Where Do the Returns to Schooling Come From? Educational Transitions and Labor Market Payoffs
Este artículo propone un nuevo marco de mediación causal para descomponer los rendimientos de la escolaridad en efectos directos e indirectos, encontrando que la recompensa del mercado laboral de un título de secundaria proviene principalmente de su valor directo más que de vías indirectas a través de transiciones posteriores a la educación superior.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Resumen Técnico: "¿De dónde vienen los rendimientos de la escolaridad? Transiciones educativas y recompensas en el mercado laboral"
Planteamiento del problema
La investigación convencional sobre los rendimientos de la educación suele basarse en dos enfoques: medir la educación como una variable continua de "años de escolaridad" o dicotomizar el logro como un tratamiento en un punto determinado en el tiempo (por. ej., graduación de secundaria frente a no graduación). El autor argumenta que estas conceptualizaciones no se alinean con la naturaleza secuencial de las transiciones educativas, donde los individuos toman una serie de decisiones dependientes (por. ej., graduación de secundaria asistencia a la universidad obtención de un título estudios de posgrado). Los métodos existentes no logran desentrañar los rendimientos directos del mercado laboral de un nivel educativo específico de los rendimientos indirectos mediados por transiciones educativas posteriores. En consecuencia, las intervenciones de política no pueden evaluarse eficazmente basándose en si impulsan los resultados promoviendo la educación posterior o si proporcionan ventajas directas en el mercado laboral.
Marco metodológico
El artículo propone un marco de mediación causal diseñado específicamente para mediadores binarios monotónicos en un entorno secuencial.
- Supuesto de monotonicidad: El marco se basa en la característica estructural de que las transiciones educativas son monotónicas: un individuo no puede completar una transición de nivel superior (por. ej., graduación universitaria) sin haber completado primero la anterior (por. ej., graduación de secundaria). Formalmente, si , entonces . Este supuesto excluye a los "defensores" (defiers) y a los "siempre receptores" (always-takers) en el contexto de la progresión educativa.
- Descomposición del Efecto de Tratamiento Promedio (ATE): El autor deriva una descomposición del ATE de una transición educativa inicial () sobre un resultado (, por. ej., ingresos) en Efectos de Trayectoria Específicos Monotónicos (MPSE) mutuamente excluyentes:
- Un Efecto Directo (): El efecto de sobre neto de todas las transiciones subsecuentes.
- Efectos de Continuación (o Brutos) (): Los efectos que operan a través de cadenas causales específicas (por. ej., , ).
- Identificación: A diferencia del análisis de mediación convencional que a menudo requiere supuestos de independencia "cross-world" (que descartan todos los confundidores post-tratamiento), este marco utiliza la Ignorabilidad Secuencial. Este supuesto más débil permite la presencia de confundidores intermedios observados () que afectan la relación entre un mediador y el resultado, siempre que estos confundidores sean medidos. El compromiso de monotonicidad asegura que la descomposición sea algebraicamente única e identifique todos los caminos causales, mientras que las descomposiciones estándar con múltiples mediadores ordenados a menudo no logran identificar efectos de trayectoria puros debido a violaciones de los criterios de "testigo que se retracta" (recanting witness).
- Estrategias de estimación: El artículo introduce dos enfoques de estimación:
- Aprendizaje Automático Desesgado (DML): Un estimador semiparamétrico que utiliza Funciones de Influencia Eficientes (EIF) y validación cruzada (cross-fitting). Este enfoque es robusto a la especificación errónea del modelo y a covariables de alta dimensión.
- Regresión con Residuos (RWR): Un enfoque paramétrico que utiliza modelos lineales y residualización secuencial. Aunque es menos robusto a la especificación errónea, ofrece un vínculo transparente entre los componentes de la descomposición y los coeficientes de regresión.
Aplicación empírica y resultados
El marco se aplica a la cohorte NLSY97 () para analizar los rendimientos de la finalización de la secundaria sobre los ingresos anuales registrados (edades 32–36). El análisis descompone el efecto total en:
- Efecto directo de la graduación de secundaria (neto de la universidad).
- Efectos indirectos vía: (1) Asistencia a la universidad sin un título de grado (BA), (2) Obtención de un título de grado sin estudios de posgrado, y (3) Asistencia a estudios de posgrado.
Hallazgos clave:
- Dominancia de los Efectos Directos: La gran mayoría (aproximadamente el 69–75%) del retorno total a la graduación de secundaria opera directamente, neto de la asistencia posterior a la universidad y la obtención del título. El efecto directo estimado corresponde a una prima de ingresos de aproximadamente un 59–60%.
- Mediación Limitada: Los efectos indirectos mediados por la asistencia a la universidad, la obtención del título de grado y los estudios de posgrado son relativamente pequeños.
- El efecto de continuación vía la asistencia a la universidad (sin un título de grado) y vía la obtención del título de grado (sin estudios de posgrado) cada uno representa aproximadamente el 15% del efecto total.
- La vía a través de los estudios de posgrado es insignificante y estadísticamente no significativa.
- Mecanismo de la Pequeña Mediación: El artículo atribuye los pequeños efectos indirectos no a bajos rendimientos de los títulos universitarios, sino a bajas tasas de progresión contrafactual. Incluso si los graduados de secundaria asistieran a la universidad, la probabilidad de que completen un título de grado o asistan a estudios de posgrado sin mayor intervención es baja. Por lo tanto, la vía de "continuación" está constreñida por la baja probabilidad de atravesar la cadena educativa completa.
- Robustez: Los análisis de sensibilidad respecto a la confusión no observada sugieren que el hallazgo principal —que los rendimientos son abrumadoramente directos— sigue siendo robusto incluso bajo supuestos fuertes sobre los confundidores no medidos.
Significancia y contribuciones
El artículo realiza tres contribuciones principales:
- Investigación Educativa: Proporciona una descomposición no paramétrica de los efectos de la escolaridad que distingue entre los rendimientos directos del mercado laboral y los rendimientos mediados por la educación posterior. Esto permite una comprensión más matizada de por qué la educación rinde frutos, yendo más allá de las simples estimaciones de "años de escolaridad".
- Análisis de Mediación Causal: Extiende la literatura sobre efectos de trayectoria específicos (PSE) explotando la monotonicidad de las transiciones secuenciales. Esto permite la identificación de todos los caminos causales en una secuencia bajo supuestos más débiles (ignorabilidad secuencial) que los requeridos para entornos generales con múltiples mediadores, que a menudo no pueden identificar efectos de trayectoria puros debido a los testigos que se retractan.
- Avance Metodológico: Introduce y valida estimadores semiparamétricos (DML) para efectos de trayectoria específicos monotónicos, demostrando su superioridad sobre los métodos paramétricos (RWR) en presencia de especificación errónea del modelo.
El autor concluye que el marco es aplicable a otros dominios caracterizados por transiciones monotónicas dependientes del estado, como la formación familiar (matrimonio/divorcio), la progresión de la salud o el contacto con el sistema de justicia penal, aunque el artículo se centra en su demostración empírica en la educación.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.