El diseño de la investigación considera la importancia de hacer comparaciones entre áreas económicas locales (municipios) que sean similares, excepto por tener incrementos al salario mínimo diferentes. Las encuestas que capturan ingresos proporcionadas por el Instituto Nacional de Estadística y Geografía (INEGI) no son adecuadas para este propósito, debido al pequeño número de observaciones de municipios incluidos en la muestra y al número de observaciones dentro de cada municipio. Además, existe evidencia de que los ingresos laborales tienen un error de medición en encuestas en hogares, y que este problema se ha agravado en los últimos años (Campos-Vázquez, 2013; López-Calva y Levy, 2016).

De esta forma, la mejor información de empleo y salarios a nivel municipio es la base de datos de los registros administrativos del IMSS. Los datos son reportados al mes sobre el número de trabajadores asegurados y su salario base de cotización (SBC).⁶ Éstos constituyen un conjunto de información única del sector formal de la economía (IMSS, 2018).⁷

Se construye un panel de observaciones trimestrales (febrero, mayo, agosto y noviembre) de empleo y salarios a nivel municipio. El marco completo de la muestra, en la que analizaremos los eventos de 2012 y 2015, consta de datos desde el primer trimestre del 2000 hasta el primer trimestre de 2018 (73 trimestres). Por su parte, la muestra de datos para el análisis del evento de 2019 se detalla en la sección V. El IMSS publica los datos de empleo y salarios para el periodo de análisis en 2 442 municipios.⁸ Sin embargo, la cantidad mencionada de municipios compone un panel de información no equilibrado a lo largo del periodo. Para corregirlo, el problema se balancea estrictamente en el panel de datos. Luego, el número de municipios regulares en el levantamiento de información por parte del IMSS es de 1 394 para el periodo comprendido entre 2000 y 2018.

Ahora bien, las medidas para los resultados de la investigación son dos: el logaritmo natural del salario diario real y un índice de empleo. El primero es generado a partir de los salarios promedio diarios reales (segunda quincena de diciembre de 2017). La segunda medida es generada a partir del número de trabajadores. En la siguiente sección se aborda la implementación de las medidas en la estrategia empírica.

Finalmente, se fusiona la información sobre el salario mínimo vigente⁹ con el panel trimestral de empleo y salario a nivel municipio del IMSS. En particular, esta base de datos final estructura la composición de los municipios donde el salario mínimo se modificó. Durante el periodo de la muestra, el salario mínimo cambió positivamente en noviembre de 2012 y nueva mente en octubre de 2015.

La base de datos final del IMSS no incluye información a nivel individual. Los datos están estructurados a nivel celda: sexo, rangos de edad, rangos de salarios, tamaño del registro patronal, masa salarial asociada con el trabajador (o trabajadores) asegurado, zonas geográficas salariales, entre otros.¹⁰ En promedio, cada mes incluye aproximadamente cuatro millones de observaciones, y muchos de esos datos son únicamente con un trabajador, lo que permite observar el salario individual. Sin embargo, al restringir la base de datos únicamente a celdas con un trabajador, se corre el riesgo de perder la representatividad de la información.

Por lo tanto, se realiza un procedimiento de postestratificación para que la muestra final con celdas de un trabajador sea válida a nivel nacional.¹¹ Es decir, se genera un peso de calibración para cada trabajador, y éste sumado debe resultar en el total de trabajadores de la base completa del IMSS (véase Apéndice 2 para más detalles de este método). En la Gráfica 1 se muestra la evolución en el tiempo de la razón entre la suma del peso de calibración de la base a nivel individual y la suma de empleo en todas las celdas (total de observaciones) de la base completa del IMSS. Si el procedimiento para obtener el peso de calibración es correcto, entonces la razón debería ser aproximadamente uno.

Gráfica 1 ^a Cálculos por los autores con base en datos del IMSS. Peso de calibración generado de una estratificación por grupos: sexo, rangos de edad, rangos de salario mínimo, tamaño de patrón, entidad, y zonas salariales. El total de observaciones se refiere al total de asegurados (total de celdas), es decir, empleados registrados por el patrón ante el IMSS, asociados con un empleo y masa salarial. FUENTE: elaboración propia.

En la Gráfica 1 el ponderador resulta válido debido a que la razón es aproximadamente uno. Esto quiere decir que la base de datos postestratificada puede emplearse para realizar la estrategia empírica a nivel individual. Pero antes es preciso señalar una observación que se percibe en la Gráfica 1, justamente para los últimos dos años del periodo de análisis. Se aprecia una ligera caída no significante (menos de 0.25%) para la creación del ponderador. La explicación de este comportamiento se debe a la estructura de la base de datos del IMSS. Para esos dos años respectivos hay una menor presencia de trabajadores que ganan menos de dos salarios mínimos y, en consecuencia, el número de trabajadores de la agrupación por estrato es pequeño. En resumen, los datos utilizados son a nivel trabajador individual con factor de expansión (el ponderador obtenido a nivel individual con el procedimiento de postestratificación).

Dos sucesos importantes en materia de salarios mínimos se suscitaron en México antes de 2019: las homologaciones de zonas salariales en 2012 y 2015. El primero de ellos fue la unificación de las zonas salariales (municipios) el 26 de noviembre de 2012. La Comisión Nacional de Salarios Mínimos (Conasami) dio a conocer que las tres zonas salariales originales (A, B y C, en el Mapa 1a se muestra la clasificación original) se reducen a dos (A y C, en el Mapa 1b se muestra la clasificación posterior a 2012). Esto condujo a incrementar los salarios mínimos del área geográfica salarial B para igualarlos a los del área A. Además, el organismo público decidió renombrar la que hasta ese momento se denominaba área geográfica C como área B, sin ninguna modificación en su integración municipal ni en los montos de los salarios mínimos.¹² En último lugar, la fusión de la zona B con la A provocó un aumento automático, si se comparan febrero de 2012 y febrero de 2013, de 6.92% nominal (3.24% real) en los salarios mínimos del área B. Esto último ubicó los salarios mínimos para las áreas A y C en 62.33 y 59.08 pesos diarios, respectivamente, para finales de 2012 (Gráfica 2).

Mapa 1 ^aLa visualización y los cálculos de los autores con base en datos del Banco de México, Conasamí, Censo 2010 y Encuesta Intercensal 2015. FUENTE: elaboración propia.

Gráfica 2 ^a Valores en términos nominales. Se toman datos del primer mes de cada año. Las líneas verticales representan las homologaciones salariales, noviembre de 2012 (paso de tres zonas salariales a dos) y octubre de 2015 (se establece un único salario mínimo). FUENTE: elaboración propia.

Luego, la Conasami, al buscar cerrar la diferencia salarial entre las dos únicas zonas salariales (A y C), estableció unificarlas. Esto fijaba un único salario mínimo que regía en todo el país, al menos hasta 2018. El evento sucedió el 1° de octubre de 2015, aunque ya había habido un ligero incre mento en la zona C a finales del primer trimestre de 2015. La consecuencia de esta circunstancia provocó un aumento, si se comparan febrero de 2015 y febrero de 2016, de 9.92% nominal (6.86% real) en los salarios mínimos de la zona salarial C.¹³ Esto último ubicó al salario mínimo en 70.10 pesos para todo México a finales de 2015 (Gráfica 2).

Los cambios en el salario mínimo suscitados pueden ser agrupados en zonas de intervención (tratamiento) y de control. Aunado a ello, las políticas en materia de salario mínimo nos permiten identificar tres eventos de estudio en el tiempo: 2012, 2015 y 2019. Por lo tanto, se analizan primero los eventos de 2012 y 2015 y posteriormente el de 2019 (en la sección V, dado que es un ejercicio preliminar al restringir el análisis hasta mediados del año). La Gráfica 3 resume claramente los eventos de estudio menciona dos para 2012 y 2015. Para el de 2012 se estudia la unificación salarial de 2012, se compara la zona B con las zonas A y C (primer trimestre de 2012 frente a primer trimestre de 2013). Por su parte, para el evento de 2015 que analiza la unificación salarial de 2015 se compara la zona C con las zonas A y B (primer trimestre de 2015 frente a primer trimestre de 2016).

Gráfica 3 ^a Cálculos de los autores con base en datos del INEGI y el Banco de México. Precios de la segunda quincena de diciembre de 2017. FUENTE: elaboración propia.

La Gráfica 3 muestra indicios importantes de la magnitud del incremento del salario mínimo en términos reales. El primero es sobre la unificación salarial de 2012; comparando la zona tratada B y las zonas de control A y C, se observa un incremento diferenciado de 2.92% del salario mínimo real entre la zona tratada y las de control. El segundo es la unificación salarial de 2015; comparando la zona tratada C y las zonas de control A y B, se muestra un incremento diferenciado de 5.56% entre la zona tratada y la de control. En la sección V se muestran las características relevantes de la política salarial de 2019.

El siguiente modelo proporciona una justificación para el uso del MCS en la investigación comparativa de estudios de casos (Abadie et al., 2010). En toda esta subsección se sigue la notación de Abadie et al. (2010). Consideremos que se observan J + 1 unidades o municipios, de los cuales la primera unidad está expuesta a una intervención política, mientras que las otras (J) permanecen no expuestas y reciben el nombre de grupo de donantes. Los resultados se observan para los periodos T y la intervención política de interés comienza en T + 1.

El resultado observado puede escribirse como la suma del resultado que debería ser observado para el municipio i(∀i∈{1,...,J +1} en el periodo t(∀t∈{1,...,T} en ausencia de intervención, Y i t N , y el efecto del tratamiento,¹⁴ α_it, tal que: Y i t =   Y i t N + α i t D i t . De la ecuación, D_it es un indicador que toma el valor de uno si la unidad i es expuesta a la intervención en el periodo t y cero en otro caso. Finalmente, el resultado observado para la unidad i en el periodo t es Y_it .

La forma funcional de la estimación es α i t =   Y 1 t I - Y 1 t N   =   Y 1 t   - Y 1 t N . Dado que Y 1 t I es observado, para estimar α_it resulta necesario estimar Y i t N .¹⁵ El método de control sintético estima Y 1 t N no observada (contrafactual) mediante la creación de una unidad de control sintética. Entonces, el estimador del contrafactual se construye de la siguiente manera: Y ^ 1 t N = μ + Σ j = 2 J + 1 w j Y j t ∀ t ∈ { l ,   . . . , T 0 } . El resultado del control imputado (el estimador contrafactual o la unidad de control sintética) para la unidad tratada es una combinación lineal de las unidades de control, intercepto μ y peso w_j .¹⁶ Ahora bien, dado que las unidades de control son observadas, la estimación recae en encontrar los valores óptimos del intercepto y los pesos. Por lo tanto, los pesos y el intercepto se estiman al minimizar el cuadrado de las diferencias entre los valores de pretratamiento de las características de la unidad tratada y de las unidades sin tratamiento. Esto también se conoce como la minimización del error cuadrado medio de predicción del pretratamiento (RMSPE, por sus siglas en inglés). Finalmente, una vez estimado el valor de los pesos para diferentes combinaciones lineales, se eligen como óptimos los pesos que presencian en conjunto un menor valor de RMSPE.¹⁷ La forma funcional de la estimación del intercepto y los pesos se denotan:

( μ ^ ;   w ^ )   = a r g min μ ; w ⁡ ∑ t = 1 T 0 Y i t - μ - ∑ i = 2 J + 1 ( w i Y i t ) 2 (1)

Ahora, para el caso en el que hay más de una unidad tratada, Abadie et al. (2010) sugieren agregar las unidades tratadas en sólo una unidad tratada (o región tratada), por lo que seguimos esa recomendación. Para la evaluación de las homologaciones salariales, esto equivaldría a agregar los resultados rezagados y las covariables de los municipios, afectados por la intervención, para construir la región tratada, así como para analizar los resultados de los municipios de control (sin agregar).

El MCS es muy útil en el campo de la evaluación de programas, puesto que ayuda a evaluar el impacto de alguna política de interés. Con esta estrategia se obtienen resultados sobre un contrafactual, es decir, qué hubiera pasado en ausencia de la intervención. Para ello se estima un control sintético postratamiento que refleja los resultados que deberían haber sido observados en la unidad tratada en ausencia de la política. Como se explicó, se busca minimizar el RMSPE.¹⁸

Ahora bien, la implementación del MCS utiliza la variable del índice de empleo como variable dependiente. Ésta se calcula mediante una diferencia entre el logaritmo del número de trabajadores por municipios y el logaritmo del número de trabajadores de un año base. Los años base para el cálculo del índice de empleo son: primer trimestre de 2010, primer trimestre de 2013 y tercer trimestre de 2018, respectivamente, para las tres intervenciones salariales. Se construye este índice, pues resulta muy complicado lograr balance en niveles, debido a que las magnitudes de empleo son distintas; con esto aseguramos que con el MCS las tendencias entre zonas tratadas y de control sean muy similares. Por su parte, las variables independientes son rezagos de la variable dependiente, también, covariables dependientes e independientes en el tiempo (por ejemplo: edad, empleados que ganan más de 200 pesos, entre otros). En la siguiente sección se detallan las variables que se utilizaron para la implementación del MCS. Por último, la aplicación del MCS tiene una condición importante: la base longitudinal del IMSS debe encontrarse estricta mente balanceada en el tiempo en relación con los municipios. En otras palabras, el número de municipios, para las unidades tanto de control como de tratamiento, debe estar balanceado estrictamente a través del tiempo.¹⁹

La implementación del MCS tiene un objetivo claro para esta investigación: obtener los municipios adecuados que mejor se aproximen en el comportamiento de las unidades de tratamiento. Es decir, se obtienen contrafactuales (unidades de control sintético) que se comparan con las unidades que sufrieron la intervención. Con ello, al comparar los cambios salariales de los grupos de control óptimo (unidades de control sintético) y de tratamiento con el cambio del salario mínimo se representa el efecto faro de los salarios mínimos.

Por lo tanto, al implementar el MCS mediante el uso de la variable índice de empleo,²⁰ se obtiene una selección óptima de unidades de control que se hacen emparejar con las unidades de tratamiento. La condición esencial para que se tenga un buen control sintético es que se debe tener un bajo valor de RMSPE. Esto último implica que el comportamiento del índice de empleo a través del tiempo debe de tender a ser similar entre el grupo de tratamiento y el grupo de control (Abadie et al., 2015; Dube y Zipperer, 2015; Pfeil y Field, 2016; Eren y Ozbeklik, 2016; Doudchenko e Imbens, 2016; McClelland y Gault, 2017; McClelland e Iselin, 2017).

De modo necesario, para obtener la mejor selección de unidades de control sintético se ejecutan alrededor de 200 modelaciones de MCS. Estas modelacio nes son resultados de combinaciones de variables predictoras; es decir, combinaciones de las variables de resultados rezagados de la variable dependiente y covariables.²¹ De estas modelaciones se toma el mejor modelo, correspondiente con la condición de un valor bajo de RMSPE. En el Cuadro 1 se muestra evidencia sobre características de las tres primeras modelaciones con bajo valor en RMSPE. De estas tres modelaciones se demuestra por qué se elige el modelo 1 como óptimo. Para las dos políticas salariales de 2012 y 2015 se muestra que el modelo óptimo es el que tiene un valor mínimo en RMSPE.

Cuadro 1

	Homologación 2012			Homologación 2015
	(1) modelo óptimo	(2)	(3)	(1) modelo óptimo	(2)	(3)
Presencia de rezagos	Sí	Sí	Sí	Sí	Sí	Si
Presencia de covañables	Sí	Sí	Sí	No	No	No
Porcentaje de rezagos	9%	9%	5%	42%	40%	40%
Porcentaje de covariables	5%	9%	5%	0%	0%	0%
Variables de rezagos (índice de empleo)	3° trim. 2010, 4° trim. 2010, 1° trim. 2011, 4° trim. 2011, 2° trim. 2012, 3° trim. 2012	3° trim. 2010, 4° trim. 2010, 1° trim. 2011, 4° trim. 2011, 1° trim. 2012, 2° trim. 2012	3° trim. 2011, 4° trim. 2011, 1° trim. 2012, 2° trim. 2012	1° trim. 2000-2012, 3° trim. 2000-2012, 3° trim. 2013, 1° trim. 2014, 3° trim. 2014, 1° trim. 2015	1° trim. 2000-2007, 3° trim. 2000-2007, 1° trim. 2008, 1° trim. 2009-2012, 3° trim. 2009-2012, 3° trim. 2013, 1° trim. 2014, 3° trim. 2014, 1° trim. 2015	1° trim. 2000, 3° trim. 2000, 1° trim. 2001, 1° trim. 2002-2012, 1° trim. 2002-2012, 3° trim. 2013, 1° trim. 2014, 3° trim. 2014, 1° trim. 2015
Covariables (log número de trabajadores que ganan más de 200 pesos)	3° trim. 2009, 3° trim. 2010, 3° trim. 2011, 3° trim. 2012	2° trim. 2010, 3° trim. 2010, 2° trim. 2011, 3° trim. 2011, 2° trim. 2012, 3° trim. 2012	2° trim. 2010, 3° trim. 2010, 2° trim. 2011, 3° trim. 2011	-	-	-
Unidades de Tratamiento (municipios)	43	43	43	1 302	1 302	1 302
Unidades de control sintético (municipios)	406/1351	417/1351	417/1351	28/92	29/92	27/92
RMSPE	0.0064	0.0072	0.0081	0.00521	0.00527	0.00549

^a Cálculos de los autores con base en datos del IMSS. Se implementa el MCS.

Ahora bien, los primeros resultados que se obtienen en el momento de proceder con el desarrollo del objetivo de la investigación son los efectos en el empleo. La Gráfica 4 muestra el impacto que tuvieron las homologaciones salariales (2012 y 2015) en el empleo. Al aplicar el MCS respecto del índice de empleo, resultó que las políticas salariales implementadas no causaron efectos en el empleo formal. Este resultado es consistente con los estudios de Campos-Vázquez et al. (2017) y Bouchot (2016 y 2018). Además, se observa para la homologación salarial de 2012 que el impacto nulo en el empleo se mantiene al menos hasta inicios de 2017. En cambio, en la homologación de 2015 no se observan efectos negativos en el empleo formal en el periodo de análisis.

Gráfica 4 ^a Cálculos de los autores con base en datos del IMSS. Se implementa el MCS. En el panel a) se obtuvieron 406 municipios potenciales de un total de 1 351 municipios comprendidos en las zonas A y C; para las unidades tratadas se tienen 43 municipios. Por su parte, en el panel b) se obtuvieron 28 municipios potenciales de un total de 92 municipios comprendidos en las zonas A y B; para las unidades tratadas se tienen 1 302 municipios. Además, el valor del RMSPE del panel a) es de 0.006464 y para el panel b) es de 0.005213. FUENTE: elaboración propia.

Para encontrar los resultados del efecto faro de los salarios mínimos en los ingresos laborales, se plantean dos distintas interpretaciones. La primera compara el cambio real del salario mínimo con los cambios reales de los ingresos laborales en toda la estructura salarial para los municipios tratados y los controles sintéticos. Para ello, se calcula cada percentil de la distribución salarial para unidades tratadas y controles sintéticos. Posteriormente, se realiza una diferencia porcentual entre municipios tratados y controles sintéticos para cada percentil de la distribución. Esta diferencia se compara con la diferencia porcentual de los cambios en el salario mínimo en las áreas intervenidas y no afectadas por la política salarial. Entonces, iniciando desde el cuantil uno de la distribución, si la diferencia porcentual en el salario mínimo tiene una magnitud similar a la diferencia porcentual en los ingresos laborales, se verifica la existencia del efecto faro de los salarios mínimos. En los siguientes párrafos se explican los resultados del efecto faro, tomando en cuenta esta primera interpretación para los tres eventos de estudio.

La Gráfica 5 muestra el efecto faro del salario mínimo sobre la distribución salarial para la intervención de 2012. En el panel a) se muestran los cambios del salario mínimo en la distribución de salarios del sector formal para las unidades de tratamiento y control sintético. Se observa, tanto para los municipios tratados como para los controles sintéticos, que el incremento del salario mínimo se percibe en la misma magnitud en los ingresos para los primeros tres cuantiles de la distribución salarial. Esto quiere decir que el efecto de un incremento al salario mínimo impacta uno a uno los ingresos de los trabajadores que ganan alrededor de un salario mínimo. El panel b) verifica lo encontrado en el panel a). Se obtiene la diferencia entre los grupos de tratamiento y los de control respecto de su distribución de salarios para cada percentil. Se encuentra que el efecto del salario mínimo en los ingresos laborales se da en los tres primeros cuantiles de la distribución y que a partir de ahí el efecto faro empieza a diluirse hasta desvanecerse por completo en el cuantil cinco de la distribución salarial.

Gráfica 5 ^a T es el tratamiento y CS corresponde al control sintético. Cálculos de los autores con base en datos del IMSS. La línea punteada horizontal, paralela al eje de las abscisas representa el incremento del salario mínimo al comparar el primer trimestre de 2012 con el primer trimestre de 2013. El área que sombrea la línea de la diferencia en puntos porcentuales representa los intervalos de confianza a 5% de significancia. Para este análisis del efecto faro se toman en cuenta los municipios potenciales obtenidos en los resultados del efecto en el empleo: se cuenta con 406 municipios para controles sintéticos y 43 municipios para tratamiento. FUENTE: elaboración propia.

Los trabajadores que se ubican en los primeros tres cuantiles de la distribución son aquellos que ganan aproximadamente un salario mínimo. Asimismo, se observa la presencia del efecto del salario mínimo en los salarios en el grupo de trabajadores que pertenecen al cuantil 26 de la distribución. Este impacto es de uno a uno en los salarios sólo en el cuantil 26. Estos trabajdores ganan entre uno y dos salarios mínimos. El desvanecimiento de este efecto faro es muy rápido y llega a diluirse aproximadamente en el cuantil 28 de la estructura salarial. El nivel del salario, en términos reales, perteneciente al cuantil 26 es de aproximadamente 135 pesos.

Otro resultado es el efecto faro posible debido a la política salarial de 2015. Esto se muestra en la Gráfica 6. Se observan comportamientos similares a lo que se encontró en la intervención salarial de 2012. En el panel a) de este segundo evento de estudio se encuentra que el incremento del salario mínimo se percibe en la misma magnitud en los ingresos laborales para aproximadamente los primeros cinco cuantiles de la distribución. Por otra parte, en el panel b) se verifica que a partir del cuantil seis el efecto del salario mínimo sobre los ingresos se empieza a desvanecer hasta llegar a perderse aproximadamente en el cuantil 10 de la estructura salarial.

Gráfica 6 ^a T es el tratamiento y CS corresponde al control sintético. Cálculos de los autores con base en datos del IMSS. La línea punteada horizontal, paralela al eje de las abscisas representa el incremento del salario mínimo si se comparan el primer trimestre de 2015 y el primer trimestre de 2016. El área que sombrea la línea de la diferencia en puntos porcentuales representa los intervalos de confianza a 5% de significancia. Para este análisis del efecto faro se toman en cuenta los municipios potenciales obtenidos en los resultados del efecto en el empleo: se cuenta con 28 municipios para controles sintéticos y 1 302 municipios para tratamiento. FUENTE: elaboración propia.

Estos resultados para el evento de 2015 también muestran que el efecto de un incremento al salario mínimo impacta en los trabajadores que ganan entre uno y 1.5 salarios mínimos para el periodo de 2015. El valor de 1.5 salarios mínimos es de aproximadamente 115 pesos, en términos reales, y se ubica en el cuantil 17 de la distribución para el análisis de la intervención de 2015. Como se pudo observar en el análisis de 2012, en la intervención de 2015 también se percibe un segundo efecto faro (impacto uno a uno del salario mínimo en los salarios) en el grupo de trabajadores que pertenecen, aproximadamente, al cuantil 18 de la distribución. Este grupo de empleados son los que ganan entre uno y dos salarios mínimos, más cerca de 1.5. Sin embargo, como también se observó en 2012, el efecto faro se diluye rápidamente y se pierde en el cuantil 20 de la estructura salarial. El nivel del salario, en términos reales, perteneciente al cuantil 18 es de aproximadamente 117 pesos. En resumen, el efecto faro encontrado está limitado a trabajadores con menos de dos salarios mínimos.

Respecto de una segunda interpretación del efecto faro, ésta se da con el análisis de la masa de trabajadores por medio de densidades no paramétricas. Es decir, comparamos las densidades de salarios antes y después del incremento del salario mínimo para las zonas tratadas y las de control. Si no hay efecto faro, esperaríamos que las densidades fueran relativamente similares para salarios lejanos al nuevo salario mínimo. Difícilmente se encuentra en la literatura económica un efecto faro en magnitud similar para toda la distribución (Kaplan y Pérez-Arce, 2006; Bouchot, 2018; Boeri et al., 2011; Campos-Vázquez et al., 2017).

De esta forma, la Gráfica 7 muestra la velocidad en que el efecto faro se desvanece para los cambios de 2012 y 2015. En el panel a) se muestra el impacto de la intervención salarial de 2012 y se evidencia que los trabajadores que ganan entre 62 y 70 pesos, en términos reales, migran hacia empleos con mejor remuneración, pero inmediatamente este proceso de migrar hacia un salario más alto se va desvaneciendo. También se evidencia que esta masa salarial que se traslada hacia una escala arriba del ingreso es la que percibe alrededor del nuevo salario mínimo. Estos trabajadores tienden a moverse hacia el grupo de individuos que ganan entre 1.5 y dos salarios mínimos, más cerca de 1.5, pero se quedan en ese grupo debido a que el efecto faro repercute como máximo en las personas que ganan dos salarios mínimos. El nivel del salario, en términos reales, perteneciente al grupo de trabajadores que gana dos salarios mínimos es de alrededor de 151 pesos, y de manera usual se ubica, aproximadamente, en el cuantil 34 de la estructura salarial.

Gráfica 7 ^a Las áreas que sombrean las líneas de las diferencias en densidades entre tratamiento (T) y control sintético (CS) representan los intervalos de confianza a 5% de significancia. En el panel a), antes de que se diera la intervención el 26 noviembre de 2012, el salario mínimo real en las zonas salariales fue: zona A de 76.31 pesos, zona B de 74.15 pesos y zona C de 72.33 pesos; después de la intervención (diciembre de 2012) el salario mínimo real en las zonas fue: zonas A y B de 76.13 pesos, y zona C de 72.16 pesos. Por otra parte, en el panel b), antes de que se diera la intervención el 1° octubre de 2015, el salario mínimo real en las zonas salariales fue: zonas A y B de 78.61 pesos, y zona C de 76.57 pesos (el salario antes de la intervención es el de septiembre); después de la intervención (octubre de 2015) el salario mínimo real fue: 78.21 pesos. Los valores reales están en pesos de la segunda quincena de diciembre de 2017. FUENTE: elaboración propia.

Algo similar ocurre en el panel b), que muestra el impacto de la política salarial de 2015. Esta gráfica muestra que los trabajadores que ganan entre 65 y 85 pesos, en términos reales, migran hacia empleos con mejor remuneración. En particular, el efecto faro nuevamente se pierde rápido, aunque en esta ocasión se observa una migración de trabajadores más amplia hacia salarios de entre uno y 1.5 salarios mínimos, consistente con lo mostrado en la Gráfica 6. Por otra parte, se observa la presencia en segunda instancia del efecto faro para las intervenciones de 2012 y 2015 que, respectivamente, repercuten en los cuantiles 26 y 18, el cual toma un resultado menos abrupto y con rápido desvanecimiento. Los niveles de salario pertenecientes a los cuantiles 26 y 18 de la distribución son de alrededor de 135 y 117 pesos (constantes de diciembre 2017), respectivamente. A partir de los dos salarios mínimos el efecto faro se diluye completamente.

Para obtener una predicción precisa de los resultados presentados en la subsección anterior se realizó el mismo ejercicio utilizando los dos segundos mejores modelos del control sintético.²² Los resultados obtenidos en estos modelos diferentes al modelo óptimo se resumen en el Cuadro 2 (véanse Cuadro 1 para observar las características de las modelaciones y Cuadro A1 para visualizar los resultados).

Cuadro 2

Eventos de estudio	Cuantil en el que se desvanece el efecto faro
	Modelo 2	Modelo 3
Homologación 2012, contraste de 2013 vs 2012	5	5
Homologación 2012, contraste de 2016 vs 2015	10	9

FUENTE: elaboración propia.

Los modelos estimados 2 y 3 usan el mismo mecanismo de elección óptima que el modelo 1, con la diferencia de que en éstos se toman valores de RMSPE un poco más altos que en el modelo óptimo. Además, de acuerdo con el Cuadro 2, los resultados no son diferentes a los hallazgos principales. En promedio, el efecto faro se diluye entre el cuantil cinco y el 10 de la distribución. Por otra parte, el nivel de salario en el cual sucede el desvanecimiento del efecto de los salarios mínimos en los ingresos laborales es entre uno y 1.5 salarios mínimos. También la masa salarial que se beneficia directamente de los incrementos del salario mínimo, es la que percibe alrededor un salario mínimo.