Regional differentiation of human capital – analysis based on the Mincer wage equation

Authors

DOI:

https://doi.org/10.15584/nsawg.2022.1.3

Keywords:

human capital, Mincer wage equation, regional analysis

Abstract

The main objective of this paper was an attempt to assess the differentiation of human capital at the level of Polish regions (voivodeships, NUTS-2 level). For this purpose, we used unidentifiable unit data from a survey the Central Statistical Office conducted on the structure of wages and salaries in October 2016 (Z-12), data from the Labour Force Survey (LFS), and data on the life expectancy of women and men. The GUS microdata from the Z-12 study was used to estimate the parameters of the Mincer-type extended wage regression, separately for each voivodeship. In the next step, these estimates were used as weights to calculate the human capital index, taking into account the health condition, education, and professional experience of employees. The values of the aforementioned measure were estimated for 2016 and 2019 (the assumption of weight stability over a short time period was made). The analysis conducted made it possible to determine which regions are characterised by the highest and lowest levels of human capital. The highest levels of human capital were found in Mazowieckie, Pomorskie, and Małopolskie. The voivodeships with the lowest level of the considered measures were Lubuskie, Warmińsko-Mazurskie, Podlaskie, Podkarpackie, and Łódzkie. When comparing the values of the human capital index between 2016 and 2019, it can be concluded that the regions with the lowest value of this measure were also characterised by lower dynamics (the only exception was Lubelskie). Such a situation will probably favor the divergence of human capital between regions. This may, therefore, translate into the persistence (or deepening) of differences in the levels of development of these voivodeships, compared to more developed regions.

References

Acemoglu, D., Dell, M. (2010). Productivity Differences between and within Countries. American Economic Journal: Macroeconomics, 2(1), 169–188. DOI: 10.1257/mac.2.1.169.

Becker, G. S. (1993). Human Capital. A Theoretical and Empirical Analysis, with Special Reference to Education. Chicago: The University of Chicago Press. DOI:10.7208/chicago/9780226041223.001.0001.

CSO. (2018). Structure of wages and salaries by occupations in October 2016. Warsaw: Central Statistical Office.

CSO. (2021). Local Data Bank. Retrieved from: https://bdl.stat.gov.pl/BDL/start (2021.07.18).

Dańska-Borsiak, B. (2011). Dynamiczne modele panelowe w badaniach ekonomicznych. Łódź: Wydawnictwo Uniwersytetu Łódzkiego.

Diebolt, C., Hippe, R. (2019). The long-run impact of human capital on innovation and economic development in the regions of Europe. Applied Economics, 51(5), 542–563. DOI: 10.1080/00036846.2018.1495820.

Domański, R. S. (1993). Kapitał ludzki i wzrost gospodarczy. Warszawa: Wydawnictwo Naukowe.

Florczak, W. (2011). W kierunku endogenicznego i zrównoważonego rozwoju – perspektywa makroekonometryczna. Łódź: Wydawnictwo Uniwersytetu Łódzkiego.

Kot, S. M. (2004). Zakres sprawiedliwości dystrybutywnej w Polsce. In: S. M. Kot, A. Malawski, A. Węgrzecki (eds.), Dobrobyt społeczny, nierówności i sprawiedliwość dystrybutywna (pp. 311–345). Kraków: Wydawnictwo Akademii Ekonomicznej w Krakowie.

Kurkiewicz, J., Podolec, B., Sokołowski, A. (1999). Rezultaty estymacji parametrów regresyjnych modeli płac. In: S. M. Kot (ed.), Analiza ekonometryczna kształtowania się płac w Polsce w okresie transformacji (pp. 141–176). Warszawa-Kraków: Wydawnictwo Naukowe PWN.

Lemieux, T. (2006). The “Mincer Equation” Thirty Years after Schooling, Experience, and Earnings. In: S. Grossbard (ed.), Jacob Mincer A Pioneer of Modern Labor Economics (pp. 127–145). DOI: 10.1007/0-387-29175-X_11.

Mačerinskienė, I., Viržintaitė, R. (2003). Human Capital Measurement Theory and Methods. Management of Organizations: Systematic Research, 28, 71–85.

Majchrowska, A., Roszkowska, S. (2013). Czy wykształcenie i doświadczenie zawodowe mają znaczenie? Wyniki równania Mincera dla Polski. Roczniki Kolegium Analiz Ekonomicznych, 30, 235–253.

Majchrowska, A., Roszkowska, S. (2014). Premia z wykształcenia i doświadczenia zawodowego według płci w Polsce. Materiały i Studia NBP, 302, 1–42.

Majchrowska, A., Strawiński, P. (2018). Impact of minimum wage increase on gender wage gap: Case of Poland. Economic Modelling, 70, 174–185. DOI:10.1016/j.econmod.2017.10.021.

Mincer, J. (1974). Schooling Experience and Earnings. (Human Behavior and Social Institutions). Hardcover: National Bureau of Economic Research.

Roszkowska, S. (2013). Kapitał ludzki a wzrost gospodarczy w Polsce. Łódź: Wydawnictwo Uniwersytetu Łódzkiego.

Schultz, T. W. (1961). Investment in Human Capital. The American Economic Review, 51(1), 1–17.

Strawiński, P. (2006). Zwrot z inwestowania w wyższe wykształcenie. Ekonomista, 6, 805–821.

Strawiński, P. (2015). Krzyżowe porównanie danych o wynagrodzeniach z polskich badań przekrojowych. Bank & Credit, 46(5), 433–462.

Szafrański, G. (2006). Measuring Human Capital in Poland. In: W. Milo, P. Wdowiński, (eds.), Financial Markets. Principles of Modeling Forecasting and Decision-Making (pp. 257–271). Łódź: Łódź University Press.

Wójcik, P. (2018). Metody pomiaru realnej konwergencji gospodarczej w ujęciu regionalnym i lokalnym. Konwergencja równoległa. Warszawa: Wydawnictwo Uniwersytetu Wrocławskiego.

Woźniak, M. G., Jabłoński, Ł., Soszyńska, E., Firszt, D., Bal-Woźniak, T. (2015). Kapitał ludzki w rozwoju innowacyjnej gospodarki i zarządzaniu innowacyjnością przedsiębiorstwa. Warszawa: Polskie Wydawnictwo Ekonomiczne.

Downloads

Published

2022-03-31

How to Cite

Mowczan, D. (2022). Regional differentiation of human capital – analysis based on the Mincer wage equation. Social Inequalities and Economic Growth, (69), 39–50. https://doi.org/10.15584/nsawg.2022.1.3

Issue

Section

Articles