0.2500
0.2000
0.1500
0.1000
0.0500
0.0000
16 23 30 37 44 51 58 65 72 79 86 93 100 107 114 121 128
Terciarios
0.10
0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0.00
PROYEC.
EPA77
PROYEC
.
16 23 30 37 44 51 58 65 72 79 86 93 100 107 114 121 128
Fuente: Elaboración propia
16 23 30 37 44 51 58 65 72 79 86 93 100107 114 121128
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
11
De esta manera se obtiene la probabilidad de haber alcanzado un nivel de
educación determinado para cada cohorte de población en edad laboral.
El número de años cursados por cada nivel de estudios Nea ,e,t de la
ecuación (1) es difícil de establecer, dada la turbulenta historia del sistema
educativo español1. A partir de la Ley Moyano de 1856 se organiza el sistema
educativo en los niveles conocidos actualmente: nivel primario, secundario y
terciario. Sin embargo, la educación ha sido un elemento de lucha política entre
el partido conservador, respaldado por la Iglesia, y el partido liberal. La
inestabilidad política de la segunda mitad del siglo XIX y la primera del XX
provocaron que entre 1836 y 1936 se elaborara un plan educativo cada 4 años.
Intentando homogeneizar, hemos estimado que la duración media de los
estudios cursados por niveles son: Analfabetos2 1 año, sin estudios 4 años,
primarios 8 años, secundarios 12 años y terciarios 17 años.
3. Resultados empíricos
Los resultados agregados del Gráfico 3 muestran la evolución de la
población en edad de trabajar según el nivel de estudios alcanzados. Hasta 1976
se observa un proceso paralelo de incremento vertiginoso de la población en
edad de trabajar sin estudios y el paulatino descenso de los analfabetos. Tras la
promulgación en 1970 de la Ley General de Educación, por la que se establece
formalmente la obligatoriedad de la educación primaria, comienza a
experimentarse un crecimiento sostenido la población en edad de trabajar con
estudios, primero primarios, luego secundarios, y finalmente terciarios.
1
Una completa revisión de la historia del sistema educativo español puede encontrarse en Delgado (1994).
La razón de introducir un año en el nivel analfabeto es que según Delgado(1994), diversas evidencias muestran
que una gran parte de los individuos que se declaraban analfabetos en el servicio militar y en los censos de
población, habían asistido a la escuela, aunque no de forma regular, y habían aprendido a leer y escribir, pero
que su la falta de uso cotidiano les había hecho olvidar dichos conocimientos.
2
12
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
Gráfico 3:
Evolución de la población en edad de trabajar por nivel de estudios alcanzados.
18000000
16000000
14000000
Analfabetos
Sin estudios
Primarios
Secundarios
Terciarios
12000000
10000000
8000000
6000000
4000000
2000000
2000
1994
1988
1982
1976
1970
1964
1958
1952
1946
1940
1934
1928
1922
1916
1910
0
Fuente: Elaboración propia.
El Gráfico 4 ofrece la composición porcentual de la cualificación de la
población española durante el período analizado. Como se puede apreciar, la
evolución está marcada por dos fases claramente diferenciadas. Desde 1910
hasta 1970, se observa un descenso continuado del número y porcentaje de
analfabetos a favor de individuos alfabetizados y que cursaron algunos años de
estudios. Este proceso está directamente relacionado con la lenta mejoría del
sistema educativo y, sobre todo, de la progresiva migración del campo a las
ciudades. En la segunda fase, que se inicia con la Ley General de Educación de
1970, se observa cómo las distintas cohortes de población accedieron cada vez
más a los estudios secundarios y terciarios.
13
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
Gráfico 4:
Porcentaje del nivel de cualificación alcanzado de la población española.
100%
90%
80%
70%
Terciarios
Secundarios
Primarios
Sin estudios
Analfabetos
60%
50%
40%
30%
20%
10%
2000
1995
1990
1985
1980
1975
1970
1965
1960
1955
1950
1945
1940
1935
1930
1925
1920
1915
1910
0%
Fuente: Elaboración propia.
El número medio de años cursados por la población española según la
ecuación (1) se ofrece en el Gráfico 5. Como puede observarse, a partir de 1965
tiene lugar una espectacular acumulación de capital humano en un periodo
relativamente corto, una vez que se sobre pasa el umbral de 4,6 años medios de
estudio de la población en edad laboral.
14
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
Gráfico 5:
Número de años medios cursados por la población española en edad de trabajar.
10.00
9.00
8.00
7.00
6.00
5.00
4.00
3.00
2.00
1.00
1994
1987
1980
1973
1966
1959
1952
1945
1938
1931
1924
1917
1910
0.00
Fuente: Elaboración propia
Llegados a este punto, convendría la comparación de nuestro indicador
con otros datos históricos sobre la cualificación de la población española. Sin
embargo, este tipo de datos son casi inexistentes, de manera que resulta difícil
contrastar los resultados de esta metodología con otras medidas independientes.
La única información disponible es el grado de analfabetismo que existía en
cada año censal. En el Cuadro 1 se muestran tanto el grado de analfabetismo
neto del censo como el resultado de nuestra estimación. Como se puede
observar, aunque los resultados son muy parecidos, la estimación es algo
superior a la recogida en el censo. Ello es debido a que se considera un grupo
distinto de población. La población de 10 a 15 computado en el analfabetismo
neto es muy numerosa y con menor grado de analfabetismo. Por el contrario, la
población mayor de 64 años, es poco numerosa (sobre todo a principios de siglo)
y con mayor grado de analfabetismo. Este hecho, junto al hecho de que se han
utilizado datos de la EPA que es una encuesta, son las posibles causas de estas
pequeñas diferencias. Así pues, dado que esta metodología calcula
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
15
razonablemente bien el grado de analfabetismo, podemos esperar que el resto de
niveles deberían ser correctos también.
Cuadro 1: Evolución del analfabetismo.
Analfabetismo neto
(más de 10 años)
(Resultado de la
estimación,
población 16-64)
1910
50,6
55,7
1920
43,3
44,0
1930
32,4
34,0
1940
23,1
25,3
1950
14,2
18,2
1960
11,2
13,3
1970
8,5
8,5
1981
6,3
4,8
Fuente: Delgado (1994) y elaboración propia.
4. Consideraciones finales
En este trabajo hemos propuesto una metodología alternativa para la
obtención de series largas de un indicador de capital humano basado en el
numero medio de años cursados por la población en edad laboral. El
procedimiento se basa en la explotación de la información contenida en las
Labour Force Statistics de cada país, en lugar del recurso habitual al censo de
población. En particular, se utilizan microdatos de dicha fuente estadística
relativos al nivel de estudios efectivamente terminados para construir perfiles
temporales del nivel de estudios alcanzados, con lo que se evita tener que
realizar algún tipo de interpolación censal.
Como ilustración del método propuesto hemos realizado una evaluación
del número de años medios cursados por la población española en edad de
trabajar para el período 1910-2000.
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
16
Consideramos que la metodología propuesta podría ser aplicada a otros
países, con lo que se dispondría de un panel amplio de países que cubriera
periodos largos de tiempo, a partir del cual realizar una evaluación empírica
apropiada de los distintos modelos de crecimiento económico existentes en la
literatura.
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
17
Referencias bibliográficas:
Azariadis, C. y Drazen, A (1990): Threshold externalities un economic
development”, Quarterly Journal of Economics, Vol. 105, pp. 501-526.
Barro, R. J. (1991): “Economic growth in a cross section of countries”,
Quarterly Journal of Economics, Vol. 106, pp. 407-443.
Barro, R. J. (1997): Determinants of Economic Growth: A cross-country
Empirical Study. The MIT Press, Cambridge, MA.
Barro, R. J. (2001): “Human capital and growth”, American Economic Review,
Papers and Procedings, Vol. 91, pp. 12-19.
Barro, R. J. y Lee. J. W. (1993): “International comparisons of educational
attainment”, Journal of Monetary Economics, Vol. 32, pp. 363-94.
Barro, R. J. y Lee. J. W. (1996): “International measures of schooling years and
schooling quality”, American Economic Review, Vol. 86, pp. 218-23.
Barro, R. J. y Lee. J. W. (2000): “International data on educational attainment
updates and implications,” Working Paper No. 7911, National Bureau of
Economic Research, Cambridge, MA.
Benhabib, J. y Spiegel, M. M. (1994): “The role of human capital in economic
development: Evidence from aggregate cross-country and regional U. S.
data”, Journal of Monetary Economics, Vol. 34, pp. 143-173.
De la Fuente, A. y Domenech, R. (2002): "Human capital in growth regressions:
How much difference does data quality make?", Documento de Trabajo
2002-02. Dirección General de Presupuestos, Ministerio de Hacienda,
Madrid
Delgado, Buenaventura (1994) (coord.): Historia de la educación en España y
America. La educación en la España contemporánea (1789-1975).
Ediciones SM, Madrid.
Gundalach, E. (1994): “The role of human capital in economic growth: New
results and alternative interpretations”, Weltwitschaftliches Archiv, Vol.
131 pp. 383-402.
Hoyo, J. del y García, A. (1988): Análisis y predicción de la población española
(1910-2000). Monografía nº5 FEDEA, Madrid.
INE (1997): Evolución de la población de España entre los censos de 1981 y
1991. Total nacional. Instituto Nacional de estadística, Madrid.
INE (1999): Evolución de la población de España entre los censos de 1970 y
1981. Total nacional. Instituto Nacional de estadística, Madrid.
INE (2001): Proyecciones de la población de España calculadas a partir del
censo de población de 1991. Evaluación y revisión. Total nacional 19902050. Instituto Nacional de estadística, Madrid.
FEDEA – DT 2004-08 por Javier Alonso Meseguer y Simón Sosvilla-Rivero
18
Kyriacou, G. (1991) “Level and growth effects of human capital: A crosscountry study of the convergence hypothesis,”. Working Paper 91-26,
C.V. Starr Center for Applied Economics, New York University, New
York.
Lau, J. T., Jamison, D. T. y Louat, F. F. (1991): "Education and productivity in
developing countries: An aggregate production function approach," Policy
Research Working Papers 612, World Bank: Washington, DC.
Maddison, A. (1995): Monitoring the World Economy, 1820-1992. Organization
for Economic Cooperation and Development, Washington, DC.
Mankiw, N. G., Romer, D. y Weil, D. N. (1992): "A contribution to the empirics
of economic growth", Quarterly Journal of Economics, Vol. 107, pp. 407437.
Nehru, V. E. Swanson and A. Dubey (1995) “A new database on human capital
stocks in developing and industrial countries: Sources, methodology and
results.” Journal of Development Economics, Vol. 46 pp. 379-401.
Psacharopoulos, G. y Arriagada, A. (1986) :"The educational composition of the
labour force: An international comparison", International Labour Review,
Vol. 125, pp. 561-574.
Psacharopoulos, G. y Arriagada, A. (1992) :"The educational composition of the
labour force: An international update", Journal of Educational Planning
and Administration, Vol. 6, pp. 141-159.
Romer, P. (1990): “Human capital and growth: Theory and evidence”, CarnegieRochester Conference Series on Public Policy, Vol. 32, pp. 251-286.
Summers, R, y Heston, A. (1991): "The Penn World Table (Mark 5): An
expanded set of international comparisons, 1950-1988", Quarterly Journal
of Economics, Vol. 106, pp. 327-68.
Wöβmann, L. (2003): “Specifying Human Capital”, Journal of Economic
Surveys, Vol. 17, pp. 239-270.
19
RELACION DE DOCUMENTOS DE FEDEA
DOCUMENTOS DE TRABAJO
2004-08: “Capital humano en España: Una estimación del nivel de estudios alcanzado”, Javier
Alonso Meseguer y Simón Sosvilla-Rivero.
2004-07: “Modelling vintage structures with DDEs: Principles and applications”, Raouf
Boucekkine, David de la Croix y Omar Licandro.
2004-06: “Substitutability and Competition in the Dixit-Stiglitz Model”, Winfried Koeniger y
Omar Licandro.
2004-05: “The short-run dynamics of optimal growth models with delays”, Fabrice Collard, Omar
Licandro y Luis A. Puch.
2004-04: “Currency Crises and Political Factors: Drawing Lessons from the EMS Experience”,
Francisco Pérez-Bermejo y Simón Sosvilla-Rivero
2004-03: “El futuro de las pensiones en España: Perspectivas y lecciones”, J. Ignacio Conde-Ruiz y
Javier Alonso Meseguer.
2004-02: “Do temporary contracts increase work accidents? A microeconometric comparison
between Italy and Spain”, Virginia Hernanz y Luis Toharia.
2004-01: “Job Match Quality throughout the Business Cycle in the Spanish Labour Market”,
Cristina Fernández.
2003-30: “Innovation, Investment and Productivity: Evidence from Spanish Firms”, Omar
Licandro, Reyes Maroto y Luis A. Puch.
2003-29: “Efectos de las ayudas europeas sobre la economía madrileña, 1990-2006: Un análisis
basado en el modelo Hermin”, Simón Sosvilla-Rivero y José A. Herce.
2003-28: “Canarias y los Fondos Estructurales europeos”, Simón Sosvilla-Rivero.
2003-27: “How Brand Names Affect the Price Setting of Carmakers Producing Twin Cars?”, Nora
Lado, Omar Licandro y Francisco Pérez.
2003-26: “La desigualdad salarial en España. Efectos de un diseño muestral complejo”, Juan
Ramón García López.
2003-25: “Sobre la efectividad de la política regional comunitaria: El caso de Castilla-la Mancha”,
Simón Sosvilla Rivero, Oscar Bajo Rubio y Carmen Díaz Roldán.
2003-24: “El diseño complejo de la Encuesta de Estructura Salarial 1995: Implicaciones sobre la
estimación de medidas de desigualdad”, Juan Ramón García López.
2003-23: “Polarization, Inequality and Tax Reforms”, Juan Prieto, Juan Gabriel Rodríguez y
Rafael Salas.
2003-22: “El efecto del capital humano sobre el crecimiento: ¿ Importa el periodo muestral?”, Simón
Sosvilla-Rivero y Javier Alonso Meseguer.
2003-21: “On-the-Job Search in a Matching Model with Heterogenous Jobs and Workers”, Juan J.
Dolado, Marcel Jansen y Juan F. Jimeno.
2003-20: “Purchasing Power Parity Revisited”, Simón Sosvilla-Rivero y Emma García
2003-19: “Credibility and Duration in Target Zones: Evidence from the EMS”, Simón SosvillaRivero y Francisco Pérez-Bermejo.
2003-18: ““Mondays at the sun”: Unemployment, Time Use, and Consumption Patterns in Spain”,
Namkee Ahn, Juan F. Jimeno y Arantza Ugidos.
2003-17: “Protecting Against Labour Market Risk: Employment Protection or Unemployment
Benefits?”, Tito Boeri, J. Ignacio Conde-Ruiz y Vincenzo Galasso.
TEXTOS EXPRESS
2003-01: “12+1 Reflexiones sobre 12+1 años de Gasto Farmacéutico”, José-Luis Perona Larraz.
Descargar