escuela de verano cepal 2015: .5 cm desigualdad ... · escuela de verano cepal 2015: desigualdad,...
TRANSCRIPT
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Escuela de Verano CEPAL 2015:
DESIGUALDAD, TECNOLOGIA,INSTITUCIONES y PRODUCTIVIDAD
Sebastian Fleitas
University of Arizona & IECON, UDELAR
August 6, 2015
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 August 2015 1 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Que tenemos hasta aca?
Saez & Piketty vs Acemoglu & Autor?
Por que es relevante el debate?
Que falta aca?
hay fricciones de mercado? de que tipo?instituciones del mercado laboral?donde estan las empresas?
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 August 2015 2 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Que tenemos hasta aca?
Saez & Piketty vs Acemoglu & Autor?
Por que es relevante el debate?
Que falta aca?
hay fricciones de mercado? de que tipo?instituciones del mercado laboral?donde estan las empresas?
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 August 2015 2 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Que tenemos hasta aca?
Saez & Piketty vs Acemoglu & Autor?
Por que es relevante el debate?
Que falta aca?
hay fricciones de mercado? de que tipo?instituciones del mercado laboral?donde estan las empresas?
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 August 2015 2 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Que tenemos hasta aca?
Saez & Piketty vs Acemoglu & Autor?
Por que es relevante el debate?
Que falta aca?
hay fricciones de mercado? de que tipo?
instituciones del mercado laboral?donde estan las empresas?
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 August 2015 2 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Que tenemos hasta aca?
Saez & Piketty vs Acemoglu & Autor?
Por que es relevante el debate?
Que falta aca?
hay fricciones de mercado? de que tipo?instituciones del mercado laboral?
donde estan las empresas?
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 August 2015 2 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Que tenemos hasta aca?
Saez & Piketty vs Acemoglu & Autor?
Por que es relevante el debate?
Que falta aca?
hay fricciones de mercado? de que tipo?instituciones del mercado laboral?donde estan las empresas?
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 August 2015 2 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Que paso en Alemania?:Workplace Heterogeneity and the Rise of West German
Wage Inequality(Card, Heining, Kline, QJE, 2013)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 3 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Motivacion: Cambios en la Estructura Salarial
Importantes cambios en la estructura salarial en los paısesdesarrollados (Estados Unidos, Canada, Reino Unido, Alemania)
El “timing” fue diferente pero los hechos estilizados indican:
aumento en la desigualdad entre grupos (College/HS wage gap)aumento de la desigualdad dentro de los grupos
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 4 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Motivacion: Cambios en la Estructura Salarial
Importantes cambios en la estructura salarial en los paısesdesarrollados (Estados Unidos, Canada, Reino Unido, Alemania)
El “timing” fue diferente pero los hechos estilizados indican:
aumento en la desigualdad entre grupos (College/HS wage gap)aumento de la desigualdad dentro de los grupos
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 4 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Motivacion: Cambios en la Estructura Salarial
Importantes cambios en la estructura salarial en los paısesdesarrollados (Estados Unidos, Canada, Reino Unido, Alemania)
El “timing” fue diferente pero los hechos estilizados indican:
aumento en la desigualdad entre grupos (College/HS wage gap)
aumento de la desigualdad dentro de los grupos
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 4 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Motivacion: Cambios en la Estructura Salarial
Importantes cambios en la estructura salarial en los paısesdesarrollados (Estados Unidos, Canada, Reino Unido, Alemania)
El “timing” fue diferente pero los hechos estilizados indican:
aumento en la desigualdad entre grupos (College/HS wage gap)aumento de la desigualdad dentro de los grupos
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 4 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Consenso sobre el Marco Conceptual
Cambios en la oferta y demanda
Tecnologıa (Bound y Johnson, AER, 1992; Katz y Murphy, QJE,1992;Autor, Levy, Murnane, QJE, 2003)Demografıa (Freeman, JHR, 1079)Educacion (Goldin and Katz, 2008)
Instituciones
Salarios Mınimos (Lee, QJE, 1999)Sindicatos (Freeman, ILRR, 1980)Rentas sectoriales (Katz y Summers, Brookings PEA, 1989)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 5 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Consenso sobre el Marco Conceptual
Cambios en la oferta y demanda
Tecnologıa (Bound y Johnson, AER, 1992; Katz y Murphy, QJE,1992;Autor, Levy, Murnane, QJE, 2003)
Demografıa (Freeman, JHR, 1079)Educacion (Goldin and Katz, 2008)
Instituciones
Salarios Mınimos (Lee, QJE, 1999)Sindicatos (Freeman, ILRR, 1980)Rentas sectoriales (Katz y Summers, Brookings PEA, 1989)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 5 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Consenso sobre el Marco Conceptual
Cambios en la oferta y demanda
Tecnologıa (Bound y Johnson, AER, 1992; Katz y Murphy, QJE,1992;Autor, Levy, Murnane, QJE, 2003)Demografıa (Freeman, JHR, 1079)
Educacion (Goldin and Katz, 2008)
Instituciones
Salarios Mınimos (Lee, QJE, 1999)Sindicatos (Freeman, ILRR, 1980)Rentas sectoriales (Katz y Summers, Brookings PEA, 1989)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 5 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Consenso sobre el Marco Conceptual
Cambios en la oferta y demanda
Tecnologıa (Bound y Johnson, AER, 1992; Katz y Murphy, QJE,1992;Autor, Levy, Murnane, QJE, 2003)Demografıa (Freeman, JHR, 1079)Educacion (Goldin and Katz, 2008)
Instituciones
Salarios Mınimos (Lee, QJE, 1999)Sindicatos (Freeman, ILRR, 1980)Rentas sectoriales (Katz y Summers, Brookings PEA, 1989)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 5 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Consenso sobre el Marco Conceptual
Cambios en la oferta y demanda
Tecnologıa (Bound y Johnson, AER, 1992; Katz y Murphy, QJE,1992;Autor, Levy, Murnane, QJE, 2003)Demografıa (Freeman, JHR, 1079)Educacion (Goldin and Katz, 2008)
Instituciones
Salarios Mınimos (Lee, QJE, 1999)Sindicatos (Freeman, ILRR, 1980)Rentas sectoriales (Katz y Summers, Brookings PEA, 1989)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 5 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Consenso sobre el Marco Conceptual
Cambios en la oferta y demanda
Tecnologıa (Bound y Johnson, AER, 1992; Katz y Murphy, QJE,1992;Autor, Levy, Murnane, QJE, 2003)Demografıa (Freeman, JHR, 1079)Educacion (Goldin and Katz, 2008)
Instituciones
Salarios Mınimos (Lee, QJE, 1999)
Sindicatos (Freeman, ILRR, 1980)Rentas sectoriales (Katz y Summers, Brookings PEA, 1989)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 5 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Consenso sobre el Marco Conceptual
Cambios en la oferta y demanda
Tecnologıa (Bound y Johnson, AER, 1992; Katz y Murphy, QJE,1992;Autor, Levy, Murnane, QJE, 2003)Demografıa (Freeman, JHR, 1079)Educacion (Goldin and Katz, 2008)
Instituciones
Salarios Mınimos (Lee, QJE, 1999)Sindicatos (Freeman, ILRR, 1980)
Rentas sectoriales (Katz y Summers, Brookings PEA, 1989)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 5 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Consenso sobre el Marco Conceptual
Cambios en la oferta y demanda
Tecnologıa (Bound y Johnson, AER, 1992; Katz y Murphy, QJE,1992;Autor, Levy, Murnane, QJE, 2003)Demografıa (Freeman, JHR, 1079)Educacion (Goldin and Katz, 2008)
Instituciones
Salarios Mınimos (Lee, QJE, 1999)Sindicatos (Freeman, ILRR, 1980)Rentas sectoriales (Katz y Summers, Brookings PEA, 1989)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 5 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Consenso sobre el Marco Conceptual
Cambios en la oferta y demanda
Tecnologıa (Bound y Johnson, AER, 1992; Katz y Murphy, QJE,1992;Autor, Levy, Murnane, QJE, 2003)Demografıa (Freeman, JHR, 1079)Educacion (Goldin and Katz, 2008)
Instituciones
Salarios Mınimos (Lee, QJE, 1999)Sindicatos (Freeman, ILRR, 1980)Rentas sectoriales (Katz y Summers, Brookings PEA, 1989)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 5 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Que pasa con las fricciones?
Otras dos fuentes de dispersion salarial:
Efectos de Matching: Cada trabajo tiene un componente deproductividad particular y los trabajadores puede apropiarse de unaparte de elTambien puede ser “rent-sharing”, “salarios de eficiencia” y “strategicwage posting behavior”.
El foco de Card, et al. es sobre el componente de firma
El componente de firma de los salarios se ha incrementado en eltiempo, contribuyendo al aumento de la desigualdad?
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 6 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Que pasa con las fricciones?
Otras dos fuentes de dispersion salarial:
Efectos de Matching: Cada trabajo tiene un componente deproductividad particular y los trabajadores puede apropiarse de unaparte de el
Tambien puede ser “rent-sharing”, “salarios de eficiencia” y “strategicwage posting behavior”.
El foco de Card, et al. es sobre el componente de firma
El componente de firma de los salarios se ha incrementado en eltiempo, contribuyendo al aumento de la desigualdad?
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 6 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Que pasa con las fricciones?
Otras dos fuentes de dispersion salarial:
Efectos de Matching: Cada trabajo tiene un componente deproductividad particular y los trabajadores puede apropiarse de unaparte de elTambien puede ser “rent-sharing”, “salarios de eficiencia” y “strategicwage posting behavior”.
El foco de Card, et al. es sobre el componente de firma
El componente de firma de los salarios se ha incrementado en eltiempo, contribuyendo al aumento de la desigualdad?
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 6 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Que pasa con las fricciones?
Otras dos fuentes de dispersion salarial:
Efectos de Matching: Cada trabajo tiene un componente deproductividad particular y los trabajadores puede apropiarse de unaparte de elTambien puede ser “rent-sharing”, “salarios de eficiencia” y “strategicwage posting behavior”.
El foco de Card, et al. es sobre el componente de firma
El componente de firma de los salarios se ha incrementado en eltiempo, contribuyendo al aumento de la desigualdad?
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 6 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Que pasa con las fricciones?
Otras dos fuentes de dispersion salarial:
Efectos de Matching: Cada trabajo tiene un componente deproductividad particular y los trabajadores puede apropiarse de unaparte de elTambien puede ser “rent-sharing”, “salarios de eficiencia” y “strategicwage posting behavior”.
El foco de Card, et al. es sobre el componente de firma
El componente de firma de los salarios se ha incrementado en eltiempo, contribuyendo al aumento de la desigualdad?
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 6 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Motivacion: Cambios en la Estructura Salarial
Los analisis de bases de datos “matched employer-employee” (Abowd,Kremarz and Margolis, Econometrica, 1999) tıpicamente encuentrangrandes diferencias salariales entre firmas despues de controlar por laheterogeneidad de trabajadores constante en el tiempo.
Existen pocos intentos hasta ahora de explorar la no-estacionariedad eneste hecho.Card, et al. tienen una buena base de datos para explorar esto porquela muestra para Alemania cubre un perıodo antes y despues de unepisodio de cambios significativos en la estructura salarial.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 7 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Motivacion: Cambios en la Estructura Salarial
Los analisis de bases de datos “matched employer-employee” (Abowd,Kremarz and Margolis, Econometrica, 1999) tıpicamente encuentrangrandes diferencias salariales entre firmas despues de controlar por laheterogeneidad de trabajadores constante en el tiempo.
Existen pocos intentos hasta ahora de explorar la no-estacionariedad eneste hecho.
Card, et al. tienen una buena base de datos para explorar esto porquela muestra para Alemania cubre un perıodo antes y despues de unepisodio de cambios significativos en la estructura salarial.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 7 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Motivacion: Cambios en la Estructura Salarial
Los analisis de bases de datos “matched employer-employee” (Abowd,Kremarz and Margolis, Econometrica, 1999) tıpicamente encuentrangrandes diferencias salariales entre firmas despues de controlar por laheterogeneidad de trabajadores constante en el tiempo.
Existen pocos intentos hasta ahora de explorar la no-estacionariedad eneste hecho.Card, et al. tienen una buena base de datos para explorar esto porquela muestra para Alemania cubre un perıodo antes y despues de unepisodio de cambios significativos en la estructura salarial.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 7 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
El trabajo de Card, et al.
Ellos analizan una base de datos que linkea empleados y empleadorespara Alemania (1985-2009) con datos de la seguridad social
Los cambios en Alemania en 90’s-00’s son similares a los de EstadosUnidos en 80’s y 90’s (Dustmann, Ludsteck y Schomberg, QJE, 2009)
Permite analizar un perıodo de fuerte cambio y el perıodo anterior.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 8 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
El trabajo de Card, et al.
Ellos analizan una base de datos que linkea empleados y empleadorespara Alemania (1985-2009) con datos de la seguridad social
Los cambios en Alemania en 90’s-00’s son similares a los de EstadosUnidos en 80’s y 90’s (Dustmann, Ludsteck y Schomberg, QJE, 2009)
Permite analizar un perıodo de fuerte cambio y el perıodo anterior.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 8 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
El trabajo de Card, et al.
Ellos analizan una base de datos que linkea empleados y empleadorespara Alemania (1985-2009) con datos de la seguridad social
Los cambios en Alemania en 90’s-00’s son similares a los de EstadosUnidos en 80’s y 90’s (Dustmann, Ludsteck y Schomberg, QJE, 2009)
Permite analizar un perıodo de fuerte cambio y el perıodo anterior.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 8 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
El trabajo de Card, et al.
Ellos analizan una base de datos que linkea empleados y empleadorespara Alemania (1985-2009) con datos de la seguridad social
Los cambios en Alemania en 90’s-00’s son similares a los de EstadosUnidos en 80’s y 90’s (Dustmann, Ludsteck y Schomberg, QJE, 2009)
Permite analizar un perıodo de fuerte cambio y el perıodo anterior.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 8 / 35
‐30
‐25
‐20
‐15
‐10
‐5
0
5
10
15
1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009
Value of W
age Percen
tile ‐V
alue
in 1996
Year
Trends in Percentiles of Real Log Daily Wages(Relative to 1996 base)
20th Percentile
50th Percentile
80th Percentile
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Metodologıa
Estimar un modelo de efectos fijos por personas, establecimientos y“match” separadamente para cuatro intervalos de tiempo.
Dar cuenta de “non-random sorting” de trabajadores a firmas vıavariaciones de los metodos presentados por Abowd, Kremarz andMargolis (Econometrica, 1999).
Examinar los patrones de cambio en el tiempo de los diferentescomponentes salariales.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 9 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Metodologıa
Estimar un modelo de efectos fijos por personas, establecimientos y“match” separadamente para cuatro intervalos de tiempo.
Dar cuenta de “non-random sorting” de trabajadores a firmas vıavariaciones de los metodos presentados por Abowd, Kremarz andMargolis (Econometrica, 1999).
Examinar los patrones de cambio en el tiempo de los diferentescomponentes salariales.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 9 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Metodologıa
Estimar un modelo de efectos fijos por personas, establecimientos y“match” separadamente para cuatro intervalos de tiempo.
Dar cuenta de “non-random sorting” de trabajadores a firmas vıavariaciones de los metodos presentados por Abowd, Kremarz andMargolis (Econometrica, 1999).
Examinar los patrones de cambio en el tiempo de los diferentescomponentes salariales.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 9 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Principales Resultados
1 Efectos de firma fueron muy importantes para el aumento de ladesigualdad. Los efectos de “matcheo” son pequenos y estables en eltiempo.
2 Correlacion positiva y creciente entre los efectos de establecimiento ylas personas.
3 La mayor parte de los incrementos de los retornos a la educacion sonatribuibles a los efectos de firma.
4 Los establecimientos mas nuevos (post-1995) tienen efectos firmamas desiguales.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 10 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Principales Resultados
1 Efectos de firma fueron muy importantes para el aumento de ladesigualdad. Los efectos de “matcheo” son pequenos y estables en eltiempo.
2 Correlacion positiva y creciente entre los efectos de establecimiento ylas personas.
3 La mayor parte de los incrementos de los retornos a la educacion sonatribuibles a los efectos de firma.
4 Los establecimientos mas nuevos (post-1995) tienen efectos firmamas desiguales.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 10 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Principales Resultados
1 Efectos de firma fueron muy importantes para el aumento de ladesigualdad. Los efectos de “matcheo” son pequenos y estables en eltiempo.
2 Correlacion positiva y creciente entre los efectos de establecimiento ylas personas.
3 La mayor parte de los incrementos de los retornos a la educacion sonatribuibles a los efectos de firma.
4 Los establecimientos mas nuevos (post-1995) tienen efectos firmamas desiguales.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 10 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Principales Resultados
1 Efectos de firma fueron muy importantes para el aumento de ladesigualdad. Los efectos de “matcheo” son pequenos y estables en eltiempo.
2 Correlacion positiva y creciente entre los efectos de establecimiento ylas personas.
3 La mayor parte de los incrementos de los retornos a la educacion sonatribuibles a los efectos de firma.
4 Los establecimientos mas nuevos (post-1995) tienen efectos firmamas desiguales.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 10 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Datos: Integrated Employment Biographies (Universo dedatos Seguridad Social)
Informacion sobre salarios, establecimientos (EID) y nivel educativo.
Asignacion de los trabajadores a un unico trabajo, basado en el EIDque les paga mas.
Esta asignacion se hace basada en la propiedad, la industria y lamunicipalidad:
Dos puestos de venta de comida rapida en la misma ciudad con elmismo dueno → mismo EIDUna fundicion de acero y una plata de fabricacion con el mismo dueno→ dos EID
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 11 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Datos: Integrated Employment Biographies (Universo dedatos Seguridad Social)
Informacion sobre salarios, establecimientos (EID) y nivel educativo.
Asignacion de los trabajadores a un unico trabajo, basado en el EIDque les paga mas.
Esta asignacion se hace basada en la propiedad, la industria y lamunicipalidad:
Dos puestos de venta de comida rapida en la misma ciudad con elmismo dueno → mismo EIDUna fundicion de acero y una plata de fabricacion con el mismo dueno→ dos EID
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 11 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Datos: Integrated Employment Biographies (Universo dedatos Seguridad Social)
Informacion sobre salarios, establecimientos (EID) y nivel educativo.
Asignacion de los trabajadores a un unico trabajo, basado en el EIDque les paga mas.
Esta asignacion se hace basada en la propiedad, la industria y lamunicipalidad:
Dos puestos de venta de comida rapida en la misma ciudad con elmismo dueno → mismo EIDUna fundicion de acero y una plata de fabricacion con el mismo dueno→ dos EID
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 11 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Datos: Integrated Employment Biographies (Universo dedatos Seguridad Social)
Informacion sobre salarios, establecimientos (EID) y nivel educativo.
Asignacion de los trabajadores a un unico trabajo, basado en el EIDque les paga mas.
Esta asignacion se hace basada en la propiedad, la industria y lamunicipalidad:
Dos puestos de venta de comida rapida en la misma ciudad con elmismo dueno → mismo EID
Una fundicion de acero y una plata de fabricacion con el mismo dueno→ dos EID
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 11 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Datos: Integrated Employment Biographies (Universo dedatos Seguridad Social)
Informacion sobre salarios, establecimientos (EID) y nivel educativo.
Asignacion de los trabajadores a un unico trabajo, basado en el EIDque les paga mas.
Esta asignacion se hace basada en la propiedad, la industria y lamunicipalidad:
Dos puestos de venta de comida rapida en la misma ciudad con elmismo dueno → mismo EIDUna fundicion de acero y una plata de fabricacion con el mismo dueno→ dos EID
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 11 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Restricciones en la base de datos
La muestra tiene trabajadores de Alemania Occidental
solo hombres
edades entre 20 y 60 anoscon un salario diario de mas de 10 euros por dıa
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 12 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Restricciones en la base de datos
La muestra tiene trabajadores de Alemania Occidental
solo hombresedades entre 20 y 60 anos
con un salario diario de mas de 10 euros por dıa
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 12 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Restricciones en la base de datos
La muestra tiene trabajadores de Alemania Occidental
solo hombresedades entre 20 y 60 anoscon un salario diario de mas de 10 euros por dıa
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 12 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Restricciones en la base de datos
La muestra tiene trabajadores de Alemania Occidental
solo hombresedades entre 20 y 60 anoscon un salario diario de mas de 10 euros por dıa
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 12 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Problema Principal: Top Coding (percentil 85)
Se imputa los salarios de la cola derecha de la distribucion usando unmodelo log-normal (regresiones Tobit con controles: ano, edad, ygrupo educativo)
Se usan variables adicionales para predecir los salarios
salario promedio en otros perıodos, fraccion de observaciones de otrosanos que estan censuradas.Salario promedio de trabajadores en la misma firma, fraccion detrabajadores en la misma firma que tambien estan censurados.
Prueba de Robustez de los hallazgos principales: muestra de losaprendices.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 13 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Problema Principal: Top Coding (percentil 85)
Se imputa los salarios de la cola derecha de la distribucion usando unmodelo log-normal (regresiones Tobit con controles: ano, edad, ygrupo educativo)
Se usan variables adicionales para predecir los salarios
salario promedio en otros perıodos, fraccion de observaciones de otrosanos que estan censuradas.Salario promedio de trabajadores en la misma firma, fraccion detrabajadores en la misma firma que tambien estan censurados.
Prueba de Robustez de los hallazgos principales: muestra de losaprendices.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 13 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Problema Principal: Top Coding (percentil 85)
Se imputa los salarios de la cola derecha de la distribucion usando unmodelo log-normal (regresiones Tobit con controles: ano, edad, ygrupo educativo)
Se usan variables adicionales para predecir los salarios
salario promedio en otros perıodos, fraccion de observaciones de otrosanos que estan censuradas.
Salario promedio de trabajadores en la misma firma, fraccion detrabajadores en la misma firma que tambien estan censurados.
Prueba de Robustez de los hallazgos principales: muestra de losaprendices.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 13 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Problema Principal: Top Coding (percentil 85)
Se imputa los salarios de la cola derecha de la distribucion usando unmodelo log-normal (regresiones Tobit con controles: ano, edad, ygrupo educativo)
Se usan variables adicionales para predecir los salarios
salario promedio en otros perıodos, fraccion de observaciones de otrosanos que estan censuradas.Salario promedio de trabajadores en la misma firma, fraccion detrabajadores en la misma firma que tambien estan censurados.
Prueba de Robustez de los hallazgos principales: muestra de losaprendices.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 13 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Problema Principal: Top Coding (percentil 85)
Se imputa los salarios de la cola derecha de la distribucion usando unmodelo log-normal (regresiones Tobit con controles: ano, edad, ygrupo educativo)
Se usan variables adicionales para predecir los salarios
salario promedio en otros perıodos, fraccion de observaciones de otrosanos que estan censuradas.Salario promedio de trabajadores en la misma firma, fraccion detrabajadores en la misma firma que tambien estan censurados.
Prueba de Robustez de los hallazgos principales: muestra de losaprendices.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 13 / 35
0.32
0.36
0.40
0.44
0.48
0.52
0.56
1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009
Standard Deviatio
n of Log
Wages
Year
Evolution of Wage Inequality (Standard Deviation of Log Wages)
interval 1: 1985‐91interval 2: 1990‐1996
interval 3: 1996‐2002
interval 4: 2002‐2009
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Regresion Principal
yit = αi︸︷︷︸Efecto Persona
+ ψJ(i,t)︸ ︷︷ ︸Efecto Firma
+ x ′i tβ︸︷︷︸Controles VT︸ ︷︷ ︸
Efectos Fijos
+ ηiJ(i,t)︸ ︷︷ ︸“Match Effect”
+ ζit︸︷︷︸Drift
+ εit︸︷︷︸Transitory Error︸ ︷︷ ︸
Efectos Aleatorios
Efecto Persona: componente “portable” de los salarios deltrabajador
Efecto Firma: componente especıfico de la empresa de los salariosdel trabajador
Controles con variacion en el tiempo: variables dummy por “niveleducativo-ano” y edad interactuada con educacion
“Match-Effect”: heterogeneidad en el “efecto tratamiento”
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 14 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Regresion Principal: Identificacion
Que precisamos para que esa regresion tenga sentido?
Hagamos un breve repaso del modelo lineal...
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 15 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Regresion Principal: Identificacion
Que precisamos para que esa regresion tenga sentido?
Hagamos un breve repaso del modelo lineal...
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 15 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Supuestos del Modelo de Regresion Lineal
1 Yi = α + Xiβ + εi donde E (εi |Xi ) = 0 e i = 1,...,N (o σX ε = 0,E (ε) = 0)
2 la muestra es i.i.d (los datos son independientes e identicamentedistribuidos). Otra forma de decirlo es que la muestra es una muestraaleatoria.
3 σXX = var(X ) > 0
4 E (Y 4i ) <∞ y E (X 4
i ) <∞ para todo i .
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 16 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Supuestos del Modelo de Regresion Lineal
1 Yi = α + Xiβ + εi donde E (εi |Xi ) = 0 e i = 1,...,N (o σX ε = 0,E (ε) = 0)
2 la muestra es i.i.d (los datos son independientes e identicamentedistribuidos). Otra forma de decirlo es que la muestra es una muestraaleatoria.
3 σXX = var(X ) > 0
4 E (Y 4i ) <∞ y E (X 4
i ) <∞ para todo i .
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 16 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Supuestos del Modelo de Regresion Lineal
1 Yi = α + Xiβ + εi donde E (εi |Xi ) = 0 e i = 1,...,N (o σX ε = 0,E (ε) = 0)
2 la muestra es i.i.d (los datos son independientes e identicamentedistribuidos). Otra forma de decirlo es que la muestra es una muestraaleatoria.
3 σXX = var(X ) > 0
4 E (Y 4i ) <∞ y E (X 4
i ) <∞ para todo i .
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 16 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Supuestos del Modelo de Regresion Lineal
1 Yi = α + Xiβ + εi donde E (εi |Xi ) = 0 e i = 1,...,N (o σX ε = 0,E (ε) = 0)
2 la muestra es i.i.d (los datos son independientes e identicamentedistribuidos). Otra forma de decirlo es que la muestra es una muestraaleatoria.
3 σXX = var(X ) > 0
4 E (Y 4i ) <∞ y E (X 4
i ) <∞ para todo i .
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 16 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Supuestos del Modelo de Regresion Lineal
1 Yi = α + Xiβ + εi donde E (εi |Xi ) = 0 e i = 1,...,N (o σX ε = 0,E (ε) = 0)
2 la muestra es i.i.d (los datos son independientes e identicamentedistribuidos). Otra forma de decirlo es que la muestra es una muestraaleatoria.
3 σXX = var(X ) > 0
4 E (Y 4i ) <∞ y E (X 4
i ) <∞ para todo i .
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 16 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Estimador MCO del Modelo de Regresion Lineal
Ajusta una recta que minimiza los errores al cuadrado (entre el valorestimado por la relacion lineal y el dato original).
Formalmente,
α, β = minα,β∑N
1 εi2 = minα,β
∑N1 (Yi − α + Xiβ)2
cuya solucion es:
β =1N
∑N1 (Xi−X )Yi
1N
∑N1 (Xi−X )2
α = Y − X β
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 17 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Estimador MCO del Modelo de Regresion Lineal
Ajusta una recta que minimiza los errores al cuadrado (entre el valorestimado por la relacion lineal y el dato original).
Formalmente,
α, β = minα,β∑N
1 εi2 = minα,β
∑N1 (Yi − α + Xiβ)2
cuya solucion es:
β =1N
∑N1 (Xi−X )Yi
1N
∑N1 (Xi−X )2
α = Y − X β
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 17 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Estimador MCO del Modelo de Regresion Lineal
Ajusta una recta que minimiza los errores al cuadrado (entre el valorestimado por la relacion lineal y el dato original).
Formalmente,
α, β = minα,β∑N
1 εi2 = minα,β
∑N1 (Yi − α + Xiβ)2
cuya solucion es:
β =1N
∑N1 (Xi−X )Yi
1N
∑N1 (Xi−X )2
α = Y − X β
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 17 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Teorıa de la Consistencia del estimador LS
Por consistencia de los estimadores β y α se entiende la propiedad deque estos estimadores converjan en probabilidad a los respectivosvalores reales de β y α.
Definicion convergencia en probabilidad: β converge enprobabilidad a β si para cada ε > 0, η > 0 existe un N0 tal queN > N0, entonces P(|β − β| > ε) < η.
Notacion: plim(β) = β, β →p β, β = β + op(1)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 18 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Teorıa de la Consistencia del estimador LS
Por consistencia de los estimadores β y α se entiende la propiedad deque estos estimadores converjan en probabilidad a los respectivosvalores reales de β y α.
Definicion convergencia en probabilidad: β converge enprobabilidad a β si para cada ε > 0, η > 0 existe un N0 tal queN > N0, entonces P(|β − β| > ε) < η.
Notacion: plim(β) = β, β →p β, β = β + op(1)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 18 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Teorıa de la Consistencia del estimador LS
Por consistencia de los estimadores β y α se entiende la propiedad deque estos estimadores converjan en probabilidad a los respectivosvalores reales de β y α.
Definicion convergencia en probabilidad: β converge enprobabilidad a β si para cada ε > 0, η > 0 existe un N0 tal queN > N0, entonces P(|β − β| > ε) < η.
Notacion: plim(β) = β, β →p β, β = β + op(1)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 18 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
La Ley de los Grandes Numeros y el dado egocentrico
Sean X1, ...,XN variables aleatorias no correlacionadas con varianzafinita (E (X 2
t ) <∞) para todo t. Entonces X →p E (X ), donde
X = 1N
∑Nt=1 Xi .
Supongamos un dado (no egocentrico)
Cada cara tiene una probabilidad de... 16
Cual es el valor esperado si lo tiro una vez? 3.5!
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 19 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
La Ley de los Grandes Numeros y el dado egocentrico
Sean X1, ...,XN variables aleatorias no correlacionadas con varianzafinita (E (X 2
t ) <∞) para todo t. Entonces X →p E (X ), donde
X = 1N
∑Nt=1 Xi .
Supongamos un dado (no egocentrico)
Cada cara tiene una probabilidad de...
16
Cual es el valor esperado si lo tiro una vez? 3.5!
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 19 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
La Ley de los Grandes Numeros y el dado egocentrico
Sean X1, ...,XN variables aleatorias no correlacionadas con varianzafinita (E (X 2
t ) <∞) para todo t. Entonces X →p E (X ), donde
X = 1N
∑Nt=1 Xi .
Supongamos un dado (no egocentrico)
Cada cara tiene una probabilidad de... 16
Cual es el valor esperado si lo tiro una vez? 3.5!
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 19 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
La Ley de los Grandes Numeros y el dado egocentrico
Sean X1, ...,XN variables aleatorias no correlacionadas con varianzafinita (E (X 2
t ) <∞) para todo t. Entonces X →p E (X ), donde
X = 1N
∑Nt=1 Xi .
Supongamos un dado (no egocentrico)
Cada cara tiene una probabilidad de... 16
Cual es el valor esperado si lo tiro una vez?
3.5!
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 19 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
La Ley de los Grandes Numeros y el dado egocentrico
Sean X1, ...,XN variables aleatorias no correlacionadas con varianzafinita (E (X 2
t ) <∞) para todo t. Entonces X →p E (X ), donde
X = 1N
∑Nt=1 Xi .
Supongamos un dado (no egocentrico)
Cada cara tiene una probabilidad de... 16
Cual es el valor esperado si lo tiro una vez? 3.5!
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 19 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Lo que me llevo mas tiempo preparar (tienen que creerme)
Tome un dado y me puse a tirarlo:
Lo tire una vez y salio el 4, promedio 4Lo tire de nuevo dos veces una vez salio el 5 y la otra el 6, promedio 5.5Lo tire de nuevo tres veces, salieron 1, 2 y 5, promedio 2.66
Seguı probando suerte....
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 20 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Lo que me llevo mas tiempo preparar (tienen que creerme)
Tome un dado y me puse a tirarlo:
Lo tire una vez y salio el 4, promedio 4
Lo tire de nuevo dos veces una vez salio el 5 y la otra el 6, promedio 5.5Lo tire de nuevo tres veces, salieron 1, 2 y 5, promedio 2.66
Seguı probando suerte....
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 20 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Lo que me llevo mas tiempo preparar (tienen que creerme)
Tome un dado y me puse a tirarlo:
Lo tire una vez y salio el 4, promedio 4Lo tire de nuevo dos veces una vez salio el 5 y la otra el 6, promedio 5.5
Lo tire de nuevo tres veces, salieron 1, 2 y 5, promedio 2.66
Seguı probando suerte....
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 20 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Lo que me llevo mas tiempo preparar (tienen que creerme)
Tome un dado y me puse a tirarlo:
Lo tire una vez y salio el 4, promedio 4Lo tire de nuevo dos veces una vez salio el 5 y la otra el 6, promedio 5.5Lo tire de nuevo tres veces, salieron 1, 2 y 5, promedio 2.66
Seguı probando suerte....
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 20 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Lo que me llevo mas tiempo preparar (tienen que creerme)
Tome un dado y me puse a tirarlo:
Lo tire una vez y salio el 4, promedio 4Lo tire de nuevo dos veces una vez salio el 5 y la otra el 6, promedio 5.5Lo tire de nuevo tres veces, salieron 1, 2 y 5, promedio 2.66
Seguı probando suerte....
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 20 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Termine haciendo esto mil veces ...
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 21 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Termine haciendo esto mil veces ...
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 21 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Volvamos a la teorıa de la consistencia del estimador MCO
Usando los supuestos es posible reescribir el estimador de la siguienteforma:
β =1N
∑N1 (Xi − X )Yi
1N
∑N1 (Xi − X )2
=1N
∑N1 (Xi − X )(α + Xiβ + εi )
1N
∑N1 (Xi − X )2
=1N (
∑N1 (Xi − X )α +
∑N1 (Xi − X )Xiβ +
∑N1 (Xi − X )εi )
1N
∑N1 (Xi − X )2
= β +1N
∑N1 (Xi − X )εi
1N
∑N1 (Xi − X )2
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 22 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Volvamos a la teorıa de la consistencia del estimador MCO
Usando los supuestos es posible reescribir el estimador de la siguienteforma:
β =1N
∑N1 (Xi − X )Yi
1N
∑N1 (Xi − X )2
=1N
∑N1 (Xi − X )(α + Xiβ + εi )
1N
∑N1 (Xi − X )2
=1N (
∑N1 (Xi − X )α +
∑N1 (Xi − X )Xiβ +
∑N1 (Xi − X )εi )
1N
∑N1 (Xi − X )2
= β +1N
∑N1 (Xi − X )εi
1N
∑N1 (Xi − X )2
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 22 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Volvamos a la teorıa de la consistencia del estimador MCO
Usando los supuestos es posible reescribir el estimador de la siguienteforma:
β =1N
∑N1 (Xi − X )Yi
1N
∑N1 (Xi − X )2
=1N
∑N1 (Xi − X )(α + Xiβ + εi )
1N
∑N1 (Xi − X )2
=1N (
∑N1 (Xi − X )α +
∑N1 (Xi − X )Xiβ +
∑N1 (Xi − X )εi )
1N
∑N1 (Xi − X )2
= β +1N
∑N1 (Xi − X )εi
1N
∑N1 (Xi − X )2
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 22 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Consistencia del estimador MCO (cont.)
β = β +1N
∑N1 (Xi−X )εi
1N
∑N1 (Xi−X )2
Los supuestos de la Ley de los Grandes Numeros se cumplen en elcaso del numerador y denominador.
Entonces, el numerador y denominador convergen en probabilidad asus esperanzas.
β →p β + σXεσXX
Dado que por Supuesto 1 σX ε = 0 y por Supuesto 3 σXX > 0 elestimador para β (β) es consistente.
β →p β
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 23 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Consistencia del estimador MCO (cont.)
β = β +1N
∑N1 (Xi−X )εi
1N
∑N1 (Xi−X )2
Los supuestos de la Ley de los Grandes Numeros se cumplen en elcaso del numerador y denominador.
Entonces, el numerador y denominador convergen en probabilidad asus esperanzas.
β →p β + σXεσXX
Dado que por Supuesto 1 σX ε = 0 y por Supuesto 3 σXX > 0 elestimador para β (β) es consistente.
β →p β
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 23 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Consistencia del estimador MCO (cont.)
β = β +1N
∑N1 (Xi−X )εi
1N
∑N1 (Xi−X )2
Los supuestos de la Ley de los Grandes Numeros se cumplen en elcaso del numerador y denominador.
Entonces, el numerador y denominador convergen en probabilidad asus esperanzas.
β →p β + σXεσXX
Dado que por Supuesto 1 σX ε = 0 y por Supuesto 3 σXX > 0 elestimador para β (β) es consistente.
β →p β
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 23 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Consistencia del estimador MCO (cont.)
β = β +1N
∑N1 (Xi−X )εi
1N
∑N1 (Xi−X )2
Los supuestos de la Ley de los Grandes Numeros se cumplen en elcaso del numerador y denominador.
Entonces, el numerador y denominador convergen en probabilidad asus esperanzas.
β →p β + σXεσXX
Dado que por Supuesto 1 σX ε = 0 y por Supuesto 3 σXX > 0 elestimador para β (β) es consistente.
β →p β
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 23 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Consistencia del estimador MCO (cont.)
Dada esta propiedad, y recordando que Y →p E (Y ) y queX →p E (X ), en el caso de α se puede escribir:
α = Y − X β →p E (Y )− E (X )β = α
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 24 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Consistencia del estimador MCO: conclusiones
Si se cumplen los (mınimos) supuestos del modelo:
El estimador de mınimos cuadrados ordinarios es consistente (convergeen probabilidad).Entonces se puede usar el modelo lineal para estimar relacionescausales (en muestras grandes)En muestras pequenas las propiedades del estimador no son tan buenasExperientos de campo (como el de Keizer, et al.) tienden a compensarel temano de la muestra con mayor certeza sobre el cumplimiento delos supuestos.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 25 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Consistencia del estimador MCO: conclusiones
Si se cumplen los (mınimos) supuestos del modelo:
El estimador de mınimos cuadrados ordinarios es consistente (convergeen probabilidad).
Entonces se puede usar el modelo lineal para estimar relacionescausales (en muestras grandes)En muestras pequenas las propiedades del estimador no son tan buenasExperientos de campo (como el de Keizer, et al.) tienden a compensarel temano de la muestra con mayor certeza sobre el cumplimiento delos supuestos.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 25 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Consistencia del estimador MCO: conclusiones
Si se cumplen los (mınimos) supuestos del modelo:
El estimador de mınimos cuadrados ordinarios es consistente (convergeen probabilidad).Entonces se puede usar el modelo lineal para estimar relacionescausales (en muestras grandes)En muestras pequenas las propiedades del estimador no son tan buenasExperientos de campo (como el de Keizer, et al.) tienden a compensarel temano de la muestra con mayor certeza sobre el cumplimiento delos supuestos.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 25 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Que paso en Alemania?:Workplace Heterogeneity and the Rise of West German
Wage Inequality(Card, Heining, Kline, QJE, 2013)
Continuacion
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 26 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Regresion Principal
yit = αi︸︷︷︸Efecto Persona
+ ψJ(i,t)︸ ︷︷ ︸Efecto Firma
+ x ′i tβ︸︷︷︸Controles VT︸ ︷︷ ︸
Efectos Fijos
+ ηiJ(i,t)︸ ︷︷ ︸“Match Effect”
+ ζit︸︷︷︸Drift
+ εit︸︷︷︸Transitory Error︸ ︷︷ ︸
Efectos Aleatorios
Efecto Persona: componente “portable” de los salarios deltrabajador
Efecto Firma: componente especıfico de la empresa de los salariosdel trabajador
Controles con variacion en el tiempo: variables dummy por “niveleducativo-ano” y edad interactuada con educacion
“Match-Effect”: heterogeneidad en el “efecto tratamiento”
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 27 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Supuesto Central de Identificacion
P(J(i , t) = j |r) = P(J(i , t) = j)
= Gjt(αi , ψ1, , ψj)
La variacion “buena” para el estudio proviene de:
trabajadores moviendose a empresas que pagan mastrabajadores de baja calidad siempre despedidos de empresas quepagan mucho“sorting” basado en las caracterısticas no vinculadas al salario(esfuerzos de contratacion, tiempo de viaje, amenities)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 28 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Supuesto Central de Identificacion
P(J(i , t) = j |r) = P(J(i , t) = j)
= Gjt(αi , ψ1, , ψj)
La variacion “buena” para el estudio proviene de:
trabajadores moviendose a empresas que pagan mas
trabajadores de baja calidad siempre despedidos de empresas quepagan mucho“sorting” basado en las caracterısticas no vinculadas al salario(esfuerzos de contratacion, tiempo de viaje, amenities)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 28 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Supuesto Central de Identificacion
P(J(i , t) = j |r) = P(J(i , t) = j)
= Gjt(αi , ψ1, , ψj)
La variacion “buena” para el estudio proviene de:
trabajadores moviendose a empresas que pagan mastrabajadores de baja calidad siempre despedidos de empresas quepagan mucho
“sorting” basado en las caracterısticas no vinculadas al salario(esfuerzos de contratacion, tiempo de viaje, amenities)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 28 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Supuesto Central de Identificacion
P(J(i , t) = j |r) = P(J(i , t) = j)
= Gjt(αi , ψ1, , ψj)
La variacion “buena” para el estudio proviene de:
trabajadores moviendose a empresas que pagan mastrabajadores de baja calidad siempre despedidos de empresas quepagan mucho“sorting” basado en las caracterısticas no vinculadas al salario(esfuerzos de contratacion, tiempo de viaje, amenities)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 28 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Desafıos a la identificacion: Seleccion basada encomponente transitorio
Correlacion entre J(i , t) y εit
Serıa algo ası como que la firma tuvo un mal ano y la gente por esose va de la firma al otro ano
sobrestima el efecto en la firma de destino y subestima el efecto de lafirma de origen.
Shocks aleatorios en cada empresa deberıan promediarse a cero amedida que el T se incrementa.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 29 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Desafıos a la identificacion: Seleccion basada encomponente transitorio
Correlacion entre J(i , t) y εitSerıa algo ası como que la firma tuvo un mal ano y la gente por esose va de la firma al otro ano
sobrestima el efecto en la firma de destino y subestima el efecto de lafirma de origen.
Shocks aleatorios en cada empresa deberıan promediarse a cero amedida que el T se incrementa.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 29 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Desafıos a la identificacion: Seleccion basada encomponente transitorio
Correlacion entre J(i , t) y εitSerıa algo ası como que la firma tuvo un mal ano y la gente por esose va de la firma al otro ano
sobrestima el efecto en la firma de destino y subestima el efecto de lafirma de origen.
Shocks aleatorios en cada empresa deberıan promediarse a cero amedida que el T se incrementa.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 29 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Desafıos a la identificacion: Seleccion basada encomponente transitorio
Correlacion entre J(i , t) y εitSerıa algo ası como que la firma tuvo un mal ano y la gente por esose va de la firma al otro ano
sobrestima el efecto en la firma de destino y subestima el efecto de lafirma de origen.
Shocks aleatorios en cada empresa deberıan promediarse a cero amedida que el T se incrementa.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 29 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Desafıos a la identificacion: Seleccion basada en el“match”
Correlacion entre J(i , t) y ηiJ(i ,t)
Posible si trabajadores tienen ventajas comparativas para un trabajo ytienen ademas poder de negociacion con sus empleadores.
Dos formas de “testear” este desafıo a la identificacion:
Un modelo que permita efectos fijos de trabajadores-por-firma (y noefectos fijos por persona no importa en que empresa trabaja) deberıaajustarse mucho mejor a los datos.Las transiciones de gente igual entre empresas que pagan diferentedeberıan no ser simetricas (el “matching deberıa ser positivo”)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 30 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Desafıos a la identificacion: Seleccion basada en el“match”
Correlacion entre J(i , t) y ηiJ(i ,t)
Posible si trabajadores tienen ventajas comparativas para un trabajo ytienen ademas poder de negociacion con sus empleadores.
Dos formas de “testear” este desafıo a la identificacion:
Un modelo que permita efectos fijos de trabajadores-por-firma (y noefectos fijos por persona no importa en que empresa trabaja) deberıaajustarse mucho mejor a los datos.Las transiciones de gente igual entre empresas que pagan diferentedeberıan no ser simetricas (el “matching deberıa ser positivo”)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 30 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Desafıos a la identificacion: Seleccion basada en el“match”
Correlacion entre J(i , t) y ηiJ(i ,t)
Posible si trabajadores tienen ventajas comparativas para un trabajo ytienen ademas poder de negociacion con sus empleadores.
Dos formas de “testear” este desafıo a la identificacion:
Un modelo que permita efectos fijos de trabajadores-por-firma (y noefectos fijos por persona no importa en que empresa trabaja) deberıaajustarse mucho mejor a los datos.Las transiciones de gente igual entre empresas que pagan diferentedeberıan no ser simetricas (el “matching deberıa ser positivo”)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 30 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Desafıos a la identificacion: Seleccion basada en el“match”
Correlacion entre J(i , t) y ηiJ(i ,t)
Posible si trabajadores tienen ventajas comparativas para un trabajo ytienen ademas poder de negociacion con sus empleadores.
Dos formas de “testear” este desafıo a la identificacion:
Un modelo que permita efectos fijos de trabajadores-por-firma (y noefectos fijos por persona no importa en que empresa trabaja) deberıaajustarse mucho mejor a los datos.
Las transiciones de gente igual entre empresas que pagan diferentedeberıan no ser simetricas (el “matching deberıa ser positivo”)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 30 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Desafıos a la identificacion: Seleccion basada en el“match”
Correlacion entre J(i , t) y ηiJ(i ,t)
Posible si trabajadores tienen ventajas comparativas para un trabajo ytienen ademas poder de negociacion con sus empleadores.
Dos formas de “testear” este desafıo a la identificacion:
Un modelo que permita efectos fijos de trabajadores-por-firma (y noefectos fijos por persona no importa en que empresa trabaja) deberıaajustarse mucho mejor a los datos.Las transiciones de gente igual entre empresas que pagan diferentedeberıan no ser simetricas (el “matching deberıa ser positivo”)
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 30 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Seleccion basada en el “match”: EjemploSupongamos cuatro personas iguales (A,B,C y D) que trabajan en dosempresas distintas:
dos de ellas (A,B) trabajan en Google que tiene un efecto firmanormalizado a cero (ψG = 0)
las otras dos (C,D) trabajan en Facebook que tiene un efecto firma ψF
Supongamos que B se mueve desde Google a Facebook:
ψF + E [ηBF − ηBG ]︸ ︷︷ ︸lo cual es mayor que cero si hay “matching”
Supongamos que C se mueve desde Facebook a Google:
−ψF + E [ηCG − ηCF ]︸ ︷︷ ︸lo cual es mayor que cero si hay “matching”
Estudio de caso: efectos para los que se mueven son simetricos, locual se interpreta como evidencia de baja importancia del efecto“matching”
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 31 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Seleccion basada en el “match”: EjemploSupongamos cuatro personas iguales (A,B,C y D) que trabajan en dosempresas distintas:
dos de ellas (A,B) trabajan en Google que tiene un efecto firmanormalizado a cero (ψG = 0)las otras dos (C,D) trabajan en Facebook que tiene un efecto firma ψF
Supongamos que B se mueve desde Google a Facebook:
ψF + E [ηBF − ηBG ]︸ ︷︷ ︸lo cual es mayor que cero si hay “matching”
Supongamos que C se mueve desde Facebook a Google:
−ψF + E [ηCG − ηCF ]︸ ︷︷ ︸lo cual es mayor que cero si hay “matching”
Estudio de caso: efectos para los que se mueven son simetricos, locual se interpreta como evidencia de baja importancia del efecto“matching”
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 31 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Seleccion basada en el “match”: EjemploSupongamos cuatro personas iguales (A,B,C y D) que trabajan en dosempresas distintas:
dos de ellas (A,B) trabajan en Google que tiene un efecto firmanormalizado a cero (ψG = 0)las otras dos (C,D) trabajan en Facebook que tiene un efecto firma ψF
Supongamos que B se mueve desde Google a Facebook:
ψF + E [ηBF − ηBG ]︸ ︷︷ ︸lo cual es mayor que cero si hay “matching”
Supongamos que C se mueve desde Facebook a Google:
−ψF + E [ηCG − ηCF ]︸ ︷︷ ︸lo cual es mayor que cero si hay “matching”
Estudio de caso: efectos para los que se mueven son simetricos, locual se interpreta como evidencia de baja importancia del efecto“matching”
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 31 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Seleccion basada en el “match”: EjemploSupongamos cuatro personas iguales (A,B,C y D) que trabajan en dosempresas distintas:
dos de ellas (A,B) trabajan en Google que tiene un efecto firmanormalizado a cero (ψG = 0)las otras dos (C,D) trabajan en Facebook que tiene un efecto firma ψF
Supongamos que B se mueve desde Google a Facebook:
ψF + E [ηBF − ηBG ]︸ ︷︷ ︸lo cual es mayor que cero si hay “matching”
Supongamos que C se mueve desde Facebook a Google:
−ψF + E [ηCG − ηCF ]︸ ︷︷ ︸lo cual es mayor que cero si hay “matching”
Estudio de caso: efectos para los que se mueven son simetricos, locual se interpreta como evidencia de baja importancia del efecto“matching”
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 31 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Seleccion basada en el “match”: EjemploSupongamos cuatro personas iguales (A,B,C y D) que trabajan en dosempresas distintas:
dos de ellas (A,B) trabajan en Google que tiene un efecto firmanormalizado a cero (ψG = 0)las otras dos (C,D) trabajan en Facebook que tiene un efecto firma ψF
Supongamos que B se mueve desde Google a Facebook:
ψF + E [ηBF − ηBG ]︸ ︷︷ ︸lo cual es mayor que cero si hay “matching”
Supongamos que C se mueve desde Facebook a Google:
−ψF + E [ηCG − ηCF ]︸ ︷︷ ︸lo cual es mayor que cero si hay “matching”
Estudio de caso: efectos para los que se mueven son simetricos, locual se interpreta como evidencia de baja importancia del efecto“matching”
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 31 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Seleccion basada en el “match”: EjemploSupongamos cuatro personas iguales (A,B,C y D) que trabajan en dosempresas distintas:
dos de ellas (A,B) trabajan en Google que tiene un efecto firmanormalizado a cero (ψG = 0)las otras dos (C,D) trabajan en Facebook que tiene un efecto firma ψF
Supongamos que B se mueve desde Google a Facebook:
ψF + E [ηBF − ηBG ]︸ ︷︷ ︸lo cual es mayor que cero si hay “matching”
Supongamos que C se mueve desde Facebook a Google:
−ψF + E [ηCG − ηCF ]︸ ︷︷ ︸lo cual es mayor que cero si hay “matching”
Estudio de caso: efectos para los que se mueven son simetricos, locual se interpreta como evidencia de baja importancia del efecto“matching”
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 31 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Seleccion basada en el “match”: EjemploSupongamos cuatro personas iguales (A,B,C y D) que trabajan en dosempresas distintas:
dos de ellas (A,B) trabajan en Google que tiene un efecto firmanormalizado a cero (ψG = 0)las otras dos (C,D) trabajan en Facebook que tiene un efecto firma ψF
Supongamos que B se mueve desde Google a Facebook:
ψF + E [ηBF − ηBG ]︸ ︷︷ ︸lo cual es mayor que cero si hay “matching”
Supongamos que C se mueve desde Facebook a Google:
−ψF + E [ηCG − ηCF ]︸ ︷︷ ︸lo cual es mayor que cero si hay “matching”
Estudio de caso: efectos para los que se mueven son simetricos, locual se interpreta como evidencia de baja importancia del efecto“matching”
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 31 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Desafıos a la identificacion: Seleccion basada en el Drift
Correlacion entre J(i , t) y ζit
Posible si las empresas aprenden rapido sobre los trabajadores y esteaprendizaje esta asociado con movilidad entre trabajos (Gibbons yKatz, REStud, 1992)
Por otro lado, el aprendizaje lleva tiempo (Lange, JLE, 2007):
Tendrıa que verse tendencias al aumento en salarios antes de moverse amejores firmas y tendencias a la baja antes de ir a una firma que pagamenos.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 32 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Desafıos a la identificacion: Seleccion basada en el Drift
Correlacion entre J(i , t) y ζit
Posible si las empresas aprenden rapido sobre los trabajadores y esteaprendizaje esta asociado con movilidad entre trabajos (Gibbons yKatz, REStud, 1992)
Por otro lado, el aprendizaje lleva tiempo (Lange, JLE, 2007):
Tendrıa que verse tendencias al aumento en salarios antes de moverse amejores firmas y tendencias a la baja antes de ir a una firma que pagamenos.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 32 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Desafıos a la identificacion: Seleccion basada en el Drift
Correlacion entre J(i , t) y ζit
Posible si las empresas aprenden rapido sobre los trabajadores y esteaprendizaje esta asociado con movilidad entre trabajos (Gibbons yKatz, REStud, 1992)
Por otro lado, el aprendizaje lleva tiempo (Lange, JLE, 2007):
Tendrıa que verse tendencias al aumento en salarios antes de moverse amejores firmas y tendencias a la baja antes de ir a una firma que pagamenos.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 32 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Desafıos a la identificacion: Seleccion basada en el Drift
Correlacion entre J(i , t) y ζit
Posible si las empresas aprenden rapido sobre los trabajadores y esteaprendizaje esta asociado con movilidad entre trabajos (Gibbons yKatz, REStud, 1992)
Por otro lado, el aprendizaje lleva tiempo (Lange, JLE, 2007):
Tendrıa que verse tendencias al aumento en salarios antes de moverse amejores firmas y tendencias a la baja antes de ir a una firma que pagamenos.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 32 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Identificacion
Los efectos firmas estan identificados por los establecimientosconectados por gente que se mueve entre ellos.
Con esta restriccion de las firmas conectadas implica el 90% de losestablecimientos y el 96% de los trabajadores.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 33 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Identificacion
Los efectos firmas estan identificados por los establecimientosconectados por gente que se mueve entre ellos.
Con esta restriccion de las firmas conectadas implica el 90% de losestablecimientos y el 96% de los trabajadores.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 33 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Resultados
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 34 / 35
AKM explains nearly all of the rise in wage inequality
0.0
0.1
0.2
0.3
0.4
0.5
1985‐1991 1990‐1996 1996‐2002 2002‐2009
Standard Deviatio
n, RMSE
Standard deviation of log wages
RMSE, AKM Model
RMSE, Match Effects Model
Same for apprentice only sample
0.0
0.1
0.2
0.3
0.4
0.5
1985‐1991 1990‐1996 1996‐2002 2002‐2009
Standard Deviatio
n, RMSE
Standard deviation of log wages
RMSE, AKM Model
RMSE, Match Effects Model
0.00
0.05
0.10
0.15
0.20
0.25
0.30
1985‐1991 1990‐1996 1996‐2002 2002‐2009
Varia
nce Co
mpo
nents
Decomposition of Variance of Log Wages
Var. Residual
Cov. Xb with Person & Establ. Effects
Cov. Person & Establ. Effects
Var. Xb
Var. Establishment Effects
Var. Person Effects
Total variancerises 82%
Variance of person effectsrises 52%
Variance of estab. effectsrises 108%
2×Covariance Rises 1200%
0.00
0.02
0.04
0.06
0.08
0.10
0.12
0.14
0.16
0.18
0.20
1985‐1991 1990‐1996 1996‐2002 2002‐2009
Varia
nce Co
mpo
nents
Decomposition of Variance of Log Wages, Apprentices Only
Var. Residual
Cov. Xb with Person & Establ. Effects
Cov. Person & Establ. Effects
Var. Xb
Var. Establishment Effects
Var. Person Effects
Total varianceRises 39%
Variance of person effectsrises 44%
Variance of estab. effectsRises 77%
2×Covariance Rises 5400%
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Resultados
El componente de firma es una parte cada vez mas grande de ladesigualdad salarial
Trabajar para una firma “de alto salario” es mas importante que nunca
Se incrementa el “matching” entre firmas y caracterısticas personales
Los trabajadores mejor pagos estan cada vez mas concentrados en lasfirmas que pagan mejor.
Hay efectos de cohorte en el efecto firma
La desigualdad por firma es aun mas grande en los establecimientosmas nuevos.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 35 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Resultados
El componente de firma es una parte cada vez mas grande de ladesigualdad salarial
Trabajar para una firma “de alto salario” es mas importante que nunca
Se incrementa el “matching” entre firmas y caracterısticas personales
Los trabajadores mejor pagos estan cada vez mas concentrados en lasfirmas que pagan mejor.
Hay efectos de cohorte en el efecto firma
La desigualdad por firma es aun mas grande en los establecimientosmas nuevos.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 35 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Resultados
El componente de firma es una parte cada vez mas grande de ladesigualdad salarial
Trabajar para una firma “de alto salario” es mas importante que nunca
Se incrementa el “matching” entre firmas y caracterısticas personales
Los trabajadores mejor pagos estan cada vez mas concentrados en lasfirmas que pagan mejor.
Hay efectos de cohorte en el efecto firma
La desigualdad por firma es aun mas grande en los establecimientosmas nuevos.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 35 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Resultados
El componente de firma es una parte cada vez mas grande de ladesigualdad salarial
Trabajar para una firma “de alto salario” es mas importante que nunca
Se incrementa el “matching” entre firmas y caracterısticas personales
Los trabajadores mejor pagos estan cada vez mas concentrados en lasfirmas que pagan mejor.
Hay efectos de cohorte en el efecto firma
La desigualdad por firma es aun mas grande en los establecimientosmas nuevos.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 35 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Resultados
El componente de firma es una parte cada vez mas grande de ladesigualdad salarial
Trabajar para una firma “de alto salario” es mas importante que nunca
Se incrementa el “matching” entre firmas y caracterısticas personales
Los trabajadores mejor pagos estan cada vez mas concentrados en lasfirmas que pagan mejor.
Hay efectos de cohorte en el efecto firma
La desigualdad por firma es aun mas grande en los establecimientosmas nuevos.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 35 / 35
Retomando Card, et al. Modelo Lineal Card, et al. Conclusiones
Resultados
El componente de firma es una parte cada vez mas grande de ladesigualdad salarial
Trabajar para una firma “de alto salario” es mas importante que nunca
Se incrementa el “matching” entre firmas y caracterısticas personales
Los trabajadores mejor pagos estan cada vez mas concentrados en lasfirmas que pagan mejor.
Hay efectos de cohorte en el efecto firma
La desigualdad por firma es aun mas grande en los establecimientosmas nuevos.
Sebastian Fleitas (Arizona & IECON) CEPAL SUMMER SCHOOL 2015 35 / 35