26
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
Introducción
La educación, además de constituir un medio para el pro-
greso y realización personal, es un factor fundamental
para el crecimiento y desarrollo socioeconómico de las
naciones (Neira y Portela, 2003). En este sentido, la edu-
cación se incluye como un componente del capital huma-
no, junto con los conocimientos, la capacitación laboral,
los talentos, las destrezas, las habilidades y la salud de las
Contribución de la educación en el desarrollo
socioeconómico regional de
Costa Rica: un análisis econométrico
José Fulvio Sandoval Vásquez*
Resumen
Este artículo presenta los resultados de una investigación, cuya finalidad fue estudiar la relación entre educación,
como capital humano, y el desarrollo socioeconómico del país en los ámbitos regional y nacional. Para tales efectos,
se elaboró un modelo matemático que relacionó diversos indicadores de desarrollo con variables socioeconómicas.
Se utilizó una muestra de datos de corte transversal para los 81 cantones del país. El modelo se estimó con la técnica
de Mínimos Cuadrados Ordinarios. Los resultados obtenidos permitieron demostrar que la inversión en educación
ha contribuido de forma positiva y significativa en el desarrollo socioeconómico nacional y regional. La educación
primaria constituye el nivel más importante, seguido por la educación superior. Además, las simulaciones realizadas
con el modelo permitieron establecer prioridades para la inversión en educación y así contribuir con reducir las des-
igualdades de desarrollo entre regiones.
Palabras clave: educación, capital humano, inversión, desarrollo económico
Abstract
This article presents the results of a research whose purpose was to study the relationship between education, as hu-
man capital, and the socioeconomic development of the country at the regional and national levels. For such purpo-
ses, a mathematical model was elaborated that related several development indicators with socioeconomic variables
using a sample of cross-sectional data for the 81 cantons of the country. The model was estimated with the Ordinary
Least Squares technique. The results obtained showed that investment in education has contributed positively and
significantly to national and regional socioeconomic development, with primary education being the most important
level, followed by higher education. In addition, the simulations carried out with the model allowed to establish
priorities for investment in education and thus contribute to reduce the inequalities of development between regions.
Keywords: education, human capital, investment, economic development
Contribution of education in the regional socioeconomic
development of Costa Rica: An econometric analysis
*Doctor en Ciencias de la Educación, Magister Scientiæ en Política Económica con énfasis en Desarrollo Sostenible y Eco-
nomía Ecológica, Máster en Derechos Humanos y Licenciado en Economía con énfasis en Administración de Negocios.
Profesor de Teoría Económica en grados y posgrados en universidades públicas y Economista en la Defensoría de los Habitantes
de la República. jsandoval@uned.ac.cr
Cómo citar / How to cite
Sandoval, J. (2018). Contribución de la educación en el desarrollo socioeconómico regional de Costa Rica: un análisis economé-
trico. Yulök Revista de Innovación Académica, 2(1), 26- 44. https://doi.org/10.47633/yulk.v2i1.290
27
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
personas. En general, se puede afirmar que la educación
incide en la sociedad en diversas formas, a parte de los
aspectos económicos, favorece la movilidad social, con-
tribuye con la reducción de la pobreza, crea un clima pro-
picio para estimular la formación educativa y constituye
el escenario donde ocurre la socialización política básica
de las personas (Mora y Ramos, 2004).
En este artículo se ahonda en la relación entre educación
y desarrollo socioeconómico con la finalidad de evaluar
esta asociación en el marco del desarrollo regional costa-
rricense y aportar elementos empíricos que fundamenten,
desde el punto de vista socioeconómico, la importancia
de la inversión que realiza el país en el sector educativo y
la necesidad de una mejor planificación en aras de reducir
la desigualdad en los niveles de desarrollo que presentan
las diversas regiones del país. En este sentido, la ausen-
cia de estudios específicos que brinden indicios de dónde
se debe orientar la inversión pública educativa en las di-
versas zonas del país y su contribución al bienestar y al
desarrollo de la población costarricense han orientado el
curso de la investigación.
En congruencia con lo indicado, el objetivo propuesto en
la investigación consistió en evaluar cuantitativamente la
contribución de la inversión en el sector de educación,
específicamente en los niveles de primaria, secundaria y
superior, sobre el desarrollo socioeconómico de las zonas
urbanas, rurales y del país en forma global para identificar
en qué regiones se debe priorizar la inversión en educa-
ción, así como qué nivel educativo debe fortalecerse para
reducir las desigualdades en desarrollo que presentan a lo
interno del país los 81 cantones. La metodología utiliza-
da se basa en la elaboración de modelos econométricos
que relacionan las variables y los factores que inciden en
el desarrollo socioeconómico regional y global del país y
la posterior estimación de dichas relaciones con el uso de
un paquete computacional estadístico con la información
provista por el censo nacional del año 2011 y los indi-
cadores de desarrollo socioeconómicos construidos por
el Ministerio de Planificación Nacional y otras entidades
para ese mismo año.
De esta suerte, cuando se cuente con los datos del Censo
Nacional programado para el año 2021 por el Instituto
Nacional de Estadísticas y Censos (INEC), se podrá ca-
librar el modelo con los nuevos datos y evaluar si las in-
versiones educativas realizadas, durante el período trans-
currido desde la realización de un Censo Nacional a otro,
han contribuido a mejorar el desarrollo socioeconómico
de las regiones rurales, urbanas y del país en general.
Es importante indicar que el concepto de inversión en
educación que se utiliza en este estudio se refiere a la
asignación de recursos económicos y financieros que la
sociedad destine a mejorar y ampliar los años de escola-
ridad de la población, de manera que se cubra cada nivel
(primaria, secundaria y superior) paulatinamente. No se
incluyó el nivel de prescolar por ausencia de datos en las
fuentes consultadas.
En el caso de una investigación, como la presentada en
este artículo, la principal limitación se encuentra en la
base de datos utilizada, pues corresponde a una serie de
corte transversal (en un momento en el tiempo), lo cual
refleja la situación imperante en el período al que corres-
ponde la información recopilada. Asimismo, una limi-
tación adicional se encuentra en el enfoque cuantitativo
utilizado, pues no considera aspectos cualitativos ni ex-
ternalidades propias de la inversión en educación como
parte del capital humano.
Antecedentes
En general, los estudios empíricos sobre la relación
entre educación y desarrollo socioeconómico no son
abundantes, debido a las dificultades de contar con in-
dicadores adecuados para caracterizar a estas variables.
Neira (2007) señala que durante el período 1970-90, a
nivel internacional, se contó con pocos trabajos publica-
dos sobre el tema. Aunque existen diversos esquemas
para medir la contribución de la educación a la sociedad,
usualmente la literatura se concentra en su efecto sobre
los ingresos de los hogares al utilizar modelos parciales
que anteponen el criterio de rentabilidad privada al de
rentabilidad social, como el análisis de costo/beneficio
(Villalobos y Pedreza, 2009).
Además de lo anterior, Neira (2007) argumenta que a par-
tir de la década de 1990 inició un período de gran activi-
dad en la publicación de estudios del capital humano, los
cuales ponen de relieve la importancia de la educación
en el crecimiento económico de los países. Usualmen-
te, la metodología utilizada en esos trabajos consiste en
comparar los cambios de productividad e ingreso de la
mano de obra de un país que cuenta con un mayor nivel
educativo con respecto a otro país cuyo sistema o nivel
educativo es inferior (Barro, 1996).
Como primer antecedente a nivel internacional, se cuenta
con el trabajo pionero del economista Robert Barro que
aisló un conjunto de determinantes de la tasa de creci-
miento económico para 114 países para el período 1960
a 1985. El estudio demostró la significancia estadística
de ciertos factores en el proceso de crecimiento, entre
las que cabe destacar variables educativas, consumo del
sector público, distorsión de los precios de los bienes de
inversión y la inestabilidad política y social. Este trabajo
ha sido la base de muchas de las investigaciones posterio-
28
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
res a 1990, las cuales buscan medir el aporte del capital
humano, como educación, salud, entre otras; al desarrollo
económico.
Un segundo antecedente internacional es la investigación
de Kovacs (2004), que analizó el rol de la educación en el
crecimiento económico de largo plazo mediante un análi-
sis estadístico entre diferentes indicadores educacionales
y su impacto sobre el ingreso per cápita de 25 países, en
un período de cinco años (1999-2003). Entre los indica-
dores educacionales que utilizó se incluyen la tasa bru-
ta de admisión, la proporción de alumnos a docentes y
el gasto público en educación, en relación con el PIB.
La metodología aplicada consistió en medir el impacto de
las variables citadas sobre el crecimiento económico y su
significancia estadística. Como resultado, obtuvo que los
indicadores educacionales presentaron los efectos espera-
dos y resultaron estadísticamente significativos.
Otra investigación relevante fue la realizada por Daglio
(2005), quien buscó la respuesta a la siguiente pregunta:
¿Existe una relación de causalidad entre la inversión en
educación y el desarrollo económico? Para abordar esa
cuestión, la investigadora comparó datos estadísticos so-
bre educación y productividad de los ocho países del su-
deste asiático denominados High Productivity Asian Eco-
nomies (HPAE): Corea, Indonesia, Hong Kong, Japón,
Malasia, Singapur, Tailandia y Taiwán, con un grupo de
economías latinoamericanas: Argentina, Bolivia, Brasil,
Chile, Colombia, Costa Rica, Cuba, Ecuador, El Salva-
dor, Guatemala, Haití, Honduras, Jamaica, México, Nica-
ragua, Panamá, Paraguay, Perú, República Dominicana,
Trinidad y Tobago, Uruguay y Venezuela. Si bien, Daglio
(2005) no realizó un análisis estadístico ni econométri-
co, su comparación le permitió concluir que, a diferencia
de los países latinoamericanos, los avances en educación
fueron una base fundamental de las estrategias adopta-
das por las economías del sudeste asiático para lograr un
rápido y sostenido crecimiento en sus niveles de ingreso
y capital humano. En la base de la pirámide resalta la in-
versión inicial en educación básica. De esta forma, con-
cluye la autora, la experiencia de los países denominados
HPAE, demuestra que un sistema de educación primaria
es esencial para obtener crecimiento económico sosteni-
do en las primeras etapas del desarrollo económico.
La relación entre la contribución de la educación supe-
rior con el desarrollo es significativa. Para esto, se puede
citar el trabajo de Moreno y Ruiz (2009) realizado para
la CEPAL. Estos autores analizaron el aporte de las uni-
versidades públicas en el desarrollo económico de Amé-
rica Latina. Se identificaron los canales en las universi-
dades que inciden en la innovación y que promueven la
competitividad internacional de la estructura productiva.
El estudio destaca el papel de las universidades en el sis-
tema de innovación y concluye que es necesario cerrar la
brecha entre la agenda de investigación de las universida-
des y las necesidades del sector empresarial de cada país.
Finalmente, reviste particular importancia el trabajo de
Neira (2007) que caracteriza y recopila los resultados de
diversas investigaciones realizadas para los países de la
Organización para la Cooperación y Desarrollo Econó-
mico (OCDE) basadas en datos de panel, donde se ana-
liza la importancia del capital humano para el desarrollo
económico de esas naciones. Los resultados obtenidos le
permitieron afirmar que existe una significativa relación
entre el nivel de educación y el PIB para diferentes paí-
ses. La caracterización hecha por esta autora y los resulta-
dos de sus estudios poseen como común denominador el
uso de la metodología seguida por Barro (1991).
Como antecedentes a nivel nacional, se puede reseñar el
trabajo de Jiménez, Robles y Arce (2009). Estos autores
manifiestan que, a pesar de reconocer la importancia del
capital humano para el crecimiento económico en Costa
Rica, son pocos los estudios que buscan aclarar esa rela-
ción. En ese sentido, realizaron una medición de la con-
tribución del capital humano al crecimiento económico
de este país en un lapso de 30 años. Su principal conclu-
sión es que el capital humano ha jugado una modesta con-
tribución en el crecimiento económico de la nación du-
rante las últimas tres décadas. Sin embargo, señalan que
ese resultado no debería sorprender si se toma en cuenta
el retroceso educativo ocurrido en la década de 1980 que
afectó a la fuerza de trabajo en las décadas siguientes.
Otro estudio nacional relevante es el realizado por Castro
(2010) que evaluó los resultados de las políticas educa-
tivas en primaria y secundaria para el decenio de 2010.
En su investigación, el autor hizo uso de una metodolo-
gía descriptiva-explicativa para determinar los principa-
les indicadores y resultados en la educación primaria y
secundaria, así como las brechas de equidad que existen
entre estos dos niveles educativos. Para el análisis utilizó
los registros administrativos generados por el Departa-
mento de Estadísticas del Ministerio de Educación Pú-
blica (MEP), así como los datos emanados de la Encuesta
de Hogares de Propósitos Múltiples para el período de
análisis.
El trabajo de Trejos (2010) constituye un importante an-
tecedente en el que se analiza y cuantifica la inversión
social pública en educación para la década del año 2000,
desglosada por nivel educativo. El análisis realizado por
Trejos es descriptivo-explicativo y concluye que, en el
período analizado, la inversión social pública en educa-
ción se centró en los programas que buscan ampliar el
29
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
acceso a la educación e incentivar la permanencia en el
sistema educativo, en particular de las personas que pro-
vienen de hogares con menores recursos económicos y
para el nivel secundario. Asimismo, encontró que la in-
versión destinada a la formación técnica y profesional ha
sido escasa y mantiene un crecimiento muy limitado.
Como antecedente más reciente, al momento de esta in-
vestigación, debe citarse el estudio de Jiménez (2014) so-
bre la educación pública no universitaria en Costa Rica,
durante el período 1994-2013. En ese estudio se recuen-
tan las políticas públicas en el campo educativo, los re-
sultados y el gasto social realizado. Después de analizar
estas variables, el autor concluye que ha habido un claro
esfuerzo por dedicar mayor cantidad de recursos al sis-
tema educativo desde mediados de la década de 1990, el
cual se refleja en una mayor cobertura y un mayor gasto
por estudiante. Pero, señala que la calidad del sistema
educativo costarricense es deficiente al compararse con
los países de la OCDE y se caracteriza por una pobre ges-
tión de la calidad y de los recursos del sistema.
Referencia teórica
En la teoría del capital humano, la educación es el
principal componente de ese capital, en tanto es con-
cebida como productora de capacidad de trabajo.
Cabrillo (1996) define el capital humano como el conjun-
to de conocimientos y formación profesional que posee
una persona, los cuales determinan su capacidad para tra-
bajar y generar ingresos. En este sentido, el capital hu-
mano es el acervo o el inventario de conocimientos y de
habilidades útiles a la producción que acumulan los seres
humanos, tanto a nivel individual como para la nación, y
así, como un todo (Becker, 1983). Por su parte, Giménez
(2003) distingue entre capital humano innato y capital hu-
mano adquirido. El capital humano innato comprende ap-
titudes de tipo físico e intelectual, que pueden verse modi-
ficadas debido a las condiciones de alimentación y salud.
Por su parte, el capital humano adquirido se construye a
lo largo de la vida mediante la educación formal e infor-
mal recibida y por medio de la experiencia, comprende la
educación formal, la educación informal y la experiencia
acumulada.
La educación formal incluye los siguientes niveles: pre-
escolar, primaria, secundaria y superior. La educación
informal comprende la formación recibida fuera de los
ámbitos educativos institucionalizados, tales como la ca-
pacitación y el autoaprendizaje. Finalmente, la experien-
cia está constituida por todas las vivencias acumuladas
por las personas, la cual les faculta a reaccionar ante las
circunstancias con base en los conocimientos previamen-
te adquiridos (Giménez, 2003).
La inversión en educación, además de brindar beneficios
económicos para la persona que se educa, le retribuye con
beneficios no monetarios relacionados con la mejora de
su estatus social y las mayores posibilidades de disfrutar
de la cultura y del ocio. Hanushek (2005) señala que la
educación contiene importantes efectos externos positi-
vos para la sociedad como un todo, como el aumento en
la productividad de la fuerza de trabajo y del capital físico
y el aumento en la velocidad de innovación tecnológica.
Estos efectos externos son los resultados esperados que
inducen al Estado a participar de forma activa en la inver-
sión en educación.
A pesar de lo anterior, debe considerarse que la educa-
ción, como capital humano, al igual que el capital físico,
está sujeta a depreciación. Este proceso de depreciación
se produce cuando el aprendizaje recibido no se utiliza
en el mediano plazo o cuando surgen nuevas ideas que
hacen que los conocimientos y habilidades aprendidas
queden obsoletas (Cañibano, 2005). El proceso de depre-
ciación del capital humano es especialmente grave en las
situaciones de desempleo o jubilación; además, el capital
humano que posee un sujeto no es transmisible a otros
individuos y se extingue cuando la persona muere.
Por lo anterior, el capital humano “exige permanente mo-
vimiento (como todo capital) ya que cuando permanece
ocioso por el desempleo, se menoscaban las habilidades
adquiridas” (Capocasale, 2000, p. 76). No obstante, debe
aclararse que los conocimientos recibidos sí se pueden
transmitir a otras personas; pero, no se puede transferir el
capital humano poseído como tal, dado que este constitu-
ye el atesoramiento individual de dichos conocimientos
(Briceño, 2011).
En términos generales, se puede indicar que la inversión
en educación tiene importantes beneficios y repercusio-
nes sociales en la medida en que, si se cuenta con una
población más formada, se amplían las posibilidades de
acción y elección de los individuos y de la sociedad en
su conjunto. Además, un incremento del capital huma-
no implica un aumento del potencial de crecimiento eco-
nómico al facilitar el aumento en la productividad de la
mano de obra (Cañibano, 2005).
De lo anterior, se deduce que el capital humano, en espe-
cial, la inversión que se realiza en mejorar la cobertura
y la calidad de la educación, aumenta las posibilidades
de crecimiento económico de la sociedad y el desarrollo
personal de los individuos; de manera que es de esperar
un mayor nivel de desarrollo cuantitativo y cualitativo
en aquellas sociedades que invierten más en educación
y poseen un sistema educativo robusto con políticas edu-
cativas universales que brinden calidad y profundización
30
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
de la educación (Sandoval, 2015). Sin embargo, para
Barragán (2010), las políticas educativas no son equiva-
lentes, de manera que la distribución de la inversión en
educación es importante. Señala este autor que una ma-
yor inequidad en la distribución de la educación tiene un
impacto negativo sobre el desarrollo socioeconómico de
un país. En esta línea, el Banco Mundial (1996) había in-
dicado que para América Latina la educación, en general,
es fuente tangible de beneficios:
Un trabajador con seis años de estudios gana en pro-
medio 50% más que el que nunca asistió a la escuela.
La diferencia llega a 120% en el caso de los trabajado-
res con 12 años de instrucción (es decir, que han com-
pletado el ciclo de educación secundaria), y aumenta
a más de 200% en el caso de quienes han cursado 17
años de estudios (esto es, los que han cursado el primer
ciclo postsecundario completo). Se trata, desde luego,
de beneficios “privados”, que también son públicos,
toda vez que una fuerza de trabajo más calificada con-
tribuye a elevar la recaudación tributaria, a mejorar los
servicios de salud, a intensificar la eficiencia (p. 41).
Una investigación desarrollada por Psacharopoulos y
Patrinos (2004), que analizó las respectivas tasas de ren-
dimiento social de las inversiones en educación para dis-
tintos niveles educativos y grupos de países, determinó
que las tasas de rendimiento social de las inversiones en
educación son más elevadas para los países menos desa-
rrollados y son más elevadas para los niveles educativos
más básicos. Los resultados obtenidos por estos autores
parecen justificar la concentración de la inversión pública
en educación en el nivel primario.
Para el Banco Mundial (2000), resultados similares con-
dujeron a que la ayuda al desarrollo privilegiara a la en-
señanza primaria y relegara a la educación superior a
un plano secundario. No obstante, en la actualidad, se
considera que el razonamiento tradicional aplicado a las
tasas de rentabilidad de la educación no toma en cuenta
el aporte total de la educación superior al desarrollo so-
cioeconómico. En este sentido, señala el Banco Mundial:
El análisis de rentabilidad estima valiosa la educación
sólo en cuanto genera mayores ingresos personales
o mayores impuestos. Sin embargo, es evidente que
esos no son los únicos beneficios que puede ofrecer
a la sociedad; en efecto, quienes han alcanzado un
mayor nivel educativo están en mejores condiciones
para iniciar empresas de tipo social o económico, las
que pueden a su vez tener importantes consecuencias
para el bienestar económico y social de la comunidad.
Por último, el análisis de rentabilidad pierde comple-
tamente de vista el impacto de la investigación uni-
versitaria sobre la economía, beneficio social de enor-
me importancia que está precisamente en el centro de
toda argumentación en pro del desarrollo de sistemas
más vigorosos de educación superior (pp. 43-44).
En contraste con el análisis tradicional, Tilak (2007) ma-
nifestó que los estudios recientes de las tasas de retor-
no han mostrado la reversión de las pautas –los retornos
a la educación terciaria están aumentando y los de la
educación primaria disminuyendo–, ampliando los dife-
renciales de ingresos entre los graduados universitarios
y quienes tienen menores niveles de educación. Por su
parte, Varghese (2007) encontró que la educación supe-
rior desempeña un papel clave en el fortalecimiento de la
capacidad humana de un país para absorber y utilizar el
conocimiento.
Para Varghese (2007), en la primera parte del siglo XXI,
el desarrollo de los países depende de su capacidad para
producir conocimiento mediante la investigación y el de-
sarrollo de bienes basados en el conocimiento. Por esa
razón, en la actualidad, la educación superior como nivel
creador y difusor de conocimiento se convierte en el mo-
tor del crecimiento de los países: “Hoy, buena parte del
conocimiento está disponible a bajo costo, pero el acceso
y uso depende de la capacidad humana para procesarlo y
absorberlo. Incluso si la capacidad de un país para produ-
cir conocimiento es débil, su capacidad de acceso y ab-
sorción determina el ritmo con que el país se desarrolla”
(p. 1). Asimismo, para este autor la inversión en educa-
ción superior es una política que favorece la igualdad y
equidad en la sociedad:
Los estudios muestran que las desigualdades en el
ingreso son altas ahí donde la matrícula en la edu-
cación superior es baja. Una comparación entre
países en desarrollo y desarrollados ilustra adicio-
nalmente este punto. Se sostiene que bajas tasas
de matrícula en la educación superior y altas des-
igualdades de ingreso coexisten en muchos paí-
ses en las primeras etapas del desarrollo (p. 3).
Arezki y Quintyn (2013) indican que un mayor nivel
educativo en la administración pública está asociado a
un menor grado de corrupción en ese ámbito, de manera
que: “cuando los funcionarios tienen una mejor forma-
ción, hay menos corrupción, se recaudan más impuestos,
la gestión financiera pública es mejor y hay más respaldo
a los mercados privados” (p. 44). Todo ello contribuye al
desarrollo socioeconómico de los países.
Considerando lo anterior, debe advertirse que la com-
paración entre grados de desarrollo y profundización y
calidad de la educación; por lo general, se estudia entre
31
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
países. Sin embargo, podría esperarse que, a lo interno
de una nación, se presenten necesidades educativas di-
ferentes entre regiones, de manera que antes de impulsar
la educación superior o secundaria en una región, prime-
ro debe invertirse en educación primaria. Asimismo, en
otras regiones donde se ha cubierto la educación prima-
ria, la inversión en educación debería concentrarse quizás
a nivel de secundaria o superior. Por tanto, la política
educativa, a lo interno de un país, debe considerar las
diferentes necesidades educativas de sus regiones y no
necesariamente privilegiar un nivel específico, porque así
los sugieren los estudios internacionales realizados para
otras realidades.
Metodología
Para esta investigación, la relación entre las variables de
desarrollo y educación se analizó por medio de un mo-
delo econométrico que permitió observar la correlación
entre las variables que conforman el capital humano (in-
greso, salud, educación, etc.) y los indicadores de desa-
rrollo socioeconómico regionales. Tinbergen (1978) in-
dica que estos modelos pueden construirse con propósitos
diversos: “ante todo, para explicar los desarrollos reales
y luego para encontrar las formas de influencia sobre el
desarrollo real en alguna dirección deseada” (p. 66).
De forma específica, la metodología utilizada sigue las
líneas básicas de los trabajos empíricos expuestos por
Barro (1991 y 1996) y Neira (2007) que parten de la esti-
mación de una ecuación que relaciona el crecimiento de
la economía ‒modelado mediante cambios en el PIB, el
ingreso per cápita o la acumulación de capital‒ con los
cambios en el capital humano, representado por diversas
variables educacionales como los años de escolarización,
tasa de alfabetismo, expectativas de vida, tasas de fer-
tilidad, entre otros. El método de estimación utilizado
en esos estudios es el de Mínimos Cuadrados Ordinarios
(MCO) y la información utilizada consiste en datos de
panel; es decir, series que combinan una dimensión tem-
poral con otra transversal para varios años y para los dife-
rentes países de la OCDE.
Para el caso de la investigación que se presenta en este
artículo, la metodología contiene cambios respecto de la
utilizada por los autores indicados; en primer lugar, las
estimaciones se realizan para un único país dividido en
regiones (cantones) y no para un grupo de países; en se-
gundo lugar, la base de datos utilizada para la estimación
consiste en una muestra de corte transversal (datos en un
momento en el tiempo) y no de datos de panel y, en tercer
lugar, como variable dependiente se utiliza un indicador
1 Cabe recordar que los datos transversales, a diferencia de las series de tiempo, consisten en datos de una o más variables
recopiladas para un grupo de unidades de análisis en el mismo punto del tiempo (Pulido, 1987).
de desarrollo y no la variación del PIB o ingreso per cápi-
ta.1 En este último aspecto, se consideró que el indicador
de desarrollo es más comprensivo que la sola compara-
ción de ingresos entre regiones. Estas diferencias son re-
levantes dado el propósito de la investigación, que busca
evaluar cuantitativamente la contribución de la inversión
en educación sobre el desarrollo de las zonas urbanas y
rurales del país; además de poder determinar las regiones
donde debe fortalecerse la inversión en educación y el
nivel educativo que debe priorizarse.
La relación general utilizada entre el indicador de desa-
rrollo socioeconómico (ID) y las variables independien-
tes se expresa de la siguiente forma:
IDi=f(Yi, Ei, Si, TICi, Ri) (1)
Donde: IDi: Indicador de desarrollo del cantón i.
Yi: Indicador del ingreso real del cantón i.
Ei: Indicadores del nivel de Educación del cantón i.
Si: Indicadores del grado de Salud alcanzado por el
cantón i.
TICi: Indicador sobre el acceso a TIC del cantón i.
Ri Indicador de la condición de ruralidad del cantón i.
Para una muestra de datos de corte transversal de i=1,
2,…, 81.
La naturaleza de la relación entre la variable dependiente
(o explicada) y cada variable independiente (o explicati-
va) dependerá también del tipo de dato que se utilice para
representarlas (definición operacional). Como se indicó,
el procedimiento metodológico adoptado sigue básica-
mente lo señalado por Neira (2007) y pretende describir
el conjunto de determinantes de la tasa de desarrollo so-
cioeconómico en cada cantón y a nivel nacional.
De acuerdo con Maddala (1996), antes de realizar el
análisis econométrico con los datos, es necesaria una
formulación matemática clara de la teoría pertinente.
Sin embargo, la teoría rara vez informa sobre estas for-
mas funcionales, por lo cual es preciso utilizar métodos
estadísticos para elegir la forma apropiada. Con este pro-
pósito Gujarati y Porter (2010), sugieren considerar tres
tipos de especificaciones funcionales. Estas formulacio-
nes se les han denominado de la siguiente manera:
32
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
a. Modelo lineal (Lin-Lin).
b. Modelo doble logarítmico (Log-Log).
c. Modelo semilogarítmico (Log-Lin o Lin-Log).
En el último caso, la especificación semilogarítmica, se
puede representar mediante dos formas diferentes:
i. Modelo lineal-logarítmico (Lin-Log).
ii. Modelo logarítmico-lineal (Log-Lin).
Las unidades de estudio corresponden a la población perte-
neciente a cada uno de los 81 cantones en que está dividido
territorial y administrativamente el país, de forma que la
investigación es de tipo retrospectivo; es decir, se basa en
el análisis de datos existentes y, por tanto, no requiere tra-
bajo de campo para obtenerlos.
Hernández, Fernández y Baptista (2010) indican que sin de-
finición de las variables no hay investigación y señalan que
las variables deben ser definidas de dos formas: conceptual y
operacionalmente. Las definiciones conceptuales provienen
de diccionarios o libros especializados y describen la esencia
de la variable; posteriormente, se procede a realizar la defini-
ción operacional para identificar los indicadores que permi-
tirán realizar su medición de forma empírica y cuantitativa.
Las variables de estudio utilizadas se presentan en la tabla 1.
Estimación del modelo
Para la estimación de la ecuación (1), según las cinco
formas funciones indicadas ˗Lin-Lin, Log, Log, Lin-Log
y Log-Lin˗ se dispuso de una muestra de datos de cor-
te transversal para los 81 cantones que integran el país.
Los datos tienen como base el año 2011, pues para ese
año se cuenta con los resultados tabulados del Censo Na-
cional realizado por el Instituto Nacional de Estadísticas
y Censos (INEC, 2012), también se dispone de los datos
generados por diversos entes para caracterizar las varia-
bles de estudio: Programa de las Naciones Unidas para
el Desarrollo (PNUD), Instituto Costarricense de Elec-
tricidad (ICE), Ministerio de Educación Pública (MEP),
Ministerio de Salud Pública (MSP), Ministerio de Plani-
ficación Nacional y Política Económica (MIDEPLAN) y
el Observatorio del Desarrollo de la Universidad de Costa
Rica. La base de datos utilizada en el estudio se puede
consultar en Sandoval (2015).
La estimación de los parámetros de cada forma funcional
de la ecuación (1) se realizó con el método de MCO y las
pruebas estadísticas se realizaron empleando el paquete
Variable Definición conceptual Definición operacional
Nivel de desarrollo socioe-
conómico
Incremento en la capacidad de una población,
región o nación para promover y mantener la
prosperidad y bienestar económico y social de sus
habitantes.
Índice de Competitividad (ICC)
Índice de Desarrollo Humano (IDH)
Índice de Desarrollo Social (IDS)
Ingreso real Cantidad de bienes o servicios que puede adqui-
rir la población con la retribución recibida por los
servicios que prestan los factores de la producción
(tierra, trabajo y capital).
Nivel de consumo eléctrico residencial per cápita (kilovatio/
hora).
Educación (primaria, secun-
daria y superior) y nivel de
escolaridad
Formación destinada a desarrollar la capacidad
intelectual, moral y afectiva de las personas de
acuerdo con la cultura y las normas de conviven-
cia de la sociedad a la que pertenecen.
Años promedio de escolaridad.
Porcentaje de población con primaria completa.
Porcentaje de población con secundaria completa.
Porcentaje de población con educación superior.
Salud Estado de completo bienestar físico, mental y
social y no solamente la ausencia de enfermedad
(OMS, 1982).
Porcentaje de hogares con carencia de acceso a vida saludable.
Porcentaje de viviendas con agua por acueducto.
Acceso a las Tecnologías de
Información y Comunica-
ción (TIC)
Acceso de la población a las nuevas tecnologías
de la información y comunicación.
Porcentaje de viviendas con Internet.
Promedio de celulares por vivienda.
Condición urbano/rural Búsqueda de la organización y planificación de la
ciudad y el territorio.
Superficie en km2.
Tabla 1:. Definición conceptual y operacional de las variables de estudio y factores de desarrollo. Fuente: Elaboración propia.
33
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
o software computacional EViews, Versión 7.0, cuyo uso
ha sido posible por la Universidad de Costa Rica.2
La tabla 2 presenta el total de estimaciones o ajustes li-
neales logrados en esta etapa de estimación. Se utilizan
como variables explicadas o independientes (nivel de
desarrollo socioeconómico), el Índice de Competitividad
Cantonal (ICC), el Índice de Desarrollo Humano canto-
nal (IDH) y el Índice de Desarrollo Social (IDS) y como
variables explicativas o independientes: el nivel de ingre-
so (Yi) cantonal, la Educación (Ei) medida por el número
de años de escolaridad, la variable Salud (Si), aproximada
mediante el porcentaje de hogares con servicio de agua
potable, la variable de acceso a las nuevas Tecnologías de
Información y Comunicación (TICi), medida por el pro-
medio de celulares por persona y el indicador regional
sobre condiciones de ruralidad (Ri), aproximada por el
área en km2 de cada región.
Tabla 2: Resultados obtenidos de la estimación de la ecuación básica (1) según variable explicativa y cada forma funcional considera-
da. Notas: El término log corresponde a logaritmo. El número entre paréntesis corresponde al estadístico t de Student. * Indica que el
coeficiente es significativo 0,05. Fuente: Elaboración propia.
2 El Eviews es un software de análisis econométrico, que no solo se limita al análisis de series económicas y puede ser aplicado
a diferentes áreas de las ciencias sociales, ciencias políticas, biología y ciencias puras (Rojas, 2011).
De la revisión de las 12 regresiones estimadas se observa
que el signo en cada coeficiente resultó el previsto por la
teoría para las regresiones No. 3, 4 y 9. En cada caso, se
espera una relación directa o positiva entre el indicador
de desarrollo y las variables educación, salud, acceso a
las TIC y una relación inversa o negativa con el grado de
ruralidad. En este último caso, la relación inversa entre
desarrollo y grado de ruralidad se considera normal, dado
que entre más rural y mayor sea el tamaño del territorio,
mayor es la dispersión de las familias en relación con los
centros de población y más dificultoso es el acceso de la
población a los servicios básicos.
Con base en ese criterio, para representar la relación edu-
cación y desarrollo, se descartaron las regresiones núme-
ro 1, 2, 5, 6, 7, 8, 10, 11 y 12; dado que, en algunos casos,
los signos asociados a los coeficientes de cada variable
contradicen a lo previsto por la teoría, mientras que en
otros, los coeficientes asociados son prácticamente nulos,
lo cual puede indicar que la forma funcional estimada no
34
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
es la adecuada para modelar la relación entre las variables
o porque el indicador de desarrollo no es apropiado para
capturar el proceso de desarrollo socioeconómico canto-
nal.
Para las regresiones N.° 3 y N.° 9 que no presentan in-
consistencia respecto a los signos esperados, se observa
que el coeficiente asignado a la variable educación re-
sultó significativo al nivel de 0,05; lo cual es altamente
significativo en el sentido estadístico, de manera que se
cuenta con al menos el 95 % de certeza que el valor del
parámetro estimado corresponda al parámetro real y no
sea nulo. Esto no sucede con la regresión N.°4.
Si bien, según los criterios antes expuestos, las regresio-
nes N.° 3 y N.° 9 constituyen los mejores ajustes que mo-
delizan la relación desarrollo socioeconómico y educa-
ción para el país. En esta investigación se optó por utilizar
como modelo para analizar la relación entre desarrollo
y educación la regresión N.° 9 en lugar de la regresión
N.° 3, que corresponde al modelo Lin-Lin.
Para tomar esta decisión, se consideró lo indicado por
Chystilin (2011) que establece que el proceso de desarro-
llo de los países, por lo general, no se presenta de forma
lineal y, además, porque el modelo N.° 9 contiene ma-
yores coeficientes de determinación (R2) y estadístico F.
Tabla 3: Resultados del mejor ajuste por Mínimos Cuadrados Ordinarios. Nota: Las variables explicativas se encuentran expresadas en
logaritmo. Fuente: Elaboración propia con base en salida del programa EViews.
Variable dependiente: IDS
Método: Mínimos cuadrados
Muestra: 1 81
Observaciones incluidas: 81
Variable Coeficiente Error estándar Estadístico-t Prob.
Constante -1.034152 0.264918 -3.903671 0.0002
Ingreso 0.066743 0.045086 1.480332 0.1430
Educación 0.605485 0.125924 4.808326 0.0000
Salud 0.284148 0.127760 2.224080 0.0292
Acceso TIC 0.168004 0.107107 1.568570 0.1210
Rural/urbano -0.038413 0.008706 -4.412417 0.0000
R-cuadrada 0.892336 Media de la variable dependiente 0.538469
R-cuadrada ajustada 0.885158 Desviación estándar de la variable dependiente 0.223925
Error estándar de la regresión 0.075885 Criterio de información Akaike -2.248019
Suma de los cuadrados residual 0.431885 Criterio de Schwarz -2.070652
Log de verosimilitud 97.04476 Criterio de Hannan-Quinn -2.176857
Estadístico F 124.3217 Estadístico Durbin-Watson 2.023553
Prob(Estadístico-F) 0.000000
En este último caso, el elevado valor del estadístico F in-
dica una mayor capacidad explicativa conjunta de las va-
riables introducidas en el modelo, lo cual favorece su uso
para pronóstico y simulación, según lo pretendido en el
estudio.
Ajuste modelo semilogarítmico (Lin-Log)
La tabla 3 contiene el resultado completo de la regresión
N.° 9 respetando el formato estándar de salida del paque-
te computacional econométrico. El ajuste lineal presen-
tado en la tabla relaciona satisfactoriamente el Índice de
Desarrollo Social cantonal (IDSi) con las variables inde-
pendientes especificadas en logaritmo para cada cantón.
Como se indicó, para este ajuste los coeficientes estima-
dos presentan los signos esperados, dado que se supone
que el ingreso (Yi), el nivel de educación (Ei), la salud (Si)
y el acceso a las Tecnologías de Información y Comuni-
cación (TICi) muestran una relación positiva con respecto
al indicador de desarrollo (IDSi), mientras que la variable
regional (Ri), en este caso, aproximada por la extensión
del cantón, presenta una relación inversa.
Para la regresión seleccionada, el valor del R2 es de
0,8923 lo cual indica que el modelo estimado explica el
89,23 % de la variación en el Índice de Desarrollo Social
35
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
(IDS). Aunque el R2 ajustado se reduce un poco, con-
tinúa elevado (supera el 0,88).3 Estos son valores altos
si se considera que los R2 solo pueden asumir como va-
lor máximo la unidad, precisamente cuando el ajuste es
perfecto y considerando que, en general, en las muestras
de datos transversales suelen obtenerse valores bajos de
este coeficiente debido a la diversidad de unidades de la
muestra de datos (Gujarati y Porter, 2010).
Hernández, Fernández y Baptista (2010) indican que si la
probabilidad asociada a un estadístico cualquiera (la t de
Student o la F Snedecor, por ejemplo) es menor al valor
0,05 se dice que el coeficiente es significativo en el nivel
de 0,05; es decir, se tiene el 95 % de confianza en que la
hipótesis nula no sea verdadera y 5 % de probabilidad de
error al rechazarla, siendo verdadera.
Debido a lo anterior, en relación con la significancia es-
tadística de los coeficientes estimados para las variables
de educación, el software utilizado calcula los valores del
estadístico t de Student y su respectiva probabilidad, bajo
la hipótesis nula de que el verdadero valor poblacional de
cada coeficiente es cero (es decir, que las variables expli-
cativas, de forma individual, no produce ningún efecto
sobre el Índice de Desarrollo Social).
Por tanto, dadas las bajas probabilidades asociadas a los
estadísticos t, en los casos de la educación, salud y condi-
ción urbano/rural, los coeficientes estimados son signifi-
cativos al nivel de 0,05. Es decir, se rechaza la hipótesis
nula de que estos coeficientes sean nulos o igual a cero.
Esto indica que el modelo econométrico contenido en el
ajuste seleccionado (N.° 9) representa satisfactoriamente
la relación entre los índices de desarrollo cantonal y las
variables explicativas.
Cabe resaltar el valor que asume el coeficiente relacio-
nado con la variable educación; en este caso, al utilizarse
una forma funcional semilogarítmica (Lin-Log) el valor
0.605485 obtenido corresponde a la elasticidad no cons-
tante del indicador de desarrollo socioeconómico (IDS)
con respecto a la variable educación, de manera que en
esta especificación funcional, la elasticidad se relacio-
na con la variable explicada a través del logaritmo de la
variable educación, de manera que el IDS cambia con
mayor lentitud que los cambios dados en el indicador de
educación.
Por su parte, el valor del intercepto o constante es ne-
3 Pese a que R2 se viene utilizando como medida de ajuste al modelo, presenta el inconveniente de que a medida que se incre-
menta el número de variables que participan en el modelo mayor es su valor de ahí que la R2 sobrestime el verdadero R de la población.
Por esta razón, algunos autores recomiendan utilizar el Coeficiente de Determinación Ajustado pues este no aumenta, necesariamente, a
medida que se añaden variables a la ecuación. Este estadístico queda ajustado por el número de observaciones y el número de variables
independientes incluidas en la ecuación (Maddala, 1996).
gativo y aunque tiene una significancia estadística alta
(superior al 0,05), no posee interpretación social viable.
De manera textual significa que, si el valor de las varia-
bles explicativas fuera cero, el IDS tendría un valor ne-
gativo de 1,03. Cabe advertir que el IDS utilizado como
medida del desarrollo socioeconómico cantonal solo pue-
de asumir valores en el intervalo de cero a uno.
El estadístico F permite contrastar la capacidad explica-
tiva conjunta de las variables introducidas en el modelo.
La hipótesis nula que se somete a prueba indica que to-
dos los coeficientes en la población son iguales a cero.
En este caso, dado que el valor de probabilidad asociado
al estadístico es de cero, se rechaza la hipótesis nula y
se concluye que el modelo constituye una representación
adecuada del fenómeno que se está analizando.
Debido al interés de la investigación en analizar la rela-
ción entre educación y desarrollo socioeconómico y pro-
veer evidencia empírica sobre esa relación; el modelo de
regresión semilogarítmico (tabla 3), se sometió a un diag-
nóstico ampliado que consistió en un examen exhaustivo
sobre problemas de multicolinealidad, heterocedastici-
dad, análisis de varianza, autocorrelación y normalidad,
cuya presencia puede invalidar los resultados obtenidos
con el método MCO y, por tanto, de las relaciones entre
variables estimadas.
Las consecuencias de la presencia de estos problemas se-
ñalados y las pruebas realizadas al ajuste N.° 3 con el
paquete econométrico Eviews, se pueden consultar en
Sandoval (2015) que contiene el detalle de la investiga-
ción realizada. Cabe indicar que los resultados de las
pruebas estadísticas aplicadas permitieron descartar la
presencia estos problemas, de manera que se corroboró
la pertinencia del ajuste seleccionado para representar la
relación entre educación y desarrollo socioeconómico en
el caso costarricense.
Ajuste modelo doble logaritmo (Log-Log)
La evaluación realizada mediante el modelo semilogarít-
mico (Lin-Log) considera a la educación como un todo,
sin distinguir entre los niveles formales de primaria, se-
cundaria y superior. Para analizar el impacto de estos
diferentes niveles de educación formal en el desarrollo
socioeconómico cantonal, se optó por utilizar de for-
ma auxiliar la formulación del modelo doble logaritmo
(Log-log), la cual provee elasticidades constantes que
36
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
sirven para comparar el impacto de cada variable expli-
cativa o independiente sobre la variable explicada o de-
pendiente.
Para corregir los problemas de multicolinealidad que
presentaba el modelo original Log-Log contenido en la
regresión N.° 6 de la tabla 2, se procedió a ajustarlo y se
descartaron variables para utilizar únicamente las relacio-
nadas con la educación formal, tal como se observa en la
ecuación (2).
IDi=f(E1i, E2i, E3i) (2)
Donde: IDi: Indicador de desarrollo del cantón i.
E1i: Indicador de Educación primaria del cantón i.
E2i: Indicador de educación secundaria del cantón i.
E3i: Indicador de educación superior del cantón i.
La estimación de esta formulación del modelo se presenta
en la tabla 4 y se utilizan, como variable explicada, el
Índice de Desarrollo Social cantonal y para cada variable
independiente los niveles educativos completos en cada
cantón.
El ajuste Log-Log contenido en la tabla 4 presenta las
elasticidades de la variable dependiente (IDS) en relación
con cada nivel educativo. En este caso, una alta elasti-
cidad o coeficiente indica que un cambio en la variable
explicativa tiene un gran impacto sobre el IDS. Lo con-
trario ocurriría en caso de una baja elasticidad.
Tabla 4: Resultados de la estimación del modelo Log-Log para la variable Educación. Nota: Las variables explicativas se encuentran
expresadas en logaritmo. Fuente: Elaboración propia con base en salida del programa EViews.
Variable dependiente: Log(IDS)
Método: Mínimos cuadrados
Muestra: 1 81
Observaciones incluidas: 81
Variable Coeficiente Error estándar Estadístico t Prob.
Constante 5.543527 2.720937 2.037360 0.0450
Ed. Primaria 1.914561 0.894158 2.141190 0.0354
Ed. Secundaria 0.460729 1.024262 0.449816 0.6541
Ed. Superior 1.721262 0.507011 3.394918 0.0011
R-cuadrada 0.222805 Media de la variable dependiente -0.830645
R-cuadrada ajustada 0.192524 Desviación estándar de la variable dependiente 1.282061
Error estándar de la regresión 1.152055 Criterio de información Akaike 3.169094
Suma de los cuadrados residual 102.1968 Criterio de Schwarz 3.287338
Log de verosimilitud -124.3483 Criterio de Hannan-Quinn 3.216535
Estadístico F 7.358069 Estadístico de Durbin-Watson 2.210161
Prob (Estadístico F) 0.000212
Según los valores del R2 simple y R2 ajustado de la re-
gresión Log-Log de la tabla 7, la variabilidad presenta-
da en el IDS cantonal se explica en alrededor del 20 %
por las tres variables de educación consideradas; si bien,
estos coeficientes de determinación son menores que
los obtenidos con el modelo general, los resultados es-
tán dentro de lo esperado al tratarse de datos transver-
sales y no series de tiempo (Gujarati y Porter, 2010).
Además, debe considerarse que este es un modelo par-
cial, pues está excluyendo la influencia de las otras va-
riables complementarias o factores que inciden sobre el
desarrollo (ingreso, salud, acceso a TIC y condición rural/
urbano), con la finalidad de determinar el impacto de los
diferentes niveles de educación sobre el desarrollo so-
cioeconómico cantonal.
Según se observa en la tabla 4, el aporte sobre el nivel de
desarrollo socioeconómico de las variables educación pri-
maria (1,91) y educación superior (1,72) es mayor que la
contribución de la variable educación secundaria (0,46).
En ambos casos, el valor de la elasticidad es mayor que
la unidad. Por su parte, la variable educación secundaria
tiene el coeficiente de elasticidad menor que uno.
Considerando los aportes más significativos (educación
primaria y superior), se observa que, céteris paribus, un
incremento del uno por ciento en cada una de estas va-
riables, conduce, a incrementos del 1,91 y 1,72 % en el
IDS, respectivamente. Sin embargo, un incremento del
uno por ciento en el indicador de educación secundaria
37
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
tiene un menor impacto en crecimiento del IDS, en este
caso de 0,46 %.
La suma de las elasticidades de las variables educación
primaria y educación superior provee un mayor rendi-
miento dentro de la función del desarrollo. En este caso,
el rendimiento agregado es de 3,64; el cual denota un
impacto significativo de la educación en ambos niveles.
Este resultado es importante para el diseño de las políti-
cas públicas de desarrollo regional, dado que muestra la
relevancia que posee la inversión pública en el área de
educación primaria y educación superior para el desarro-
llo socioeconómico del país.
El anterior resultado es consistente con los obtenidos
por Psacharopoulos y Patrinos (2004), por Tilak (2007)
y Daglio (2005) comentados en la sección de Referencia
Teórica. En el primer caso, los autores encontraron una
mayor tasa de rendimiento, en términos de crecimiento
económico, de la educación básica para los países de
ingresos bajos. Sin embargo, en el segundo caso, Tilak
(2007) descubrió que la educación superior estaba redi-
tuando de forma creciente en los países de ingresos me-
dios. Por su parte, Daglio (2005) encontró que la inver-
sión en educación primaria fue esencial en la estrategia
de desarrollos seguida por los países asiáticos de reciente
industrialización.
Análisis multivariado de resultados
El análisis realizado denota la pertinencia del modelo se-
milogarítmico (regresión N.° 9) para modelar el efecto de
la variable educación dentro del desarrollo socioeconó-
mico cantonal. En general, esta variable que, para efectos
de esta evaluación, se midió a través de los años prome-
dios de escolaridad en cada cantón. Como se indicó, re-
sultó altamente significativa.
La matriz de correlación presentada en la tabla 5 sinte-
tiza la información necesaria para conocer el grado de
asociación entre pares de variables, el grado de indepen-
dencia condicional y la magnitud de la variabilidad total.
De la tabla 5, se puede observar que las correlaciones
oscilan desde 0,54 entre las variables Salud e Ingreso,
hasta 0,82 entre las variables Educación y Acceso a TIC.
La relación entre educación e ingreso es de 0,77; educa-
ción y salud de 0,65; educación y TIC0,82 y educación y
ruralidad 0,75 negativa.
4 Si algún elemento fuera de la diagonal de la inversa de la matriz de correlación es cero, indica que, dadas las restantes varia-
bles, la variable es condicionalmente independiente. Para el caso de la variable educación, el cálculo se realiza de la siguiente manera:
[(5,18-1)/5,18]x100=80,7 %.
Tabla 5: Matriz de coeficientes de correlación. Fuente: Elabo-
ración propia.
Variables Ingreso Educación Salud TIC Ruralidad
Ingreso 1
Educación 0,7759 1
Salud 0,5454 0,6555 1
TIC 0,6349 0,8208 0,8070 1
Ruralidad -0,5521 -0,7508 -0,6211 -0,7579 1
A partir de la matriz de correlación, ver tabla 5, es posible
conocer no solo la estructura de asociación entre las va-
riables, sino también la independencia condicional entre
pares de variables. Esta independencia se estudia invir-
tiendo la matriz de correlación. Por tanto, si se calcula
la inversa de la matriz de correlación, para que cada ele-
mento de la diagonal principal se relacione con la propor-
ción de variación de cada variable, que puede explicarse
por combinaciones lineales de las restantes, es posible
determinar la proporción en que cada variable puede ser
explicada por una regresión sobre las restantes (Trejos,
Castillo y González, 2014). Este cálculo se presenta en
la tabla 6.
Tabla 6: Inversa de la Matriz de Correlación entre variables ex-
plicativas. Fuente: Elaboración propia.
Variables Ingreso Educación Salud TIC Ruralidad
Ingreso 2,5567
Educación -2,0862 5,1860
Salud -0,2894 0,3336 2,9046
Acceso TIC 0,1626 -2,2706 -2,3454 5,4637
Ruralidad -0,2112 1,2282 0,1171 1,0694 2,6888
De acuerdo con lo anterior, el 80,72 % de la variable edu-
cación puede ser explicada por una regresión sobre las
restantes variables.4 Los valores para las otras variables
son: 60,89 % para la variable Ingreso, 65,57 % para la
variable Salud, un 81,70 % de la variable acceso a TIC
y un 62,80 % para la variable Regional. Estos resulta-
dos permiten concluir que las variables ingreso, salud y
la variable regional no podrán ser explicadas por las otras
variables y las otras variables (educación, salud y acceso
a TIC) presentan las influencias más predecibles.
Otro resultado interesante se obtiene al escalar la matriz
inversa de correlación para obtener unos en su diagonal
principal. Este procedimiento permite obtener una matriz
cuyos elementos fuera de la diagonal corresponden a los
38
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
coeficientes de correlación parcial entre pares de varia-
bles dadas las demás con el signo cambiado. Este resul-
tado se presenta en la tabla 7.
Tabla 7: Matriz de correlación parcial entre variables explicati-
vas. Fuente: Elaboración propia.
Variables Ingreso Educación Salud TIC Ruralidad
Ingreso 1,0000
Educación -0,4023 1,0000
Salud -0,0996 0,1149 1,0000
TIC 0,0298 -0,4156 -0,4293 1,0000
Ruralidad -0,0786 0,4568 0,0435 0,3977 1,0000
Puede observarse de la matriz de correlación parcial
de la tabla 7 que la correlación que parecía existir en-
tre los pares de variables: educación e ingreso; acceso a
TIC y educación y acceso a TIC y salud, persiste, aun-
que ha disminuido al tomar en cuenta las otras variables.
Las anteriores relaciones que están ocultas en la matriz
de correlación simple pueden contribuir a conocer la es-
tructura de dependencia del conjunto de variables expli-
cativas estudiadas.
Para una mejor comprensión de lo analizado hasta el mo-
mento, la información anterior se diagramó en la figura
1 donde cada variable es representada por un círculo y la
ausencia de una línea para la unión de dos círculos indica
un término bajo o nulo en la inversa de la matriz de corre-
lación transformada (tabla 7).
Figura 1: Esquema de dependencia e independencia entre varia-
bles. Fuente: Elaboración propia.
La figura 1 sintetiza las relaciones halladas entre la varia-
ble de estudio educación y las otras variables complemen-
tarias en el desarrollo socioeconómico. Se presenta en la
figura el coeficiente de determinación (R2) entre pares de
variables. Como se observa, la variable educación está
correlacionada con el ingreso, el acceso a las TIC, la con-
dición de ruralidad de cada cantón y de forma débil con la
variable salud. Esta relación débil entre educación y salud
puede explicarse por el modelo de seguridad social costa-
rricense, que provee servicios sanitarios y de prevención,
de alta calidad y de forma universal para la población.
La variable complementaria ingreso está correlacionada
con la educación y no muestra mayor correlación con
las otras variables. La variable complementaria acceso
a TIC está correlacionada con las variables educación,
salud y condición de ruralidad. Finalmente, la variable
salud presenta correlación con la variable de acceso a TIC
y de forma débil con la educación, como se indicó.
El ajuste N.° 9 al utilizar una forma semilogarítmica
(Lin-Log) proporciona una semielasticidad del indicador
de desarrollo socioeconómico con respecto a las variables
explicativas, donde los coeficientes obtenidos se relacio-
nan con la variable explicada a través del logaritmo de las
variables explicativas, de manera que el IDS cambia con
mayor lentitud que los cambios dados las variables inde-
pendientes. Este tipo de relación (exceptuando las condi-
ción de ruralidad cuyo coeficiente fue cercano a cero) es
representada de forma general en la figura 2.
Figura 2: Relación entre el IDS y las variables explicativas.
Fuente: Elaboración propia.
La figura 2, para el caso de la variable educación, muestra
que los rendimientos de las inversiones sucesivas en el
sector educativo son decrecientes; es decir, que conforme
el país invierte mayores recursos en el sector de educa-
ción, el incremento resultante en el Índice de Desarrollo
Social es cada vez menor.
39
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
Simulaciones de política de inversión en educa-
ción
Debido a la pertinencia del modelo semilogarítmico (Lin-
Log) para describir la relación del IDS cantonal y edu-
cación, se utilizó esta regresión para estudiar el impacto
de la inversión en educación a escala nacional y cantonal
sobre el desarrollo socioeconómico.
El modelo semilogarítmico permitió realizar simulacio-
nes de políticas públicas tendientes a aumentar el nivel
de escolaridad formal y su incidencia sobre el indicador
de desarrollo. Como se indicó en la Introducción para
efectos de esta investigación, por inversión en educación,
se entiende toda asignación de recursos económicos y fi-
nancieros que la sociedad destine a mejorar y ampliar los
años de escolaridad de la población.
Es importante indicar que este tipo de ejercicio de simula-
ción se basa en un análisis de estática comparativa y uti-
liza como supuesto la condición céteris paribus, la cual
implica abstraer los aspectos dinámicos del proceso de
desarrollo, en especial la incidencia indirecta que tienen
las mejoras en la educación sobre la calidad de vida de
las personas. Lo que se observa en cada ejercicio es el
paso de una situación de IDS en un momento, dado a otro
nivel de IDS conforme se amplían los años de educación
formal en el cantón. Por lo tanto, es de esperar que el
impacto sobre el desarrollo de mejoras en la educación,
sean mayores que los valores simulados por el modelo,
especialmente en el mediano y largo plazo.
Para efectos de las simulaciones se asumen variaciones
en el indicador de educación hacia la situación óptima.
En este sentido, se parte de la premisa de que la inversión
en educación conduce a una situación donde la comuni-
dad goza, en promedio, del mayor nivel de escolaridad
para cada nivel de educación formal considerado (pri-
maria, secundaria y superior). De manera que, si la es-
colaridad promedio de un determinado cantón es de seis
años, se entiende que la comunidad ha cubierto el nivel de
primaria; pero, si la escolaridad promedio del cantón es,
al menos de 11 años, se asume que la comunidad habrá
cubierto la educación primaria y secundaria y, finalmen-
te, si la escolaridad promedio del cantón supera los 15
años, se asume que la comunidad contará, en general, con
educación superior.
Debe advertirse que cada estimación y proyección del
IDS cantonal se realiza dentro de un intervalo de confian-
za del 95 por ciento. Para efectos de las estimaciones, se
calculan las variaciones según el valor medio del paráme-
tro que suministra el ajuste econométrico.
La tabla 8 presenta un resumen de 12 simulaciones rea-
lizadas al considerar mejoras en el nivel educativo en los
niveles de secundaria y superior sobre el IDS nacional.
El IDS nacional se determinó con la media ponderada de
los IDS cantonales utilizando como ponderador la pobla-
ción de cada cantón. Las simulaciones resumen el im-
pacto de inversiones en mejoras en la cobertura de la edu-
cación sobre el IDS nacional. La comparación se realiza
partiendo de una situación base, ajustada con el modelo
y los valores originales de la serie de datos, y la situación
proyectada o estimada después de incrementar la variable
educación. Para mayor detalle de este procedimiento, se
puede consultar Sandoval (2015) que contiene la explica-
ción de la investigación descrita.
Tabla 8: Simulación del impacto de la educación sobre el nivel de desarrollo socioeconómico del país. Fuente: Elaboración propia.
Simulación
IDS base
(nacional)
IDS proyectado
(nacional)
Mejora
Educación secundaria completa en cantones rurales 0,5748 0,6301 9,6%
Educación secundaria completa en cantones urbanos 0,5748 0,6180 7,5%
Educación superior completa en cantones rurales 0,5748 0,6635 15,4%
Educación superior completa en cantones urbanos 0,5748 0,6860 19,3%
Educación secundaria completa en la provincia de San José 0,5748 0,6072 5,6%
Educación superior completa en la provincia de San José 0,5748 0,6543 13,8%
Educación secundaria completa en la provincia de Alajuela 0,5748 0,6116 6,4%
Educación superior completa en la provincia de Alajuela 0,5748 0,6404 11,4%
Educación secundaria completa en la provincia de Limón 0,5748 0,5970 3,9%
Educación superior completa en la provincia de Limón 0,5748 0,6102 6,2%
Educación secundaria completa en todo el país 0,5748 0,7276 26,6%
Educación superior completa en todo el país 0,5748 0,8678 51,0%
40
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
Por ejemplo, en las cuatro primeras filas de la tabla 8, se
comparan los resultados sobre el IDS nacional de inver-
tir en educación para los cantones rurales y urbanos del
país.5 De esta forma, los resultados de estas simulacio-
nes muestran que un aumento en la escolaridad promedio
para completar la educación secundaria en los cantones
rurales incrementan IDS nacional en 9,6 %, mientras que
ese mismo aumento en la escolaridad promedio se realiza
en los cantones urbanos el IDS nacional se incrementa
en 7,5 %.
Este resultado muestra, en términos generales, que una
política de inversión en educación dirigida a completar
la educación secundaria contribuirá mayormente para el
país como un todo si es aplicada preferentemente a los
cantones rurales que a los cantones urbanos. Esto podría
explicarse porque las necesidades de completar la educa-
ción secundaria son mayores en los cantones rurales, que,
en los cantones urbanos, de manera que la inversión en
educación, en este caso, contribuye a cerrar la brecha en
el nivel educativo de secundaria entre cantones.
A pesar de lo anterior, si bien el IDS nacional aumenta
en 9,6 % por la inversión en educación secundaria en los
cantones rurales, el aumento en el IDS para los cantones
considerados de forma individual puede ser superior al
promedio nacional. La simulación completa que no se
presenta en este resumen muestra que los mayores bene-
ficios de invertir en educación secundaria se obtienen en
los cantones de Talamanca, Sarapiquí, Los Chiles, Bue-
nos Aires, Upala, La Cruz, entre otros.
Un ejercicio similar al descrito para los cantones ru-
rales y urbanos (tabla 8), pero simulando un aumen-
to en la escolaridad promedio para completar la edu-
cación superior, da como resultado un incremento
del IDS nacional de 15,4 % para los cantones rura-
les y de 19,3 % para el caso de los cantones urbanos.
Este resultado muestra que el mayor incremento en el
desarrollo social nacional se logra al incrementar la in-
versión en educación superior en los cantones urbanos en
relación con los cantones rurales. La explicación a esta
situación puede encontrarse en que los cantones urbanos
poseen un mayor nivel de escolaridad en secundaria; por
tanto, su población está en mayor capacidad de aprove-
char las facilidades creadas para acceso a la educación
superior en relación con la población de las zonas rurales.
Sin embargo, a pesar de que el IDS estimado aumenta en
un 19,3 % respecto al IDS base, cuando se completa la
5 Para la división de los cantones en urbanos y rurales, se partió del dato de porcentaje de urbanismo contenido en la base de
datos del apéndice A. De esta forma, se consideraron cantones urbanos a aquellos con un porcentaje de urbanismo mayor o igual a 80
por ciento y cantones rurales a aquellos con un porcentaje de urbanismo menor o igual a 50 por ciento.
6 Esta contribución marginal se calcula de la siguiente forma: [(0,6543/0,6072)-1]x100.
educación superior en los cantones urbanos; la contribu-
ción sobre el IDS para ciertos cantones urbanos puede ser
mayor que el resultado a nivel nacional.
Otras simulaciones realizadas para las provincias indivi-
duales (tabla 8), muestran que, para el caso de San José,
el IDS nacional se incrementa en 5,6 % si se completa
la educación secundaria y en 13,8 % si se completa la
educación superior. Sin embargo, para este caso, la con-
tribución marginal de completar la educación superior es
de 7,8 %.6
En el caso de la provincia de Alajuela, los incrementos
en el IDS nacional son de 6,4 por ciento y 11 por ciento,
para las inversiones en educación secundaria y educación
superior, respectivamente. Para la provincia de Limón,
los aumentos en el IDS nacional son del 3,8 % y 6,2 %,
respectivamente. Asimismo, para estas dos provincias la
contribución marginal al incremento en el IDS nacional
atribuible a las inversiones en educación superior es de
4,7 % y 2,2 %, respectivamente.
De las cuatro primeras simulaciones resumidas en la tabla
8, se observa que la contribución marginal de la educa-
ción superior al incremento en el IDS nacional (una vez
que se completó la educación secundaria a nivel canto-
nal), es mayor en los cantones urbanos en relación con
los cantones rurales. En los cantones rurales esta contri-
bución es de 5,3 % de aumento en el IDS nacional y para
los cantones urbanos el incremento marginal en el IDS
es de 11 %.
Los anteriores resultados brindan indicios de que existen
diferencias en las necesidades de inversión en educación
en las zonas rurales en comparación con las zonas urba-
nas. En las zonas urbanas, los mayores beneficios en de-
sarrollo nacional se realizan con una mayor inversión en
educación secundaria, mientras que en las zonas urbanas
la prioridad parece estar en la inversión en educación su-
perior.
Esta información es útil para priorizar las inversiones en
educación para los cantones respectivos. De esta for-
ma, si las Autoridades del Ministerio de Educación de-
sean aumentar el nivel de desarrollo socioeconómico de
los cantones rurales invirtiendo mayores recursos en la
educación secundaria, el mayor beneficio en términos de
incremento en el IDS cantonal lo obtendrían en el cantón
41
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
de Talamanca, seguido por los cantones de Sarapiquí y
Los Chiles, según muestra la tabla 9.
Tabla 9: Priorización de la inversión en educación secundaria
para los primeros 10 cantones rurales. Fuente: Elaboración pro-
pia.
Cantón IDSbase IDSsimulado Mejora Prioridad
Talamanca 0,0636 0,3512 451,74% 1
Sarapiquí 0,1096 0,4359 297,84% 2
Los Chiles 0,1512 0,5123 238,88% 3
Buenos Aires 0,1620 0,4752 193,35% 4
Upala 0,2491 0,5561 123,25% 5
Guatuso 0,2967 0,6132 106,69% 6
La Cruz 0,2766 0,5693 105,87% 7
Guácimo 0,3214 0,6090 89,50% 8
Coto Brus 0,3149 0,5959 89,21% 9
Osa 0,2994 0,5630 88,06% 10
Para la construcción de la tabla 9, se procedió a ordenar
de mayor a menor el aumento en el IDS cantonal de los
cantones rurales, de manera que se asigna el valor de 1
al cantón que revele el mayor aumento en su IDS y así
sucesivamente. Cabe advertir que, la planificación de las
inversiones según la priorización indicada en esta tabla,
lo que busca es reducir la desigualdad en desarrollo so-
cioeconómico y no necesariamente maximizar el aumen-
to en el IDS nacional.
Un ejercicio interesante consiste en simular la cobertu-
ra en educación secundaria y superior para todo el país.
Los resultados de esas simulaciones muestran que inver-
tir en educación secundaria para que toda la población
del país cubra este nivel de escolaridad, hace que IDS na-
cional aumente en 26,6 %, respecto de la situación base.
Asimismo, si se incrementa la escolaridad promedio en
todo el país para cubrir la educación superior, el IDS
nacional aumentaría en 51 % con relación en la situa-
ción base. Los resultados cantonales y provinciales de
los ejercicios anteriores demuestran que los beneficios
regionales pueden ser mayores a los mostrados a nivel
nacional.
Cuando se analiza el resultado agregado para todo el país,
no es posible observar los beneficios de la inversión en
educación a nivel cantonal; sin embargo, el instrumento
desarrollado permite desagregar dicha contribución por
cantón y provincia; esto constituye una guía para priori-
zar la inversión en educación, si lo que se busca es reducir
la desigualdad de desarrollo entre los diferentes cantones,
más que optimizar el crecimiento del IDS a nivel nacio-
nal.
Tabla 10: Primeras 10 prioridades de inversión en educación se-
cundaria y educación superior según efecto sobre el nivel de de-
sarrollo socioeconómico cantonal. Fuente: Elaboración propia.
Prioridad Secundaria Superior
1 Talamanca Talamanca
2 Sarapiquí Sarapiquí
3 Los Chiles Los Chiles
4Buenos Aires Buenos Aires
5 Matina Matina
6 Upala Upala
7 Guatuso La Cruz
8 La Cruz Guatuso
9 Pococí Pococí
10 Guácimo Osa
Como puede observarse la tabla 10, los cantones de Ta-
lamanca, Sarapiquí, Los Chiles, Buenos Aires, Matina y
Upala ocupan los seis primeros lugares en necesidad de
inversión para optimizar su IDS. A partir de la priori-
dad siete, cambia el cantón según se trate de fortalecer la
educación secundaria o primaria. La sétima prioridad en
fortalecimiento de educación secundaria corresponde al
cantón de Guatuso, pero la sétima prioridad en inversión
en educación superior corresponde al cantón de La Cruz.
Sin embargo, el hecho de que la educación superior com-
prenda el nivel de escolaridad requerido para completar
la secundaria puede introducir un sesgo en las prioridades
en la inversión en educación superior. En este sentido,
puede obtenerse una mejor priorización si se parte de la
contribución marginal de la educación superior al incre-
mento en el IDS cantonal, una vez que la población ha
completado la educación secundaria.
Conclusiones
Según se indicó en la introducción, el objetivo general
de esta investigación ha sido evaluar cuantitativamente
la contribución de la educación, en los niveles formales
de primaria, secundaria y superior al desarrollo socioe-
conómico del país. El modelo desarrollado y estimado
para tales efectos permitió cuantificar el aporte del factor
educativo en el desarrollo socioeconómico tanto nacio-
nal como cantonal, además de otros factores importantes
como la salud, el ingreso, el acceso a las nuevas Tecnolo-
gías de Información y Comunicación y las características
de urbanidad de cada cantón.
El modelo permitió enlazar, con resultados satisfactorios,
el proceso de desarrollo socioeconómico del país (re-
presentado por el Índice de Desarrollo Social cantonal)
con los cambios en la variable de estudio Educación (re-
presentada por el nivel de escolaridad de cada cantón).
Las regresiones o los ajustes econométricos realizados
42
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
han demostrado que la educación es un factor que contri-
buye significativamente en el desarrollo socioeconómico.
Debido a esta situación, la investigación proporciona
bases empíricas para demostrar que, en el caso costarri-
cense, la inversión en educación ha contribuido con su
desarrollo. Además, dada la significancia estadística de
los coeficientes proporcionados por el análisis economé-
trico, se observa que el papel desempeñado por el sector
educativo dentro del desarrollo social ha sido importante.
El modelo Log-Log permitió determinar que la educación
primaria ha sido relevante para el desarrollo socioeconó-
mico alcanzado por el país. Se trata del nivel que más ha
contribuido con ese desarrollo y seguido por la educación
superior. Estos resultados son consistentes con los ha-
llazgos de Daglio (2005), ya comentados en los antece-
dentes internacionales reseñados.
Los ejercicios de simulación realizados con el modelo
semilogarítmico permiten concluir que las necesidades
de completar la educación secundaria son mayores en los
cantones rurales que en los cantones urbanos, de manera
que la inversión en educación secundaria dirigida a estos
cantones puede contribuir a cerrar la brecha en el nivel
educativo de secundaria entre cantones. No obstante, el
completar la educación superior para los cantones urba-
nos tiene un impacto mayor sobre el IDS nacional que
completar la educación superior en los cantones rurales.
Como corolario de la simulación, se observó que la con-
tribución marginal de la educación superior al incremento
en el IDS (una vez que se completó la educación secun-
daria a nivel cantonal), es mayor en los cantones urbanos
en relación con los cantones rurales.7
Una explicación de esta situación puede encontrarse en el
estilo de desarrollo seguido por el país a partir de la dé-
cada de 1980, dado que se ha privilegiado el crecimiento
económico de los cantones urbanos donde existen mayo-
res posibilidades de empleo e ingresos para las personas
que completan la educación superior en relación con las
oportunidades de empleo para profesionales en los canto-
nes rurales. Además, debe considerarse que los cantones
urbanos poseen un mayor nivel de escolaridad en secun-
daria; por tanto, su población está en mayor capacidad de
aprovechar las facilidades creadas para acceso a la edu-
cación superior en relación con la población de las zonas
rurales.
Los resultados anteriores son importantes en la orien-
tación de la política pública en materia de inversión en
educación secundaria, dado que la asignación de recursos
7 No fue posible realizar simulaciones con base en la educación primaria porque, en general, el país cubre la escolaridad pro-
medio en ese nivel educativo.
para completar la educación secundaria de la población
contribuirá mayormente con el nivel de desarrollo del
país si es dirigida preferentemente a los cantones rurales
que a los cantones urbanos.
A pesar de lo anterior, que presenta el resultado nacional
de invertir recursos para elevar los niveles promedio de
escolaridad, los resultados para los cantones individual-
mente son diferentes al promedio nacional. Esto debe
ser así, porque cada cantón parte de una base diferente
de escolaridad promedio. En este sentido, los aumentos
en el IDS cantonal son mayores en los cantones donde el
nivel de escolaridad es menor, situación que no se refleja
en el promedio nacional, pero sí en los resultados para
cada cantón independiente.
Debido a lo anterior, el modelo provee de un instrumento
adicional para focalizar tanto las inversiones en educa-
ción básica como superior, de tal manera, si el objetivo de
la política pública es reducir la desigualdad en desarrollo
socioeconómico entre los cantones del país, el instrumen-
to permite establecer un orden jerárquico de necesida-
des de inversión en educación secundaria y superior, de
manera que se logre un desarrollo socioeconómico más
equilibrado. Asimismo, el ajuste econométrico permite
observar que la inversión en educación posee rendimien-
tos decrecientes; es decir, que, una vez logrados los avan-
ces significativos en mejorar los niveles de educación
para una comunidad, la realización de más inversiones
en el mismo campo y para la misma región contribuirían
cada vez menos con el desarrollo socioeconómico.
El anterior resultado es importante para el diseño de la
política pública en materia de inversión en educación,
pues indica que los aumentos en el desarrollo nacional se-
rán mayores si se invierte en las zonas menos favorecidas
en materia educativa. De esta forma, para un incremen-
to similar en la inversión en educación, las ganancias en
desarrollo regional serán mayores en aquellos cantones
donde el nivel de escolaridad es menor que en relación
con aquellos cantones donde el nivel de escolaridad es
superior al promedio nacional. El modelo estimado tam-
bién demuestra que para el país la inversión en Educación
Primaria ha sido fundamental dentro del desarrollo so-
cioeconómico, seguida por la Educación Superior.
Los resultados de esta investigación deben contextuali-
zarse en las limitaciones propias del paradigma de inves-
tigación que la sustenta. En primer lugar, se trata de un
enfoque cuantitativo y, por tanto, deja de lado aspectos
importantes o externalidades positivas de la educación
como motor de desarrollo humano y social. En segundo
43
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
lugar, las estimaciones se basan en una muestra de datos
transversales para el año 2011 correspondientes, en ma-
yor medida, al censo nacional; por tanto, no contempla
aspectos dinámicos propios del proceso de desarrollo.
Las proyecciones o las simulaciones definidas suponen
que los cantones mantienen las condiciones estructurales
del año 2011.
Referencias
Arezki, R. y Quintyn, M. (2013). Grados de desarrollo:
Nuevos datos sugieren que la economía funcio-
na mejor cuanto mayor es el nivel educativo de
sus empleados públicos. Finanzas y Desarrollo .
Fondo Monetario Internacional.
Banco Mundial (1996). Prioridades y estrategias para la
educación. Washington D.C.
Banco Mundial (2000). Educación Superior en los
Países en Desarrollo: Peligros y Promesas.
Washington D.C.
Barragán, J. (2010). Impacto que tiene la inversión en
educación superior sobre el desarrollo econó-
mico: Factor crítico de progreso económico.
Daena: International Journal of Good Conscience,
5 (1), 47-57.
Barro, R. (1991). Economic growth in a cross section
of countries. Quaterly Journal of Economics, 106
(2), 407-443.
Barro, R. (1996). Determinants of economic growth: a
cross-country empirical study. NBE Working pa-
per series.
Becker, G. (1983). El capital humano. Alianza Editorial
Madrid.
Briceño, A. (2011). La educación y su efecto en la forma-
ción de capital humano y en el desarrollo econó-
mico de los países. Apuntes del CENES 30 (51),
45–59.
Cabrillo, F. (1996). Matrimonio, familia y economía.
Minverva Ediciones, S.L.
Capocasale, A. (2000). Capital humano y educación:
Otro punto de vista. Revista Nueva Sociedad,
165, 73-84. [Archivo pdf]. Recuperado de: http://
www.nuso.org/upload/articulos/2826_1.pdf
Cañibano, C. (2005). El capital humano: factor de inno-
vación, competitividad y crecimiento. Conferen-
cia para el sexto congreso de economía de Nava-
rra. [Archivo html]. Recuperado de: http://www.
navarra.es/home_es/Temas/Empleo+y+Econo-
mia/EconomIa+de+Navarra/ Bibliografia+Pu-
blicaciones/Actas+Congreso+Economia/Sexto+-
Congreso.htm
Castro, C. (2010). Resultados y políticas educativas en
primaria y secundaria. Programa Estado de la
Nación. San José.
Chystilin, D. (2011). Estudio sobre desarrollo económi-
co: principios básicos, modelo y evidencia em-
pírica. Ensayos Revista de Economía–Volumen
XXX, No.1
Daglio, D. (2005). Apostar a la educación como estra-
tegia para el desarrollo económico: ¿puede Asia
servir de ejemplo a América Latina? Pontificia
Universidad Católica Argentina.
Giménez, G. (2003). Concepto y medición del capital
humano e interrelación con los factores de creci-
miento. [Archivo pdf]. Recuperado de: http://za-
guan.unizar.es/record/1900/files/ TUZ_0025_gi-
menez_concept.pdf
Gujarati, D. y Porter, D. (2010). Econometría. (5ª ed.).
México: McGraw-Hill.
Hanushek, E. (2005). Por qué importa la calidad de
la educación. Revista Finanzas y Desarrollo.
Fondo Monetario Internacional.
Hernández, R., Fernández, C. y Baptista, P. (2010).
Metodología de la investigación. (5ª ed.).
Perú: Mc Graw-Hill.
Jiménez, R. (2014). Educación pública en Costa Rica:
Políticas, Resultados y gasto. Academia de
Centroamérica. [Archivo pdf]. Recuperado
de: http://www.academiaca.or.cr/wp-content/
uploads/2014/08/Analisis-Ronulfo-6-2014C.pdf
Jiménez, R., Robles, E. y Arce, G. (2009). Educa-
ción y crecimiento económico en Costa Rica.
Obstáculos al crecimiento económico de Costa
Rica. Academia de Centroamérica. [Archivo pdf].
Recuperado de: http://ebcconsultores.com/Obsta-
culos%20al%20 crecimiento%20economico%20
de%20Costa%20Rica.pdf
44
Yulök Revista de Innovación Académica, ISSN 2215-5147, Vol. 2, N.º 1
Enero-Diciembre 2018, pp. 26-44
Sandoval, J. Contribución de la educación en el desarrollo socioeconómico regional de
Costa Rica: un análisis econométrico.
Kovacs, M. (2004). Educación y crecimiento económico.
Tesis de Licenciatura. [Archivo pdf]. Recuperado
de: http://200.16.86.50/digital/33/tesis/t0097000.
pdf
Maddala, G. (1996). Introducción a la econometría.
(2ª ed.). Printice-Hall Hispanoamericana S.A.
Ministerio de Planificación Nacional y Política Económi-
ca (2013). Índice de desarrollo social cantonal.
MIDEPLAN. Área de Análisis del Desarrollo.
Mora, R. y Ramos, P. (2004). Educación y conocimien-
to en Costa Rica: desafíos para avanzar hacia
una política de Estado. Serie de Aportes para
el análisis del desarrollo humano sostenible, 8.
Programa Estado de la Nación.
Moreno, J. y Ruiz, P. (2009). La educación superior y
el desarrollo económico en América Latina.
Serie Estudios y Perspectiva No. 106. CEPAL.
Naciones Unidas (2013). Informe sobre desarrollo hu-
mano 2013. [Archivo pdf]. Recuperado de:
http://www.undp.org/content/dam/undp/library/
corporate/HDR/2013GlobalHDR/Spanish/
HDR2013%20Report%20Spanish.pdf
Neira, I. (2007). Capital humano y desarrollo económico
mundial: modelos econométricos y perspectivas.
Revista Estudios Económicos de Desarrollo Inter-
nacional 7 (2), 53-80.
Neira, I. y Portela, M. (2003). Cooperación y desarro-
llo: El papel de la educación en el Desarrollo
Latinoamericano. Economía de la Educación.
[Archivo pdf]. Recuperado de: http://www.eco-
nomicsofeducation.com/wp-content/uploads/ge-
tafe2003/9.pdf
Psacharopoulos, G. y Patrinos, H. (2004). Returns to
Investment in Education: A Further Update.
Education Economics, 12 (2), 314-321.
Pulido, A. (1987). Modelos econométricos. (2ª ed.).
España: Ediciones Pirámide.
Rojas, B. (2011). Manejo avanzado de EViews 7.
Software Shop. [Archivo pdf]. Recuperado de:
http://www.software-shop.com
Sandoval, J. (2015). Estudio cuantitativo de la contribu-
ción de la inversión en educación primaria, se-
cundaria y superior en el desarrollo socioeconó-
mico regional de Costa Rica. Tesis para optar por
el Grado de Doctor en Ciencias de la Educación.
Universidad Católica de Costa Rica.
Tilak, J. (2007). Educación superior, pobreza y desarro-
llo. Revista del Instituto Internacional de Planea-
miento de la Educación, XXV (1). [Archivo pdf].
Recuperado de: http://unesdoc.unesco.org/ima-
ges/0019/001928/192899s.pdf
Tinbergen, J. (1978). El uso de modelos: experiencia y
perspectiva. México: Fondo de Cultura Econó-
mica.
Trejos, J. (2010). La inversión social pública en educa-
ción: 2000-2009. San José, Programa Estado de
la Nación.
Trejos, J., Castillo, W. y González, J. (2014). Análisis
multivariado de datos: Métodos y aplicaciones.
San José. Editorial de la Universidad de Costa
Rica.
Ulate, A. (2012). Índice de competitividad cantonal de
Costa Rica. Observatorio del Desarrollo de la
Universidad de Costa Rica. [Archivo pdf]. Re-
cuperado de: http://www.icc.odd.ucr.ac.cr/docs/
ICC-OdD-2012.pdf
Varghese, N. (2007). Educación superior y desarrollo.
Revista del Instituto Internacional de Planea-
miento de la Educación, XXV (1). [Archivo pdf].
Recuperado de: http://unesdoc.unesco.org/ima-
ges/0019/001928/192899s.pdf
Villalobos, G. y Pedreza, R. (2009). Perspectiva de la
teoría del capital humano acerca de la rela-
ción entre educación y desarrollo económico.
Revista Tiempo de educar, 10 (20), 273-306.
