Ingreso y nivel educativo: seis grupos y un ANOVA

La pregunta

¿El ingreso difiere según el nivel educativo alcanzado?

Son 15.365 ocupados de 18 años o más de la EPH del primer trimestre de 2026, con ingreso positivo de la ocupación principal, clasificados en los seis niveles educativos del relevamiento.

Los seis grupos

Nivel educativo	$n$	Media	Desvío	Mediana
Primario incompleto	349	$629.074	$696.463	$500.000
Primario completo	1.683	$701.356	$598.292	$600.000
Secundario incompleto	2.399	$753.550	$848.004	$600.000
Secundario completo	5.075	$917.169	$903.934	$800.000
Superior incompleto	2.190	$981.895	$820.499	$800.000
Superior completo	3.669	$1.428.475	$1.317.167	$1.100.000
Total	15.365	$992.760

El orden es el esperado y el salto grande está al final: quienes completaron el nivel superior ganan un 45 % más que el grupo inmediato anterior.

El ANOVA

Fuente	Suma de cuadrados	gl	Cuadrado medio	$F$
Entre grupos	$1{,}0522 \times 10^{15}$	5	$2{,}1043 \times 10^{14}$	223,23
Dentro de los grupos	$1{,}4479 \times 10^{16}$	15.359	$9{,}4268 \times 10^{11}$
Total	$1{,}5531 \times 10^{16}$	15.364

$$F(5;\, 15.359) = 223{,}23 \qquad p < 10^{-230} \qquad \eta^2 = 0{,}068 \qquad \omega^2 = 0{,}067$$

Dicho de otro modo: la variabilidad dentro de cada nivel educativo es catorce veces mayor que la que hay entre los niveles. Saber cuánto estudió una persona mejora poco la predicción de su ingreso.

Los supuestos, que no se cumplen

Supuesto	Diagnóstico
Homogeneidad de varianzas	Violado: Levene $p < 0{,}001$; la varianza mayor es 4,85 veces la menor
Normalidad de los residuos	Violado: asimetría 10,9
Independencia	Dudoso: el diseño de la EPH es por conglomerados

La alternativa no paramétrica coincide: Kruskal-Wallis da $H = 1.768{,}1$ con 5 grados de libertad, $p < 0{,}001$. Las conclusiones no cambian.

Las comparaciones post hoc

El $F$ dice que al menos dos niveles difieren. Tukey dice cuáles: de los 15 pares posibles, 11 son significativos y 4 no.

Los cuatro que no se distinguen:

Par	Diferencia	$p$
Primario incompleto vs. Primario completo	$72.281	0,804
Primario incompleto vs. Secundario incompleto	$124.475	0,221
Primario completo vs. Secundario incompleto	$52.194	0,538
Secundario completo vs. Superior incompleto	$64.725	0,095

Es un hallazgo sustantivo que el ANOVA global no muestra y que aparece solo al hacer las comparaciones de a pares.

Dos factores: educación y sexo

	Varones	Mujeres	Brecha
Hasta secundario incompleto	$860.221	$473.819	$386.402
Secundario completo o más	$1.269.380	$935.802	$333.577

Las dos brechas son parecidas en pesos —$386 mil contra $334 mil—, así que en escala absoluta la interacción es débil: el efecto del sexo es más o menos el mismo en los dos niveles educativos.

Pero en términos relativos la historia cambia: las mujeres sin secundario ganan un 45 % menos que sus pares varones, y las que lo completaron, un 26 % menos.

Reproducirlo

# R
d <- eph |> filter(ESTADO == 1, P21 > 0, CH06 >= 18, NIVEL_ED %in% 1:6)

modelo <- aov(P21 ~ factor(NIVEL_ED), data = d)
summary(modelo)                       # F = 223.23
effectsize::eta_squared(modelo)       # 0.068

car::leveneTest(P21 ~ factor(NIVEL_ED), data = d)
kruskal.test(P21 ~ factor(NIVEL_ED), data = d)
TukeyHSD(modelo)

oneway.test(P21 ~ factor(NIVEL_ED), data = d)   # Welch, sin homocedasticidad

# Python
from scipy import stats
stats.f_oneway(*grupos)
stats.kruskal(*grupos)
stats.levene(*grupos, center="median")

import statsmodels.formula.api as smf
modelo = smf.ols("P21 ~ C(NIVEL_ED)", data=d).fit()
import statsmodels.api as sm
sm.stats.anova_lm(modelo)

El script completo es datos/eph/preparar-anova-m11.py.