Pruebas PISA y Desarrollo Económico

En co-autoría con German Cubas

La incorporación de los países en desarrollo a la muestra de las pruebas PISA[1] ha puesto al descubierto las disparidades de los rendimientos de los estudiantes de distintos países (ver por ej. post de Sebastián Galiani Resultados PISA 2009. Peleando por el descenso.). La gran cobertura mediática de estos resultados ha generado controversia entre los gestores de la educación y el público en general. En el centro del debate están las posibles falencias de nuestros sistemas educativos para cumplir la función básica para la cual fueron creados.

Los resultados de las pruebas de rendimiento de los alumnos son una medida de la calidad de la educación de un colegio, región o país y, el diseño de la prueba PISA es ideal para comparar las habilidades de estudiantes de distintos países de forma sistemática. Claramente presentan una oportunidad excelente para analizar el vínculo entre los resultados de la prueba y el desarrollo económico.

Un resultado estándar en la literatura de desarrollo económico es que las diferencias en los años de educación explican poco las enormes diferencias en el PIB por trabajador entre países que observamos en los datos. Aunque muchos de estos trabajos tratan de medir también la “calidad” de los años de educación, se entiende que no han sido del todo satisfactorios en ese sentido. La dificultad radica en que la calidad no es directamente observable, lo que ha motivado el desarrollo de recientes trabajos que se focalizan en medir la calidad de la educación y el capital humano de los países, más allá de las diferencias observables en años de educación.

En un artículo coautorado con B. Ravikumar de la St. Louis FED analizamos  la relación entre los resultados de las pruebas PISA y el desarrollo económico dentro de un modelo de crecimiento. Específicamente, usamos los datos de PISA 2009 para medir la calidad de la educación en una muestra de 63 países. Para ello desarrollamos un modelo teórico que integra esta medida de performance dentro de un  modelo de crecimiento neoclásico de un sector.

¿Qué nos dicen los datos?

Definimos a la proporción de trabajadores calificados como aquellos miembros de la población de 15 años con al menos secundaria completa y los no calificados como su complemento. La Figura 1 muestra la correlación negativa entre el PIB por trabajador y porcentaje de la población de que no son calificados.

La Figura 2 muestra que el PIB por trabajador esta fuerte y positivamente correlacionado con la media de la prueba de matemáticas (resultados cualitativamente similares se observan en las áreas de lectura y ciencia).  Y ciertamente los países latinoamericanos se encuentran  por debajo de los más desarrollados. Uruguay, el país latinoamericano mejor posicionado en los resultados de la prueba, tiene un puntaje de 421 mientras que Estados Unidos tiene un puntaje de 487; una diferencia  mayor que una desviación estándar de la muestra (58.4). Chile sigue de cerca con 421 puntos. Argentina, bastante más lejos, aparece con 388 puntos. La contracara de estos puntajes son los bajos valores de PIB por trabajador a precios internacionales. Uruguay, Chile y Argentina tienen un PIB por trabajador equivalente al de 24%, 34% y 29% de Estados Unidos, respectivamente. Los valores en términos per capita son obviamente menores.

Finalmente, los países también difieren sustancialmente en la tasa de matriculación de sus jóvenes de 15 años. Por ejemplo, mientras en Finlandia esencialmente todos los estudiantes de 15 años concurren al secundario, en Uruguay solo el 80% lo hace.

Para resumir, hay fuertes diferencias en las medias y la matriculación cuando se comparan distintos países, que a la vez están asociadas con el nivel de desarrollo. Estas diferencias se reflejan claramente en la proporción de trabajadores calificados dentro de la fuerza laboral.

PISA y PIB por trabajador

Los datos presentados motivan un análisis de los mecanismos que moldean las decisiones que toman los agentes que hacen que estas economías luzcan diferentes. En otras palabras ¿cómo establecer vínculos causales entre las decisiones de ser calificado o no calificado, la calidad de la educación y el desarrollo económico?  De eso trata nuestro trabajo. La teoría que desarrollamos permite establecer una relación formal entre los resultados de las pruebas, la cantidad de trabajadores calificados y no calificados, la calidad de los mismos y del factor trabajo en general y, consecuentemente el nivel de PIB por trabajador para una economía dada.

Luego de fijar valores para los parámetros calibrando el modelo a EE.UU., usamos el modelo para analizar (i) cuanto de las diferencias observadas en el PIB por trabajador pueden ser explicadas por diferencias en los resultados de las pruebas PISA, (ii) cuanto por diferencias en el precio relativo del los bienes de inversión (datos de Penn World Tables) y, (iii) cuanto por diferencias en la Productividad Total de Factores  (PTF).

Si tomamos como país pobre al décimo percentil y al rico como el percentil 90 de la muestra, encontramos que las diferencias en los resultados de las pruebas PISA y la matriculación entre los países explican un 14% de las diferencias entre el rico y el pobre en la proporción de calificados en la fuerza de trabajo y casi un 30% de las diferencias en el PIB por trabajador. Adicionalmente, si a las diferencias en la matriculación y el resultado de las pruebas PISA le agregamos diferencias en la PTF (elegidas de manera tal de reproducir las diferencias entre países en el PIB por trabajador que observamos en los datos) y en el precio relativo de los bienes de inversión, el modelo explica casi el 50%  de las diferencias observadas en la porción de calificados entre el pobre y el rico.  Por lo tanto, diferencias exógenas en la formación de los jóvenes, en la PTF y en las barreras a acumular capital físico (precio relativo de los bienes de inversión) reduce los retornos de ser calificado y consecuentemente la productividad por trabajador.

Estos resultados se pueden comparar con los que surgirían de usar las medidas estándar de contabilidad del desarrollo que hacen uso del modelo neoclásico de un sector y que toman como exógena una medida de capital humano (utilizando los años de educación).  Aplicando esta metodología a la misma muestra de países, las diferencias en la calidad el factor trabajo que se obtienen entre países pobres y ricos son la mitad de las que obtenemos en nuestro modelo. Como resultado, las diferencias en PTF necesarias para reproducir las diferencias observadas en el PIB por trabajador son menores a las del modelo neoclásico tradicional. En otras palabras, al considerar la división de la fuerza de trabajo entre calificados y no calificados y su calidad a través del uso de las pruebas PISA, nuestro modelo amplifica el efecto de las diferencias de PTF: la elasticidad de PTF respecto al PIB por trabajador es 2.1 en nuestro modelo siendo 1.5 en el modelo neoclásico tradicional.

Comentarios Finales

Nuestro trabajo permite extraer conclusiones sobre las consecuencias de sistemas educativos de bajo rendimiento. El hecho de no formar bien a nuestros jóvenes afecta su decisión de asistir a la universidad y en general, la calidad de la fuerza de trabajo y por ende la productividad del trabajador medio, lo que en resumen, nos hace más pobres. Esto amerita en muchos casos una revisión de nuestras políticas educativas (ver por ej. el post de Juan Dubra al respecto http://focoeconomico.org/2011/07/13/incentivos-y-educacion/).

Nuestro trabajo muestra que las decisiones de ser calificados y la calidad educativa que se les brinda a los estudiantes dependen del nivel de PTF, lo cual amplifica los efectos de las diferencias en la PTF entre los países. Hay aquí entonces un motivo central para el diseño de políticas orientadas a eliminar barreras y distorsiones que reducen la PTF.

Por otro lado, es altamente probable que los resultados de las pruebas PISA en si mismos sean una función del nivel de productividad de la economía, algo que nuestro modelo deja de lado. Si la productividad es baja, el retorno y por ende las inversiones en la formación de niños y jóvenes serán menores. Esto aumenta aún más la importancia relativa de cuan productiva es la economía. Teniendo esto en cuenta, y considerando también las dificultades políticas y administrativas de reformar los sistemas educativos,   creemos que la prioridad debería ser el aumento de la productividad. La mejora de los sistemas educativos es importante pero quizás, paradójicamente, un problema secundario cuando la productividad es baja.

NOTA: Las opiniones vertidas en este artículo son de estricta responsabilidad de los autores y en nada comprometen a las instituciones a las cuales están vinculados.



[1] El test PISA (Programme for International Student Assesment) es una prueba internacional de evaluación de conocimientos de estudiantes de 15 años administrada por la OCDE. Los estudiantes son evaluados en tres áreas: matemáticas, ciencia y lectura.

6 Comments

  1. Muy buena entrada. Ahora bien, ¿cómo incorporan en su modelo, el hecho que existe grandes variabilidades en los resultados PISA dentro de un mismo país?¿Consideraron tomar otras medidas de posición en vez de la media? Y por último, ¿cómo hacen para ajustar en su modelo el hecho que las pruebas PISA las están haciendo a chicos que no estarán en la fuerza laboral sino hasta dentro de varios años?

  2. Martín, gracias por tu comentario. Cuando usamos el modelo, incorporamos tanto diferencias en las medias como en la heterogeneidad dentro de los países (coeficiente de variación), siendo las primeras las que tienen mayores efectos. Respecto a tu segundo punto, es claro que hay muchos de los chicos que toman el tests PISA a los 15 años y no estarán en el mercado laboral hasta digamos los 25 años. Es verdad que tanto en nuestro trabajo, como en todos los que utilizan tests de aptitudes o cognitivos para medir capital humano esto es una limitante. De todas maneras, una ventaja de PISA respecto a otras pruebas es que esta diseñada para que los estudiantes contesten preguntas relativas a situaciones cotidianas, presentes a lo largo de la vida de los individuos en donde deben utilizar conocimiento de matemáticas, lectura y/o ciencia.

  3. Sebastian Galiani says:

    Muy interesante. Gracias por el post. Me quedaron dos preguntas mientras leía el post (leeré el paper pronto):

    Por un lado, como sabemos, los países más ricos tienen un población más sana y mejor nutrida, lo cual hará que los niños tengan una mejor performance en la escuela. Entiendo que su modelo abstrae de este efecto, pero, al interpretar los datos, ¿Qué role juega este mecanismo causal del ingreso a la salud y de esta a la medición de calidad educativa?

    Algunos autores han enfatizado el role de la educación en la adopción de tecnología. Si entendí bien el post, ustedes siguieren, al menos en términos de TFP, que el incremento de la productividad no depende del nivel educativo de los trabajadores. ¿Es esto correcto?

    • Sebastián, gracias por tu comentario. Si, tomamos el resultado de las pruebas PISA como un factor exógeno, y a la vez, nos abstraemos de los canales que seguramente hay entre el ingreso y la calidad educativa a través de la salud, por ejemplo. De todas maneras, vale aclarar que en la muestra actual de países de PISA no están los países más pobres del mundo donde quizás, en media, los efectos de ese canal de nutrición hacia el rendimiento escolar es más fuerte.

      Respecto a tu segundo punto, como tu bien dices hay trabajos en los que el capital humano afecta la decisión de adoptar tecnología, esta dinámica no está presente en nuestro trabajo. En nuestro modelo el nivel de TFP (que podría interpretarse como tecnología) es exógena y en nuestros ejercicios cuantitativos, en el estado estacionario la misma es calibrada para reproducir el ingreso por trabajador observado en los datos. Lo que surge de nuestro trabajo son 3 resultados: 1) diferencias exógenas en TFP afectan la decisión de convertirse en trabajador calificado; 2) las diferencias de TFP necesarias para reproducir las diferencias de ingreso son menores que las que uno obtendría usando el modelo neoclásico estándar y, por último; 3) las diferencias en TFP se amplifican y por lo tanto la elasticidad de TFP a ingreso es mayor que en el modelo neoclásico estándar lo que le da un rol más fuerte a las diferencias en TFP, ya que las mismas afectan el nivel de ingreso, no solo directamente, sino que también a través de su efecto en el factor trabajo.

  4. Sebastián, creo que la educación es particularmente importante para adoptar tecnologías, y su efecto es más importante cuanto más alejado estas de la frontera de producción de los países ricos.

Deja un comentario