métodos econométricos para evaluar la desigualdad en el mercado de trabajo fernando medina cepal...

Métodos econométricos para evaluar la desigualdad en el mercado de trabajo

Fernando MedinaCEPAL

San Salvador, El Salvador25 de febrero al 1 de marzo de 2013

Organización Internacional del TrabajoPrograma de Análisis, Investigación y Estadísticas de Empleo

Proyecto RECAPAnálisis de datos de encuestas para el seguimiento de las condiciones del mercado de

trabajo y los progresos en materia de trabajo decenteTaller Nacional

http://intranet5.eclac.cl/DDP/imagenes/logos/logos%20CEPAL/logocepalnegroespanol3cm300dpi.jpg

Motivación

• La literatura especializada identifica al menos cuatro tipos de desigualdades que se manifiestan en el mercado de trabajo entre hombres y mujeres:

Desigualdad en la participación: tasas de actividad Desigualdad ocupacional y sectorial: segregaciónDesigualdad en la retribución salarial Desigualdad en la promoción profesional

¿Porqué se presenta la desigualdad?

• Discriminación: a iguales características del trabajo y escolaridad, distintas retribuciones.

• Persistencia de factores culturales y estereotipos en el reparto de tareas y responsabiliaddes.

• Desigualdad de acceso y desigualdad de resultados.

Determimantes del salario

• Factores de oferta: Características del capital humano y experiencia.

• Factores de demanda: rama de actividad, sector público o privado, tamaño de la empresa (calidad del empleo).

• Factores socieconómicos: sexo, estado civil, discriminación.

Funciones de ingreso

• Las funciones de ingreso relacionan un grupo de variables asociadas al capital humano de la fuerza de trabajo con los ingresos laborales recibidos por la mano de obra asalariada.

• Esta manera de examinar la relación entre el capital humano y los ingresos por trabajo fue propuesta por Mincer (1974).

• En este sentido, no obstante las críticas que ha recibido el trabajo de Mincer (Griliches, 1977), algunos autores han comprobado que en la práctica se obervan coeficientes de ajuste consistentes (Card, 1999).

Metodología de descomposición de la desigualdad de Fields

• La ecuación de capital humano propuesta por Mincer corregida por sesgo de selección es la siguiente.

• En la ecuación anterior ln(w) representa el logarítmo natural de los salarios por hora de los ocupados en la oucpación principal en el secto formal de la economía.

• Por ejemplo, Z1 representa los años de educación de las personas, Z2 los años de experiencia y Z3 su valor al cuadrado.

0 1 1 2 2ln( ) ... (1)k kw Z Z Z

Brechas salariales

• Una manera de identifcar las diferencias salariales que se manifiestan entre hombres y mujeres se logra incluyendo en la ecuación (1) la variable sexo.

• La variable binaria sexo asume el valor 0 en el caso de las mujeres y 1 para los hombres.

• En este sentido, si el parámetro asociado a la variable sexo es positivo (β4>0) se interpreta que los salarios por hora de los hombres son superiores a los que reciben las mujeres en una magnitud similar al valor del parámetro.

0 1 1 2 2 3 3 4ln( )w Z Z Z sexo

Metodología de Fields para descomponer la desigualdad salarial• Considerando que no se dispone de

infromación acerca de la experiencia de los ocupados, esta se aproxima a partir de lo que se denomina experiencia potencial.

• La experiencia potencial se estima restándole a la edad los años de educación alcanzados y el valor 6, que se asume como la edad de ingreso al sistema de enseñanza formal.

Procedimiento de estimación

• Se estima una ecuación de capital humano (Minceriana) corregida por sesgo de selección.

• Si Z1 representa los años de educación de las personas, entonces β1 representa el retorno (premio) a la educación por cada año adicional de estudio.

• Cabría esperar que β1>0 y se reconoce que su valor decrece en la medida que aumenta el nivel de experiencia de la fuerza de trabajo.

0 1 1 2 2ln( ) ... k kw Z Z Z


• Lo anterior significa que si Z2 y Z3 representan los años de experiencia y su valor al cuadrado respectivamente, cabe esperar que β2>0 y β3<0.

• Es decir, la experiencia es importante pero con rendimientos decrecientes lo cual se manifiesta a partir del signo negativo asociado al valor del parámetro.

• No obstante, cabe aclarar que la experiencia asociada a la actualización académica y la adopción de nuevos conocimientos y habilidades debiera mejorar los ingresos de los ocupados.


• Para conocer la desigualdad en la distribución de los salarios se utiliza como indicador de desigualdad, por ejemplo, la varianza de los logaritmos.

• Si la ecuación anterior se divide por se obtiene la siguiente expresión.

22 *

1

(ln ) ( , ln )J

j jj

w Cov Z w

2 (ln )w

2*

1

21

( , ln( ))

1[ln( )]

J

j j Jj

jj

Cov Z w

Sw


• Observe que cada Sj se obtiene de la manera siguiente:

• De esta manera, y utilizando la propiedad de que combinada con la expresión anterior se tiene lo siguiente:

*

2

[ , ln( )]

[ln( )]j j

j

Cov Z wS

w

**

ln( )

( , ln( )( , ln( ))

*j j

j jj j

Z w

Cov Z wCorr Z w

* ( )* [ , ln( )]

[ln( )]j j j

j

Z Corr Z wS

w


• En la expresión anterior representa la correlación entre la j-ésima variable explicativa y el logaritmo del ingreso por hora.

• Por su parte, es la desviación estándar del logaritmo del salario.

• En tanto que representa el producto entre el parámetro estimado asociado a la j-ésima variable explicativa y su desviación estándar.

[ , ln( )]jCorr Z w

[ln( )]w

* ( )j jZ


• Observe que Sj representa la contribución de cada factor (variables de capital humano) a la desigualdad total.

• Es decir, a la variabilidad asociada al logaritmo de los salarios.

Ejemplo: El Salvador 2004

• La población objetivo son los ocupados del área urbana en edad de trabajar que trabajaron entre 20 y 60 horas a la semana.

• Se estima la siguiente ecuación:0 1 2 3 4ln( ) exp exp 2salhora anoest sexo e

Descriptive Statistics

Variable N Minimum Maximum Mean Std. DeviationAños de educación

1188360 0.00 25.00 9.1939 4.81607

Experiencia1188360 -5.00 58.00 20.1715 13.43405

Experiencia al cuadrado1188360 0.00 3364.00 587.3650 682.53734

Sexo de la persona1188360 0 1 .55 .497

Logaritmo del salario por hora773979 -3.20 5.18 1.8721 .76583

Valid N (listwise)773979

Correlación entre las variables explicativas y el logaritmo del ingreso por hora

Correlations

VariableAños de

educación ExperienciaExperiencia al

cuadradoSexo de la

personaLogaritmo del

salario por horaAños de educación Pearson

Correlation 1 -.519** -.516** .016** .494**

Sig. (2-tailed) 0.000 0.000 .000 0.000

N 1188360 1188360 1188360 1188360 773979

Experiencia Pearson Correlation -.519** 1 .958** -.022** -.006**

Sig. (2-tailed) 0.000 0.000 .000 .000

N 1188360 1188360 1188360 1188360 773979

Experiencia al cuadrado Pearson Correlation -.516** .958** 1 -.022** -.054**

Sig. (2-tailed) 0.000 0.000 .000 0.000

N 1188360 1188360 1188360 1188360 773979

Sexo de la persona Pearson Correlation .016** -.022** -.022** 1 .022**

Sig. (2-tailed) .000 .000 .000 .000

N 1188360 1188360 1188360 1188360 773979

Logaritmo del salario por hora

Pearson Correlation .494** -.006** -.054** .022** 1

Sig. (2-tailed) 0.000 .000 0.000 .000

N 773979 773979 773979 773979 773979

**. Correlation is significant at the 0.01 level (2-tailed).

Coefficientsa

Model

Unstandardized CoefficientsStandardized Coefficients

t Sig.B Std. Error Beta1 (Constant)

.305 .033 9.259 .000

Años de educación

.103 .002 .623 54.729 0.000

Experiencia.042 .002 .641 19.321 .000

Experiencia al cuadrado

-.001 .000 -.406 -12.211 .000

Sexo de la persona

.111 .016 .071 6.868 .000

a. Dependent Variable: Logaritmo del salario por hora

Ecuación de regresión del logaritmo del ingreso por hora y las variables explicativas

Participación de la escolaridad y la experiencia en la variabilidad del ingreso

(.103*4.82*.494) / .766 0.042

(.042*13.43* .006) / .766 .001

( 0.001*682.54* 0.054) / 0.766 0.004

representa el coeficiente de regresión estimado de la variable Zj.( )jZjb

desviación estándar de la variable Zj( , )jcorr Z lw

Correlación entre la variable Zj y el logartimo del salario

Variables bj sigma(Zj) corr(Zj,lw) Sj ParticipaciónAños de educación

.103 4.82 0.4940.0042 93.0

Experiencia.042 13.43 -0.006

-0.0001 -1.3Experiencia al cuadrado

-.001 682.54 -0.0540.0004 7.8

Sexo de la persona.111 .497 0.022

0.0000 0.5Logaritmo del salario por hora

.766

Total 0.0046 100.0

Ejemplo: Costa Rica2010

N Minimum Maximum MeanStd.

Deviation

Años de educación

32538 0.00 19.00 12.6417 4.16005

Experiencia 32538 0.00 68.00 21.0551 12.83719


32538 0.00 4624.00 608.1045 642.17996

Sexo 32658 0 1 .54 .498


26458 6.92 10.94 9.2492 .75325

Valid N (listwise)

26338

Descriptive Statistics

Variables

Años de educación

Experiencia

Experiencia al

cuadradoSexo de la persona


Pearson Correlation

1 -.424** -.454** .052** .695**

Sig. (2-tailed)

0.000 0.000 .000 0.000

N 32538 32538 32538 32538 26338

Pearson Correlation

-.424** 1 .952** .089** -.032**

Sig. (2-tailed)

0.000 0.000 .000 .000

N 32538 32538 32538 32538 26338

Pearson Correlation

-.454** .952** 1 .129** -.086**

Sig. (2-tailed)

0.000 0.000 .000 .000

N 32538 32538 32538 32538 26338

Pearson Correlation

.052** .089** .129** 1 .210**

Sig. (2-tailed)

.000 .000 .000 .000

N 32538 32538 32538 32658 26458

Pearson Correlation

.695** -.032** -.086** .210** 1

Sig. (2-tailed)

0.000 .000 .000 .000

N 26338 26338 26338 26458 26458


Sexo


Variables

Años de educación

Experiencia

Ecuación de regresión del logaritmo del ingreso por hora y las variables explicativas

R R SquareAdjusted R Square

Std. Error of the

Estimate

1 .755a .570 .570 .49056

a. Predictors: (Constant), Sexo de la persona, Experiencia, Años de educación, Experiencia al cuadrado

Model Summary

Model

Sum of Squares df

Mean Square F Sig.

Regression 8392.572 4 2098.143 8718.605 .000b

Residual 6337.069 26333 .241

Total 14729.642 26337

ANOVAa

Model

1


b. Predictors: (Constant), Sexo de la persona, Experiencia, Años de educación, Experiencia al cuadrado

Standardized

Coefficients

B Std. Error Beta

(Constant) 6.896 .014 481.781 0.000

Años de educación

.141 .001 .774 170.351 0.000

Experiencia .026 .001 .447 29.681 .000


.000 .000 -.193 -12.500 .000

Sexo .215 .006 .142 34.584 .000


Coefficientsa

Model

Unstandardized Coefficients

t Sig.

1

Participación de la escolaridad y la experiencia en la variabilidad del ingreso

Variables bj sigma(Zj) corr(Zj,lw) Sj ParticipaciónAños de educación .141 4.16005 0.695

0.5431 94.2Experiencia .026 12.837 -.032

-0.0142 -2.5Experiencia al cuadrado -.0002 642.180 -0.086

0.0175 3.0Sexo .215 .49833 0.21 0.0299 5.2Logaritmo del salario por hora .75325

Total 0.5763 100.0

Comparación 2005 vs 2010

2005

2010

Variables bj sigma(Zj) corr(Zj,lw) Sj ParticipaciónAños de educación .141 4.16005 0.695

0.5431 94.2Experiencia .026 12.837 -.032

-0.0142 -2.5Experiencia al cuadrado -.0002 642.180 -0.086

0.0175 3.0Sexo .215 .49833 0.21 0.0299 5.2Logaritmo del salario por hora .75325

Total 0.5763 100.0

Cambios intertemporales en la varianza de los logaritmos

• Es posible utilizar la descomposición de Fields para conocer la contribución de cada variable a la desigualdad desde la óptica intertemporal.

• Para ello, es necesario multiplicar los SSj de cada año por el indicador de desigualdad (I) que se esté utilizando (Gini, Theil, varianza de los logaritmos, por ejemplo).

1 1 1[( * ) ( * )]t t t jt t jtj

I I I S I S

• Otra manera de examinar las diferencias salariales entre hombres y mujeres se logra a partir del método propuesto por Oaxaca.

• A diferencia el método de Fields

Método de Oaxaca para estimar las didferencias salariales

Método de Oaxaca para estimar las diferencias salariales

• Se estiman ecuaciones mincerianas de capital humano para hombres y mujeres.

• Los coeficientes estimados y los valores promedio para las variables de capital humano (años de escolaridad, experiencia, su valor al cuadrado y sexo) se utilizan para descomponer las diferencias salariales promedio entre hombres y mujeres.

• Lo anterior se lleva a cabo a partir de la siguiente ecuación.

hhhhhhhhh ZZZw 3322110)ln(mmmmmmmmm ZZZw 3322110)ln(


mmhmhhmh ZZZww )()()ln()ln(

• En la ecuación anterior el término de la izquierda representa la diferencia entre el logaritmo de los salarios entre hombres y mujeres.

• El primer término del lado derecho representa la diferencia entre los valores promedio que asumen las variables de capital humano de hombres y mujeres (Zs), multiplicado por el valor del parámetro estimado en la ecuación de los hombres en la variable de interés ( ).

• Este componte representa la diferencia salarial explicada por las diferencias en las características de los hombres y mujeres.

h


• El segundo término corresponde a las diferencias en los coeficientes de las ecuaciones de ingresos ( ) multiplicado por las características promedio de las mujeres incluyendo el valor del término constante.

• Este término se asume como una medida de discriminación en el mercado laboral que da cuenta de un tratamiento diferente entre hombres y mujeres, más allá de las diferencias observados en los promedios de educación y experiencia.

h m

Interpretación de la descomposición

• Las diferencias salariales se explican por las distintas dotaciones de capital humano (primera parte de la ecuación), así como por los salarios que se pagan a hombres y mujeres.

• Es decir, la segunda parte de la ecuación es lo que propiamante se identifica con la discriminación salarial.

Representación gráfica

salarios

XXf Xm

wf

wm

(βm- βf)Xf

(βm- βf)Xmβm(Xm- Xf)

βf(Xm- Xf)

Características del capital humano

Aplicación de la metodología

• Calcular los valores medios de las variables de capital humano (Z1, Z2 y Z3) para hombres y mujeres. Asimismo, las desviaciones estándar.

• Estimar las ecuaciones de capital humano para hombres y mujeres.

• Estimar la diferencia del logaritmo de los salarios por hora entre hombres y mujeres.


• Descomponer la diferencia salarial en dotación de capital humano ( ) más la discriminación salarial

( ).

• En la medida de lo posible los factores de oferta y demanda que contribuyen a explicar los salarios deben estar incorporados en la ecuación de salarios, este segundo componente estará cuantificando la discriminación.

• Comparación de parámetros. Es posible llevar a cabo los siguientes análisis: y

hjmjhj ZZ *)(

hjmjhj Z*)(

)/( mjhj

)/( mjhj ZZ


• A partir de este segundo término la medida propuesta por Oaxaca (1973) para cuantificar la discriminación agregada sería:

Estadísticas descriptivas


Deviation

Años de educación

2311 0.00 19.00 10.6460 4.12712

Experiencia 2311 -2 87 19.77 12.855


2311 0 7569 556.09 670.252


1842 5.60 10.75 8.5969 .72655

Valid N (listwise)

1834

Variable

a. Sexo de la persona = Mujer


Deviation

Años de educación

3585 0.00 19.00 9.3944 4.12880

Experiencia 3585 -1 91 21.85 13.871


3585 0 8281 669.72 794.095


2528 6.04 11.49 8.6707 .69022

Valid N (listwise)

2517

Descriptive Statisticsa

Variable

a. Sexo de la persona = Hombre

Ecuaciones de Mincer

ln( _ ) 7.164 0.112* 0.034*exp 0.0004*exp 2hsal hora anoest e

ln( _ ) 6.950 0.128* 0.020*exp 0.0002*exp 2msal hora anoest e

ln( ) ln( ) 8.6707 8.5969 0.0738h ms s

Standardized

Coefficients

B Std. Error Beta

(Constant) 6.950 .051 136.090 0.000

Años de educación

.128 .003 .728 39.601 .000

Experiencia .020 .003 .333 6.524 .000


-.0002 .000 -.174 -3.388 .001

(Constant) 7.164 .040 177.177 0.000

Años de educación

.112 .003 .665 41.979 .000

Experiencia .034 .003 .618 12.765 .000


-.0004 .000 -.387 -7.967 .000

Mujer 1

Hombre 1


Sexo de la persona

Unstandardized Coefficients

t Sig.

Variable Hombres Mujeres Diferencia Hombres Mujeres Bh(Zh-Zm) Zh(Bh-Bm)Media Media Coeficientes Coeficientes

Constante 7.493 6.2792

Años de Estudio 12.9 12.4 0.5 .114 0.1783 0.0575 -0.8336Experiencia 21.8 19.8 2.0 .027 0.0393 0.0525 -0.2701Experiencia al cuadrado 656.6 518.2 138.4 -.0003 -0.0004

Logaritmo del ingreso 9.4 9.1 0.321Suma 0.1100 -1.1037Partcipacion 34.3

Variable Hombres Mujeres Diferencia Hombres Mujeres Bh(Zh-Zm) Zh(Bh-Bm)Media Media Coeficientes Coeficientes

Constante 7.16 6.95Años de Estudio 9.5 10.6 -1.2 0.11 0.13 -0.1333 -0.1504Experiencia 21.0 19.8 1.3 0.03 0.02 0.0432 0.3091Experiencia al cuadrado 603.8 556.1 47.7 -0.0004 -0.0002Logaritmo del ingreso 8.7 8.6 0.076Suma -0.0900 0.1588Partcipacion -118.2 208.4

Ecuaciones de Mincer

eanoesthorasal h 2exp*001.0exp*049.0*085.0458.7)_ln(

eanoesthorasal m 2exp*001.0exp*044.0*105.0210.7)_ln(

30.098.468.4)ln()ln( mh ss

Diferencias entre hombres y mujeres

Hombres MujeresVariable

Minimo Maximo Media Minimo Maximo Media


4.68 12.15 8.75 4.98 11.74 8.70

años de estudio

0 99 9.14 0 99 10.33

Experiencia -85.00 87.00 20.92 -86.00 87.00 19.95

Experiencia al cuadrao

.00 7569.00 652.14 .00 7569.00 590.73

Participación de las características personales en la desigualdad

Variableβ Hombres β Mujeres β *(Zh-Zm)

constante 7.46 7.21

años de estudio

.08 .110.0819725

Experiencia .05 .040.047047


.00 .00

R2 ajust. .304 .339

Carac. Per. 0.1290195

30.098.468.4)ln()ln( mh ss

Diferencia en el logaritmo de los salarios por sexo.Las mujeres ganan más que los hombres.

Los años de estudio y la experiencia en el trabajo explican el 43% de las diferencias en el salario entre hombres y mujeres. A favor de las mujeres.

Diferencia entre lospromedios de cadavariable multiplicadapor el b de los hombres

Método de Juhn, Murphy y PierceJMP

• El método de JMP se sustenta en ecuaciones de capital humano (Mincer) y permite conocer los efectos agregados de: las caracteristicas de las personas, los retornos a la educación y los efectos no observables que explican las diferencias en los salarios de hombres y mujeres.

• Si se desean conocer las variables que explican las diferencias en el salarios de hombres y mujeres se procede de la manera siguiente.

• Se estiman por separado ecuaciones de capital humano para hombres y mujeres.

eanoestsalh 2expexp)ln( 3210

eanoestsalm 2expexp)ln( 3210


• Se generan dos distribuciones auxiliares utilizando los parámetros de las ecuaciones de hombres y mujeres.

• En la ecuación siguiente se genera la distribución contrafactual de los salarios, utilizando los parámetros estimados para las mujeres manteniendo fijos los residuales estimados con la ecuación de los hombres.

• Otra distribución contrafactual del ingreso se genera cambiando los residuales de las mujeres con los estimados con la ecuación de los hombres.

hmmmmhmm eanoesty 2exp*exp** 3210

hmmmmmmm eanoesty 2exp*exp*** 3210


• Al calcular y* y y** en los valores medios o medianos de las variables explicativas se obtienen dos nuevas estimaciones del logaritmo del salario.

• Las distribuciones anteriores se utilizan para estimar las diferencias salariales entre hombres y mujeres.


• A continuación se identifican los componentes que explican las diferencias salariales entre hombres y mujeres de la siguiente manera.

)**(*)**(*)( mhmh IyIyIyIyIyIyIyIy

(Diferencia ensalarios)

(Efectos noObservables)

(Diferencia encaracterísticasIndividuales)

(Diferencia ensalarios

estimados)

métodos econométricos para evaluar la desigualdad en el mercado de trabajo fernando medina cepal...

Documents