E C O N O M Í A TESIS de MAGÍSTER IInstituto N S T I de T Economía U T O D E DOCUMENTO DE TRABAJO 2014 Movilidad de Profesores: Salarios y Vulnerabilidad Diego Vela. www.economia.puc.cl PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE INSTITUTO MAGISTER EN DE ECONOMIA ECONOMIA TESIS DE GRADO MAGISTER EN ECONOMIA Vela, Grau, Diego José Diciembre, 2014 PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE INSTITUTO MAGISTER EN DE ECONOMIA ECONOMIA MOVILIDAD DE PROFESORES: SALARIOS Y VULNERABILIDAD Diego José Vela Grau Comisión Constanza Fosco y Tomás Rau Santiago, diciembre de 2014 Movilidad de profesores: salarios y vulnerabilidad * Diego Vela Grau Pontificia Universidad Católica de Chile Tesis de Magister en Economı́a Segundo Semestre 2014 Resumen Este trabajo estudia la movilidad de los docentes entre escuelas y fuera de la profesión, según las caracterı́sticas de cada establecimiento e identificando las diferentes calificaciones que tienen los docentes. Los resultados son consistentes con la literatura internacional; los salarios y la vulnerabilidad del establecimiento afectan significativamente la distribución de los docentes de alta calificación en el sistema educacional chileno. Los profesores de alta calificación se concentran en los colegios que pagan mayor salario y tienen una menor vulnerabilidad. A diferencia de lo encontrado en otros paı́ses, los salarios afectarı́an más que la vulnerabilidad la contratación de los profesores con mayor calificación. Sin embargo, esto es distinto cuando se observa la retención de estos docentes. Los docentes de alta calificación tendrı́an una mayor probabilidad de dejar la profesión docente si la escuela de su último trabajo tiene una mayor vulnerabilidad, a diferencia del resto de los docentes, quienes no verı́an afectada negativamente su duración en el sistema. También se observa que los beneficios entregados por el establecimiento como las capacitaciones aumentan la retención de los docentes. * Diego Vela Grau, Pontificia Universidad Católica de Chile, Vicuña Mackenna 4860, Santiago, Chile. Me gustarı́a agradecer a Constanza Fosco y Tomás Rau por su continua guı́a y comentarios. Además, quiero agradecer a Raimundo Undurraga por acompañarme y sus consejos, a Felipe Arteaga, Matı́as Covarrubias, Paula Covarrubias, Gabriel Cruz, Juan Manuel Cruz, Nicolás Grau, Cristobal Otero, Sebastián Otero, Nicolás Muñoz, Guillermo Larraı́n y Mario Waissbluth por sus comentarios y sugerencias. A mi padres Patricio Vela y Josefina Grau, mis hermanos y mi polola, Fernanda Soto, por su cariño y apoyo en todo momento y, por último, a mis amigos Martı́n Castro, Rodrigo Echecopar, José Ignacio Garcia, Ainztane Lorca, Nicolás Marshall, José Manuel Moller, Federico Rengifo y Raimundo Rodriguez. Comentarios a djvela@uc.cl. 1 “umuntu, nigumuntu, nagamuntu”, que en zulú significa “una persona es una persona a causa de los demás.” 2 Índice 1. Introducción 4 2. Revisión de literatura y marco teórico 5 2.1. Factores de la movilidad de los profesores . . . . . . . . . . . . . . . . . . . . . 5 2.2. Alta calificación de los profesores . . . . . . . . . . . . . . . . . . . . . . . . . . 8 3. Estrategia empı́rica 10 3.1. Contratar profesores de alta calificación . . . . . . . . . . . . . . . . . . . . . . 10 3.2. Duración del docente en el último establecimiento . . . . . . . . . . . . . . . . . 13 4. Análisis de los datos 14 5. Resultados 19 6. Conclusiones e implicancias 31 3 1. Introducción La educación cumple un rol clave, tanto en el desarrollo de las personas como en el de los paı́ses. Por ejemplo, la evidencia muestra que más y mejor educación implica mayores ingresos y mayor expectativa de vida individual y tiene efectos positivos y significativos en las tasas de crecimiento económico a nivel agregado (Kimko y Hanushek, 2000; OECD, 2008, 2012). Al mismo tiempo, la escuela es el espacio de aprendizaje formal de los niños1 . En el proceso educativo los profesores son uno de los principales factores para el desarrollo de habilidades cognitivas y no cognitivas, y tienen una gran incidencia en los resultados de los estudiantes. Sin embargo, su impacto es heterogéneo; varı́a según la efectividad del profesor (Rivkin, Hanushek, y Kain, 2005; Aaronson, Barrow y Sander, 2007). En consecuencia, es importante identificar los factores que afectan la distribución de los docentes según sus calificaciones dentro del sistema educacional y fuera de él. La evidencia internacional muestra que la movilidad de los profesores entre colegios y su deserción de la profesión se relacionan directamente con las caracterı́sticas de los docentes y de sus estudiantes (Boyd, Lankford, Loeb, y Wyckoff, 2005; Podgursky, Monroe y Watson, 2004; Clotfelter, Ladd y Vigdor, 2011). Los profesores con mayores calificaciones tienen mayores probabilidades de cambiarse de colegio y de retirarse de la profesión si trabajan en un establecimiento con estudiantes más vulnerables (Murname, Singer y Willet, 1988; Murname y Olsen, 1990; Boyd et al., 2005). De la misma forma, en Chile se observa que el nivel de calificación de los profesores está inversamente distribuido según el nivel socioeconómico de los estudiantes (Ortuzar, Flores, Milesi, Cox, 2009; Bascopé y Meckes, 2010; Cabezas, Gallego, Santelices, y Sarhi, 2011). Las diferencias en la distribución de los docentes según sus calificaciones académicas se producen a partir de la elección del primer trabajo y se van amplificando a medida que se mueven o desertan de la profesión docente (Cabezas et al., 2011). Este trabajo estudia la movilidad de los docentes entre escuelas y fuera de la profesión, según las caracterı́sticas de cada establecimiento e identificando las diferentes calificaciones que tienen los docentes. Estudios anteriores sobre la movilidad de profesores en Chile han estimado cómo inciden atributos académicos en las dinámicas laborales de los docentes y pocos han utilizado información longitudinal. Esta investigación contribuye a la literatura de movilidad de profesores en Chile de tres maneras. En primer lugar, porque estudia cómo afectan los salarios y la composición de estudiantes en cada establecimiento la posibilidad de tener docentes de alta calificación2 . En segundo lugar, porque analiza cómo caracterı́sticas del docente, salarios y composición de los 1 Actualmente de forma obligatoria durante 12 años en la mayor parte de los paı́ses desarrollados. La escuela puede ofrecer aprendizajes que en el hogar los niños no obtienen, especialmente si viven en entornos desaventajados (Heckman, 2008; Heckman, 2011). 2 En las tablas de este estudio los docentes de alta calificación son presentados como ”Profesor TOP´´ y el resto de los docentes como ”No TOP´´. 4 estudiantes en cada establecimiento afectan la movilidad de los profesores (salida de la profesión y cambio de establecimiento), similar a lo realizado por Boyd et al. (2005) y Clotfelter et al., (2011). Por último, porque utiliza la trayectoria laboral de los docentes contenida en el Panel de la Encuesta Longitudinal Docente (2003-2009), en adelante ELD, lo que permite hacer estimaciones con efectos fijos y usar el rezago de algunas variables, logrando corregir las estimaciones de sesgos de variable omitida y causalidad reversa, a diferencia de trabajos anteriores de la literatura sobre el tema (e.g. Clotfelter et al. (2011)). Para esto, se utilizan diferentes especificaciones de un modelo probit que permiten calcular la probabilidad de que un colegio tenga al menos un docente de alta calificación y a través de un modelo con efectos fijos se estima cómo inciden caracterı́sticas del establecimiento en la proporción de docentes de alta calificación que tiene ese establecimiento. Cada modelo se estima con diferentes aproximaciones a un docente de alta calificación; estas son: altas notas de enseñanza media, alto puntaje PPA/PSU, haber egresado de una universidad selectiva y tener tres o más años de experiencia. Además, se explota el panel de la ELD para controlar por heterogeneidad de la estimación, utilizando variables rezagadas y controlando por efectos fijos que estén presentes en la estimación. También se identifican los factores significativos en la permanencia de un docente en un establecimiento, utilizando un modelo de duración proporcional de Cox aplicado a los distintos caminos que puede tomar un docente al dejar de trabajar en un establecimiento. Estos son: 1) dejar de hacer clases, ya sea para irse a otro trabajo o para dejar de trabajar, 2) dejar algún colegio particular subvencionado para irse a uno de otra dependencia o para dejar la profesión docente; 3) dejar algún colegio municipal para irse a uno de otra dependencia o para dejar la profesión docente; y 4) cambiarse de un colegio a cualquier otro. El resto de este trabajo se organiza de la siguiente forma. La sección 2 aborda el marco teórico y revisa la literatura sobre la importancia de los profesores en el proceso educativo y los estudios sobre el mercado del trabajo de los docentes y su movilidad. La sección 3 explica la estrategia empı́rica utilizada. La sección 4 describe los datos utilizados y analiza las estadı́sticas descriptivas y la sección 5 presenta los resultados principales. Por último, la sección 6 concluye. 2. 2.1. Revisión de literatura y marco teórico Factores de la movilidad de los profesores Para poder analizar la movilidad laboral de los docentes en Chile, es necesario entender las posibilidades de decisión que tiene un docente en el mercado del trabajo. Por un lado, el establecimiento es el que demanda el trabajo, decide a quién contratar y define las condiciones de contrato (salario, rol y horas de contrato principalmente) basado en la cantidad de niños a los que debe atender. Por otro lado, el docente decide su oferta sobre a cuál establecimiento 5 postular y una vez trabajando, puede optar por moverse de establecimiento o dejar de la labor docente. Estos procesos interactúan en los mecanismos de oferta y demanda del mercado, determinando la dotación final de profesores por establecimiento. El Fondo de Investigación y Desarrollo En Educación (FONIDE) realizado por Flores, Ortúzar, Ayala y Milesi (2014) caracteriza el proceso de selección y contrataciones de docentes en la Región Metropolitana de Chile. En este estudio los autores observan que existe un alto nivel de estratificación de postulantes a los cargos docentes. En el caso de los colegios municipales y particulares subvencionados con bajo o nulo copago postulan profesores egresados principalmente de institutos profesionales o centros de formación técnica, de origen social bajo o medio bajo. Lo contrario sucede en los colegios particulares pagados o subvencionados con alto copago, quienes tienen una mayor propensión a recibir egresados de universidades con altos niveles de acreditación. También identifican que los colegios no aplican criterios diferentes a la hora de seleccionar a quién contratar, generalmente optan por profesores egresados de universidades de más alto nivel de acreditación. La regulación laboral de los profesores es diferente para los docentes que trabajan en el sector municipal que los que trabajan en la educación particular. Por un lado, los colegios municipales son regulados por el Estatuto Docente, que pone muchas restricciones a las razones de despido y vincula fuertemente los salarios a los años de experiencia. Los colegios particulares por su parte, son regulados por el Código del Trabajo, el cual tiene una mayor flexibilidad en la fijación de salarios y en las condiciones laborales (Correa, Parro y Reyes, 2014). Correa et al. (2014) modelan esta dicotomı́a en la regulación laboral y encuentran que existe una autoselección negativa hacia el sector municipal de los docentes con mejores caracterı́sticas no observables. Por su parte, Flores et al (2014) encuentran que existe un bajo flujo en la movilidad de los docentes producto de las rigideces del Estatuto Docente, pero también identifican el bajo flujo en establecimientos privados subvencionados sin copago, sugiriendo que existen otros factores que inciden en la trayectoria laboral de los docentes. Los salarios son un factor relevante en la decisión de movilidad de un profesor. Dolton y van der Klaaw (1999), a través de un modelo de duración semiparamétrico, encuentran que existe un claro vı́nculo entre salarios y deserción de profesores. Al igual que otros estudios, encuentran que es fundamental el salario, pero los montos ofrecidos no serı́an los suficientes para superar el salario de oportunidad que tendrı́an los profesores en otro trabajo (ver Clotfelter et al., 2011). Sin embargo, Hanushek, Kain y Rivkin (1999) consideran que los salarios tienen un modesto impacto en la movilidad de los profesores. Ası́ también, Scafidi, Sjoquist y Stinebrickner (2006) muestran que el mayor sueldo que le puedan ofrecer en un trabajo alternativo a nuevos docentes (quienes registran las mayores tasas de deserción) no es una de las principales razones para dejar la docencia. Este estudio busca contribuir a la literatura sobre esto, al utilizar una estrategia de identificación acorde a un panel de datos, permitiendo corregir sesgos de variable omitida y causalidad reversa. También contribuye por las caracterı́sticas particulares del contexto chileno, el cual es diferente al de los estudios anteriores, ya que los docentes chilenos son los que reciben 6 menores remuneraciones dentro de los paı́ses miembros de la Organización para la Cooperación y el Desarrollo Económicos (OCDE) (OECD 2014). Uno de los principales factores en la decisión de trabajo del profesor estarı́a relacionado con las caracterı́sticas de los estudiantes del establecimiento. En este estudio es de especial interés explorar cómo afectan caracterı́sticas socioeconómicas de los estudiantes la movilidad de los profesores. La literatura muestra que los profesores prefieren hacerles clases a los estudiantes que tengan alto rendimiento y que no pertenezcan a minorı́as socioeconómicas, étnicas o raciales. Boyd (2005) encuentra que los profesores prefieren estudiantes de altos resultados, incluso después de controlar por composición racial. Scafidi, Sjoquist y Stinebrickner (2007) obtienen resultados en la misma lı́nea, concluyendo que los profesores tienen una mayor tasa de deserción cuando hacen clases a una alta proporción de estudiantes pertenecientes a minorı́as raciales o vulnerables. Hanushek, Kain y Rivkin (1999) concluyen que las caracterı́sticas de los estudiantes afecta más la movilidad de los profesores que cambios en los salarios. Hanushek, Kain y Rivkin (2004), para el caso de Texas, y Clotfelter et al. (2011), para el caso de Carolina del Norte, estiman cuánto deberı́a ser el aumento de un salario relativo para que los profesores estén dispuestos a hacer clases a minorı́as de raza o vulnerables. Las estimaciones concluyen que para neutralizar el aumento en la probabilidad de irse, un colegio con un 10 % más de alumnos minoritarios deberı́a aumentar sus salarios en el orden de un 10 %. Otras caracterı́sticas no pecuniarias pueden afectar la decisión laboral del docente. El tamaño de la clase, las horas no lectivas para preparar clases, la flexibilidad laboral y los liderazgos del establecimiento pueden afectar la decisión de trabajo del docente. Rivkin et al. (2005) encuentran que estas caracterı́sticas no pecuniarias facilitan la obtención de resultados en los estudiantes por parte de los profesores. Posteriormente, Loeb y Beteille (2009) incorporan estos aspectos como claves, junto al salario para la decisión de oferta laboral del profesor. En particular encuentran que una mayor posibilidad de éxito en el trabajo, medido en resultados de los estudiantes, aumentarı́a la retención de los profesores. En el caso de los profesores con mayor calificación, los cuales se estudian en particular en este trabajo, se observa que tienden a dejar de hacer clases antes. Murnane y Olsen (1990) encuentran que profesores con mejores resultados en el Examen Nacional de Profesores (NTE, por su sigla en inglés) son más proclives a dejar de hacer clases. Lankford, Loeb y Wyckoff (2002) encuentran diferencias sustanciales en las calificaciones de los profesores a lo largo del estado de Nueva York. Estas diferencias derivan de la decisión de primer empleo y de los diferentes niveles de deserción que tienen los profesores. Podgursky et al. (2004) también llega a la misma conclusión. La comparación con los pares es algo también relevante en la decisión de los profesores de alta calificación. Feng y Sass (2008) encuentran que los docentes altamente calificados, después de un cierto periodo conociendo los resultados académicos de sus estudiantes, deciden moverse a otro establecimiento si sus pares (los docentes con los que trabajan) logran una efectividad menor que ellos en los resultados de los estudiantes. Los autores encuentran que esto también 7 se cumple para profesores de baja efectividad; docentes que tienen menor efectividad que sus pares optan por cambiarse de establecimiento a uno donde sus pares tengan efectividad similar a ellos. Podgursky et al. (2004) igualmente encuentran estos resultados, pero solo a nivel de los docentes con alta efectividad. 2.2. Alta calificación de los profesores Los profesores generan un efecto heterogéneo en los resultados de los estudiantes y es difı́cil relacionar este efecto con variables observables de los docentes (Rivkin et al., 2005; Aaronson et al., 2007). Sin embargo, diversos autores (ver revisión de Goldhaber, 2008) plantean que hay varias caracterı́sticas observables del docente que se pueden relacionar con el impacto en los resultados de los alumnos, aunque solo explique una porción del efecto. En esta investigación es de interés identificar los factores que inciden en que un establecimiento tenga profesores de alta calificación y cómo las caracterı́sticas observables de estos afectan en su movilidad. Por esto, es necesario precisar qué variables observables serán las que se relacionan con calidad docente. Existen estudios que muestran que evaluaciones de los profesores como pruebas de ingreso a la educación superior o puntajes en la licenciatura son buenos predictores de los resultados de los alumnos de estos (resumen en Goldhaber, 2008). Para el caso chileno Bravo, Falck, Gonzáles, Manzi y Peirano (2008) y Loyola (2013) utilizan los resultados de la evaluación docente y caracterı́sticas de la formación docente para estimar correlaciones entre resultados de los profesores y estudiantes medidos a través de la prueba SIMCE. Estos estudios encuentran correlaciones positivas y un mayor efecto en las colas de la distribución. También Toledo, Puentes y Valenzuela (2010) incorporan otras caracterı́sticas del docente como experiencia y avance curricular, encontrando una relación positiva y permanente entre estas caracterı́sticas y los resultados académicos del alumno. Varios estudios utilizan el puntaje de la prueba de admisión a la Universidad en Estados Unidos (SAT) como variable que muestra la calidad de los docentes (Ballou y Podgursky, 1997; Figlio, 2002)3 . En estos estudios reconocen la dificultad de medir objetivamente la calidad de un profesor, pero sostienen que hay factores observables que permiten indicar la calidad del docente o, al menos, la inteligencia de este. Por eso utilizan la selectividad de la institución de educación superior y los puntajes de acceso obtenidos por los postulantes (ambas correlacionadas). Lo anterior se relaciona con lo concluido en el informe McKinsey publicado el año 2007, donde se investigó cómo hicieron los sistemas educativos con mejor desempeño del mundo 3 Los autores obtienen diferentes resultados en sus estimaciones. Por un lado, Ballou y Podgursky (1997) no encuentran relación significativa entre los cambios de salarios y caracterı́sticas de los nuevos profesores. Por otro, Figlio (2002), quien complementa con otros datos la base empleada por Ballou y Podgursky (1997), considera que existe una relación positiva entre salarios y contratar docentes de alta calificación. 8 para alcanzar sus objetivos. Entre sus principales hallazgos se identificó la importancia de atraer a los mejores estudiantes a la docencia (McKinsey 2007), planteando que “la calidad de un sistema educativo tiene como techo la calidad de sus docentes”. En el caso chileno, son considerados los mejores estudiantes quienes obtienen los más altos puntajes en la Prueba de Selección Universitaria (PSU/PAA) y en las Notas de Enseñanza Media (NEM)4 . Los resultados de la PSU tienen una correlación positiva con los resultados de la Evaluación INICIA (MINEDUC 2013), evaluación que busca identificar los conocimientos pedagógicos y disciplinarios alcanzados por los egresados de las carreras de pedagogı́a. Manzi (2011) encuentra que, para un mismo estudiante, no existen diferencias estadı́sticamente significativas entre sus resultados PSU/PAA y sus resultados al egresar5 . Debido a la escasa evidencia nacional sobre la relación entre formación inicial docente y efectividad del desempeño docente, no se puede concluir que PSU/PAA y NEM sean buenos predictores de esta, pero sı́ existe evidencia sobre su relación con la calificación de los docentes al momento de su egreso de la educación superior. Con respecto a usar la experiencia como proxy para calidad docente, la literatura encuentra que ella es un buen instrumento. Profesores principiantes o sin experiencia, independientemente de sus capacidades finales, tienen menor efectividad y logran menores resultados en sus estudiantes que profesores con más años de experiencia (Rivkin et al., 2005; Goldhaber, 2008; Clotfelter et al., 2011). Para el caso chileno, Lara, Mizala y Repetto (2010) encuentran que mayor experiencia se correlaciona con mejores resultados en matemáticas y lenguaje medidos a través de la prueba SIMCE. Los estudios difieren en los años de experiencia que permiten marcar esta distinción. Considerando la literatura existente, Clotfelter et al. (2011) concluyen que, en promedio, profesores con tres o más años de experiencia son más efectivos que los demás. Los estudios que han analizado la distribución de profesores en Chile encuentran que el nivel de calificación de los docentes está desigualmente distribuido según el nivel socio económico (NSE) de los estudiantes. Ortúzar et al. (2009) analizan la distribución de algunas caracterı́sticas de la formación inicial de profesores (FID) municipales y su relación con el desempeño docente y escolar. Encuentran que existe un ordenamiento sistemático de profesores con niveles menores de FID y desempeño docente en escuelas clasificadas como vulnerables. Por su parte, Bascopé y Meckes (2010) encuentran que profesores con mejores resultados en sus evaluaciones de conocimiento disciplinario al egreso y provenientes de universidades selectivas 6 no se distribuyen uniformemente y se ubican preferentemente en escuelas de mayor NSE y de mejores resultados en SIMCE, mientras que en las escuelas de menor NSE se ubican preferentemente los nuevos profesores de resultados menos destacados y de caracterı́sticas socioeconómicas de 4 Desde el 2012 también se considera como mejores estudiantes a quienes tengan un alto Ranking de Notas. 5 Solo dos de las 36 instituciones estudiadas hacı́an una diferencia estadı́sticamente significativa y positiva en los conocimientos disciplinarios de sus estudiantes dados sus niveles de entrada. 6 Construyen un ı́ndice de selectividad ponderando los puntajes promedio de los ingresados a cada programa según la proporción de la matrı́cula del programa respecto de la matricula total de la institución. 9 origen semejantes a la población escolar de dichos establecimientos. Cabezas et al. (2011) utilizan la Encuesta Longitudinal Docente (ELD) para ver la trayectoria laboral de los docentes en Chile. Encuentran que profesores con menor experiencia, menores puntajes, que no estudiaron en universidades acreditadas o que estudiaron bajo modalidad diurna o algunos dı́as a la semana tienden a trabajar en colegios más vulnerables. También observan que la concentración en colegios municipales de profesores con baja calificación se produce después de su primer trabajo. Por ello, la elección del primer trabajo serı́a un aspecto importante a considerar para analizar la movilidad posterior. Este estudio busca aportar a la literatura de movilidad de docentes en Chile, incorporando caracterı́sticas del establecimiento, composición de los estudiantes, salarios y diferentes calificaciones de los docentes en la modelación de la contratación y deserción de los docentes. Por el alcance de los datos, las caracterı́sticas de los docentes se ven limitadas a resultados en la PSU/PAA, NEM y aspectos de su formación inicial docente7 , complementándose con experiencia, género y edad de los docentes. Considerar caracterı́sticas del docente determinadas antes de la profesión permite utilizar caracterı́sticas exógenas del docente y no confundir el análisis con decisiones posteriores de los profesores. 3. Estrategia empı́rica La estrategia empı́rica consta de dos etapas. En primer lugar, se estudia el efecto de los salarios y la composición de estudiantes por establecimiento en la probabilidad de contratación de docentes de alta calificación. En segundo lugar, se analiza cómo caracterı́sticas del docente, salarios y composición de estudiantes por establecimiento afectan la movilidad de los profesores (salida de la profesión y cambio de establecimiento). 3.1. Contratar profesores de alta calificación En la revisión de literatura se presentó que en los establecimientos donde se concentran estudiantes de minorı́as sociales, étnicas y raciales existe una baja dotación de profesores de alta calificación. Ası́ también, estos docentes son los que tienen mayores niveles de deserción, lo cual generarı́a efectos negativos en los resultados de los estudiantes más desaventajados. Por lo anterior, es de interés estudiar qué factores son determinantes para que un profesor de alta calificación trabaje en un establecimiento, considerando caracterı́sticas del establecimiento y del docente. Este análisis se realiza después de obtenido el equilibrio en el mercado laboral de profesores de alta calificación, tal como sucede en cualquier mercado, es fruto de la interacción entre 7 Se tiene información sobre Evaluación Docente y resultados de la encuesta SNED para una cantidad reducida de docentes, por lo que no se pueden utilizar. 10 oferta y demanda de profesores. El salario y la cantidad de horas laborales contratadas es determinado a partir del equilibrio entre horas ofrecidas por los profesores y horas contratadas por los colegios. Es decir, estudiamos el resultado del proceso de matching entre el profesor y la escuela. Para poder identificar adecuadamente esto último, se deben considerar en la estimación y análisis los factores que son determinantes en la decisión del docente y del establecimiento para ofrecer y contratar determinadas horas laborales, controlando por potenciales problemas de endogeneidad o causalidad reversa. La estrategia de identificación consta de dos modelos. Primero se estima la probabilidad de que un colegio contrate al menos a un profesor de alta calificación vı́a un modelo probit, similar a lo realizado por Clotfelter et al. (2011). Se realizan 4 estimaciones de este modelo, una para cada definición de profesor de alta calificación. Las caracterı́sticas utilizadas para definir a un profesor de alta calificación son: haber tenido sobre promedio 6 en sus Notas de Enseñanza Media (NEM)8 ; resultado sobre los 630 puntos en la prueba de ingreso a la educación superior (PSU/PAA)9 ; tres o más años de experiencia como profesor (exp)10 y si egresó de una institución de educación superior en la que los matriculados en primer año superen en promedio los 550 puntos en su puntaje de ingreso (selec), institución que según otros estudios es catalogada como selectiva11 . La segunda estimación, realiza un modelo con efectos fijos para la proporción de profesores de alta calificación en cada colegio. Para poder controlar por potenciales endogenidades producidas por variables no observables, se incorpora en la estimación una variable dummy por cada comuna, tipo de dependencia de los establecimientos, y año, además de una variable interactiva construida a partir de las variables dummy de comuna y dummy de dependencia. Esto permite controlar por los efectos fijos a nivel de comuna y distinguir los efectos que se producen a este nivel según el tipo de dependencia. Para controlar por el tamaño del establecimiento se incorpora una variable de la cantidad de docentes por establecimiento en la muestra. Finalmente, se realiza una estimación con el rezago de las variables de vulnerabilidad del establecimiento y salario de los profesores, para controlar parte de la causalidad reversa que podrı́a existir entre estas variables y la variable dependiente. Esto es posible gracias al panel de datos utilizado. Los errores estándar son robustos y son estimados por conglomerado (cluster) a nivel de comuna. Las ecuaciones se pueden expresar de la siguiente forma: ◦ Probabilidad de tener al menos un docente de alto nivel de calificación según el salario promedio de los profesores en el establecimiento y la vulnerabilidad del establecimiento. (Probit con efectos fijos a nivel de comuna) Probal menos un prof esor T OP j,t = α Salario Promedio del Establecimientoj,t + β Vulnerabilidad del Establecimientoj,t + ϑ Beneficios del Establecimientoj,t + δ Desempleo de la 8 Al igual que Cabezas et al. (2011). Puntaje equivalente a pertenecer al 25 % superior de los puntajes de los docentes. 10 Al igual que Clotfelter et al. (2011) 11 Al igual que Cabezas et al. (2011), este criterio cataloga de selectivas aquellas universidades que en promedio superan el 30 % en la distribución del puntaje PSU a nivel nacional. 9 11 región del Establecimientoj,t + Dummy Año + Dummy Comuna + Dummy Dependencia + Dummy Comuna × Dummy Dependencia + Cantidad Docentes Establecimiento + comuna ◦ Probabilidad de tener al menos un docente de alto nivel de calificación según el rezago del salario promedio de los profesores en el establecimiento y la vulnerabilidad del establecimiento. (Probit con efectos fijos a nivel de comuna) Probal menos un prof esor T OP j,t = α Salario Promedio del Establecimientoj,t−1 + β Vulnerabilidad del Establecimientoj,t−1 + ϑ Beneficios del Establecimientoj,t + δ Desempleo de la región del Establecimientoj,t + Dummy Año + Dummy Comuna + Dummy Dependencia + Dummy Comuna × Dummy Dependencia + Cantidad Docentes Establecimiento + comuna , donde la unidad de análisis es el establecimiento j en el año t. La variable dependiente se define como una variable binaria, que obtiene el valor uno cuando un colegio tiene al menos un profesor de alta calificación y cero cuando el establecimiento no tiene profesores de alta calificación. Las variables que se utilizan para describir la composición del establecimiento es el nivel de vulnerabilidad del establecimiento definido por el Índice de Vulnerabilidad del Establecimiento (IVE) calculado por la JUNAEB12 . También se incorporan los beneficios entregados a los docentes en cada establecimiento, el salario promedio por establecimiento y caracterı́sticas del mercado del trabajo, como el desempleo por región. Generalmente la principal justificación para el uso de datos de panel tiene que ver con la posibilidad de controlar por aquellas caracterı́sticas de la unidad de análisis que son constantes en el tiempo, lo cual reduce problemas de variable omitida. Sin embargo, un adecuado uso de los datos requiere en primer lugar verificar la presencia de heterogeneidad no observable a nivel de colegios, y en caso de existir, determinar si estos responden a un modelo de efectos aleatorios o un modelo de efectos fijos. En un modelo de efectos aleatorios, la heterogeneidad no observable en su totalidad varı́a en el tiempo y no está correlacionada con las variables independientes incluidas en el modelo. En otras palabras, no hay problema de endogeneidad ya que las variables omitidas del modelo (la heterogeneidad no observable), las cuales están contenidas en el término de error, son ortogonales al resto de las variables independientes contenidas en el modelo. Una estimación vı́a mı́nimos cuadrados generalizados es suficiente para obtener estimadores consistentes y eficientes en este caso. En contraste, bajo el modelo de efectos fijos, las caracterı́sticas no observables y fijas en el tiempo están correlacionadas con el término de error, y por tanto controlar por ellas es condición necesaria para evitar omisión de variables relevantes y en efecto obtener estimadores consistentes en el modelo. 12 El ı́ndice cambió su forma de medición de la vulnerabilidad el año 2008. Para asegurar que los datos sean comparables, se estandarizó año a año este ı́ndice. La fórmula aplicada fue: IV Ei,t = (IV Ei,t − IV¯Et )/σIV E . 12 El test estándar para determinar si hay presencia de heterogeneidad no observable en el modelo es el Lagrange multiplier test de Breusch-Pagan. En caso de verificar la presencia de heterogeneidad no observable en el modelo, el test estándar para determinar si el uso correcto de los datos sigue un modelo de efectos aleatorios o un modelo de efectos fijos, es el test de Hausman, el cual básicamente compara los coeficientes de un modelo de mı́nimos cuadrados generalizados (efectos aleatorios) con los coeficientes de un modelo de mı́nimos cuadrados ordinarios (controlando por efectos fijos), y verifica si en conjunto son significativamente distintos o no. Si rechazamos la hipótesis nula de igualdad en los coeficientes de cada modelo entonces estamos en presencia de un modelo de efectos fijos. Siguiendo esta lógica, se estima una regresión lineal de Mı́nimos Cuadrados Ordinarios (MICO) para la proporción de profesores de alta calificación en cada colegio (ver sección resultados). La variable dependiente de la estimación se obtiene del promedio de docentes de alta calificación en cada establecimiento de la muestra. Las variables independientes son las mismas utilizadas para el modelo probit presentado anteriormente, utilizando el rezago del salario promedio de los docentes a nivel de establecimiento y la vulnerabilidad del establecimiento. Los errores estándar son robustos y estimados por conglomerado (cluster) a nivel de comuna. Las ecuaciones se pueden expresar de la siguiente forma: ◦ Proporción promedio de docentes de alto nivel de calificación según el rezago del salario promedio de los profesores en el establecimiento y la vulnerabilidad del establecimiento. Proporción profesores TOPj,t = α Salario Promedio del Establecimientoj,t−1 + β Vulnerabilidad del Establecimientoj,t−1 + ϑ Beneficios del Establecimientoj,t + δ Desempleo de la región del Establecimientoj,t + Dummy Año + Dummy Comuna + Dummy Dependencia + Dummy Comuna × Dummy Dependencia + comuna 3.2. Duración del docente en el último establecimiento La dotación de profesores en cada escuela se ve afectada por los nuevos docentes que llegan y por la salida de los docentes que estaban en la escuela. Un docente puede dejar un colegio para cambiarse a otro o puede optar salir de la labor docente temporal o permanentemente. Identificar los factores que más inciden en estas distintas decisiones de salida por parte del docente es relevante para entender las causas y las dinámicas de la inequitativa distribución de docentes en el sistema. Se modela la decisión de duración en el establecimiento de cada profesor para cuatro casos, los cuales son los siguientes: 1) dejar de hacer clases, ya sea para irse a otro trabajo o para dejar la fuerza laboral (inactivo); 2) dejar de hacer clases en un colegio particular subvencionado, ya sea para cambiarse a un colegio de otra dependencia, para dejar la fuerza laboral o para dejar la profesión docente; 3) dejar de hacer clases en un colegio municipal, ya sea para cambiarse a un colegio de otra dependencia, para dejar la fuerza laboral o para dejar la profesión docente 13 y 4) cambiarse de un colegio a cualquier otro. La base analiza la decisión año a año, por lo que es un panel en tiempo discreto entre los años 2003 y 2009. Esto no deberı́a constituir un problema, ya que la mayorı́a de las decisiones de empleo se toman a final de un año. Para modelar la decisión de movilidad del profesor se utiliza un modelo de duración, donde se estima la probabilidad de salida (hazard rate) basado en el modelo empleado por Clotfelter et al. (2011)13 , el cual es una especificación semiparamétrica independiente de la función hazard base. Su expresión es la siguiente: Probabilidad de salida de la escuela (movilidad) según caracterı́sticas del docente, salarios y composición de los estudiantes en cada establecimiento. (Duración / Hazard Model) λi (tj ) = λ0i (tj )e(Xβ+µi ) , donde la hazard rate λi (tj ) es la probabilidad de que un perı́odo de enseñanza tenga la salida i en el año tj , la cual es condicional a diferentes especificaciones para cada tipo de salida: la salida 1) “dejar de hacer clases”, es condicional a que el profesor no haya dejado de hacer clases antes de ese perı́odo; la salida 2) “dejar de hacer clases en un colegio particular subvencionado”, es condicional a que el profesor haga clases en algún colegio particular subvencionado antes de ese perı́odo y no haya dejado de hacer clases antes de ese perı́odo; la salida 3) “dejar de hacer clases en un colegio municipal”, es condicional a que el profesor haga clases en algún colegio municipal antes de ese perı́odo y no haya dejado de hacer clases antes de ese perı́odo, y finalmente, la salida 4) “cambiarse de un colegio a cualquier otro”, es condicional a que el profesor no haya dejado de hacer clases en un su colegio antes de ese perı́odo. La hazard base es λ0i (tj ) y X es la matriz donde se incorporan las caracterı́sticas del docentei , su calificación, las caracterı́stica del establecimientoj donde enseñaba el docentei , salarios, variables del mercado del trabajo y nivel de vulnerabilidad del establecimiento. Para cada caso no se consideran las observaciones que están censuradas por la izquierda, es decir, los periodos para cada profesor en los que no se sabe cuántos años llevaba en el establecimiento antes del año 2003. En caso de los datos censurados por la derecha (las observaciones donde no se sabe qué pasa después del año 2009) no son problema para la estimación de un modelo proporcional de Cox. 4. Análisis de los datos Los datos utilizados en esta investigación provienen del FONIDE “Factores Correlacionados con las Trayectorias Laborales de Docentes en Chile, con Especial Énfasis en sus Atributos 13 Utilizan como base el modelo hazard proporcional de Cox. Ver Cox (1972) y Cox Oakes (1984). 14 Tabla 1: Estadı́sticas descriptivas (1) (2) N Promedio Caracterı́sticas del docente Alta PSU 35,630 0.264 NEM alto 40,715 0.423 Universidad selectiva 26,537 0.282 Profesor con alta experiencia 40,667 0.936 Caracterı́sticas del establecimiento y mercado IVE estandarizado por año 20,586 3.20e-08 ln del salario 33,075 7.949 % de desempleo en la región 40,119 0.0878 Beneficios Almuerzo 39,389 0.157 ∗ Tuición 39,389 0.0763 Establecimiento ofrece capacitación 39,389 0.148 Seguro salud 39,389 0.0457 Otro beneficio 39,389 0.0191 Movilidad de profesores Cambio de colegio 34,221 0.0780 Salida desde part. subv 12,626 0.0291 Salida desde municipal 13,745 0.0216 Salida de profesión 34,221 0.0248 ∗ (3) ds (4) min (5) max 0.441 0 1 0.494 0 1 0.450 0 1 0.244 0 1 del trabajo 1.000 -3.519 3.606 0.393 1.522 10.94 0.0204 0.0234 0.145 0.364 0.265 0.355 0.209 0.137 0 0 0 0 0 1 1 1 1 1 0.268 0.168 0.145 0.156 0 0 0 0 1 1 1 1 Matrı́cula/Copago/Colegiatura hijos Académicos” desarrollado por Cabezas et al. (2011). Esta base fue construida a partir de la Encuesta Longitudinal Docente (ELD) realizada por el Centro de Microdatos de la Universidad de Chile entre los años 2003 y 2009. Asimismo, se incorporan datos sobre empleo del Instituto Nacional de Estadı́sticas de Chile (INE) entre los años 2003 y 2009. La ELD está basada en una muestra representativa de docentes de los distintos niveles de enseñanza y distintas dependencias administrativas de los establecimientos educacionales en los que se desempeñan. Incorpora información de corte transversal de las caracterı́sticas personales de los docentes, su formación inicial, perfeccionamiento o capacitaciones, información detallada sobre su historia laboral, caracterı́sticas del establecimiento donde se desempeñan de forma principal, satisfacción laboral, caracterı́sticas socioeconómicas de sus hogares, entre otras variables. Las variables utilizadas en este estudio son presentadas en la Tabla 1. La ELD está compuesta por dos grupos de docentes: el primero, del año 2005, compuesto por 4.663 docentes y el segundo, del año 2009, compuesto por los docentes entrevistados el 2005 más 1.704 nuevos docentes, quienes se insertan por primera vez en el sistema laboral edu- 15 cacional desde el año 2003 hasta el 2009. En la Tabla 1 se muestra la cantidad de observaciones que cuentan con información, el promedio de las variables, su desviación estándar, mı́nimo y máximo de cada variable que presentan las caracterı́sticas del establecimiento, el mercado del trabajo de la región, los beneficios entregados por el establecimiento y las decisiones de movilidad de los docentes. El diseño muestral de la ELD fue estratificado según los siguientes criterios: i) docentes que estaban en la base de datos el año 1995, y aquellos que ingresaron posteriormente a esa fecha; ii) nivel educacional en que se desempeña el docente (educación de párvulos, básica, media cientı́fico-humanista y media técnico-profesional; iii) dependencia administrativa del establecimiento principal en el que se desempeñaba el docente (municipal, particular subvencionado y particular pagado). El tamaño muestral de cada estrato está determinado de manera de tener suficiente poder estadı́stico como para realizar comparaciones válidas entre estratos. Producto de que la distribución de la base panel no es proporcional entre estratos, habiendo poco balance en la distribución de los docentes según distintos niveles y dependencias (se utiliza Simple Random Sampling), el análisis descriptivo de los datos debe realizarse considerando los factores de expansión, con el objetivo de devolver a cada entrevistado su propio peso dentro del universo de docentes en el que fue sorteado (Cabezas et al., 2011). Entre los encuestados el año 2005 y su seguimiento el año 2009 existe una atrición de un 23 %. Esta se da principalmente en los docentes de la Cuarta Región14 , razón por la cual se modifican los factores de expansión para el año 2009. Adicional a esto, un cuarto de los docentes seleccionados para ser entrevistados el año 2005 no se encontraron trabajando, por lo que la encuesta fue aplicada a docentes de reemplazo. Esta pérdida no aleatoria de datos es relevante a considerar en la interpretación de los resultados. La base de la ELD fue complementada con información anual desde 2003 hasta 2009, del NSE del establecimiento, resultados SIMCE promedio para diferentes niveles (4to, 8avo y 2do Medio), datos de vulnerabilidad, resultados de la encuesta SNED, datos JEC, matrı́cula total y por curso, y valor financiamiento compartido (Cabezas et al., 2011). De esta forma, se puede utilizar información sobre caracterı́sticas del establecimiento y del docente que son relevantes para este estudio. Los principales problemas y limitaciones con las que cuenta esta base son los porcentajes de atrición de los docentes, el registro autorreportado (y no completo) de la historia laboral de los docentes y el hecho de que no se tiene registro de información previa al año 2003 de la historia laboral de los docentes, por lo que no podemos diferenciar si un docente el año 2003 está en su segundo o sexto año de trabajo. A continuación se presenta gráficamente la distribución de docentes de alta calificación según los colegios ordenados por nivel de vulnerabilidad. En las Figuras 1 y 2 se observa que la 14 Justificada por el Centro de Microdatos por la cantidad de huelgas y difı́cil seguimiento de docentes en la región. 16 mayor proporción de profesores más calificados - medidos por NEM y PSU/PAA - se concentra en los establecimientos con menor ı́ndice de vulnerabilidad. Existe una desigual distribución de caracterı́sticas de los profesores según nivel socioeconómico, donde el nivel de calificación de los profesores está inversamente distribuido según el nivel socioeconómico de los estudiantes. Los resultados para estos docentes de alta calificación son consistentes y similares con lo encontrado en Chile por Ortuzar et al. (2009), Bascopé y Meckes (2010) y Cabezas et al. (2011) y por Clotfelter et al. (2011) para el caso de Carolina del Norte en Estados Unidos. Porcentaje de Profesores TOP (NEM) 2009 .2 .25 .3 .35 Figura 1: Porcentaje de profesores TOP (NEM) según vulnerabilidad 0 5 10 Veintil IVE según RBD Profe_TOP_NEM 17 15 Fitted values 20 Porcentaje de Profesores TOP (PSU/PAA) 2009 .1 .15 .2 .25 .3 .35 Figura 2: Porcentaje de profesores TOP (PSU/PAA) según vulnerabilidad 0 5 10 Veintil IVE según RBD Profe_TOP_PSU 15 20 Fitted values La distribución de profesores según sus caracterı́sticas en los distintos tipos de dependencia para el año 2009 es presentada en la Tabla 215 . Se observa que la mayor cantidad de profesores mejor calificados se concentra en los colegios de dependencia particular pagada. En estos colegios es donde existen menores ı́ndices de vulnerabilidad y mayor NSE. Un 16 % de los profesores de los colegios municipales tuvieron sobre 630 puntos en su PSU/PAA y tienen, en promedio, 7 años más de experiencia que los docentes de las otras dependencias. Esto último se puede deber a la menor movilidad de profesores que genera el Estatuto Docente, al aumentar las barreras de salida de los docentes. Tabla 2: Caracterı́sticas de los profesores por dependencia, año 2009 Dependencia Profesores Municipal Particular subvencionada Alta PSU 16,33 % 23,51 % Alta NEM 19,14 % 28,23 % Universidad selectiva 27,33 % 20,98 % Experiencia 24,26 años 15,84 años Particular pagada 45,55 % 34,13 % 38,87 % 17,61 años En la Figura 3 se presentan los niveles de deserción de profesores ordenados por el ı́ndice de vulnerabilidad de los colegios16 , distinguiendo entre profesores de alta calificación (definida por 15 No se consideran dentro del total a los docentes seleccionados en la muestra que no impartieron clases en los años de la encuesta (entre 2003 y 2009). 16 Se toman los datos en 2007, a diferencia del análisis por tipo de depenencia que utiliza los datos del 18 alta PSU/PAA) y el resto de los docentes. Consistente con Hanushek et al. (1999), Boyd et al. (2005) y Scafidi et al. (2007), se encuentra que a mayor vulnerabilidad, mayor es la deserción de profesores. Es interesante contrastar las diferencias en las salidas del sistema entre los profesores de alta calificación y el resto de los docentes. Para el caso de los profesores de alta calificación se observa que mayor vulnerabilidad genera una mayor salida, pero para el caso del resto de los docentes no es claro el efecto. Porcentaje de Salida Profesores (PSU/PAA) 2007 .01 .02 .03 .04 .05 .06 Figura 3: Porcentaje de salida de profesores TOP vs No TOP, año 2007 0 2 4 6 Nueve Cuantiles de IVE según RBD Salida_TOP_PSUnueve Salida_NO_PSUnueve 5. 8 10 Fitted values Fitted values Resultados En la Tabla 3 se presentan las probabilidades de que un colegio tenga al menos un profesor de alta calificación, controlando por la cantidad de docentes por establecimiento que tiene la muestra, por comuna, dependencia y año, además de una variable interactiva construida a partir de las variables dummy de comuna y dummy de dependencia. En cada columna se presentan los resultados para cada uno de los cuatro criterios de un docente de alta calificación. Se estima cómo la vulnerabilidad de un establecimiento y el salario promedio de los profesores por colegio afecta la dotación de profesores de alta calificación en cada colegio. Un docente de alta calificación tiene una mayor posibilidad de escoger un salario más alto o un contexto menos vulnerable para educar (Scafidi et al., 2007), lo que refleja la existencia de causalidad reversa en la estimación. Para intentar controlarla, se realizan estimaciones utilizando año 2009. Esto es porque para el año 2007 existe mayor número de datos con salida de la profesión docente. También fue necesario usar 9 cuantiles y no 20 debido a que existen pocos datos de salida, por lo con veinte cuantiles quedarı́an algunos veintiles sin datos de salida para ser graficados. 19 los rezagos de las variables del salario promedio de los profesores por colegio y del nivel de vulnerabilidad. Los resultados se presentan en la Tabla 4. Los resultados del modelo probit permiten identificar el signo del efecto y si cada factor es significativo, pero no la magnitud en el efecto de cada uno. En las Tablas 3 y 4 se observa que un mayor salario aumenta la posibilidad de tener un profesor de alta calificación, siendo este resultado significativo para la mitad de las especificaciones en cada tabla. La vulnerabilidad del establecimiento se relaciona negativamente con la posibilidad de tener al menos un docente de alta calificación, esto es significativo para la mayorı́a de las especificaciones de la estimación presentada en la Tabla 4. El signo de los coeficientes corresponde a lo esperado, lo que implicarı́a que a un colegio con alta vulnerabilidad le es más difı́cil contratar profesores de alta calificación, pero pagar sueldos más altos ayudarı́a a lograr ese objetivo. Para el caso de profesores de alta calificación, definida por la alta experiencia de los docentes, se produce una reducción considerable de las observaciones debido a que el 68 % de las comunas no tiene ningún colegio de la muestra con profesores que tengan menos de tres años de experiencia, por lo que al controlar por comunas y no tener variabilidad en la variable dependiente, estas observaciones no se consideran en la estimación. Los resultados presentados en la Tabla 3 para esta definición de alta calificación encuentran que los beneficios de tuición y las capacitaciones ofrecidas por el colegio se relacionan positivamente con la probabilidad de que exista al menos un profesor de alta calificación en el colegio. El resto de los beneficios no tendrı́an un impacto significativo en esto. La variable desempleo en la región se relaciona positivamente con esta probabilidad en ambas estimaciones cuando un docente es definido de alta calificación por su alta experiencia, lo que mostrarı́a que un mayor desempleo le hace más fácil a una escuela atraer docentes de alta experiencia. 20 Tabla 3: Colegio con al menos un profesor TOP, probit Profesor Egresado Profesor TOP Profesor TOP Profesor con U selectiva NEM PSU/PAA experiencia (1) (2) (3) (4) Caracterı́sticas del Establecimiento y mercado del trabajo IVE Estandarizado del colegio -0.0437 -0.0647 -0.0618 -0.115 por año (0.0446) (0.0421) (0.0444) (0.0762) ln del Salario 0.453*** 0.0374 0.103 0.569*** (0.106) (0.0844) (0.0878) (0.149) % de desempleo en la región 0.581 -0.667 0.423 7.192*** (1.547) (0.875) (2.684) (2.684) Beneficios Almuerzo 0.196 -0.00837 0.0738 0.199 (0.130) (0.104) (0.111) (0.205) Tuición 0.0328 0.187 0.0861 0.877** (0.161) (0.140) (0.147) (0.422) Establecimiento ofrece capacitación -0.00486 -0.0630 -0.0391 0.612*** (0.119) (0.103) (0.115) (0.206) Seguro Salud -0.230 -0.0443 -0.0575 (0.323) (0.257) (0.263) Otro Beneficio 0.169 0.331 0.0937 0.379* (0.218) (0.210) (0.231) (0.215) Controles Año Sı́ Sı́ Sı́ Sı́ Comuna Sı́ Sı́ Sı́ Sı́ Dependencia Sı́ Sı́ Sı́ Sı́ Comuna*Dependencia Sı́ Sı́ Sı́ Sı́ Cantidad Docentes Establecimiento Sı́ Sı́ Si Si Observaciones 7,904 8,853 Error estándar en paréntesis *** p<0.01, ** p<0.05, * p<0.1 21 8,632 5,254 Tabla 4: Colegio con al menos un profesor TOP, probit. Con rezago del ln del salario y del IVE estandarizado por colegio Profesor Egresado Profesor TOP Profesor TOP U selectiva NEM PSU/PAA (1) (2) (3) Caracterı́sticas del establecimiento y mercado del trabajo IVE Estandarizado del colegio -0.0408 -0.0820* -0.0766* por año en t-1 (0.0469) (0.0454) (0.0462) ln del salario en t-1 del profesor 0.395*** -0.0101 0.115 en el colegio (0.121) (0.0910) (0.101) % de desempleo en la región -0.0517 -1.135 0.561 (1.620) (0.998) (1.370) Beneficios Almuerzo 0.201 -0.0333 0.0459 (0.155) (0.119) (0.133) Tuición -0.0139 0.0999 0.104 (0.182) (0.151) (0.182) Establecimiento ofrece capacitación -0.00735 -0.0306 0.00913 (0.135) (0.118) (0.130) Seguro salud -0.358 -0.137 -0.120 (0.372) (0.293) (0.322) Otro beneficio 0.0687 0.319 0.252 (0.240) (0.241) (0.288) Controles Año Sı́ Sı́ Sı́ Comuna Sı́ Sı́ Sı́ Dependencia Sı́ Sı́ Sı́ Comuna*Dependencia Sı́ Sı́ Sı́ Cantidad Docentes Establecimiento Sı́ Sı́ Sı́ Observaciones 5,803 6,553 Error estándar en paréntesis *** p<0.01, ** p<0.05, * p<0.1 6,390 Profesor alta experiencia (4) -0.161* (0.0976) 0.545*** (0.209) 7.129* (3.661) 0.174 (0.211) 0.517 (0.457) 0.349 (0.236) 0.483 (0.300) Sı́ Sı́ Sı́ Sı́ Sı́ 2,777 Tal como fue explicado en la sección de estrategia empı́rica, la decisión de usar un modelo de efectos fijos para la estimación de los parámetros de interés require primero identificar si existe o no heterogeneidad fija no observable a nivel de escuela en el modelo, es decir, si los datos responden a un modelo de efectos individuales Individual Effects Model o un Pooled Effects Model. Esto se identifica a través del Lagrange multiplier test de Breusch-Pagan. La hipótesis nula indica que no hay presencia de efectos fijos no observables a nivel de escuela en el modelo (Pooled Model ). El resultado del test se presenta en la Tabla 5. Observando el valor del test se evidencia que hay presencia de efectos individuales a nivel de escuela en los cuatro modelos especificados; es decir, para las cuatro definiciones de profesor de alta calificación se rechaza la hipótesis nula de “no presencia de heterogeneidad no observables a nivel de escuela”. 22 Tabla 5: Test de Breusch - Pagan y Test de Hausman Definición Test de 2 Profesor TOP χ Pvalue U selectiva 7362.73 0.00 Alta PSU/PAA 11582.22 0.00 Alta NEM 13193.25 0.00 Alta experiencia 212.43 0.00 Breusch y Pagan Se Se Se Se rechaza rechaza rechaza rechaza Test de Hausman 2 χ Pvalue 33.69 0.0008 Se rechaza 111.74 0.0003 Se rechaza 191.59 0.00 Se rechaza 79.35 0.00 Se rechaza Ahora bien, nuevamente, esta heterogeneidad a nivel de escuela puede estar o no correlacionada con las variables observables incluidas en el modelo, y por tanto es necesario verificar aquello para determinar cuál es el modelo correcto a utilizar. En caso de que no hubiese correlación se está hablando de un modelo de efectos aleatorios. Al contrario, de existir correlación entre los efectos fijos no observables a nivel de escuela y las variables observables del modelo, entonces se está en presencia de un modelo de efectos fijos. Tal como se explicó anteriormente, para determinar si es correcto utilizar el modelo con efectos fijos se utiliza el test de Hausman, el cual básicamente es un Wald test que determina si hay diferencias significativas entre los coeficientes estimados bajo un modelo de efectos fijos y los coeficientes obtenidos bajo un modelo de mı́nimos cuadrados generalizados. La hipótesis nula (no hay diferencias entre los coeficientes de ambos modelos) favorecerı́a un modelo de efectos aleatorios. Observando nuevamente la Tabla 5, se evidencia lo siguiente: Se rechaza la hipótesis nula para todos los modelos. Por lo tanto, todas las especificaciones seguirı́an un modelo de efectos fijos. El rechazo del test de Hausman para todas las especificaciones, permite una adecuada comparabilidad de los resultados para cada definición de docente de alta calificación. En la Tabla 6 se presenta la estimación para la proporción de profesores de alta calificación por establecimientos utilizando un modelo de efectos fijos, incluyendo el rezago del sueldo promedio por colegio y de la vulnerabilidad del establecimiento. La mayorı́a de las variables coinciden en el signo de sus coeficientes con la estimación realizada para el modelo probit, pero varı́an su significancia estadı́stica. Al igual que la estimación anterior, la principal variable con significancia estadı́stica es el salario promedio de los profesores por establecimiento. Se observa que una mayor vulnerabilidad del colegio se relaciona negativamente con la proporción de profesores de alta calificación, pero los coeficientes de esta variable son significativos para la mitad de las estimaciones de la proporción de profesores de alta calificación realizadas por MICO. Sus resultados son significativos para la proporción de docentes con NEM sobre 6,0 y puntaje PSU/PAA sobre 630 puntos. En cambio, el salario promedio de los profesores por establecimiento tiene la mayorı́a de sus coeficientes significativos estadı́sticamente y, en comparación con las otras variables independientes, el salario es el con mayor significancia 23 estadı́stica y económica. Este resultado es similar al obtenido en el modelo probit. Por ello, se puede plantear que la proporción de docentes de alta calificación no está muy determinada por la vulnerabilidad del establecimiento, como sı́ lo está por el salario. Utilizando el modelo con efectos fijos y controlando por año, comuna y dependencia, y usando el rezago de las variables de salario y vulnerabilidad, se obtiene que un aumento de un 1 % en el salario promedio de los profesores de un colegio permitirı́a que este aumente en 1,66 % la proporción de profesores de alta calificación con puntaje PSU/PAA sobre 630 puntos y en un 3,62 % la proporción de profesores egresados de una universidad selectiva. Los resultados de investigaciones presentadas en la revisión de literatura muestran que los salarios tienen un rol importante en la contratación de profesores pero el efecto es menor que el producido por caracterı́sticas de los estudiantes (raza, vulnerabilidad y resultados académicos) (Hanushek et al., 1999; Boyd et al., 2005). Sin embargo, el contexto chileno es particular en comparación con la situación de los paı́ses donde se realizaron estos estudios, razón que podrı́a explicar la mayor importancia que tienen los salarios para un profesor de alta calificación en comparación con los resultados encontrados en otros paı́ses. Los docentes en Chile no solo son los que reciben las menores remuneraciones dentro de los paı́ses miembros de la OCDE, sino que también perciben, en promedio, solo el 50 % de las remuneración del resto de los profesionales, tanto al 2° como al 5° año de titularse (OECD 2014). Los beneficios otorgados por los establecimientos a los docentes se correlacionan positivamente con una mayor proporción de docentes de alta calificación. Sin embargo, solo el seguro de salud y la tuición tienen coeficientes significativos estadı́sticamente, siendo este último el único consistente con los resultados presentados en la Tabla 3. El beneficio de tuición entregado por cada establecimiento, significa un descuento o exención de la matrı́cula, copago y/o colegiatura de los hijos de los profesores. Esto está relacionado con un aumento del ingreso disponible del profesor (ya que no tendrá que efectuar los gastos de tuición), por lo que refuerza el resultado de que mayores ingresos aumentan la proporción de docentes de alta calificación en un establecimiento. 24 Tabla 6: Proporción de Profesores TOP por Colegio, con rezago del ln del Salario y del IVE estandarizado por colegio 25 Profesor Egresado Profesor TOP Profesor TOP Profesor alta U Selectiva NEM PSU/PAA experiencia MICO Panel MICO Panel MICO Panel MICO Panel efecto efecto efecto efecto fijo fijo fijo fijo (1) (2) (3) (4) (5) (6) (7) (8) Caracterı́sticas del establecimiento y mercado del trabajo IVE Estandarizado del colegio -0.00560 -0.000470 -0.0231* 0.00253 -0.0223** 0.00525 -0.00663 -0.00161 por año en t-1 (0.0110) (0.00399) (0.0125) (0.00402) (0.0114) (0.00379) (0.00424) (0.00521) ln del Salario en t-1 del profesor 0.168*** 0.0362*** -0.00842 0.00429 0.0327 0.0166*** 0.0293*** -0.00376 en el colegio (0.0327) (0.0130) (0.0227) (0.00918) (0.00643) (0.00611) (0.00728) (0.00877) % de desempleo en la región 0.252 -0.00450 0.0736 -0.0968 0.145 0.0923 0.127 0.113 (0.318) (0.157) (0.263) (0.153) (0.222) (0.136) (0.121) (0.127) Beneficios Almuerzo 0.0402 0.0144 0.0359 -0.00110 0.0153 -0.0223 0.00478 0.0101 (0.0375) (0.0211) (0.0388) (0.0134) (0.0287) (0.0176) (0.0104) (0.0161) Tuición -0.0227 0.00941 -9.33e-05 -0.0151 0.0179 -0.0259 0.0339*** 0.0316** (0.0413) (0.0231) (0.0528) (0.0282) (0.0475) (0.0170) (0.0115) (0.0142) Establecimiento ofrece capacitación 0.0212 -0.00808 0.00453 0.00560 0.00135 0.00308 0.0116 0.0148 (0.0381) (0.0153) (0.0372) (0.0143) (0.0242) (0.0106) (0.00866) (0.0112) Seguro salud 0.134 -0.0397 0.0430 0.0275 -0.0431 0.0443* 0.0288** 0.0298 (0.109) (0.0408) (0.0733) (0.0298) (0.0752) (0.0237) (0.0126) (0.0228) Otro beneficio -0.00574 -0.0494 0.115 0.0545* 0.0391 0.0230 0.0177 0.0105 (0.0616) (0.0338) (0.0799) (0.0324) (0.0691) (0.0329) (0.0176) (0.0275) Controles Año Sı́ Sı́ Sı́ Sı́ Sı́ Sı́ Sı́ Sı́ Comuna Sı́ Sı́ Sı́ Sı́ Sı́ Sı́ Sı́ Sı́ Dependencia Sı́ Sı́ Sı́ Sı́ Sı́ Sı́ Sı́ Sı́ Comuna*Dependencia Sı́ Sı́ Sı́ Sı́ Sı́ Sı́ Sı́ Sı́ Observaciones R2 Número de colegios 5,814 0.282 5,814 7,298 7,298 0.008 0.175 0.042 1,623 1,993 Error estándar en paréntesis *** p<0.01, ** p<0.05, * p<0.1 6,776 0.217 6,776 0.049 1,859 7,402 0.119 7,402 0.024 2,003 Los resultados del modelo de duración son presentados en la Tabla 7. Para la estimación no se consideraron las observaciones censuradas por la izquierda (antes de la muestra) para cada tipo de salida, ya que la ELD no contiene información sobre cuánto tiempo llevaba el docente en el establecimiento donde trabajaba el año 2003. Esto genera una mayor pérdida de observaciones para la estimación presentada en la columna (1), la cual es la duración en la profesión docente. Esto se produce porque, al no considerar las observaciones censurados el año 2003, se dejan de considerar todas las observaciones del docente (7 años máximo). En cambio, para las estimaciones presentadas en las columnas (2), (3) y (4) en caso de tener observaciones censuradas el año 2003 solo no se consideran las observaciones correspondientes al primer establecimiento donde estuvo el docente en la muestra. Los coeficientes positivos aumentan la hazard rate y disminuyen la expectativa de duración; los coeficientes negativos aumentan la expectativa de duración. Las diferentes definiciones de profesor de alta calificación son consideradas en el modelo a nivel individual e interactuando con el salario y el nivel de vulnerabilidad de la escuela. Clotfelter et al. (2011) realizan dos estimaciones, una para los docentes de baja experiencia y otra para los docentes con alta experiencia. Por la baja cantidad de observaciones de docentes con baja experiencia, en este estudio se realiza una sola estimación, pero se incorpora la interacción del salario y vulnerabilidad con la variable binaria que identifica a un docente de alta experiencia. En la Tabla 7 se observa que la edad en que los profesores tienen menos probabilidad de dejar la docencia es entre los 35 y 44 años y para las profesoras entre los 30 y 34 años. Ası́ también, la edad en que es menos probable para una profesora cambiarse de colegio es cuando más joven, entre los 25 y 29 años, y entre los 35 y 39 años. La menor probabilidad de cambio de colegio cuando más joven se puede explicar porque en los primeros años ellas están en etapa de formación y no serı́a rentable cambiarse a otro colegio sin contar con la suficiente experiencia para ser valorada en otro colegio. Para el caso de los profesores con alta experiencia, se observa que estos tienen menos probabilidades de dejar un colegio municipal. En cambio, cuando hay mayor vulnerabilidad es más probable que un profesor de alta experiencia se cambie de colegio y deje un colegio particular subvencionado. Estos resultados contradictorios entre los profesores de colegio particular subvencionado y municipal se pueden relacionar con lo planteado por Correa et al. (2014). Estos autores encuentran que los profesores con mayor experiencia se autoseleccionan en los colegios municipales. Una posible explicación para esto es la dicotómica regulación que tienen los profesores entre el sistema municipal y particular. Por un lado, el Estatuto Docente genera una alta rigidez y relaciona un mayor salario con los años de experiencia, lo cual es un incentivo a que en el sector municipal se queden los profesores de mayor experiencia. Por el otro, el sector privado es regulado por el Código del Trabajo, por lo que tiene mayor flexibilidad de salarios e incentivarı́a que los profesores con mayores habilidades no observables se concentren en ese sector. Por ello, este resultado serı́a consistente con lo observado por los autores para los colegios municipales y, en un establecimiento con alta vulnerabilidad, para los colegios particulares 26 subvencionados. Con respecto a las otras definiciones de un profesor de alta calificación, se observa que un profesores con NEM sobre 6,0 tiene menos probabilidades de dejar un colegio municipal y un profesor dentro del 25 % de mejor resultado PSU/PAA tiene menos probabilidades de cambiarse de colegio. Estos resultados son consistentes con los obtenidos por Clotfelter et al. (2011), quienes señalan que los profesores de alta calificación tienen una menor probabilidad de cambiarse de colegio. Un mayor salario aumenta la probabilidad de permanencia en un colegio municipal de un profesor no considerado de alta calificación; sin embargo, un mayor salario harı́a más probable que un profesor de alta experiencia y NEM sobre 6,0 deje un colegio de esta dependencia. Es contraintuitivo pensar que un mayor salario aumente la probabilidad de salida de un docente, pero una explicación podrı́a ser que como a mayor experiencia mayor es el salario en el sector municipal, este resultado refleja a los docentes que por tener una mayor edad (correlacionado con experiencia) deciden dejar de trabajar. También se observa que un mayor salario harı́a más probable que se cambie de colegio un docente con puntaje PSU/PAA superior a los 630 puntos. Estos docentes tienen una mayor valoración en su salario17 , lo que se correlaciona con su alta calificación. La razón de su cambio de colegio puede ser explicada por el aumento, en promedio, de un 3,4 % en su salario cuando se cambian de colegio. La vulnerabilidad del colegio aumenta significativamente la probabilidad de salida de la profesión docente de los profesores considerados de alta calificación situados dentro del 25 % de mejor resultado PSU/PAA. Por su parte, el salario no se relaciona con la probabilidad de salida de la profesión docente. Esto muestra que para la retención de docentes en el sistema escolar, disminuir la vulnerabilidad del establecimiento tendrı́a un mayor impacto por sobre aumentar los salarios de los profesores. Para los docentes no considerados de alta calificación, la vulnerabilidad del último establecimiento no tiene un impacto significativo. Este resultado permite distinguir el efecto que produce la vulnerabilidad del establecimiento según las caracterı́sticas que tenga un docente, lo cual gráficamente se presentó en la Figura 3. Esto es un avance sobre los resultados que obtienen los autores Hanushek et al. (1999) y Scafidi et al. (2007). Ellos identifican que una mayor vulnerabilidad genera una salida más temprana de la profesión docente, pero no distinguen si es un efecto promedio en todos los docentes o esto afecta en mayor medida a profesores con alguna caracterı́stica en especial. Algunos beneficios que entrega un colegio afectan significativamente la probabilidad de duración de un profesor en ese colegio y en la profesión docente. La tuición, que corresponde a beneficios de matrı́cula, copago y descuento en la colegiatura de los hijos de los docentes, 17 Los profesores de la muestra ubicados dentro del 25 % de mejor resultado PSU/PAA tienen, en promedio, un 7,5 % de mayor salario que el resto de los profesores. 27 disminuye la probabilidad de dejar la profesión docente18 . Por su parte, las capacitaciones disminuyen la probabilidad de cambiarse de colegio y de dejar de ser profesor. Estos resultados son consistentes con los obtenidos en el modelo probit y con efectos fijos. Para el año 2009, solo un 8,2 % de los colegios particulares subvencionados y un 20,25 % de los colegios particulares pagados de la muestra entregan la tuición como beneficio y solo un 15,53 % de todos los colegios, un 12,9 % de los colegios municipales, un 13,57 % de los colegios particulares subvencionados y un 31,42 % de los colegios particulares pagados ofrecen capacitación. La baja entrega de estos beneficios en las establecimientos que reciben subvención del Estado y la relevancia que tienen para contratar y retener docentes, muestra el potencial que tienen estos beneficios. Un mayor desempleo en la región disminuirı́a la probabilidad de un profesor de cambiarse de colegio y dejar un colegio municipal. En un contexto de desempleo existen menos incentivos a cambiarse de colegio por parte de un profesor o dejar un colegio, debido a la dificultad de encontrar otro empleo. En particular es de esperar que en el sector municipal se genere una mayor permanencia de los docentes, ya que estos están más protegidos de ser despedidos por el Estatuto Docente. Este resultado se relaciona con lo obtenido en las Tablas 3 y 4, donde un mayor desempleo se relaciona positivamente con la probabilidad de que una escuela tenga docentes de mayor experiencia. 18 Al ser gratuitos los colegios municipales, este resultado se relaciona con los profesores que trabajan en colegios particulares subvencionados y particulares pagados. 28 Tabla 7: Duración Docente (Coeficientes - Cox) Sale del Sistema Profesor entre 25-29 años Profesor entre 30-34 años Profesor entre 35-39 años Profesor entre 40-44 años Profesor entre 45-49 años Profesor sobre 50 años Profesor mujer entre 25-29 años Profesor mujer entre 30-34 años Profesor mujer entre 35-39 años Profesor mujer entre 40-44 años Profesor mujer entre 45-49 años Profesor mujer sobre 50 años Profesor TOP NEM Profesor con alta experiencia Profesor TOP PSU/PAA Profesor Egresado U selectiva Sale de Sale de Cambia de Colegio Part. Subv. Municipal (1) (2) (3) (4) Caracterı́sticas profesor -0.891 0.674 -0.941* 0.295 (1.116) (0.559) (0.514) (0.232) 0.941 1.079** -0.0653 -0.0943 (0.771) (0.487) (0.526) (0.257) -19.55*** 0.751 -0.403 0.0622 (0.913) (0.757) (0.746) (0.284) -19.73*** 0.451 -1.483 -0.210 (0.925) (0.730) (1.138) (0.256) 0.427 0.530 -0.753 -0.0961 (1.387) (0.683) (0.644) (0.258) -1.089 0.0188 -1.331 -0.386 (1.281) (0.875) (0.864) (0.267) 1.345 -0.643* 0.00827 -0.427** (1.022) (0.334) (0.490) (0.188) -1.156* -0.296 -0.260 -0.223 (0.636) (0.418) (0.566) (0.240) 19.66 -0.621 -0.762 -0.558** (0) (0.548) (0.721) (0.251) 20.35 -0.428 0.497 -0.292 (0) (0.705) (1.098) (0.267) -0.771 -0.465 -0.0638 -0.465* (1.373) (0.422) (0.679) (0.247) 0.889 -0.334 0.540 -0.450** (1.579) (0.976) (0.919) (0.211) 10.42 -4.919 -8.297* 1.016 (7.114) (5.115) (4.688) (1.655) -1.907 9.156 -11.26* 0.424 (8.933) (6.313) (5.999) (2.153) -6.428 -1.591 -2.121 -4.012* (7.534) (3.979) (5.651) (2.048) 7.427 10.43 -2.958 -2.839 (6.685) (6.896) (7.057) (2.783) La tabla continúa en la siguiente página 29 Continuación Tabla 7 Sale del Sistema Sale de Sale de Cambia de Colegio Part. Subv. Municipal (1) (2) (3) (4) Caracterı́sticas establecimiento y mercado trabajo IVE Estandarizado -0.523 -0.110 -0.291 -0.104 por año (0.408) (0.193) (0.323) (0.0996) ln del salario -1.062 0.374 -2.762*** -0.447 (0.965) (0.848) (0.851) (0.287) % de desempleo en 2.726 -0.237 -15.75*** -15.15*** la región (5.835) (4.504) (5.388) (2.645) Colegio municipal 0.0323 -0.0400 (0.369) (0.109) Colegio part. pagado -0.0585 0.540* (1.486) (0.304) Beneficios Almuerzo -1.019 -0.455 -0.421 -0.190 (0.912) (0.407) (0.622) (0.162) Tuicion -41.04*** 0.342 -43.14 -0.0208 (0.484) (0.630) (0) (0.186) Establecimiento ofrece capacitacion -41.41*** -0.563 -46.71 -0.427** (0.393) (0.514) (0) (0.167) Seguro salud 0.669 0.321 0.122 0.308 (0.844) (1.112) (0.868) (0.367) Otro beneficio 1.287 0.263 2.602*** 0.0383 (1.168) (0.719) (0.552) (0.267) Interacciones con profesores dentro del 25 % de mejor resultado PSU/PAA Interacción con 1.043*** 0.225 0.163 -0.0839 colegio vulnerable (0.365) (0.219) (0.502) (0.0964) Interacción con 0.856 0.240 0.320 0.510** ln del salario (0.976) (0.509) (0.716) (0.260) Interacciones con profesores con NEM sobre 6,0 Interacción con 0.307 -0.00783 0.251 0.0232 colegio vulnerable (0.295) (0.213) (0.439) (0.0918) Interacción con -1.393 0.651 1.054* -0.122 ln del salario (0.934) (0.659) (0.619) (0.212) Interacciones con profesores con alta experiencia Interacción con 0.00586 0.351* 0.186 0.215* colegio vulnerable (0.412) (0.187) (0.330) (0.110) Interacción con 0.440 -1.176 1.517* -0.126 ln del salario (1.172) (0.815) (0.776) (0.276) Interacciones con profesores con universidad selectiva Interacción con -0.140 -0.379 0.106 -0.111 Colegio Vulnerable (0.395) (0.252) (0.388) (0.105) Interacción con -0.933 -1.358 0.423 0.372 ln del salario (0.855) (0.874) (0.886) (0.358) Observaciones 1,781 1,609 Errores estándar en paréntesis *** p<0.01, ** p<0.05, * p<0.1 30 801 8,211 6. Conclusiones e implicancias Este trabajo estudia la movilidad de los docentes entre escuelas y fuera de la profesión. Los resultados muestran que un mayor salario de los docentes, la vulnerabilidad de la escuela y los beneficios que se entregan en esta a los docentes son relevantes en la distribución de los profesores en el sistema educacional. Una menor vulnerabilidad del establecimiento y un mayor salario aumentan la probabilidad de que un establecimiento cuente con al menos un docente de alta calificación. Al estimar cómo afectan las caracterı́sticas del establecimiento su proporción de docentes de alta calificación, se encuentra que la principal variable que afecta significativamente esta proporción es el salario promedio de los docentes en el establecimiento. Usando un modelo de efectos fijos, se estima que un aumento de un 1 % en el salario promedio de los profesores de un colegio genera un aumento de un 1,66 % en la proporción de profesores con puntaje PSU/PAA sobre 630 puntos. En los resultados se observa que la proporción de docentes de alta calificación en las escuelas no está muy determinada por la vulnerabilidad del establecimiento, como sı́ lo está por el salario. Esto guarda relación con la precariedad de los salarios de los docentes en Chile, lo que se observa en las brechas de remuneraciones respecto de otras profesiones, ası́ como de los docentes del resto de los paı́ses miembros de la OECD (OECD 2014). A través de un modelo de duración proporcional de Cox (1972) se observa que una mayor vulnerabilidad en el último establecimiento aumenta la probabilidad de salida de la profesión docente de un profesor de alta calificación. Por su parte, el efecto del salario no es significativo para este tipo de salida. Respecto al caso de los profesores que trabjan en un colegio municipal, se observa que un mayor salario se relaciona positivamente con la posibilidad de que un profesor no considerado de alta calificación se mantenga en el colegio. Asimismo, utilizando este modelo de duración se confirman los recientes resultados de Correa et al. (2014) sobre el hecho de que los profesores con mayor experiencia se autoseleccionan en los colegios municipales. Esto constituye un avance, ya que se utiliza una estrategia empı́rica diferente a la empleada por los autores, identificando que el tener una mayor experiencia aumenta la duración en el sector municipal. Los beneficios de tuición y capacitación son relevantes para contratar y retener profesores. En particular para la retención en la profesión docente, estos beneficios disminuyen la probabilidad de salida de un profesor. Considerando que la capacitación solo es entregada en el 12,9 % de los colegios municipales y en el 13,57 % de los colegios particulares subvencionados, un aumento en la entrega de este beneficio en los colegios que reciben subvención del Estado puede significar una mayor retención de los profesores. En resumen, se observa que el salario es un factor clave para la proporción de docentes de alta calificación, pero la vulnerabilidad serı́a uno de los principales factores de la deserción de estos docentes. Por ello, para lograr que los docentes de alta calificación realicen clases a los 31 estudiantes más vulnerables no solo es necesario un aumento de remuneración, sino también considerar cómo disminuir la vulnerabilidad del establecimiento. Este resultado aporta a lo obtenido por Boyd et al. (2005), Hanushek et al. (1999) y Scafidi et al. (2007), ya que distingue el efecto de la vulnerabilidad según las caracterı́sticas de calificación de los docentes. Con respecto a lo encontrado por Clotfelter et al. (2011) en Carolina del Norte, Estados Unidos, existe consistencia para los resultados de la salida de los docentes de alta calificación del sistema, pero a diferencia de los autores, el salario serı́a el factor más relevante para la contratación de estos docentes. Este estudio aporta a una mayor compresión de las dinámicas laborales de los docentes en Chile, distinguiendo entre las caracterı́sticas de los docentes y las de los establecimientos. Busca agregar una nueva mirada enfatizando factores no académicos en la literatura sobre la trayectoria de los docentes y utilizando una estrategia empı́rica que permite un avance en la identificación de los resultados. La falta de datos censales o representativos a distintas unidades de medida, registros autorreportados (y no completos) y la falta de información detallada sobre los docentes y cada establecimiento limitan el estudio de esta problemática con mayor profundidad. Existe un desafı́o para los actores relevantes del sistema chileno de tener mejores datos longitudinales. Futuras investigaciones podrı́an estudiar aspectos que han sido abordados en la literatura internacional pero no fueron abordados en esta investigación, por ejemplo, cómo afecta a la distribución de profesores en el sistema educacional chileno la composición indı́gena de los estudiantes, las horas no lectivas de los profesores o la proximidad del docente al establecimiento. 32 Referencias [1] Aaronson, D.; Barrow, L. y Sander, W. Teachers and Student Achievement in the Chicago Public High Schools. Journal of Labor Economics (2007), Volumen 25(1), Páginas 95-135. [2] Ballou, D. y Podgursky, M. : Teacher Pay and Teacher Quality. WE Upjohn Inst (1997). Kalamazoo: Michigan. [3] Bascopé, M. y Meckes L. Distribución inequitativa de los nuevos profesores mejor preparados: Caracterı́sticas de origen y destino laboral de los egresados de pedagogı́a básica. Boletı́n CEPPE (2010). [4] Boyd, D.; Lankford, H.; Loeb, S., y Wyckoff, J. Explaining the short careers of highachieving teachers in schools with low-performing students. American Economic Review Proceedings (2005), Volumen 95(2), Páginas 166-171. [5] Bravo, D.; Falck, D.; Gonzáles, R.; Manzi, J. y Peirano, C. La relación entre la evaluación docente y el rendimiento de los alumnos: Evidencia para el caso de Chile. Centro de Microdatos (2008), Departamento de Economı́a, Universidad de Chile y Centro de Medición MIDE UC, Escuela de Psicologı́a, P. Universidad Católica de Chile. [6] Cabezas, V.; Gallego, F.; Santelices, V. y Sarhi, V. Factores Correlacionados con las Trayectorias Laborales de Docentes en Chile, con Especial Énfasis en sus Atributos Académicos. FONIDE (2011) MINEDUC. [7] Clotfelter, C.; Ladd, H. y Vigdor, J. Teacher Mobility, School Segregation, and Pay-Based Policies to Level the Playing Field Education Finance and Policy (2011), Volumen 6, Páginas 399 - 438. [8] Correa, J.; Parro, F. y Reyes, L. Self-Selection in the Market of Teachers Applied Economics (2014). [9] Cox, D. Regression Models and Life Tables (with Discussion). Journal of the Royal Statistical Society (1972), Series B, Volumen 34, Páginas 187-220. [10] Cox, D. y Oakes, D. Analysis of Survival Data. London: Chapman and Hall (1984). [11] Dolton, P.J., y Van der Klaaw, W., The turnover of teachers: A competing risks explanation. Review of Economics and Statistics (1999), Volumen 81(3), Páginas 543-552. [12] Feng, L. y Sass,T. Teacher Quality and Teacher Mobility. Mimeo (2008). Florida State University. [13] Figlio, D. Can Public Schools Buy Better-Qualified Teachers? Industrial and Labor Relations Review (2002), Volumen 55(4), Páginas: 686-99. 33 [14] Flores, C.; Ortúzar, S.; Ayala, P. y Milesi, C. Buscando la aguja en el pajar: Búsqueda y contratación de profesores en la Región Metropolitana FONIDE (2014) MINEDUC. [15] Goldhaber, D. Teachers Matter, but Effective Teacher Quality Policies are Elusive. Handbook of Research in Education Finance and Policy (2008), editado por Helen F. Ladd y Edward B. Fiske, Páginas 146–65. Nueva York: Routledge. [16] Hanushek, E., Kain, J. y Rivkin, S. Do Higher Salaries Buy Better Teachers? National Bureau of Economic Research (1999). Cambridge, MA. Working Paper Número 7082. [17] Hanushek, E.; Kain, J., y Rivkin, S. Why public schools lose teachers. Journal of Human Resources (2004), Volumen 39(2), Páginas 326-254. [18] Heckman, J. The case of Investing in Disadvantage Young Children. Big ideas for children: Investing in Our Nation’s Future (2008), First Focus, Washington, DC. [19] Heckman, J. The Economics of Inequality: The Value of Early Childhood Education American Educator (2011), Volumen 35, Número 1, Páginas 31-35 [20] Kimko, D. y Hanushek, E. Schooling, Labor-Force Quality, and the Growth of Nations. American Economic Review (2000), American Economic Association, Diciembre, Volumen 90(5), Páginas 1184-1208 [21] Lankford, H.; Loeb, S., y Wyckoff, J. Teacher sorting and the plight of urban schools. Education Evaluation and Policy Analysis (2002), Volumen 24(1), Páginas 37-62 (Primavera). [22] Lara, B.; Mizala, A.; Repeto, A. Una Mirada a la Efectividad de los Profesores en Chile. CEP (2010), Seminario sobre efectividad de los profesores, 15 de Junio 2010. [23] Loeb, S. y Beteille, T. Teacher Quality and Teacher Labor Markets. Handbook of Education Policy Research (2009), editado por Gary Sykes, Barbara Schneider y David N. Plank, Páginas 596-612. [24] Loyola, Vicente. Efectos Fijos profesor y la Evaluación Docente: El caso de Chile. Tesı́s de Magister (2013), Instituto de Economı́a. Pontifica Universidad Católica de Chile. [25] Manzi, J. ¿Qué caracterı́sticas de la formación inicial de los docentes se asocian a mayores avances en su aprendizaje de conocimientos disciplinarios?. FONIDE (2011) MINEDUC. [26] MINEDUC Evaluación Inicia: Presentación de Resultados 2012 Ministerio de Educación de Chile (MINEDUC) (2013), agosto de 2013. 34 [27] McKinsey How the World’s Best-Performing School Systems Come Out On Top McKinsey Company (2007), Social Sector Office. [28] Meckes, L. y Hurtado, C. Los nuevos profesores en Chile: ¿Quién los contrata, qué aprenden y cuán efectivos son? Notas para Educación (2014). Centro de Estudios de Polı́ticas y Prácticas en Educación (CEPPE). Número 16, Abril. [29] Murnane, R.; Singer, J, y Willet, J The Career Paths of Teachers: Implications for Teacher Supply and Methodological Lessons for Research. Educational Researcher (1988), Páginas 22-30. [30] Murnane, R. y R. Olsen The Effects of Salaries and Opportunity Costs on Duration in Teaching: Evidence from North Carolina Journal of Human Resources(1990), Volumen 25(1), Páginas 106-124. [31] OECD Teacher Matters. Attracting, Developing and Retaining Effective Teachers. OECD (2005). Publicado: Paris, Francia. [32] OECD Ten Steps to Equity in Education Policy Brief (2008), OCDE. Enero. [33] OECD Equity and Quality in Education: Supporting Disadvantaged Students and Schools OCDE (2012) [34] OECD Education at a Glance 2014 OCDE (2014) [35] Ortúzar, M.S.; Flores, C., Milesi, C. Cox, C. Aspectos de la formación inicial de docentes y su influencia en el rendimiento académico de los alumnos. Centro de Polı́ticas Públicas (2009), Universidad Católica [36] Podgursky, M. J.; Monroe, R. y Watson, D. The Academic Quality of Public School Teachers: An Analysis of Entry and Exit Behavior Economics of Education Review (2004), Volumen 23(5), Páginas 507-18. [37] Rivkin, S., Hanushek, E., y Kain, J. Teachers, Schools, and Academic Achievement. Econometrica (2005), Econometric Society, Volumen 73(2), Páginas: 417-458 [38] Scafidi, B.; Sjoquist, D., y Stinebrickner, T. Do Teachers Really Leave for Higher Paying Jobs in Alternative Occupations? The B.E. Journal of Economic Analysis and Policy (2006), De Gruyter, Volumen 6(1), Páginas 1-44, Diciembre. [39] Scafidi, B; Sjoquist, D y Stinebrickner, T. Race, poverty, and teacher mobility Economics of Education Review (2007), Elsevier, Volumen 26(2), Páginas 145-159, Abril. [40] Toledo, G.; Puentes E. y Valenzuela, P. Calidad docente y logro escolar: enfrentando el problema de ordenamiento no aleatorio entre caracterı́sticas de profesores y alumnos.Tesis para para optar al grado de Magı́ster en Economı́a (2010). Facultad de Economı́a y Negocios Escuela de Postgrado Economı́a y Negocio. Universidad de Chile. 35