Liquidez de los salarios y efectos indeseados : evidencia para Chile

Texto completo

(1)PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE INSTITUTO MAGISTER EN. DE ECONOMIA ECONOMIA. TESIS DE GRADO MAGISTER EN ECONOMIA Benítez, Ureta, María Alejandra Diciembre, 2016.

(2) PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE INSTITUTO MAGISTER EN. DE ECONOMIA ECONOMIA. Liquidez de los salarios y efectos indeseados: Evidencia para Chile. María Alejandra Benítez Ureta. Comisión EH Clio Lab Jeanne Lafortune, Felipe Aldunate, José Tessada, José Díaz, Francisco Gallego, Rolf Lüders, Emilio Depetris-Chauvin y Gert Wagner.. Santiago, Diciembre de 2016.

(3) Liquidez de los salarios y efectos indeseados: Evidencia para Chile M. Alejandra Benı́tez* Diciembre, 2016. Resumen En este estudio buscamos encontrar evidencia sobre la existencia de un ciclo mensual en la tasa de mortalidad e ingresos a hospitales en Chile, tomando como base la población de individuos activos en la fuerza laboral. La literatura ha encontrado un aumento en las muertes e ingresos justo en las fechas posteriores al pago de los salarios, atribuyéndolo a la liquidez que este genera y al consecuente mayor consumo en sustancias como alcohol, drogas y alimentos en exceso. Creemos que este efecto podrı́a ser distinto según el nivel de desarrollo del mercado laboral, el nivel de formalización del trabajo, el tamaño de los distintos sectores productivos, entre otros. Analizamos el caso de Chile, un paı́s en desarrollo con un nivel de ingreso mucho menor al de los paı́ses estudiados anteriormente. Los principales hallazgos de este estudio muestran que los dos dı́as posteriores al último dı́a hábil del mes, que en general corresponden a los dı́as siguientes al pago del salario, aumenta la tasa de mortalidad. En particular, el primer dı́a se observa un aumento de aproximadamente un 19 % en el número de muertes, aumento que es 14.8 % mayor para individuos que trabajan y es más grande aun si este dı́a cae durante fin de semana. Especı́ficamente, encontramos que este efecto se da para muertes relacionadas con consumo excesivo de alcohol y drogas, lo que se observa también para ingresos a hospitales . Para acercarnos a relacionar la causa del efecto con mayor consumo de alcohol y drogas, se analizan también datos de accidentes de tránsito, en los que encontramos que accidentes cuya causa tiene relación con consumo excesivo de alcohol y drogas, aumentan aproximadamente en un 50 % durante los primeros dı́as del mes y a casi el doble para estos dı́as cuando caen durante fin de semana. Por último, encontramos que con un aumento en el número de cuentas bancarias, disminuye el efecto positivo de la liquidez en mortalidad, lo que se debe a la menor cantidad de efectivo circulando.. * Trabajo realizado en el Seminario de Tesis de Magı́ster EH Cliolab,EH Clio Lab (Conicyt PIA SOC 1102), Instituto de Economı́a, Pontificia Universidad Católica de Chile. Quiero agradecer de manera especial a Felipe Aldunate, José Tessada y Jeanne Lafortune por su continua guı́a y apoyo durante este proceso. Agradezco también al resto de los profesores de la comisión EH Clio Lab José Diaz, Francisco Gallego, Rolf Lüders, Emilio Depetris-Chauvin y Gert Wagner por sus comentarios y sugerencias durante el desarrollo de la tesis. Por último, agradezco a mis amigos y familiares y, en especial, a Joaquı́n Fuenzalida, Ignacia Lecaros, Felipe Sepúlveda, Nicolás Soler y Pablo Valenzuela, por sus comentarios y disposición. Errores y omisiones son de absoluta responsabilidad de la autora. Dudas y comentarios a [email protected]. 1.

(4) 1.. Introducción. La importancia del ingreso para la calidad de vida y el desarrollo de las personas es algo que se ha venido estudiando hace años en la literatura económica, dada la relación directa que tiene con la capacidad de pago de las personas1 . Si bien, en general, la literatura se ha centrado en analizar efectos de largo plazo como nivel educativo, salud y otros outcomes de interés, en el último tiempo se ha empezado a estudiar el efecto adverso que puede tener en el muy corto plazo, en particular, en el instante de pago, relacionando la mayor liquidez con un aumento excesivo de consumo. Es creciente la literatura que muestra un ciclo en la tasa de mortalidad, especı́ficamente para causas como accidentes de tránsito, suicidios e intoxicaciones, las que se asocian con mayor consumo de alcohol, drogas y alimentos en exceso. Cada mes se observa una baja en el número de muertes los dı́as anteriores al pago del salario y un alza durante los dı́as posteriores. En particular, Evans y Moore (2012)2 en Estados Unidos encuentran un aumento de 0.86 % de las muertes durante la primera semana en comparación a la anterior al pago, lo que implica que la semana posterior al pago hay aproximadamente 4.342 muertes más que la que le antecede. Un ciclo similar se ha encontrado para los ingresos a hospitales (Dobkin y Puller, 2007; Gross y Tobacman, 2013). Sin embargo, el patrón observado no solo responde a mayor consumo, ya que se ha encontrado también un aumento en la violencia durante esas fechas, la que puede producir también un aumento en el número de muertes e ingresos a hospitales (Foley, 2008; Borraz y Munyo, 2015)3 . El objetivo de este estudio consiste en analizar la existencia de este ciclo en Chile, un paı́s con un ingreso per cápita mucho menor que el de los paı́ses estudiados anteriormente, lo que va de la mano con diferencias en la estructura del mercado laboral y las actividades principales que se realizan en la economı́a del paı́s 4 . En este sentido, creemos que el efecto de corto plazo del pago de los salarios tiene una relación importante con el nivel de ingreso del paı́s. El aumento abrupto en el ingreso disponible que se da con el pago del salario puede afectar de forma distinta al gasto instantáneo de los individuos según cuán restringidos se encuentran en su restricción presupuestaria. En este sentido, individuos que tienen un nivel de ingreso que les permite gastar durante todo el mes por sobre los gastos básicos, no se ven restringidos a gastar en otros bienes o en entretención en cualquier momento del mes. Por el contrario, para individuos que en general suelen estar más restringidos, el momento de recepción del salario es uno de los pocos momentos en que tienen dinero disponible para otros gastos. Si bien en los primeros podrı́a haber un efecto de un cambio repentino en liquidez, en los segundos el efecto deberı́a ser mayor porque en ese momento tienen ingreso disponible que podrı́an no tener el resto del mes. La metodologı́a que utilizamos aprovecha la discontinuidad en la liquidez que se da luego del pago de los salarios, tomando el último dı́a hábil del mes como fecha de pago. Con los datos de defunciones del Departamento de Estadı́sticas e Información de Salud (DEIS) del Miniserio de Salud, comparamos el número de muertes durante los dı́as previos al pago con las muertes de los dı́as siguientes. De esta manera, podemos relacionar el cambio en las muertes en esas fechas, si es que existe, con el cambio en la capacidad de pago que obtienen los individuos al recibir el ingreso. Realizamos la misma estrategia para analizar si existe un ciclo en los ingresos a hospitales y los accidentes de tránsito, utilizando datos de egresos hospitalarios del DEIS y datos de siniestros de la Comisión Nacional de la Dirección del Tránsito (CONASET). Con los datos de accidentes de tránsito, realizamos un análisis que no se ha 1 Diener,. E. y Diener, C. (1995); Easterlin (1994) desarrollan la relación entre ingreso y calidad de vida. En cuanto a ingreso y educación véase Gregg y Machin (2000); Glennerster (1995); Blanden y Gregg (2004). Otros trabajos como Case et al (2002) y Subramanian y Deaton (1996) desarrollan la relación con salud. 2 De ahora en adelante nos referiremos a Evans y Moore (2012) como EM. 3 Principalmente observan un aumento en robos y robos con violencia 4 Los principales paı́ses que han sido estudiados en esta materia son Estados Unidos, el Reino Unido y Suecia. En 2013 según datos del Banco Mundial el ingreso per cápita de Estados Unidos era de 51.041 USD, el de Reino Unido 41.787 USD y el de Suecia, 60.430 USD, mientras que el ingreso per cápita de Chile para el mismo año era de 15.732 USD. Con respecto a las principales actividades económicas,tanto en Estados Unidos como en Reino Unido destaca el sector de servicios, principalmente las actividades relacionadas a la banca y al comercio. En Suecia destaca también el sector terciario impulsado por las telecomunicaciones y teconologı́a de la información. Por su parte, en Chile los sectores agrı́cola y forestal generan un aporte significativo al PIB nacional, junto con la Minerı́a que es el motor principal de la Economı́a.. 2.

(5) hecho en la literatura, aportando con evidencia directa de la relación entre accidentes de tránsito y consumo de alcohol, ya que, hasta ahora, esta relación no ha sido más que un supuesto. A diferencia de otros estudios, nuestras estimaciones separan el efecto para individuos activos e inactivos, además del efecto para los dı́as posteriores al pago cuando caen durante fin de semana. De esta forma, encontramos el efecto reconociendo que es distinto para quienes reciben salario y lo es también para un dı́a 1 que cae en un dı́a cualquiera de la semana versus un dı́a 1 que cae durante fin de semana5 . Nuestros resultados muestran que el dı́a siguiente al pago aumentan las muertes en un 19 %, efecto que es 14.8 % más grande para individuos que se encuentran trabajando y es aun mayor si los dı́as siguientes al pago caen durante fin de semana. Si bien EM encuentran un aumento en el número de muertes que se mantiene durante la primera semana, nuestros resultados encuentran que el efecto positivo se da solo en los dı́as 1 y 2, pero que la magnitud del efecto, es mucho mayor. Anderson, Lundborg y Vikström (2014) observan en Suecia un peak en las muertes durante el dı́a de pago con un aumento de 20 %, aumento que no se mantiene durante los dı́as siguiente, lo que es similar a lo encontrado en este trabajo. Sin embargo, los autores no separan entre el efecto de estos dı́as cuando caen durante fin de semana, lo que probablemente llevarı́a el efecto que encuentran a un nivel menor al encontrado en este trabajo. En relación a los ingresos a hospitales, la literatura observa también un ciclo dentro de cada mes que va de la mano con el mayor número de accidentes, intoxicaciones y suicidios que se observan en la evidencia sobre el efecto de la liquidez sobre mortalidad (Dobkin y Puller, 2007; Gross y Tobacman, 2013). Sin embargo, el aumento en ingresos a hospitales podrı́a darse, además, porque la gente tiene más dinero para pagar por atención médica. Gross y Tobacman (2013) estudian el efecto de la liquidez en ingresos a hospitales analizando si el efecto cambia para distintos niveles de cobertura del seguro de salud. Los autores esperan que si existe un efecto de mayor oportunidad de acceso al servicio, quienes tienen menor nivel de cobertura tendrán un mayor efecto; es decir, quienes tienen que pagar más por el servicio deberı́an mostrar un aumento más grande en la atención médica, ya que en esas fechas tienen más dinero para pagar por atención. Los resultados de los autores muestran que el efecto se mantiene igual para los distintos grupos, por lo que entregan evidencia a favor de que el efecto se da por mayor necesidad de atención (como respuesta a más accidentes e intoxicaciones, entre otros) y no por mayor acceso. En este trabajo buscamos el efecto separando según tipo de previsión de Fonasa y según modalidad de atención (pública o privada) de manera de separar entre el efecto de mayor necesidad y el de mayor capacidad de pago6 . Nuestros resultados nos muestran que el efecto es similar según tipo de previsión y que el efecto es significativo solo para la modalidad pública de atención, lo que nos sugiere que el efecto no se da por mayor posibilidad de acceso. Por otra parte, con los datos de accidentes de tránsito observamos que efectivamente son los accidentes relacionados a consumo de alcohol y drogas los que aumentan de manera más fuerte durante los primeros dı́as del mes, lo que nos muestra evidencia de que, efectivamente, el aumento en muertes provocadas por accidentes de tránsito tiene relación con mayor consumo de alcohol y drogas. Sin embargo, se observa también un aumento en otras causas de accidentes de tránsito como accidentes causados por fallas mecánicas del automóvil, fallas viales, desobediencia a la señalización, entre otras. Para buscar una explicación al aumento generalizado de los accidentes, analizamos datos de la congestión vehicular diaria y observamos que hay mayor tránsito vehicular durante los primeros dı́as del mes. Este aumento en el uso de automóvil va de la mano con un aumento de siniestros para todas las causas. Aun ası́, el aumento de accidentes de tránsito causados por alcohol es mayor al aumento bajo otras causas, lo que asociamos a que no solo hay mayor cantidad de autos circulando, sino también mayor número de personas conduciendo bajo las influencias de alcohol y drogas. 5 Realizamos estimaciones para el efecto de los dı́as viernes y sábado luego del pago del salario cuando este cae un dı́a de semana que no es viernes. No se ve un aumento significativo, por lo que cuando el pago no cae en un dı́a cercano a fin de semana, el efecto en mortalidad es menor, ya que no incorpora el aumento fuerte en muertes durante los dı́as sábado y domingo que se da cuando el dı́a de pago cae viernes. 6 Los individuos que se atienden bajo el sistema de Fonasa en Chile pueden atenderse bajo la modalidad de atención institucional (MAI) que corresponde a la red pública de salud o bajo la modalidad de libre elección (MLE) que corresponde a atención bajo la red privada de salud, para la cual los cotizantes deben pagar un bono cuyo valor depende del nivel de inscripción del profesional o de la institución en convenio con Fonasa.. 3.

(6) El mayor consumo que se da luego del aumento en la capacidad de pago, explica la relación entre la mayor liquidez disponible y las consecuencias negativas que observamos en las tasas de mortalidad e ingresos a hospitales. En esta lı́nea existen distintos estudios que evidencian un mayor gasto durante esos dı́as, cuestionando la teorı́a de suavización del consumo (Stephen, 2006). Hastings y Washington (2010) en un estudio sobre el gasto en Nevada, observan un aumento en el gasto de ciertos bienes durante los primeros dı́as del mes, aun cuando se ven mayores precios durante esos dı́as, lo que evidencia una importante preferencia por consumir más en esas fechas. Los autores concluyen argumentando en favor de una sensibilidad de la temporalidad del gasto a la temporalidad del tiempo en que se recibe el ingreso. Asimismo, en relación a esta sensibilidad del gasto a ingreso, algunos autores han asociado la falta de autocontrol de los individuos como la causa de la respuesta al mayor ingreso disponible (Shilbach, 2015; Gul y Pesendorfer, 2004; Fudenberg y Levine, 2006). Por su parte, Bernheim et al. (2012), realizan un estudio en el que concluyen que dicha falta de autocontrol genera que los invididuos valoren más los costos y beneficios inmediatos a la hora de tomar decisiones que los costos y beneficios futuros y, por lo tanto, realizan más gastos al tener más liquidez aun cuando prefieren mantener su dinero por más tiempo de manera de suavizar consumo. Si este aumento en consumo se da en sustancias como alcohol y drogas, ası́ como en alimentos, el aumento instantáneo en ingreso disponible luego del pago de los salarios podrı́a tener consecuencias indeseadas para los consumidores, quienes podrı́an involucrarse en accidentes de tránsito u otras causas de lesiones. Es por esto que la literatura ha observado también las consecuencias que tiene directamente el mayor gasto durante los primeros dı́as del mes, en mortalidad e ingresos a hospitales. En la literatura sobre el riesgo de mortalidad se ha encontrado que durante los fines de semana y los feriados aumenta el número de muertes7 . En particular, con respecto al efecto del mayor consumo durante los primeros dı́as del mes, que es lo que analizamos en este trabajo, Phillips, Christenfeld y Ryan (1999) observan en Estados Unidos un aumento en las muertes durante la primera semana luego del pago. Evans y Moore (2012) agregan a esta evidencia el efecto en mortalidad desagregando por causa de defunción y observan que muertes que muestran un mayor aumento son las muertes causadas por accidentes de tránsito, intoxicaciones y suicidios, que son las que se relacionan más directamente con consumo de alcohol y drogas en exceso. Más aun, los autores encuentran un aumento también en las muertes causadas por infarto al corazón, lo que se relaciona con la evidencia encontrada por Van der Palen et al. (1995), quienes observan que existe un peak en las muertes provocadas por esta causa durante los fines de semana y los dı́as lunes. Hasta ahora la literatura se ha centrado en evidenciar la relación entre el cambio de liquidez y el ciclo de mortalidad e ingresos a hospitales, pero no en los mecanismos de esta relación. Creemos que uno de los principales mecanismos que pueden llevar al mayor gasto instantáneo es la mayor tenencia de efectivo que produce el pago de los salarios, efectivo que generalmente no poseen los individuos durante el resto del mes. Estudiaremos la existencia de un cambio en dicho efecto cuando aumenta el número de cuentas vista en los bancos, lo que disminuye el efectivo que poseen los individuos. Además, si la violencia por robos y asaltos fuera otra explicación al mayor número de accidentes y lesiones a principios de mes debido a la mayor cantidad de efectivo circulando, una vez que los individuos tengan su dinero en una cuenta bancaria deberı́a disminuir el efecto. Para realizar este análisis utilizamos la apertura de las Cuentas RUT del Banco Estado en 20068 . Utilizamos información sobre el número de cuentas bancarias justo antes de la apertura de las Cuentas RUT como fuente de variación en el acceso a cuentas bancarias y, por lo tanto, como variación de la demanda de cuentas bancarias por comuna. En este sentido, el número de cuentas abiertas deberı́a 7 National Center for Health Statistics. Vital statistics of the United States, 1973–1988. Vol. 2. Mortality. Part A. Table I-33. Washington, D.C.: Government Printing Office, 1977–1991 8 Según la página del Banco, la cuenta rut es una cuenta vista que permite “Depositar, transferir o retirar dinero y usarla como RedCompra para pagar en diferentes comercios” y no cobra comisión mensual por mantención. Además no cuenta con requisitos para su obtención.. 4.

(7) ser mayor en comunas con menor número de sucursales per cápita, que es donde debiera haber menor penetración bancaria. Además, la apertura de las Cuentas RUT va acompañado de la apertura de las Cajas Vecinas del Banco Estado, proyecto que busca mayor acceso a la red bancaria en el paı́s9 . Hacia el año 2011 se habı́an abierto más de 3 millones de Cuentas RUT, de las que un 27 % correspondı́a a cuentas de jóvenes y un 54 % a individuos con una renta menor a $200.00010 . Estas cifras evidencian que comunas de menores ingresos, que calzan con comunas con bajo número de sucursales bancarias, son las que se vieron afectadas en mayor parte por el proyecto de las Cuentas RUT, lo que va de la mano con nuestro supuesto de que es en comunas con menor número de sucursales per cápita donde hubo un mayor cambio en el número de cuentas. Nuestros resultados muestran una disminución del efecto de la liquidez sobre el riesgo del dı́a 1 para los individuos activos que pertenecen a comunas tratadas cuya defunción ocurrió después de 2006, lo que nos entrega evidencia de que tener el ingreso disponible en efectivo aumenta los efectos indeseados de la liquidez. Por último, para complementar el análisis realizado durante el trabajo buscamos encontrar si existe un cambio en el riesgo como respuestas a shocks de ingreso. Como el efecto que encontramos en mortalidad e ingresos a hospitales tiene que ver con mayor liquidez, un shock de ingreso podrı́a aumentar dicho efecto. Para eso usamos shocks del precio del cobre y analizamos cómo se ve afectado el riesgo de mortalidad para comunas cuyo ingreso responde de manera más fuerte a shocks del precio del cobre. Siguiendo a Feigenberg (2015), quien estima que el sector minero tiene una elasticidad ingreso positiva a cambios en el precio del cobre, tomamos a las comunas mineras para analizar cómo cambia el riesgo como respuesta a shocks de ingreso. Esperamos que shocks positivos del precio del cobre generen un aumento en el riesgo en comunas mineras. Nuestros resultados no muestran un efecto significativo de shocks del precio del cobre sobre el riesgo de mortalidad; sin embargo, no podemos descartar completamente que exista y que en este trabajo no logremos capturarlo al no tener la fecha exacta de pago del sector minero. A continuación el trabajo se estructura de la siguiente manera: en la sección 2 se desarrolla el marco conceptual; en la sección 3 se describen los datos utilizados, los patrones que se observan en Chile y la estrategia empı́rica; en la sección 4 se presentan los resultados para el efecto de la liquidez en mortalidad, ingresos a hospitales y accidentes de tránsito, ası́ como el análisis para el efecto de la apertura de las Cuentas RUT y el efecto de los shocks de ingreso. Por último, en la sección 5 se presentan las conclusiones.. 2.. Marco Conceptual. Un cambio abrupto el ingreso disponible puede tener como consecuencia inesperada un resultado negativo sobre el estado de salud de los individuos, quienes no parecen suavizar consumo, utilizando dicho ingreso de manera desigual durante el mes. Podemos encontrar distintos mecanismos que hacen que el instante del pago del salario afecte el número de muertes e ingresos a hospitales, tanto de forma negativa como positiva. Más aun, los resultados sobre mortalidad pueden ir en dirección opuesta a los efectos sobre ingresos a hospitales, ya que el mismo ingreso a hospital de un individuo puede afectar su probabilidad de muerte. En general, los autores que han estudiado estos efectos se han centrado en uno de los dos ámbitos; es decir, unos analizan el efecto sobre mortalidad, y otros, sobre ingresos a hospitales. Sin embargo, analizar ambos efectos en un mismo estudio, permite observar cómo los efectos del pago son distintos para mortalidad e ingresos dentro de un mismo paı́s. A continuación nombramos algunos de los mecanismos a través de los cuales el instante de pago puede afectar la tasa de mortalidad e ingresos a hospitales. Un primer mecanismo que tiene un efecto sobre mortalidad e ingresos a hospitales, que surge 9 Cajas vecinas es un proyecto del Banco Estado que se complementa con las Cuentas RUT porque busca aumentar la bancarización en Chile a través de la instalación de dispositivos electrónicos de manera de que “los usuarios que están alejados de los principales centros financieros puedan realizar giros, depósitos en efectivo y transferencias entre cuentas del Banco Estado en horarios de atención muy cómodos y de forma fácil, rápida y segura”, según lo que informa la gerencia de comunicaciones en la página web del banco. 10 Datos obtenidos de un comunicado expresado en las noticias de la página web del Banco el 16 de marzo de 2011.. 5.

(8) directamente del aumento en el ingreso disponible, es la mayor capacidad de pago por servicios de salud, lo que genera un aumento en los ingresos a hospitales. Existe literatura de la relación entre nivel de ingreso y cuidados de salud, pero podrı́a ser que no solo el nivel de ingreso permanente se relacione con atención, sino que directamente el ingreso o liquidez disponible tenga una relación con la atención médica11 . Es decir, en un paı́s donde los individuos deben pagar por atenderse en el sistema de salud la gente podrı́a reordenar el momento de atención, de manera de acudir al servicio cuando puede pagar por él. A la vez, tendrán mayores recursos para pagar por medicamentos y seguir los tratamientos que se les indiquen. Este mayor acceso a salud va de la mano con una disminución en la tasa de mortalidad, ya que si los individuos pueden atenderse, esperamos que disminuyan su probabilidad de muerte. Sin embargo, este reordenamiento del momento en el que los individuos acuden a atenderse probablemente no ocurra para enfermedades o lesiones de alta gravedad, para las que retrasar el momento de atención podrı́a terminar con consecuencias muy negativas. En este sentido, para lesiones graves producidas por accidentes de tránsito es menos probable que los individuos prefieran esperar a tener dinero para atenderse; en cambio, para el caso de enfermedades respiratorias, por ejemplo, podrı́an esperar algunos dı́as hasta recibir el salario. Otro mecanismo que va de la mano al mayor acceso y posibilidad de pago por atención de salud, tiene relación con mayor acceso a transporte, sobre todo para individuos de menor ingreso. Para éstos, puede ser que una de las razones por las que no acudan a atención médica sea que vivan lejos de algún hospital y tengan que incurrir en un gasto importante de traslado. En este sentido, podrı́a ser que algunos individuos deban esperar a recibir el salario para poder viajar hasta algún hospital. Por otra parte, un tercer mecanismo se da a través del gasto excesivo en sustancias como alcohol, drogas y alimentos, ası́ como en mayor gasto en restaurantes, locales de comida rápida y locales de entretención12 . La falta de autocontrol puede llevar a que los individuos aumenten fuertemente sus gastos cuando tienen más liquidez y se involucren en actividades que conlleven mayor riesgo. Esto se da, por ejemplo, cuando los trabajadores gastan parte de su salario en alcohol y, consecuentemente, aumenta el número de individuos que manejan bajo la influencia del alcohol. De la misma forma, este consumo excesivo puede aumentar el riesgo de intoxicaciones y un cambio en el comportamiento, haciendo más atractivas situaciones de mayor peligro. Bajo este mecanismo, el aumento en liquidez puede tener consecuencias instantáneas aumentando el número de ingresos a hospitales y de defunciones a través de mayores accidentes y lesiones. Más aún, algunas de estas consecuencias pueden tener daños sobre terceros, lo que se puede pensar fácilmente en accidentes de tránsito que involucren a otras personas. Por último, un cuarto mecanismo bajo el cual la liquidez puede afectar al número de defunciones e ingresos a hospitales es a través de un aumento en el crimen. Borraz y Munyo (2015) encuentran un aumento del crimen en Uruguay durante los dı́as posteriores al pago del salario, lo que asocian con el mayor efectivo que poseen durante esas fechas los individuos que trabajan. Con esa evidencia podemos pensar que otro mecanismo se da a través de la violencia que puede darse acompañando dichos crı́menes, lo que genera un aumento de necesidad de atención en servicios de salud y a la vez, un posible aumento en la tasa de mortalidad. Este efecto puede darse también para quienes no reciben salario, ya que para el que comete el crimen no necesariamente es tan obvio quién recibió su salario recientemente, por lo que puede generar daños también sobre individuos que no recibieron remuneración. Esta relación entre el pago de los salarios y sus efectos indeseados es la que buscamos encontrar en este trabajo, extendiendo además la posibilidad de que los efectos sean negativos no solo para quienes reciben salario sino también para terceros. Estos mecanismos pueden afectar de manera conjunta a los riesgos de mortalidad, ingresos a hospitales y al número de accidentes de tránsito durante el primer dı́a 11 Véase. Etnner (1994) y Parker y Wong (1997). y Moore (2012) encuentran un aumento en el gasto en restaurantes y entretenciones durante los primeros dı́as del mes, como respuesta a la mayor liquidez disponible. Shapiro (2005) encuentra evidencia de una disminución de 10 a 15 % en el consumo de calorı́as durante el mes luego de la entrega de cupones para alimentación, encontrando una preferencia importante por el consumo inmediato. Stephens (2006) observan una alta sensibilidad del consumo al momento del pago 12 Evans. 6.

(9) del mes. Intentaremos separar los efectos de los últimos dos mecanismos mencionados anteriormente, de los efectos positivos que tiene el mayor ingreso disponible a través de mayor acceso a salud, de manera de poder concluir si existen efectos indeseados de la liquidez del pago de los salarios.. 3. 3.1. 3.1.1.. Estrategia Empı́rica Datos Mortalidad, ingresos a hospitales y accidentes de tránsito. El Departamento de Estadı́sticas e Información (DEIS) del Ministerio de Salud cuenta con datos individuales de defunciones entre 1990 y 2013, que incluyen la fecha de cada defunción (con dı́a, mes y año), los diagnósticos primario y secundario de la causa de muerte y otras caracterı́sticas como edad, sexo, comuna, actividad, entre otros. Con estos datos obtenemos las defunciones durante ese perı́odo para todo el paı́s y con la codificación internacional de enfermedades CIE9 y CIE10 podemos codificar las causas según el diagnóstico primario y secundario de muerte. Consideraremos, por ejemplo, una muerte como intoxicación si el diagnóstico primario o el diagnóstico secundario contiene dicha causa. En general, estos diagnósticos no se cruzan. En los datos las intoxicaciones, por ejemplo, no contienen ningún dato en diagnóstico primario, pero sı́ en secundario. La información sobre la actividad de cada individuo que contienen los datos de defunciones nos permite encontrar el efecto exclusivo para quienes se encuentran recibiendo un salario, de manera de obtener por separado el efecto que pueda darse durante los primeros dı́as del mes para cualquier individuo, versus el efecto que se da para aquellos que obtienen mayor liquidez durante esos dı́as. Por otra parte, del DEIS obtenemos también datos de egreso de hospitales desde 2001 hasta 2014. Estos datos contienen el número de dı́as de estadı́a, con lo que podemos calcular la fecha de ingreso para analizar el efecto de la liquidez en ingresos a hospitales. Estos datos contienen, además de la fecha de egreso, la previsión de salud de cada invididuo, clase de beneficiario para el caso de Fonasa, modalidad de atención y algunas caracterı́sticas propias del individuo. Con la previsión de salud y la clase de beneficiario, realizamos un análisis para intentar distinguir entre mayor acceso a hospitales producto del efecto ingreso del pago el salario, versus una mayor necesidad, analizando si el efecto varı́a según previsión o se mantiene en todas las categorı́as. Con estos datos también podemos diferenciar los ingresos por diagnóstico de ingreso al hospital, de la misma forma en que se realiza para los datos de defunciones. Para los accidentes de tránsito utilizamos datos de la Comisión Nacional de Seguridad del Tránsito (CONASET) que contiene toda la información de los siniestros entre los años 2000 y 2014 obtenida por parte de Carabineros de Chile. Estos incluyen una variable agregada por la CONASET que resume la causa a la que se atribuye el siniestro. Con estos datos analizamos si efectivamente hay un ciclo mensual en los accidentes de tránsito y si dicho ciclo se da principalmente por el exceso de consumo de drogas y alcohol, complementando la literatura que observa un aumento en defunciones e ingresos a hospitales producidos por accidentes de tránsitom pero que asume que este aumento está relacionado con dicho consumo excesivo. 3.1.2.. Fechas de pago en Chile. Trabajamos con el supuesto de que el sector privado paga a fin de mes, respaldado por una encuesta que realizamos a las empresas que más contrataron empleados en el paı́s según un ranking de la revista AméricaEconomı́a en 2012. Observamos que los pagos se dan mayormente hacia los últimos dı́as del mes, entre el 28 y el 31. Dejamos el último dı́a hábil del mes como fecha de pago, con lo que podemos notar si existe un aumento en las muertes e ingresos en los dı́as posteriores, considerando también el aumento provocado por los salarios que se paguen entre 28 y 30 cuando el último dı́a hábil del mes no coincide con el úlimo dı́a calendario.. 7.

(10) En Chile los salarios del sector público se pagan entre el 18 y 24 de cada mes13 , por lo que en nuestro análisis no se alcanza a apreciar el efecto del pago en quienes trabajan en este sector. Esto serı́a un problema si no encontramos efecto. Sin embargo, si encontramos un efecto durante los primeros dı́as del mes, sabremos que ese efecto es real, ya que, si está sesgado, estará sesgado hacia abajo, es decir, el valor real serı́a mayor. Como con los datos de defunciones y de egreso hospitalario no se puede distinguir en qué sector trabaja cada individuo, y bajo el supuesto de que en el sector privado se paga el último dı́a hábil del mes, generamos un ı́ndice de concentración de empleo en el sector privado utilizando la encuesta CASEN entre 2000 y 2013. Con esto podemos encontrar el efecto ponderando por concentración del sector privado para estar más seguros de que los individuos que vemos son aquellos a los que se paga a fin de mes y poder relacionar el efecto de los primeros dı́as del mes, si lo hay, al pago del salario que se da cerca del último dı́a hábil del mes. En la sección 3.2 se explica cómo se construye dicho ı́ndice y, posteriormente, cómo se utiliza en las estimaciones. 3.1.3.. Otros datos. Hacia el final del trabajo analizamos la posible existencia de un aumento en la congestión vehicular, de manera de acercarnos a otra posible causa del efecto de mayor número de accidentes. Para esto utilizamos datos de la concentración de monóxido de carbono (CO) que se obtienen de las estaciones de monitoreo del Sistema de Información Nacional de Calidad del Aire. Existen once estaciones que están distribuidas a lo largo de toda la ciudad y entregan información de la concentración de CO a cada hora, de las cuales logramos obtener datos para los meses entre abril y agosto en el perı́odo de 2003 a 2012. Para el análisis de los shocks de precios obtenemos el precio mensual del cobre del Banco Mundial y para definir cuáles son las comunas mineras utilizamos el Informe de comunas beneficiarias del Fondo de Desarrollo del Norte y de las comunas mineras de Chile (FONDENOR) que caracteriza a las comunas mineras según la participación de la minerı́a en los ingresos de la comuna.. 3.2. 3.2.1.. Patrones Riesgo de mortalidad. A partir de los datos de defunciones buscamos en primer lugar analizar si, al menos visualmente, se da algún patrón en las muertes alrededor de la fecha de pago de los salarios en Chile. Como los datos nos permiten ver las muertes diariamente, asignamos a cada fecha un valor d, que va entre -14 y 13 indicando a qué dı́a alrededor de la fecha de pago corresponde, tomando como fecha de pago el último dı́a hábil del mes. De esta manera, el dı́a 0 corresponde al último dı́a hábil del mes, dı́a en que se pagan los salarios. Los dı́as siguientes al pago serán los dı́as 1, 2, etc, hasta el dı́a 13. Los dı́as previos al pago serán los dı́as -1 (dı́a anterior al pago) hasta el -14. Con esto podemos obtener el número de muertes para cada año, mes y dı́a alrededor del pago. De esta manera, generamos el riesgo diario de muerte, que definimos como las desviaciones diarias en el número de defunciones con respeto al promedio diario de muerte. Es decir, si un dı́a el riesgo es 1.2, significa que ese dı́a el número de muertes es 0.2 veces mayor que el número promedio en un dı́a cualquiera del mismo año. Lo calculamos de la siguiente manera:. Riesgodmy =. Número de muertes (dı́a, mes, año) Promedio de muertes diario. (1). 13 Según el decreto 156 dictado en 1982, los salarios del sector público se realizan entre el 18 y el 24 de cada mes (Véase directamente en http://bcn.cl/1xeup). Sin embargo, se realizan ciertos adelantos en la fecha de pago para los meses desde septiembre hasta diciembre que dependen de cada año en particular. Por ejemplo, el año 2015 se realiza un ajuste en el decreto 1176 adelantando los pagos de los dı́as 16 al dı́a 14 del mes.. 8.

(11) Figura 1: Riesgo de mortalidad Donde Riesgodmy es el riesgo del dı́a d en el mes m y año y, y el promedio anual se calcula como el número de muertes anual dividido por el número de dı́as del año14 . Con esto obtenemos para cada dı́a del perı́odo una variable que indica cuánto se desvı́a el número de muertes de ese dı́a con respecto al promedio diario del año en que se encuentra, tomando en cuenta ası́ que el número de muertes va cambiando con los años. Luego obtenemos el riesgo del dı́a d como el promedio del riesgo de todos los dı́as d del perı́odo15 . Un valor sobre 1 indica que en el dı́a d, en promedio, hay un número de muertes sobre el promedio diario del año. Un dı́a d con riesgo bajo 1 indica que está bajo el promedio diario. En la figura 1 podemos ver el riesgo de mortalidad para los 28 dı́as alrededor de la fecha de pago, siendo el dı́a 0 la fecha en que se paga el salario. En la figura vemos en dos gráficos separados el riesgo para el total de la muestra y para individuos activos con un intervalo de confianza al 95 %. Se observa que el riesgo aumenta los dı́as 1 y 2 del ciclo, es decir, aumenta los dos dı́as siguientes al pago del salario. Este efecto es más grande aun cuando vemos el riesgo para los individuos que se encuentran trabajando, para quienes el número de defunciones llega a ser aproximadamente 1.1 veces el promedio diario, comparado con 1.02 para toda la muestra. Además, el intervalo de confianza nos muestra que, a un 95 % de confianza, los dı́as 1 y 2 tienen un riesgo significativamente distinto de 1 para los individuos activos, es decir, esos dı́as el número de defunciones es significativamente distinto del promedio diario. 14 Que. para nuestra estimación son 336 dı́as, ya que tomamos 28 dı́as por cada mes la Tabla 1 y en algunos gráficos en la sección de Anexos obtendremos el riesgo del dı́a d calculándolo además como la mediana de todos los riesgos del dı́a d del perı́odo. De esta forma, vemos si el riesgo aumenta sobre ese dı́a d de manera general o es un dı́a del perı́odo que se comporta como un outlier para el cual las muertes fueron muy altas y lleva al alza el promedio del riesgo de ese dı́a d. 15 En. 9.

(12) Figura 2: Riesgo de mortalidad ajustado. A la vez, se observa que se da también un salto, aunque menor, para los activos entre 12 y 10 dı́as antes del pago, lo que puede venir del pago de salarios del sector público que se realiza en esas fechas. Otra explicación para este salto es que el 18 de septiembre, fecha en que se celebran las Fiestas Patrias y cuando suele aumentar el número de fallecidos, lleve al alza el promedio de muertes de los dı́as cercanos al 18, que son cerca de 12 a 10 dı́as antes del dı́a 0. Para intentar corregir estos efectos analizamos el riesgo quitando el mes de septiembre y ponderando a cada individuo según la concentración del sector privado para su edad, comuna y sexo. Es importante notar, además, que como calculamos el dı́a 0 como último dı́a hábil del mes, dentro de los dı́as de la semana el dı́a con mayor probabilidad de tener asignado un dı́a 0 es el dı́a viernes. De esta forma, ponderamos más el dı́a viernes como fecha de pago y, por lo tanto, el dı́a -12 tiene más probabilidad de ser un dı́a domingo que cualquier otro dı́a de la semana; lo mismo para los dı́as 8 y 9, que tienen más probabilidad de ser un dı́a sábado y domingo respectivamente. Esto último, sin embargo, no podemos corregirlo en los patrones, pero en las estimaciones agregamos efecto fijo dı́a de la semana, interacción de los dı́as 0, 1 y 2 con dı́a viernes, sábado y domingo respectivamente, y efecto mes, con lo que se corrije el efecto del fin de semana y el efecto del mes de septiembre. Para ajustar la muestra a los individuos activos que trabajan en el sector privado, generamos un ı́ndice de concentración para cada año que varı́a por comuna, sexo y rango de edad16 . Para cada categorı́a se calcula el porcentaje de individuos que trabajan en el sector privado. Luego ponderamos a cada individuo con el ı́ndice para su categorı́a17 . De esta forma, podemos obtener un patrón de riesgo que deberı́a acercarse al riesgo de los individuos que trabajan en este sector. En la figura 2 podemos observar que al sacar septiembre y ajustar por concentración del sector privado disminuye el salto que se veı́a en el dı́a -12. Vemos aún un aumento durante los dı́as 1 y 2 respecto al promedio diario para los individuos activos, aumento que no se observa durante el resto del patrón. En la Tabla 1 analizamos el número de muertes diario por nivel de ingreso de la comuna, rango de 16 Se. consideran 5 rangos: De 0 a 17 años, de 18 a 29, de 30 a 49, de 50 a 65 y de más de 65 años. por ejemplo, en una comuna “X”, el porcentaje de individuos hombres entre 30 y 49 años trabajando en el sector privado es 50 %, a cada fallecido que se encuentre en esa categorı́a lo ponderamos por 0.5. Ası́, ponderamos más las muertes de aquellos individuos con mayor probabilidad de estar en el sector privado y que, por lo tanto, reciben el salario más cerca de fin de mes. 17 Si,. 10.

(13) Tabla 1: Media y mediana del número de muertes diarias por grupo Dı́a(-1) Media Mediana. Dı́a(1) Media Mediana. Dı́a(2) Media Mediana. 181.52 29.97 13.57 6.75. 178 29 14 6. 255.54 45.33 15.33 10.22. 206.5 41 12 9. 212.53 35.76 17.07 9.75. 185 34.5 16.5 8.5. Edad<18 Edad 18-29 Edad 30-49 Edad 50-65 Edad>65. 13.15 7.625 22.14 42.71 153.6. 10.5 8 21.5 42.5 151. 19.77 14.67 40.8 69.75 206.15. 15.5 16 27 80 172. 18.38 8.5 25.2 47.44 168.94. 13 8.5 24 45.5 153. Educación Superior Educación Media Educación Secundaria o menor. 11.78 18.71 205.25. 12 20 200. 14.2 28.2 285.13. 15 18 234. 12 24 236.95. 12 21 208. Ingreso Ingreso Ingreso Ingreso. sobre p50 entre p25 y p50 entre p10 y p25 bajo p10. Para los dı́as -1, 1 y 2 en relación al dı́a de pago, obtenemos el promedio y la mediana de las muertes del perı́odo para distintos subgrupos. Esto es, para cada dı́a d del perı́odo calculamos el número de muertes y luego promediamos el número de muertes obteniendo la media del dı́a d, por lo que si la media es x, significa que en promedio para un dı́a d para ese subgrupo el número de muertes es x. La mediana entrega el percentil 50 de número de muertes de todos los dı́as j del perı́odo. Obtenemos la media y mediana del número de muertes para cada dı́a según nivel de ingreso de la comuna, rango de edad y nivel educativo.. edad y nivel educativo para los dı́as -1, 1 y 2 alrededor del dı́a de pago18 . Para cada dı́a del perı́odo que corresponda a un dı́a -1, 1 ó 2, calculamos el número de muertes y luego, calculamos la media y la mediana del número de muertes. Con la media hacemos un promedio simple de las muertes diarias en cada dı́a d, pero calculamos también la mediana, de manera de tener una medida del número aproximado de muertes de cada dı́a que no se vea alterado por valores extremos ya que, por ejemplo, si existe en los datos algún dı́a 1 donde hay un número de muertes muy alto que se escapa del resto de los dı́as, ese valor llevará al alza el promedio de defunciones del dı́a. Sin embargo, esto no implica que necesariamente todos los dı́as 1 tengan un valor alto en el número de muertes. Se ve que siempre el número de muertes aumenta fuertemente el dı́a 1 en comparación al dı́a -1. Vemos por ejemplo, que un dı́a -1 en promedio hay 181 muertes de individuos que pertenecen a una comuna con un ingreso sobre el percentil 50, mientras que un dı́a 1 hay 255 muertes de ese mismo grupo y el dı́a 2, 212. Si vemos la mediana, un dı́a -1 la mediana del número de muertes para el mismo grupo es 178, mientras que los dı́as 1 y 2, 206.5 y 185 respectivamente. Si bien el aumento considerando la mediana del número de muertes es menor, aun ası́ se ve que existe un aumento los dı́as 1 y 2 respecto al dı́a -1, aumento que se da para todos los grupos de ingreso. Si analizamos el número de muertes según rango de edad encontramos que también en todos los grupos etarios se ve un número mayor de muertes durante los dos primeros dı́as. En particular, se ve un aumento muy grande en el número durante el dı́a 1, valor que disminuye para el dı́a 2, pero que sigue mostrando siempre más muertes que el dı́a -1. Lo mismo se obtiene para los distintos grupos de educación superior. En la figura 1 de la sección Anexo podemos observar el ciclo de mortalidad por subgrupos de ingreso. Vemos un mayor efecto durante los dı́as 1 y 2 para los grupos de menor ingreso, efecto que 18 No. incluimos el dı́a 0 porque, como veremos más adelante, el efecto se ve principalmente durante los dı́as 1 y 2, comparando con el dı́a 1.. 11.

(14) Figura 3: Riesgo de muerte desagregado por causa se nota más claramente cuando calculamos el riesgo de cada dı́a como la mediana en vez de con el promedio. Este efecto distinto según nivel de ingreso se relaciona con la hipótesis de que existen efectos heterogéneos según nivel de ingreso, efectos que se ven más grandes para quienes tienen una restricción presupuestaria más ajustada. En las figuras 2 y 3 de la misma sección vemos el efecto por subrupos de edad y nivel educacional. Se observa un mayor riesgo para los jóvenes entre 18 y 29 años, grupo para el que, en los datos de defunciones, se observa que un 51,7 % se encontraba laboralmente activo. Evans y Moore (2012) encuentran el mayor efecto en muertes para los primeros dı́as del mes en el grupo de 18 a 39 años, lo que se acerca a nuestros resultados. Por último, según nivel educacional, se observa un mayor efecto en quienes tienen mayor nivel educativo, para lo que cabe destacar que dentro de la muestra de difuntos, un 11.63 % de quienes tienen nivel de educación secundaria se encontraban activos, mientras que para quienes tenı́an educación media y superior un 54,8 y 40.3 % respectivamente se encontraba activo en la fuerza laboral; por ello el mayor efecto en individuos de mayor nivel educativo podrı́a ir de la mano con el nivel de actividad, ya que se espera un mayor efecto de la liquidez para quienes reciben salario. Por último, nos interesa saber si el ciclo se da para algunas causas de muerte que son las asociadas a un consumo excesivo, o para todas las causas. Para eso comparamos muertes por cáncer, las que deberı́an ser más estables a lo largo del mes, con otras causas que tienen relación con consumo excesivo de alcohol y drogas, intoxicaciones y accidentes de tránsito. Agregamos además muertes por enfermedades al sistema respiratorio, las que podrı́amos pensar que se mantienen constantes y que no cambian por un aumento en la liquidez al igual que las muertes por cáncer, y muertes por infarto al corazón, para las cuales EM (2012) observan un aumento en el riesgo durante los primeros dı́as del mes, explicado como un aumento en consumo de alimentos, respaldado por el aumento que observen en consumo en restaurantes y locales de comida rápida. En la figura 3 analizamos el ciclo en las defunciones según causa de muerte. En primer lugar, observamos un salto en las muertes por cáncer, lo que va en contra de lo encontrado por EM (2012). A. 12.

(15) la vez, se observa también un aumento de aproximadamente la misma magnitud para enfermedades al sistema respiratorio. Esto podrı́a darse por una sobredemanda del servicio de salud producto de mayor acceso a hospitales seguido de un mayor número de personas que no pueden atenderse porque existe una oferta limitada, lo que va de la mano con un aumento generalizado en los ingresos a hospitales. Además, cuando analizamos los ingresos por cáncer en la sección 3.2.2, no observamos un aumento durante los dı́as siguientes al pago. Por último, y con un salto de una magnitud de casi el doble del salto que se da para cáncer y enfermedades del sistema respiratorio, se observa que tanto las muertes por intoxicación como las muertes por accidentes de tránsito aumentan en aproximadamente un 60 % con respecto al promedio diario el dı́a después del pago y un 40 % el dı́a 2.. 3.2.2.. Riesgo de ingreso a hospital. Realizamos el mismo análisis anterior para los ingresos a hospitales en Chile. Nos centramos particularmente en las causas de los ingresos, desagregando todos los ingresos entre 2000 y 2014, para analizar si existe un patrón periódico en los ingresos a hospitales para cada una de ellas. Con esto buscamos evidencia de si puede existir un aumento en los ingresos causado por mayor consumo de alcohol y drogas durante los dı́as siguientes al pago del salario en Chile. Sin embargo, el mayor número de ingresos puede responder a la mayor capacidad de pago de los individuos, quienes, después del pago de los salarios, tienen mayor liquidez, aumentando sus posibilidades de pagar por atención. Para analizar si existe un efecto de mayor necesidad de atención durante los primeros dı́as del mes, en la sección 4.2 observamos el efecto según la previsión de salud de los individuos. En la figura 4 observamos patrones de riesgo de ingreso diario según la causa de ingreso al hospital. En primer lugar, observamos un fuerte aumento durante los dı́as 1 y 2 del mes para suicidios y lesiones autoinflingidas, accidentes de tránsito e intoxicaciones, lo cual coincide con evidencia encontrada en la literatura; sin embargo el aumento es de una proporción mucho mayor al encontrado en los paı́ses estudiados anteriormente. En particular para suicidios, lesiones autoinflingidas y accidentes de tránsito se observa un aumento del 60 % aproximadamente en relación al promedio de ingresos diario por dichas causas. Para intoxicaciones, causa que se relaciona directamente con un mayor consumo de sustancias, se ve un aumento de más del doble de ingresos en relación al promedio diario. Por otra parte, ingresos por suicidios y lesiones autoinflingidas se relacionan con consumo de drogas y alcohol19 , lo que puede ser consecuencia de una disminución en la capacidad de razonar. Por último, el efecto de ingresos por accidentes de tránsito se ha relacionado en la literatura con mayor consumo de alcohol y drogas durante los dı́as posteriores al pago, aunque no existe una relación directa. Por esto, analizaremos más adelante datos de accidentes de tránsito, de manera de analizar si los accidentes provocados por esta causa efectivamente aumentan los primeros dı́as del mes. Observamos también en la figura un aumento en los ingresos por infarto al corazón, aumento que se da en los dı́as que están alrededor del dı́a 0, no solo en los dı́as posteriores. Este aumento en los dı́as previos también se da en suicidios y lesiones autoinflingidas, lo que podrı́a tener relación con fin de mes; sin embargo, no encontramos literatura que evidencie un aumento en infartos ni suicidios durante los últimos dı́as del mes. Los ingresos por enfermedades al sistema respiratorio muestran un aumento de 20 % respecto al promedio diario de ingreso por esta causa durante el primer dı́a luego del pago. Este aumento podrı́a explicarse por mayor acceso a hospitales producto de la mayor liquidez disponible, efecto que analizaremos más adelante con los datos de ingresos según previsión de salud. Por último, a diferencia del ciclo de defunciones por cáncer, en los ingresos a hospitales no se observa un aumento claro durante los primeros dı́as respecto al resto de los dı́as del mes, por lo que el aumento encontrado en las defunciones por esta causa, podrı́an deberse a la sobredemanda de atención de salud. 19 Miller et al (2009) observan que cerca del 50 % de los suicidios tienen relación con dependencia de los individuos a las drogas y el alcohol.. 13.

(16) Figura 4: Riesgo de ingreso a hospital desagregado por causa. 14.

(17) Figura 5: Riesgo de accidentes de tránsito 3.2.3.. Riesgo de accidentes de tránsito. Con los datos de defunciones en Chile vimos gráficamente que aumenta el número de defunciones durante los dı́as 1 y 2, efecto que es más grande para los individuos activos y, en particular, para defunciones por causas relacionadas a mayor consumo de alcohol y drogas. Para los ingresos a hospitales, hemos visto que también los primeros dı́as se da un aumento en el número de ingresos respecto al promedio diario para causas relacionadas con dicho consumo excesivo. La literatura ha considerado que el aumento en defunciones por accidentes de tránsito tiene que ver con accidentes bajo estado de ebriedad o bajo el efecto de las drogas. Utilizamos datos de accidentes de tránsito para analizar si efectivamente los accidentes que tienen como causa el consumo excesivo de estas sustancias muestran un aumento durante los primeros dı́as del mes. La figura 5 muestra para cada dı́a alrededor del último dı́a hábil del mes el promedio del riesgo de accidentes, el que, al igual que en los patrones de defunciones e ingresos calculamos como la desviación del número de accidentes respecto a la media diaria. Se observa una clara disminución del número de accidentes respecto al promedio en los dı́as previos al pago, un aumento de un 50 % durante el dı́a 1 y un riesgo que se mantiene por sobre el promedio diario durante los dı́as siguientes. Este aumento en los accidentes durante los primeros dı́as del mes tiene relación con el aumento de las muertes y de los ingresos a hospitales producidos por esta causa. Nos interesa saber si este aumento se da efectivamente por accidentes cuya causa tiene relación con consumo excesivo de alcohol y drogas.. En la figura 6 desagregamos los accidentes de tránsito entre los accidentes cuya causa se relaciona con alcohol o drogas, y accidentes por otras causas. Los que son causados por alcohol incluyen accidentes donde el conductor, algún pasajero o un peatón bajo estado de ebriedad tuvo relación con el accidente. Se ve un aumento importante de 160 % en el número de accidentes de tránsito ocasionados por consumo de alcohol y drogas durante los dı́as 1 y 2. Esto implica que, efectivamente, el aumento de defunciones y de ingresos a hospitales producidos por accidentes tiene relación con un mayor consumo de drogas y alcohol. Sin embargo, se ve también un aumento en las otras causas de accidentes, que si bien es menor, corresponde a un aumento de casi el 50 %. En la sección 4.3 realizamos las estimaciones para los siniestros desagregando según las otras causas accidentes.. 15.

(18) Figura 6: Riesgo de accidentes de tránsito. 3.3.. Metodologı́a Empı́rica. Para estimar el efecto de la liquidez de los salarios en la tasa de mortalidad20 , utilizamos como primera aproximación la ecuación utilizada por Evans y Moore (2012): y dmy = α +. 14 X d=−13. Dı́a(d)β d +. 6 X. weekdayjγ j +. j=1. M X. Especial(j)δ j + ν m + ζ y + dmy. (2). j=1. donde ydmy es el riesgo de mortalidad del dı́a d, en el mes m para el año y. Al lado derecho tenemos una dummy para cada dı́a d alrededor de la fecha de pago, dummies para controlar por el dı́a de semana21 (weekday), dı́as especiales en el perı́odo22 y efecto fijo para el mes y el año. Incorporamos además en algunas especificaciones el efecto del dı́a de pago cuando es viernes, agregando la interacción entre la dummy dı́a 0 y una dummy para dı́a viernes. Lo mismo realizamos para cuando el dı́a siguiente al pago es sábado, dı́a 1, y cuando el dı́a 2 es domingo. De esta forma obtenemos de manera separada el efecto de los primeros dı́as cuando estos son cualquier dı́a de la semana, versus el efecto de estos dı́as cuando el pago cae dı́a viernes, justo antes del fin de semana. Con la variable Dı́a(d) relacionamos cada fecha de defunción con el dı́a alrededor del pago. Con esto, y tomando en cuenta que el dı́a 0 se pagan las remuneraciones, podemos analizar cómo cada dı́a del mes se relaciona con el número de muertes. En particular nos interesan los dı́as que están más cerca del dı́a 0, para estudiar cómo la liquidez que se obtiene ese dı́a se relaciona con las muertes. A diferencia de Evans y Moore, utilizamos como variable dependiente el riesgo de mortalidad de cada dı́a en vez de la suma de muertes, lo que nos permite comparar los resultados encontrados con los gráficos que utilizan esta medida. Además, utilizar el riesgo nos permite interpretar los parámetros como desviaciones respecto al promedio diario, teniendo como base el dı́a anterior al pago del salario. Esto es, el coeficiente que nos entrega cada dı́a en la estimación indica cómo aumenta o disminuye el riesgo de muerte para ese dı́a en comparación con el dı́a anterior al pago. El riesgo de mortalidad en promedio para el dı́a d según esta estimación será α + βd . 20 Utilizamos. la misma estrategia para los ingresos a hospitales y los accidentes de tránsito lunes, martes, etc. 22 Dı́as alrededor del 18 de Septiembre, fecha en que se realizan las Fiestas Patrias en Chile y suelen aumentar las muertes, año nuevo, 27 de febrero de 2010 (terremoto del 2010) y feriados. 21 Dı́a. 16.

(19) Esta estrategia nos permite analizar cómo se relaciona cada dı́a del ciclo con el riesgo de muerte. Utilizamos esta misma especificación para varios subgrupos: Para toda la muestra, para activos, inactivos, etc.; sin embargo, no podemos asegurar que el efecto es distinto para alguien que recibe salario en comparación a quien no recibe, por lo que no podemos diferenciar qué parte de ese efecto se da por el pago del salario. Para estimar el efecto de los individuos que reciben salario utilizamos más adelante el método de diferencias en diferencias, que permite aislar el efecto diario para los que trabajan y reciben mayor liquidez el dı́a del pago, del efecto diario que se da para todos los individuos. Para el análisis utilizamos la siguiente regresión: 13 X. y dmy = α+. Dı́a(d)β d +λT +. d=−14. 13 X. 6 M X X Dı́a(d)∗T θd + weekdayjγ j + Especial(j)δ j +ν m +ζ y +dmy j=1. d=−14. j=1. (3) donde T es una dummy que es igual a 1 si el individuo está activo y 0 si no. El estimador de diferencias en diferencias será el efecto de trabajar y recibir salario considerando que existe una diferencia entre la tasa de mortalidad de los activos y el resto de los individuos. La diferencia en el efecto para activos versus inactivos la recoge el coeficiente de la interacción entre el tratamiento de actividad y el dı́a d, θd . Por último, para estimar el cambio en el efecto diario en mortalidad que puede darse por un aumento masivo de cuentas vista en los bancos, estimamos una triple diferencia de la siguiente manera: 13 X. y dmy = α+. Dı́a(d)∗(β d +T θd )+. d=−14. P13. d=−14. 13 X. Dı́a(d)∗Af ter∗(ω d +T ϕd )+. d=−14. 13 X. Dı́a(d)∗T reat∗(κd +T ζ d )+. d=−14. Dı́a(d) ∗ af ter ∗ treat ∗ (π d + T λd ) + φT + Af ter ∗ (τ + T η) + T reat ∗ (ψ + T η)+. Af ter ∗ T reat∗(χ + T σ) +. P6. j=1. weekdayjγ j +. PM. j=1. Especial(j)δ j + ν m + ζ y + dmy (4). donde T es la misma dummy utilizada en la ecuación (2), que indica si el individuo es activo o no, after es una dummy que toma el valor 0 si la defunción fue antes de 2006 y 1 si fue después, y treat es una dummy que indica si, dada la comuna donde reside el individuo, es más probable que haya abierto una cuenta. Por lo tanto, treat tomará el valor 1 cuando pertenezca a una comuna que dentro del ranking de número de sucursales por comuna se encuentra entre las comunas con menor número de sucursales bancarias antes de 2006, y 0 si se encuentra en las comunas con mayor número. De esta manera, la interacción af ter ∗ treat toma el valor 1 cuando el individuo es tratado y se encuentra en el perı́odo donde ya se abrieron las Cuentas RUT y 0 en cualquier otro caso. El coeficiente λd nos entrega el efecto del aumento en cuentas vista para los activos en el riesgo de mortalidad. Se espera un valor negativo si es que es el dinero en efectivo el que facilita un mayor gasto por parte de los trabajadores.. 4.. Resultados. A continuación presentamos los resultados para el efecto de la liquidez de los salarios en mortalidad, ingresos a hospitales y accidentes de tránsito. En la sección 4.1 vemos los resultados del análisis de las defunciones en Chile; en la 4.2, los resultados para ingresos a hospitales y en la sección 4.3, para los accidentes de tránsito. En la sección 4.4 analizamos la existencia de un cambio en el efecto cuando los individuos tienen acceso a cuenta bancaria. Por último, en la sección 4.5 realizamos el análisis del efecto de los shocks de ingresos en el riesgo de mortalidad.. 17.

(20) Tabla 2: Riesgo de Muerte Diario - OLS. Dı́a(-14) Dı́a(-13) Dı́a(-12) Dı́a(-11) Dı́a(-10) Dı́a(-9) Dı́a(-8). Variable Dependiente: Riesgo Mortalidad diario Coef. para Dı́a(d) alrededor del último dı́a hábil del mes 0.0164 Dı́a(-7) 0.00457 Dı́a(1) 0.577*** Dı́a(8) (0.0132) (0.0132) (0.0138) -0.0159 Dı́a(-6) -0.0145 Dı́a(2) 0.264*** Dı́a(9) (0.0134) (0.0132) (0.0132) -0.0121 Dı́a(-5) -0.0140 Dı́a(3) -0.00243 Dı́a(10) (0.0133) (0.0132) (0.0132) -0.0134 Dı́a(-4) -0.00961 Dı́a(4) -0.00128 Dı́a(11) (0.0133) (0.0131) (0.0132) -0.00104 Dı́a(-3) -0.00984 Dı́a(5) -0.00311 Dı́a(12) (0.0132) (0.0132) (0.0132) -0.000732 Dı́a(-2) -0.00461 Dı́a(6) -0.00288 Dı́a(13) (0.0132) (0.0132) (0.0129) -0.00200 Dı́a(0) -0.0125 Dı́a(7) 0.00407 Constante (0.0129) (0.0134) (0.0132). -0.0206 (0.0136) -0.0241* (0.0132) -0.0219* (0.0132) -0.0123 (0.0132) 0.00367 (0.0134) -0.00616 (0.0129) 0.987*** (0.0127). Estimación por OLS, donde Dı́a(d) es el dı́a alrededor de la fecha de pago y Riesgo diario corresponde a las muertes en el dı́a d en relación al promedio diario. Incluye controles para dı́a de la semana, dı́as especiales del perı́odo y efecto fijo mes y año. Muestra de 8.064 observaciones que corresponden a 336 dı́as al año (28 dı́as por mes) durante 24 años. Errores estándar en paréntesis,***p<0.01,**p<0.05,*p<0.1. 4.1. 4.1.1.. Riesgo de mortalidad OLS - Riesgo diario y semanal. En primer lugar, estimamos la ecuación (1) para toda la muestra de fallecidos entre 1990 y 2013. La variable dependiente corresponde al riesgo diario para el dı́a d del mes m para el año y, que corresponde al promedio de muertes del dı́a d alrededor del último dı́a del mes dividido por el promedio de muertes diario en el año y, tal como se definió en la sección 3.2. Tomando como base el dı́a anterior al pago, en la Tabla 2 podemos ver que, alrededor del dı́a de pago, los dı́as 1 y 2 tienen un coeficiente positivo y significativo para el riesgo de muerte, lo que implica que el riesgo de muerte, definido como desviaciones al promedio anual, es mayor para los dı́as 1 y 2 que para el dı́a anterior al pago. En particular, el dı́a 1 del mes, que corresponde al dı́a siguiente del pago de los salarios, tiene un coeficiente de 0.577, lo que implica que el primer dı́a luego del pago el riesgo de muerte es un 57,7 % más grande que el riesgo del dı́a -1. De esta misma manera, vemos que el dı́a 2 el riesgo de muerte es un 26,4 % mayor al riesgo del dı́a anterior al pago. La magnitud de este efecto dista del aumento de 1,07 % que encuentran Evans y Moore para el primer dı́a y del aumento de 1 % que observan Phillips, Christenfeld y Ryan (1999). Que el riesgo de los dı́as 1 y 2 sea mayor al riesgo del dı́a -1 significa que el número de defunciones de estos dı́as es mayor al del dı́a -1, ya que comparamos las desviaciones respecto al promedio diario en los dı́as 1 y 2 con las desviaciones respecto al promedio diario del dı́a -1. De esta manera, el coeficiente de los dı́as 1 y 2 nos indica si esos dı́as el número de defunciones es aun más grande con respecto al promedio diario que el número de defunciones del dı́a -1. Por lo tanto, aun cuando la variable dependiente no es el número de defunciones diarias, podemos interpretar los coeficientes como diferencia en el número de muertes con el dı́a anterior al pago23 . Los resultados obtenidos en esta estimación consideran los efectos de los primeros dı́as para todos los individuos fallecidos durante el perı́odo; por lo tanto, no podemos decir que la recepción del sueldo 23 Lo mismo más adelante con la interpretación de resultados en el análisis de ingresos a hospitales y accidentes de tránsito. 18.

(21) Tabla 3: OLS por Actividad Total. Constante. 0.987*** (0.013). (2) 0.005 (0.012) -0.009 (0.014) 0.259*** (0.016) 0.015 (0.015) 0.016 (0.017) 0.732*** (0.026) 0.537*** (0.019) 0.577*** (0.026) 0.436*** (0.019) 0.981*** (0.012). Observaciones R2 FE Mes FE Año. 8,064 0.509 Si Si. 8,064 0.606 Si Si. Dı́a(-2) Dı́a(0) Dı́a(1) Dı́a(2). (1) -0.005 (0.013) -0.012 (0.013) 0.577*** (0.014) 0.264*** (0.013). Dı́a(0)xViernes Dı́a(1)xViernes Dı́a(1)xSábado Dı́a(2)xSábado Dı́a(2)xDomingo. Activos 18-65 años (3) (4) -0.014 -0.003 (0.021) (0.020) 0.020 0.012 (0.022) (0.024) 0.643*** 0.292*** (0.022) (0.027) 0.289*** 0.013 (0.021) (0.026) 0.044 (0.030) 0.784*** (0.044) 0.606*** (0.032) 0.689*** (0.044) 0.469*** (0.032) 0.929*** 0.933*** (0.021) (0.020) 8,064 0.321 Si Si. 8,064 0.385 Si Si. Inactivos 18-65 años. Ajustado Sector Priv.. (5) -0.005 (0.018) -0.019 (0.018) 0.548*** (0.019) 0.258*** (0.018). (7) -0.007 (0.020) -0.005 (0.020) 0.617*** (0.021) 0.281*** (0.020). 0.991*** (0.018). (6) 0.004 (0.017) -0.005 (0.020) 0.248*** (0.023) 0.019 (0.022) -0.011 (0.026) 0.690*** (0.038) 0.509*** (0.028) 0.579*** (0.038) 0.410*** (0.027) 0.989*** (0.017). 0.944*** (0.017). (8) 0.003 (0.018) -0.000 (0.021) 0.280*** (0.025) 0.038 (0.023) 0.011 (0.027) 0.714*** (0.040) 0.572*** (0.029) 0.555*** (0.040) 0.429*** (0.029) 0.948*** (0.017). 8,064 0.284 Si Si. 8,064 0.352 Si Si. 4,707 0.441 Si Si. 4,707 0.525 Si Si. Estimación por diferencias en diferencias donde Semana(j) es la semana alrededor de la fecha de pago y Riesgo semanal corresponde a las muertes semanales en relación al promedio semanal. Incluye controles para dı́a de la semana, dı́as especiales del perı́odo y efecto fijo mes y año. Muestra de 8.064 observaciones para estimaciones (1)-(6) que corresponden a 336 dı́as al año (28 dı́as alrededor del pago por mes) durante 24 años. Muestra de 4707 observaciones para estimaciones (6) y (7) ya que factor de concentración no está disponible para todos los perı́odos. Errores estándar en paréntesis,***p<0.01,**p<0.05,*p<0.1.. aumente en 57.7 % el riesgo a nivel individual, ya que este efecto podrı́a verse afectado por el efecto que tengan esos dı́as en los otros individuos. Si, por ejemplo, los individuos inactivos mueren menos los primeros dı́as del mes, estaremos subestimando el estimador. Lo contrario pasarı́a si los inactivos aumentaran el número de muertes incluso más que los activos. Es por esto que más adelante analizamos la diferencia del efecto para los individuos activos a través de diferencias en diferencias. En el Tabla 3 separamos el efecto por grupos según actividad utilizando la misma especificación de la ecuación (2) para las columnas impares. Para las columnas pares, en cambio, agregamos a la estimación el efecto de que los primeros dı́as del mes sean fin de semana. Esto nos permite diferenciar entre el efecto de un dı́a 0 cualquiera, versus un dı́a 0 cuando cae viernes. Lo mismo para el dı́a 1 y 2. Esta distinción entre efecto de la liquidez en un dı́a 1 cualquiera versus un dı́a 1 que cae fin de semana nos interesa porque creemos que el efecto es heterogéneo. En particular, el efecto podrı́a ser más grande si a los individuos les pagan justo antes del fin de semana. Se realiza la estimación teniendo como base el dı́a anterior al pago24 . 24 En la tabla mostramos solo los dı́as -2 al dı́a 2, que son los dı́as más cercanos al pago y donde se ve un efecto significativo, sin embargo en la estimación se incluye una dummy para cada dı́a del mes.. 19.

(22) Tabla 4: Riesgo de Muerte semanal - OLS V. Dependiente: Riesgo de Mortalidad semanal Coef. para Semana(j)alrededor del pago) Semana(-2) -0.001 Semana (2) -0.0072 (0.010) (0.010) Semana(1) 0.005 Constante 0.99*** (0.009) (0.016) R2 0.46 Estimación por Diferencias y diferencias donde Semana(j) es la semana alrededor de la fecha de pago y Riesgo semanal corresponde a las muertes semanales en relación al promedio semanal. Incluye dummies para semanas especiales del perı́odo y efecto fijo mes y año. Muestra de N= 1.152 que corresponden a las semanas entre 1990 y 2013. Errores estándar en paréntesis, ***p<0.01,**p<0.05,*p<0.1.. Analizando las columnas impares, podemos ver que el dı́a 0 en general entrega un coeficiente negativo para los activos; sin embargo, en ninguno de los casos el coeficiente es significativo, por lo que no podemos rechazar que el riesgo del dı́a de pago sea igual al riesgo del dı́a anterior. De la misma manera, el dı́a -2 tampoco muestra efecto significativamente distinto de cero. En cambio, los dı́as 1 y 2 muestran un coeficiente positivo y significativo que muestra aproximadamente un aumento en un 50 % a 60 % del riesgo comparado con el dı́a anterior al pago. En particular dicho efecto es más grande para activos entre 18 y 65 años que para inactivos del mismo rango de edad, con un coeficiente significativo de 64.3 % versus 54.8 % para los inactivos. Sin embargo, el coeficiente para los inactivos sigue siendo positivo y muestra un incremento importante de las muertes en el dı́a 1 y 2 respecto al -1. En la estimación de diferencias en diferencias que realizamos más adelante observamos que la diferencia en el efecto para individuos activos e inactivos es significativa, con un efecto mayor para los activos. Al utilizar el ı́ndice de concentración del sector privado, tal como se ve en las columnas (7) y (8), se observa un coeficiente positivo y significativo para el sector privado en los primeros dı́as luego del pago de las remuneraciones, coeficiente mayor al de los individuos inactivos, lo que va acorde a la hipótesis de que es la liquidez del salario la que produce el aumento en la tasa de mortalidad. Si observamos las columnas pares, podemos ver separadamente el efecto de cada dı́a del ciclo del efecto de dichos dı́as cuando equivalen a fin de semana. Como es de esperar, para los dı́as 1 y 2 se encuentran coeficientes menores a los encontrados anteriormente, con valores entre 25 % y 30 % para el dı́a 1, por ejemplo. Este efecto aumenta cuando estos dı́as en caen fin de semana, lo que vemos en el coeficiente de la interacción entre dichos dı́as y el dı́a sábado y domingo. Para los activos, el riesgo de un dı́a 1 es 29.2 % mayor al riesgo del dı́a -1, coeficiente significativo al 95 % pero si ese dı́a además es viernes, aumenta un 78.4 % más y si es sábado, un 68.9 % más. Estos resultados se mantienen para todos los grupos, con un aumento en riesgo un poco menor para los inactivos, pero que de todas maneras es positivo y significativamente distinto de cero. El resultado anterior es interesante ya que si no separamos entre el efecto del dı́a 1 para cualquier dı́a versus para un dı́a de fin de semana, decimos que un dı́a 1 aumentan las muertes en 57.7 %, como lo vimos en la tabla 1. Sin embargo, el efecto del fin de semana está llevando al alza al efecto total, pero no necesariamente un dı́a 1 cualquiera tiene un aumento de casi 60 % en el número de muertes. Por otro lado, los resultados de la Tabla 3 nos dejan en evidencia que no solo hay un aumento en las defunciones en los dı́as posteriores al pago para quienes reciben salario, sino que este aumento se da también para los individuos inactivos. Esto puede explicarse por las externalidades del consumo excesivo de alcohol y drogas hacia terceros, ası́ como una sobredemanda de atención de los servicios de salud. En el tabla 4 volvemos a hacer la regresión de la ecuación (2) para analizar el riesgo semanal y si. 20.

(23) Figura 7: Efecto del riesgo anual vs trayectoria del PIB en Chile existe un efecto que sea positivo también las primeras semanas luego del pago, tal como lo realizan Evans y Moore (2012) en su trabajo. Se divide el perı́odo en cuatro semanas. Las dos semanas previas al pago (semana -1 y -2) agrupan a los dı́as -1 al -14, las semanas 1 y 2 a los dı́as 0 al 13. Tomando como semana base la semana anterior al pago, se ve un aumento en el riesgo de mortalidad para la semana 1; sin embargo, dicho aumento no es significativo. Este resultado puede darse porque el cambio se da solo en los dı́as muy cercanos a la fecha del pago, como se observa en las estimaciones diarias en las tablas anteriores, pero que, sin embargo, el cambio en el número de muertes entre las semanas -1 y 1 no sea tan fuerte como para mostrar un aumento significativo. Los resultados de Evans y Moore (2012) muestran un aumento de muertes en el dı́a de pago que se mantiene durante los dı́as siguientes, lo que hace que el promedio de muerte de la primera semana sea mayor al de la última. En nuestro estudio en cambio, son solo dos dı́as los que hay un peak, el resto de los dı́as el número de muertes es más constante, lo que puede generar que en promedio entre esas dos semanas no haya un cambio significativo en el número de muertes. Más adelante analizamos si para los individuos activos, en particular, ese aumento es significativo. Para complementar los resultados anteriores, realizamos un análisis para el efecto anual en el riesgo de defunciones, de manera de observar cómo se mueve el riesgo en el tiempo. Es decir, queremos analizar si ha habido alguna tendencia en los años para el coeficiente del riesgo en el dı́a 1 y si dicha tendencia tiene alguna relación con la trayectoria del PIB per cápita en Chile. Para esto realizamos estimaciones donde interacturamos la dummy del dı́a 1 con cada año del perı́odo, con lo que obtenemos la relación que tiene cada año con estos dı́as. Estas estimaciones la realizamos en dos grupos de comunas según nivel de ingresos, con lo que podemos ver si estas se mueven de manera distinta a través del tiempo. Además, obtenemos datos del PIB per cápita enre 1991 y 2013 del Banco Mundial. En la figura 7 observamos los gráficos del efecto anual y de la trayectoria del PIB.. 21.