Efecto del aumento de la oferta educativa
en la escolaridad y el trabajo adolescente
en el Perú rural
1
Brian Daza
Centro de Investigación de la Universidad del Pacíco
bdaza@alum.mit.edu
Recibido: 06/03/2019
Aprobado: 01/04/2020
1. Esta investigación se desarrolló en el marco del Primer Concurso de Becas para
Jóvenes Investigadores (2018), organizado por la Sociedad de Investigación
Educativa Peruana (SIEP) con el apoyo de Unicef.
ISSN: 2076-6300
eISSN: 2077-4168
R E V I S T A P E R U A N A D E I N V E S T I G A C I Ó N E D U C A T I V A
2 0 2 0 , N o . 1 2
54 I
Brian Daza
Efecto del aumento de la oferta educativa en la escolaridad
y el trabajo adolescente en el Perú rural
Resumen
Durante los años 2004 y 2017, se crearon 1809 servicios educativos de nivel
secundario en el área rural, es decir, aproximadamente, 40% de la oferta edu-
cativa total del nivel secundario en 2017, que correspondió a 4230 servicios.
Esta investigación busca identicar los efectos de la expansión de la cobertura
educativa de nivel secundaria en la escolaridad y la participación laboral ado-
lescente en el área rural. La metodología empleada se basa en un método de
diferencias en diferencias generalizado, y utiliza principalmente información
de la Encuesta Nacional de Hogares 2004-2017 y el Padrón de Instituciones
Educativas del Ministerio de Educación del año 2017. A partir de ello, se iden-
tica que el aumento de la cobertura educativa en el área rural ha tenido im-
pacto positivo en la matrícula escolar, en los años de educación alcanzados y en
la reducción de la prevalencia del empleo adolescente. Los resultados muestran
mayor impacto en la población femenina y en los departamentos con mayor
población rural.
Palabras clave: Escolaridad, trabajo, adolescencia, educación secundaria,
ruralidad
Eect of the increase of the educational supply on schooling
and adolescent work in rural Peru
Abstract
In the period 2004-2017, 1809 secondary-level educational services were created
in the Peruvian rural area, 40% of the total of active secondary services in 2017
(4230). is article attempts to identify this expansion’s eects on schooling and
teenage labor participation in rural areas. e study bases on a generalized die-
rence in dierences method, relying on information from the National Household
Survey 2004-2017 and the Register of Educational Institutions of the Ministry of
Education in 2007. e analysis shows that the increase in educational services
in the rural area has had a positive impact on school enrollment, on the years of
education attained, and on the reduction of teenage labor. Results showed that
the impacts are greater in the case of female population and in the departments
with the largest rural population.
Keywords: Schooling, work, adolescence, secondary education, rurality
I 55
Efecto del aumento de la oferta educativa en la escolaridad y el trabajo adolescente
Introducción
De acuerdo con el Sistema de Información de Tendencias Educativas en Amé-
rica Latina (2010), a partir de encuestas de hogares de la región, se registra
una fuerte interrelación entre el empleo en adolescentes (13 a 17 años) y la no
concurrencia a centros educativos en los países observados, con excepción de
Brasil y Bolivia. En el caso del año 2008, los países con menor tasa de empleo
adolescente —Chile (3,4%) y Argentina (6,6%)— son también aquellos con
menores tasas de exclusión del sistema educativo en este grupo etario (6,4%
y 9,5%, respectivamente). Por su parte, en Guatemala, el país con mayor po-
blación adolescente en el mercado laboral (42,5%), el 39% de los adolescentes
no estudia. En este estudio, en el caso del Perú, se reporta que el porcentaje de
adolescentes fuera del sistema educativo es de aproximadamente 26% y que
la tasa de empleo adolescente es de 31%. La elevada intersección entre ambos
grupos de riesgo se evidencia en el hecho de que, de acuerdo con el estudio, la
tasa de empleo entre los adolescentes que están fuera del sistema educativo es
entre dos y diez veces mayor que entre los adolescentes que sí estudian.
Según los resultados de la Encuesta Nacional Especializada en Trabajo
Infantil (ETI 2015),
en el área rural [peruana], el 52,3% de la población de 5 a 17 años par-
ticiparon en la actividad económica; mientras que en el área urbana fue
16,2%. Por grupos de edad, el 12,1% de la población de 5 a 9 años traba-
ja, seguido del 29,3% de 10 a 13 años y el 40,5% de 14 a 17 años laboran.
(INEI, 2016a)
La educación debería permitir a los niños y los adolescentes alcanzar ma-
yores niveles de bienestar social, satisfacción individual, y perspectivas de em-
pleo y desarrollo personal en el futuro. Si los servicios educativos no cumplen
ese rol, por ausencia o incapacidad, resultarán necesarias acciones de política.
Adicionalmente, la sociedad podría verse impactada negativamente en la me-
dida en que el trabajo infantil y adolescente prevalezcan. En un estudio enfo-
cado en Zambia, por ejemplo, Nielsen (1998) menciona que este fenómeno
produce una pérdida de entre 1% y 2% del PBI, lo cual resulta preocupante si
se considera que afecta principalmente al área rural, que es donde se ubican los
hogares más vulnerables.
En el Perú, tanto la deserción escolar como el empleo adolescente son
fenómenos vigentes. En el área rural, este problema no solamente tiene una
mayor magnitud, sino que adquiere mayores dimensiones de complejidad al
interactuar con las características propias del entorno, entre las que se incluyen
también las diferencias en la calidad y la oferta del servicio educativo. Cabe
anotar que existen iniciativas que reconocen la urgencia de resolver las de-
ciencias del sistema educativo. De hecho, en el año 2006, se presentó al país el
Proyecto Educativo Nacional al 2021 (Consejo Nacional de Educación, 2006).
56 I
Brian Daza
El aumento y la mejora de la oferta educativa en el sector rural, que es donde
la atención del sistema educativo ha sido menor, son claves para cumplir dos
de los objetivos estratégicos del proyecto: “OE1: Oportunidades y resultados
educativos de igual calidad para todos” y “OE6: Una sociedad que educa a sus
ciudadanos y los compromete con su comunidad”. En el mismo documento, la
Política Nº 2.2 dene como una de las principales medidas a adoptar
la aplicación continua y sistemática de modalidades exibles que res-
pondan con calidad y pertinencia a las condiciones reales de vida, cul-
tura y trabajo en zonas rurales, enfaticen el desarrollo de competencias
productivas, emprendedoras y de ciudadanía, y que puedan ser replica-
das. (Consejo Nacional de Educación, 2006)
Por lo menos desde el 2001, el sistema educativo peruano debería garanti-
zar por ley
2
el acceso y atención adecuada a los niños, niñas y adolescentes en
el área rural. No obstante, la cobertura del servicio educativo, sobre todo en el
área rural, aún no es universal.
En la Figura 1, se presenta un resumen gráco del incremento de la co-
bertura educativa en el área rural peruana. El indicador utilizado es el número
de servicios educativos rurales de nivel secundaria operativos en cada distrito
por cada cien habitantes de entre diez a diecinueve años. Comparando el año
inicial y el último del período analizado, se pueden destacar dos hechos. Por
un lado, la cobertura ha mejorado sustancialmente en varios distritos del Perú,
mientras que en otros el cambio no es perceptible. Por otro lado, la dispersión
del cambio no sigue un patrón geográco evidente.
2. Dicho deber es planteado en la Ley 27558, Ley de Fomento de la Educación de las
Niñas y Adolescentes Rurales, 23 de noviembre de 2001.
I 57
Efecto del aumento de la oferta educativa en la escolaridad y el trabajo adolescente
Figura 1. Servicios educativos de nivel secundaria por cada 100 habitantes
de entre 10 a 19 años en el área rural
Fuente: Elaboración propia, con datos del Padrón de Instituciones Educativas, ENAHO
2004 y 2017, y CPV 2007.
Adicionalmente, en la Tabla 1, se presenta un resumen del cambio obser-
vado entre los años 2004 y 2017 de la oferta educativa en el Perú, e indicadores
de escolaridad y empleo para adolescentes del área rural. En conjunto, además
del aumento de la oferta del servicio educativo en el área rural, se puede ver
que la prevalencia del trabajo adolescente es elevada y que la participación de
los adolescentes en la educación no es universal. Si bien los indicadores edu-
cativos muestran una mejora, también ha aumentado la proporción de ado-
lescentes en el área rural que trabajan, aunque su jornada laboral es menor en
promedio. Resulta relevante, entonces, analizar los efectos causales de políticas
como el aumento de la oferta educativa en el sector rural, en la participación
de los adolescentes en el mercado laboral y en sus decisiones de escolaridad.
58 I
Brian Daza
Tabla 1. Estadísticas descriptivas*
2004 2017 Diferencia Pooled 2004-
2017
Media Error
estándar
Media Error
estándar
Media Error
estándar
Media Error
estándar
Oferta de servicios educativos
Total
7913 -- 12445 -- 4532 --
Área urbana
6154 -- 8877 -- 2723 --
Área rural
1759 -- 3568 -- 1809 --
Por cada cien personas
de 10-19 años en el
área rural
0,139 0,008 0,384 0,01 0,245 0,013 0,227 0,005
Escolaridad y empleo en adolescentes rurales (14 a 17 años)
Población Femenina
Años de educación
aprobados
9,947 0,092 11,478 0,053 1,530 0,106 10,775 0,029
Matrícula en un centro
de enseñanza
64,60% 0,019 82,00% 0,012 17,40% 0,022 72,76% 0,006
Asistencia regular a un
centro de enseñanza
93,50% 0,013 91,20% 0,011 -2,30% 0,017 92,18% 0,004
Participación en el
mercado de trabajo
44,60% 0,019 53,10% 0,016 8,50% 0,025 52,47% 0,005
Horas de trabajo a la
semana
26,199 0,685 18,961 0,509 -7,238 0,853 22,764 0,203
Población masculina
Años de educación
aprobados
10,404 0,076 11,411 0,047 1,007 0,089 10,878 0,025
Matrícula en un centro
de enseñanza
72,40% 0,017 84,30% 0,011 11,90% 0,02 77,39% 0,005
Asistencia regular a un
centro de enseñanza
91,70% 0,012 92,20% 0,009 0,60% 0,015 92,33% 0,004
Participación en el
mercado de trabajo
57,90% 0,017 62,30% 0,013 4,40% 0,022 63,38% 0,005
Horas de trabajo a la
semana
26,653 0,571 20,657 0,475 -5,996 0,743 23,471 0,193
*Nota: Existen 2057 servicios educativos. Entre ellos, 662 se ubican en el área rural, para los
cuales no se pudo identicar la fecha de incorporación al padrón y que no se cuentan en este
cuadro. Los años de educación se cuentan considerando tres años de educación preescolar. La
asistencia regular incluye solamente a los adolescentes que registran matrícula en un centro
educativo.
Fuente: Elaboración propia, con datos del Padrón de Instituciones Educativas 2017, ENAHO
2004-2007 y CPV 2007
I 59
Efecto del aumento de la oferta educativa en la escolaridad y el trabajo adolescente
En este trabajo, se encuentra evidencia de que la oferta educativa ha teni-
do inuencia en la conguración del empleo adolescente y en la escolaridad,
medida en años de educación lograda. Adicionalmente, las heterogeneidades
entre el nivel de ruralidad de las diferentes regiones del Perú y el género inu-
yen en la respuesta de las variables de interés. Los resultados muestran que la
expansión de la oferta educativa ha sido importante para mejorar los indica-
dores de logros educativos y trabajo adolescente, sobre todo, en la población
femenina. No obstante, parece no haber tenido la misma ecacia en regiones
con mayor población rural y en la población masculina.
La presente investigación se divide en cinco secciones. La primera pre-
senta una revisión de la literatura sobre el trabajo adolescente e infantil y la
participación escolar, y su vínculo con la oferta educativa. La segunda sección
describe la metodología empírica. La tercera presenta los resultados, mientras
que la cuarta plantea la discusión y las implicancias de dichos resultados a nivel
académico. En la última sección, se desarrollan las conclusiones del estudio.
Revisión de literatura
Tal y como señalan Beegle, Dehejia, y Gatti (2009), tanto en la arena política
como en la académica, se reconoce que el trabajo adolescente e infantil consti-
tuye un problema con múltiples consecuencias potenciales. Existen opiniones
serias y evidencia que respaldan que genera efectos negativos en el nivel edu-
cativo, el desempeño laboral futuro y la salud de los menores. Se estima que
los benecios de eliminar el trabajo infantil serían sustantivos (International
Programme on the Elimination of Child Labour, 2004). Sin embargo, la evi-
dencia sobre el mecanismo causal es limitada. La mayor parte de los estudios
empíricos existentes que asocian el trabajo infantil y la participación escolar
muestran una fuerte relación negativa, pero no concluyen una sola dirección
en la relación causa-efecto. Algunos estudios refuerzan dos posibles direccio-
nes de causalidad a nivel teórico y empírico.
A partir de una perspectiva teórica y usando como referencia la función
de ingresos de Mincer, se puede considerar que las decisiones de escolaridad y
de trabajo forman parte del mismo proceso de optimización, en el cual inter-
eren los retornos esperados de la educación y del tiempo de experiencia po-
tencial. Desde este punto de vista, existiría un trade-o, puesto que los años de
educación y los años de experiencia laboral (que podrían iniciarse en el trabajo
adolescente e infantil) se determinarían en conjunto, en función de cómo los
hogares perciben que esta decisión inuye en sus perspectivas de ingresos. La
evidencia empírica para esta hipótesis, como discutiremos brevemente, no es
clara o unidireccional, y depende en gran medida del contexto.
Aún desde una perspectiva teórica, existe la posibilidad de que esta re-
lación sea aún más compleja, especialmente, para las personas de bajos re-
cursos. El estudio de Ravallion y Wodon (2000), una de las referencias más
citadas, ejemplica esto. Mediante un subsidio focalizado relacionado con la
inscripción escolar en el área rural en Bangladesh, los autores identicaron
que este tipo de incentivos genera un aumento de la escolaridad, pero un efecto
60 I
Brian Daza
ambiguo en el trabajo adolescente e infantil. Esta ambigüedad se alimenta de
diversos factores que están empezando a ser analizados por la literatura. Por
ejemplo, los padres pueden subestimar los benecios de la educación o los
resultados alcanzados por sus hijos. Dicho comportamiento puede conducir
a una subinversión en educación, que puede ser muy sensible a cambios en
las expectativas de retornos futuros (Dizon-Ross, 2019). Desde otro ángulo, es
posible que la variable educativa se relacione con las denominadas “trampas
de pobreza”
3
, en tanto es necesario tener cierto nivel acumulado de años de
escolaridad para empezar a percibir mejoras en productividad o retornos por
cada año adicional de educación. Es decir, al inicio, la educación puede no
tener retornos sobre el nivel de ingresos que las personas pueden generar. Este
escenario podría agravarse por el hecho de que la educación a la que tienen
acceso las personas en situación de pobreza suele ser de muy baja calidad, y,
por lo tanto, no ofrecer perspectivas de mejora para la infancia y adolescencia.
En el Perú, uno de los estudios más recientes sobre las decisiones de in-
serción laboral de los jóvenes rurales (Boyd, 2014) muestra que la decisión de
estudiar de los jóvenes y adolescentes se encuentra muy ligada a la decisión de
empezar a trabajar. Además, considerando el elevado porcentaje de realización
de trabajo familiar no remunerado (aproximadamente, 40%), existe fuerte evi-
dencia de que esta decisión se realiza dentro del hogar y no a nivel de individuo.
El estudio de Boyd da cuenta de que la dinámica rural es diferente a la urbana.
En el primer escenario, el desempleo es menor; y la actividad laboral, mayor.
La literatura ha explorado el hecho de que factores exógenos de oferta inu-
yen en la decisión de escolaridad. Estas restricciones de oferta pueden elevar sig-
nicativamente los costos de escolaridad, y, por lo tanto, conducir a que muchos
niños y adolescentes no se benecien de las potenciales ganancias que les podría
otorgar la educación. Para el caso de Zambia, Nielsen (1998) ha encontrado evi-
dencia de que restricciones de acceso a centros educativos —como la distancia,
la infraestructura de transporte y los costos asociados— están estrechamente
relacionadas con las decisiones de escolaridad y empleo. Para los casos en los
que opera esta restricción, se encuentra una fuerte correlación negativa entre la
asistencia a la escuela y el trabajo. De acuerdo con Nielsen, la poca tradición edu-
cativa de la familia y el escaso acceso a centros educativos son las variables con
mayor capacidad para explicar la falta de participación en el sistema educativo.
La investigación realizada por Emerson y Souza (2007) en Brasil muestra
resultados heterogéneos en la decisión de escolaridad y empleo de los hijos ado-
lescentes a partir de su género, y el poder relativo del padre y de la madre al
interior de la familia. Por ejemplo, una mayor capacidad económica del padre
puede estar más relacionada con la reducción del trabajo adolescente en general,
mientras que un aumento de la capacidad adquisitiva de la madre puede tener
mucho mayor impacto en las decisiones de escolaridad de las hijas, en compa-
ración con lo que hubiera producido el mismo aumento en el caso del padre.
3. El tema de las trampas de pobreza en general y su vínculo con la educación ha sido
discutido por Dasgupta (2007); Knight, Shi y Quheng (2010); Van der Berg et al.
(2011), entre otros.
I 61
Efecto del aumento de la oferta educativa en la escolaridad y el trabajo adolescente
Del mismo modo, en una investigación realizada en Colombia, Urueña, Tovar y
Castillo (2009) muestran que los menores con mayor riesgo de trabajar a costa de
no asistir a la escuela son los hijos mayores, los hijos varones, los hogares con jefe
de hogar poco educado, los hogares en que el jefe de hogar es varón, los menores
en el área rural, los menores en hogares con numerosos integrantes, y los que
viven en hogares con mayor tasa de ocupación de los adultos.
Volviendo al caso peruano, Cueto (2004) señala que un problema funda-
mental de la escuela estatal, con mayor gravedad en el área rural, se relaciona
al hecho de que esta no se adapta a las necesidades de los estudiantes. Al con-
trario, es “Darwiniano, en el sentido de que [...] espera que los estudiantes se
adapten al medio escolar” (Cueto, 2004). En ese sentido, los estudiantes que
ya tienen las características necesarias para “sobrevivir” son quienes acaban
teniendo mayor rendimiento. Cueto identica un resultado interesante: el
mal rendimiento de los estudiantes no condiciona de manera signicativa que
abandonen la escuela. Ello se maniesta en las altas cifras de estudiantes del
área rural que han repetido varias veces de grado en años seguidos. Incluso, en
las evaluaciones realizadas por Cueto (2004), se observa que estos estudiantes
mejoran su rendimiento en comparación con los desertores. A su vez, el autor
halla que el rendimiento académico y la deserción escolar se explican funda-
mentalmente por la poca o nula educación formal de los padres, el hablar una
lengua indígena, la educación en aulas multigrado, la mayor edad relativa, la
falta de materiales pedagógicos, el género femenino, el tener características fí-
sicas favorables para el trabajo, y la situación de pobreza de las familias. Estos
factores se relacionan profundamente con la necesidad o el deseo de trabajar.
Alcázar, Rendón y Wachtenheim (2002) habían encontrado evidencias de
trade-os en el área rural entre empleo adolescente y escolaridad. En este caso,
los determinantes cruciales eran el ingreso y educación de los padres, la composi-
ción familiar, y la existencia de círculos viciosos y virtuosos intergeneracionales.
En un estudio posterior, Alcázar (2009) se aproxima de manera más direc-
ta a nuestro objetivo de investigación enfocándose en la deserción escolar en
las escuelas secundarias rurales del Perú. Su estudio, en primer lugar, conrma
que la pobreza, las variables relacionadas a la misma, los factores familiares, y
la percepción de la calidad e impacto de la educación son variables fundamen-
tales para explicar la deserción escolar a través de su relación con el empleo
adolescente. Sin embargo, el hallazgo más importante es que existen eviden-
cias de que la carencia de centros educativos próximos es un factor crucial
para determinar si un joven o adolescente recibe servicios educativos. En otras
palabras, las características de los jóvenes rurales en localidades donde hay
oferta de educación secundaria son estadísticamente similares a las de aquellos
que residen donde no hay oferta. Por un lado, a diferencia de Cueto, Alcázar
encuentra que el historial educativo de los jóvenes sí se relaciona con la pro-
babilidad de deserción; es decir, un mayor atraso escolar puede conducir a que
los jóvenes opten por dejar de estudiar. Por otro lado, similar a lo que plantea
Cueto, Alcázar identica que este fenómeno se refuerza porque los horarios,
programas y demás características de las instituciones educativas no respon-
den a las necesidades especícas de los educandos.
62 I
Brian Daza
Siguiendo esa línea, Chacaltana (2012) resalta el papel de la distancia a los
centros educativos y el décit de calidad existente en la deserción escolar en
el área rural. Señala, además, que en este ámbito es relevante la dependencia
con el ciclo agrícola, la predominancia del trabajo familiar no remunerado, la
diversicación de actividades (que implica elevada movilidad geográca tem-
poral) y el énfasis en cuanto a las diferencias de género.
Las comunidades rurales en el Perú son altamente vulnerables ante shocks
externos, particularmente, desastres naturales. La costa norte, por ejemplo, es
vulnerable ante eventos como el fenómeno de El Niño. Por su parte, varias
comunidades de la sierra y la selva son particularmente sensibles ante varia-
ciones drásticas de precipitación pluvial, es decir, sequías o lluvias intensas que
ocasionan huaicos o inundaciones. Marchetta, Sahn y Tiberti (2018), en un
estudio para Madagascar, encuentran que el nivel de lluvias y la presencia de
ciclones tienen efectos signicativos sobre las decisiones de escolaridad y tra-
bajo. No obstante, el grado de vulnerabilidad ante este y otro tipo de shocks
puede ser amortiguado por variables como acceso al crédito o posesión de ac-
tivos durables (Beegle, Dehejia, y Gatti, 2006).
La lejanía o la inaccesibilidad de los centros educativos conduce a que el
uso de servicios educativos requiera el transporte de grandes distancias. Tanto
para los propios niños y adolescentes como para sus padres, el que los hijos
tengan que desplazarse lejos del hogar disuade en gran medida su asistencia
regular y la culminación de sus estudios en favor del trabajo en el hogar o en la
comunidad (Li y Liu, 2014). Esto se evidencia particularmente en espacios en
los que los estudiantes corren riesgo por peligros sociales o ambientales.
Otras investigaciones dan cuenta de que la presencia de servicios educati-
vos facilita el involucramiento de los padres en la educación de sus hijos, lo cual
constituye una ventaja adicional para el desempeño educativo (Izzo, Weissberg,
Kasprow, y Fendrich, 1999). Li y Liu (2014); Song, Appleton, y Knight (2006);
Jacoby y Mansuri (2011) muestran que la mayor accesibilidad al sistema educa-
tivo, como consecuencia del aumento de establecimientos educativos, conduce
a mejoras en la participación escolar y en los logros educativos (única o ma-
yormente) de las mujeres. Estos hallazgos son consistentes con el argumento de
que las diferencias en los costos de oportunidad y en las dicultades asociadas
a estudiar en un entorno lejano al familiar tienen impacto y este es mayor en el
caso de las mujeres (Song et al., 2006; Jacoby y Mansuri, 2011).
Metodología
La oferta educativa en el nivel primaria está muy extendida y aparentemen-
te en cantidad razonable, dada la práctica universalidad en la conclusión de
dicho nivel. La oferta en el nivel secundario es menor, así como los niveles
de conclusión, sobre todo, en el sector rural. Sin embargo, de acuerdo con la
información del sistema de Estadísticas de la Calidad Educativa (Escale) del
Ministerio de Educación, en el período 2004-2017, se crearon 4532 institucio-
nes educativas de nivel secundario, de las cuales 1809 se ubican en el área rural.
Considerando que el total de servicios educativos de nivel secundario activos
I 63
Efecto del aumento de la oferta educativa en la escolaridad y el trabajo adolescente
en el área rural fue de 4230 en 2017, observamos que, en términos de atención,
la oferta educativa en este nivel para el área rural ha aumentado en más de 70%
en los últimos 10 años. Esto quiere decir que el 40% de la oferta educativa acti-
va actual del nivel secundario en el área rural es de creación reciente.
En las siguientes secciones, indagaremos en si este aumento en la oferta
educativa del nivel secundaria en el área rural ha tenido efectos sobre la escola-
ridad y la participación laboral de los adolescentes en el área rural.
Datos
La información sobre la prevalencia de trabajo adolescente y la participación
en el sistema educativo —que son las variables dependientes por explicar— se
obtiene a partir de la integración de las bases de datos de la Encuesta Nacional
de Hogares entre los años 2004 y 2017. La base de datos nal constituye un
pooled cross-section que integra información de los módulos de vivienda, edu-
cación, empleo y salud. El área considerada rural en este estudio corresponde a
los estratos 6, 7 y 8 de la encuesta, es decir, la población que habita en centros
poblados de menos de 400 viviendas y en las áreas de empadronamiento rural
clasicadas por el Instituto Nacional de Estadística. A partir de la información
de la Encuesta, se estimó el porcentaje de la población que habitaba en área
rural en cada departamento y año.
La variable de tratamiento se construyó a partir del Padrón de Instituciones
Educativas que ofrece Escale, que detalla la fecha de creación o registro de cada
servicio; su ubicación geográca especíca; y algunas variables de interés, como
el nivel de ruralidad de acuerdo con la clasicación del Ministerio de Educación
en Escale. Según esta clasicación, se considera servicio educativo rural a aquel
que está ubicado en un centro poblado con menos de 500 habitantes, excluidos
los que se encuentran en una capital de distrito, provincia o departamento.
La denominación de “rural” para una institución educativa es más exi-
gente que la denición de ruralidad que estamos usando para las comunidades
a partir de Enaho. No obstante, usar esa clasicación ofrece la ventaja de que
podemos esperar mayor homogeneidad entre las instituciones educativas que
estaríamos contabilizando y, además, mantendremos homogeneidad con la
clasicación censal del Ministerio de Educación.
La síntesis entre la información de Enaho y del padrón se hizo a nivel de
distrito. A partir del padrón, se obtuvo el total de servicios educativos rurales de
nivel secundario que había en cada distrito en cada año de la muestra. La canti-
dad de servicios educativos existentes en el distrito se dividió entre el total de la
población rural en el distrito de edades entre diez y diecinueve años, de acuerdo
con las proyecciones poblacionales elaboradas por el INEI (2016b)
4
. Sobre esta
4. Las proyecciones de población estaban disponibles para el período de 2005 a 2015.
Para el año 2017, se usó la información proveniente del Censo Nacional de Población
y Vivienda de 2017 (INEI 2017). La información para los años 2004 y 2016 se com-
pletó a partir del cálculo de la tasa de crecimiento promedio de la población a nivel
de distrito. Se realizó, además, un ajuste de la proporción de la población en el área
64 I
Brian Daza
base, la variable usada para medir la oferta educativa se expresó de la siguiente
manera: “Cantidad de instituciones educativas de nivel secundaria en el área rural
del distrito por cada cien habitantes de entre diez y diecinueve años”
5
.
Tabla 2. Características socioeconómicas y oferta educativa*
Media por cuantiles del indicador de oferta educativa (x=8)
Media
agregada
1 2 3 4 5 6 7 8 ρ
†
Indicador
de oferta
educativa
0,181 0,001 0,039 0,079 0,117 0,160 0,215 0,292 0,544 1,00
Proporción
masculina
52,46% 54,18% 53,09% 52,50% 50,22% 52,46% 52,88% 52,85% 51,46% -0,01
Edad
15,437 15,428 15,452 15,416 15,470 15,442 15,413 15,449 15,429 0,00
Falta de agua
54,26% 57,95% 63,83% 53,65% 56,73% 55,40% 48,28% 52,59% 45,70% -0,09
Falta de
electricidad
42,72% 46,36% 51,36% 46,53% 40,02% 43,82% 37,39% 40,46% 35,78% -0,08
Jefe de hogar
con baja
escolaridad
72,07% 70,59% 75,38% 74,23% 75,35% 71,28% 71,18% 70,76% 67,79% -0,05
Jefe de hogar
masculino
87,42% 86,95% 88,28% 86,75% 87,33% 88,46% 87,12% 88,57% 85,87% -0,01
Número de
hijos
3,570 3,660 3,676 3,624 3,531 3,625 3,506 3,568 3,372 -0,05
Lengua
materna
indígena
29,86% 27,37% 17,41% 30,07% 30,22% 34,96% 38,17% 30,70% 29,93% 0,02
Observaciones 47.391 6346 5216 5428 5391 5840 5837 6490 6845 47.391
*Nota: Las medias han sido calculadas teniendo en cuenta los factores de expansión y el
diseño muestral de la Encuesta Nacional de Hogares.
†ρ: representa la correlación de cada variable con el indicador de oferta educativa. Estas
correlaciones consideran los factores de expansión poblacional, la estraticación y la
primera unidad de muestreo de Enaho. Dichas correlaciones han sido calculadas mediante el
procedimiento de Winter (2001).
Fuente: Elaboración propia, con datos del Padrón de Instituciones Educativas 2017, Enaho
2004-2007 y CPV 2007
rural de cada distrito a partir de las proporciones censales, según el Censo Nacional de
Población y Vivienda de 2007.
5. Es necesario mencionar que no se pudo establecer la fecha de fundación o registro
de 662 instituciones educativas de nivel secundaria en el área rural. Debido a que se
contaba con la información de su ubicación geográca, se contabilizó como variable
de control el número de este tipo de instituciones que tiene cada distrito ponderado por
la proyección de población distrital rural entre diez y diecinueve años.
I 65
Efecto del aumento de la oferta educativa en la escolaridad y el trabajo adolescente
Estrategia empírica
La creación de servicios educativos de nivel secundario se puede considerar
exógena en el área rural, en línea con lo encontrado por Alcázar (2009). Dicho
estudio indica que las características de los jóvenes que viven en zonas rurales
donde no hay oferta de educación secundaria son estadísticamente similares a
las de aquellos que viven en áreas rurales en las que sí la hay. En la Tabla 2 de
este documento, se verica que no hay diferencias entre las variables socioeco-
nómicas condicionales a la c obertura de oferta educativa según el indicador
propuesto, servicios educativos por cada cien habitantes de entre diez y dieci-
nueve años en el área rural.
A partir de ello, se toma como hipótesis que el ritmo de creación de es-
cuelas es exógeno a las características de los adolescentes en cada área rural.
Considerando las características socioeconómicas relevantes, la expansión de
la cobertura de la oferta educativa se aproxima a una asignación aleatoria. Esto,
en términos de la literatura de evaluación de impacto de políticas públicas,
equivale a que no hay selección en observables.
El indicador de cobertura de oferta educativa se utilizará como indicador
de tratamiento en un marco conceptual estándar de evaluación de impacto de
políticas públicas. Se le denominará indicador de intensidad del tratamiento,
debido a que este indicador no divide a la muestra en grupos de tratamiento y
control, sino describe el grado o nivel de acceso a los servicios educativos. Este
enfoque es similar al de Duo (2001), quien estimó los efectos de la construc-
ción intensiva de escuelas realizada en Indonesia entre 1973 y 1978 sobre los
años de educación y el salario, utilizando un indicador de tratamiento denido
en función de la oferta educativa por habitante.
En la presente investigación, la evaluación se realiza mediante un método
de diferencias en diferencias generalizado, teniendo como referencia meto-
dológica —además de Duo (2001)—, los estudios de Callaway y Sant’Anna
(2018), y Besley y Burgess (2004). Basándose en especicaciones como las
mencionadas por Bertrand, Duo y Mullainathan (2004), y Hansen (2007), un
método de diferencias en diferencias generalizado, con múltiples periodos y
múltiples grupos puede expresarse de la siguiente manera:
(1)
En esta fórmula, “i” es un índice por individuo, “j” es un índice por grupo
y “t” es un índice de tiempo. El modelo contempla un conjunto de efectos jos
por tiempo, α
t
; efectos jos por grupo, α
j
; variables de política, T
jt
; covaria-
bles por individuo, X
ijt
; efectos no observables por grupo/tiempo, v
t
; y errores
especícos por individuo, Є
ijt
.
66 I
Brian Daza
En este caso, los grupos “j” en los que se agrupan las observaciones son los
distritos y el índice de tiempo considerará el período de 2004 a 2017. Teniendo
en cuenta las características de los datos y del contexto en el cual se desarrolla
la intervención que analizamos, se aplican modicaciones a la expresión (1).
Debido a que la base de datos se construye sobre la base de la Encuesta de
Hogares, las estimaciones incorporan el diseño muestral de Enaho para una
ponderación adecuada de la importancia relativa de cada observación y el cál-
culo correcto de los errores estándar.
La variable de intensidad del tratamiento (T
jt
) pudo calcularse para cada
año y distrito desde el Padrón de Instituciones Educativas. La implementación
adecuada de la ecuación (1) requiere la inclusión de efectos jos a nivel de dis-
trito y de año para emular el método de diferencias en diferencias. No obstante,
la estimación de efectos jos por distritos ofrece dos tipos de dicultades: una
computacional y otra estadística. En la base de datos, a razón del número de
códigos ubigeo, tenemos 1874 distritos. Dicha cifra constituye una dicultad
computacional, debido a que incorporar tal número de efectos jos implicaría
denir un número mayor de variables al que paquetes estadísticos como Stata
pueden manejar al aplicar algoritmos de máxima verosimilitud necesarios para
la estimación de modelos de probabilidad no lineal. Desde el punto de vista
estadístico, la estimación de efectos jos por distrito implicaría la estimación
de parámetros para cada distrito. Sin embargo, además de la sobreparametri-
zación del modelo, ello podría ser discutible, puesto que el mayor nivel de des-
agregación a nivel de estimación que permite el diseño muestral de Enaho es el
departamento. Por lo expuesto, el efecto jo espacial utilizado funciona a nivel
de departamento. El supuesto subyacente es que los efectos jos por distrito, no
incluidos dentro de las variables de control, son similares dentro de cada de-
partamento. En la sección de discusión de resultados, se desarrollan con mayor
detalle los resultados que se obtendrían al considerar efectos jos distritales.
De acuerdo con lo explorado en la literatura, la dinámica dentro del ám-
bito rural es heterogénea, lo cual implica la necesidad de incorporar la posibi-
lidad de que el impacto de las políticas evaluadas sea distinto de acuerdo con
el nivel de ruralidad. Esto se evalúa mediante la interacción de la variable de
tratamiento con un indicador del nivel de ruralidad. Este nivel de ruralidad
equivale al porcentaje de la población que habitaba en área rural en cada de-
partamento y año. Otros estudios —Imai y Ratkovic (2013), y Vansteelandt y
Goetghebeur (2003)— también han empleado este tipo de interacciones para
calcular efectos de tratamiento condicionales promedio (CATE).
Dicho lo anterior, las especicaciones usadas se expresan de la siguiente
forma general:
(2)
Considerando que los índices “i” y “t” identican al distrito y al año res-
pectivamente, en (2), se establece lo siguiente:
I 67
Efecto del aumento de la oferta educativa en la escolaridad y el trabajo adolescente
• y
jt
: Variable dependiente
6
• T
jt
: Variable de intensidad de tratamiento: cantidad de servicios educati-
vos en el área rural de nivel secundaria en el distrito por cada cien habi-
tantes de entre diez y diecinueve años.
• R
jt
: Nivel de ruralidad: porcentaje de la población que habitaba en área
rural en cada departamento7 y año.
• X
ij
β: Este miembro de la ecuación agrupa variables de control por indivi-
duo/hogar. En la mayoría de los casos, las variables usadas son la edad en
años cumplidos, la falta de acceso a agua potable y electricidad, el nivel
educativo de las cabezas de hogar, el sexo de la cabeza de hogar, el número
de hijos en el hogar y un indicador de lengua materna indígena.
• δ : Sensibilidad de la variable dependiente a la creación de escuelas secun-
darias en área rural, sin considerar la interacción de la ruralidad.
• γ : Efecto interacción de la creación de escuelas secundarias y el nivel de
ruralidad.
• α
0
, α
j
, α
t
y Є
ijt
: Constante, efecto jo por departamento, efecto jo temporal
y término de error estocástico, respectivamente.
Las variables dependientes usadas para medir la escolaridad y la partici-
pación laboral son la matrícula en un centro educativo, la asistencia a un cen-
tro educativo
8
, los años de educación aprobados, la realización de algún trabajo
y el total de horas trabajadas. La población bajo análisis serán los adolescentes
entre catorce y diecisiete años, debido a este rango etario es potencialmente
beneciario de aumentos contemporáneos en la oferta educativa y porque el
módulo de empleo de la Encuesta Nacional de Hogares recopila información
para personas a partir de los catorce años.
De acuerdo con la ambigüedad encontrada en la literatura sobre una posi-
ble relación causal entre la participación laboral y la escolaridad, y que lo más
razonable es pensar que ambas decisiones se toman de manera simultánea y
considerando el contexto, la mayor parte de nuestras estimaciones optará por
trabajar con ambas variables por separado para evitar el problema de endoge-
neidad. Una de las excepciones a esta consideración es la especicación de un
modelo probit bivariado, en la lógica de Lokshin, Newson et al. (2011) y Gree-
ne (2012), el cual se usa para ensayar el nivel de interacción entre la escolaridad
y la participación laboral adolescente.
6. Cada variable dependiente implicará una estimación por separado.
7. Debido a que esta proporción también fue estimada a partir de la Encuesta Nacional
de Hogares, el mayor nivel de desagregación con el cual se puede estimar este indi-
cador es a nivel departamental
8. La encuesta realiza esta pregunta solamente a individuos que han respondido que
se encuentran matriculados en un centro educativo. Cabe anotar que la pregunta se
da en términos de si actualmente asiste regularmente a un centro de enseñanza. Sin
embargo, no se precisa la temporalidad especíca o la denición de “regular”.
68 I
Brian Daza
Al trabajar con variables dependientes medidas como proporción o varia-
bles dicotómicas, la estimación de modelos lineales genera riesgos típicos de
este tipo de escenarios: estimaciones de y fuera del intervalo [0,1], errores no
normales, heteroscedasticidad, entre otros. En ese sentido, la forma funcional
f (.) expresada en (2) asume formas no lineales de acuerdo con supuestos más
plausibles sobre la distribución de las variables dependientes según aplique,
como por ejemplo la estimación a través de funciones de probabilidad de tipo
Logit o Probit.
Resultados
Efecto en la matrícula y la asistencia escolar
El primer conjunto de estimaciones se realizó para las variables de matrícula
y asistencia escolar. Ambas variables son dicotómicas; por ello, la ecuación (2)
se estimó mediante las especicaciones no lineales Logit y Probit, además de
la forma lineal. Las variables de control corresponden a las mencionadas en la
especicación de la ecuación (2) para ambos casos.
La Encuesta de Hogares registra el mes en el que se efectuó la encuesta en
cada hogar. De este modo, fue posible ajustar la muestra solamente a los hoga-
res encuestados en los meses con clases de acuerdo con el calendario escolar
asumiendo lo establecido por el Ministerio de Educación, es decir, de abril a
diciembre en 2004 y 2005, y de marzo a diciembre a partir del año 2006 en
adelante. Se excluyen los meses de vacaciones, porque podríamos subestimar
el efecto de las variables dependientes al considerar períodos en los que espe-
ramos que la presencia de estudiantes en los centros educativos sea mínima
independientemente de la oferta de instituciones educativas.
Los valores presentados en la Tabla 3 y en el resto de cuadros muestran los
efectos marginales de las variables explicativas sobre las variables dependientes
(dy/dx). Por ejemplo, la interpretación del valor “0,050” de la columna (1) in-
dica que el aumento de un centro educativo de nivel secundaria en el área rural
de un distrito por cada 100 adolescentes de entre 11 y 19 años aumentaría en
alrededor del 5% la tasa de matrícula en los adolescentes de 14 a 17 años del
área rural.
I 69
Efecto del aumento de la oferta educativa en la escolaridad y el trabajo adolescente
Tabla 3. Efecto del aumento de la oferta educativa secundaria rural
en la matrícula y asistencia escolar*
Modelo lineal Modelo Logit Modelo Probit
(1) (2) (3) (4) (5) (6)
Matrícula escolar
T -0,034 -0,047 0,000 -0,070 -0,002 -0,054
(0,034) (0,066) (0,043) (0,072) (0,040) (0,071)
TxR 0,031 0,172 0,126
(0,153) (0,171) (0,163)
R2 0,203 0,203
Muestra 35206 35206 34915 34915 34915 34915
Asistencia escolar
T 0,004 -0,018 0,017 -0,036 0,017 -0,028
(0,024) (0,045) (0,020) (0,028) (0,018) (0,026)
TxR 0,055 0,133* 0,113*
(0,115) (0,076) (0,068)
R2 0,134 0,134
Muestra 26479 26479 18528 18528 18528 18528
* Nota: Todos los modelos incluyen efectos jos por año y por departamento. Además, se
incluyen como variables de control la edad en años cumplidos, la falta de acceso a agua
potable y electricidad, el nivel educativo de las cabezas de hogar, el sexo de la cabeza de
hogar, el número de hijos en el hogar y un indicador de lengua materna indígena. La
muestra no considera respuestas realizadas en meses de vacaciones según el calendario
escolar. Con el objetivo de comparabilidad, las estimaciones en Logit y Probit presentan los
efectos marginales en lugar de los parámetros estimados.
Los estadísticos F representan los resultados no transformados de los modelos.
Los errores estándar se muestran en paréntesis. * p<0,10; ** p<0,05; *** p<0,01.
Fuente: Elaboración propia.
70 I
Brian Daza
Se presentan dos versiones de la estimación por cada forma funcional. La
primera ofrece la estimación del efecto directo de la variable de tratamiento; y
la segunda, el efecto directo más la interacción de la variable de tratamiento y
el nivel de ruralidad.
En el caso de la matrícula escolar (parte superior de la tabla), las espe-
cicaciones de la primera, tercera y quinta columna muestran una relación
positiva entre la creación de IIEE y la matrícula escolar. Se puede ver en la
segunda, cuarta y sexta columna que, en presencia de la variable de tratamien-
to T, el término de interacción T × R no ofrece información sobre la proba-
bilidad de matrícula. Por ese motivo, podemos interpretar que la creación de
instituciones educativas de nivel secundaria en el área rural ha aumentado la
probabilidad de matrícula en las zonas de área rural sin diferencias resaltantes
entre el nivel de ruralidad que tiene la región. Las estimaciones en las versio-
nes logit y probit muestran efectos marginales de menor magnitud, aunque los
signos son consistentes.
En el caso de la asistencia escolar (parte inferior de la tabla), vemos que no
hay efecto del tratamiento al 5% de signicancia. Es posible, no obstante, que
sí haya habido una mayor asistencia y que la estructura de los datos no permita
que sean identicados. La Encuesta Nacional de Hogares realiza la pregunta
en términos de si “actualmente asiste regularmente a un centro de enseñanza”,
no se precisa la temporalidad especíca. Al 10% de signicancia, los efectos
marginales asociados T × R dan indicios de que la asistencia pueden haber
mejorado en los departamentos con mayor población rural.
Efecto en años de educación alcanzados
Un indicador directo del nivel de escolaridad es el número de años aprobados.
La variable años de educación alcanzados fue calculada a partir del último año
que los individuos declararon haber aprobado y se cuanticó de acuerdo con
los años que implica según la duración en años que contempla la EBR en cada
uno de sus niveles. En ese sentido, por ejemplo, para una persona que aprobó
hasta cuarto grado de primaria, diremos que ha concluido el equivalente a siete
años de educación (tres años en inicial y cuatro años en primaria); y, para una
persona que completó la EBR, catorce años. Debido a que hemos acotado el
análisis al rango etario de 14 a 17 años, para casi la totalidad de individuos de
la muestra, la máxima cantidad de años de educación que se pudo haber alcan-
zado es de catorce años.
Las estimaciones del efecto del aumento de la oferta educativa en esta va-
riable (Tabla 4) se han realizado mediante ecuaciones lineales, y, a diferencia
de las estimaciones respecto las probabilidades de asistencia y matrícula, no se
restringe la muestra a meses con clases.
I 71
Efecto del aumento de la oferta educativa en la escolaridad y el trabajo adolescente
Tabla 4. Efecto del aumento de la oferta educativa secundaria rural
en los años de educación total aprobados*
Total Población Masculina Población Femenina
(1) (2) (3) (4) (5) (6)
T 0,363** -0,988*** 0,181 -1,130*** 0,480** -0,705*
(0,162) (0,341) (0,180) (0,355) (0,204) (0,374)
TxR 3,300*** 3,252*** 3,008***
(0,710) (0,758) (0,820)
F 609,856 559,424 397,601 365,720 295,499 270,214
p-valor 0,000 0,000 0,000 0,000 0,000 0,000
R2 0,179 0,179 0,193 0,194 0,167 0,167
Muestra 42833 42833 23628 23628 20829 20829
*Nota: Las estimaciones se han obtenido a partir de un modelo de regresión lineal en todos
los casos. Se incluyen efectos jos por año y por departamento. Además de las variables de
tratamiento, se incluyen como variables de control la edad en años cumplidos, la falta de
acceso a agua potable y electricidad, el nivel educativo de las cabezas de hogar, el sexo de la
cabeza de hogar, el número de hijos en el hogar y un indicador de lengua materna indígena.
Errores estándar en paréntesis: * p<0,10; ** p<0,05; *** p<0,01
Los efectos medidos por separado de T y T ×R muestran el mismo signo
positivo. De acuerdo con la primera columna, un aumento de un servicio de
secundaria en el área rural de un distrito por cada 100 adolescentes genera
un incremento contemporáneo aproximado de 0,213 años de educación en la
población rural de 14 a 17 años. Podemos ver en las columnas con rótulo (2)
que, en presencia de T × R, la variable T pierde capacidad explicativa. A par-
tir de ello, podemos concluir que el principal efecto del aumento de la oferta
educativa en el área rural se captura mediante el término de interacción T ×R.
El nivel de escolaridad medido en términos de años de educación aprobados
ha sido más sensible al incremento de la oferta educativa en las regiones con
mayores índices de ruralidad.
Efecto en la probabilidad de trabajar
La variable que captura la probabilidad de trabajar es la respuesta dicotómica
a la pregunta “En la última semana, ¿ha realizado algún trabajo?”. En este caso,
se ha incluido efectos jos por mes a la ecuación (2) para capturar la potencial
estacionalidad que tiene el trabajo, tanto por el componente secular anual del
ciclo económico como por el efecto de las vacaciones y el calendario escolar, en
la medida que estamos estudiando empleo adolescente.
72 I
Brian Daza
En la Tabla 5, se muestran las estimaciones: para las tres formas funcionales
planteadas; para la población completa, para la población masculina y para la po-
blación femenina; y considerando solo el efecto de T y teniendo en cuenta el efecto
simultáneo entre T y T×R. Las tres formas funcionales muestran efectos margina-
les similares, incluso en el modelo lineal en gran parte de las estimaciones. Si bien
cualitativamente ofrece las mismas conclusiones, el modelo lineal sobreestima las
magnitudes asociadas al efecto de la variable de tratamiento. Tal como se discutió,
los modelos de probabilidad no lineal son más conables en la medida en que sus
supuestos se ajustan a la distribución de la variable dependiente.
Tabla 5. Efecto del aumento de la oferta educativa secundaria rural
en la probabilidad de realizar algún trabajo*
Total Población masculina Población femenina
Modelo lineal
T -0.043 -0,481*** 0,001 -0,389*** -0,051 -0,479***
(0.049) (0,125) (0,054) (0,130) (0,056) (0,120)
TxR 1,092*** 0,992*** 1,082***
(0,248) (0,270) (0,262)
F 14,403 15,197 11,998 12,194 6,338 7,278
p-valor 0,000 0,000 0,000 0,000 0,000 0,000
R2 0,007 0,008 0,009 0,010 0,006 0,007
Muestra 35190 35190 19541 19541 17023 17023
Modelo Logit
T -0,085 -0,617*** -0,041 -0,462*** -0,115* -0,689***
(0,053) (0,133) (0,056) (0,152) (0,064) (0,152)
TxR 1,255*** 1,044*** 1,350***
(0,271) (0,307) (0,316)
Muestra 35090 35090 19389 19389 16797 16797
Modelo Probit
T -0,080 -0,521*** -0,042 -0,387*** -0,111* -0,644***
(0,050) (0,135) (0,055) (0,125) (0,062) (0,137)
TxR 1,109*** 0,919*** 1,267***
(0,263) (0,266) (0,287)
Muestra 35090 35090 19389 19389 16797 16797
*Nota: Se incluyen efectos jos por año; efectos jos por departamento; y, dada la ciclicidad de
la variable dependiente, efectos jos por mes. Adicionalmente, se incluyen como variables
de control la edad en años cumplidos, falta de acceso a agua potable y electricidad, el nivel
educativo de las cabezas de hogar, el sexo de la cabeza de hogar, el número de hijos en el
hogar y un indicador de lengua materna indígena. Con el objetivo de comparabilidad, las
estimaciones en Logit y Probit se presentan los efectos marginales en lugar de los parámetros
estimados.
Errores estándar en paréntesis: * p<0,10; ** p<0,05; *** p<0,01
I 73
Efecto del aumento de la oferta educativa en la escolaridad y el trabajo adolescente
En función de los resultados, se puede ver que evaluar el impacto de la
oferta educativa solamente a partir del indicador T, sin considerar la interac-
ción con la intensidad de la ruralidad, puede llevar concluir que la oferta edu-
cativa no ha tenido impacto en el empleo adolescente en el área rural.
La inclusión simultánea de T y T×R muestra que hay dos efectos signi-
cativos, pero en direcciones opuestas en respuesta al aumento de la oferta
educativa. En primera instancia, por los valores negativos estimados del efec-
to marginal de T, podemos concluir que el aumento de la oferta educativa de
nivel secundaria en el área rural conduce a una reducción en la probabilidad
de empleo adolescente. Sin embargo, el signo positivo del efecto marginal
del término con interacción T×R indica que el efecto positivo se reduce en
la medida en que existe mayor ruralidad en la región en donde se encuentra
cada individuo.
Las estimaciones asociadas a la población femenina sugieren un efecto
de mayor magnitud y signicancia en comparación a la población total y a la
población masculina. Ello puede interpretarse como una mayor sensibilidad
relativa del empleo adolescente femenino ante el mayor al acceso educativo.
Efecto en el total de horas dedicadas al trabajo
El siguiente indicador analizado es el total de horas dedicadas al trabajo. Por
indisponibilidad de información, estas horas de trabajo no incluyen activida-
des domésticas. Los resultados se presentan en la Tabla 6. La estimación pre-
sentada en la parte superior se ha realizado con las variables de control y los
efectos jos de las estimaciones anteriores. Con esta especicación, solo es
posible concluir efectos de la variable tratamiento en la población masculi-
na. A partir de ello, se puede concluir que no hay evidencia de cambios en la
duración de la jornada de trabajo de las adolescentes de 14 a 17 años del área
rural que participan en el mercado de trabajo como respuesta al aumento de
los servicios educativos. Es decir, la respuesta se concentra en la participación
en el trabajo.
74 I
Brian Daza
Tabla 6. Efecto del aumento de la oferta educativa secundaria rural
en el total de horas trabajadas*
Total Población masculina Población femenina
(1) (2) (3) (4) (5) (6)
T
-1,573 -5,940** -2,104 -8,359*** -1,836 -2,496
(1,397) (2,787) (1,560) (3,230) (1,915) (3,371)
TxR
10,454* 16,016** 1,527
(5,936) (6,598) (7,536)
F
85,013 77,753 58,109 53,210 33,950 31,071
P-valor
0,000 0,000 0,000 0,000 0,000 0,000
R2 0,097 0,097 0,126 0,126 0,088 0,088
Muestra 27839 27839
16160 16160
12757 12757
*Nota: Además de las variables de tratamiento, se incluyen como variables de control la
edad en años cumplidos, la falta de acceso a agua potable y electricidad, el nivel educativo
de las cabezas de hogar, el sexo de la cabeza de hogar, el número de hijos en el hogar y un
indicador de lengua materna indígena. Se incluyen efectos jos por año; efectos jos por
departamento; y, dada la ciclicidad de la variable dependiente, efectos jos por mes.
Errores estándar en paréntesis: * p<0,10; ** p<0,05; *** p<0,01
Efecto conjunto en la participación escolar y laboral
Un enfoque que permite la evaluación conjunta de la participación escolar y
la prevalencia del empleo adolescente es el uso de modelos Probit bivariados.
Para ello, redenimos el indicador de participación laboral como la “no reali-
zación de un trabajo”. En este caso, la ecuación (2) se convierte en un sistema
de ecuaciones del siguiente tipo:
(3)
I 75
Efecto del aumento de la oferta educativa en la escolaridad y el trabajo adolescente
Ambas relaciones se determinan de manera conjunta en su componente
estocástico:
(4)
Este enfoque ofrece un marco de referencia para estimar relaciones cau-
sales de factores exógenos que inuyen en dos variables que se determinan de
manera conjunta, y, adicionalmente, permite calcular la correlación condicio-
nal entre ambas variables. En este caso, elegimos las variables P1, probabilidad
de no realizar ningún trabajo, y P2, la probabilidad de matrícula en un centro
educativo o la probabilidad de asistir regularmente a un centro educativo en el
cual se encuentre matriculado (ambas deniciones por separado). Las tablas 7
y 8 contienen los resultados de este ejercicio.
Las estimaciones correspondientes a la matrícula a un centro educativo
coinciden con los enfoques de secciones anteriores. Adicionalmente, se iden-
tica que el efecto es de menor magnitud para la población masculina. Las
estimaciones sobre la probabilidad de no realizar ningún trabajo también
coinciden con las estimaciones realizadas previamente, con excepción de la
submuestra masculina, en que el parámetro asociado al efecto es menor. Ade-
más, la estimación del coeciente de correlación condicional ρ
h
evidencia una
decisión simultánea entre la matrícula en un centro educativo y la no reali-
zación de trabajo adolescente, la cual tiene mayor magnitud en la población
masculina. La tercera sección de la Tabla 7 muestra el efecto marginal medio
del aumento de la oferta educativa en la probabilidad conjunta de no trabajar
y asistir a un centro educativo. Los resultados indican que el aumento de los
servicios educativos ha recongurado la situación de la población adolescente
femenina rural en mayor medida que a la masculina, tanto en términos de ac-
ceso a los servicios educativos como en cuanto a la reducción de la prevalencia
del trabajo.
76 I
Brian Daza
Tabla 7. Efecto del aumento de la oferta educativa en la probabilidad conjunta
de no realizar un empleo y estar matriculado en un centro educativo*
Total Población masculina Población femenina
(1) (2) (3) (4) (5) (6)
P1: No realizó ningún trabajo
T 0,224 1,511*** 0,120 1,168*** 0,320* 1,884***
(0,143) (0,389) (0,166) (0,378) (0,181) (0,399)
T x R -3,237*** -2,795*** -3,722***
(0,761) (0,806) (0,834)
P2: Está matriculado en un centro de enseñanza regular
T 0,038 -0,322 0,075 -0,093 -0,012 -0,503*
(0,157) (0,246) (0,221) (0,355) (0,192) (0,294)
T x R 0,87 3 0,390 1,264
(0,602) (0,795) (0,773)
ρ
h
0,172*** 0,173*** 0,242*** 0,243*** 0,163*** 0,164***
(0,014) (0,014) (0,019) (0,019) (0,019) (0,019)
Efecto marginal medio: Pr(P1=1,P2=1)
T 0,062 0,368*** 0,037 0,301*** 0,077 0,404***
(0,040) (0,104) (0,046) (0,103) (0,049) (0,101)
T x R -0,772*** -0,709*** -0,769***
(0,206) (0,216) (0,219)
Muestra 35190 35190 19541 19541 17023 17023
*Nota: Las estimaciones correspondientes a los modelos (1) y (2) se realizaron mediante un
modelo Probit bivariado. Además de las variables de tratamiento, se incluyen como variables
de control la edad en años cumplidos, la falta de acceso a agua potable y electricidad, el nivel
educativo de las cabezas de hogar, el sexo de la cabeza de hogar, el número de hijos en el
hogar y un indicador de lengua materna indígena. Se incluyen efectos jos por año; efectos
jos por departamento; y, dada la ciclicidad del empleo, efectos jos por mes.
Errores estándar en paréntesis: * p<0,10; ** p<0,05; *** p<0,01
Los resultados de la Tabla 8 corresponden a la consideración de la variable
asistencia a un centro educativo en lugar de la matrícula. Este procedimiento
acota la muestra a los adolescentes que registran matrícula en un centro edu-
cativo y permite evaluar el efecto en la participación efectiva en clases. Los
resultados correspondientes a la participación en el mercado laboral coinciden
con los encontrados en la Tabla 7, con excepción de la submuestra masculina,
I 77
Efecto del aumento de la oferta educativa en la escolaridad y el trabajo adolescente
en que no se encuentran efectos. No obstante, no se encuentra efectos del
aumento de los servicios educativos sobre la probabilidad de asistencia. Asi-
mismo, la estimación del coeciente de correlación condicional ρ
h
sugiere la
existencia de una decisión simultánea entre la asistencia a un centro educativo
y la no realización de trabajo adolescente. No obstante, esta correlación con-
dicional es menor para la población femenina. Al igual que en la Tabla 7, la
tercera sección de la Tabla 8 sugiere que el aumento de los servicios educativos
ha recongurado la situación de la población adolescente femenina rural en
mayor medida que la de la masculina, en términos de asistencia a los centros
educativos y a la participación en el mercado laboral.
Tabla 8. Efecto del aumento de la oferta educativa en la probabilidad conjunta
de no realizar un empleo y asistir a un centro educativo*
Total Población masculina Población femenina
(1) (2) (3) (4) (5) (6)
P1: No realizó ningún trabajo
T 0,221 1,308*** 0,199 1,182*** 0,287 1,477***
(0,153) (0,411) (0,180) (0,441) (0,190) (0,411)
T x R -2,769*** -2,652*** -2,855***
(0,806) (0,916) (0,866)
P2: Asiste regularmente a un centro educativo
T 0,322 -0,046 0,303 0,472 0,297 -0,232
(0,271) (0,358) (0,402) (0,802) (0,298) (0,364)
T x R 0,868 -0,424 1,530
(0,927) (1,538) (1,180)
ρ
h
0,146*** 0,145*** 0,247*** 0,247*** 0,069* 0,069*
(0.026) (0.026) (0.037) (0.037) (0.038) (0.038)
Efecto marginal medio: Pr(P1=1,P2=1)
T 0.081 0.429*** 0.069 0.384*** 0.098 0.456***
(0.051) (0.135) (0.058) (0.142) (0.061) (0.128)
T x R -0.889*** -0.850*** -0.852***
(0.263) (0.293) (0.270)
Muestra 26467 26467 15093 15093 12439 12439
*Nota: Solamente las personas que señalan estar matriculadas en un centro educativo
responden a la pregunta correspondiente a asistencia. Las estimaciones correspondientes
a los modelos (1) y (2) se realizaron mediante un modelo Probit bivariado. Además de las
variables de tratamiento, se incluyen como variables de control la edad en años cumplidos,
la falta de acceso a agua potable y electricidad, el nivel educativo de las cabezas de hogar,
el sexo de la cabeza de hogar, el número de hijos en el hogar y un indicador de lengua
materna indígena. Se incluyen efectos jos por año; efectos jos por departamento; y, dada
la ciclicidad del empleo, efectos jos por mes.
Errores estándar en paréntesis: * p<0,10; ** p<0,05; *** p<0,01
78 I
Brian Daza
Discusión de resultados
Los hallazgos previos tienen limitaciones potenciales que deben ser discutidas.
En primer lugar, la estimación de efectos jos se hizo a nivel departamental
para considerar el nivel de inferencia permitido por la Enaho y evitar la sobre-
parametrización del modelo. La agregación departamental de los efectos jos
implica el riesgo de agrupar poblaciones heterogéneas. En segundo lugar, la
aplicación rigurosa del método de diferencias en diferencias requiere que los
efectos jos estén al mismo nivel en el que varía el tratamiento, en este caso,
a nivel distrital. La Tabla 9 resume los resultados que se habrían encontrado
utilizando efectos jos a nivel distrital en un modelo de regresión lineal.
Además de las consideraciones discutidas en la sección de metodología,
este ejercicio permite ver que la inclusión de efectos jos a nivel de distrito ge-
nera un problema adicional al reducir considerablemente la muestra. Debido
a que la Enaho está diseñada para tener representatividad a nivel de departa-
mento, en muchos casos, la cantidad de observaciones en cada distrito es muy
pequeña. Como resultado, en distritos con muy reducida cantidad de observa-
ciones, las variables dependientes tienen muy poca o nula varianza dentro de
cada grupo y son predichas perfectamente por los efectos jos. Como conse-
cuencia, las observaciones en esos grupos son excluidas. La muestra resultante
no necesariamente tiene la misma representatividad nacional que la utilizada
en el resto del documento.
Sin embargo, los resultados de la Tabla 9 constituyen una prueba adicional
de los hallazgos principales del documento. Los efectos de la expansión de la
oferta educativa son mayores para la población femenina en términos del in-
cremento de su nivel educativo y la reducción de la posibilidad de trabajar. Los
resultados educativos son más favorables en las áreas de mayor ruralidad, pero
más desfavorables en lo que respecta a los resultados en participación laboral.
Los efectos en la población masculina, además de ser de menor magnitud que
en el caso femenino, no persisten al incluir efectos jos por distrito. No obstan-
te, se mantiene el resultado de que el efecto en años de educación es mayor en
regiones con mayor población rural. Estos hallazgos corroboran la presencia
de diferencias de género previamente documentadas en la literatura (Li y Liu,
2014; Jacoby y Mansuri, 2011), y sugieren que el efecto del acceso a servicios
educativos es mayor en poblaciones para las cuales el costo de estudiar lejos del
hogar es mayor.
I 79
Efecto del aumento de la oferta educativa en la escolaridad y el trabajo adolescente
Tabla 9. Resultados con efectos jos a nivel distrital*
Efecto promedio Efectos heterogéneos
T T T x R Muestra
Población masculina
Matrícula escolar 0,047 (0,043) 0,129 (0,113) -0,135 (0,188) 15948
Asistencia escolar 0,007 (0,026) 0,012 (0,088) -0,008 (0,133) 12488
Años de educación
total aprobados 0,199 (0,172) -0,875** (0,410) 1,728*** (0,654) 23628
Probabilidad de
trabajar -0,057 (0,066) -0,175 (0,144) 0,202 (0,208) 15945
Horas de trabajo -1,237 (1,162) 2,727 (3,713) -6,772 (6,161) 13236
Población femenina
Matrícula escolar -0,018 (0,045) 0,030 (0,121) -0,076 (0,186) 13916
Asistencia escolar 0,025 (0,030) 0,083 (0,094) -0,094 (0,138) 10492
Años de educación
total aprobados 0,351** (0,173) -1,605*** (0,396) 3,139*** (0,661) 20828
Probabilidad de
trabajar -0,170*** (0,060) -0,487*** (0,183) 0,502* (0,261) 13912
Horas de trabajo -1,505 (2,064) 3,056 (5,717) -6,920 (8,141) 10576
*Nota: Las estimaciones se han obtenido a partir de un modelo de regresión lineal en todos
los casos. Se incluyen efectos jos por año; por distrito; y, en el caso de las variables asociadas
a la participación laboral, efectos jos por mes. Además de las variables de tratamiento, se
incluyen como variables de control la edad en años cumplidos, la falta de acceso a agua
potable y electricidad, el nivel educativo de las cabezas de hogar, el sexo de la cabeza de
hogar, el número de hijos en el hogar y un indicador de lengua materna indígena.
Errores estándar en paréntesis: * p<0,10; ** p<0,05; *** p<0,01
Por otro lado, el supuesto explícito del documento es que, por lo menos,
no hay selección en observables. Una posible prueba de robustez adicional po-
dría ser la inclusión de variables instrumentales para reducir el sesgo posible
por selección en no observables. Si bien este procedimiento permitiría garan-
tizar con mayor seguridad la dirección causal de las relaciones encontradas, la
información disponible no facilita encontrar instrumentos adecuados.
80 I
Brian Daza
Un riesgo adicional para el análisis es la migración endógena. Si los hoga-
res anticipan efectos de los servicios educativos lo sucientemente favorables,
ello podría inuir en sus decisiones de migración. La inclusión de esta dimen-
sión en el análisis es complicada, debido a que la migración interdistrital está
disponible solo a partir de 2014. No obstante, la información disponible mues-
tra que la migración de los adolescentes en el rango etario considerado, sobre
todo en el área rural, es baja.
Tabla 10. Migración en adolescentes de 14 a 17 años
Años
2014 2015 2016 2017
Hace cinco años vivía en este distrito
Proporción área rural 96,24% 96,96% 96,88% 97,52%
Proporción área urbana 92,00% 93,24% 92,27% 93,82%
2004-2006 2007-2009 2011-2014 2015-2017
Es parte del hogar
Proporción área rural 97,36% 96,98% 97,27% 97,66%
Proporción área urbana 97,09% 96,69% 97,36% 97,77%
Fuente: Enaho 2004-2017. Elaboración propia.
Futuras investigaciones que utilicen otras fuentes de información o apli-
quen métodos experimentales o cualitativos podrían contribuir a vericar los
resultados de los problemas discutidos e incluir dimensiones no consideradas
en el presente documento. Entre la agenda pendiente, se requiere analizar con
mayor detalle el hecho de que las adolescentes tienen mayor carga de acti-
vidades domésticas no remuneradas, y que ello puede inuir en sus resulta-
dos laborales y educativos. Según los resultados de la ETI 2015 (OIT y MTPE,
2016), el porcentaje de niñas y adolescentes que estudian y realizan actividades
domésticas (50,0%) es mayor al de sus pares varones (40,1%).
Si bien en este documento se ha encontrado evidencia del vínculo con-
temporáneo entre la oferta educativa y el trabajo adolescente, la literatura no
aborda con suciente claridad los mecanismos detrás del trabajo infantil y
adolescente, como indican Basu, Das y Dutta (2010), incluidas sus posibles
respuestas a la oferta educativa. Dentro de la agenda teórica que complemen-
ta los resultados empíricos de este documento, se encuentra el modelamiento
especíco del mercado de trabajo infantil, lo que incluye su relación con la
participación educativa.
I 81
Efecto del aumento de la oferta educativa en la escolaridad y el trabajo adolescente
Conclusiones
En este estudio, se documenta la expansión de la oferta educativa secundaria
en el área rural, y se exploran sus efectos en la escolaridad y el empleo adoles-
cente en los hogares mediante un enfoque de diferencias en diferencias genera-
lizado, utilizando los datos de la Encuesta Nacional de Hogares entre los años
2004 y 2017, y el Padrón de Instituciones Educativas de 2017. Los resultados
sugieren heterogeneidad en cuanto al nivel de ruralidad de las regiones y el
género de los adolescentes.
Se ha encontrado que el aumento de los servicios educativos tiene efectos
positivos en la tasa de matrícula, en los años de educación alcanzados y en
la reducción de la posibilidad de participar en el mercado de trabajo. No se
ha hallado, sin embargo, evidencia de una reducción en la jornada laboral de
los adolescentes que participan del mercado de trabajo. En general, los efectos
para la población femenina son mayores y persisten ante la inclusión de efectos
jos a nivel de distrito. Además, los resultados educativos han sido más favo-
rables para los adolescentes en regiones con mayor población rural, a pesar de
que en estas regiones la prevalencia de trabajo adolescente, en ambos sexos, y
su respuesta a la oferta educativa es menor.
Pese a los posibles sesgos de género en las familias, los resultados de este
documento muestran que las condiciones externas a los hogares explican un
componente signicativo del rezago educativo femenino respecto al masculino
particularmente en años anteriores. La provisión de servicios educativos que
estén al alcance de poblaciones vulnerables, particularmente en el área rural,
es importante para promover la participación universal de los adolescentes en
el sistema educativo. En ese sentido, los hallazgos de este documento muestran
la pertinencia de acciones como la Política de Atención Educativa para la Po-
blación del Ámbito Rural.
9
Si bien la atención educativa es importante para mejorar los indicadores
de escolaridad, requiere una estrategia multisectorial. Este documento muestra
evidencia de que la participación educativa y el trabajo adolescente se deter-
mina de manera simultánea. En paralelo a los esfuerzos del sector educación,
son necesarias estrategias focalizadas a la reducción de la demanda por trabajo
infantil y adolescente. Por ejemplo, fortalecer el apoyo a la actividad agrope-
cuaria debido a que es la actividad predominante del área rural, de los hogares
en situación de pobreza y en la que se desenvuelve la mayor parte de los ado-
lescentes trabajadores.
9. Decreto Supremo que aprueba la Política de Atención Educativa para la Población
de Ámbitos Rurales. Decreto Supremo Nº 013-2018-MINEDU, 14 de diciembre de
2018
82 I
Brian Daza
Agradecimientos
Se agradecen, especialmente, los comentarios y sugerencias de los participan-
tes de los talleres correspondientes al programa de becas, en especial al Dr. Cé-
sar Guadalupe. El trabajo se beneció también de los comentarios de colegas
del Centro de Investigación de la Universidad del Pacíco, en particular del Dr.
Jorge Dávalos, y de los aportes valiosos de dos revisores anónimos.
I 83
Efecto del aumento de la oferta educativa en la escolaridad y el trabajo adolescente
Referencias bibliográcas
Alcázar, L. (2009). Asistencia y deserción en escuelas secundarias rurales del
Perú. Revista Iberoamericana sobre Calidad, Ecacia y Cambio en Educación,
7(4). Recuperado de https://repositorio.uam.es/handle/10486/661242
Alcázar, L., Rendón, S., y Wachtenheim, E. (2002). Working and studying in
rural latin america: Critical decisions of adolescence. IDB Working Paper
No. 177. Recuperado de https://ssrn.com/abstract=1814727
Basu, K., Das, S. y Dutta, B. (2010). Child labor and household wealth:
eory and empirical evidence of an inverted-U. Journal of Development
Economics, 91(1), 8-14.
Beegle, K., Dehejia, R., y Gatti, R. (2006). Child labor and agricultural shocks.
Journal of Development Economics, 81(1). Recuperado de https://www.
sciencedirect.com/science/article/pii/S0304387805000829
(2009). Why should we care about child
labor? e education, labor market, and health consequences of child
labor. e Journal of Human Resources, 44(4). Recuperado de http://jhr.
uwpress.org/content/44/4/871.short
Bertrand, M., Duo, E., y Mullainathan, S. (2004). How much should we trust
dierences-indierences estimates? e Quarterly journal of economics,
119(1), 249–275. Recuperado de https://academic.oup.com/qje/
article/119/1/249/1876068
Besley, T., y Burgess, R. (2004). Can labor regulation hinder economic
performance? evidence from India. e Quarterly Journal of
Economics, 119(1). Recuperado de https://academic.oup.com/qje/
article/119/1/91/1876083
Boyd, C. (2014). Decisiones de inserción laboral: El caso de los jóvenes rurales
peruanos. Economía, 37(74). Recuperado de http://revistas.pucp.edu.pe/
index.php/economia/article/view/11412
Callaway, B., y Sant’Anna, P. (2018). Dierence-in-dierences with multiple
time periods and an application on the minimum wage and employment.
No publicado. Recuperado de https://arxiv.org/abs/1803.09015
Chacaltana, J. (2012). Transiciones juveniles y trayectoria laboral: El caso
peruano. Lima: OIT, UNFPA, OIM, PNUD.
Consejo Nacional de Educación (2006). Proyecto educativo nacional al 2021:
La educación que queremos para el Perú. Lima: Consejo Nacional de
Educación.
Cueto, S. (2004). Factores predictivos del rendimiento escolar, deserción e
ingreso a educación secundaria en una muestra de estudiantes de zonas
rurales del Perú. Education Policy Analysis Archives, 12(35). Recuperado
de http://epaa.asu.edu/epaa/v12n35/
84 I
Brian Daza
Dasgupta, P. (2007). Nutritional status, the capacity for work and poverty traps.
Journal of Econometrics, 77(1). Recuperado de https://www.sciencedirect.
com/science/article/pii/S0304407696018040
Dizon-Ross, R. (2019). Parents’ beliefs about their children’s academic
ability: Implications for educational investments. American Economic
Review, 109(8), 2728-65. Recuperado de https://www.aeaweb.org/
articles?id=10.1257/aer.20171172
Duo, E. (2001). Schooling and labor market consequences of school
construction in Indonesia: Evidence from an unusual policy experiment.
American Economic Review, 91(4). Recuperado de https://www.aeaweb.
org/articles?id=10.1257/aer.91.4.795
Emerson, P. M., y Souza, A. P. (2007). Child labor, school attendance,
and intrahousehold gender bias in Brazil. e World Bank Economic
Review, 21(2). Recuperado de https://academic.oup.com/wber/
article/21/2/301/1916067
Greene, W. H. (2012). Econometric analysis. 7
th
ed. New York: Prentice Hall.
Hansen, C. B. (2007). Generalized least squares inference in panel and multilevel
models with serial correlation and xed eects. Journal of Econometrics,
140(2), 670–694. Recuperado de https://www.sciencedirect.com/science/
article/pii/S0304407606001515
Imai, K., y Ratkovic, M. (2013). Estimating treatment eect heterogeneity
in randomized program evaluation. Annals of Applied Statistics, 7(1).
Recuperado de: https://projecteuclid.org/euclid.aoas/1365527206
International Programme on the Elimination of Child Labour (2004). Investing
in every child: An economic study of the costs and benets of eliminating
child labour. ILO/IPEC. Recuperado de http://white.lim.ilo.org/ipec/
documentos/costos_y_benecios_eliminacion_ti_oit_2004.pdf
Instituto Nacional de Estadística e Informática (2007). Censos Nacionales 2007:
XI de Población y VI de Vivienda. Lima: Instituto Nacional de Estadística
e Informática (INEI).
(2016a). Alrededor de 2 millones
de niñas, niños y adolescentes trabajan en el país (Nota de prensa). Inei.gob.
Recuperado de https://www.inei.gob.pe/prensa/noticias/alrededor-de-2-
millones-de-ninas-ninos-y-adolescentes-trabajan-en-el-pais-9394/
(2016b). Población total al
30 de junio, por grupos quinquenales de edad, según departamento,
provincia y distrito, 2005-2015. Inei.gob. https://www.inei.gob.pe/media/
MenuRecursivo/indices_tematicos/cuadro001_1.xls
(2017). Censos Nacionales 2017:
XII de Población y VII de Vivienda. Lima: Instituto Nacional de Estadística
e Informática.
I 85
Efecto del aumento de la oferta educativa en la escolaridad y el trabajo adolescente
Izzo, C. V., Weissberg, R. P., Kasprow, W. J., y Fendrich, M. (1999). A longitudinal
assessment of teacher perceptions of parent involvement in children’s
education and school performance. American Journal of Community
Psychology, 27(6), 817-839. Recuperado de https://onlinelibrary.wiley.
com/doi/abs/10.1023/A:1022262625984
Jacoby, H. G., y Mansuri, G. (2011). Crossing boundaries: Gender, caste and
schooling in rural Pakistan. Policy Research Working Paper 5710. e
World Bank.
Knight, J., Shi, L., y Quheng, D. (2010). Education and the poverty trap in rural
China: Closing the trap. Oxford Development Studies, 30(1). Recuperado
de https://www.tandfonline.com/doi/abs/10.1080/13600810903551595?c
asa_token=0qvqob6AyREAAAAA:eizVBik0VoBexVCrLji0Nsy7fXRawF
5o_bCO6P7SVwNL5qkjDt-KrZXrqOJYacmoX7xd2tSP4hgvhUs
Li, L. y Liu, H. (2014). Primary school availability and middle school education
in rural China. Labour Economics, 28, 24-40. Recuperado de https://www.
sciencedirect.com/science/article/pii/S092753711400027X
Lokshin, M., Newson, R. B (2011). Impact of interventions on discrete outcomes:
Maximum likelihood estimation of the binary choice models with binary
endogenous regressors. Stata Journal, 11(3), 368–385. Recuperado de
https://journals.sagepub.com/doi/pdf/10.1177/1536867X1101100303
Marchetta, F., Sahn, D., y Tiberti, L. (2018). e role of weather shocks in
Madagascar. Études er Documents Cerdi, 2018(2), 1-60. Recuperado de:
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3266899
Nielsen, H. (1998). Child labor and school attendance: Two joint decisions.
(Working Paper No. 98-15). Recuperado de https://papers.ssrn.com/sol3/
papers.cfm?abstract_id=176068
Ravallion, M., y Wodon, Q. (2000). Does child labour displace schooling?
Evidence on behavioural responses to an enrollment subsidy. e
Economic Journal, 110(March). Recuperado de https://onlinelibrary.wiley.
com/doi/abs/10.1111/1468-0297.00527
Organización Internacional del Trabajo, y Ministerio del Trabajo y Promoción
del Empleo (2016). Magnitud y características del trabajo infantil en Perú.
Informe de 2015. Lima: OIT y MTPE. Recuperado de: http://white.lim.ilo.
org/ipec/documentos/informeti_2015_peru.pdf
Sistema de Información de Tendencias Educativas en América Latina.
(2010). Trabajo adolescente y escolarización. Dato Destacado (17).
Recuperado: http://archivo.siteal.iipe.unesc o.org/sites/default/les/
datodestacado_20101115.pdf
Song, L., Appleton, S. y Knight, J. (2006). Why do girls in rural China have lower
school enrollment? World Development, 34(9), 1639-1653. Recuperado de
https://www.sciencedirect.com/science/article/pii/S0305750X06001094
86 I
Brian Daza
Urueña, S., Tovar, L. M., y Castillo, M. (2009). Determinantes del trabajo
infantil y la escolaridad: el caso del valle del Cauca en Colombia. Revista
Latinoamericana de Ciencias Sociales, Niñez y Juventud, 7(2), 707-733.
Recuperado de http://vitela.javerianacali.edu.co/handle/11522/3541
Van der Berg, S. Burger, C., Burger, R., de Vos, M., du Rand, G., Gustafsson,
M., Moses, E., Shepherd, D. L., Spaull, N., Taylor, S., van Broekhuizen, H.,
y Fintel, D. (2011). Low quality education as a poverty trap (Stellenbosch
Economic Working Papers No. 25). Recuperado de: https://papers.ssrn.
com/sol3/papers.cfm?abstract_id=2973766
Vansteelandt, S., y Goetghebeur,E. (2003). Causal inference with generalized
structural mean models. Journal of the Royal Statistical Society: Series B,
65(4). Recuperado de https://rss.onlinelibrary.wiley.com/doi/abs/10.1046/
j.1369-7412.2003.00417.x
Winter, N. (2001). CORR_SVY: Stata module to compute correlation tables for
survey data.