El salario real en la industria manufacturera en México

Un análisis de largo plazo a la productividad y el

desempleo desde 1990

García Reyes Alberto Amaury; Olvera Lujano Luis Jesús;

Rodríguez Sandoval César Oswaldo; Tapia Herrera Rodrigo.

Resumen: En el presente trabajo se

Introducción
El mercado laboral en México, es un tema de gran importancia que resalta como una variable
de gran significancia para la movilidad de capitales. Los bajos salarios recaen drásticamente
de manera negativa para la industria manufacturera y maquiladoras (principalmente) de
empresas extranjeras en cuanto a la baja capacidad de formación de valor agregado -en otros
sectores como el comercio, servicios financieros, banca privada, servicios inmobiliarios,
entre otros, también ha venido influyendo este diferencial, pero las manufacturas, han sido el
principal vínculo para el crecimiento de las exportaciones y han dado el enfoque de
especialización para la economía-.

Desde la década de 1990, con la firma del tratado del TLCAN en 1994, se sustituyó
definitivamente el modelo de industrialización por sustitución de importaciones para adoptar
uno de crecimiento a través de inversión extranjera y exportaciones hacia el sector externo,
sin embargo, esto conllevo una mala formación de competitividad a través de los salarios. A
partir de entonces, se ha dado una gran participación a la política económica del aumento
salarial -no es que antes jamás hubiese existido, sino que las continuas devaluaciones de la
moneda frente al dólar tras el TLCAN redujeron drásticamente el poder adquisitivo del peso
mexicano -, aunque ha sido inefectiva en términos reales y nominales.

Desde entonces, el mercado laboral de trabajo en México, al igual que en América Latina, se
ha comportado de manera no uniforme debido a la curva de oferta y demanda de trabajo,
derivadas de las preferencias de los trabajadores. La elección de cada individuo entre trabajo
y ocio viene determinada, por tanto, por la comparación entre la utilidad y la desutilidad que
les produce trabajar (Salomón, 2015). De este análisis también se deriva las consecuencias
del aumento de la informalidad en el mercado de trabajo, igualmente consecuencia directa
del sobre aumento de la mano de obra que buscaban las políticas de crecimiento económico
en América Latina desde la década de 1940. (Cota Yañez & Navarro Alvarado, 2015).

Lo aquí se plantea es verificar que se cumplan las relaciones que fundamentan la teoría sobre
la relación entre salarios, productividad laboral y el desempleo. Observar la flexibilidad o
rigidez de los salarios en el sector manufacturero mexicano y ver cómo influye la posibilidad
de migración de trabajo dentro de las preferencias de los empleados en el largo plazo al igual
que las expectativas que se puedan correlacionar con este tema en particular. Dar un análisis
y reflexión sobre el debate de la importancia de esta industria para México desde un enfoque
micro y macro.
 1. El debate sobre el salario de eficiencia y el rol del desempleo
en su determinación
Desde la época de la primera revolución industrial, la productividad del trabajo está asociada
al nivel del salario empleado en una determinada empresa o industria, en términos generales,
si el trabajador es muy producto recibe más salario, si es muy poco productivo tendrá
menores ingresos. Solow (1956) retoma la identidad de la productividad marginal del trabajo
como el salario real, en términos algebraicos, esto es:

𝜕𝐹 𝑤
=
𝜕𝐿 𝑝

O bien puede definirse en términos de contabilidad nacional:

𝜕𝐹 𝑞
=
𝜕𝐿 𝑝

Este enfoque tradicional sobre la productividad determina que el salario real -o bien,
producción real de una economía- es en sí, una variable de juego para acrecentar la
acumulación. La curva de oferta de trabajo viene determinada por igual forma por el nivel de
salario real de una economía. Solow, asume que si la curva es inelástica respecto al salario
estará determinada mediante la siguiente expresión:

𝑤
𝐿 = 𝐿0 𝑒 𝑛𝑡 ( )ℎ
𝑝

En adición, las teorías modernas, derivadas de la teoría general de Keynes de 1936, han
venido añadiendo más conceptos adicionales para micro fundamentar el análisis del
comportamiento del salario, como es el caso del desempleo. Aunque, la curva Phillips en un
principio no planteo una relación específica entre el desempleo y el salario, sino que
profundizó sobre el desempleo y la inflación, la incorporación de la tasa natural de desempleo
concedió los conceptos de rigidez y flexibilidad de salarios para determinarlo en el nivel del
salario de eficiencia, cuyo análisis que ha venido realizándose en las últimas décadas ha
atendido a las diferentes variables que sustentan la relación salario-productividad (Caraballo
Pou, 1996).
La curva de Phillips (1958), que interpretó una serie de datos estadísticos ingleses llegando
a la conclusión de que el coste de bajar la inflación era aumentar el nivel de desempleo,
también demostró que el nivel de salarios aumentaba en relación al crecimiento de la
productividad a tasas de desempleo considerablemente bajas o dentro del nivel de aceptación
(Phelps, 1968). La compensación de un aumento salarial siempre iba acompañada en una
variación en el nivel del desempleo.

Los diferentes niveles de salarios respecto al salario de equilibrio son fijados a un cierto nivel
de productividad y de beneficios. En este sentido, el salario de eficiencia se puede definir
como aquel que minimiza los costos y refleja el nivel más alto de productividad (López &
Mendoza , 2016). En adición a la idea anterior, la teoría microeconómica moderna enfatiza
mucho en los costes generados por una movilidad en el personal de una empresa, dicho de
otra forma, se ve perjudicada cuando uno de sus trabajadores renuncia y emigra hacia otro
sector o firma. No sólo representa una baja en la productividad sino además se interviene en
una pérdida de los beneficios pues ya ha invertido para poder contratar a su empleado, como
contratos, publicidad, entrevistas, etcétera.

Caraballo (1996), introduce un modelo de minimización de costes por abandonos de

contratos. El número de abandonos en una empresa puede definirse mediante la siguiente
función: 𝐴 = 𝑎(𝑤, 𝑧)𝐿. El coste puede definirse mediante la siguiente ecuación:

𝐶 = 𝑤𝐿 + 𝐽 = 𝑤𝐿 + 𝑗𝑎(𝑤, 𝑧)𝐿

Donde w es el salario que se da en la empresa, L el número de trabajadores o un monto

definido de trabajo de la empresa, z es el salario que se paga en otra empresa, a es el
porcentaje de trabajadores que abandonan la empresa y j es el costo de aprendizaje del nuevo
trabajador. El salario para minimizar dicho coste estará dado entonces por:

𝜕𝑐 𝜕𝑎 𝑗𝜕𝑎
= 0 =𝐿+𝑗 𝐿 → 1 = −𝑗
𝜕𝑤 𝜕𝑤 𝜕𝑤

Es decir, el coste por un incremento en una unidad del salario debe de ser igual a los ahorros
en los costes de la contratación de nuevos trabajadores.
 2. Presentación de las estadísticas y modelo econométrico
Como se trató en el apartado anterior, las variables de mayor determinación de la curva de
salarios en una economía son la productividad y el desempleo. Dada la teoría analizada se
propone un modelo econométrico empírico con respaldo en los autores: Aixalá & Pelet
(2014), Rodríguez & Castillo (2009) y Caraballo (1996).

La determinación de los salarios entonces queda definida por la siguiente ecuación lineal:
𝑤
= 𝛽0 + 𝛽1 𝑔𝑡 + 𝛽2 𝑢𝑡
𝑝
Donde w/p es el salario real, 𝑔𝑡 es el nivel de productividad, 𝑢𝑡 es la tasa de desempleo
abierta, y las betas son los estimadores. Para el calculo del salario real se tomó como
referencia las remuneraciones totales de las industrias manufactureras y se deflactó con el
índice de precios implícitos del PIB (2013 = 100) de 1990 a 2017. Para el índice de
productividad se empleó la productividad laboral, para ello se uso la producción total de las
manufacturas a precios del 2013 y se dividió entre el total de horas empleadas de la misma
rama para todo el periodo de estudio.

Para fines de la regresión del modelo econométrico, cada serie fue usada de forma logarítmica
con excepción de la tasa de desempleo abierta. A continuación, se presentan las gráficas para
dar un panorama general de las series estadísticas.

Gráfico 1. Logaritmo natural del salario real de las manufacturas. 1990 – 2017.

13.7
13.6
13.5
13.4
13.3
13.2
13.1
13
1990
1991
1992
1993
1994
1995
1996
1997
1998
1990
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017

Periodo

Salario real (2013 = 100)

 Gráfico 2. Logaritmo natural de la productividad de las manufacturas. 1990 – 2017.

1990
1991
1992
1993
1994
1995
1996
1997
1998
1990
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
-0.2

-0.4

-0.6

-0.8

-1
Periodo

Productividad

Gráfico 3. Tasa de desempleo abierta. 1990 – 2017.

7
6
5
4
3
2
1
0
1990
1991
1992
1993
1994
1995
1996
1997
1998
1990
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
Periodo

Tasa de desempleo abierta

Detalla las variables aquí hasta que te termnines la pagina

 3. Resultados de la regresión del modelo econométrico

El tipo es estimación fue realizado a través de un modelo de regresión lineal a través del
método de obtención de mínimos cuadrados ordinarios (MCO).

Tabla 1. Principales estadísticos de la regresión lineal del modelo econométrico.

Source SS df MS MS Number of obs 28

F(2, 25) 22.63
Model 0.16611752 2 0.0830588 Prob > F 0
Residual 0.09176635 25 0.0036707 R-squared 0.6442
Adj R-squared 0.6157
Total 0.25788387 27 0.0095513 Root MSE 0.06059

Tabla 2. Coeficientes de regresión.

lsalario Coef. Std. Err. t P>t [95% Conf. Interval]

lplaboral 0.2078201 0.0757634 2.74 0.011 0.0517824 0.3638577
un -0.076421 0.0114731 -6.66 0 -0.1000505 -0.052792
_cons 13.82846 0.0668249 206.94 0 13.69084 13.96609

Los parámetros resultantes corroboran la teoría sobre el efecto de variación positivo del
salario real sobre la productividad laboral y el efecto negativo sobre la tasa de desempleo. Se
observa que por cada punto que sube la productividad laboral el salario sube en apenas .20
por ciento, lo cual refleja una alta tasa de participación activa del salario en la producción
total del sector en términos de valor agregado, y que también además pone en relieve la
insuficiencia de la política económica salarial sobre productividad en el empleo, a pesar de
la importancia de la industria para la economía mexicana.

Por otra parte, la tasa de desempleo de igual forma cumple con los supuestos teóricos sobre
la reducción de costos de las empresas y preferencias laborales, aunque la variación es casi
mínima ya que por cada punto que disminuye el nivel de desempleo, el salario real crece en
apenas 0.076 por ciento. Esto, para el sector de las industrias manufactureras y en especial
para el caso mexicano, se explica en gran medida por el salario de equilibrio del mercado de
trabajo pues, al compararlo con la mediana del ingreso nacional que es de aproximadamente
4,565.00 (Secretaría de Trabajo y Previsión Social, 2018) pesos, las remuneraciones de este
sector se encuentran casi tres veces por encima con un aproximado de 12,011.00 pesos (El
economista, 2018). Es decir, la tasa de desempleo está casi en equilibrio por su solvencia de
capacidad del ingreso para el gasto de los hogares de un trabajador de este sector.

Asimismo, el coeficiente R2 resultó de 0.6442 lo cual dice que la especificación del modelo
en la selección de variables estadísticas y construcción de las mismas se encuentran en
niveles aceptables de confianza, con todas las variables por igual forma dentro del rango de
significancia.

4. Pruebas estadísticas

Homocedasticidad
Las pruebas empleadas para la verificación del supuesto de homocedasticidad fueron la de
Breusch-Pagan y la de White.

Tabla 3. Resultados de las pruebas estadísticas del supuesto de homocedasticidad.

Prueba Estadístico Probabilidad asociada Hipótesis
Breusch-Pagan 0.08 0.7744 Se acepta H0
White 9.511166 0.0903 Se acepta H0

Tabla 4. Pruebas de homocedasticidad a través del estadístico F.

Prueba F F tablas Hipótesis

Breusch-Pagan 2.10 3.01 Se acepta H0
White .1555 3.39 Se acepta H0

En ambos casos el modelo presentó varianza uniforme en la distribución de los errores, es

decir, presentó homocedasticidad. Por lo tanto, las variables explicativas fueron eficientes ya
que no explican el término del error.

Autocorrelación
Tabla 5.

Prueba Estadístico Hipótesis

t para correlación 3.15 > .8234 Se rechaza H0
D-Watson .8983 Se rechaza H0
D-watson (Prais-Winsten) 1.567225 Se acepta H0
Para el supuesto de no autocorrelación, las pruebas utilizadas fueron la prueba t de
autocorrelación y la de Durbin-Watson. La primera prueba indico que el modelo si presenta
autocorrelación entre los residuos de la regresión, esto debido a una mala especificidad en la
tasa de desempleo por parte de la metodología para su obtención -en épocas de recesión la
metodología resulta sumamente ineficiente porque basta trabajar más de una hora en el
tiempo de referencia para que te tomen como ocupado- y por la presencia de estacionalidad
afectadas por la recuperación de la economía en las crisis de 1994 y de 2008, por lo que
ocasiona que el valor registrado dependan entre si mismos.

Para la de Durbin-Watson, la prueba original rechazo la hipótesis nula, sin embargo, la prueba
Prais-Winsten arrojó un valor de1.5672 lo cual lo ubica en mejores niveles óptimos de
confianza a comparación con la de Watson, por lo que se deduce que el modelo no presenta
problemas de autocorrelación.

Conclusiones
Bibliografía

Aixalá, J., & Pelet Carmen. (2014). Salarios reales, desempleo y productividad en España.
Cuadernos de econoomía, 33(63), 447-468.
Caraballo Pou, M. Á. (1996). Salarios, productividad y empleo: La hipótesis de los salarios
de eficiencia // Wages, productivity and employment: the efficiency wage hypothesis.
Cuadernos de Estudios Empresariales(8), 105-127.
Cota Yañez, R., & Navarro Alvarado, A. (2015). Análisis del mercado laboral y el empleo
informal mexicano. Papeles de población(85), 211-249.
G., C. S. (2012). Desempleo y determinación de salarios en la industria manufacturera de
México. Un análisis mediante paneles dinámicos. Econoomía mexicana NUEVA ÉPOCA,
XIX(1), 171-198.
García, A. K. (20 de Junio de 2018). Los salarios en el sector manufacturero aumentaron más
de 11 % en abril. El economista.
Ignacio, G. P. (1997). Las tasas de salia del empleo y el desempleo en España (1978-1993).
Investigaciones económicas, XXI(1), 29-53.
Isaac, M. (2012). El rol del desempleo en la determinación del salario: evidencia empírica
para Lima Metropolitana. Lima: CIES-UNMSM.
López, M. J., & Mendoza , C. J. (2016). Salarios, desempleo y productividad laboral en la
industria manufacturera mexicana. Ensayos Revista de economía, 36(2), 185-228.
Phelps, S. E. (1968). Money-Wage Dynamics and Labor-Market Equilibrium. The Journal
of Political Economy, 76(4), 678-711.
Rodríguez Espinosa, M., & Castillo Ponce, R. (2009). Empleo, productividad y salarios en
México: Un análisis de corto y largo plazo para el sector maufacturero. EconoQuantum, 5(2),
7-21.
Salomón, G. R. (2015). El salario y la productividad en América Latina: un análisis de
descomposición de varianza, 1998 - 2013. Ciudad de México: Fundación Rafael Preciado
Hernández.
Secretaría de Trabajo y Previsión Social. (20 de Mayo de 2018). Indicadores clave/mediana
del ingreso mensual real de los ocupados. Obtenido de
https://datos.gob.mx/busca/dataset/indicadores-clave-mediana-del-ingreso-mensual-real-de-
los-ocupados
Solow, R. M. (1956). A Contribution to the Theory of Economic Growth. The Quarterly
Journal of Economics, 70(1), 65-94.
 Anexos estadísticos

Año Tasa de Remuneraciones IPI total Salario real Producción de Horas Productividad Logaritmo Logaritmo
desempleo totales del sector de la de la las industrias trabajadas laboral natural natural del
(promediada manufacturero economía industria de manufactureras (miles) de la del salario nivel de índice
anual o en millones de (2013 = las en millones de industria de real de
mensual) pesos corrientes 100) manufacturas pesos (2013 = las productividad
(2013 = 100) 100) manufacturas
1990 2.75 64748.235 10.4 622579.1827 5087339.858 11991521.68 0.424244728 13.34163 -0.8574448
1991 2.6 82221.801 12.3 668469.9268 5371728.289 12094425.94 0.444149091 13.41275 -0.811595
1992 2.8 100454.546 13.8 727931.4928 5615763.317 12273255.98 0.457561003 13.49796 -0.781845
1993 3.5 108074.797 15.2 711018.4013 5648213.086 11969671.05 0.471877052 13.47445 -0.7510368
1994 3.7 114993.009 16.4 701176.8841 5949761.045 11680940.44 0.509356338 13.46052 -0.6746075
1995 6.2 127291.148 23.4 543979.265 5757595.143 10952916.97 0.525667743 13.20667 -0.643086
1996 5.5 167941.546 30.2 556097.8344 6358559.532 11599598.01 0.54817068 13.2287 -0.6011686
1997 5.5 218563.254 35.6 613941.7247 7000530.794 12471514.95 0.561321606 13.32766 -0.5774612
1998 3.2 273953.397 40.4 678102.4678 7683260.083 13017983.27 0.590203561 13.42705 -0.5272877
1990 2.5 329341.826 46.1 714407.4317 7943736.62 13282286.38 0.59806997 13.47921 -0.5140475
2000 2.6 395893.261 51.2 773229.0254 8514147.137 13614216.8 0.625386481 13.55833 -0.4693854
2001 2.8 421117.346 53.3 790088.8293 8293046.893 13088241.01 0.633625778 13.5799 -0.4562967
2002 3.0 428152.768 55.7 768676.4237 8257841.435 12067108.87 0.684326422 13.55243 -0.3793203
2003 3.4 431511.979 58.7 735114.1039 8203953.522 13337932.01 0.615084371 13.50778 -0.4859959
2004 3.9 459066.857 63.9 718414.4867 8515741.022 13429672.8 0.63409892 13.4848 -0.4555503
2005 3.6 476680.938 67.9 702033.782 8792965.191 13509678.11 0.650864152 13.46174 -0.4294544
2006 3.6 509207.687 72 707232.8986 9351204.725 13776715.55 0.678768803 13.46912 -0.3874747
2007 3.3 517923.897 76.1 680583.3075 9537214.679 13480739.86 0.707469677 13.43071 -0.3460605
2008 3.4 537169.169 82.5 651114.1442 9333358.295 13309530.91 0.701253737 13.38644 -0.3548855
2009 5.1 523623.775 84.5 619673.1065 8361276.653 12421983.14 0.673103204 13.33695 -0.3958566
2010 5.2 538871.074 88.7 607520.9402 9090589.265 12623255.83 0.720146164 13.31714 -0.3283011
2011 5.2 560862.381 95 590381.4537 9245307.118 12837581.18 0.720175163 13.28852 -0.3282608
2012 4.8 605047.629 99.3 609312.8187 9570459.446 13202265.17 0.724910409 13.32009 -0.3217072
2013 5.0 678914.798 100 678914.798 9638159.956 14176226.78 0.679881897 13.42825 -0.3858362
2014 4.9 712533.416 103 691780.0155 9976554.925 14249769.93 0.700120421 13.44702 -0.3565029
2015 4.3 777604.291 105.7 735671.0416 10201878.37 14874129.03 0.685880723 13.50854 -0.3770515
2016 3.9 830222.605 112.8 736012.9477 10226640.81 15081291.38 0.678101135 13.509 -0.3884588
2017 3.5 895143.53 122.1 733123.2842 10518253.25 15418044.89 0.682204088 13.50507 -0.3824264

Fuente: elaboración propia con base en datos de INEGI: Sistema de cuentas nacionales. ENOE. BIE. Series desactualizadas: ENUE.