Revista Colombiana de Educación
Universidad Pedagógica Nacional
Aprendizaje y educación
temprana en México: un estudio
de descomposición de factores
2012–2018
Learning and Early Education in Mexico:
A Factor Decomposition Study 2012-2018
Aprendizagem e na educação infantil no México:
um estudo de decomposição de fatores 2012–2018
Para citar este artículo:
Para citar este artículo: Cortez-Soto, S. N. y Moreno-Treviño, J. O. (2024). Aprendizaje y educación temprana en México: un estudio de descomposición de factores 2012–2018. Revista Colombiana de Educación, (90), 185-217. https/doi.org/10.17227/rce.num90-14685
Resumen
El presente trabajo muestra la importancia de la educación temprana en México y la diferencia
en el efecto de la educación preescolar sobre el rendimiento académico de los
alumnos entre 2012 y 2018. Se identifica el sesgo de selección que existe entre asistir y
no asistir a preescolar y se corrige (Heckman, 1979), permitiendo contar con estimadores
insesgados y consistentes de los coeficientes asociados a factores que contribuyen a
explicar el rendimiento académico. Usando los datos de PISA 2012 y 2018 para México, se
identifican los efectos tratamiento ate, ATT y ATU (efecto tratamiento promedio, efecto tratamiento
promedio sobre los tratados, efecto tratamiento promedio sobre los no tratados)
que permiten conocer la brecha en el rendimiento escolar de alumnos con preescolar y
sin este. Finalmente, tomando el sesgo de selección de la muestra y basados en esto, se
puede realizar una extensión a la descomposición Oaxaca-Blinder (1973), la cual, además
de analizar el efecto dotación y producción en la brecha de rendimiento, permite agregar
otro efecto, llamado “efecto sesgo de selección” (Mulligan y Rubinstein, 2008; Beblo
et al., 2003; Dolton y Makepeace, 1986).
Palabras clave
econometría; educación
preescolar; brecha educativa;
igualdad de oportunidades
educativas; educación
matemática
Abstract
The following paper shows the importance of early education in Mexico and the effect
of preschool level on students’ academic performance from 2012 to 2018. In this way, it
is identified the selection bias between attending and not attending the preschool level
and it is corrected (Heckman, 1979), enabling the estimation of unbiased and consistent
coefficients associated with the factors that contribute to explaining students’ academic
performance. Using PISA 2012 and 2018 for Mexico, the treatment effects identified are
estimated: ATE, ATT, and ATU (average treatment effect, average treatment effect on the
treated, average treatment effect on the untreated) that allow knowing the gap between
the student’s academic performance who attended preschool level and the ones who
did not. Finally, once the selection bias is identified, an extension of the decomposition
Oaxaca-Blinder (1973), which is performed to analyze the effect of endowment and production
on the academic performance gap. It allows identifying another effect called the
“effect of the selection bias “ (Mulligan & Rubinstein, 2008; Beblo et al., 2003; Dolton &
Makepeace, 1986).
Keywords
econometrics; preschool
education; educational
gap; equal educational
opportunities; mathematics
education
Resumo
Este artigo mostra a importância da educação infantil no México e a diferença no efeito
da educação pré-escolar no desempenho acadêmico dos alunos entre 2012 e 2018.
Desta forma, identifica-se o viés de seleção que existe entre frequentar e não frequentar
ao pré-escolar, e se corrige (Heckman, 1979), permitindo contar estimadores imparciais
e consistentes dos coeficientes associados a fatores que contribuem para explicar
o desempenho acadêmico. Usando os dados do PISA 2012 e 2018 para o México, são
identificados os efeitos do tratamento ATE, ATT e ATU (efeito médio do tratamento, efeito
médio do tratamento nos tratados, efeito médio do tratamento nos não tratados) que
permitem conhecer a lacuna no desempenho escolar dos alunos com e sem pré-escolar.
Finalmente, tomando o viés de seleção da amostra e com base nisso, pode-se fazer uma
extensão à decomposição de Oaxaca-Blinder (1973), que, além de analisar o efeito de dotação
e produção na lacuna de realização, permite adicionar outro efeito, que é chamado
de “efeito de viés de seleção” (Mulligan e Rubinstein, 2008; Beblo et al., 2003; Dolton e
Makepeace, 1986).
Palavras-chave
econometria; educação préescolar;
lacuna educacional;
igualdade de oportunidades
educacionais; educação
matemática
Introducción
El capital humano y la educación básica son herramientas fundamentales
para asegurar el desarrollo económico de un país y el bienestar de quienes
lo habitan, a largo plazo, tal como lo demuestran los trabajos seminales de
Schultz (1961), Becker (1964) y Lucas (1988).
Al respecto del estudio de los fundamentos del capital humano, un
hallazgo fundamental de las ciencias sociales en las últimas décadas ha
sido la importancia de la educación inicial y temprana en el desarrollo
humano personal a corto y largo plazo, particularmente en los infantes.
Durante los últimos treinta años, la investigación y las políticas en el
campo de la educación de la primera infancia se han vuelto cada vez más
visibles debido a: (1) los avances en las neurociencias que muestran que la
primera infancia es una etapa crítica en el desarrollo del cerebro (Shonkoff
y Phillips, 2000; Heckman, 2007; Cunha et al., 2010); (2) los estudios que
muestran un impacto positivo de los programas para la primera infancia en
el desarrollo futuro de las personas (Barnett, 1985, 1995, 2008; Knudsen
et al., 2006; Heckman et al., 2013; Phillips et al., 2017; Rea y Burton,
2019); (3) el análisis de costo/beneficio de los programas de educación
para la primera infancia (Aos et al., 2004; Belfield, 2006; Heckman, 2000;
Heckman et al., 2010; Lee et al., 2012; Karoly, 2012); y (4) el impacto
potencial de la educación de la primera infancia en la reducción de las
desigualdades educativas (Brooks-Gunn, 2003). Estos avances han llevado
a los formuladores de políticas de todo el mundo a poner mayor énfasis
en ampliar el acceso a la atención y educación de la primera infancia y,
al mismo tiempo, mejorar la calidad de estos programas, especialmente
para aquellos que se dirigen a niños de familias de bajos ingresos.
Así, brechas sustanciales entre los entornos de los niños favorecidos
y los de los niños desfavorecidos plantean serias preocupaciones sobre las
perspectivas de vida de los desfavorecidos niños y su movilidad social. En
esta línea de estudio, un gran cuerpo de investigación ha documentado cómo
las diferencias en los entornos prenatales y los ambientes durante la primera
infancia, como la salud materna, la calidad de la crianza y los ingresos familiares
desempeñan un papel fundamental en el desarrollo infantil y pueden
sustancialmente afectar los resultados de su vida posterior (Heckman, 2008;
oecd, 2009; Heckman et al., 2010; Nelson y Sheridan, 2011; Heckman y
Karapakula, 2019). Entre esos impactos importantes y a largo plazo, se
incluyen dimensiones como la salud y la esperanza de vida (Felitti et al.,
1998; Poulton et al., 2002; Centre on the Developing Child, 2010; Aizer
et al., 2016; Hoynes et al., 2016; Psacharopoulos y Woodhall, 2017), logros
en la educación (Duncan y Magnuson, 2013), empleo e ingresos (Almond y
Currie, 2011; Caspi et al., 2016; Valdés, 2018), y los delitos cometidos por
jóvenes y adultos (Fergusson et al., 2005; Drake, 2012).
Si bien los estudios anteriores han destacado el hecho de que las intervenciones
tempranas no solo promueven la eficiencia económica, sino que también
reducen la desigualdad a lo largo de la vida (Heckman, 2006; Heckman
y Mosso, 2014), pocos trabajos han documentado sistemáticamente si las
intervenciones en la primera infancia en entornos de países en vías de desarrollo
pueden reducir las brechas en logros tempranos de educación como
lo muestra la evidencia en Estados Unidos (Heckman et al., 2010; Duncan
y Magnuson, 2013; Heckman et al., 2010; Heckman y Corbin, 2016).
En el caso específico del estudio del impacto de la educación temprana
sobre habilidades y logros escolares en países en vías de desarrollo,
Jung y Hassan (2014) encuentran como resultado del acceso a educación
inicial reducciones significativas en las brechas de logros para Indonesia
entre 2009 y 2010.
De igual manera, Singh (2013) revela que la brecha en los resultados
de las pruebas académicas en India se explica por la asistencia a preescolar
público o privado.
Por otra parte, una vez que las características del estudiante se contemplan,
Sammons et al. (2014) demostraron que a los once años de
edad el efecto del preescolar persiste en el rendimiento escolar, aunque
modestos, representan un aumento significativo a largo plazo, indicando
así que asistir al preescolar tiene un impacto persistente y positivo en el
rendimiento educativo.
En esta misma área, el estudio de Cortázar (2015) encuentra que en
Chile existe evidencia de efectos positivos en los logros académicos de estudiantes
de cuarto año asociados a haber tenido acceso a educación inicial.
Finalmente, en un estudio más reciente para México y utilizando la
Evaluación Internacional de Alumnos (Programme for International Student
Assessment [PISA]) de la Organización para la Cooperación y el Desarrollo
Económico (OCDE), Moreno y Cortez (2020) muestran que la educación preescolar
tiene un efecto positivo y significativo en el rendimiento académico
de los alumnos que asisten tanto a escuelas públicas como privadas, en
México. Aunado a esto, se encuentra que la educación preescolar reduce
la brecha de rendimiento entre ambos tipos de escuela, investigación
acorde con aquella en la que se afirma que intervenir a temprana edad
en la educación de los niños genera un impacto a largo plazo en la formación
de capital humano.
En México, los indicadores de aprendizaje de los estudiantes que
no cursaron educación preescolar son inferiores a aquellos que tienen la
oportunidad de cursar educación preescolar (OCDE, 2010). Los resultados
PISA 2012 muestran la desventaja relativa que presenta México en rendimiento
educativo en comparación con países desarrollados y en vías de
desarrollo (OCDE, 2013). De acuerdo con los resultados de PISA 2015, México obtuvo un desempeño
menor al promedio de los países miembros de la OCDE de alrededor
de 75 puntos en las tres áreas que se evalúan. En este año, de los setenta
países participantes, las puntuaciones de los estudiantes mexicanos se
ubicaron en el lugar 58 en Ciencias, 55 en Lectura y 56 en Matemáticas,
es decir, más de 25 posiciones por debajo del promedio de la OCDE.
En este caso, Martínez y Silva (2016) muestran que los resultados de
México son incluso inferiores a los de otros países de Latinoamérica (Uruguay,
Costa Rica y Colombia). Aunque en algunos ciclos se han producido
avances, los datos siguen siendo desalentadores. Entre el 2000 y 2015,
el promedio en el área de Matemáticas tuvo un modesto incremento, sin
embargo, en Ciencias disminuyó, y en Lectura prácticamente no varió
(OCDE, 2016).
Dado el contexto anterior, identificar cómo factores del entorno del
estudiante (personales, familiares y escolares) inciden en su rendimiento
educativo, así como conocer cuáles de estos factores, a muy temprana
edad, generan una desigualdad en el aprendizaje entre alumnos de un
mismo país, estado, escuela e incluso salón de clases, son de vital importancia
para así, de manera informada, diseñar mejores estrategias de
política educativa.
El presente trabajo analiza la importancia de la educación temprana
en México y la diferencia en el efecto de la educación preescolar sobre
el rendimiento académico de los alumnos comparando los cambios
entre 2012 y 2018. En particular, se identifica el sesgo de selección
(Heckman, 1979) que existe entre asistir y no asistir a preescolar, y se
corrige permitiendo contar con estimadores insesgados y consistentes
de los coeficientes asociados a factores que contribuyen a explicar el
rendimiento académico. Usando los datos de PISA 2012 y 2018 para
México se identifican los efectos tratamiento promedio (average treatment
effect [ate]), efecto tratamiento promedio sobre los tratados (average
treatment on the treated [ATT]) y efecto tratamiento promedio sobre los
no tratados (average treatment on the untreated [ATU]) que permiten
conocer la brecha en el rendimiento escolar de alumnos con preescolar
y sin este. Finalmente, tomando el sesgo de selección de la muestra y
basados en esto, se puede realizar una extensión a la descomposición
Oaxaca-Blinder (1973), la cual, además de analizar el efecto dotación
y producción en la brecha de rendimiento, permite agregar otro efecto,
llamado “efecto sesgo de selección” (Mulligan y Rubinstein, 2008; Beblo
et al., 2003; Dolton y Makepeace, 1986).
Usando esta metodología, el presente estudio permite identificar la importancia que la educación temprana adquiere a través de los años, así como sus efectos específicos sobre el rendimiento académico de losalumnos en México. De esta manera, la investigación busca proveer respuestas y evidencia a cuestionamientos como: ¿la brecha por el impacto de la educación preescolar en los rendimientos de los alumnos en México ha aumentado en los últimos años?, ¿Cuál es el tamaño de ese impacto?, ¿Cuánto de ese incremento en la brecha de rendimiento educativo se debe al acceso a preescolar y cuánto a cambios en los factores de contexto de los estudiantes?, ¿Seguirán siendo los factores del entorno familiar del estudiante los que mayor aportan a esta brecha de rendimiento educativo?
Datos y contexto: PISA 2012 y PISA 2018
PISA es una prueba que evalúa la capacidad que han adquirido los alumnos
que están próximos a finalizar la educación básica para desarrollar habilidades
necesarias que les permitan introducirse al nivel medio superior
y a los retos de una futura vida laboral. Esta prueba se aplica cada 3
años y utiliza muestras representativas por país de entre 4500 y 10 000
estudiantes.
La OCDE, en el documento de Resultados de México PISA 2012,
señala que uno de los grandes desafíos que enfrenta México es acelerar
significativamente los ritmos de mejora en los resultados educativos,
ya que aún no son suficientes para acercarlo al rendimiento promedio
de la OCDE.
Aún bajo la desafiante tarea de incrementar sus rendimientos educativos,
México para PISA 2018 continúa con un rendimiento promedio muy
inferior de los países miembros de la OCDE, manteniéndose con puntajes
similares a los observados en 2012 en cada una de las áreas de conocimiento
que maneja la prueba (Lectura, Matemáticas y Ciencias). Aún y
cuando transcurrieron seis años, no se mostró ningún tipo de avance en
el rendimiento educativo del país.
En la figura 1, México presenta brechas en la puntuación promedio
de la prueba PISA 2012 en las tres áreas de conocimiento con diferencias
de 86, 72 y 81 puntos en Ciencias, Lectura y Matemáticas, respectivamente,
siendo esto acorde con los resultados PISA 2012 presentados
por la OCDE.
Figura 1. Rendimiento académico promedio por área para México y países miembros de la OCDE, 2012
En PISA 2018, aunque pareciera que México se acerca al rendimiento
promedio de los países miembros de la OCDE, se observa que, en realidad,
el propio promedio OCDE ha disminuido con el paso del tiempo (figura 2).
Figura 2. Rendimiento académico promedio por área para México y países miembros de la OCDE, 2018
Las figuras 3 y 4 muestran que alumnos que cursaron preescolar tienen
mayor puntaje en todas las áreas del conocimiento evaluadas en PISA 2012,
y se mantiene para PISA 2018, en comparación con aquellos alumnos que
no cursaron una educación preescolar.
Figura 3. Diferencias por preescolar en el rendimiento académico en México, 2012
Figura 4. Diferencias por preescolar en rendimiento académico en México, 2018
A continuación, se muestran la evolución en el tiempo (2012-2018) y
el desglose de la variable preescolar, y las comparaciones, en este mismo
periodo, entre algunas otras variables relevantes para el estudio (tablas 1 y 2).
Tabla 1. Rendimiento académico promedio por área para México y países miembros de la OCDE, 2018
Tabla 2. Comparación entre variables de bases de datos PISA 2012 vs. PISA 2018
Primeramente, se observa cómo el número de observaciones para
México en PISA 2018 es menor que PISA 2012, pero, utilizando los factores
de expansión, ambas bases de datos tienen observaciones similares.
Además, en 2018, el puntaje promedio obtenido en las tres áreas de conocimiento que se evalúan (valores plausibles) se mantuvo similar
al del 2012. Por tanto, en 6 años, México no ha tenido mejoras en el
rendimiento educativo.
La asistencia a preescolar aumentó del 2012 al 2018 en casi 20 %. En
el 2012, el porcentaje de alumnos que no atendieron el nivel preescolar
en México fue de cerca del 28 %, mientras que en 2018 ese porcentaje
disminuyó de manera significativa, porque solo 9 % de los estudiantes
no atendió el nivel preescolar. Aunque el porcentaje de alumnos que no
asisten a preescolar ha disminuido en nuestro país, la brecha en rendimientos
entre alumnos que cursan preescolar y los que no, ha aumentado
en casi el doble de puntos. En 2012, la brecha era de 19 de puntos, en
2018 aumentó hasta 34 puntos, y generó una diferencia en el tiempo de
15 puntos en Matemáticas. En Lectura, la brecha aumentó de 21 puntos
hasta 39 puntos, y provocó una diferencia de 17 puntos; y en Ciencias, la
brecha aumentó de 18 puntos hasta 35 puntos, con una diferencia de 17
puntos entre el año 2012 y 2018.
Las tablas 3 y 4 muestran el puntaje promedio obtenido por los estudiantes
en Lectura, Ciencias y Matemáticas, en la prueba PISA 2012 y
2018, desglosando por el factor preescolar. Desde el 2012, los alumnos
con el beneficio de la educación preescolar obtienen un puntaje mayor
en esta prueba, en todas las áreas del conocimiento. Cabe destacar que
la brecha en el puntaje promedio entre alumnos con preescolar y sin este
ha aumentado con el paso del tiempo. Tan solo en el 2018, la brecha se
incrementó el doble para Lectura y Ciencias.
El puntaje promedio, en el año 2012 y 2018, para alumnos con
preescolar se ha mantenido para todas las áreas de conocimiento; sin
embargo, alumnos que no cursaron preescolar disminuyeron su puntaje
promedio durante los siguientes seis años. Es decir, la brecha en el rendimiento
educativo se abre desde temprana edad, tras la desigualdad
en oportunidades educativas que enfrenta cada niño, considerando sus
características personales y familiares. Más aún, no atender educación
preescolar está tomando un efecto negativo mayor sobre el rendimiento
académico de los estudiantes, en comparación con sus similares que sí
cursaron educación preescolar. Por tanto, atender esta problemática que
evoluciona con el tiempo se vuelve de suma relevancia para el sistema
educativo mexicano.
Tabla 3. Prueba de diferencia de medias en el rendimiento académico por asistencia a preescolar 2012
Tabla 4.Prueba de diferencia de medias en el rendimiento académico, por asistencia a preescolar 2018
El puntaje promedio obtenido en Ciencias para los alumnos que cursaron
preescolar es el único que ha aumentado de 2012 a 2018, efecto que
no ocurrió en Lectura y Matemáticas. Más aún, el puntaje promedio para
alumnos que no atendieron preescolar disminuyó de manera considerable
en todas las áreas de conocimiento (tabla 5).
Tabla 5. Diferencias de medias entre el rendimiento académico de los alumnos PISA 2018-PISA 2012 por área y preescolar
Respecto a las características del estudiante, la prueba de diferencias
de medias muestra que existe diferencia significativa en la edad de los
alumnos que cursan y los que no cursan preescolar; en cuanto al género
no se presenta indicios de diferencia entre las mujeres que cursaron preescolar
y las que no.
Las diferencias que existen por el factor preescolar en el contexto
familiar son por las variables educación de la madre, educación del padre,
mamá en casa, activos financieros y activos educativos.
En cuanto a la educación de la madre, el 49 % de aquellas que solo
tiene educación básica no envían a sus hijos a preescolar, comparado con
un 46 % que deciden sí enviarlos, pero esta diferencia no es significativa.
Al contrario, las madres con nivel de estudios medio superior, superior
y posgrado, en un porcentaje mayor, deciden que sus hijos deben cursar
preescolar en comparación con las que tienen este nivel, pero sus hijos
no cursaron preescolar.
Es decir, las madres con mayores grados de estudios decidirán, en su
mayor porcentaje, enviar a sus hijos a cursar preescolar. Esto puede ser
por diferentes motivos, como; que sus hijos las superen en conocimientos;
lleguen más lejos que ellas; que desde niños comiencen a prepararse;
o, dado que son madres con buen nivel de estudio, tienen trabajos a los
cuales asistir y sus hijos se inscriben en educación temprana para que
tengan cuidados en lo que ellas no están presentes.
Los resultados de las diferencias en la educación del padre muestran
resultados e interpretación muy similar a los de la educación de la madre:
la proporción de alumnos que no van a preescolar es mayor que los que sí
lo hacen, cuando sus padres no tienen educación o solo tienen educación
básica. La diferencia en proporción es mayor significativamente en los
alumnos que asisten a preescolar cuando sus padres tienen educación
superior y/o posgrado.
Existen diferencias significativas en las características de la escuela:
escuelas con muy buena infraestructura; maestros con maestría; tamaño
de la escuela; calidad de los recursos educativos; y el tamaño del salón de
clases entre alumnos que cursaron o no el nivel preescolar. Por ejemplo,
alumnos que sí cursaron el preescolar asisten a escuelas con mejor infraestructura,
con maestros especializados al nivel de maestría, con menos
escasez en los recursos educativos y con mayor número de alumnado en
ella. Los factores razón alumno/maestro, maestros certificados e infraestructura
inadecuada no muestra diferencias entre alumnos con preescolar
y sin este (tabla 6).
Del 2012 al 2018, la proporción de mujeres que asisten a preescolar
aumentó de 48 % al 52 %. La media de las edades es relativamente menor
en el 2018. En este año, cerca del 34 % de los alumnos que no asisten a
preescolar tienen madres con nivel educativo medio superior y/o superior,
y el 48 % de los alumnos con preescolar tienen madres en nivel medio
superior y/o superior. En el 2012, la media fue del 24 % y 39 %, respectivamente.
En cuanto a los padres, en el 2018, el 38 % de los alumnos que no
asisten a preescolar tienen padres con nivel educativo medio superior y/o
superior, y el 41 % de los alumnos que asisten a preescolar tienen padres
con nivel de estudio medio superior o superior. En 2012, estos porcentajes
fueron del 28 % y 41 %.
Tabla 6. Prueba de diferencias de medias en factores de contexto, por preescolar 2018
La diferencia entre los activos financieros y educativos aumentó de
2012 a 2018 entre los alumnos que asisten y los que no asisten a preescolar.
Esta diferencia es a favor de los que asisten a preescolar, aunque
pareciera que los activos financieros y educativos disminuyeron, en este
tiempo, para los alumnos que asisten a preescolar. Los activos educativos
aumentaron para los que no asisten a preescolar, pero los activos financieros
disminuyeron sutilmente.
La razón alumno/maestro aumentó en 2 alumno por maestro, y la
proporción de maestros certificados aumentó en cerca del 15 % en el 2018.
La calidad en la infraestructura parece disminuir en el 2018 (cambiar la
variable escasez de infraestructura por calidad de infraestructura). Entre
el 2012 y 2018, disminuyó la proporción de maestros licenciados. Parece
que el número de matriculados por escuela aumentó, junto al tamaño de
la brecha entre la cantidad de alumnos que tienen las escuelas de alumnos
con preescolar y sin este. Es decir, los alumnos que asistieron a preescolar
suelen ir a escuelas con mayor número de estudiantes. El número de
alumnos por salón de clases se ha mantenido entre estos años, cerca de
40 alumnos por salón de clases.
El estudio de PISA de los años 2012 y 2018 revela que México presenta
un rezago significativo en materia educativa respecto al resto de los países
estudiados.
Dentro del país, existe una fuerte heterogeneidad en los rendimientos
académicos observados entre alumnos con preescolar y sin este, y es más
acentuada en 2018. En particular, la diferencia estadística establece que
los estudiantes con preescolar poseen rendimientos superiores a sus pares
sin preescolar. La brecha creció de 2012 a 2018, y los alumnos que se
quedan sin acceso a esta educación se rezagan más que antes.
Finalmente, se observan también diferencias significativas e importantes
en factores de contexto familiar y contexto escolar entre estudiantes
con preescolar y sin este, en 2012 y en 2018. La única variable que
presenta diferencias en el tiempo es la razón alumno maestro: en 2018
esta es mayor para los que asistieron a preescolar, además de aumentar
considerablemente la diferencia en la matrícula de las escuelas de los
alumnos que asistieron a preescolar y los que no asistieron (tabla 7).
Tabla 7. Comparación entre las pruebas de diferencias de medias en factores de contexto, por preescolar PISA 2012 vs. PISA 2018
Metodología
Para conocer el efecto que tienen cada una de las características de contexto del estudiante (personal, familiar y escuela), en alumnos que cursaron educación preescolar y en aquellos que no, se utilizará una aplicación del modelo de Heckman (1979) y Willis y Rosen (1979) que Moreno (2009) adecuó para el contexto de capital humano, y así lograr controlar el sesgo de selección asociado a la elección no aleatoria de cursar o no educación preescolar, a lo que más bien esa selección está determinada por las características propias del individuo. A continuación, se muestra el modelo.
Dada la normalidad de los términos de error, es posible simplificar las esperanzas definidas con anterioridad al regresar la mediaçada uno de los errores para con respecto al error siguiendo a Willis y Rosen (1979), usando el modelo de selección de Roy expuesto por Maddala (1983).
Donde , muestra la distribución normal estándar evaluada en , y muestra la función normal estándar acumulada evaluada en el valor .
Para lograr conocer los diferentes efectos en la diferencia en rendimiento académico entre los alumnos con preescolar y sin este, y considerando el sesgo de selección asociado a la participación educativa en este nivel, se aplican los siguientes efectos tratamiento:
Efecto tratamiento promedio (ATE):
Efecto tratamiento promedio sobre los no tratados (ATU):
Efecto tratamiento promedio sobre los tratados (ATT):
Finalmente, se realiza la descomposición Oaxaca (1973) en su versión extendida, la cual permite incorporar a la brecha el efecto sesgo de selección (Mulligan y Rubinstein, 2008; Beblo et al., 2003; Dolton y Makepeace, 1986) adaptado a este modelo educativo, y que permite conocer el verdadero efecto de cada uno de los factores de contexto (personal, familiar y escolar) sobre la brecha del rendimiento entre alumnos con preescolar y sin este. La siguiente ecuación muestra la descomposición de la brecha de rendimiento en cinco efectos: diferencia en constantes, efecto dotación, efecto producción, efecto interacción y el efecto que engloba todos los términos asociados a los distintos componentes de sesgo de selección evaluados en el promedio correspondiente en la muestra, respectivamente.
Resultados y Discusión
Al implementar el modelo Heckman en dos etapas, en primer lugar se
realiza el probit de selección para el año 2012, en el que características
como el que el alumno sea mujer, el nivel de educación de los padres,
índices de activos financieros y educativos y número de hermanas inciden
de manera positiva sobre la decisión de cursar el nivel educativo preescolar,
mientras que características como la edad y hermanos en casa inciden de
manera negativa sobre la decisión de asistir a preescolar. Como se observa,
las características de la escuela, aunque significativas, no son relevantes
para la decisión de selección (tabla 8).
La regresión de mínimos cuadrados ordinarios (MCO) y Heckman en
dos etapas (H2E) muestran cómo se controla el sesgo se selección asociado
con la decisión de asistir o no a preescolar. Los estimadores de MCO están
sesgados, subestimados en su mayoría en alumnos con preescolar y sin este.
Uno de los resultados más destacados de H2E es que la mujer se
encuentra casi 13 puntos por debajo del rendimiento académico de los
hombres en Matemáticas. Cuanto mayor sea el nivel educativo de los
padres, mayor será su rendimiento académico, en comparación con aquellos
padres quienes no tienen ningún tipo de educación. Además, el efecto
del nivel de estudios de la madre sobre el rendimiento es más pronunciado
que el de los padres y, en mayor medida, en los alumnos con preescolar. El
índice de activos educativos y financieros inciden de manera positiva en el
rendimiento académico de los alumnos, en mayor cantidad en aquellos con
preescolar. Las características escolares que aportan de manera positiva al
rendimiento educativo son: índice de nivel de infraestructura, proporción
de maestros con carrera profesional, índice de calidad de recursos de la
escuela y el tamaño del salón de clases; además, cuanto mayor sea la razón
alumno maestro, menor será el rendimiento académico de los alumnos.
Las razones de Mills de selección para alumnos con preescolar y sin
este resultaron positivas y significativas, por lo cual se demuestra la existencia
de sesgo se selección asociado a la decisión de atender preescolar.
Tabla 8. Estimación de modelos de habilidad matemática: comparación MCO y H2E. Estudiantes con preescolar y sin este, México 2012
Tabla 8.
El modelo probit de selección 2018 contiene variables personales,
familiares y escolares del alumno sobre la elección de asistir o no a educación
preescolar. Se rechaza la hipótesis nula con el 99 % de confianza
que asocia que todos los coeficientes de las variables son igual a cero, a
excepción de la variable género que rechaza la hipótesis nula solo al 95 %
de confianza y la variable edad que resulta no significativa. Por tanto, se
concluye que existe evidencia de que la elección de los padres de enviar
a sus hijos a preescolar no se debe al azar, sino que depende de factores
de contexto personal y familiar de cada uno de los estudiantes.
Se concluye que el género, educación de la madre, educación del
padre, el índice de activos educativos, índice de activos financieros, recursos
digitales, si la mamá contestó la encuesta familiar, la razón alumno/
maestro, el tamaño de escuela, proporción de maestros certificados, proporción
de maestros con licenciATUra y la calidad de los recursos educativos
inciden en la elección de asistir a preescolar.
Respecto a los coeficientes asociados a las variables personales del
alumno, puede afirmarse que si el alumno es mujer, la probabilidad de
ir a preescolar disminuye, mientras que la variable edad no incide en la
probabilidad de asistir a preescolar.
Las variables de contexto familiar aumentan la probabilidad de asistir
a preescolar: educación de la madre y la educación del padre comparado
con aquellos alumnos cuyos padres no tienen ningún nivel de estudios
educativos, activos educativos y financieros del hogar y que la mamá esté
en casa. La variable recursos digitales disminuye la probabilidad de asistir
a preescolar con un coeficiente negativo, pero casi nulo.
Los coeficientes de las variables de contexto escolar, aunque significativos,
son casi nulos porque los factores del contexto escolar no deben de
influir en la decisión de los padres de enviar o no a sus hijos a preescolar,
pues son factores desconocidos cuando se toma tal decisión (tabla 9).
Tabla 9. Estimación de modelos de habilidad matemática: comparación MCO y H2E. Estudiantes con y sin preescolar, México 2018
Tabla 7.
En la tabla 10, se observa cómo el rendimiento académico de los
alumnos en México en Matemáticas, tanto condicional como incondicional
en la elección del preescolar, disminuyó del 2012 al 2018. En cuanto
al efecto tratamiento de estudiar preescolar, se observa cómo la brecha se
incrementó el doble, y cómo los efectos tratamiento ate, ATT y ATU (efectos
positivos y significativos) aumentaron en la misma proporción. Es decir,
en un contexto “peor”, donde los rendimientos educativos disminuyeron
conforme el paso de los últimos años, y haber cursado preescolar es mejor
que no haberlo cursado. Por tanto, cursar preescolar se ha convertido en
un factor de suma importancia con el tiempo.
Tabla 10. Efectos de estudiar preescolar sobre habilidad matemática: México, PISA 2012 vs. PISA 2018. Estimaciones de promedios, diferencias, y efectos tratamiento usando MCO y H2E
Los resultados asociados a la descomposición Oaxaca muestra cómo,
en el 2018, la diferencia en la brecha por acceso a preescolar se atribuye
al efecto productividad de los factores, el cual se vuelve positivo y
significativo con un efecto sesgo de selección negativo, a diferencia del
2012, cuando el efecto dotación es la parte que tiene el efecto positivo
en la diferencia en la brecha por acceso a preescolar, con un efecto sesgo
de selección positivo. Por lo anterior, puede afirmarse que, con el paso
del tiempo, la dotación de los factores se vuelve irrelevante en la brecha
de rendimiento por preescolar, y lo que realmente importa es cómo los
estudiantes utilizan esas dotaciones para contribuir a su propio rendimiento
educativo. Es decir, en el 2018 el puro efecto de asistir a preescolar ya no
ayuda en el rendimiento educativo de un estudiante, sino la productividad
que este tenga con ellos (tabla 11).
Tabla 11. Descomposición de Blinder-Oaxaca en habilidad matemática por grupo de tratamiento y por contribuciones en “tres partes” México, PISA 2018 vs. PISA 2012
Tabla 12. Descomposición de Blinder-Oaxaca para diferencias en habilidad matemática por estudiar preescolar y por grupo de variables de control México, PISA 2012
Tabla 13. Descomposición de Blinder-Oaxaca para diferencias en habilidad matemática por estudiar preescolar y por grupo de variables control para México, PISA 2018
En las tablas 12 y 13, se muestra la contribución de cada una de las
características de contexto del alumno por agrupación de variables, por
dotaciones, por coeficientes y por interacción.
Durante el año 2018, el factor sesgo de selección es el único que se
muestra significativo, y contribuye por dotaciones, por coeficientes y por
interacción.
Por las dotaciones, en el 2018 las características del hogar son las únicas
que aportan a la brecha en rendimientos por factor preescolar, pero este
efecto se volvió negativo y no significativo comparándolo con la estimación
del 2012, cuyo efecto era positivo y significativo. Por tanto, existe un cambio
estructural en la tecnología de producción de habilidades entre 2012 y 2018.
Por la productividad (coeficientes) para el año 2012, la manera como
el alumno hace eficiente las características escolares es la que interviene
de manera significativa en la diferencia entre rendimientos educativos
entre alumnos con preescolar y sin este. En el año 2018, este efecto no
se muestra significativo.
Además, por la interacción no se encuentra algún efecto significativo, es decir, factores no observables asociados a las características personales, familiares y escolares del alumno; no genera ningún tipo de efecto en la diferencia entre rendimientos de los estudiantes de cada uno de los grupos estudiados en 2012 y en 2018.
Conclusiones
Se demuestra la importancia que tiene la educación preescolar en el
tiempo (2012 -2018) en el rendimiento académico de los estudiantes,
como política pública para potenciar el rendimiento académico en México.
Se reconoce la existencia de sesgos de selección y, asociado a esto,
los siguientes resultados: corrigiendo ese sesgo, cuanto mayor sea el nivel
educativo de los padres mayor es el rendimiento de los alumnos; la educación
de los padres, en el 2018, tiene mayor influencia en el rendimiento
de los estudiantes, en aquellos con preescolar y sin este, que en el 2012;
aplicando el sesgo de selección, la diferencia condicional e incondicional
en los rendimientos educativos por el efecto preescolar aumentó el doble;
Los efectos tratamiento muestran que, ante la disminución del rendimiento
educativo de los estudiantes en México, el acceso a preescolar se vuelve
cada vez más importante en el tiempo.
Por último, la extensión a la descomposición Oaxaca-Blinder permite
conocer las contribuciones en dotación, producción e interacción. De
estas se afirma que es la manera en la que los estudiantes utilizan sus
dotaciones (productividad), la parte que aporta en mayor medida a la
brecha en rendimientos por el efecto preescolar.
Una vez identificada la parte de las contribuciones que aportan a
la brecha en rendimientos, la descomposición por grupo de variables
control muestra que las características personales del alumno aportan a
la contribución en productividad que, a su vez, aporta a comprender y
cuantificar la brecha de los rendimientos educativos.
En conclusión, la calidad del preescolar es una predictora significativa del rendimiento de los estudiantes. Asimismo, un preescolar de alta y mediana calidad se asocia con un aumento significativo en el rendimiento comparado con un preescolar de baja calidad o sin preescolar. De la evidencia mostrada en el presente trabajo, una propuesta de política pública que puede tener un impacto positivo en el rendimiento educativo de los estudiantes que finalizan educación básica es financiar planteles de educación preescolar de alta calidad en zonas de escasos recursos. El acceso a educación preescolar, cuidando aspectos relacionados con el plan de estudios y la pedagogía dentro del salón de clases, incidirá positivamente en la calidad de vida de los niños y futuros ciudadanos, y contribuirá así al bienestar y crecimiento económico del país.
Referencias
- [1] Aizer, A., Eli, S., Ferrie, J., & Lleras-Muney, A. (2016). The long-run impact of cash transfers to poor families. The American Economic Review, 106(4), 935-971. https://doi.org/10.1257/aer.20140529
- [2] Almond, D., & Currie, J. (2011). Human capital development before age five. In O. Ashenfelter & D. Card (Eds.), Handbook of labor economics (Vol. 4B, pp. 1315-1486). North Holland. https://doi.org/10.1016/S0169-7218(11)02413-0
- [3] Aos, S., Lieb, R., Mayfield, J., Miller, M., & Pennucci, A. (2004). Benefits and costs of prevention and early intervention programs for youth. Washington State Institute for Public Policy. www.wsipp.wa.gov/ReportFile/881/Wsipp_Benefits-and-Costs-of-Prevention-and-Early-Intervention-Programs-for-Youth_Summary-Report.pdf
- [4] Barnett, S. W. (1985). Benefit-cost analysis of the Perry preschool and its policy implications. American Educational Research Association, 7(4), 333-342.
- [5] Barnett, S. W. (1995). Long-term effects of early childhood programs on cognitive and school outcomes. Future of Children, 5(3), 25-50.
- [6] Barnett, S. W. (2008). Preschool education and its lasting effects: Research and policy implications. Boulder and Tempe: Education and the Public Interest Center & Education Policy Research Unit. http://epicpolicy.org/publication/preschool-education
- [7] Beblo, M., Beninger, D., Heinze, A., & Laisney, F. (2003). Measuring selectivity-corrected gender wage gaps in the EU. Discussion Paper No. 03-74. https://madoc.bib.uni-mannheim.de/153/
- [8] Becker, G. (1964). Investment in human capital: A theoretical analysis. Journal of Political Economy, 70(5), 9-49.
- [9] Belfield, C. (2006). The promise of early childhood education. Paper presented at the Equity Symposium Teachers College New York. Symposium on the social costs of inadequate education.
- [10] Brooks-Gunn, J. (2003). Do you believe in magic?: What we can expect from Early Childhood Intervention Programs. Social Policy Report, 17(1), 3-14.
- [11] Caspi, A., Houts, R. M., Belsky, D. W., Harrington, H., Hogan, S., Ramrakha, S., Poulton, R., & Moffitt, T. E. (2016). Childhood forecasting of a small segment of the population with large economic burden. Nature Human Behaviour, 1(1), 1-10. https://doi.org/10.1038/s41562-016-0005
- [12] Center on the Developing Child at Harvard University. (2010). The foundations of lifelong health are built in early childhood. https://pediatrics.developingchild.harvard.edu/wp-content/uploads/2021/12/Foundations-of-Lifelong-Health.pdf
- [13] Cortázar, A. (2015). Long-term effects of public early childhood education on academic achievement in Chile. Early Childhood Research Quarterly, 32, 13-22.
- [14] Cunha, F., & Heckman, J. J. (2007). The technology of skill formation. American Economic Review, 97(2), 31-47.
- [15] Cunha, F., Heckman, J. J., & Schennach, S. (2010). Estimating the technology of cognitive and noncognitive skill formation. Econometrica, 78(3), 883-931. https://doi.org/10.3982/ECTA6551
- [16] Cunha, F., Heckman, J. J., Lochner, L. J., & Masterov, D. V. (2006). Interpreting the evidence on life cycle skill formation. In E. A. Hanushek & F. Welch (Eds.), Handbook of the Economics of Education (pp. 697-812). North-Holland.
- [17] Dolton, P. J., & Makepeace, G. H. (1986). Sample selection and male-female earnings differentials in the graduate labour market. Oxford Economic Papers, 38(2), 317-341.
- [18] Drake, E. (2012). Reducing crime and criminal justice costs: Washington State’s evolving research approach. Justice Research and Policy, 14(1), 97-116. https://doi.org/10.3818/JRP.14.1.2012.97
- [19] Duncan, G. J., & Magnuson, K. (2013). Investing in preschool programs. Journal of Economic Perspectives, 27(2), 109-132. https://doi.org/10.1257/jep.27.2.109
- [20] Elango, S., García, J. L., Heckman, J. J., & Hojman, A. (2016). Early Childhood Education. In R. A. Moffitt (Ed.), Economics of Means-Tested Transfer Programs in the United States, Volume II (pp. 235-298). University of Chicago Press. https://doi.org/10.7208/9780226392523-005
- [21] Felitti, V. J., Anda, R., Nordenberg, D., Williamson, D., Spitz, A., Edwards, V., Koss, M., & Marks, J. (1998). Relationship of childhood abuse and household dysfunction to many of the leading causes of death in adults: The Adverse Childhood Experiences (ACE) Study. American Journal of Preventive Medicine, 14(4), 245-258. https://doi.org/10.1016/S0749-3797(98)00017-8
- [22] Fergusson, D. M., Horwood, L. J., & Ridder, E. M. (2005). Show me the child at seven: The consequences of conduct problems in childhood for psychosocial functioning in adulthood. Journal of Child Psychology and Psychiatry and Allied Disciplines, 46(8), 837-849. https://doi.org/10.1111/j.1469-7610.2004.00387.x
- [23] García, J. L., Heckman, J. J., Leaf, D. E., & Prados, M. J. (2020). Quantifying the Life-Cycle Benefits of an Influential Early-Childhood Program. Journal of Political Economy, 128(7), 2502-2541.
- [24] Garrido-Yserte, R., Gallo-Rivera, M. T., & Martínez-Gautier, D. (2020). Más allá de las aulas: Los determinantes del bajo rendimiento educativo en España y el fracaso de las políticas públicas. International Review of Economic Policy-Revista Internacional de Política Económica, 1(1), 86-106.
- [25] Heckman, J. J. (1979). Sample selection bias as a specification error. Econometrica, 47(1), 153-162. https://doi.org/10.2307/1912352
- [26] Heckman, J. J. (2000). Invest in the very young. Working Paper. The Harris School, University of Chicago. http://www.ounceofprevention.org/user_nav.php?EditID=44&Level=2
- [27] Heckman, J. J. (2006). Skill formation and the economics of investing in disadvantaged children. Science, 312(5782), 1900-1902. https://doi.org/10.1126/science.1128898
- [28] Heckman, J. J. (2007). The economics, technology, and neuroscience of human capability formation. Proceedings of the National Academy of Sciences, 104(33), 13250-13255. https://doi.org/10.1073/pnas.0701362104
- [29] Heckman, J. J. (2008). Schools, skills, and synapses. Economic Inquiry, 46(3), 289-324.
- [30] Heckman, J. J., & Corbin, C. O. (2016). Capabilities and skills. Journal of Human Development and Capabilities, 17(3), 342-359. https://doi.org/10.1080/19452829.2016.1200541
- [31] Heckman, J. J., & Karapakula, G. (2019). Intergenerational and intragenerational externalities of the Perry Preschool Project (No. w25889)
- [32] Heckman, J. J., & Masterov, D. V. (2007). The productivity argument for investing in young children. Review of Agricultural Economics, 29(3), 446–493.
- [33] Heckman, J. J., & Mosso, S. (2014). The economics of human development and social mobility. Annual Review of Economics, 6(1), 689-733. https://doi.org/10.1146/annurev-economics-080213-040753
- [34] Heckman, J. J., Pinto, R., & Savelyev, P. (2013). Understanding the mechanisms through which an influential early childhood program boosted adult outcomes. American Economic Review, 103(6), 2052-2086. https://doi.org/10.1257/aer.103.6.2052
- [35] Heckman, J. J., Moon, S., Pinto, R., Savelyev, P., & Yavitz, A. (2010). The rate of return to the high scope Perry Preschool Program. Journal of Public Economics, 94(1-2), 114-128. https://doi.org/10.1016/j.jpubeco.2009.11.001
- [36] Hoynes, H., Schanzenbach, D., & Almond, D. (2016). Long-run impacts of childhood access to the safety net. American Economic Review, 106(4), 903-934. https://doi.org/10.1257/aer.20130375
- [37] Jung, H., & Hasan, A. (2014). The impact of early childhood education on early achievement gaps: Evidence from the Indonesia Early Childhood Education and Development Project. Policy Research Working Paper No. 6794. World Bank. https://openknowledge.worldbank.org/handle/10986/18340
- [38] Karoly, L. A. (2012). Toward standardization of benefit-cost analysis of early childhood interventions. Journal of Benefit-Cost Analysis, 3(1), 1-43. https://doi.org/10.1515/2152-2812.1085
- [39] Knudsen, E., James, I., Heckman, J., Cameron, J. L., & Shonkoff, J. P. (2006). Economic, neurobiological and behavioral perspectives on building America’s future workforce. Proceedings of the National Academy of Sciences, 103(27), 10155-10162.
- [40] Lee, S., Drake, E., Pennucci, A., Bjornstad, G., & Edovald, T. (2012). Economic evaluation of early childhood education in a policy context. Journal of Children’s Services, 7(1), 53-63. https://doi.org/10.1108/17466661211213670
- [41] Lucas, R. (1988). On the mechanism of economic development. Journal of Monetary Economics, 22(1), 3-42. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=227120
- [42] Madala, G. (1983). Limited-dependent and qualitative variables in econometrics. Cambridge University Press. http://garfield.library.upenn.edu/classics1993/A1993LM25300001.pdf
- [43] Martínez Rizo, F., & Silva Guerrero, J. E. (2016). Impact of large-scale assessment on Mexico’s education policies. Research Papers in Education, 31(5), 556-566. https://doi.org/10.1080/02671522.2016.1225352
- [44] Moreno, J. O. (2009). Educación compensatoria en las escuelas rurales e indígenas de México: un análisis impacto sobre diferencia en habilidades usando efectos de tratamiento. En J. N. Valero y M. de L. Treviño (eds.), La economía mexicana en 19 miradas (pp. 65-128). Universidad Autónoma de Nuevo León.
- [45] Moreno Treviño, J. O. y Cortez Soto, S. N. (2020). Rendimiento académico y habilidades de estudiantes en escuelas públicas y privadas: evidencia de los determinantes de las brechas en aprendizaje para México. Revista de Economía, 37(95), 73-106. https://doi.org/10.33937/reveco.2020.148
- [46] Mulligan, C. B. y Rubinstein, Y. (2008). Selection, investment, and women’s relative wages over time. Quarterly Journal of Economics, 123(3), 1061-1110. https://doi.org/10.1162/qjec.2008.123.3.1061
- [47] Nelson, C. A. y Sheridan, M. A. (2011). Lessons from neuroscience research for understanding causal links between family and neighborhood characteristics and educational outcomes. En G. J. Duncan y R. J. Murnane (eds.), Whither opportunity: Rising inequality, schools, and children’s life chances (pp. 27-46). Russell Sage.
- [48] Oaxaca, R. (1973). Male-female wage differentials in urban labor markets. International Economic Review, 14(3), 693-709. https://doi.org/10.2307/2525981
- [49] Organisation for Economic Co-operation and Development (oecd). (2009). Doing better for children. https://doi.org/10.1787/9789264059344-en
- [50] Organización para la Cooperación y el Desarrollo Económicos (ocde). (2010). Informe pisa 2009. https://www.oecd.org/pisa/pisaproducts/pisainfocus/PiF1_esp_revised.pdf
- [51] Organización para la Cooperación y el Desarrollo Económicos (ocde). (2013). Informe de resultados de pisa 2012. https://www.oecd.org/pisa/keyfindings/PISA-2012-results-mexico-ESP.pdf
- [52] Organización para la Cooperación y el Desarrollo Económicos (ocde). (2016). Programa para la evaluación internacional de alumnos (pisa): pisa 2015 Resultados México. https://www.oecd.org/pisa/PISA-2015-Mexico-ESP.pdf
- [53] Phillips, D. A., Lipsey, M. W., Dodge, K. A., Haskins, R., Bassok, D., Burchinal, M. R., Duncan, G. J., Dynarski, M., Magnuson, K. A. y Weiland, C. (2017). Puzzling it out: The current state of scientific knowledge on pre-kindergarten effects a consensus statement. Brookings. https://www.brookings.edu/articles/puzzling-it-out-the-current-state-of-scientific-knowledge-on-pre-kindergarten-effects/
- [54] Poulton, R., Caspi, A., Milne, B. J., Thomson, W. M., Taylor, A., Sears, M. R. y Moffitt, T. E. (2002). Association between children’s experience of socioeconomic disadvantage and adult health: A life-course study. Lancet, 360(9346), 1640-1645. https://doi.org/10.1016/S0140-6736(02)11602-3
- [55] Psacharopoulos, G. y Woodhall, M. (2017). Educación para el desarrollo. Un análisis de opciones de inversión. Universidad de Sevilla.
- [56] Rea, D. y Burton, T. (2019). New evidence on the Heckman curve. Journal of Economic Surveys, 34(2), 241-262. https://doi.org/10.1111/joes.12353
- [57] Sammons, P., Sylva, K., Taggart, B., Melhuish, E. y Siraj-Blatchford, I. (2014). Las influencias del hogar, el pre-escolar y la escuela primaria sobre el rendimiento educativo a los once años del niño. Archivos Analíticos de Políticas Educativas, 22, 1-23. https://www.redalyc.org/articulo.oa?id=275031898113
- [58] Schultz, T. (1961). Investment in human capital. American Economic Review, 51(1), 1-17.
- [59] Singh, A. (2013). Test score gaps between private and government sector students at school entry age in India. Oxford Review of Education, 40(1), 30-49.
- [60] Shonkoff, J. P. y Phillips, D. A. (eds.). (2000). From neurons to neighborhoods: The science of early child development. National Academy Press.
- [61] Valdés Pasarón, S., Ocegueda Hernández, J. M. y Romero Gómez, A. (2018). La calidad de la educación y su relación con los niveles de crecimiento económico en México. Economía y Desarrollo, 159(1), 61-79. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0252-85842018000100005&lng=es&tlng=es
- [62] Willis, R. y Rosen, S. (1979). Education and self-selection. Journal of Political Economics, 87(5), S7-S36.