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.