La mujer y el mercado laboral: un análisis estadístico

Facultad de Ciencias Económicas y Empresariales Trabajo de Fin de Grado Grado en ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS La mujer y el mercado laboral: Un análisis estadístico. Presentado por: Alba Abad Pinto Tutelado por: Yolanda González González Valladolid, 17 de Julio de 2019 2 RESUMEN La discriminación a la hora de realizar un trabajo es una violación de un derecho humano elemental, y más aún, si se habla de discriminación a la hora de percibir un salario. El estudio del presente trabajo se centra en analizar la existencia de discriminación salarial por razón de género. Según algunos estudios, las mujeres perciben un 77% menos del salario que reciben los hombres, si bien es cierto que esta diferencia está disminuyendo con el paso del tiempo. Existen bases de datos de las que se puede extraer información real y analizar estadística y econométricamente las diferencias salariales en función de ciertos atributos: sexo, edad, procedencia geográfica, jornada laboral, tipos de contratación… Con este análisis se pretende conocer las causas de las diferencias de salario en hombres y mujeres para intentar solventarlas lo antes posible. De esta manera, se promovería el bienestar de las familias, aumentaría la competitividad empresarial y se produciría un éxito económico derivado de una justicia social. Palabras clave: mujeres, salario, discriminación. Códigos JEL: J310, J710. 3 ABSTRACT Discrimination when people do a job is a violation of an elementary human right, and even more, it’s talk about salary’s discrimination. The study of this work focuses on analyzing the existence of wage discrimination based on gender. According to some studies, women receive 77% less of the salary than men receive, even though this difference is decreasing with the passage of time. There are databases which you can extract real information and analyze statistically and econometrically wage differences based on certain attributes: sex, age, geographical origin, working hours, types of hiring… With this analysis it’s intended to know the causes of wage differences in men and women trying to solve them as soon as possible. In this way, the welfare of families would be promoted business competitiveness would increase and there would be an economic success derived from social justice. Keywords: women, salary, discrimination. JEL codes: J310, J710. 4 ÍNDICE 1. INTRODUCCIÓN ......................................................................................... 6 1.1 Justificación e interés del tema ............................................................. 6 2. ANTECEDENTES........................................................................................ 7 3. ANÁLISIS ESTADÍSTICO ........................................................................... 9 3.1 Análisis general ..................................................................................... 9 3.1.1. Diferencias por razón de sexo ........................................................ 9 3.1.2. Diferencias por rango de edad...................................................... 10 3.1.3. Diferencias por comunidades autónomas ..................................... 16 3.2 Análisis de las variables más relevantes ............................................. 17 4. ANÁLISIS ECONOMÉTRICO ................................................................... 21 4.1 Elección de datos ................................................................................ 21 4.2 Variables escogidas ............................................................................ 21 4.3 Matriz de correlaciones ....................................................................... 23 4.4 Análisis de los diferentes modelos. ..................................................... 23 4.5 Análisis del modelo escogido. ............................................................. 29 5. CONCLUSIONES ...................................................................................... 32 6. BIBLIOGRAFÍA ......................................................................................... 34 7. ANEXOS .................................................................................................... 36 5 ÍNDICE DE TABLAS Tabla 3.1: Afiliación al sistema de seguridad social por rangos de edad y sexo (miles de personas) .......................................................................................... 10 Tabla 3.2: Crecimiento medio anual del número de personas afiliadas ........... 12 Tabla 3.3: Asalariados y salario medio anual en el año 2017 .......................... 14 Tabla 4.1: Descripción de las variables relevantes .......................................... 22 Tabla 4.2: Matriz de correlaciones ................................................................... 23 Tabla 4.3: Estimación de los modelos planteados ........................................... 24 Tabla 4.4: Estimación a través de la matriz de White de los modelos anteriores ......................................................................................................................... 27 Tabla 4.5: Estimación del modelo 3 ................................................................. 28 Tabla 4.6: Interpretación de los coeficientes obtenidos .................................... 30 ÍNDICE DE GRÁFICOS Gráfico 3.1: Afiliación de trabajadores al sistema de seguridad social por sexo (miles de personas) ............................................................................................ 9 Gráfico 3.2: Porcentaje de personas afiliadas al sistema de seguridad social por rangos de edad ................................................................................................ 13 Gráfico 3.3: Porcentaje de afiliación en relación con la población total ............ 16 6 1. INTRODUCCIÓN 1.1 Justificación e interés del tema La situación actual que sufren las mujeres en el mercado de trabajo es un problema que ha suscitado siempre un gran debate debido a las desigualdades que existen. No es una circunstancia que se ha generado en la actualidad, sino que es un problema que perdura en el tiempo y que hay que tratar de solucionar lo antes posible. A pesar de haber conseguido un gran avance, la desigualdad en el mercado laboral aun sigue presente en muchos ámbitos. Por ejemplo, en el acceso al empleo y su calidad, en el salario, en las oportunidades de crecimiento, en el tipo de contrato que se ofrece, en la etnia… Otra de las cuestiones más relevantes y actuales es la conciliación de la vida laboral y familiar. Todo ello fue lo que me generó un interés especial y personal para realizar un estudio en profundidad sobre ello. La actual situación de las mujeres en el mercado laboral tiene su origen en la diferenciación entre el trabajo productivo y reproductivo, dado que el trabajo doméstico no se considera como trabajo en el sentido estricto de la palabra, “en el hablar cotidiano nos referimos al empleo como trabajo, pero apenas usamos la palabra trabajo cuando nos referimos a las mismas actividades si no están remuneradas” (Alberdi, Escario y Matas, 2000). Todo esto está determinado por un histórico reparto sexual en el que según García (2005) “la pertenencia a uno u otro género determina las prácticas laborales: los hombres para la producción (trabajo remunerado) y las mujeres para la reproducción (trabajo no remunerado).” Esta exclusión femenina del trabajo remunerado, se debe según Gómez (2001), a la subordinación que desde siempre ha sufrido la mujer. 7 2. ANTECEDENTES La incorporación de la mujer en el mercado laboral no es tan actual como parece. Fue en el año 1789 durante la Revolución Francesa cuando Olympe de Gouges, una de las voces femeninas más enérgicas, denunció que la libertad, igualdad y fraternidad que se defendía tenía que referirse a ambos sexos, no solamente a los hombres. Redactó un documento que, tristemente, no tuvo éxito. La incorporación de la mujer al trabajo se ha producido desde la Primera Guerra Mundial, acentuándose de forma generalizada en la Segunda Guerra Mundial “debido sobre todo a dos cuestiones generales: la autonomía y la valoración social” (Prieto, 1999). Durante estos años, los hombres no podían trabajar ya que estaban como soldados en la guerra y fue entonces cuando las mujeres comenzaron a tener cierta autonomía y a disponer de rentas propias con las que mantener a sus familias. Existen muchas dificultades con las que se encuentran las mujeres a la hora de incorporarse al mercado de trabajo. Se produce una separación horizontal y vertical derivada de una división de género en el trabajo que provoca que aún existan sectores en los que las mujeres estén infra-representadas. Esto solamente hace que se potencien los estereotipos de género y se trasladen al ámbito profesional. Se han producido cambios en la mentalidad, tanto de hombres como de mujeres, a través de los movimientos feministas a favor de la igualdad de género. Con ello se pretende concienciar acerca de los problemas existentes en la sociedad y hacer eco de la posibilidad de inserción de la mujer en el mercado de trabajo. También las autoridades públicas han realizado un gran trabajo para prohibir la discriminación de cualquier tipo. Por ejemplo, el artículo 14 de la Constitución Española 1 , el artículo 4.2c) 2 y el artículo 28 3 del Estatuto 1 Artículo 14 CE: Los españoles son iguale ante la ley, sin que pueda prevalecer discriminación alguna por razón de nacimiento, raza, sexo, religión, opinión o cualquier otra condición o circunstancia personal o social. 2 Artículo 4.2c) ET: (Los trabajadores tienen derecho…) A no ser discriminados directa o indirectamente para el empleo, o una vez empleados, por razones de sexo… 3 Artículo 28 ET: El empresario está obligado a pagar por la prestación de un trabajo de igual valor la misma retribución, satisfecha directa o indirectamente, y cualquiera que sea la naturaleza de la misma, salarial o extrasalarial, sin que pueda producirse discriminación alguna por razón de sexo en ninguno de los elementos o condiciones de aquella. 8 de los Trabajadores, y el artículo 8.12 de la Ley sobre Infracciones y Sanciones en el Orden Social 4 . A pesar de todos los contratiempos que han ido superando a lo largo del tiempo, el número de mujeres que se han ido incorporando al mercado laboral ha ido en aumento en los últimos años, aunque siguen estando muy por detrás de los hombres en el acceso, desarrollo y promoción de su carrera profesional. Por eso es importante analizar de forma estadística las diferentes variables que pueden influir en esta diferencia de género y proponer alguna medida para solventar este grave problema. 4 Artículo 8.12 LISOS: (Son infracciones muy graves…) Las decisiones unilaterales de la empresa que impliquen discriminaciones (…) en materia de retribuciones, jornadas, formación, promoción y demás condiciones de trabajo, por circunstancias de sexo… 9 3. ANÁLISIS ESTADÍSTICO 3.1 Análisis general Si bien es cierto que las mujeres han ido adquiriendo gran protagonismo en el mercado de trabajo, hay que destacar importantes diferencias entre ambos sexos, que serán analizadas a lo largo de todo este estudio. Primero voy a analizar las diferencias que existen en el mercado laboral debido al sexo, a la edad y a la procedencia geográfica. Más tarde, me centraré en las causas que pueden motivar esa discriminación. 3.1.1. Diferencias por razón de sexo En este primer subapartado, voy a estudiar la diferencia que existe actualmente en el mercado laboral debida al sexo y voy a comprobar si las mujeres tienen cierta discriminación en tal sentido. Gráfico 3.1: Afiliación de trabajadores al sistema de seguridad social por sexo (miles de personas) Fuente: Elaboración propia. Datos extraídos de http://www.mitramiss.gob.es Según los datos extraídos de las estadísticas de afiliación publicadas por el Ministerio de Trabajo, Migraciones y Seguridad Social, cabe destacar una tendencia creciente del número de mujeres afiliadas a la seguridad social 0.0 2,000.0 4,000.0 6,000.0 8,000.0 10,000.0 12,000.0 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 Número de personas (en miles) Años VARONES MUJERES 16 3.1.3. Diferencias por comunidades autónomas Este apartado analiza brevemente el número de trabajadores afiliados en función de la comunidad autónoma a la que pertenezcan, utilizando los datos del Ministerio de Trabajo, Migraciones y Seguridad Social. Gráfico 3.3: Porcentaje de afiliación en relación con la población total Fuente: Elaboración propia. Datos extraídos de http://www.mitramiss.gob.es Para calcular un porcentaje del número de afiliados según la distribución por comunidades autónomas es necesario conocer la población total que existe en cada una de ellas, para ver si el número de afiliados es más o menos elevado y poder establecer una comparación entre las diferentes zonas. Para ello, he utilizado los datos del padrón municipal por comunidades autónomas que proporciona el INE y he establecido la relación que existe entre el número de afiliados y la población total y lo he representado en el Gráfico 3.3. Las comunidades autónomas que tienen un mayor porcentaje de afiliados a la seguridad social en relación a su población total son Madrid, País Vasco, Cataluña, Navarra, Aragón, Baleares y la Rioja. Castilla y León ocupa el noveno lugar, con una media de afiliados de 898.598 y una población total media de 2.506.877 personas. Esto representa un 35,848%, 0.000 2.000 4.000 6.000 8.000 10.000 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 PORCENTAJE DE AFILIADOS AÑOS ANDALUCÍA ARAGÓN ASTURIAS BALEARES CANARIAS CANTABRIA CASTILLA LA MANCHA CASTILLA Y LEÓN CATALUÑA CEUTA COMUNIDAD VALENCIANA EXTREMADURA GALICIA LA RIOJA MADRID 17 nueve puntos menos que Madrid, que es la comunidad que representa una mayor relación de afiliados en función de su población total, con un 44,5%. Castilla y León es una de las zonas con mayor envejecimiento de la población, presenta un saldo vegetativo negativo y muy baja natalidad (en 2017, la tasa de natalidad era del 6,40%). Además, la principal actividad económica de la zona es el sector primario (agricultura y ganadería), que no genera tantos puestos de trabajo como el sector secundario ni el sector servicios. Las tres comunidades con mayor porcentaje de afiliados, Madrid, País Vasco y Cataluña, son comunidades con una gran actividad industrial que genera muchos puestos de trabajo, tanto para jóvenes como para personas más adultas. Sin embargo, las zonas con un menor porcentaje, Ceuta, Melilla, Castilla la Mancha y Canarias, son regiones en las que apenas hay industria y la mayor parte de la actividad económica se centra en el sector primario y terciario y cuyo atractivo principal es el turismo y el comercio, que genera muchos puestos de trabajo, pero temporales, sobre todo en la época estival. 3.2 Análisis de las variables más relevantes Este apartado se dedica a estudiar las causas que influyen en la discriminación por razón de salario entre diferentes grupos de la población objeto de análisis utilizando los microdatos que proporciona la Encuesta de Estructura Salarial. La Encuesta de Estructura Salarial es una encuesta que proporciona el INE y que se realiza por igual en todos los Estados de la Unión Europea, lo cual va a permitir comparar los datos de diferentes regiones. La última encuesta publicada pertenece al año 2014 5 , en el cual se realizaron una serie de preguntas a un total de 209.437 trabajadores repartidos por toda España. Este sondeo afecta, sobre todo, a aquellos trabajadores que prestan su trabajo en el sector industrial, la construcción y los servicios, excluyendo así a los trabajadores agrícolas, ganaderos y pesqueros. El objetivo de esta encuesta es estudiar los salarios que perciben las personas, así como la variabilidad de los mismos en función de diferentes variables: antigüedad, nivel de estudios, tipo de contrato, horas extras, edad, sexo, 5 Considero que la EES del año 2014, a pesar de no contener datos muy recientes, es bastante útil utilizarla ya que, a partir de ese año, comenzó la recuperación económica en España. La economía de nuestro país creció un 1,4% del PIB, tras llevar seis años sin crecimiento, y fue el año en el que empezó la recuperación de la crisis económica sufrida. 18 nacionalidad, mercado al que la empresa destina la producción o ámbito del convenio colectivo, entre otras. De toda la información que proporciona la encuesta, he seleccionado aquellas variables que considero más relevantes de acuerdo con lo leído en la literatura para llevar a cabo este estudio y me he centrado en 16 diferentes, las cuales utilizaré más adelante para construir un modelo econométrico y así intentar explicar las causas que pueden motivar la discriminación salarial en función de distintas variables. Estas variables se resumen en la siguiente tabla: Tabla 3.5: Descripción de las variables utilizadas NUTS1 Se distinguen 7 unidades territoriales diferentes en toda la región española: 1, Noroeste; 2, Nordeste; 3, Comunidad de Madrid; 4, Centro; 5, Este; 6, Sur; 7, Islas Canarias. CNACE Es un código de actividad económica, que coincide con la CNAE- 09. CONTROL Se define con un 1 un centro de cotización público y con un 2 un centro de cotización privado. SEXO Se puede diferenciar entre hombres, definidos por un 1, o mujeres, definidas por un 6. TIPOPAIS En esta variable queda reflejada la nacionalidad de los encuestados. Se define con un 1 a las personas cuya nacionalidad es española y con un 2 a las personas que proceden del resto del mundo. CNO1 Se diferencian distintos códigos de ocupación de los trabajadores en función de la CON-11. ESTU En esta variable se incluyen los diferentes niveles de estudios que tiene la población objeto de estudio. Así, definimos: 1: Menos que primaria; 2: Educación primaria; 3: Primera etapa de educación secundaria; 4: Segunda etapa de educación secundaria; 5: Enseñanzas de formación profesional de grado superior y similares; 6: Diplomados universitarios y similares; 7: Licenciados y similares, y doctores universitarios. ANOANTI En esta variable queda reflejado un tipo de complemento salarial otorgado a los trabajadores en función de los años de antigüedad que tengan en su puesto de trabajo. TIPOJOR En este caso, podemos diferenciar la jornada completa, definida por un 1, y la jornada a tiempo parcial, definida por un 2. TIPOCON A diferencia de la variable anterior, en esta quedan reflejados los contratos de duración indefinida con un 1, y los de duración determinada con un 2. JAP El tipo de jornada se define como el número de horas normales pactadas que tiene que realizar el trabajador para percibir el salario 19 estipulado. HEXTRA Son todas esas horas que el trabajador ha realizado por encima de su jornada obligatoria y que hacen incrementar el salario. SALBASE El salario base es la suma del sueldo base y ciertos complementos salariales que se le otorgan al trabajador en función de muy diversas circunstancias (antigüedad, pagas extras, participación en los beneficios…) SALBRUTO En esta variable se recoge el salario bruto anual, incluyendo los pagos en especie y las gratificaciones extraordinarias que reciben los trabajadores durante un ejercicio económico. Esta será la variable dependiente ANOS2 La edad de los trabajadores encuestados se clasifica en 6 grupos: 1:menos 19 años; 2:de 20 a 29; 3:de 30 a 39; 4:de 40 a 49; 5:de 50 a 59; 6:más de 59. SECTOR Como ya se mencionó anteriormente, quedan excluidos de esta encuesta aquellos trabajos agrícolas, ganaderos y pesqueros. Por tanto, se clasifican con un 1 aquellas actividades que se encuadren dentro del sector industrial; con un 2 las que se refieren a la construcción y con un 3 aquellas actividades relacionadas con el sector servicios. Fuente: Elaboración propia a partir de los datos extraídos de la EES (2014) Analizando estas variables, he recogido diversos estadísticos en la Tabla 3.6, que voy a explicar posteriormente. Tabla 3.6: Análisis variables relevantes VARIABLES CUALITATIVAS VARIABLES CUANTITATIVAS MODA % MODA MEDIA MODA MEDIANA nuts1 5 27,17% anoanti 9,98 0 7 cnace N0 8,87% jap 1.600,91 1.800 1.741 control 2 84,30% hextra 0,59 0 0 sexo 1 57,27% salbase 1.317,69 599,25 1.115,38 tipopais 1 95,04% salbruto 24.782,68 24.186,00 20.446,33 cno1 D0 17,89% estu 3 23,55% tipojor 1 82,37% tipocon 1 79,48% anos2 3 32,09% Sector 3 65,56% Fuente: Elaboración propia a partir de los datos extraídos de la EES (2014) 20 Considero relevante analizar la modalidad más frecuente de las variables cualitativas, así como el porcentaje que representan sobre el total de la muestra. De los datos extraídos de esta encuesta cabe destacar que el salario base de los trabajadores es, por término medio, de unos 1.317,70€ al mes, obteniendo un salario bruto anual de 24.782,68€ 6 , si bien es cierto que el valor que más se repite ronda los 600€/mes y los 22.000€ brutos anuales. La mediana tiene un valor inferior a la media, como es de esperar en este tipo de distribuciones, y ronda los 20.000 € brutos anuales. Este valor establece el punto intermedio entre las rentas superiores e inferiores. La mitad de los trabajadores objeto de análisis van a tener un salario igual o menor a la mediana y la otra mitad, igual o superior a ésta. La diferencia con la media es de -4.336,36€, lo que nos lleva a concluir que se desvía poco de la media. Gran parte de esta población objeto de estudio son hombres (un 57,27% de la población) de nacionalidad española (un 95,04% de la población) con domicilio en el este de España (un 27,17% de la población reside en el este de España), que trabajan en el sector servicios (un 65,56% de la población) y se encuentran en un rango de edad comprendido entre los 30 y 39 años (un 32% del total de encuestados). La mayoría de los encuestados ha respondido que no realiza horas extraordinarias, teniendo esta variable un valor por término medio de 0,59 horas y, también por término medio, tienen casi 10 años de antigüedad en su puesto de trabajo. La mayoría de estos trabajadores tiene un contrato indefinido (el 79,48% del total de encuestados) y a jornada completa (el 82,37% de la población), realizando una media de 1.600 horas al año. Destaca también que el tipo de estudios que más se repite entre esta población son los estudios secundarios (el 23,55% de los encuestados tiene este tipo de estudios) y la ocupación más persistente son los técnicos y profesionales de apoyo (clasificados por el código D0), siendo un 17,89% del total de encuestados. 6 Este valor difiere bastante con el valor del salario medio anual que proporciona la Agencia Tributaria para el año 2014, siendo éste de 15.917€, pero hay que recordar que las personas analizadas no son las mismas: en la Agencia Tributaria son asalariados y en el Ministerio de Trabajo, Migraciones y Seguridad Social son afiliados. 21 4. ANÁLISIS ECONOMÉTRICO 7 4.1 Elección de datos Para realizar el estudio de la mujer y el mercado laboral y ver qué variables pueden influir sobre el salario de estas, he considerado importante realizar un análisis econométrico utilizando los microdatos de la Encuesta de Estructura Salarial (EES) y, si es posible, realizar alguna predicción. Dicho análisis lo realizaré con el programa econométrico Eviews. Esta encuesta proporciona más variables explicativas, pero la justificación de la elección de las que he considerado se encuentra en lo que la literatura considera más relevante y que puede condicionar más al salario bruto. La muestra que nos ofrece el INE a través de esa encuesta se corresponde con un total de 209.437 personas a las cuales se les pregunta sobre diferentes cuestiones relacionadas con su salario. La información procede de los datos de corte transversal de la EES del año 2014, ya que no hay datos más recientes para poder realizar el estudio. Del total de la muestra, solo 89.493 personas son mujeres, lo que representa un 42,73% del total. Es por esto por lo que he intentado reducir la muestra centrándome en los grupos de edad en los que se pueda reunir a un mayor porcentaje de mujeres. El estudio lo voy a entrar en el grupo de edad que tiene hasta 49 años, es decir, voy a excluir los grupos 5 y 6 de la variable “anos2”. Este grupo está formado por 155.576 personas, de las cuales 68.626 son mujeres (que representan un 44,11% sobre el total) y 86.950 hombres (que representan un 55,89% del total). 4.2 Variables escogidas La variable dependiente es el salario bruto que ingresan los trabajadores anualmente y en el que se incluyen los pagos en especie y las gratificaciones extraordinarias, denominada en el trabajo SALBRUTO. Como variables independientes o explicativas, he utilizado las que se mencionan en la Tabla 3.5. El fichero de datos final incluye todas las modificaciones necesarias para su tratamiento econométrico, como la inclusión de variables ficticias para recoger los posibles efectos de las variables 7 Para todo el análisis econométrico utilizaré un valor de α=0,05. 22 cualitativas. Así, las variables explicativas que he usado, quedan definidas de la forma que se indica en la siguiente tabla. Tabla 4.1: Descripción de las variables relevantes NUTS 1 Región norte (Norte, Comunidad Madrid, centro) 0 Región sur (resto) CNACE Es un código de actividad económica, que coincide con la CNAE- 09. SALBASE Es la suma del salario base más ciertos complementos salariales. CONTROL 1 Centro cotización público 0 Centro de cotización privado SEXO 1 Mujeres 0 Hombres TIPOPAIS 1 Personas de nacionalidad española 0 Resto del Mundo ESTU 1 Estudios básicos 0 Estudios profesionales ANOANTI En esta variable queda reflejado un tipo de complemento salarial otorgado a los trabajadores en función de los años de antigüedad que tengan en su puesto de trabajo. TIPOJOR 1 Jornada a tiempo completo 0 Jornada a tiempo parcial TIPOCON 1 Contratos de duración indefinida 0 Contratos de duración determinada JAP El tipo de jornada se define como el número de horas normales pactadas que tiene que realizar el trabajador para percibir el salario estipulado. HEXTRA Son todas esas horas que el trabajador ha realizado por encima de su jornada obligatoria y que hacen incrementar el salario. ANOS 1 Personas con edad inferior a 40 años 0 Personas con edad superior a 40 años. SECTOR 1 Sector servicios 0 Sector industrial y construcción Fuente: Elaboración propia a partir de los datos extraídos de la EES (2014) 23 4.3 Matriz de correlaciones Antes de estudiar el comportamiento del salario bruto en función de ciertas variables, he considerado importante conocer la matriz de correlaciones para centrarme, si es posible, en aquellas variables que estén más correlacionadas con la variable dependiente y menos correlacionadas entre sí. En esta matriz no se incluyen las variables ficticias, solamente las variables numéricas. Tabla 4.2: Matriz de correlaciones SALBRUTO SALBASE ANOANTI HEXTRA JAP SALBRUTO 1 0,68 0,33 0,01 0,30 SALBASE 0,68 1 0,17 -0,02 0,29 ANOANTI 0,33 0,17 1 0,00 0,16 HEXTRA 0,01 -0,02 0,00 1 0,04 JAP 0,30 0,29 0,16 0 1 Fuente: Elaboración propia. Se observa que la variable que vamos a estudiar, el salario bruto, está muy relacionada con el salario base, con los años de antigüedad y con las horas normales que realiza un trabajador. Voy a realizar el estudio de un modelo que va a incluir todas las variables objeto de estudio y otro modelo en el que incluyo solamente las variables que, según la matriz de correlaciones, están más relacionadas con el salario bruto. 4.4 Análisis de los diferentes modelos. La econometría es una rama de la economía que se encarga de realizar estudios matemáticos y estadísticos para explicar el comportamiento de ciertas variables en función de otras, predecir su comportamiento y, si es posible, contrastar hipótesis de interés económico. Para ello, se utilizan los modelos econométricos, que son representaciones simplificadas de la relación entre varias variables para poder realizar estimaciones y predicciones sobre su comportamiento futuro. En mi estudio, inicialmente, voy a proponer dos modelos econométricos y voy a comprobar el cumplimiento de ciertas hipótesis para ver si puedo analizar sus datos. 24 El modelo 1 queda definido de la siguiente manera: 𝑆𝑎𝑙𝑏𝑟𝑢𝑡𝑜𝑖 = 𝛽0 + 𝛽1𝑆𝑎𝑙𝐵𝑎𝑠𝑒𝑖 + 𝛽2𝐴𝑛𝑜𝐴𝑛𝑡𝑖𝑖 + 𝛽3𝐸𝑠𝑡𝑢𝑖 + 𝛽4𝐽𝑎𝑝𝑖 + 𝛽5𝑇𝑖𝑝𝑜𝑐𝑜𝑛𝑖 + 𝛽6𝑇𝑖𝑝𝑜𝑗𝑜𝑟𝑖 + 𝛽7𝑆𝑒𝑥𝑜𝑖 + 𝛽8𝐶𝑜𝑛𝑡𝑟𝑜𝑙𝑖 + 𝛽9𝑁𝑢𝑡𝑠𝑖 + 𝛽10𝑆𝑒𝑐𝑡𝑜𝑟𝑖 + 𝛽11𝑇𝑖𝑝𝑜𝑝𝑎𝑖𝑠𝑖 + ε El modelo 2 se define como: 𝑆𝑎𝑙𝑏𝑟𝑢𝑡𝑜𝑖 = 𝛽0 + 𝛽1𝑆𝑎𝑙𝐵𝑎𝑠𝑒𝑖 + 𝛽2𝐴𝑛𝑜𝐴𝑛𝑡𝑖𝑖 + 𝛽3𝐽𝑎𝑝𝑖 + ε A continuación, adjunto una tabla comparativa de los dos modelos y de los datos que proporciona Eviews que son más relevantes. Tabla 4.3: Estimación de los modelos planteados VARIABLES EVIEWS MODELO 18 MODELO 29 Coeficiente Probabilidad Coeficiente Probabilidad SALBASE 11,39973 0 12,44241 0 ANOANTI 490,4463 0 625,9663 0 ESTU -5.466,16 0 JAP -0,254729 0,1203 4,4852 0 TIPOCON 4.095,50 0 TIPOJOR 4.029,54 0 SEXO -3.041,14 0 CONTROL 3.857,10 0 NUTS 177,4809 0 SECTOR -782,2639 0 TIPOPAIS -432,995 0 R-squared 0,559501 0,52179 Adjusted R- squared 0,55947 0,521781 Akaike info criterion 21,7496 21,83164 Schwarz criterion 21,75036 21,83189 N=155.576 individuos Fuente: Elaboración propia. 8 El resto de datos que proporciona Eviews se pueden ver en el Anexo 1, apartado a. 9 El resto de datos que proporciona Eviews se pueden ver en el Anexo1, apartado b. 25 Antes de analizar los modelos, voy a comprobar que cumplen con las hipótesis clásicas de normalidad y varianzas constantes para poder afirmar que los estimadores son lineales, insesgados y óptimos (ELIO). Para estudiar si las perturbaciones siguen una distribución normal, se plantea el siguiente contraste: 𝐻𝑂: Normalidad 𝐻1: No normalidad En este contraste, el estadístico que he utilizado es el de Jarque Bera, que se distribuye asintóticamente como una chi-cuadrado con 2 grados de libertad, que se define como: dJB= N−k−1 6 [g1 2 + 1 4(g2−3)2] ~ 𝛸2 2 Donde g1 es el coeficiente de asimetría y 𝑔2 el coeficiente de kurtosis. Este estadístico tomará valores pequeños cuando la distribución de los residuos sea simétrica y mesocúrtica y tomará valores más elevados cuando se detecten asimetrías positivas y/o negativas. Por otro lado, hay que comprobar si la varianza de las perturbaciones es igual o no, analizando la presencia o no de heteroscedasticidad en el modelo. Para ello, vamos a realizar el contraste asintótico de White y la hipótesis que planteamos es la siguiente: 𝐻𝑂: Var (𝜀𝑡) = 𝜎2 , es decir, hay homocedasticidad 𝐻1: Var (𝜀𝑡) ≠ 𝜎2, es decir, hay heteroscedasticidad El estadístico de contraste es W= N𝑅𝑎𝑢𝑥 2 y se distribuye asintóticamente como una chi-cuadrado. Valores pequeños de este estadístico llevarían a aceptar la homocedasticidad porque las varianzas de las perturbaciones no dependen de los regresores, y ocurre lo contrario si fueran valores grandes. Si hacemos una estimación por MCO y el modelo presenta bien heteroscedasticidad o bien las perturbaciones que no siguen una distribución normal, tendríamos varios problemas:  El estimador 𝛽󰆹𝑀𝐶𝑂 es insesgado e inconsistente. En presencia de heteroscedasticiad, el estimador 𝛽󰆹𝑀𝐶𝑂 seguirá siendo insesgado y consistente. Si la muestra es grande, su distribución asintóticamente se distribuye como una distribución normal. 32 5. CONCLUSIONES Después de realizar este análisis estadístico y econométrico, las conclusiones que más destaco son:  Durante los años 2007 a 2010, la diferencia por razón de sexo en materia de afiliación era bastante elevada, provocando una disparidad de alrededor de 3.200.000 personas. Conforme han ido pasando los años, y una vez superada la crisis económica que sufrió la economía española, esta diferencia se ha minorado en más de un 50%, situándose en el año 2018 una diferencia de alrededor de 1.400.000 personas. En un periodo de tiempo relativamente corto, el acceso que tienen los hombres y las mujeres al mercado de trabajo se ha visto reducido a la mitad, dato muy destacable ya que podemos hablar de una mayor tasa de actividad femenina. No obstante, cuando analizamos los datos que nos proporciona la Agencia Tributaria, nos damos cuenta de que la diferencia salarial entre hombres y mujeres cada vez es mayor. Hasta el año 2014, la diferencia salarial entre hombres y mujeres iba minorándose, como puede comprobarse en la Tabla 3.4, y a partir de ese año, las diferencias salariales crecen, en unos grupos de edad más que en otros. Estas diferencias aumentan casi el doble en los menores de 18 años y un 10%-20% en el resto de grupos de edad. Estos datos también los podemos ratificar cuando analizamos la Encuesta de Estructura Salarial.  Como reflexión al análisis de la Encuesta de Estructura Salarial, cabe destacar la desigualdad existente entre hombres y mujeres a la hora de percibir un salario. Los valores medios del salario bruto anual son casi un 30% mayor en hombres que en mujeres y los valores de salario más elevado se encuentran en personas que tienen más de 50 años. Con los datos derivados de la Agencia Tributaria, como he mencionado antes, cabe destacar el aumento significativo de la diferencia que existe en el salario medio anual entre hombres y mujeres, creciente con el paso del tiempo. 33  También es destacable el fuerte paro juvenil que tiene nuestra sociedad, tanto de hombres como de mujeres, y el crecimiento negativo que tienen, bien sea por la escasa formación que poseen las personas o bien sea porque se siguen formando durante esos periodos de edad. La tasa de paro juvenil, según datos del INE, ronda el 30% en el último trimestre del año 2018, dato bastante más elevado si comparamos la tasa de paro juvenil del 15% en el primer trimestre del año 2007. Las personas más vulnerables a la hora de encontrar un trabajo, según el grado de afiliación proporcionado por el Ministerio de Trabajo, Migraciones y Seguridad Social son aquellas que tienen más de 55 años. Algo menos del 20% del total de afiliados son personas que tienen al menos 55 años, aunque sí que es cierto que este porcentaje ha aumentado con el paso del tiempo casi 7 puntos.  Como conclusión al análisis econométrico realizado con los datos que ofrece la Encuesta de Estructura Salarial, el modelo que finalmente hemos elegido nos muestra que existe una diferencia salarial anual de 3.044,87€ entre hombres y mujeres, lo que ya habíamos demostrado a lo largo de todo el análisis estadístico, aunque esta diferencia se pueda ver reducida con el paso del tiempo. También hemos demostrado que existen diferencias salariales por razón de nivel de estudios de los trabajadores, antigüedad, tipos de contrato, tipos de jornada que realizan… Analicé tres modelos, corrigiendo los problemas que se iban planteando y llegué a la conclusión de que todas las variables del modelo 3 explican el comportamiento del salario bruto, siendo el 55,94% de la variabilidad del salario bruto explicado por esas variables del modelo. 34 6. BIBLIOGRAFÍA 1. Alberdi I, Escario P, Matas N. (2000): “Las mujeres jóvenes en España”. Barcelona, Fundación La Caixa. 2. Afiliación de trabajadores al sistema de seguridad social por sexo, edad y comunidades autónomas (2017). Disponible en: http://www.segsocial.es/wps/portal/wss/internet/EstadisticasPresupuesto sEstudios/Estadisticas 3. Asalariados, percepciones salariales y salarios por nacionalidad, edad y sexo (2017). Disponible en: https://www.agenciatributaria.es/AEAT/Contenidos_Comunes/La_Agenci a_Tributaria/Estadisticas/Publicaciones/sites/mercado/2017/home_parci alf75cf3a9c8f1f9a6069e2f5b42bcf3afa97f6fcd9.html 4. Departamento de Economía Aplicada (Estadística y Econometría) (2018). Apuntes de clase de las asignaturas Econometría I y Econometría II. 5. Encuesta de Estructura Salarial (2014). Disponible en: http://www.ine.es/dyngs/INEbase/es/operacion.htm?c=Estadistica_C&cid =1254736177025&menu=ultiDatos&idp=1254735976596 6. García, M (2005): “Género y Trabajo”, en Prior Ruiz, Juan Carlos y Martínez Martín (Coordinadores), El Trabajo en el Siglo XXI, Granada, Editorial Comares. 7. Gobierno de España, Ministerio de Empleo y Seguridad Social. La situación de las mujeres en el mercado de trabajo (2017). Disponible en: http://www.mitramiss.gob.es/es/sec_trabajo/analisismercadotrabajo/situa cion-mujeres/situacion_mujer_trabajo_2017.pdf 8. Gómez, C (2001): “Mujeres y trabajo: principales ejes de análisis”, PAPERS, Revista de Sociología, 63/64, 2001: 123. 9. Prieto, C (1999): “Los estudios sobre mujer, trabajo y empleo: caminos recorridos y caminos por recorrer”, Revistas Científicas Complutenses, 32, (1999) 10. Tasa de paro juvenil en España (2018). Disponible en: http://www.ine.es/jaxiT3/Datos.htm?t=4247 [Consulta: 17.06.2019] 35 11. Tasa de natalidad en Castilla y León (2017). Disponible en: https://www.ine.es/jaxiT3/Datos.htm?t=1432 [Consulta: 20.05.2019] 36 7. ANEXOS ANEXO 1. Estimaciones y contrastes de los diferentes modelos planteados a lo largo de todo el estudio. Apartado a: Estimación del Modelo 1. Apartado b: Estimación del Modelo 2. 37 Apartado c: Contraste de Normalidad del Modelo 1. Apartado d: Contraste de Heteroscedasticidad del Modelo 1. Apartado e: Contraste de Normalidad del Modelo 2. 38 Apartado f: Contraste de Heteroscedasticidad del Modelo 2. Apartado g: Estimación del Modelo 1 con Matriz de varianzas y covarianzas de White. 39 Apartado h: Estimación del Modelo 2 con Matriz de varianzas y covarianzas de White. Apartado i: Estimación del Modelo 3 con Matriz de varianzas y covarianzas de White.