Upload
mascandrew
View
29
Download
3
Embed Size (px)
Citation preview
MEMORIA FINAL DEL
PROYECTO DE INVESTIGACIÓN:
MERCADO DE TRABAJO, POBREZA Y GÉNERO:
NUEVOS ENFOQUES
Octubre, 2004
Convocatoria I+D+I, 2002 Expediente nº 35/02 Investigadora principal: Coral del Río Otero Centro: Universidade de Vigo Duración del proyecto: Bianual (2003-2004) NIPO.: 207-05-052-4
1
De acuerdo con la propuesta presentada en la solicitud de ayudas a la investigación de
2002, el trabajo desarrollado se ha concretado en dos líneas complementarias de estudio
del mercado laboral. En la primera se ofrece una aproximación novedosa al estudio de
la discriminación salarial por razón de género, en la que se incorporan metodologías
desarrolladas en el campo de la pobreza y la privación a la medición de la
discriminación en el mercado de trabajo español, lo que permite tener en cuenta
aspectos distributivos del fenómeno que hasta ahora no habían sido suficientemente
abordados en la literatura existente. Esta metodología nos ha permitido, además,
acometer el estudio de la influencia de la discriminación salarial en los niveles de
pobreza existentes en nuestro país, tanto en la población en su conjunto, como en
diferentes tipos de hogares según su composición demográfica. Este trabajo constituye
el primer intento existente en la literatura de cuantificar los efectos que tendría eliminar
la discriminación salarial por razón de género en términos de la reducción de la pobreza.
En esta línea de trabajo han participado los profesores Coral del Río Otero, Carlos
Gradín Lago y Olga Cantó Sánchez.
Por otro lado, en una segunda línea de investigación se analiza la duración del
desempleo de las mujeres casadas, mejorando las estimaciones existentes en la literatura
al utilizar técnicas estadísticas novedosas en el tratamiento de datos sesgados por
longitud y censurados (como es el caso de las observaciones disponibles en el estudio
de la duración del desempleo femenino). En esta segunda línea de trabajo han
participado los profesores: María Soledad Otero Giráldez, Gema Álvarez Llorente,
Jacobo de Uña Álvarez y Raquel Arévalo Tomé.
2
ÍNDICE
PRIMERA PARTE:
Discriminación salarial, segregación ocupacional y pobreza: Un análisis distributivo del mercado de trabajo español desde la perspectiva género
Coral del Río, Carlos Gradín y Olga Cantó (Universidade de Vigo)
Capítulo 1:
Discriminación salarial y segregación ocupacional en el mercado de trabajo español ...... 4
Capítulo 2:
El enfoque distributivo en el análisis de la discriminación salarial por razón de género: Efectos sobre el nivel de pobreza ………………………………………………………. 54
SEGUNDA PARTE:
La duración del desempleo de las mujeres casadas en el mercado de trabajo español … 106
Mª Soledad Otero, Gema Álvarez, Jacobo de Uña y Raquel Arévalo (Univ. de Vigo)
BIBLIOGRAFÍA: ……………………………………………………………………. 117 APÉNDICE: ………………………………………………………………………….. 122
3
PRIMERA PARTE
DISCRIMINACIÓN SALARIAL, SEGREGACIÓN
OCUPACIONAL Y POBREZA:
UN ANÁLISIS DISTRIBUTIVO DEL MERCADO
DE TRABAJO ESPAÑOL DESDE LA
PERSPECTIVA DE GÉNERO
Coral del Río – Carlos Gradín – Olga Cantó
Universidade de Vigo
4
CAPÍTULO 1
DISCRIMINACIÓN SALARIAL Y SEGREGACIÓN OCUPACIONAL
EN EL MERCADO DE TRABAJO ESPAÑOL
1.1 Introducción En la actualidad cada vez es mayor el número de personas que reconocen la presencia
de actitudes discriminatorias en el mercado de trabajo basadas en el género, la raza o el
origen étnico de los individuos. Desde esta perspectiva, los individuos estarían
disfrutando de oportunidades diferentes a la hora de integrarse en el mercado laboral,
alcanzar estabilidad, ascender en el puesto de trabajo, incorporarse a determinadas
profesiones, o incluso percibirían diferentes retribuciones realizando trabajos de similar
valor, en función de que posean unas u otras características. La identificación con el
grupo de pertenencia condicionaría así las posibilidades laborales del sujeto por encima
de su preparación, capacidad o actitud individual para el puesto de trabajo, de forma que
los prejuicios sobre el colectivo con el que se le asocia se revelarían como
determinantes.
En relación con la discriminación de género, el barómetro de febrero de 2002 del Centro
de Investigaciones Sociológicas reflejaba la manera en que nuestra sociedad percibe
este fenómeno. Por una parte, 7 de cada 10 entrevistados/as aseguraban que la mujer
tiene peores salarios y menores posibilidades de acceder a puestos de responsabilidad,
tanto en las empresas como en la vida pública. De igual forma opinaban que ante igual
preparación, las empresas siguen prefiriendo contratar a un varón frente a una mujer,
destacando a la política, la banca y la abogacía como las profesiones donde más
dificultades encuentran. Por otra parte, sin embargo, también eran mayoría (casi un 71
por 100) los que opinaban que en la actualidad hay menos desigualdades que hace una
5
década, señalando los ámbitos de la administración pública, la medicina y la enseñanza
como modélicos en cuanto a la igualdad de oportunidades que brindan a hombres y
mujeres.1
La progresiva sensibilización que la sociedad parece mostrar hacia estas cuestiones no
es sorprendente si tenemos en cuenta los numerosos informes que han aparecido
recientemente en los medios de comunicación. Así, por ejemplo, la oficina estadística
de la Unión Europea estimaba que en 1995 en los países de la Unión las ganancias
medias de las mujeres en la Industria y los Servicios se situaban en un 75 por 100 de las
percibidas por los varones. Además, y en consonancia con la opinión mayoritaria antes
reflejada, constataba una leve mejoría en la situación a lo largo de la segunda mitad de
los noventa que, en cualquier caso, no permitía superar el hecho de que las ganancias de
las mujeres europeas sigan estando significativamente por debajo de las de sus
compañeros varones. El examen de estos resultados parece llevarnos a afirmar que la
sociedad tiene razón en sus apreciaciones, y que las mujeres españolas y europeas son
discriminadas a la hora de acceder a un puesto de trabajo en igualdad de condiciones
que los hombres. La consecuencia directa que se derivaría de tal observación sería la
defensa de intervenciones públicas tendentes a modificar las políticas de contratación y
promoción de las empresas, impulsando así la corrección de estos desajustes.
Sin embargo, desde un punto de vista diametralmente opuesto también son muchos los
estudios que consideran que estas estadísticas no reflejan necesariamente un mal
funcionamiento de los mercados de trabajo. Desde esta perspectiva se nos alerta sobre
los peligros de dejarnos llevar por loables impulsos igualitaristas, al tomar por
evidencia empírica lo que podría ser únicamente coincidencia estadística. Siendo los
individuos heterogéneos en capacidades y preparación, el mercado a la hora de
1 Los datos, sin embargo, muestran desigualdades importantes también en algunos de estos colectivos. Según estadísticas recientes de la Comisión Europea en ningún país de la Unión se alcanza el 20 por 100 de mujeres dentro del profesorado numerario de Universidad, situándose España en el 15 por 100. En la joven Universidad de Vigo, el 15 y el 36 por 100 de los Catedráticos y Profesores Titulares de Universidad son mujeres, mientras que éstas representan el 54 por 100 del alumnado, siendo mayoría en todos los ciclos. Lo llamativo es que a pesar del enorme crecimiento experimentado por la Universidad española a lo largo de los últimos 20 años, las diferencias entre el número de Catedráticos y Catedráticas han aumentado en términos absolutos. Según estimaciones de García (2002), en 1990 había 318 mujeres frente a 4007 varones. Diez años después esas cifras ascendían a 827 y 6444, respectivamente. Es más, todavía existen áreas de conocimiento en las que no hay ninguna Catedrática en toda España.
6
contratar, retribuir y promocionar a su personal puede estar reflejando esas diferencias,
sin que eso suponga que los prejuicios estén condicionando la toma de estas decisiones.2
Existirían, pues, dos tipos de discriminación: una discriminación deseable basada en el
mérito, que estaría asociada a características intrínsecas del individuo y a la correlación
entre éstas y la productividad; y una discriminación reprobable basada en el prejuicio,
que es la única contra la cual deberían intervenir las administraciones públicas.
Siguiendo este razonamiento, tal vez las mujeres tengan un mayor nivel de desempleo,
no porque estén discriminadas, sino porque su productividad sea menor al tener un
historial laboral más intermitente, al abandonar su puesto de trabajo con más frecuencia
que los hombres; tal vez las mujeres estén sobre-representadas en ciertas ocupaciones,
no porque se las excluya de otras, sino porque prefieran trabajos con un horario más
flexible para poder ocuparse de su familia; y tal vez el bajo porcentaje de mujeres
ejecutivas no se deba a la existencia de barreras dentro de las empresas, sino a
decisiones personales destinadas a poder compaginar mejor su vida familiar y
profesional. Si todo esto fuese cierto, tal vez las bienintencionadas medidas tendentes a
equiparar a mujeres y hombres en el ámbito laboral sean erróneas y acaben provocando
ineficiencias en la política de contratación de las empresas.
El objetivo de este capítulo es reflexionar sobre esta realidad a partir de las diferentes
teorías explicativas propuestas y utilizar la información disponible sobre el mercado de
trabajo en nuestro país. Centrándonos en el estudio de las diferencias salariales entre
hombres y mujeres, proponemos la utilización de técnicas habituales en la literatura
empírica especializada para cuantificar la importancia de la discriminación salarial en el
mercado de trabajo español, a nivel agregado. Este ejercicio nos permitirá comprobar
las limitaciones de las metodologías estándar, y la necesidad de desarrollar nuevos
procedimientos dotados de un mayor grado de desagregación.
2 Gorman (2002) pone un ejemplo que ilustra por qué esto podría ser así. Según ella, la política de contratación de una empresa puede verse seriamente condicionada por la experiencia previa con anteriores empleados, sin que ello signifique que ésta discrimine a unos colectivos frente a otros a la hora de ocupar nuevas vacantes. Así, por ejemplo, si la empresa concesionaria de la venta de perritos calientes en un estadio de béisbol constata que sus vendedores fumadores tienen una productividad menor que sus trabajadores que usan camisetas con anuncios sobre competiciones deportivas, cuando tenga una vacante no deseará ocuparla con un fumador: “desde luego, un fumador excepcionalmente motivado podría superar al deportista medio. Desafortunadamente, sin realizar exámenes físicos previos a los aspirantes (que al tener que sufragar la empresa harían disminuir sus beneficios) el empresario no puede separar a
7
1.2 La magnitud de las diferencias salariales entre mujeres y hombres en España
Al margen de la menor participación laboral femenina, sus mayores tasas de paro y los
elevados niveles de segregación ocupacional existentes, un cuarto elemento
característico de los mercados de trabajo en el contexto internacional es la presencia de
notables diferencias en el salario medio de hombres y de mujeres, a favor de los
primeros. Tomando como referencia el salario bruto mensual presente en la Encuesta de
Salarios de la Industria y los Servicios se confirma que en el año 2000 las mujeres
españolas ganaban en promedio un 25 por 100 menos que los hombres.3 Se trata de
diferencias importantes, aunque al estar calculadas sobre remuneraciones mensuales
pueden esconder discrepancias en el número medio de horas semanales trabajadas por
unos y otras. Así, dado que las mujeres tienen una mayor representación que los
hombres en ocupaciones con contratos a tiempo parcial, el menor salario medio
percibido por éstas podría estar reflejando una menor dedicación. Es por eso que
también resulta interesante realizar la comparación a partir del salario bruto por hora
trabajada. Utilizando esta nueva variable la brecha salarial en España cae hasta el 23 por
100. Se comprueba, pues, que el mayor peso que las mujeres tienen en este tipo de
trabajos reduce efectivamente la dimensión del problema, aunque en una cuantía
moderada que sigue sin explicar las grandes diferencias existentes.4
En cualquier caso, si queremos analizar los aspectos distributivos que se esconden
detrás de estas cifras no tenemos más remedio que retroceder algo en el tiempo para
trabajar con la mejor fuente de microdatos sobre salarios existente en nuestro país: la
Encuesta de Estructura Salarial, elaborada por el Instituto Nacional de Estadística
los fumadores excepcionales de los deportistas ordinarios. Así, debe tomar su decisión de contratación sobre la base de su experiencia con los fumadores, en general”. 3 Obsérvese que en ambos casos estamos eliminando de estos cálculos tanto al sector agrario (por su peculiar mercado de trabajo) como al empleo ligado a las Administraciones Públicas (donde las diferencias retributivas entre hombres y mujeres son de menor cuantía). 4 Trabajar con el salario por hora permite aislar lo que serían diferencias retributivas por hora trabajada, de lo que serían diferencias por tipo de contrato según su dedicación. El que ahora nos interese hacerlo así, y analizar sólo las primeras, no significa que no consideremos como discriminatorio el hecho de que una mayor presencia de mujeres en contratos a tiempo parcial pueda no ser siempre fruto de una decisión voluntaria por parte de éstas, sino una forma añadida de segregación en su contra presente también en el mercado de trabajo.
8
(INE) en 1995.5 Esta encuesta permite la desagregación de la muestra por diferentes
variables, como la CCAA, ofreciendo además información detallada acerca de las
características de las/os asalariadas/os en el sector no agrario, por lo que ha sido
empleada en numerosos estudios sobre el tema en nuestro país. Debido al diseño de esta
encuesta, nuestro estudio se centrará en los asalariados pertenecientes a sectores no
agrarios empleados en empresas de un mínimo de 10 trabajadores, y por homogeneidad,
nos referimos a los que trabajan a tiempo completo y que no estuvieron afectados en
octubre de 1995 por bajas de incapacidad laboral transitoria ni de maternidad. Este
hecho debe ser tenido en cuenta puesto que no estamos analizando a la totalidad de la
población asalariada. En particular estamos excluyendo a la población agraria, a los
empleados de las Administraciones Públicas, de los sectores de Educación y Sanidad y
a todos los asalariados de pequeñas empresas (menos de 10 trabajadores). Además es
preciso tener en cuenta, de forma adicional, que la forma en la que el INE suministra
esta información hace que el tamaño de la muestra dependa del detalle de las variables
solicitadas, de forma que a mayor detalle en la información solicitada, menor
representatividad de la muestra. Es decir, realizaremos un ejercicio con una muestra
específica que no es plenamente representativa de la situación de cualquier mujer
española asalariada, por lo que las conclusiones obtenidas no son directamente
extrapolables a todo el colectivo femenino.
De acuerdo con esta encuesta, y refiriéndonos al colectivo mencionado, la ganancia
media por hora de una mujer en España era, en 1995, cercana al 70 por ciento de la
ganancia de un hombre. Es decir, ellos ganaban casi un 30 por ciento más que las
5 Esta estadística tiene como objetivo proporcionar información a nivel nacional y de comunidad autónoma sobre la estructura y distribución de los salarios, recogiendo información de forma individual junto con una gran cantidad de características del trabajador (ocupación, titulación, edad, antigüedad, sexo, tipo de jornada y tipo de contrato). En su diseño incluye a todas/os las/os trabajadoras/es por cuenta ajena que prestan sus servicios en centros de cotización de 10 o más empleados/as que figuren en nómina a 31 de Octubre de 1995. Se excluyen a los presidentes, miembros de consejos de administración y en general, todo aquel personal cuya remuneración no sea principalmente en forma de salario, sino por comisiones o beneficios. Abarca todo el territorio nacional, con datos conjuntos para Ceuta y Melilla. Se extiende a la Industria, Construcción y Servicios, excluyéndose el sector de actividad agrícola, la Administración Pública, la Sanidad, la Educación, y algunas otras actividades de menor peso en la economía. Y en su diseño se ha utilizado la información recogida en el Registro General de Cuentas de Cotización a la Seguridad Social, del Ministerio de Trabajo y Asuntos Sociales. El procedimiento de selección aleatoria de unidades corresponde a un muestreo bietápico estratificado, donde las unidades de primera etapa son las cuentas de cotización a la Seguridad Social, mientras que las de segunda etapa son los trabajadores. La estratificación se ha hecho por el cruce de tres variables: actividad económica principal (22 secciones y subsecciones de la CNAE-93), Comunidad Autónoma y cinco intervalos de tamaño del centro de cotización.
9
mujeres en promedio. Un examen exhaustivo de estas desigualdades, sin embargo,
permite comprobar que la brecha salarial no es siempre la misma, presentando notables
diferencias según los grupos de trabajadores/as que estemos considerando.
1.2.1 Diferencias en la distribución salarial entre hombres y mujeres
Como comprobaremos enseguida, en España las diferencias salariales entre hombres y
mujeres aumentan con el nivel de ingresos de los individuos, siendo éste un resultado
común a otros países en el ámbito europeo. Así, si dentro del colectivo de los que tienen
un nivel de estudios equivalente a la Primaria los hombres perciben en promedio una
remuneración un 27 por ciento mayor que las mujeres, este porcentaje asciende hasta el
39 por ciento en el caso de comparar a hombres y mujeres que han alcanzado estudios
superiores. Es por ello que, aunque la estructura salarial en ambos sexos es bastante
similar,6 cuando analizamos la dispersión salarial existente en las mujeres y en los
hombres, por separado, éstos presentan unos niveles de desigualdad superiores
precisamente por ocupar trabajos de alta cualificación mejor retribuidos que los de las
mujeres de perfil educativo similar.
Para mostrar el alcance de estas diferencias en las distribuciones salariales entre
hombres y mujeres estimaremos las respectivas funciones de densidad utilizando la
técnica no paramétrica conocida como kernels, lo cual nos permite evitar cualquier
imposición a priori acerca de la forma funcional de las mismas. Estimamos, pues, una
función de densidad, )(^
yf , sobre el logaritmo de los salarios y=(y1, ..., yn) presentes en
la muestra, asumiendo únicamente que existe un función de densidad original f(y) de la
cual se extrajo dicha muestra. El estimador usado es:
( ) ∑=
⎟⎟⎠
⎞⎜⎜⎝
⎛ −=
n
i
ijj h
yyK
hyf
1
^ 1 j∀ ,
donde i y j son individuos de la muestra, h es la ventana fija óptima obtenida de la
minimización del Mean Integrated Square Error (MISE), y K(.) es la función kernel,
10
una Normal en nuestro caso. La Figura 1 presenta las funciones de densidad del
logaritmo de los salarios estimadas de forma separada para hombres y mujeres en
España.
Figura 1. Distribución del logarítmo del salario
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 10
logaritmo del salario por hora
MujeresHombres
Como era de esperar, el mayor nivel salarial de los hombres frente a las mujeres se
traduce en que la densidad de éstas está, en su conjunto, desplazada a la izquierda. Pero
como demuestra este gráfico, las diferencias entre ambos no se limitan sólo a
discrepancias en sus niveles medios, al presentar la distribución salarial femenina un
grado de concentración en torno a la moda muy superior que la de los hombres. Las
distintas distribuciones se corresponden, en consecuencia, con distintos grados de
desigualdad salarial. La estimación del coeficiente de Gini y la familia de Índices
Generalizados de Theil7 sobre las distribuciones salariales de hombres y mujeres
permite confirmar nuestra hipótesis: la desigualdad salarial es inferior en la muestra de
mujeres que en la de hombres, independientemente del índice utilizado, tal y como se
muestra en la Tabla 1. Aunque también se comprueba que estas diferencias se amplían a
medida que el índice utilizado presenta una mayor sensibilidad a la cola alta de la
6 En este sentido, por ejemplo, se comprueba que tener mayor nivel de estudios o mayor antigüedad en la empresa permite alcanzar en promedio mayores rentas salariales tanto en el caso de las mujeres como en el de los varones.
11
distribución, indicando así que es ahí donde principalmente se genera la mayor
desigualdad masculina.
Tabla 1. Desigualdad salarial Theil (-1) Theil (0) Theil (1) Theil (2) Gini
España
Ambos sexos 0,282 0,209 0,209 0,277 0,344
Hombres 0,275 0,205 0,205 0,272 0,341
Mujeres 0,247 0,182 0,175 0,210 0,320
Mujeres / Hombres (%) 89,6 88,8 85,2 77,2 93,7
Desigualdad entre sexos 0,010 0,009 0,008 0,008
% sobre total 3,4 4,3 4,0 2,9
Fuente: Elaboración propia a partir de la Encuesta de Estructura Salarial - 1995 (INE).
1.2.2 Las características de los individuos como causas explicativas de la brecha
salarial entre mujeres y hombres
Como ya adelantamos, la estructura salarial relativa entre las mujeres es bastante similar
a la de los hombres, aunque las mujeres situadas en los grupos mejor remunerados
disfrutan de una ventaja respecto de las demás que es inferior a la que disfrutan los
hombres en su misma categoría, de ahí que sean precisamente en estos grupos en los
que la brecha salarial con el hombre se amplíe. Las Tablas 2 y 3 presentan información
correspondiente a las diferentes particiones en función de las características de los
asalariados, haciendo referencia a su distribución en porcentaje sobre el total y al salario
por hora promedio en cada subgrupo.
En particular, en la Tabla 3 observamos que por niveles de cualificación la
remuneración más alta entre las mujeres la obtienen aquéllas con educación
universitaria, sobre todo en el caso de licenciadas, a pesar de que su ventaja sobre el
resto de las mujeres sea inferior a la que tienen los hombres con su mismo nivel
educativo. Por otro lado, también destaca el hecho de que, tanto entre los hombres como
entre las mujeres, los que sólo han alcanzado estudios primarios posean un salario más
7 Para detalles sobre este y otros índices habitualmente utilizados en la literatura de desigualdad véase
12
alto que los que terminaron la EGB, llamando la atención asimismo la baja
remuneración de los que poseen estudios de FP1. En general, existe una relación
positiva entre brecha salarial y nivel de estudios. Así, destacan por su menor nivel de
brecha salarial las mujeres sin estudios o con primaria elemental o EGB que representan
un 57 por ciento de las mujeres y tienen un salario de aproximadamente el 73 por ciento
del masculino. Están seguidas por las que tienen estudios secundarios de bachillerato
pero no de FP, 18 por ciento de mujeres con 71 por ciento del salario, siendo la brecha
salarial más importante cuando tienen estudios universitarios, ya que tan sólo obtienen
el 60 por ciento de lo que ganan los hombres con el mismo nivel de estudios, viéndose
afectadas el 11 por ciento de las mujeres.
La ganancia de las mujeres con contrato indefinido es casi el doble de las que tienen
contrato temporal; una ventaja enorme pero aún así menor que en el caso de los
hombres. También están mejor situadas las mujeres con convenio de empresa frente a
las de convenios de ámbito mayor, siendo su ventaja relativa respecto de las de ámbito
nacional mayor que en el caso de los hombres. Por otro lado, la posición relativa de la
mujer es mejor cuanto más grande es la empresa, con diferencias importantes entre los
dos grupos extremos, empresas de entre 10 y 20 trabajadores y más de 200. Aunque,
nuevamente, la ventaja de estar en una gran empresa o la desventaja de trabajar en una
pequeña es menor que en el caso de los hombres. Sin embargo ocurre a la inversa en
cuanto a su mejor posición en el caso de empresas públicas, con una ganancia de pasar
de lo privado a lo público de mucha mayor cuantía que el caso masculino, aunque el
porcentaje de mujeres trabajadoras en la empresa pública sea realmente pequeño
(apenas un 1 por ciento del total de mujeres en la muestra). La antigüedad es decisiva
puesto que las mujeres que tienen diez o más años cobran un salario por hora que casi
cuadruplica el de las de recién contratadas en la empresa. Mientras que la experiencia
potencial, siendo importante, lo es menos que la antigüedad al observarse una
penalización en el caso de las mujeres con mayor experiencia.
Sin llegar a alcanzar el salario masculino se puede observar un nivel muy próximo a
éste en el caso de dos ocupaciones bastante diferenciadas en cuanto al nivel de
cualificación requerido: se trata de las ocupaciones (CNO-94) de los grupos 3, Técnicos
Gradín y Del Río (2001).
13
y profesionales de apoyo, y 9, Trabajadores no cualificados. En el primero de los casos
se trata de la tercera ocupación mejor retribuida mientras que en el segundo caso es la
última. Además de las ya mencionadas (que agrupan entre ambas al 22 por ciento de las
mujeres), destaca el pequeño grupo 2, Técnicos profesionales y científicos e
intelectuales, y el 5, Trabajadores de servicios de restauración, personales, protección
y vendedores de los comercios (éstos con un 18 por ciento de las mujeres), con un nivel
de cobertura del salario masculino que se sitúa en torno al 75 por ciento. El nivel más
bajo se produce en el grupo de ocupaciones 8, Operadores de instalaciones y
maquinaria, y montadores, donde las mujeres de este grupo sólo alcanzan un 66 por
ciento de la ganancia masculina, y en el pequeño grupo 1, Dirección de las empresas y
las Administraciones Públicas, con un 67 por ciento.
En cuanto a la brecha salarial asociada a estas características, las mujeres con trabajo
temporal se aproximan más al salario medio de los hombres en similar situación (29 por
ciento de mujeres, 79 por ciento de la ganancia masculina), así como las que están bajo
un convenio de empresa (que afecta al 17 por ciento de mujeres), siendo las que están
en peor situación las que disponen de un convenio nacional (43 por ciento de mujeres).
En cuanto al tamaño de la empresa, la brecha es menor en el caso de empresas
pequeñas, sobre todo si son de menos de 50 trabajadores (45 por ciento de mujeres), así
como cuando el destino de la producción es mayoritariamente el mercado local o
regional (30 por ciento). Finalmente, las mujeres tienden a estar peor en relación a los
hombres cuanto mayor es la experiencia potencial, mientras que la brecha salarial no
parece guardar mucha relación con la antigüedad en la empresa donde se trabaja.
14
Tabla 2. Distribución de asalariados en la muestra por características Proporción sobre el total
Ambos sexos Hombres Mujeres
Nivel educativo Primaria / Sin Estudios 32,98 36,11 22
EGB 30,62 29,43 34,8
BUP / COU 12,43 10,94 17,65
FP1 4,75 4,44 5,86
FP2 8,07 8,02 8,28
Diplomado 5,27 5,41 4,77
Superior 5,88 5,66 6,64
Ocupación CNO-94 (*) Grupo 1 4,38 5,15 1,68
Grupo 2 4,95 5,18 4,16
Grupo 3 11,38 11,71 10,22
Grupo 4 15,17 9,73 34,25
Grupo 5 8,38 6,88 13,65
Grupo 7 21,94 25,78 8,45
Grupo 8 22,36 24,21 15,87
Grupo 9 11,44 11,36 11,72
Tipo de contrato Indefinido 73,87 74,59 71,35
Temporal 26,13 25,41 28,65
Convenio Nacional 35,29 32,97 43,45
Mayor que la Empresa 42,62 43,5 39,52
Empresa / otro 22,09 23,53 17,03
Tamaño empresa 10-19 21,29 21,93 19,01
20-49 27,61 28,07 25,98
50-99 13,83 13,5 15,01
100-199 10,74 10,35 12,09
> 200 26,54 26,15 27,9
Propiedad Público 1,39 1,49 1,05
Privado 98,61 98,51 98,95
Mercado Local-regional 35,36 36,92 29,88
Nacional 50,46 48,37 57,79
Extranjero 14,18 14,71 12,32
15
Antigüedad 0 10,35 10,1 11,24
1 11,26 11,2 11,49
2 6,88 6,49 8,26
3-4 9,81 9,03 12,56
5-9 20,21 19,63 22,21
>9 41,49 43,55 34,24
Experiencia < 10 14,41 11,64 24,12
11-20 29,09 27,75 33,78
21-30 24,96 25,05 24,66
> 30 31,54 35,57 17,44
CCAA 1 10,59 11,36 7,89
2 3,44 3,66 2,66
3 1,28 1,37 0,94
4 1,37 1,31 1,59
5 3,38 3,34 3,53
6 0,9 0,95 0,73
7 3,29 3,32 3,2
8 5,15 5,64 3,43
9 24,27 23,08 28,44
10 11,35 11,24 11,71
11 0,88 0,99 0,47
12 5,35 5,4 5,19
13 18,68 17,7 22,1
14 1,81 1,83 1,72
15 1,48 1,52 1,31
16 6,08 6,53 4,47
17 0,67 0,7 0,6
18 0,04 0,04 0,01
Fuente: Elaboración propia a partir de la Encuesta de Estructura Salarial - 1995 (INE). (*) Para clasificación de ocupaciones véase el Cuadro 1.
16
Tabla 3. Nivel salarial por características y sexo
Media de individuos del mismo sexo =1000 Hombres Mujeres
(Mujeres / Hombres)*100
Nivel educativo Primaria / Sin Estudios 1379,661 1003,141 72,7
EGB 1254,509 923,7544 73,6
BUP / COU 2098,006 1491,529 71,1
FP1 1549,968 1052,232 67,9
FP2 1822,101 1222,808 67,1
Diplomado 2734,975 1636,003 59,8
Superior 3527,574 2136,598 60,6
Ocupación CNO-94 Grupo 1 3977,903 2669,389 67,1
Grupo 2 2973,85 2265,532 76,2
Grupo 3 2241,339 1840,813 82,1
Grupo 4 1712,907 1246,413 72,8
Grupo 5 1184,414 867,3711 73,2
Grupo 7 1319,555 920,3345 69,7
Grupo 8 1414,16 934,5442 66,1
Grupo 9 943,5928 764,6912 81,0
Tipo de contrato Indefinido 1927,975 1389,675 72,1
Temporal 870,3193 686,5118 78,9
Convenio Nacional 1747,072 1209,177 69,2
Mayor que la Empresa 1332,963 968,9735 72,7
Empresa / otro 2139,525 1643,501 76,8
Tamaño empresa 10-19 1205,816 941,561 78,1
20-49 1375,097 1004,179 73,0
50-99 1646,27 1105,169 67,1
100-199 1800,902 1246,46 69,2
> 200 2295,382 1547,167 67,4
Propiedad Público 2278,244 2130,884 93,5
Privado 1649,91 1178,2 71,4
Mercado Local-regional 1256,14 938,3206 74,7
Nacional 1893,095 1322,994 69,9
17
Extranjero 1902,239 1162,241 61,1
Antigüedad 0 545,9768 415,5626 76,1
1 1127,199 856,307 76,0
2 1322,517 957,2302 72,4
3-4 1528,351 1118,431 73,2
5-9 1739,816 1328,641 76,4
>9 2095,188 1543,587 73,7
Experiencia < 10 1162,738 971,0401 83,5
11-20 1480,965 1131,409 76,4
21-30 1869,787 1373,835 73,5
> 30 1812,585 1336,197 73,7
CCAA
1 1530,979 1097,333 71,7
2 1609,268 1078,929 67,0
3 1405,504 918,3088 65,3
4 1216,619 916,3097 75,3
5 1180,912 802,477 68,0
6 1396,787 954,7531 68,4
7 1311,585 777,5677 59,3
8 1580,938 1191,969 75,4
9 1863,17 1234,798 66,3
10 1392,81 974,2807 70,0
11 1064,243 815,6095 76,6
12 1332,084 1017,887 76,4
13 2060,294 1510,455 73,3
14 1075,568 742,6302 69,0
15 1599,383 1139,005 71,2
16 1815,545 1333,798 73,5
17 1244,672 897,2823 72,1
18 1351,642 1223,222 90,5
Fuente: Elaboración propia a partir de la Encuesta de Estructura Salarial - 1995 (INE).
18
Cuadro 1. Ocupaciones según clasificación Nacional de Ocupaciones (CNO-94)
1. Dirección de las empresas y las administraciones públicas
2. Técnicos profesionales y científicos e intelectuales
3. Técnicos y profesionales de apoyo
4. Empleados de tipo administrativo
5. Trabajadores de servicios de restauración, personales, protección y vendedores de los comercios
6. Trabajadores cualificados en la agricultura y pesca
7. Artesanos y trabajadores cualificados de las industrias manufactureras, la construcción, en la
minería, excepto los operadores de instalaciones y maquinarias
8. Operadores de instalaciones y maquinaria, y montadores
9. Trabajadores no cualificados.
1.3 La discriminación salarial en España
Para que podamos hablar de discriminación, sin embargo, tendríamos que tener
garantías de que estas diferencias por grupos no esconden diferencias en otras
características de los individuos que las expliquen en términos de productividad. Así, tal
vez las mujeres españolas con estudios superiores ganen en promedio menos que los
varones con idéntico nivel educativo porque también en promedio sean más jóvenes y
tengan menos experiencia en el puesto de trabajo. Ésta no es una hipótesis descabellada
teniendo en cuenta el extraordinario incremento en el nivel educativo medio que ha
experimentado nuestro país en los últimos 25 años, sobre todo en el caso de las mujeres,
las cuales han alcanzado ya una presencia mayoritaria entre el alumnado de la
Universidad española. Contrastar la veracidad de este tipo de hipótesis es enormemente
relevante ya que si, por ejemplo, la variable edad explicase un porcentaje importante de
las desigualdades observadas, el tiempo acabaría solucionando la discriminación no
siendo necesarias intervenciones públicas correctoras. Es por eso que resulta
imprescindible utilizar herramientas econométricas que nos permitan tener en cuenta
conjuntamente un amplio abanico de características observables de los individuos, y
poder realizar así comparaciones entre iguales. De esta forma nos acercaremos a una
medición más precisa de lo que entendemos por discriminación salarial.
19
1.3.1 El enfoque clásico en la medición de la desigualdad salarial entre hombres y
mujeres
La principal ventaja de utilizar la Encuesta de Estructura Salarial en este tipo de
estudios reside en que, junto a la información relativa al salario hora, nos permite
conocer toda una serie de variables relacionadas con las características del trabajador/a
y de su contrato. Ya que la brecha salarial entre hombres y mujeres es posible que se
justifique en la diferencia de dotaciones en las características que para el mercado de
trabajo son relevantes en el nivel de productividad alcanzado, disponer de información
sobre la antigüedad del asalariado en su puesto de trabajo, su experiencia acumulada, su
nivel educativo, el tipo de contrato, la ocupación desempeñada, el tamaño de la empresa
en la que trabaja, el tipo de convenio colectivo por el que se rige su salario, el tipo de
mercado al que se dirige la producción o si es de propiedad pública o privada son
cuestiones enormemente relevantes. Ciertamente, éstas no son las únicas variables que
podrían incidir en la retribución alcanzada por un individuo en el mercado laboral pero
constituyen las más importantes, al menos de entre las características que son
observables por el/la investigador/a.
1.3.1.1 El modelo econométrico
Mediante la estimación de una ecuación salarial minceriana para toda la población
trabajadora, y de otras dos, de forma separada, para hombres y mujeres podremos
conocer cómo se están retribuyendo cada una de estas características cuando
controlamos por el resto. Así, estimamos el modelo de ecuaciones mincerianas tanto de
forma conjunta, modelo (1), como separada para hombres y mujeres, modelo (2):
i*'ii uZ)ln(w += β (1)
y
mim'mimi
hih'hihi
uZ)ln(w
uZ)ln(w
+=
+=
β
β (2),
donde el subíndice h hace referencia al hombre y el m a la mujer, y si omitimos el sub-
índice de sexo wi representa el salario por hora del i-ésimo trabajador, Z’i es un vector
de características individuales que consideramos relevantes para explicar las diferencias
20
salariales, Z*’i es el mismo vector al que añadimos una variable ficticia de sexo
(femenino) en el modelo conjunto, y ui es el correspondiente término de error.
La variable dependiente es el logaritmo del salario por hora, y entre las características
explicativas del mismo (Z’i), incluiremos la mayoría de las que se han venido
mencionando en la literatura y que están disponibles en nuestra base de datos, como son
los años de antigüedad en la misma empresa y la experiencia potencial,8 (que para tener
en cuenta posibles no-linealidades en sus efectos introducimos también al cuadrado), el
nivel educativo, el tipo de duración del contrato (indefinido o temporal), la ocupación
según la CNO-94 a un dígito,9 el tamaño de la empresa, el tipo de convenio, la forma de
propiedad de la empresa y el mercado al que ésta se dirige de forma principal.
No es posible tener en cuenta, sin embargo, algunas características personales de los
individuos que en ciertos estudios se han utilizado como variables de control.10 La base
de datos utilizada no nos permite controlar tampoco por el conocido sesgo de selección.
Este sesgo surge del hecho de que sólo observamos el salario de las personas que
efectivamente trabajan, y éstas podrían no ser una muestra representativa del conjunto
de la población. De hecho hay características como el nivel educativo que influyen en el
salario y en la decisión de participar en el mercado de trabajo y, por lo tanto, en el hecho
de que ese individuo sea observado o no.11 La importancia del sesgo es mayor cuando
las tasas de participación de los distintos grupos son muy distintas. Econométricamente
esto supone que los errores de las ecuaciones de participación y determinación del
salario están correlacionados. Existe la posibilidad de corregir este sesgo mediante el
8 La experiencia potencial supone presuponer que el trabajador o trabajadora estuvo empleado/a desde que abandonó los estudios. Se define como “edad – años potenciales de educación – 6”. Se toma la experiencia potencial porque, como es habitual, no disponemos de la experiencia real. Esto puede, sin duda, estar sobrevalorando la experiencia cuando hay episodios de desempleo o inactividad, especialmente entre las mujeres por tener tasas más elevadas. Por contra, también cabe la consideración de que el hecho de que las mujeres no aprovechen toda su experiencia potencial, cuando no lo hacen de forma voluntaria, constituye en sí mismo una forma de discriminación laboral que redunda en una menor retribución. 9 El considerar la ocupación permite afinar mejor el nivel de cualificación o habilidad de un trabajador para, de acuerdo con Oaxaca (1973), buscar diferencias salariales entre trabajadores/as de similares características aunque no desempeñen exactamente el mismo trabajo. El problema de incluir esta variable es que eliminamos parcialmente una de las fuentes de discriminación: la existencia de segregación ocupacional, motivo por el cual analizaremos la discriminación también en el caso de que no se incluya o de que se haga a dos dígitos, con mayor detalle. 10 Entre otros el estado civil y la presencia de hijos en el hogar. 11 Así, no observaremos a los individuos que dado su nivel educativo tienen una peor expectativa de ingreso y por ello deciden no trabajar.
21
método de estimación de Heckman en dos etapas, pero al precisar de la estimación
previa de una ecuación de participación esto sólo es posible cuando en la base de datos
están las personas que trabajan y las que no, cosa que no ocurre en una base de datos
salarial.12
1.3.1.2 Factores determinantes de las diferencias salariales entre hombres y
mujeres en España: resultados empíricos a partir de las regresiones salariales
mincerianas
La Tabla 4 presenta los resultados de la estimación de la ecuación salarial tanto en su
forma conjunta para ambos sexos (primer modelo), permitiendo sólo una diferencia
constante entre ellos mediante la introducción de una variable de escala, como cuando la
regresión se realiza de forma separada para cada uno de ellos (segundo modelo),
permitiendo así que las retribuciones de todas las características pueden ser distintas
entre hombres y mujeres13
Las regresiones salariales muestran, en general, unos resultados consistentes con la
evidencia empírica existente, poniendo de manifiesto en qué medida el mercado
retribuye las características de los asalariados de forma diferenciada según cuál sea su
sexo. Así, a igualdad en el resto de las características contempladas, un hombre obtiene
en España un salario medio un 24,8 por ciento mayor que el de una mujer. Asimismo,
observamos que el salario se incrementa tanto con la antigüedad en la misma empresa
como con la experiencia potencial, aunque en ambos casos se observa, a través del
efecto de la variable al cuadrado, que el incremento es cada vez menor y se convierte en
una pérdida de salario en niveles elevados. Es interesante constatar el hecho de que el
mercado tiende a premiar la antigüedad en la empresa en mayor medida a las mujeres
que a los hombres, mientras que lo contrario ocurre con la experiencia potencial del
trabajador. Controlando por el resto de las características, el primer año trabajando en la
misma empresa eleva el salario medio esperado de un hombre un 2,8 por ciento,
mientras que lo hace en un 4 por ciento en el caso de las mujeres. A partir de los 27
años de antigüedad un año adicional merma el salario de los hombres, y lo mismo
12 Este problema no se presenta en encuestas sobre condiciones de vida de los hogares o de presupuestos familiares, pero éstas en el caso de España tienen como desventaja la inexistencia de información sobre el salario, al disponer de ingresos anuales pero desconocer el número de horas o meses trabajados (tal y como ocurre en las Encuestas de Presupuestos Familiares). 13 Esto último se justifica en el elevado efecto que el género manifiesta tener sobre el salario.
22
ocurre con las mujeres a partir de los 25. Por contra, el primer año de experiencia de un
hombre en el mercado laboral se retribuye con un incremento de su salario en un 3,2 por
ciento mientras que el de la mujer en un 2,4 por ciento. A partir de los 39/40 años de
experiencia para hombres/mujeres un año adicional reduce su remuneración.
Por otro lado, existe un notable premio al incremento en el nivel educativo que tiende a
ser algo mayor en el caso de los hombres cuando alcanzan los estudios universitarios y
de ambos cuando superan el BUP/COU. Así, el pasar de no tener estudios o sólo
primaria a tener el BUP/COU incrementa el salario en medio, en el caso de los hombres,
un 23 por ciento, alcanzado el 27 por ciento en el caso de las mujeres. En el extremo
opuesto, una mujer licenciada elevará su salario un 57 por ciento sobre otra que no
tenga estudios y comparta el resto de características, siendo este incremento ligeramente
mayor en el caso de los hombres (un 58 por ciento).
El mercado tiende a retribuir en mayor medida a los asalariados y las asalariadas con
contrato indefinido, alrededor de un 29 por ciento de media entre los hombres y un 26
por ciento entre las mujeres. Lo mismo que la retribución también es mayor en el caso
de trabajar en empresas con más de 100 trabajadores/as y sobre todo con más de 200.
En este caso, el hombre es quien saca mayor partido del tamaño de la empresa, y
además la relación creciente es más pronunciada ya que para las mujeres no hay
diferencias significativas al 95 por ciento entre las empresas de menos de 50
trabajadores, diferencia que sí se da entre los hombres. La ventaja de los hombres en
empresas con más de 200 empleados frente al grupo de referencia (entre 10 y 20) es del
28 por ciento, mayor que la de las mujeres, que no alcanza el 17 por ciento.
El tipo de convenio colectivo que protege al trabajador también es importante. Presenta
una desventaja de un 10 por ciento del salario para las mujeres con convenio de nivel de
sector o provincia frente a las que lo tienen a nivel empresa, que en el caso de los
hombres se reduce al 7 por ciento. Mientras que entre las mujeres existe una ventaja del
14 por ciento cuando el capital de la empresa es mayoritariamente público, en los
hombres las diferencias no alcanzan el 3 por ciento.
23
Tabla 4. Regresión salarial Variable Dependiente: Logaritmo del Salario por hora
Ambos sexos Mujeres Hombres
Coeficiente t Coeficiente t Coeficiente t
Antigüedad 0,0305455 39,99 0.0402924 22.56 0.0280291 33.12
Antigüedad2 -0,0006171 -29,78 -0.0008351 -15.37 -0.000559 -24.79
Experiencia 0,0295212 38,69 0.0236424 14.27 0.0318396 36.32
Experiencia2 -0,0004017 -31,9 -0.0003323 -11.11 -0.0004361 -30.63
Educación [referencia: Primaria / Sin Estudios]
EGB 0,0484175 10,26 0.0647677 6.21 0.0457544 8.67
BUP / COU 0,2484771 32,16 0.2750935 18.37 0.23423 25.43
FP1 0,1404886 15,06 0.1426256 7.16 0.1350573 12.8
FP2 0,2459839 32,66 0.2338635 12.16 0.2427271 29.83
Diplomado 0,3820824 34,8 0.379991 16.85 0.3785696 29.89
Superior 0,5847825 47,77 0.5697428 24.04 0.5817569 40.63
Tipo de contrato [referencia: Temporal]
Indefinido 0,2798332 45,2 0.2568436 21.42 0.2863492 39.78
Ocupación [referencia: Grupo 9]
Grupo 1 0,7379621 53,35 0.6635866 15.93 0.7424963 49.04
Grupo 2 0,5038848 39,71 0.5404635 20.96 0.495048 33.93
Grupo 3 0,3780597 41,02 0.4302845 24.3 0.3641877 33.92
Grupo 4 0,2117201 28,05 0.219024 15.99 0.1910375 20.65
Grupo 5 0,0931621 10,1 0.1486635 8.54 0.0628137 5.73
Grupo 7 0,1330691 19,93 0.0453632 2.94 0.1379411 18.19
Grupo 8 0,1140984 18,5 0.0166144 1.26 ** 0.1276412 18.03
Tamaño empresa [referencia: 10-19]
20-49 0,0527977 9,33 0.0099787 0.86 ** 0.0629818 9.79
50-99 0,1159142 19,07 0.0443007 3.65 0.1363945 19.6
100-199 0,1642272 27,33 0.1155168 9.62 0.1794669 25.98
> 200 0,2484629 37,14 0.1652519 12.04 0.2757124 36.27
Convenio [referencia: Empresa]
Nacional -0,0741422 -14,53 -0.0719227 -6.42 -0.0655534 -11.42
Sector o provincial -0,0756478 -14,95 -0.0956156 -8.18 -0.0668359 -11.94
Propiedad [referencia: Privado]
Público 0,0482492 5,13 0.1403164 4.93 0.0271559 2.75
Mercado [referencia: Extranjero]
Local-regional -0,0192888 -3,48 -0.0567403 -4.81 -0.0156285 -2.48
24
Nacional 0,0117125 2,49 -0.0117786 -1.18 ** 0.0181532 3.44
CCAA [referencia: Madrid]
1 -0,0708967 -9,21 -0.07986 -4.83 -0.0636451 -7.26
2 -0,0350654 -4,14 -0.0642552 -3.64 -0.0266682 -2.78
3 -0,096569 -8,91 -0.1698161 -7.33 -0.0790287 -6.49
4 -0,1370136 -13,43 -0.0950897 -5.01 -0.1474554 -12.36
5 -0,1382554 -13,13 -0.1156782 -5.55 -0.1423728 -11.66
6 -0,1303584 -13,89 -0.1584106 -7.39 -0.120876 -11.53
7 -0,1422297 -15,79 -0.1557874 -8.07 -0.1275436 -12.63
8 -0,09894 -12,91 -0.0760146 -4.72 -0.1002013 -11.5
9 0,0018765 0,28 ** -0.02269 -1.85 * 0.0150879 1.93 *
10 -0,1186815 -15,12 -0.1030198 -6.51 -0.117432 -12.96
11 -0,1878422 -15,66 -0.1456984 -5.71 -0.187755 -14.07
12 -0,2175407 -27,73 -0.1746261 -11.79 -0.219473 -23.92
14 -0,2434775 -22,14 -0.3111141 -13.56 -0.2218446 -17.59
15 0,0204031 2,45 -0.0119206 -0.71 ** 0.0316467 3.31
16 0,0144039 2,01 0.0025827 0.18 ** 0.0192936 2.34
17 -0,1316571 -13,64 -0.1621275 -7.25 -0.1209345 -11.22
18 0,0944526 2,24 0.0202881 0.09 ** 0.102239 2.43
Sexo [referencia: Hombre]
Mujer -0,2484168 -53,09
Constante 6,056519 391,63 5.938108 183.82 6.008657 347.69
Datos regresión
Nº de observaciones 127.293 27.085 100.208
R2 0,6263 0,5940 0,6201
Significatividad: * No significativos al 5 por ciento; ** No significativos al 10 por ciento; todos los demás coeficientes son
significativos al 5 por ciento. Las varianzas fueron calculadas utilizando el estimador de White.
Fuente: Elaboración propia a partir de la EES - 1995 (INE)
Por ocupación de la mujer, y tomando como referencia el grupo de las no cualificadas
(grupo 9), las ocupaciones pertenecientes al grupo 8, no se distinguen de las no
cualificadas. El resto de las ocupaciones están significativamente mejor retribuidas,
presentándose las principales ventajas en los tres primeros grupos, nada menos que un
66 por ciento en el caso de mujeres directivas y más de un 43 por ciento en el de las
técnicas. La ventaja de las administrativas y trabajadoras de los servicios se reduce al 21
y al 15 por ciento, respectivamente. En el caso de los hombres todas las ocupaciones
25
están significativamente mejor retribuidas que los no cualificados, y también son los
tres primeros grupos los que destacan con un 74, 50 y 36 por ciento, respectivamente.
Comparando ambos sexos vemos que casi todos los grupos (2-5) presentan una ventaja
de retribución mayor en el caso de las mujeres que en el de los hombres, siendo esta
diferencia mayor cuando las mujeres trabajan en los servicios (grupo 5), 15 por ciento
frente a 6 por ciento, y en el grupo 3 (Técnicos y Profesionales de apoyo)14 con un 43
por ciento frente al 36 por ciento. Sin embargo los hombres disfrutan de una ventaja que
las mujeres no tienen en el grupo 1 (Dirección de las empresas y de la administración
pública) al obtener un 74 por ciento de incremento en media, frente al 66 por ciento de
las mujeres.
1.3.1.3 El modelo de descomposición de la brecha salarial
Una vez que conocemos cómo son retribuidas las características de las/os
trabajadoras/es por parte del mercado, podemos contrastar en qué medida las diferencias
salariales sólo reflejan dotaciones diferentes en las características relevantes o si, por el
contrario, existe una diferencia que éstas no son capaces de explicar. Esta diferencia
constituiría lo que habitualmente en la literatura se conoce como discriminación salarial
por razón de sexo.
Para descomponer la brecha salarial, atribuyendo una parte a la dotación en
características de los individuos y otra a la discriminación, es necesario comparar la
estructura de retribuciones que observamos con aquélla que consideramos como no
discriminatoria15. El problema surge al no existir una única estructura salarial que
podamos considerar como no-discriminatoria. Así, por ejemplo, es posible considerar
que en ausencia de discriminación la estructura que observaríamos sería la de los
hombres, asumiendo que existe una desventaja discriminatoria por parte de la mujer, o
la que perciben las mujeres, dando como resultado una ventaja discriminatoria a favor
del hombre. En ambos casos se trata de la tradicional descomposición de Oaxaca –
Blinder, ampliamente utilizada en los estudios empíricos.16
14 En sectores como la educación infantil, gestión administrativa, servicios sanitarios, etc. 15 Para una revisión de la literatura sobre discriminación en sus inicios véase Cain (1986). 16 Propuesta en Oaxaca (1973) y Blinder (1973).
26
La descomposición de Oaxaca-Blinder, a partir de las ecuaciones salariales para
hombres y mujeres obtenidas en el segundo modelo (2), asumiendo que la estructura
salarial masculina es la que no genera discriminación y que, por tanto, son las mujeres
las que padecen una desventaja en el mercado, puede representarse del siguiente modo:
)-(Z)Z-Z( )ln(w-)ln(w mh'mh
'm
'hmh βββ += .
A la izquierda de la igualdad encontramos la diferencia entre la media de los logaritmos
de los salarios de hombres y mujeres (o en otras palabras el logaritmo del ratio entre las
respectivas medias geométricas). Esta brecha salarial, que es la que observamos,
podemos descomponerla en dos elementos de acuerdo con la expresión anterior. El
primero de ellos nos indica cuál sería la diferencia salarial que observaríamos en
ausencia de discriminación, esto es, si las características de hombres y mujeres se
remuneraran según los coeficientes estimados para los hombres (que asumimos como la
retribución no discriminatoria). Esta diferencia sería debida exclusivamente a las
distintas dotaciones de las características entre hombres y mujeres (efecto dotación o
características).17 El segundo término nos indica la pérdida de salario al que se
enfrentan las mujeres en relación con los hombres por tener un esquema retributivo
diferente (efecto discriminación o precio).
Como se ha indicado, tenemos el clásico problema de los números índice, ya que no
existe ningún motivo por el cual debamos considerar como no discriminatoria la
retribución de las características del hombre. Así, si tomamos como referente la
estructura femenina obtendríamos una descomposición diferente:
)-(Z)Z-Z( )ln(w-)ln(w mh'hm
'm
'hmh βββ += ,
aunque la interpretación sería muy similar: el primer término indicaría el efecto
dotación, retribuyendo las características según los coeficientes estimados para las
mujeres, y el segundo, el efecto discriminación, la ventaja de la que se benefician los
hombres por la diferente retribución estimada para ambos sexos.
27
Tal y como señala Oaxaca, la utilización de la estructura salarial de cada uno de los
sexos representa un caso extremo y ambos determinan un posible rango en el que se
podría mover la discriminación. En esa línea, algunos autores propusieron el empleo de
una estructura intermedia entre la del hombre y la de la mujer como aquélla que
prevalecería en caso de ausencia de discriminación. De acuerdo con Oaxaca y Ransom
(1994) una representación general de esa estructura no-discriminatoria sería:
mh I βββ )(* Ω−+Ω= ,
donde Ω es una matriz de pesos. Dados βh y βm, cualquier supuesto sobre cuál es β* se
reduce a un supuesto sobre Ω. En el caso de que se trate de la matriz identidad I estamos
tomando como referencia la estructura retributiva masculina, en el caso de que se trate
de una matriz de ceros, estamos ante la estructura retributiva de la mujer. Reimers
(1983) emplea una media aritmética de ambas, que se corresponde con Ω=0,5I, y
Cottom (1988) propone una media ponderada donde el peso de cada estructura sería su
respectivo peso muestral (o poblacional). En ambos casos estamos ante combinaciones
convexas de las estructuras masculina y femenina, de modo que los coeficientes
resultantes, y por tanto el componente discriminatorio, estarían dentro del rango que
conforman los dos casos extremos, el masculino y el femenino.
La descomposición sería entonces:
*** )''()(')(')ln()ln( βββββ mhmmhhmh ZZZZww −+−+−=−
De forma que el primer término de la descomposición nos indica la ventaja masculina,
el segundo la desventaja femenina, y el tercero el efecto dotación. Bajo el supuesto de
β*=βh o β*=βm tenemos los casos particulares de Oaxaca-Blinder.
Oaxaca y Ransom proponen el empleo de una matriz que no necesariamente sea una
combinación convexa de la de ambos sexos, sino que se justifique en la propia teoría
17 En este punto es necesario recordar que se está asumiendo que las dotaciones son exógenas y por tanto
28
sobre la discriminación. Siguiendo a Neumark (1988) estos autores proponen que β*=β,
donde β es el resultante de la estimación conjunta con toda la muestra (hombres y
mujeres). De este modo muestran que Ω= (Z’Z)-1(Z’hZh). En este caso, al no ser una
combinación convexa de las estructuras masculina y femenina, el componente
discriminatorio no tiene por qué estar en el rango de ambos. De acuerdo con este
enfoque la existencia de discriminación se traduce tanto en una ventaja masculina como
en una desventaja femenina respecto de la estructura retributiva que se daría si se
suprimiese de repente la discriminación.18
En aras de ser capaces de cuantificar el nivel de discriminación emplearemos el
conocido Índice de Discriminación entre hombres y mujeres (Dhm), obtenido a partir de
la desviación entre del ratio salarial observado entre hombres y mujeres (Ghm) respecto
del ratio salarial en ausencia de discriminación (Qhm). La construcción de dicho índice
viene dado por la siguiente expresión:
[ ] 1)1ln()1ln(exp −+−+= hmhmhm QGD .
Un problema importante a la hora de estimar el componente discriminatorio fue puesto
de manifiesto por Oaxaca (1973): “Es evidente que la magnitud de los efectos estimados
de discriminación depende crucialmente de la elección de las variables de control de
las regresiones salariales. La elección que el investigador hace de las variables de
control revela implícitamente su actitud hacia lo que constituye discriminación en el
mercado de trabajo. Si fuera posible controlar prácticamente por todas las fuentes de
variación en los salarios, uno podría perfectamente eliminar la discriminación del
mercado de trabajo como factor significativo en la determinación de los diferenciales
salariales por sexo (raza). [...] El otro extremo es no controlar prácticamente por nada
y minimizar el papel de las diferencias en productividad.”.
En nuestro caso las limitaciones de la base de datos dejan escaso margen de maniobra,
por lo que es posible que algunas de las variables omitidas pudieran modificar el nivel
estimado de discriminación, que por lo demás es considerable en magnitud. Es el caso
no cambiarían en ausencia de discriminación.
29
de la discutible inclusión de variables de ocupación (o de sector) en las regresiones
salariales, y en qué nivel de desagregación deben ser introducidas. La inclusión de estas
variables implica excluir una fuente posible de discriminación, la originada por la
segregación ocupacional no deseada, esto es la que no sea fruto de una elección
maximizadora de la utilidad de hombres y mujeres. No incluirla puede llevarnos a
ignorar diferencias importantes en la cualificación no captadas por el nivel educativo o
la experiencia potencial, así como el hecho de que para una cualificación dada, el
mercado está remunerándola de forma diferente según el perfil de la misma y el puesto
de trabajo desempeñado.
En este trabajo, siguiendo buena parte de la evidencia empírica, optamos por incluir en
las regresiones presentadas previamente la ocupación siguiendo la clasificación de un
dígito debido a que podría contribuir a mejorar la calidad de la regresión salarial. Sin
embargo, para poder valorar el efecto de la inclusión de la ocupación a diferente nivel
de desagregación, así como su exclusión, presentaremos los resultados de
discriminación para tres casos distintos: sin incluir la ocupación, incluyéndola a uno y
dos dígitos.
1.3.1.4 La descomposición de la brecha salarial: resultados empíricos para España
En España la discriminación laboral ha sido objeto de diferentes estudios con distintas
metodologías y bases de datos: Gardeazábal y Ugidos (2004), García, Hernández y
López-Nicolás (2001), Hernández (1995), De la Rica y Ugidos (1995), Ugidos (1997),
Hernández (1996), Aláez y Ullibarri (2000) entre otros.
En la Tabla 5 se muestran los resultados de medir tres posibles descomposiciones de la
brecha salarial: los dos casos extremos de Oaxaca - Blinder cuando asumimos
respectivamente como estructura salarial no-discriminatoria la del hombre y la de la
mujer, y que conjuntamente definen un intervalo que abarca todas las posibles
combinaciones convexas de ambas, así como la propuesta por Oaxaca y Ransom que
consideramos de más interés por su vínculo con la teoría de la discriminación.
18 Como los propios autores señalan, esta estructura puede diferir de la estructura salarial competitiva que se habría dado en caso de no haber existido nunca la discriminación.
30
En primer lugar tomaremos como referencia el caso intermedio en el que incluimos la
ocupación a un dígito. Observamos que cuando consideramos como no-discriminatoria
la estructura salarial de uno de los sexos (o cualquier combinación convexa de ambas),
las dotaciones en características de las mujeres de la muestra contemplada hacen que
éstas debieran obtener un salario por hora menor que el del hombre en ausencia de
discriminación, explicando esta desventaja entre el 7 por ciento y el 23 por ciento de la
ventaja salarial que actualmente goza el hombre. Mientras que en el caso de que
contemplemos como estructura salarial no discriminatoria la mixta propuesta por
Oaxaca y Ransom (1994) a partir de la teoría de la discriminación de Neumark, las
diferencias en dotaciones de las características contempladas contribuyen a explicar un
32 por ciento de la brecha salarial observada en la realidad. El restante 68 por ciento
debe ser atribuido a la discriminación, de forma que se reparte de la siguiente forma: un
14 por ciento es la ventaja de la que goza el hombre por la existencia de dicha
discriminación, mientras que el otro 54 por ciento es la desventaja que padece la mujer
por el mismo motivo. En conclusión, las diferentes características encontradas en
hombres y mujeres sólo contribuyen a explicar (en el mejor de los casos) un 32 por 100
de la brecha salarial observada en el mercado laboral. De esta forma el 68 por 100
restante no puede ser atribuido a diferencias en dotaciones relacionadas con el nivel
educativo, experiencia en el puesto de trabajo, edad, ocupación (a un nivel de
desagregación de 1 dígito), o tipo de contrato. Esto significa que más de las dos terceras
partes de las diferencias salariales antes cuantificadas no parecen tener relación (al
menos aparente) con diferencias en la productividad de los individuos, siendo la
discriminación una hipótesis plausible a la hora de explicar por qué se producen.
La comparación de los resultados anteriores con los otros dos casos (sin ocupación y
ocupación a dos dígitos) muestran los efectos que sobre la brecha salarial tiene el hecho
de que las mujeres se concentren en determinadas ocupaciones. En conclusión podemos
decir que en España la segregación ocupacional tiene un importante impacto sobre la
diferenciación salarial entre hombres y mujeres. Así, en el caso de la descomposición de
Oaxaca-Ramson, podemos comprobar que, si en vez de utilizar un nivel de
desagregación pequeño en la definición de las distintas ocupaciones considerásemos un
mayor grado de detalle a la hora de diferenciar unas ocupaciones de otras (a un nivel de
desagregación de 2 dígitos), el porcentaje de la brecha no explicado por las variables
consideradas se reduce del 68 por ciento antes mencionado hasta el 53 por 100.
31
Obsérvese que la decisión de utilizar un mayor o menor grado de desagregación no es
una cuestión baladí, sino que está íntimamente unida a la noción que tengamos de
discriminación, y por lo tanto al tipo de discriminación que acabemos cuantificando.
Buscamos, en última instancia, identificar qué individuos son iguales para, a
continuación, comparar sus retribuciones. Utilizar una clasificación muy exhaustiva de
las ocupaciones permite definir como iguales a hombres y mujeres con las mismas
dotaciones y que además estén empleados en puestos de trabajo muy similares, ya que,
a mayor desagregación, mayor precisión a la hora de comparar ocupaciones. De igual
forma, una mujer y un hombre de la misma edad, cualificación, y experiencia, pero
cuyas ocupaciones sean parcialmente diferentes no serán considerados iguales, por lo
que parte de sus diferencias retributivas vendrán asociadas a las diferencias salariales
propias de sus ocupaciones. Es por ello que no se computarán como discriminación,
sino que se explicarán por el hecho de trabajar en ocupaciones que son distintas y que
por tanto pueden caracterizarse por poseer también distintas productividades del factor
trabajo, siendo los salarios un mero reflejo de estas diferencias. Esto significa descartar
a priori la discriminación como causa explicativa de la parte del gap salarial
interocupacional. En este sentido, utilizar una clasificación a 2 dígitos es lógico que
aumente el porcentaje de desigualdad salarial explicado por el modelo, ya que ahora las
diferencias salariales en los puestos de trabajo pueden recoger una parte mayor de la
brecha existente.
Aunque también podríamos razonar a la inversa y considerar que la segregación
ocupacional es una forma de discriminación salarial que habría que considerar y añadir
a la discriminación salarial pura, es decir aquélla que sólo puede ser identificada en
situaciones excepcionales (dado precisamente el grado de segregación existente) en las
que se producen diferencias salariales entre hombres y mujeres que realizan trabajos
idénticos. Adoptar esta noción ampliada de discriminación supone, en el modelo
anterior, no considerar la variable ocupación a la hora de caracterizar a los individuos y,
por lo tanto, definir como iguales a las personas que lo son en el resto de variables,
obviando la categoría profesional de su puesto de trabajo concreto. En este caso, el
porcentaje del gap salarial existente entre hombres y mujeres no explicado por razones
objetivas en el modelo mixto de Oaxaca-Ransom, se eleva al 79 por 100.
32
La conclusión inmediata que se deriva de todo esto es constatar el significativo impacto
que la segregación ocupacional tiene en las diferencias salariales existentes. Así, hemos
visto que según como la incorporemos a la noción de discriminación salarial, ésta
pasaría a representar desde el 79 por 100, al 68 y finalmente al 53 por 100 de las
diferencias observadas.19 Por todo ello podemos concluir que una parte importante de
las diferencias salariales entre hombres y mujeres se explican por el hecho de que a
características similares los hombres y las mujeres desempeñan trabajos diferentes. Por
lo que, a pesar de no disponer de la información, es fácil imaginar que un mayor grado
de detalle respecto del puesto de trabajo desempeñado reduciría aún más el componente
discriminatorio de los salarios.
En cualquier caso, y aún en el escenario más favorable, todavía queda un 53 por 100 de
gap salarial que no hemos podido explicar, ni siquiera por la segregación ocupacional
más evidente. La razón la encontramos en las diferentes formas en las que el mercado
de trabajo valora las características de los individuos, según sean hombres o mujeres.
Tabla 5. Descomposición de la brecha salarial con diferentes estructuras no-discriminatorias y según cómo se incluya la ocupación
Diferencia salarial
)ln()ln( mh ww − =0,311 (1) Sin
ocupación Ocupación (1 dígito)
Ocupación (2 dígitos)
Estructura salarial no- discriminatoria
Descomposición Efecto % (1) Efecto % (1) Efecto % (1)
- Dotación 0,052 16,7 0,073 23,5 0,093 29,8
- Discriminación 0,259 83,3 0,238 76,5 0,218 70,2Hombre
[Oaxaca – Blinder] índice D 0,296 0,269 0,244
- Dotación 0,032 10,2 0,023 7,3 0,112 35,9
- Discriminación 0,279 89,8 0,288 92,7 0,199 64,1Mujer
[Oaxaca – Blinder] índice D 0,322 0,334 0,221
- Dotación 0,066 21,2 0,101 32,4 0,145 46,7
- Discriminación: 0,245 78,8 0,210 67,6 0,166 53,3
-Ventaja hombre 0,052 16,7 0,044 14,1 0,035 11,2
-Desventaja mujer 0,193 62,2 0,166 53,4 0,131 42,0
Mixta
[Oaxaca – Ransom]
índice D 0,278 0,234 0,180
Fuente: Construcción propia a partir de la EES -1995 (INE)
19 Obsérvese que dentro del término discriminatorio es la desventaja de la mujer, más que la ventaja del hombre, la que mayormente explica este cambio.
33
CLASIFICACIÓN NACIONAL DE OCUPACIONES A 2 DÍGITOS, CNO-94
Grupo 1 Dirección de las empresas y de la administración pública
10 poder ejecutivo y legislativo de la administración pública, dirección de organización
11 dirección de empresas
12 gerencia de empresas de comercio
13 gerencia de empresas de hostelería
14 gerencia de otras empresas
15 gerencia de empresas de comercio sin asalariados
16 gerencia de empresas de hostelería sin asalariados
17 gerencia de otras empresas sin asalariados
Grupo 2 Técnicos y profesionales científicos e intelectuales
20 en ciencias físicas, químicas, matemáticas e ingeniería
21 en ciencias naturales y sanidad
22 en enseñanza
23 profesionales del derecho
24 profesionales en organización de empresas, ciencias sociales y humanas
25 escritores, artistas y otras
26 en ciencias físicas, químicas, matemáticas e ingeniería y asimilados
27 en ciencias naturales y sanidad y asimilados, excepto ópticos y fisioterapeutas
28 en enseñanza
29 otras
Grupo 3 Técnicos y profesionales de apoyo
30 en ciencias físicas, químicas e ingeniería
31 en ciencias naturales y sanidad
32 en educación infantil, instructores de vuelo, navegación y conductores de vehículo.
33 en operaciones financieras y comerciales
34 en gestión administrativa
35 otros técnicos y profesionales de apoyo
Gupo 4 Empleados de tipo administrativo
40 en servicios contables, financieros y de apoyo a la producción y al transporte
41 en bibliotecas, correos y asimilados
42 operadores de máquinas de oficina
43 auxiliares administrativos (sin tareas de atención al público) no clasificados anteriormente
44 auxiliares administrativos (con tareas de atención al público) no clasificados anteriormente
45 en trato directo con el público en agencias de viajes, recepcionistas y telefonistas
46 cajeros, taquilleros y otros asimilados en trato directo con el público
Grupo 5 Trabajadores de servicios de restauración, personales, protección y vendedor de comercio
50 servicios de restauración
51 servicios personales
52 servicios de protección y seguridad
53 dependientes del comercio y asimilados
34
Grupo 6 Trabajadores cualificados en agricultura y pesca
60 en actividades agrícolas
61 en actividades ganaderas
62 en otras actividades agrarias
63 pescadores y trabajadores de piscifactoríaGrupo 7 Artesanos y trabajadores cualificados de industria manufacturera, construcción y minería, excepto
operadores
70 encargados de obra y otros encargados de construcción
71 en obras estructurales de construcción y asimilados
72 de acabado de construcciones y asimilados, pintores y otros
73 encargados en metalurgia y jefes de talleres mecánicos
74 en industrias extractivas
75 soldadores, chapistas, montadores de estructuras metálicas, herreros, elaboración de herramientas y asimilados
76 mecánicos y ajustadores de maquinaria y equipos eléctricos y electrónicos
77 mecánica precisión, trabajadores de artes gráficas, cerámica, vidrio y artesanos de la madera
78 industria de alimentación, bebidas y tabaco
79 tratamiento de la madera, ebanistas, industria textil, confección, piel, cuero, calzado y asimilados
Grupo 8 Operadores de instalaciones y maquinaria; montadores
80 jefes de equipo y encargados en instalaciones industriales fijas
81 operadores de instalaciones industriales fijas y asimilados
82 encargados de operadores de maquinas fijas
83 operadores de maquinas fijas
84 montadores y ensambladores
85 maquinaria de locomoción, operadores de maquinaria agrícola y de equipos pesados móviles, marineros
86 conductores de vehículos para el transporte urbano o por carretera
Grupo 9 Trabajadores no cualificados
90 de comercio
91 empleados domésticos y otro personal de limpieza de interior de edificios
92 conserje de edificios, limpiacristales y vigilantes
93 otros trabajadores no cualificados en otros servicios
94 de pesca y agropecuarios
95 de minería
96 de construcción
97 de industrias manufactureras
98 de transporte y descargadores
35
1.3.2 El enfoque distributivo en la medición de la desigualdad salarial entre
hombres y mujeres
La metodología clásica utilizada hasta el momento, permite cuantificar la
discriminación salarial como la diferencia existente en el salario promedio de hombres y
mujeres, una vez que hemos descontado (mediante el instrumental econométrico) el
efecto que las diferencias en dotaciones y características entre ambos colectivos puedan
generar sobre los salarios percibidos por unos y otros. Sin embargo, estos
procedimientos no permiten tener en cuenta las diferencias en términos de
discriminación que probablemente se produzcan a lo largo de la distribución salarial. No
hay ninguna garantía de que las mujeres pertenecientes a la primera decila experimenten
niveles de discriminación similares a los de aquéllas otras situadas en la última, y por
tanto con salarios mucho más elevados, por lo que la cuantificación del nivel de
discriminación total existente en un mercado de trabajo debería incorporar instrumentos
que consideren explícitamente cómo contabilizar las diferencias existentes.
En su trabajo de 1994 en el Journal of Econometrics, Stephen Jenkins propuso adaptar
los procedimientos utilizados en al cálculo de la pobreza al análisis de la discriminación
salarial. Siguiendo su razonamiento, en la cuantificación de ambos fenómenos nos
enfrentamos a problemas similares. Aplicando las propuestas de Sen (1976) sobre la
medición de la pobreza, Jenkins plantea tres cuestiones previas a las que debemos
responder para llevar a cabo un análisis riguroso y completo de la discriminación: 1)
Definir qué entendemos por discriminación directa; 2) Identificar, utilizando la
definición anterior, qué personas sufren discriminación salarial y en qué medida; y 3)
Agregar la experiencia discriminatoria, que es individual (al igual que la pobreza), en un
índice que verifique propiedades normativas en las que se hagan explícitos los juicios de
valor que estamos utilizando a la hora de “sumar” las diferentes situaciones de
discriminación.
La metodología clásica da respuesta a las dos primeras preguntas, pero obvia la tercera
ya que la agregación que propone se limita al cálculo de la diferencia salarial media.
Hacerlo así supone, implícitamente, ponderar cada experiencia discriminatoria de igual
forma, independientemente de su importancia o tamaño. Jenkins, por el contrario,
propone diferentes métodos de agregación mediante la utilización de índices inspirados
36
en la literatura sobre pobreza económica que tienen en cuenta la distribución completa
del hecho discriminatorio, y en los que se incorpora explícitamente el “grado de
aversión a la discriminación” mediante un parámetro que toma diferentes valores según
los juicios de valor empleados en la agregación de las diferencias salariales. Aplicando
estas ideas al caso español, en este trabajo hemos estimado diferentes indicadores para
complementar así el análisis clásico desarrollado en la sección anterior.
Estando interesados en la distribución de la experiencia discriminatoria, lo lógico es
realizar una primera aproximación visualizando las diferencias existentes entre el
salario estimado para cada mujer y el que debería obtener según el modelo
econométrico de la sección anterior si sus características fuesen retribuidas como lo son
las de un varón similar.20 Y al revés, para el caso de los hombres estimamos la
diferencia entre el salario que percibirían, dadas sus dotaciones, si fuesen mujeres y el
salario estimado que el modelo predice dado que son retribuidos como varones. Todo
ello se recoge en las funciones de densidad de las Figuras 2 y 3 (respectivamente).
Figura 2. Densidad de la diferencia salarial estimada contra las mujeres
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
-0.10 0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70
Diferencia log salario-hora
Muj
eres
20 Como modelo de referencia utilizaremos los resultados de la regresión sobre el logaritmo del salario hora de las mujeres, en el caso intermedio de los tres planteados, esto es, cuando la ocupación se especifica con una desagregación de 1 dígito, tal y como aparece en la Tabla 4). Las expresiones matemáticas a partir de las cuales se construyen los salarios contrafactuales de hombres y mujeres se detallan en el siguiente capítulo, donde se hace una explotación exhaustiva de esta novedosa técnica.
37
Figura 3. Densidad de la diferencia salarial estimada contra los hombres
0
0.5
1
1.5
2
2.5
3
3.5
4
-0.60 -0.50 -0.40 -0.30 -0.20 -0.10 0.00 0.10
Diferencia log salario-hora
Hom
bres
Como se puede comprobar el mapa de la desventaja salarial tiene sexo y es femenino: la
inmensa mayoría de las mujeres sufren discriminación, siendo casi despreciable el
porcentaje que se encuentra a la izquierda de la recta que marca la igualdad perfecta
entre lo que deberían recibir y lo que reciben, según el modelo (véase Figura 2); y al
revés, la inmensa mayoría de los varones presenta valores negativos en la Figura 3, lo
que muestra que perciben salarios superiores a los estimados por el modelo si fuesen
retribuidos como lo son las mujeres. En este caso, además, llama la atención el hecho de
que la función de densidad presente una marcada bimodalidad que podría estar
detectando dos tipos diferentes de discriminación a su favor (tal vez relacionados cada
una de ellos con diferentes tipos de ocupaciones o niveles educativos).
Centrándonos ya en la situación de las mujeres, también resulta interesante cuantificar
los niveles de “pobreza” asociados a las distribuciones salariales con discriminación y
sin discriminación, esto es, cuando las características de las mujeres son retribuidas por
el mercado de igual forma que en los varones. Las diferencias en los resultados
obtenidos en uno y otro caso son notables. En la Figura 4 consideramos que una mujer
es “pobre en la distribución salarial”, si su salario estimado (en cada uno de los casos)
es inferior al 50 por ciento del salario estimado medio que existiría si todas ellas fuesen
38
retribuidas como varones.21 Siendo esto así, se comprueba que el porcentaje de mujeres
por debajo de ese umbral pasa del 13 por ciento (en la distribución sin discriminación)
al 26 por ciento (cuando incorporamos el efecto discriminador). Se duplica la
proporción de mujeres, mientras que la diferencia en los salarios medios estimados en
ambos casos no alcanza el 21 por ciento.22
La utilización de medidas de pobreza más completas, que atienden no sólo al porcentaje
de pobres sino que también tienen en cuenta la intensidad de la pobreza y la desigualdad
presente en el reparto de la misma, permiten obtener una mayor robustez en los
resultados. Para ello estimamos las denominadas curvas TIP (Jenkins y Lambert, 1997),
en las que, para cada distribución salarial de las mujeres, se representa el nivel de
pobreza existente. Para ello se ordenan las mujeres de menos a más salario y
acumulativamente, para el p por ciento más pobre, se calcula la diferencia entre el nivel
salarial de cada una de ellas y la línea de pobreza elegida (lo que se denomina el gap
salarial) acumulándose en ese p por ciento de la población, dividiendo el resultado por
el tamaño poblacional.23 Cuanta mayor altura alcance la curva TIP mayor es el gap
acumulado en la población; cuanta más curvatura, mayor desigualdad en el reparto; y
cuanto mayor sea el porcentaje de población a partir del cual la curva toma un valor
constante, mayor será la proporción de pobres. En la Figura 4 se han estimado dichas
curvas para las distribuciones salariales de las mujeres, con y sin discriminación,
manteniendo la línea de pobreza en el 50 por ciento del salario estimado medio que
existiría si todas ellas fuesen retribuidas como varones.
Se comprueba que la distribución salarial con discriminación no sólo presenta una
mayor proporción de mujeres “salarialmente pobres”, sino que el gap acumulado es
mucho mayor (un 200 por ciento mayor que el existente en la distribución sin
21 En este epígrafe estamos refiriéndonos a un concepto de “pobreza” restringido, al centrarse sólo en las mujeres asalariadas y utilizar en su estimación únicamente la renta salarial, no incluyendo otras fuentes de renta posibles de las mujeres (prestaciones, pensiones, rentas del capital o del trabajo por cuenta propia), así como los ingresos que pueden percibir el resto de integrantes de los hogares donde ellas habitan. En el próximo capítulo, sin embargo, se ampliará este enfoque estimando la verdadera pobreza económica asociada a la discriminación salarial una vez se ha tenido en cuenta la renta total de los hogares y a todos sus miembros. 22 Ya que el salario medio estimado con discriminación apenas representa el 79 por ciento del que debería caracterizar a la distribución salarial estimada según las retribuciones de los varones. 23 En el caso de gaps negativos (para niveles salariales superiores al umbral de pobreza elegido), se toma el valor 0, lo que garantiza que los “no pobres” no afectan a la medición del nivel de pobreza existente.
39
discriminación). Es más, podríamos reducir su línea de pobreza hasta el 40 por ciento
del salario medio de la distribución sin discriminación y aún así presentaría mayores
niveles de pobreza que ésta (manteniendo fija su línea de pobreza en el 50 por ciento del
salario medio). Lo que da una idea de la magnitud de las diferencias existentes entre
ambas distribuciones salariales en la cola inferior.
Figura 4. Curvas TIP Normalizadas
00.010.020.030.040.050.060.07
0.0 0.1 0.2 0.3 0.4 0.5Proporción acumulada de mujeres asalariadas
Gap
de
pobr
eza
sala
rial
acum
ulad
o pe
r cap
ita
Gap de pobreza salarial estimado con discriminaciónGap de pobreza salarial estimado sin discriminación
1.4 Teorías explicativas de la desigualdad de género en el mercado de
trabajo
Llegados a este punto la pregunta es obvia: ¿Son estos resultados concluyentes a la hora
de afirmar la existencia de discriminación en el mercado laboral español basada en el
género? Como acabamos de comprobar, la discriminación es más fácil de delimitar
teóricamente que de identificar en un caso empírico concreto. Siguiendo a McConnell,
Brue y Macpherson (2003) podríamos afirmar que:
“Existe discriminación económica cuando las mujeres [o los trabajadores
pertenecientes a grupos minoritarios] que tienen la misma capacidad, nivel
de estudios, formación y experiencia que los varones del grupo mayoritario,
40
reciben un trato inferior en la contratación, el acceso a una ocupación, los
ascensos, el salario o las condiciones de trabajo”. Desde esta perspectiva
“la discriminación también puede adoptar la forma de desigualdad en el
acceso a la educación reglada, el aprendizaje o los programas de
formación en el trabajo, cada uno de los cuales aumenta el stock de capital
humano de una persona” (pág. 435).
Sin embargo, aún bajo estas premisas, ofrecer una explicación de por qué se producen
diferencias en términos de tasas de participación, tasas de desempleo, tipos de contratos,
actividades desarrolladas o niveles salariales promedio de hombres y mujeres no resulta
sencillo. Es más, en muchas ocasiones los argumentos que se utilizan para hacerlo
suelen ser contradictorios. La razón es sencilla: los resultados no son concluyentes al
100 por 100 a la hora de confirmar o desmentir la existencia de discriminación, sólo lo
son a la hora de verificar notables diferencias entre hombres y mujeres y de concluir que
éstas se encuentran en peor situación. Así, la interpretación que hagamos de esta
realidad estará sujeta a la percepción que tengamos de cómo actúan individuos y
empresas en el mercado laboral, y de cuáles creemos que son las variables que
finalmente condicionan sus decisiones.
Un primer grupo de argumentos explica las diferencias existentes a partir del
comportamiento de las mujeres en el mercado laboral, destacando las peculiaridades de
la oferta de trabajo femenina, frente a la masculina. Un segundo grupo, por el contrario,
examina cómo se construye la demanda de trabajo femenina por parte del mercado a
partir del comportamiento de las empresas y/o de los trabajadores varones.
1.4.1 Las preferencias y las limitaciones de las mujeres en el mercado de trabajo
Muchos economistas sostienen que un número importante de decisiones racional y
libremente adoptadas por las mujeres explican su posición secundaria en el mercado de
trabajo. En este sentido el deseo de compaginar de la mejor forma posible la vida
familiar y la vida profesional restringiría su campo de elección en el mercado laboral al
obtener mayor utilidad de poder ejercer dignamente el papel de esposas y madres que
desean desempeñar o que la sociedad espera que desempeñen. Esto se traduciría, según
estas teorías, en mayores tasas de abandono e intermitencia en el puesto de trabajo que
41
los hombres (con la pérdida de productividad que eso conlleva por el deterioro de su
capital humano); en una preferencia por desempeñar ocupaciones con jornada a tiempo
parcial u horarios flexibles rechazando aquéllas que supongan mayores
responsabilidades y exigencias (con la consiguiente pérdida de salario y segregación
ocupacional al abandonar voluntariamente determinadas actividades); en una menor
inversión en capital humano que los hombres al prever una menor dedicación
profesional que haría racional dedicar menos tiempo y dinero a su educación y sesgar
sus estudios hacia profesiones que no requieran una alta cualificación ni se caractericen
por elevados niveles de obsolescencia en los periodos que no se ejerzan (lo que
nuevamente llevaría a una menor productividad, y a que sea racional y no
discriminatorio que las empresas inviertan menos en la formación de sus trabajadoras);
y finalmente en una oferta de trabajo caracterizada por una menor movilidad geográfica
y ocupacional que los hombres, lo que también significa menores oportunidades de
empleo.
Becker (1985) va más allá y propone un modelo basado en la división (¿natural?) del
trabajo dentro del hogar, y en el cual las mujeres realizan un menor esfuerzo en el
puesto de trabajo que los hombres debido a sus mayores responsabilidades en el cuidado
de los hijos y demás tareas domésticas, lo que explicaría que perciban salarios inferiores
y ocupen puestos de menor responsabilidad. Otro autores defienden que esto se concreta
en mayores niveles de absentismo laboral (fundamentalmente asociado al cuidado de los
niños pequeños) y menor productividad (al tener que ocuparse de la intendencia del
hogar lo que provoca una pérdida de concentración y energías). Como los salarios que
pagan los empresarios no sólo dependen del tiempo trabajado sino también del esfuerzo
realizado, una parte de las mayores ganancias de los varones se debería a que trabajan
más horas y a que su productividad es mayor. Además, generalmente son los que
realizan los trabajos más peligrosos o que requieren de mayor esfuerzo físico, por lo que
eso también acaba reflejándose en las retribuciones de unos y otras. Todo ello
provocaría que hombres y mujeres, a pesar de tener igual preparación, no sean sustitutos
perfectos en el mercado de trabajo de forma que las diferencias observadas no sean más
que el resultado de esta realidad.
Parece difícil sustraerse a estos argumentos. Las encuestas de usos del tiempo dentro del
hogar muestran que, efectivamente, las mujeres siguen desempeñando mayoritariamente
42
las tareas domésticas.24 Asimismo, trabajos como el de Jimeno y Toharia (1996)
reflejan que las mujeres presentan un mayor grado de absentismo laboral que los
hombres. Su presencia es mayoritaria en trabajos con contratos a tiempo parcial,25 y por
el contrario minoritaria entre los que cursan estudios técnicos. Si acudimos a su papel en
puestos de responsabilidad encontramos que sólo un 4,6 por 100 de los puestos
directivos en las 300 mayores empresas en España están ocupados por mujeres.
Además, los varones tienen en media más fuerza física y suelen realizar aquellos
trabajos que requieren en mayor medida de esta característica.
1.4.2 Por qué estos argumentos son limitados
Sin embargo estos datos tampoco son concluyentes. En primer lugar, las diferencias
observadas en cuanto a años trabajados, experiencia, nivel educativo, tipo de contrato,
etc. ya son tenidos en cuenta y descontados en el cálculo del gap salarial por trabajos
rigurosos como el presentado en el epígrafe anterior. Así, aunque hombres y mujeres
adoptasen exactamente las mismas decisiones sobre qué estudiar o cuánto trabajar
seguiría existiendo un diferencial salarial que no somos capaces de explicar a partir de
características observables del trabajador/a, de la empresa o del mercado donde actúa.
Estos argumentos, por tanto, sólo podrían ayudarnos a la hora de analizar la segregación
ocupacional, y la parte de la desigualdad salarial directamente asociada a la misma, pero
aun así con muchos matices. Pretender atribuir las bajas tasas de matriculación de
mujeres en carreras técnicas a que son carreras exigentes y a que a largo plazo no les
permitirán obtener a las mujeres unos ingresos tan elevados como los de los hombres,
debido a la menor dedicación profesional por parte de éstas, parece un argumento menor
frente a las enormes trabas sociales y laborales que todavía hoy padecen aquellas
mujeres que eligen esta opción. Trabas que van desde mayores dificultades de inserción
laboral una vez acabados los estudios, a presiones familiares para encaminar su
profesión hacia carreras menos masculinas. De hecho las conclusiones extraídas del
24 Siendo escasos los progresos en este terreno. Según la Encuesta de Usos del Tiempo elaborada por el Instituto de la Mujer para 2001, las mujeres dedicaban una media de 7 horas y 22 minutos diarias al trabajo doméstico mientras los hombres declaraban una media de 3 horas y 10 minutos. Las mayores diferencias entre ambos se situaban en el tiempo dedicado al “Trabajo de la casa” y al “Cuidado de la familia”. 25 Según datos de Eurostat (2002) para 2000 en España, dentro del grupo de hogares constituidos por una pareja en la que ambos trabajan, el porcentaje de varones con contratos a tiempo parcial era del 1,4 por 100 mientras que el de mujeres era del 16,6 por 100.
43
programa DONA, implantado en la Universidad Politécnica de Cataluña para fomentar
la presencia de mujeres en sus aulas, subrayan los prejuicios culturales y familiares que
todavía hoy existen en este terreno.26
En segundo lugar, aunque la escasa presencia de mujeres en puestos de responsabilidad
dentro de las empresas es una realidad palpable, también debe señalarse que en la Unión
Europea una de cada tres nuevas empresas las crean mujeres (siendo éste un terreno
tradicionalmente masculino). Esto pone en entredicho que las mujeres, por decisión
propia, prefieran profesiones con menores responsabilidades. Tal vez lo que refleje es,
efectivamente, un mayor interés por compaginar vida laboral y familiar que el que
históricamente han mostrado los varones. Aunque también, precisamente por esto,
ponga de manifiesto la tradicional forma masculina de organizar el trabajo en el mundo
empresarial, donde los horarios de la producción no han necesitado hasta ahora
coordinarse con los de la reproducción de la fuerza de trabajo, expulsando así a aquellos
individuos que no están dispuestos a realizar los “sacrificios necesarios”.27 Interpretar la
baja presencia de mujeres en puestos de alta responsabilidad como una decisión libre y
voluntaria por parte de las mujeres parece, cuando menos, simplificador. Lo mismo
podría decirse de la mayor presencia femenina en trabajos a tiempo parcial. Los
resultados de diversos trabajos empíricos internacionales sugieren que la distribución
del empleo femenino en ocupaciones a tiempo completo o parcial no está
necesariamente correlacionada con las mayores o menores necesidades de tiempo por
parte de las trabajadoras. En la misma línea, Carrasco y Mayordomo (1997) sugieren
que en las últimas décadas el empleo a tiempo parcial en España es más el resultado de
una decisión forzada por parte de las trabajadoras, ante la escasez de ofertas a tiempo
completo, que una opción personal libremente adoptada.
26 Es conocido entre las estudiantes de ingeniería de la Universidad de Vigo la existencia de grandes empresas en la comarca cuya política de personal dificulta enormemente la inserción de mujeres en sus puestos de alta cualificación. Por otro lado, los centros de enseñanza de ingeniería en casi todas las Universidades españolas se denominan en masculino: “Escuela Técnica Superior de Ingenieros ...” cuando lo más fácil sería haberlo hecho en femenino: “Escuela Técnica Superior de Ingeniería ...”. Otro dato también contrastado es la disminución experimentada por la matrícula femenina en algunas Facultades de Informática desde que han pasado a denominarse “Escuelas de Ingeniería Informática”. 27 Sin despreciar el enorme peso que las pautas culturales siguen teniendo en el papel que hombres y mujeres desean representar en el mundo laboral, de forma que la asunción de mayores responsabilidades profesionales por parte de ellos sigue viéndose natural, incluso por muchas mujeres.
44
En tercer lugar debemos hacer mención a la supuesta existencia de diferencias en
términos de productividad, entre hombres y mujeres, no observables por los
investigadores en sus estimaciones del gap salarial pero perceptibles por las empresas,
con su lógica influencia en las retribuciones alcanzadas por ambos. Así, por ejemplo, se
afirma la existencia de una menor productividad de las mujeres asociada a su mayor
nivel de absentismo laboral. Si efectivamente la productividad de las mujeres fuese
menor que la de los varones por dicha causa, éste podría ser el origen de sus menores
salarios, lo que ayudaría a explicar las diferencias retributivas existentes sin tener que
recurrir a actitudes discriminatorias en el mercado de trabajo. Sin embargo, los estudios
existentes no son concluyentes, y aunque las trabajadoras son las que efectivamente
están soportando las mayores cargas familiares de eso no se desprende, necesariamente,
que su productividad sea menor que la de sus compañeros varones. En este sentido, el
trabajo de Álvarez (2000) concluye que si bien el absentismo laboral en España por
Razones Familiares es significativamente mayor en las mujeres, las ausencias en el
puesto trabajo por Otras razones (sin concretar) son por el contrario significativamente
mayores entre los varones.28
En cuarto y último lugar, se afirma que las mujeres se especializan en ocupaciones
menos desagradables y que requieren una menor fuerza física, lo que justificaría sus
menores salarios. También este argumento debería ser matizado. Podríamos admitir que
las mujeres tienen, en promedio, una mayor aversión que los hombres a realizar este
tipo de actividades. Aunque igualmente habría que reconocer que cuando intentan
incorporarse a estas ocupaciones suelen ser varones los que más objeciones presentan,
alegando su incapacidad para ocupar esos puestos de trabajo o la existencia de derechos
adquiridos sobre ocupaciones que siempre han sido masculinas.29 Como destaca
Campos (1999), históricamente la inclusión en nuestro ordenamiento jurídico de
28 Este trabajo se realizó a partir de la Encuesta de Situación Laboral y Usos del Tiempo elaborada por el Instituto de la Mujer en 1991. Esta encuesta tiene la peculiaridad de que analiza el absentismo de hombres y mujeres sólo en sectores en los que la presencia de ambos es relativamente similar, para evitar el sesgo de selección existente en aquellos otros en los que la mayoritaria presencia de alguno de los sexos puede estar escondiendo características que podrían alterar los resultados. En concreto intentaban demostrar que el absentismo depende más de las particulares condiciones de trabajo de los individuos que del género. 29 Recordemos los argumentos utilizados por empresa, sindicatos, y también presentes en alguna sentencia judicial cuando las primeras mujeres pretendieron entrar en las minas asturianas, a principios de los años noventa. La peligrosidad del trabajo o la existencia de mineros varones en paro se presentaron como razones “fundadas” para justificar el rechazo a su incorporación. Del mismo modo, recordemos la negativa reciente de la Comunidad de Pescadores de El Palmar, en Valencia, a ejecutar la sentencia de 5
45
legislación protectora de las mujeres en el ámbito laboral, impidiendo su participación
en trabajos tipificados como peligrosos, “restringió eficazmente el acceso de las mujeres
a la totalidad del mercado laboral más allá de lo que sus propias capacidades pudieran
limitar”. Visto lo anterior, parece sensato reconocer la presión ejercida contra aquellas
mujeres que pretenden integrarse en este tipo de ocupaciones, haciendo que todavía hoy
siga siendo una opción que presenta mayores dificultades que en el caso de los varones.
Por otro lado, resulta instructivo seguir el argumento que asocia fuerza física con mayor
valor del trabajo. Este aspecto es muy importante porque ha sido y es frecuentemente
utilizado en convenios colectivos para justificar salarios diferentes en ocupaciones
típicamente masculinas y femeninas, siendo una de las principales causas de las
desigualdades salariales asociadas a la segregación ocupacional, en lo que se ha
denominado segregación horizontal.30 Nuevamente Campos (1999) nos ofrece
evidencia en este sentido al comentar varias sentencias recientes del Tribunal
Constitucional (TC). En la sentencia STC 145/91, “las recurrentes en amparo son un
conjunto de mujeres que realizan las tareas de limpieza en un hospital público. Estas
mujeres pedían que se les retribuyera con el mismo salario que al conjunto de varones
que en el mismo centro de trabajo realizaban tareas de peón. Las recurrentes basaban su
petición en que limpiadoras y peones llevaban realizando el mismo trabajo y el único
motivo para percibir un menor salario es que en el convenio colectivo se otorgaba un
determinado sueldo a los peones y un sueldo menor a las limpiadoras”. En este caso el
TC otorgó el amparo a las recurrentes reflexionando sobre si no estábamos ante un caso
evidente de infravaloración social y económica del trabajo femenino. Curiosamente, en
la sentencia STC 286/94 el Tribunal no resuelve en el mismo sentido una situación
parecida. En este caso las recurrentes son un grupo de mujeres que se dedicaban a
labores de envasado en una fábrica de galletas y cuyos salarios eran inferiores a los de
sus compañeros varones, que se dedicaban a las tareas de producción (manipulación de
materias primas y elaboración del producto). “En este caso el Tribunal considera que
aunque se admita el principio comunitario de igual retribución por trabajos de igual
de octubre de 1998 por la que se le obligaba a admitir como miembros de pleno derecho a 5 mujeres que cumplían todos los requisitos exigidos en su normativa, salvo el ser varón. 30 Como hemos visto anteriormente, la otra fuente importante de desigualdad salarial es la segregación vertical, asociada a la escasa presencia de mujeres en ocupaciones con elevado nivel salarial (empresarias, directivas, empleos que requieren alta cualificación, etc.) y a su sobre-representación en aquellas ocupaciones con salarios más bajos.
46
valor, considera que tiene más valor la producción del producto que su envasado,
empaquetado y acabado, ya que requiere de una mayor responsabilidad, hecho que
justifica una mejor retribución”. Lo que no queda claro en la sentencia es el porqué de la
mayor responsabilidad en una tarea u otra.
Si nos remontamos a diversas noticias aparecidas en la prensa en el verano de 1991
encontramos un caso ilustrativo curiosamente similar. En esas fechas el colectivo de
trabajadoras eventuales del puerto de Vigo, que sólo podían desempeñar el trabajo de
clasificadoras de pescado, promovió que se las incluyera en las listas de rotación por
tipos de trabajo en las que únicamente participaban los eventuales varones, y que
incluían puestos de trabajo mejor retribuidos. Una vez conseguido esto, según acuerdo
de la comisión ejecutiva provincial del INEM, se dejaron oír enérgicas voces de protesta
ante el hecho de que mujeres ejercieran de estibadoras y varones de clasificadores del
pescado, sin tener la suficiente preparación. Lo curioso es que entre los argumentos
esgrimidos por la Cooperativa de Armadores de Pesca del Puerto de Vigo para oponerse
a esta medida, uno de los más utilizados hacía referencia a que el 60 por 100 del valor
de una marea lo proporcionaba una adecuada clasificación. Según afirmaban, si las
especies de mayor interés comercial no se separan adecuadamente por lotes se acaba
perdiendo mucho dinero en el proceso de venta. De hecho un documento de la
cooperativa, hecho público un mes después de que se autorizase el turno de rotaciones
mixto, afirmaba que los precios habían caído en picado “como consecuencia de la
utilización de personal sin experiencia ni conocimientos en la clasificación”.31
Evidentemente, y al margen de otras consideraciones, todo parece indicar que el trabajo
de las mujeres clasificadoras no se estaba valorando salarialmente en su justa medida,
teniendo en cuenta que una de sus principales reivindicaciones a la hora de querer entrar
en los turnos de rotación era el poder alcanzar puestos mejor retribuidos. Sólo cuando su
trabajo lo empezaron a realizar varones sin experiencia y se redujeron los beneficios se
reconoció públicamente su importancia. Por desgracia, estas declaraciones no tenían por
objeto proponer subidas salariales acordes con el valor del trabajo realizado por las
mujeres, sino garantizar que éstas permanecieran en sus ocupaciones tradicionales.
31 Véase la Voz de Galicia del 21y 22 de agosto de 1991.
47
La existencia de notables diferencias en la valoración del trabajo femenino y masculino
en el mercado de trabajo de nuestro país puede rastrearse hasta el siglo XIX, en aquellas
ocupaciones en las que empezaba a ser frecuente la mano de obra femenina. Como
señala Muñoz (2001) en su trabajo sobre las diferencias de género en las industrias
marítimas en Galicia entre 1870 y 1936: “la cualificación femenina, al no ser adquirida
por canales institucionales reconocidos, fue negada por los empresarios. En este sentido,
cabe tener en cuenta que la cualificación depende de construcciones ideológicas y
sociales. El género interviene en la definición de la cualificación y formación.32 Por ello
la definición de algunas categorías masculinas como trabajo cualificado (soldadores) y
las femeninas como trabajo poco cualificado (empacadoras) proviene tanto de la
construcción ideológica y social del concepto de cualificación como del poder de
negociación de cada grupo de trabajadores”.
1.4.3 El papel de los comportamientos discriminatorios en el mercado de trabajo
Visto lo anterior no parece que los argumentos centrados en las características de la
oferta de trabajo femenina puedan explicar, conjuntamente o por separado, las
importantes diferencias observadas en el mercado de trabajo español. Es evidente, pues,
que necesitamos acudir a teorías explicativas que incorporen la existencia de actitudes
discriminatorias por parte de los agentes económicos, si queremos profundizar en la
explicación de estos fenómenos. La Teoría Económica efectivamente así lo ha
entendido y en su interior coexisten diferentes formas de aproximarse a la desigualdad
salarial a partir de estas premisas. Repasemos brevemente las que han tenido una mayor
difusión.
Uno de los trabajos pioneros en este campo es el libro de Gary Becker, La Economía de
la Discriminación, publicado en 1957. Simplificando sus argumentos, este estudio
propone la existencia de “Preferencias o Gustos Discriminatorios” por parte de algunos
empresarios. Estos empresarios prefieren no trabajar con mujeres aunque dicha actitud
les ocasione una pérdida de eficiencia y unos menores beneficios. Prefieren
discriminarlas a tener que sufrir los costes subjetivos o psicológicos de tenerlas como
32 Véase una amplia crítica al concepto de cualificación en varios artículos recopilados por Borderías, Carrasco y Alemany (1994).
48
empleadas. De esta forma, sólo si los salarios de las mujeres son inferiores a los de los
varones en una cuantía suficiente se decidirán a incorporarlas a su empresa. No es el
momento de profundizar en sus argumentos, pero a modo de resumen digamos que
según sus predicciones este comportamiento supone incurrir en unos costes mayores
que los que tendrán los empresarios no discriminadores, de forma que en un mercado
perfectamente competitivo estas empresas discriminadoras no podrían sobrevivir a largo
plazo. La recomendación de política económica que se desprende de este modelo es
sencilla y marcadamente conservadora: no actuar, no intervenir. El tiempo y la
competencia entre empresas pondrán las cosas en su sitio y la discriminación
desaparecerá. Sin embargo en este caso, como en tantos otros, el tiempo no parece
resolver por sí solo las diferencias salariales, y 45 años después de la publicación de
este libro las diferencias salariales siguen patentes. Las críticas que se le han hecho son
muchas, desde aquéllas que con una óptica más general cuestionan que se pueda seguir
analizando el mercado de trabajo bajo la improbable hipótesis de que las empresas
compitan en condiciones perfectas, a las que consideran que incluso en mercado
competitivos la discriminación puede prevalecer a largo plazo.
Un segundo modelo explicativo basa su argumentación en el poder de mercado con el
que cuentan las empresas a la hora de hacer ofertas salariales en la contratación de mano
de obra. Ese poder de negociación hace que le resulte beneficioso practicar la
discriminación salarial. La empresa espera que las mujeres acepten salarios menores a
los ofrecidos a los varones ya que sabe que su capacidad para encontrar otro empleo es
menor. Las razones habría que buscarlas en su menor movilidad geográfica (asociada a
la tradicionalmente mayor “dependencia” del trabajo de su cónyuge que la
experimentada por los varones) y su menor movilidad ocupacional (derivada de la
segregación existente que hace que sus alternativas de empleo sean menores). La
capacidad explicativa de esta teoría depende crucialmente de este supuesto. El problema
es que no tiene en cuenta un factor añadido que actuaría en sentido contrario: dada la
tradicional división sexual del trabajo en los hogares con niños, una bajada en los
salarios tal vez se traduzca en un mayor abandono del mercado laboral por parte de las
mujeres que de los hombres, con lo que el efecto anterior podría ser en parte
compensado. Ésta es una cuestión empírica que habría que contrastar en cada caso. Lo
interesante de este modelo es que, a diferencia del anterior, aquí las empresas no
discriminan por prejuicios sino porque les resulta rentable, hasta tal punto que no
49
hacerlo supone situarse en desventaja frente a sus competidores. En consecuencia, no
existiría ninguna razón para que las fuerzas del mercado reduzcan los niveles de
discriminación, siendo necesaria la intervención pública para hacer frente a este
problema.
La tercera teoría explicativa se basa en lo que se conoce como Discriminación
Estadística. Decimos que existe discriminación estadística siempre que se juzga a una
persona en función de las características medias del grupo al que pertenece y no en
función de sus características individuales. Podemos considerar que estos juicios son
acertados en el sentido de que el grupo tiene, efectivamente, las características que se le
atribuyen, pero son incorrectos con respecto a algunos individuos que aun
perteneciendo al grupo se alejan de su comportamiento medio. Siendo esto así, y dado
que las empresas desean seleccionar a su personal de la forma más barata posible,
probablemente utilicen el sexo, la raza o la edad del aspirante como aproximación
“promedio” a la hora de valorar sus características y productividad. En principio no
tendría por qué haber una conducta necesariamente maliciosa por parte de la empresa,
ya que ésta simplemente se fija en el comportamiento promedio dentro de cada grupo.
Por supuesto se puede equivocar en la contratación o no de algunos individuos que se
alejan del comportamiento promedio de su grupo, pero en general este proceso de
selección le permitirá ahorrar costes y competir en mejores condiciones. De esta forma,
no habría ninguna razón objetiva por la que la discriminación estadística tenga que
disminuir con el paso del tiempo, a menos que las características de los grupos vayan
convergiendo. En nuestra opinión esta teoría probablemente tendría una mayor
capacidad explicativa si incorporase en el conjunto de características que la empresa
asocia a cada colectivo los prejuicios existentes en la sociedad hacia el trabajo de los
mismos. Ante la evidencia de una infravaloración social del trabajo femenino, y al
revés, de una sobrevaloración del de los varones, tal como parece deducirse del epígrafe
anterior, no parece descabellado pensar que junto a razones objetivas se encuentren
juicios de valor y estereotipos como los anteriormente mencionados que estén viciando
la supuesta neutralidad en la toma de decisiones empresariales.33 De hecho, la propia
33 En esta línea podemos recoger las declaraciones del rector del Instituto Tecnológico de Massachusetts (MIT), uno de los centros universitarios más elitistas del mundo, en las que reconocía que había habido prejuicios “involuntarios” contra las mujeres en la política desarrollada por dicha institución referente a la contratación, promoción y remuneración de sus trabajadoras. Los datos, revelados a partir de informes internos hechos públicos recientemente, reflejan que de los 52 catedráticos existentes sólo 2 son mujeres,
50
selección de características que la empresa toma como referencia probablemente ya
muestre, en sí misma, un sesgo notable. Así, por ejemplo, se suele mencionar la mayor
probabilidad de las mujeres casadas a dejar el puesto de trabajo cuando tienen hijos para
justificar sus menores salarios y, sin embargo, no se menciona la menor probabilidad de
las mujeres de caer en la dependencia de ciertas drogas o el poseer historiales que
demuestran una mayor prudencia en la conducción de vehículos a la hora de contratarlas
en condiciones ventajosas frente a los varones.
Por último, otros autores entienden que la desigualdad salarial entre hombres y mujeres
es básicamente una consecuencia de la segregación ocupacional. Así, los menores
salarios de las mujeres son producto de estar confinadas en unas pocas actividades, lo
que hace que la oferta de trabajo femenino sea muy superior a la demanda de trabajo
por parte de las empresas en esas ocupaciones. Los hombres no se enfrentan a este
problema al ser su abanico de posibilidades laborales mucho más amplio. El resultado
final para la sociedad no sólo refleja una situación poco equitativa en el reparto del
trabajo y de las rentas salariales, sino que también conlleva una pérdida de eficiencia
económica.
Diferentes autores han propuesto argumentos diversos a la hora de entender el porqué
de esta realidad segregadora. Como hemos visto anteriormente, tradicionalmente se ha
hecho hincapié en el papel de las mujeres en todo este proceso. La segregación vendría
así en buena medida explicada por su deseo de abandonar voluntariamente
determinados sectores, ya sea por sus condiciones más penosas, sus horarios menos
flexibles, o por estar identificados con una cultura masculina de la que se sienten
excluidas. En los dos primeros casos la segregación sería consecuencia de preferencias
marcadamente diferentes en hombres y mujeres. Aunque como ya comentamos, habría
que indagar si esas condiciones y esos horarios no se mantienen precisamente así para
obstaculizar la entrada de mujeres en esas profesiones. En el tercer caso, el propio
y éstas únicamente constituyen el 18 por 100 del profesorado (mientras las estudiantes son el 40 por 100); los salarios femeninos son un 16 por 100 inferiores a los de los varones; y mientras ellos ascienden en promedio cada tres años, a ellas les cuesta un mínimo de cinco (véase El País, 20 de abril de 2002). Si en un centro universitario de estas características, identificado con el rigor y la capacidad intelectual de sus miembros, se ha acabado reconociendo abiertamente estos niveles de discriminación podemos suponer que este tipo de comportamiento no constituya una excepción en el mundo laboral.
51
ambiente cultural y laboral es el que discrimina en función del sexo, dificultando la
presencia femenina.
Por otro lado, este comportamiento podría ser la respuesta dada por las empresas a las
dificultades de agrupar a hombres y mujeres a la hora de trabajar en equipo. Tal vez los
varones tengan dificultades a la hora de compartir tareas con las mujeres, o incluso se
muestren reacios a tenerlas como supervisoras directas, por lo que los empresarios
decidirán separarlos por actividades y sexos. Es más, dado que la mayoría de las
empresas están dirigidas por varones, éstos también pueden tener prejuicios sobre el
papel de la mujer en el ámbito laboral, lo que se traduciría en su reclusión en
actividades consideradas de menor valor. Recientemente Goldin (2002) ha desarrollado
una “teoría de la contaminación” para explicar algunos de estos comportamientos.
Según su hipótesis, los hombres pierden status cuando las mujeres se incorporan a sus
ocupaciones, ya que el que las mujeres puedan desarrollarlas con normalidad revelaría
una menor exigencia o dificultad del puesto de trabajo. Así, la discriminación contra las
mujeres estaría motivada, al menos en parte, por el deseo de los hombres de proteger su
status ocupacional. De hecho es curioso comprobar la reducción en el nivel salarial
experimentado por algunas profesiones a medida que se han ido feminizando.34
Atendiendo a muchos de estos argumentos y añadiendo consideraciones psicológicas,
Akerlof y Kranton (2000) han construido un modelo basado en los conflictos de
identidad ocasionados por la interacción entre hombres y mujeres al compartir
ocupaciones. En este modelo, el bienestar del individuo depende, por un lado, de la
ausencia de conflictos personales con lo que la sociedad espera de él, y por otro, de las
actitudes que en este terreno adopten los demás. Ocupar un puesto que socialmente es
masculino, si se es mujer, no sólo provocará costes directos asociados a su propia
pérdida de identidad femenina, sino también indirectos (que no necesariamente
menores) si la identidad de los compañeros varones se ve afectada por su presencia y
actúan en su contra para “fortalecerla”. Según estos autores, la interacción de estos
34 Quedaría por saber si esto ha sido la causa o la consecuencia. Así, ¿la progresiva presencia de un mayor número de mujeres ha hecho que estas profesiones pierdan valor para la sociedad?, o ha sucedido al revés ¿los hombres han ido abandonando estas profesiones a medida que los salarios han ido disminuyendo, dejando así espacio para la entrada de mujeres?
52
factores acabará contribuyendo a que hombres y mujeres permanezcan separados en el
ámbito laboral, con los costes que esto conlleva.
Es probable que las fuerzas que históricamente han originado la segregación en el
mercado de trabajo español, y que hoy siguen manteniéndola en niveles elevados,
combinen elementos presentes en varias de estas teorías. Tal vez por eso volver la
mirada atrás y reflexionar sobre el origen de la segmentación pueda ayudarnos
nuevamente a entender mejor este complejo fenómeno. Como concluye Muñoz (2001)
en su análisis del sector conservero: “En primer lugar, la segmentación se originaba en
las familias, las cuales jugaban un papel determinante en la adquisición de
cualificaciones no formales que sesgaron la elección futura de empleo para ambos
sexos. Las niñas entraban con sus madres en las plantas de procesado o las ayudaban en
tareas auxiliares a la pesca, mientras que los niños, en cambio, aprendían oficios
(tonelería, hojalatería, etc.). En segundo lugar, mientras que los empresarios
concertaban contratos fijos para los trabajadores masculinos de oficio, las mujeres eran
mano de obra mayoritariamente eventual. En tercer lugar, la formación masculina más
estructurada que la femenina, derivada de su pertenencia al gremio, creaba un segmento
laboral mejor remunerado y protegía al trabajador de oficio del poder empresarial. El
sindicalismo femenino, más tardío que el masculino, contribuyó a alargar la
discriminación sexual en el sector. Por último, la discontinuidad en el trabajo femenino
y la falta de aprecio por la labor manual de las obreras conserveras conducía a que éstas
tuviesen un salario bastante plano a lo largo de su ciclo vital. Sin embargo, los hombres
aumentaban su remuneración con la edad y la antigüedad en la empresa”. Como
podemos observar, y a pesar de los enormes avances conseguidos, sobre todo en cuanto
a la Igualdad de Oportunidades en el campo educativo, algunos de estos argumentos
todavía parecen vigentes un siglo después.
1.5 A modo de resumen
Un examen desde una perspectiva de género del mercado de trabajo en España refleja
grandes diferencias en la presencia, colocación y remuneración de hombres y mujeres.
Junto a bajas tasas de actividad femenina encontramos altos niveles de paro, que han
llegado a duplicar a los masculinos, en un proceso de retroalimentación que
53
probablemente esté expulsando del mercado laboral a muchas mujeres ante las escasas
expectativas de encontrar empleo. Además, si en la entrada hay diferencias, en la
integración los caminos profesionales presentan una marcada dualidad. La segregación
ocupacional alcanza cotas importantes, siendo además una de las principales causas de
desigualdad salarial entre hombres y mujeres en España. Ante la evidente ilegalidad de
pagar salarios diferentes por realizar el mismo trabajo, los mercados parecen perseverar
en las desigualdades segmentando las ocupaciones por sexos, estando las mujeres
sobre-representadas en ocupaciones de menor nivel salarial e infra-representadas en
las que permiten retribuciones más elevadas.35 El proceso para llegar a este resultado es
complejo, y en él intervienen factores que actúan tanto por el lado de la oferta como por
el lado de la demanda. Junto a los tradicionales argumentos que destacan diferencias de
productividad asociadas al sexo de los individuos (y que curiosamente siempre parecen
jugar en contra de las mujeres), otras reflexiones apuntan a los estereotipos sociales que
históricamente han impedido el acceso de la mujer a la vida pública y a la educación, y
que todavía hoy dificultan su integración en el mercado laboral en igualdad de
condiciones que los varones.
35 Recordemos que el Estatuto de los Trabajadores establece el principio de igualdad salarial por razón de sexo. Aunque sólo recientemente (julio de 2002) se ha introducido una modificación que verdaderamente consagra el “principio de igualdad retributiva” en la legislación española en la línea del Derecho Comunitario, de forma que el empresario no sólo debe garantizar igualdad salarial ante trabajos de igual valor, sino que también debe equiparar otros conceptos como primas, stock options, reparto de beneficios, etc., que hasta este momento han beneficiado fundamentalmente a los varones.
54
CAPÍTULO 2
EL ENFOQUE DISTRIBUTIVO EN EL ANÁLISIS DE LA
DISCRIMINACIÓN SALARIAL POR RAZÓN DE GÉNERO:
EFECTOS SOBRE EL NIVEL DE POBREZA
2.1 Introducción La existencia de una menor remuneración de las mujeres frente a los varones no es una
característica exclusiva del mercado de trabajo español. Por el contrario, se trata de una
regularidad empírica fácilmente constatable a nivel internacional. Como hemos visto, el
que parte de estas diferencias salariales no se justifique en términos de productividad
provoca lo que se conoce como discriminación salarial, siendo un fenómeno que afecta
a la práctica totalidad de los países en los que se ha analizado.36 El creciente interés por
estas cuestiones se constata en el amplio abanico de propuestas metodológicas que, a
partir de los trabajos clásicos de Oaxaca (1973) y Blinder (1973), se han desarrollado a
lo largo de las últimas décadas para cuantificar dicho fenómeno. Poniendo de
manifiesto, tanto las ineficiencias que la discriminación provoca en el funcionamiento
de los mercados de trabajo, como la inequidad que genera al acentuar el proceso de
exclusión social de los colectivos que la padecen.37
Preocupado por los argumentos de equidad relacionados con el mercado de trabajo,
Jenkins (1994) propuso adaptar los procedimientos utilizados en el cálculo de la
pobreza al análisis de la discriminación salarial, al percibir que en la cuantificación de
ambos fenómenos nos enfrentamos a problemas similares. Así, decimos que un
individuo es pobre si su renta no le permite disfrutar de un nivel de vida que se
36 En Blau y Khan (2000 y 2003) se ofrece evidencia empírica. 37 Como ocurre con el conocido fenómeno de la “feminización de la pobreza”.
55
considera mínimamente aceptable. De la misma forma, consideramos que un individuo
se encuentra discriminado cuando su salario es inferior al que debería percibir dadas sus
dotaciones y productividad.38 Desde esta perspectiva, la experiencia discriminatoria se
revela como un fenómeno intrínsecamente individual, al igual que la pobreza, por lo que
su distribución entre la población afectada debe jugar un papel importante en su
cuantificación.
Aplicando las propuestas desarrolladas por Sen (1976) en el ámbito de la pobreza,
Jenkins plantea tres cuestiones a las que deberíamos dar respuesta si queremos analizar
de forma rigurosa y completa el fenómeno discriminatorio: 1) definir qué entendemos
por discriminación salarial; 2) identificar, utilizando la definición anterior, qué personas
sufren discriminación y en qué medida; y 3) agregar la experiencia discriminatoria
individual a partir de un índice que verifique propiedades normativas en las que se
hagan explícitos los juicios de valor utilizados a la hora de “sumar” las diferentes
situaciones de discriminación. La metodología clásica, ampliamente utilizada en el
trabajo empírico, se limita al cálculo de la discriminación salarial media. Hacer esto
supone, implícitamente, ponderar cada experiencia discriminatoria de igual forma,
independientemente de su importancia o tamaño. Jenkins, por el contrario, propone
tomar como referencia la discriminación individual y analizar las propiedades de su
distribución a la luz de los avances teóricos de la investigación sobre pobreza y
privación. Lo relevante en este caso es conocer cuánto le falta a cada individuo para
alcanzar el salario que percibiría si no se enfrentase a un trato discriminatorio; analizar
cómo se distribuye esa “privación” en la población; y proponer formas de agregar esta
información en un indicador que pondere las distintas experiencias discriminatorias por
medio de algún criterio ampliamente consensuado.
En este capítulo defendemos que esta metodología sigue ofreciendo importantes
ventajas frente a otras que desde entonces se han venido utilizando para incorporar
aspectos distributivos en el análisis de la discriminación salarial. Algunas de estas
propuestas utilizan regresiones cuantílicas, lo que permite ampliar el número de puntos
de la distribución salarial en los que se estima la discriminación. Otras incorporan
38 Al compararlo con el que perciben otros trabajadores similares en productividad pero con diferencias en alguna otra característica observable como por ejemplo la raza, el sexo, o la condición de nativo o inmigrante en el país en cuestión.
56
diferentes técnicas para estimar funciones de distribución salarial contrafactuales con las
que comparar la original y cuantificar los efectos de la discriminación a lo largo del
rango salarial. Ambos enfoques permiten extraer una mayor información de las
distribuciones salariales observadas. Sin embargo, y a pesar de lo que pueda parecer, en
ambos casos se comparan los salarios estimados con y sin discriminación sin abordar en
toda su complejidad el carácter individual de la misma. Es más, en las técnicas basadas
en la estimación de funciones de distribución salarial contrafactuales este objetivo
incluso se obvia al comparar, en ambas situaciones, los niveles salariales asociados a
cada cuantil independientemente de que se corresponda o no con el mismo individuo.39
A pesar de sus diferencias, la estimación de ecuaciones salariales mediante regresiones
cuantílicas y la utilización de medidas normativas de discriminación “a la Jenkins” son
técnicas complementarias. Así, como veremos en la aplicación empírica realizada al
final de este capítulo, es posible utilizar las regresiones cuantílicas de hombres y
mujeres para identificar los niveles de discriminación individuales y a continuación
aplicar, sobre su distribución, medidas normativas inspiradas en la literatura sobre
pobreza que permitan abordar la última fase definida por Sen (1976). No parece, sin
embargo, que podamos decir lo mismo de las propuestas dirigidas a estimar
directamente funciones de distribución contrafactuales, ya que al no recuperar la
discriminación experimentada por cada trabajador, no permiten abordar la fase de
identificación individualizadamente.
La principal aportación de esta investigación es ofrecer un marco normativo para el
estudio de la discriminación salarial, basado en la literatura de privación. Para ello,
partiendo del enfoque de Jenkins (1994), se presentan algunas inconsistencias de su
propuesta; se muestran las limitaciones de las técnicas distributivas habitualmente
empleadas; y se proponen medidas de discriminación agregadas inspiradas en las de
pobreza económica que permiten abordar la fase de agregación a partir de juicios de
valor explícitos sobre los que buscar un amplio consenso. En segundo término, y para
un caso empírico concreto, se presentan las ventajas de este enfoque mediante la
39 La principal limitación del enfoque clásico es que estima la discriminación en un único punto. Sin embargo, al coincidir éste con la media, permite garantizar que los niveles salariales evaluados, con y sin discriminación, pertenecen a la misma mujer, abordando parcialmente la dimensión individual del fenómeno. Las técnicas de descomposición del gap salarial a partir de regresiones cuantílicas mantienen esta propiedad al analizar la situación de mujeres situadas en distintos puntos de la distribución salarial.
57
comparación de estimaciones MCO y estimaciones cuantílicas de la discriminación
individual. Este ejercicio permitirá comprobar las mejoras que las estimaciones
cuantílicas introducen en la fase de identificación frente a los resultados obtenidos a
partir de regresiones a la media. Por último, se realiza un novedoso ejercicio empírico
en el que se cuantifica el efecto que sobre los niveles existentes de pobreza ocasionaría
la eliminación de la discriminación salarial, tanto en la población en general como en
aquellos hogares en los que hay presencia de mujeres trabajadoras.
Es importante destacar que aunque a lo largo del texto siempre nos referiremos a la
discriminación salarial experimentada por las mujeres, las aportaciones teóricas
contenidas en el mismo son aplicables a cualquier tipo de discriminación salarial que se
desee analizar.
El resto del capítulo se organiza como sigue. En el epígrafe segundo se presenta la
metodología clásica y se justifica la importancia de adoptar procedimientos que tengan
en cuenta los aspectos distributivos en la medición de la discriminación. Los resultados
teóricos se presentan en los epígrafes tercero, donde se muestran las limitaciones de
diversas técnicas distributivas recientemente aplicadas al estudio de la discriminación
salarial, y cuarto, donde se proponen mejoras al enfoque originalmente propuesto por
Jenkins (1994). En el quinto y sexto epígrafes, se presenta el valor añadido de esta
metodología utilizando el caso español. Por último finalizaremos con una sección de
conclusiones a modo de resumen. En un breve apéndice, al final del informe, se
presentan las estimaciones de las regresiones salariales.
2.2 La importancia del enfoque distributivo en el análisis de la
discriminación salarial
2.2.1 El problema de la definición de la discriminación salarial.
Según la teoría del capital humano, la determinación de los salarios está ligada a los
niveles de productividad alcanzados por los trabajadores. Así, en un mercado laboral
competitivo el salario debería corresponderse con el valor del producto marginal del
58
trabajador, por lo que la presencia de diferencias salariales entre sexos, fácilmente
contrastable en el trabajo empírico, no es suficiente para garantizar la existencia de
prácticas discriminatorias. La razón es que la diferente remuneración del trabajo
desarrollado por hombres y mujeres podría deberse, al menos en parte, a la existencia de
diferencias en su productividad. En la actualidad éste es el enfoque más utilizado,
existiendo un amplio consenso en que para poder hablar de discriminación salarial por
razón de género es necesario identificar previamente la existencia de diferencias
salariales entre hombres y mujeres similares en sus niveles de productividad.40
2.2.2 El problema de la identificación de la discriminación salarial.
Una vez definido el fenómeno discriminatorio, detectar su presencia y cuantificar la
discriminación experimentada por una trabajadora presenta una dificultad añadida: la
productividad no es directamente observable para el investigador, por lo que no resulta
evidente cómo identificar a aquellos individuos que perciben un salario inferior al que le
correspondería. Para superar este obstáculo tradicionalmente se ha acudido a
determinadas características observables de los trabajadores, y a la información que
pueden proporcionar sobre su nivel de productividad, a partir de las relaciones
establecidas por la experiencia empírica acumulada y por la teoría económica sobre la
determinación de salarios y el capital humano. Las variables tradicionalmente utilizadas
están relacionadas con los años de escolarización o el nivel de estudios alcanzado por el
trabajador, su edad, su experiencia laboral total o su antigüedad en la empresa, en tanto
que se presupone que afectan a la productividad del individuo. Aunque también se
suelen emplear otras, directamente ligadas a la oferta y demanda en el mercado de
trabajo y que lógicamente influirán en su salario, como son el tipo de ocupación y de
contrato, el sector y el tamaño de la empresa, si es pública o privada, el tipo de convenio
colectivo, el grado de sindicación, o la zona geográfica donde está ubicada. 41
A partir de un modelo de regresión que relaciona el salario percibido por el trabajador
con el conjunto de variables que, “a priori”, se consideran determinantes en el nivel
salarial alcanzado, se pretende identificar qué características son estadísticamente
40 Por citar sólo dos ejemplos que ilustran la extensión alcanzada por esta definición véase Cain (1986) o McConnell, Brue y Macpherson (2003). 41 En Willis (1986) se realiza una recopilación de los principales determinantes de la función de salarios.
59
significativas en esta relación y, lo que es más importante, estimar la “retribución” que
el mercado otorga a cada una de ellas. De esta forma, al comparar los salarios estimados
para hombres y mujeres, a partir de regresiones salariales específicas para cada uno de
los sexos, se estará en condiciones de cuantificar qué parte de las diferencias salariales
estimadas se debe a diferencias en sus dotaciones y qué parte se deriva de retribuciones
diferentes ante idénticas características, según el mercado las premie en varones y
mujeres. Este segundo componente estaría recogiendo la parte del gap salarial contra las
mujeres que no puede ser explicado por diferencias en dotaciones y productividad, y
que, por tanto, podríamos atribuir a prácticas discriminatorias en la retribución salarial
por razón de género.
Siguiendo estos postulados, se propone la estimación de dos ecuaciones salariales
mincerianas,42 de forma separada para mujeres y hombres, con el objeto de conocer
cómo retribuye el mercado cada una de las características mencionadas cuando
controlamos por el resto:
mim'mimi
hih'hihi
uZy
uZy
+=
+=
β
β
)ln(
)ln(
donde h hace referencia a hombre, m a mujer, y si omitimos el subíndice de sexo, yi
representa el salario por hora del i-ésimo trabajador, Z’i es un vector de características
individuales que consideramos relevantes para explicar las diferencias salariales, β son
las tasas de retorno de dichas características, y ui es el correspondiente término de error.
Una vez estimado el modelo, estamos en condiciones de predecir el salario estimado
para cada mujer trabajadora, miy , así como el salario que percibiría si sus características
fuesen retribuidas como un hombre, mir , de forma que:
)2/ˆˆexp(ˆ
)2/ˆˆexp(ˆ
2'
2'
mhmimi
mmmimi
Zr
Zy
σβ
σβ
+=
+=
42 Inspiradas en el modelo empírico original de Mincer (1974).
60
donde 2ˆ mσ es la varianza estimada de um .43 La diferencia salarial )ˆˆ( mimi yr − representa
la estimación que el modelo proporciona de la discriminación salarial sufrida por la
trabajadora i, siendo )ˆˆ( mm yr − la distribución de la discriminación estimada existente
entre el colectivo de mujeres.44
2.2.3 El problema de la agregación de la experiencia discriminatoria.
Llegados a este punto aún queda por abordar la cuestión más delicada: decidir cómo
agregar la experiencia discriminatoria individual. Esto es, decantarse por un estadístico
que resuma el nivel global de discriminación existente en una población.
Como vimos en el capítulo anterior, la discriminación tradicionalmente se ha evaluado
en la media de la distribución de características, a partir de estimaciones MCO de las
ecuaciones mincerianas, cuantificando la discriminación salarial experimentada por la
mujer “media” al compararla con el varón “medio”. Éste es el enfoque desarrollado por
Oaxaca (1973) y Blinder (1973) en sus trabajos seminales, y el habitualmente utilizado
a partir de entonces. En la descomposición original propuesta por estos autores, la
brecha salarial media observada es dividida en dos componentes, utilizando la conocida
propiedad sobre la media de los estimadores MCO obtenidos a partir de las ecuaciones
de salarios.45 Un primer componente cuantificaría la retribución que el mercado otorga a
las diferencias en las dotaciones medias entre ambos sexos, y un segundo componente
recogería las diferentes retribuciones que el mercado realiza sobre hombres y mujeres
cuando se aplican a las características medias de éstas:
43 Exp( 2/ˆˆ' 2
mmmiZ σβ + ) es el valor esperado de la variable log-normal, ym, condicionado a Zmi en la regresión MCO. Note que en Jenkins (1994) hay un error, al no aparecer ( 2/ˆ 2
mσ ) en la expresión anterior. En la segunda ecuación podríamos sustituir ( 2/ˆ 2
mσ ) por ( 2/ˆ 2hσ ), y usar la varianza de los residuos de la
ecuación salarial de los varones. Sin embargo, hemos comprobado que haciéndolo así nuestros resultados empíricos no varían sustancialmente. 44 En el survey clásico de Cain (1986) se ofrece una recopilación de las principales teorías explicativas de la discriminación, y una síntesis de los modelos mincerianos. Desde entonces se ha publicado una abundante literatura centrada en la mejora en términos de robustez de las estimaciones de las ecuaciones salariales. Así, se han abordado los problemas relacionados con el sesgo de selección (en relación con la oferta laboral de las mujeres), el sesgo potencial de endogeneidad (básicamente asociado a las variables educativas) o la errónea especificación de las ecuaciones de salarios. En Kunze (2000) se ofrece una revisión de la literatura empírica según los supuestos y las técnicas econométricas habitualmente empleadas para alcanzar estimaciones consistentes de los principales parámetros.
61
.A B )ˆ-ˆ(ˆ)Z-Z( )ln(-)ln( ''' +=+= mhmhmhmh Zyy βββ
Así, como se muestra en el gráfico 1 para un caso unidimensional, el componente B
refleja la diferencia salarial que observaríamos en ausencia de discriminación, esto es, si
las características de hombres y mujeres se remunerasen según los coeficientes
estimados para los hombres (cuya retribución en esta descomposición se adopta como la
no discriminatoria).46 El segundo término, A, nos indica la pérdida de salario al que se
enfrenta la mujer media al tener un esquema retributivo diferente al de los varones.
Aunque no se suele mencionar, es sencillo comprobar que A no es más que la media de
las diferencias en las predicciones de ambos modelos estimadas para cada una de las
mujeres de la población (en nuestro ejemplo: Zm1, ..., Zm4).
A partir de este segundo término, la medida propuesta por Oaxaca (1973) para
cuantificar la discriminación agregada es:
[ ] . 1-))ˆ-ˆ(exp( *100 mh'mO ZD ββ=
45 Propiedad que garantiza que el salario estimado por MCO evaluado en las características medias coincide con el salario medio observado. 46 Suponiendo que las dotaciones son exógenas y que, por tanto, no sufrirían modificaciones en ausencia de discriminación.
A
B
Zm1 Zm2 Zm3 Zm4 Z
hhZ β
mmZ β
hm ZZ
)ln( hy
)ˆln( mr
)ln( my
)ln(y
Gráfico 1
62
El esquema retributivo utilizado como referencia no discriminatoria puede hacer variar
la descomposición anterior. En cualquier caso, e independientemente del sistema
retributivo elegido, analizar únicamente la media de la distribución salarial supone, en
primer lugar, un desperdicio enorme de información, ya que no permite identificar las
diferencias en términos de discriminación que probablemente se produzcan a lo largo de
la distribución salarial. Y en segundo lugar, y lo que es más grave, supone asumir como
deseable una forma de agregar los niveles de discriminación individuales que pondera a
todas las mujeres de igual forma, independientemente del nivel de discriminación
soportado (al cuantificar el agregado a partir de la media simple de los distintos niveles
individuales). Esto significa incorporar en el análisis, de manera implícita y poco
transparente, juicios de valor cuando menos cuestionables desde un punto de vista
normativo, y sobre cuya bondad apenas se ha discutido en la literatura, debido tanto a
las atractivas propiedades matemáticas de la media, como a la escasa conciencia de sus
repercusiones normativas. Por todo ello consideramos que el estudio de la
discriminación salarial debe sustentarse en instrumentos de medida más completos y
flexibles, que permitan identificar las diferencias existentes y, si es posible, que
incorporen de manera explícita los juicios de valor utilizados a la hora de agregar la
información individual.
Recientemente diversos trabajos han utilizado un amplio abanico de técnicas
econométricas con el objetivo común de incorporar aspectos distributivos en el análisis
de la comparación de distribuciones salariales. A partir de los trabajos seminales de
Juhn, Murphy and Pierce (1991, 1993),47 han sido numerosos los estudios que sugieren
que la estructura salarial no es constante a lo largo del rango salarial.48 Buchinsky
(1994) lo constató utilizando regresiones cuantílicas en su estudio sobre su evolución en
EEUU. Di Nardo, Fortín y Lemieux (1996) cuantificaron el efecto provocado por
cambios en la distribución de características de los trabajadores sobre la densidad
salarial, empleando técnicas de regresión no paramétricas para estimar distribuciones
salariales contrafactuales (que le permitían combinar los atributos poblacionales de un
47 Donde los autores, utilizando regresiones MCO, desarrollaron métodos alternativos de desagregación de las diferencias entre distribuciones salariales estimadas y contrafactuales para diferentes periodos de tiempo.
63
periodo con la estructura de retornos de otro). Y Machado y Mata (2001), utilizando
regresiones cuantílicas en su análisis temporal de la desigualdad salarial en Portugal,
modelizaron la distribución salarial condicionada a las características de los
trabajadores, lo que les permitió cuantificar las diferencias en los retornos de las
dotaciones en diferentes puntos de la distribución.
Centrándonos en los estudios sobre discriminación salarial por razón de género, Blau y
Khan (1996, 1997) explicaron las diferencias en la brecha salarial entre hombres y
mujeres entre países, y sus cambios a lo largo del tiempo, utilizando la metodología
propuesta por Juhn, Murphy and Pierce (1991).49 Fortin y Lemieux (1998) analizaron la
evolución del gap salarial usando “rank regressions” para estimar la probabilidad de que
un individuo se sitúe en un determinado intervalo de salarios. Más recientemente,
Bonjour y Gerfin (2001) aplicaron la metodología propuesta por Donald, Green y
Paarsch (2000), a partir de estimadores flexibles de la distribución salarial basados en
modelos de duración “hazard-based", en su descomposición del gap salarial en Suiza. Y
Reilly (1999) y Newell y Reilly (2001) en el análisis de la transición de algunos países
excomunistas, Albrecht, Björklund y Vroman (2003), en su estudio sobre la existencia
de un “techo de cristal” en Suecia,50 y García, Hernández y López (2001), Gardeazábal
y Ugidos (2004), y Dolado y Llorens (2004) para el caso español, aplicaron regresiones
cuantílicas para descomponer el gap salarial en diferentes puntos de la distribución.5152
Sin embargo, estas recientes aproximaciones al fenómeno discriminatorio también
presentan limitaciones que deben ser destacadas. En algunos casos los problemas se
48 Por estructura salarial entendemos el vector de remuneraciones que el mercado otorga a las dotaciones de los individuos, y de rentas asociadas a las características de las empresas según el sector en el que se encuentren. Efectos, todos ellos, recogidos en los parámetros estimados del modelo. 49 Lo que permitía tener en cuenta el papel jugado por la estructura salarial como factor explicativo del gap por razón de género 50 A partir de técnicas desarrolladas por Machado y Mata (2004) en las que se utilizan regresiones cuantílicas para estimar funciones de densidad salariales contrafactuales. 51 En García, Hernández y López-Nicolás (2001) la discriminación aumenta a lo largo de la escala salarial tanto en términos absolutos como en relación al gap salarial total (utilizando en la estimación variables instrumentales para endogeneizar la educación y técnicas econométricas que permiten tener en cuenta el sesgo de selección). Por el contrario, en Gardeazábal y Ugidos (2004) la discriminación relativa, así definida, decrece al incrementarse el nivel salarial. En esta ocasión, los autores estiman la discriminación en cada cuantil a partir de una estimación de las características “propias” de ese cuantil y no de las características medias en la población, como ocurría en el caso anterior. Dolado y Llorens (2004), por su parte, identifican niveles superiores de discriminación en las últimas decilas dentro de las trabajadoras con nivel de estudios superior, aplicando parcialmente la propuesta de Albrecht, Björklund y Vroman (2003). 52 Otros trabajos recientes que ha abordado cuestiones distributivas desde metodologías menos ambiciosas serían, Li, Gerry y Kim (2004), Méndez y Hernández (2001) y Vartiainen (2002), entre otros.
64
derivan de confundir conceptualmente los aspectos distributivos de la medición de la
discriminación con los efectos distributivos que la misma provoca. Por otro lado, todos
estos procedimientos renuncian a incorporar juicios de valor a la hora de agregar, bajo
un paraguas normativo, las diferentes experiencias discriminatorias detectadas a lo largo
de la distribución salarial, lo que dificulta enormemente la realización de
comparaciones. Dado el interés de ambas cuestiones detengámonos en los argumentos
que sustentan estas afirmaciones.
2.3 Limitaciones de los recientes enfoques distributivos
2.3.1 Comparación de funciones de distribución salarial condicionadas: aspectos
distributivos y errores conceptuales en la medición de la discriminación
Para ilustrar los problemas que plantea la utilización de funciones de distribución
contrafactuales en la estimación de la discriminación salarial, realicemos un sencillo
ejercicio comparativo. Estimemos la Curva de Lorenz Generalizada (GLC) de la
distribución my , y la correspondiente Curva de Concentración Generalizada (GCC) de
mr , y comparemos ambas.53 Obsérvese que las dos curvas utilizan la misma ordenación
de mujeres trabajadoras, de menor a mayor miy , acumulando sus respectivos niveles
salariales, miy y mir . Así, el análisis de sus diferencias nos ofrece un perfil de la
discriminación existente a medida que vamos incorporando a más y más mujeres
discriminadas, esto es, a medida que agregamos la discriminación individual.
Empíricamente no es descabellado pensar que al pasar de una distribución salarial a otra
se produzcan reordenaciones entre las trabajadoras. A las curvas GLC y GCC, sin
53 La GLC de my se calcula en cada proporción acumulada de la muestra de trabajadoras, como la suma de sus salarios estimados dividida por su tamaño muestral, una vez que éstas han sido dispuestas en orden ascendente según su nivel salarial, miy . Propuesta por Shorrocks (1983) como criterio de Bienestar Social en la comparación de distribuciones de renta, una GLC no es más que la correspondiente curva de Lorenz multiplicada por la media de la variable objeto de estudio. La GCC se calcula, sobre los valores de mir ,
de forma similar que la GLC, pero conservando la ordenación obtenida a partir de my . En su versión no generalizada es habitualmente utilizada en el estudio de la progresividad de figuras impositivas mediante índices que reflejan las diferencias existentes entre la Curva de Lorenz de la renta antes de aplicar el impuesto y la Curva de Concentración de la renta disponible, después de pagar el impuesto.
65
embargo, esto no les afecta. Al preservar la ordenación inicial su comparación garantiza
que si ambas curvas son iguales no se produce discriminación salarial directa, por lo que
parecería justificado definir medidas de discriminación basadas en las diferencias
existentes entre ambas curvas.54 Desgraciadamente, no todas las medidas de
discriminación son inmunes a estos cambios de orden. La igualdad entre funciones de
distribución o entre funciones de densidad salariales, )ˆ( myf y )ˆ( mrf , no garantiza
ausencia de discriminación en la retribución de todas las mujeres, al no existir garantías
de que mr conserve exactamente la misma ordenación que my . Teóricamente podría
suceder que la discriminación experimentada por la mayoría de las mujeres trabajadoras
se compense por la “ventaja” o “privilegio” salarial que puedan experimentar algunas
pocas, como se muestra en el gráfico 2, donde las mujeres A y B, sufren discriminación,
mientras la mujer C obtiene un salario mayor que el de los varones con idénticas
dotaciones.
Gráfico 2
54 La comparación de las curvas GLC y GCC no está exenta, sin embargo, de críticas. Así, Favaro y Magrini (2003) han puesto de manifiesto que la existencia de mujeres con mimi ry ˆ ˆ > resta precisión a este indicador. Por otro lado, obsérvese que la agregación de las experiencias discriminatorias se realiza a partir del nivel salarial de las mujeres, y no de su nivel de discriminación. Esto confiere propiedades normativas a los índices de discriminación que son función del área que las separa que no tienen por qué generar unanimidad. Por otra parte, como defiende Jenkins (1994), construir familias de índices que permitan parametrizar los juicios de valor incluidos en la medición de la discriminación se presenta como una estrategia claramente superior, tanto en términos de transparencia como de capacidad de análisis de los resultados, como veremos en el siguiente epígrafe.
B
A
y r yA yB
rA rB
f(y)
f(r)
rC
C
yc
66
Sin llegar a casos tan extremos, y atendiendo a situaciones empíricas más plausibles en
las que mr > my , es posible que parte de las diferencias evaluadas decila a decila
oculten reordenaciones producidas por las mayores o menores experiencias
discriminatorias padecidas por las mujeres. Así, supongamos que partimos de una
distribución salarial como la reflejada en la función de densidad a la izquierda en el
gráfico 3, y que una vez eliminada la discriminación directa, la nueva densidad salarial
se traslada a la derecha de manera uniforme.
Gráfico 3
En este caso, el análisis distributivo a partir del estudio de las diferencias por cuantiles
entre ambas funciones llegaría a la conclusión de que todas las mujeres experimentan
los mismos niveles absolutos de discriminación, independientemente de su salario. Sin
embargo esto no tiene por qué ser necesariamente cierto, ya que podría ocurrir, como se
muestra en el gráfico 4, que todas las trabajadoras del tipo A, que inicialmente tenían un
nivel salarial igual a yA, pasaran a situarse en rA , mientras que un número similar de las
que se encontraban en yB experimentasen un menor incremento en su salario al
descontar la discriminación, y se acabasen situando en rB, alcanzando el resto de
mujeres B el nivel r’B. Obviamente, la discriminación del colectivo A es mucho mayor
que la del B, y sin embargo ni el estudio de las diferencias en la media (como era de
esperar) ni el análisis a partir de la comparación de los cuantiles en ambas distribuciones
sería capaz de detectarlo.
B
A
yA yB rA rB
f(y)
f(r)
y r
f(y)f(r)
67
Gráfico 4
De esta forma, al comparar funciones de densidad no sólo estamos cuantificando la
discriminación sino también las reordenaciones producidas en la distribución salarial,
confundiendo ambos conceptos, y permitiendo que la movilidad entre cuartiles
experimentada por las trabajadoras “contamine” la cuantificación del fenómeno
discriminatorio. La causa de todo esto ya fue apuntada por Jenkins (1994):
“The root of the problem is that discrimination depends on the distribution of wages differences, not on the differences between two wage distributions. (It is only when using means that these concepts coincide). We should be interested in whether each and every woman is equitably paid [ ]$ $y rmi mi= , and there is some discrimination in aggregate as long as at least one woman is unfairly remunerated [ mimi ry ˆ ˆ ≠ ]. Equality of means of my and mr (or higher moments) is a necessary but not sufficient condition for the absence of discrimination” (pp. 86).55
Comparar medias, varianzas, cuantiles o funciones de distribución salariales con y sin
discriminación no permite recoger la experiencia individual. Sólo permite cuantificar las
diferencias “anónimas” entre ambas, trasladando el centro del análisis del individuo a la
55 Este argumento fue utilizado por Jenkins (1994) para criticar los procedimientos desarrollados por Dolton y Makepeace (1985), basados en el estudio de las diferencias entre ambas distribuciones salariales, en momentos superiores a la media. Otros trabajos pioneros incorporando aspectos distributivos en el estudio de la discriminación salarial son los de Munro (1988) y Stewart (1983). En Jenkins (1994) también se muestra la necesidad de superar estos enfoques iniciales.
B
A
y r yA yB rB rA = r’B
f(y)
f(r)
f(r)
f(y)
68
distribución. Esto imposibilita poder concluir que una decila experimente más
discriminación que otra, ya que las mujeres que inicialmente se encontraban en cada
uno de ellos no tienen por qué ser las mismas una vez descontada la discriminación
existente. Así, la existencia de diferencias en ambas distribuciones no permite afirmar
que las mujeres de mayor nivel salarial experimentan más discriminación que las de
bajo salario (o al revés). Sencillamente porque no sabemos dónde se encuentran estas
mujeres en la distribución sin discriminación. Y sin embargo ésta es la base de algunos
de los resultados obtenidos utilizando técnicas de estimación de funciones de densidad o
distribución.56 Sus estimaciones no son precisas al no tener en cuenta los efectos
producidos por la reordenación de los individuos. Y serán más o menos erróneas en la
medida que dicha fuente de movilidad, provocada por el descuento del fenómeno
discriminatorio, sea de mayor o menor importancia. La utilidad de estos procedimientos
se circunscribe, pues, al estudio de los efectos distributivos del fenómeno
discriminatorio. Aspecto éste de especial relevancia, pero que en ningún caso debería
ser identificado con la discriminación misma. 57
2.3.2 La necesidad de medidas normativas en el cálculo de la discriminación
salarial
En otro orden de cosas, y atendiendo a la segunda cuestión mencionada anteriormente,
es importante señalar que ni las metodologías basadas en la comparación de funciones
de distribución salariales, ni las sustentadas en regresiones cuantílicas consideran
explícitamente cómo ponderar los diferentes niveles de discriminación estimados en los
distintos puntos de la distribución. Con ello renuncian a la construcción de un indicador
que permita agregarlos, lo que imposibilita determinar cuándo una distribución salarial
presenta más discriminación que otra.58 Esto evidentemente puede ser defendido con el
56 Entre los trabajos recientes que, analizando la discriminación salarial contra las mujeres, adolecen de este problema podemos citar a Albrecht, Björklund y Vroman (2003) y Bonjour y Gerfin (2001). 57 Obsérvese que la descomposición de la desigualdad salarial a partir de regresiones cuantílicas no presenta este problema, al cuantificar la discriminación experimentada por las mujeres situadas en los diferentes cuantiles de la distribución salarial original, y no la diferencia salarial existente entre dichas mujeres y las que ocupan su lugar en la distribución sin discriminación. Es por ello que Dolado y Llorens (2004), a pesar de seguir a Albrecht, Björklund y Vroman (2003), no se ven afectados por este problema al renunciar a construir la distribución salarial contrafactual. 58 Salvo en el caso trivial de que una presente mayor discriminación en todos los cuantiles estimados.
69
objeto de incorporar un menor número de juicios de valor en el análisis, como
implícitamente sostienen Gardeazábal y Ugidos (2004) al afirmar:
“The measures of gender wage discrimination used in the literature sumarize in a scalar descriptive statistic the degree of discrimination in the distribution of wages. There is a good reason for doing so, as a scalar statistic may be used to infer the overall level of wage discrimination of the population under study. However, the use of a scalar statistic may not be appropriate for comparisons among two or more populations, as two wage distributions might exhibit the same value of the scalar statistic while discrimination could be very differently distributed in the two populations. This problem has been raised a large number of times in the studies of income inequality. Measures of income inequality such as the popular Gini coefficient give a general view of the degree of income inequality, but two income distributions may have the same value of the Gini coefficient while income might be radically differently distributed. It is well known that two income distributions with the same Gini coefficient may have crossing Lorenz curves indicating differences in the distribution of income. We propose a measure of relative gender wage discrimination at each quantile of the distribution of wages which allows us to analyze how is discrimination distributed within the population” (pp. 2-3).
Los autores están en lo cierto, pero esto no significa que tengamos que renunciar a la
utilización de medidas de discriminación agregadas. Aunque estamos de acuerdo en
que el índice de discriminación extraído de la metodología clásica, D0, se construye a
partir de una agregación del fenómeno discriminatorio individual, cuando menos
discutible, no es menos cierto que las ventajas que presenta la regresión cuantílica en el
análisis de la discriminación son escasas si las comparamos con las aportadas por el
criterio de dominancia de Lorenz en el análisis de la desigualdad. La regresión
cuantílica permite obtener una estimación más precisa de la experiencia discriminatoria.
Ahora bien, ofrecer un conjunto de medidas puntuales de discriminación en diferentes
cuantiles, sin un criterio que las agregue, supone resolver la cuestión de los juicios de
valor por omisión: no agregar para así no tener que incorporarlos. Es una opción. Sin
embargo, el criterio de dominancia de Lorenz, tomado como referencia en el texto
anterior, agrega los niveles de renta para poder comparar distintas distribuciones en
términos de desigualdad. Aunque, eso sí, bajo un conjunto mínimo de juicios de valor
sobre los que previamente se ha generado un amplio consenso,59 lo que otorga robustez,
aunque incompletitud, a las ordenaciones que alcanza. En aquellos casos en los que el
70
criterio de Lorenz no permite ordenar las distribuciones objeto de estudio, es cuando
mayor interés presentan los índices completos de desigualdad (Gini, Theil, Aktinson),
que incorporando un mayor conjunto de juicios de valor permiten llegar a conclusiones
en comparaciones más delicadas. A menudo los resultados que ofrece este conjunto de
índices no son coincidentes, pero estos desacuerdos no son fruto del azar, sino de las
distintas propiedades normativas que verifican, y a partir de cuyo análisis se puede
profundizar en la comprensión del fenómeno.
El enfoque de Jenkins (1994) avanza en esa dirección al proponer medidas que
permiten agregar la discriminación existente en la distribución salarial. Unas heredan
las propiedades del criterio de Lorenz y las trasladan a este campo; y otras permiten
ordenaciones completas de discriminación a partir de un conjunto de juicios de valor
más extenso, pero explícito. Además, y como veremos a continuación, algunas de estas
medidas completas también heredan ciertas propiedades de descomponibilidad que
permiten profundizar en el análisis de la discriminación al abarcar más dimensiones que
la puramente salarial.60 En Favaro y Magrini (2003) se realiza una crítica a estos
procedimientos y se propone la estimación de funciones de densidad bivariantes como
alternativa. Esto evitaría los problemas inherentes a la comparación de funciones de
densidad univariantes para my y mr , vistos anteriormente. Sin embargo, en nuestra
opinión, ésta no constituye una técnica sustitutiva de la anterior, sino más bien una útil
herramienta descriptiva previa. Es cierto que podría complementarse con algún índice
que permita agregar los cambios salariales experimentados por las mujeres (por
ejemplo, a partir de la matriz de transición). Pero hacer esto supone incorporar en el
análisis valoraciones arbitrarias y poco transparentes asociadas a las propiedades de
agregación del índice utilizado, tal y como ocurría con D0. Precisamente por lo delicado
de los juicios de valor inherentes a las medidas utilizadas, consensuar un mínimo de
propiedades normativas en la medición de la discriminación parece una tarea
imprescindible antes de proponer índice alguno.
59 Básicamente resumidos en dos axiomas: simetría (o anonimidad) y principio de transferencias progresivas de Pigou-Dalton. 60 Son escasos los trabajos que han seguido este enfoque. Sólo conocemos las aplicaciones empíricas realizadas por Denny, Harmon y Roche (2000), con un análisis de la discriminación salarial de los inmigrantes en Gran Bretaña; Makepeace, Paci, Joshi y Dolton (1998), donde para el mismo país se analiza la discriminación salarial contra las mujeres; Hansen y Wahlberg (2001) para el caso sueco; y Ullibarri (2003), donde se analizan las diferencias salariales en España. En todos ellos se utilizan los índices tal y como fueron propuestos en Jenkins (1994).
71
2.4 Medidas normativas de discriminación
De todo lo visto hasta ahora se deduce, en primer lugar, que en el estudio de la
discriminación lo relevante es atender a la “experiencia individual”. Es por eso que,
dado el carácter bivariante de la misma recogido en los pares )ˆ ,ˆ( mimi ry , las medidas que
se propongan para cuantificarla deberán ser funciones de la discriminación individual,
)ˆˆ( mimi yr − , y no de las distribuciones salariales mir e
miy tomadas por separado. Y en
segundo término, debemos asumir la necesidad de agregar dicha experiencia individual,
lo que exige incorporar juicios de valor necesariamente subjetivos. Esto no tiene por qué
ser empobrecedor si aceptamos que la discriminación es un mal que comparte con otros,
como la pobreza, la duración del desempleo o la permanencia en niveles de baja renta,
sus características básicas. Asumir esto supone tomar en consideración las propiedades
que la literatura sobre pobreza ha consensuado a lo largo de las últimas décadas para
evaluar y proponer índices adecuados desde el punto de vista normativo; y analizar en
qué medida éstos son aplicables al estudio de la discriminación salarial.
Hagámoslo, pues, y preguntémonos: ¿qué propiedades básicas debería verificar toda
medida de discriminación para que pueda ser considerada como tal?
2.4.1 Propiedades normativas de los índices de discriminación
Consideremos dos vectores de diferencias salariales, xm y x’m, con mx =
)ˆˆ ...., ,ˆˆ( 11 nn mmmm yryr −− , y mx' = )ˆˆ ...., ,ˆˆ( ''''11 sn mmmm yryr −− , siendo n y s,
respectivamente, el número total de trabajadoras en cada distribución. Denotemos por
d(xm) a una medida de discriminación cualquiera, cuyo valor nos indica el grado de
discriminación asociado a la distribución xm. El conjunto mínimo de propiedades
normativas que d(xm) debería verificar son las siguientes:
1) Continuidad. La medida de discriminación d(xm) debe ser una función continua
para cualquier vector de diferencias salariales, xm, sobre el que esté definida.
72
2) Dominio. Si podemos obtener x’m a partir de xm mediante incrementos en el
salario de mujeres que no se encuentran discriminadas, ii ry ˆ ˆ ≥ , entonces d(x’m)
= d(xm).61
3) Simetría (o Anonimidad). Si podemos obtener x’m a partir de xm mediante una
secuencia finita de permutaciones en los niveles de discriminación individuales,
entonces d(x’m) = d(xm).
4) Principio de población (o invarianza ante réplicas poblacionales). Si podemos
obtener x’m a partir de xm mediante una serie de réplicas exactas de la población,
entonces d(x’m) = d(xm).
5) Monotonicidad (débil). Si podemos obtener x’m a partir de xm incrementando la
discriminación de alguna mujer, entonces d(x’m) > d(xm).
6) Principio (débil) de las transferencias. Si podemos obtener x’m a partir de xm
mediante una secuencia de “transferencias regresivas” entre pares de
trabajadoras que sufren discriminación, de manera que la que más
discriminación padece vea aumentarla a costa de que se reduzca en la misma
cuantía la discriminación soportada por la otra, sin que ésta deje de estar
discriminada, entonces d(x’m) > d(xm).
El axioma de continuidad es un requisito deseable en cualquier índice para evitar que
pequeños cambios en las diferencias salariales se traduzcan en grandes alteraciones en
los niveles de discriminación. El axioma de dominio exige que el índice sea sensible a
lo que les ocurra a las mujeres discriminadas, desentendiéndose del nivel salarial del
resto de la distribución de trabajadoras. Esto no significa que un índice que verifique
estas seis propiedades sea insensible a la existencia de mujeres privilegiadas
61 Así, el que haya mujeres con ii ry ˆ ˆ = , o que incluso puedan disfrutar de salarios superiores a los que
obtendrían si fuesen varones igualmente productivos, ii ry ˆ ˆ ≥ , no debería compensar la discriminación padecida por el resto. De la misma forma que un incremento en la renta de los no-pobres no altera los niveles de pobreza existentes (manteniendo la línea de pobreza elegida constante).
73
salarialmente frente a los varones,62 sino que exige que los cambios que se puedan
producir en su ventaja salarial respecto a los varones no repercutan en la estimación de
la discriminación agregada.63 El axioma de simetría garantiza que el índice no tiene
preferencia ni aversión por ninguna de las mujeres. El principio de población es un
axioma técnico que permite comparar distribuciones de diferente tamaño. Y los axiomas
quinto y sexto hacen referencia a dos propiedades básicas. La monotonicidad recoge la
idea de intensidad en la discriminación, indicando que el empeoramiento en la situación
de una mujer discriminada debe reflejarse en un mayor nivel de discriminación
agregada. Mientras que el principio de las transferencias supone que una mayor
desigualdad entre las mujeres discriminadas (en términos del reparto de la
discriminación existente) debe significar un incremento en el valor del índice.64
Una vez consensuadas estas propiedades estaríamos en condiciones de construir perfiles
distributivos de discriminación, definidos sobre la acumulación de los gaps salariales
individuales, y de desarrollar criterios de dominancia que permitan ordenar las
distribuciones salariales de más a menos discriminación, verificando estas propiedades.
Esto permitiría relacionar sus ordenaciones con las que obtengamos a partir de índices
de discriminación completos que, entre otras, también las verifiquen. Así ocurre en el
campo de la desigualdad y la pobreza, donde existen valiosos teoremas que relacionan
las ordenaciones de distribuciones de renta obtenidas a partir de los criterios de
dominancia de curvas de Lorenz y curvas TIP, y las obtenidas a partir de índices
completos de desigualdad y pobreza consistentes con ellas. De esta forma, a partir de un
conjunto mínimo de juicios de valor resumidos en dichas propiedades, podríamos
identificar situaciones empíricas concretas en las que la ordenación de distribuciones en
términos de discriminación se muestra independiente a la elección del índice utilizado,
al garantizarse la coincidencia de todos ellos. Lo que otorga al investigador una
herramienta de análisis de gran robustez.
62 De hecho, la proporción que estas mujeres representan sobre el total de la población femenina se verá reflejada en el índice gracias a los principios de continuidad, monotonicidad e invarianza ante réplicas poblacionales (véase Zheng (1997) para el caso de la pobreza). 63 De igual forma consideramos que, en el estudio de la discriminación salarial padecida por miembros de la etnia gitana en España, o por afroamericanos en EEUU, la existencia de artistas flamencos o deportistas de élite con altos niveles retributivos no debería compensar la situación de inferioridad padecida por la mayoría de los miembros de ambos colectivos. 64 Este axioma consiste en la traslación del Principio de las transferencias de Pigou-Dalton al conjunto de las trabajadoras discriminadas.
74
Así hizo Jenkins (1994) utilizando la Inversa de la Curva de Lorenz Generalizada
(IGLC),65 y definiendo índices de discriminación consistentes con su criterio de
dominancia, adecuadamente parametrizados para incorporar diferentes grados de
aversión a la discriminación.66 Posteriormente, Shorrocks (1998) generalizó estas
relaciones en el caso continuo, al sintetizar los resultados previamente obtenidos por
diferentes autores en distintos campos de la privación.67
2.4.2 Relaciones de dominancia entre Curvas de Discriminación
Sea )( mxg un vector de discriminación salarial individual asociado al vector de
diferencias salariales )ˆˆ,....,ˆˆ,ˆˆ(2211 nn mmmmmmm yryryrx −−−= definido como:
0 ),ˆˆ( max )(ii mmi yrmxg −=
Definimos la Curva de Discriminación de )( mxg , para cada 10 ≤≤ p , como la suma
del primer 100*p por ciento de valores de )( mxg dividido por el total de trabajadoras,
n, una vez que éstas han sido ordenadas de mayor a menor discriminación salarial. De
esta forma, en ) ..., , ,()( 21 nm gggxg = se verifica que nggg ... 21 ≥≥≥ , y para cada
valor de p = k/n la curva se calcularía como:
∑ == ki
ing
pgD 1);(
65 Esta curva refleja, para cada proporción acumulada de población de mujeres, el diferencial salarial per cápita acumulado por ellas, una vez ordenadas de más a menos diferencial salarial. 66 Obsérvese que Jenkins (1994), al definir la IGLC sobre los valores absolutos de xm, no exigió a sus índices la propiedad de dominio. Como hemos visto, sin embargo, parece deseable redefinir la variable y los índices originalmente por él propuestos para poder incorporarla, ya que así evitamos que la “ventaja” o “privilegio” salarial que puedan disfrutar algunas mujeres compense (si quiera levemente) la discriminación padecida por la mayoría. 67 Estas relaciones entre perfiles e índices de privación son así deudoras de los trabajos de Spencer y Fisher (1992), y su “absolute rotated Lorenz curve”, y de Jenkins y Lambert (1997 y 1998) y sus curvas TIP (“Three ‘I’s of Poverty”), en el estudio de la pobreza. Como ya hemos visto, Jenkins (1994) se refirió a la “inverse generalized Lorenz curve” en el análisis de la discriminación; Shorrocks (1993) hizo lo propio con los (unemployment) “duration profile”; y Blanke y Shorrocks (1994) los utilizaron en el estudio de la duración de la pobreza.
75
donde k es cualquier entero tal que k≤n. 68
Así, D(g;p) acumula per cápita los niveles individuales de discriminación en orden
decreciente a partir de las trabajadoras más discriminadas. Como se muestra en el
gráfico 5,69 se trata de una función positiva, creciente y cóncava; en la que D(g;0) = 0,
D(g;1) = g , y que se hace horizontal a partir del valor de p que incorpora a la última
mujer que padece discriminación, k*.
Gráfico 5
Su forma refleja la incidencia del fenómeno, al identificar el porcentaje de mujeres
discriminadas con el percentil en el que la curva se hace horizontal, h=k*/n; nos
informa de su intensidad, al coincidir su altura máxima con el gap salarial total per
cápita acumulado; y atiende a la desigualdad en el reparto de la discriminación según
sea mayor o menor la concavidad de su tramo creciente.70
68 En la versión continua partiríamos de una medida de discriminación salarial individual, representada por la variable u, distribuida en la población de mujeres según la función de distribución, F. A partir de ahí, siguiendo a Shorrocks (1998), definiríamos la curva de discriminación D(F;·) como:
[ ]1,0 , )( )( );(1 1
1 )1(1 ∈== ∫∫ −
−∞
−− pdqqFuudFpFDppF
69 Adaptado a partir de la figura 1 de Jenkins y Lambert (1997) sobre propiedades de las curvas TIP en la medición de la pobreza agregada.
Proporción acumulada de mujeres Incidencia
(longitud) h = k*/n
Discriminación acumulada per cápita
Desigualdad (curvatura)
Intensidad (altura)
Curva de Discriminación
76
Definición de dominancia en discriminación. Dados dos vectores de discriminación,
g1 y g2, diremos que:
g1 domina en discriminación a g2 si
21 gg ≠ y );();( 21 pgDpgD ≤ para todo [ ]1,0∈p
Es sencillo comprobar que este criterio de dominancia guarda una estrecha relación con
las seis propiedades anteriormente propuestas: continuidad (pequeños cambios en g
originarán pequeños cambios en las curvas); dominio (las curvas se hacen horizontales
en la proporción de mujeres en la que se incorpora la primera que no se encuentra
discriminada, obviado así la cuantía de la “ventaja” salarial disfrutada por este
colectivo, aunque teniendo en cuenta la proporción que las mujeres no discriminadas
representan respecto del total); simetría (al no tener en cuenta ninguna otra
característica de las trabajadoras que no sea su nivel de discriminación, y no poder por
tanto identificarlas); población (las curvas permanecen inalteradas ante réplicas exactas
de la población original); monotonicidad (las curvas se desplazan hacia arriba cuando
aumenta la discriminación de alguna mujer); y transferencias (las curvas se hacen más
cóncavas cuando la discriminación existente se distribuye más desigualmente entre las
que inicialmente la padecían, permaneciendo constante la discriminación media).
A partir de esta definición podemos establecer la conexión entre dominancia en
discriminación y el conjunto de índices agregados que verifican, en g(xm), las
propiedades básicas de su medición. Si denotamos por d*(xm) al conjunto de índices de
discriminación que satisfacen en g(xm) los axiomas de continuidad, dominio,
monotonicidad, simetría, transferencias y réplicas poblacionales, podemos afirmar que:
Teorema:71
70 Obsérvese que si todas las mujeres afectadas experimentasen el mismo nivel absoluto de discriminación, el tramo creciente de la curva sería una línea recta cuya pendiente reflejaría la discriminación individual común. 71 Este resultado apareció inicialmente en Shorrocks (1993), aplicado a la duración del desempleo, y en Jenkins y Lambert (1993), en su trabajo sobre pobreza, constituyendo la base de los resultados obtenidos sobre las curvas TIP en Jenkins y Lambert (1997, 1998). En su versión continua se presenta en Shorrocks
77
Para cualquier par de distribuciones de discriminación, g1 y g2 , se verifica que,
g1 domina en discriminación a g2
⇔
d(xm1) < d(xm
2) para todo *(·) dd ∈
Lo que permite asegurar que un mayor nivel en las curvas de discriminación se
corresponde, sin ambigüedad, con un mayor nivel de discriminación.
Además, este resultado también permite cuantificar las diferencias en discriminación
existentes entre dos distribuciones salariales, aplicando la filosofía que subyace en
algunos de los resultados de Jenkins y Lambert (1998).72 Así, supongamos que una
distribución salarial, B, presenta una mayor discriminación que otra, A, a partir de una
relación de dominancia entre sus respectivas curvas de discriminación. En este caso,
puede resultar ilustrativo incrementar, multiplicando de forma artificial, los salarios
estimados de la distribución B, my , manteniendo constante, mr . Esto supone disminuir
proporcionalmente los diferenciales salariales individuales, para a continuación
comprobar si todavía se mantiene la relación de dominancia inicial. Si es así, podremos
repetir el ejercicio hasta estimar el intervalo máximo (calculado sobre los niveles
salariales de B) para el cual la distribución A sigue presentando menores niveles de
discriminación. Lo que constituye una forma de cuantificar la robustez e intensidad del
resultado original, sin necesidad de acudir a índices completos de discriminación.
2.4.3 Índices completos consistentes con el criterio de dominancia en
discriminación
Dado que el criterio de dominancia no siempre podrá ofrecer resultados concluyentes en
el trabajo empírico (al producirse cruces entre las curvas de discriminación estimadas),
es útil desarrollar analíticamente algunos de los índices pertenecientes a d*. De entre los
muchos aspirantes, estamos interesados en aquellos que además de las anteriores,
(1998). Jenkins (1994) lo aplicó por primera vez al estudio de la discriminación salarial, definiendo ésta como la diferencia en valor absoluto de los salarios estimados con y sin discriminación. 72 Concretamente nos estamos refiriendo a sus teoremas 4 y 5.
78
verifiquen alguna otra propiedad adicional que resulte de especial interés en el estudio
empírico de la discriminación, como por ejemplo, la descomponibilidad:
Descomponibilidad. Consideremos una partición exhaustiva en xm, donde n1 + n2
+ ...+
ns = n indican los respectivos tamaños de las s subpoblaciones xm
(1), xm(2), ..., xm
(s).
Decimos que un índice de discriminación, d, es descomponible si:
∑==
⎟⎟⎠
⎞⎜⎜⎝
⎛sxdn
inxd
i
imm
1
)( )( )( .
Esta propiedad asume como deseable una medición de la discriminación nítidamente
descomponible entre subpoblaciones, siendo las ponderaciones los tamaños respectivos
de las mismas. No se trata de un criterio normativo unánimemente aceptado en el campo
de la pobreza, donde autores tan destacados como Sen defienden que la pobreza de un
grupo no puede considerarse independiente de la existente en los demás. Ésta es una
crítica seria a nuestras pretensiones. Sin embargo, la utilidad práctica de esta propiedad
es enorme a la hora de realizar descomposiciones por grupos, y permitir atribuir a cada
uno su responsabilidad en el nivel de discriminación global. Esto supone poder abordar
el estudio de la discriminación por subgrupos de trabajadoras no sólo según su nivel
salarial (como proponían las estimaciones cuantílicas, ya comentadas), sino a través de
cualquier otra variable que se considere de interés en la explicación del fenómeno
discriminatorio, como por ejemplo el nivel de estudios de la trabajadora, su edad, o su
lugar de residencia.
En su trabajo, Jenkins (1994) propuso diferentes familias de índices agregados de
discriminación. Convenientemente redefinidos sobre xm, y no sobre |ˆˆ| mm yr − como
originalmente fueron expuestos, la principal diferencia con lo aquí defendido se sitúa en
la discusión planteada sobre la conveniencia o no de exigirles el principio de
transferencias. En este debate Jenkins parece decantarse por la utilización de índices
que no verifiquen este axioma.73 De hecho, la familia de índices descomponibles que
73 Aunque ofrece desarrollos y resultados teóricos para ambos tipos de propuestas a partir de diferentes familias de índices absolutamente flexibles, que verifican esta propiedad o no según el signo y el valor que tome el parámetro correspondiente.
79
recomienda y utiliza en su aplicación empírica, αJ , es una función cóncava del nivel
relativo de discriminación individual respecto del salario medio:
∑∑∈
−
∈
− −=−=mi
iimi
ii ddJ ααα ωω 1)1 (
donde miii ryrd /|ˆˆ |1 −+= es la diferencia salarial normalizada, ( )mii yny /ˆ=ω es el
porcentaje de masa salarial del individuo i, y 0>α , es un parámetro que recoge la
aversión a la discriminación del índice: cuanto mayor sea el valor del parámetro más
peso tendrán las diferencias salariales de mayor tamaño. Obsérvese que la concavidad
de esta función garantiza a estos índices propiedades tan deseables como el estar
acotados entre 0 y 1.74 Sin embargo, esta propiedad también implica que cuanto más
equitativamente esté distribuida la discriminación mayor será el valor del índice, y al
revés: dada una diferencia salarial agregada constante, la concentración progresiva de la
experiencia discriminatoria en pocas mujeres significa reducciones en los niveles de
discriminación. Con lo que se está penalizando la equidad en su reparto.
“Munroe (1988, p. 22) has argued in favour of F being convex [d = F(dm)]: ‘the penalty attached to discrimination should increase as the extent of discrimination rises’. I am not wholly convinced by his argument, since a given marginal increase in a wage gap corresponds to a smaller proportionate increase for large wage gaps than for small ones, and therefore perhaps deserves a smaller penalty” [Jenkins (1994), pp. 90].
En este punto Jenkins no parece del todo consecuente con su planteamiento inicial: el
carácter individual de la discriminación, la relevancia de sus aspectos distributivos, y
sus similitudes con la pobreza hacen del principio de transferencias una propiedad
deseable en cualquier índice que pretenda medir la discriminación.
Teniendo en cuenta todo lo anterior, consideramos que tal vez no sea necesario definir
nuevos índices de discriminación, como propone Jenkins, sino sencillamente asomarnos
a la literatura de pobreza y aplicar aquellos que mejores propiedades normativas
74 Representando cada uno de estos límites la mínima y la máxima discriminación posible, respectivamente.
80
verifiquen.75 Así, la familia de índices propuestos por Foster, Greer y Thorbecke (1984),
para valores del parámetro mayores que 1, cumple a la perfección con nuestras
exigencias. En una versión absoluta adaptada a la medición de la discriminación esto
significaría:
1 , )( 1)(*
1>∑=
=⎟⎟⎠
⎞⎜⎜⎝
⎛ ααα
k
iimm xnxd
donde k* nuevamente representa el número de mujeres discriminadas, y α el parámetro
de aversión a la discriminación. Es sobradamente conocido que * dd ∈α , siendo
además aditivamente descomponible.76
2.4.4 Discriminación absoluta versus discriminación relativa
Una cuestión adicional sería preguntarse por el interés de realizar cuantificaciones de la
discriminación en términos relativos, y no sólo absolutos. Como hemos visto, αJ está
definido sobre la diferencia salarial relativa a la media, lo que garantiza que es
invariante ante cambios proporcionales en todos los salarios estimados. Ésta parece una
propiedad atractiva. En nuestro caso, para verificarla tendríamos que definir nuevos
índices, αdr , que fuesen función del vector del gap salarial normalizado sobre el
salario medio estimado sin discriminación,77 como por ejemplo:
∑⎟⎠⎞
⎜⎝⎛=
=
*
1)/( 1)/(
kim
immm rx
nrxdr α
α
Y definir, )/( mm rxΓ , tal que:78
75 En Zheng (1997 y 2000) se puede encontrar una recopilación de los principales índices de pobreza, y de los teoremas que los relacionan con los órdenes de pobreza basados en perfiles de privación. 76 La utilización de otros índices de pobreza, también ampliamente refrendados en la literatura, como el de Thon (1979) o el de Sen (1976), representan posibles extensiones al campo de la discriminación de índices que atienden a otro conjunto de propiedades normativas igualmente interesantes. En este sentido consideramos especialmente atractivo el papel que podría jugar en el campo de la discriminación los índices tipo Dalton de Hagenaars (1987), definidos a partir de funciones de bienestar social y que cuantifican el nivel de pobreza en función de la pérdida de bienestar social ocasionada por su existencia. 77 Otra posibilidad sería utilizar el salario medio estimado con discriminación, my . 78 De forma similar a como Jenkins y Lambert (1997) construyen el vector de gaps de pobreza normalizados.
81
⎪⎭
⎪⎬⎫
⎪⎩
⎪⎨⎧
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛ −=
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛Γ 0 ,
ˆˆ max
mr
yr
mrmx ii mm
i
Para garantizar que este índice hereda las propiedades que el teorema anterior otorgaba
a )( mxdα es preciso ser consistentes y redefinir las curvas de discriminación sobre el
vector Γ , reformulando el criterio de dominancia y el enunciado del teorema en los
nuevos términos.79 Así, la Curva de Discriminación Normalizada, );( pD Γ , que
conserva las mismas propiedades gráficas que );( pgD , se calcularía como:
∑ =Γ
=Γ ki
in
pD 1);(
una vez que los elementos de Γ han sido ordenados de mayor a menor discriminación
salarial relativa: nΓ≥≥Γ≥Γ ...21 .
Definición de dominancia en discriminación normalizada. Dados dos vectores de
discriminación normalizados, Γ 1 y Γ 2, diremos que:
Γ 1 domina en discriminación a Γ 2 si
21 Γ≠Γ y );();( 21 pDpD Γ≤Γ para todo [ ]1,0∈p
Quedando el teorema de dominancia para el caso relativo expresado como sigue:
Teorema (caso relativo): Para cualquier par de distribuciones de discriminación normalizadas, Γ 1 y Γ 2, se
verifica que,
Γ 1 domina en discriminación a Γ 2
⇔
79 Aspecto éste que pasó desapercibido a Jenkins (1994), y que supone una inconsistencia en la interpretación que hace de sus resultados 1 y 2, al ponerlos en relación con los índices αJ y vR .
82
)/( 1mm rxd < )/( 2
mm rxd para todo *(·) drd ∈
siendo dr*(·) el conjunto de índices de discriminación que satisfacen los axiomas
mencionados en )/( mm rxΓ .
En la comparación de distribuciones en las que el salario medio estimado en ausencia de
discriminación sea el mismo, las ordenaciones que se obtengan a partir de índices
relativos no presentarán diferencias con el caso absoluto. Las discrepancias se mostrarán
cuando las medias no coincidan. En este caso, trabajar en términos relativos significa
comparar niveles de discriminación individuales expresados en términos proporcionales
a sus respectivas medias, lo que supone obviar las diferencias de nivel existentes entre
las situaciones objeto de estudio.80
Otra posibilidad a la hora de relativizar el estudio de la discriminación salarial sería
normalizar la diferencia salarial de cada trabajadora individualizadamente, dividiéndolo
por el salario que percibiría en ausencia de discriminación:
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛=
−
i
ii
m
mmr
yrv im
ˆ
ˆˆ
De esta forma, a la hora de normalizar el gap salarial lo relevante no es la referencia
promedio, sino la discriminación máxima que podría sufrir cada una de las trabajadoras.
Así, vmi cuantifica la proporción que representa la diferencia salarial de la trabajadora i
respecto de la peor situación posible a la que se enfrenta (esto es, cuando su salario
fuese igual a 0). Obsérvese que el teorema anterior es nuevamente aplicable a este caso,
sin más que redefinir los índices, los perfiles de discriminación y las relaciones de
dominancia en función de vm , en lugar de )/( mm rx .81
80 Diferencias que, sin embargo, son de vital importancia en los resultados que se obtengan en el caso absoluto. 81 El papel jugado por imr en este tipo de normalización es similar al desempeñado por las líneas de pobreza en la literatura de privación. Así, relativizar la brecha salarial de forma individual, dividiendo por
imr , se asemeja a la construcción de gaps de pobreza relativos a partir de la estimación de líneas de pobreza específicas para cada hogar en función de sus necesidades (tamaño, composición, lugar de residencia...); frente a la alternativa de hacer primero equivalentes las rentas de los distintos hogares,
83
2.5 Aplicación empírica: estimaciones de la distribución de la
discriminación salarial para el caso español
En este apartado pretendemos ilustrar las ventajas de este enfoque a partir del estudio de
la discriminación salarial por razón de género en el caso español.82 Para ello
compararemos los niveles de discriminación agregada que se obtienen a partir de dos
estimaciones alternativas de las ecuaciones salariales: mediante regresiones MCO y
regresiones cuantílicas, respectivamente. Así, en la Tabla A1 del apéndice se muestran
los coeficientes estimados por ambos tipos de regresiones para las ecuaciones salariales
de hombres y mujeres. La variable dependiente es el logaritmo del salario por hora, y
como variables explicativas se han incluido la mayoría de las que se han venido
utilizando en la literatura y que están disponibles en nuestra base de datos: los años de
antigüedad en la misma empresa, la experiencia potencial83, el nivel educativo, la
comunidad autónoma de residencia, el tipo de duración del contrato, la ocupación según
la CNO-94 a un dígito, el tamaño de la empresa, el tipo de convenio, la forma de
propiedad de la empresa y el mercado al que principalmente se dirige.84 Las regresiones
salariales muestran, en general, unos resultados consistentes con la evidencia empírica
existente, poniendo de manifiesto en qué medida el mercado retribuye las características
de los asalariados de forma diferenciada según su sexo.
mediante la utilización de escalas de equivalencia, para posteriormente elegir la línea de pobreza común con la que normalizar los gaps de pobreza de todos ellos. 82 Para ello utilizaremos la Encuesta de Estructura Salarial elaborada por el Instituto Nacional de Estadística (INE) en 1995. Como ya mencionamos en el capítulo anterior, esta encuesta incluye a todos los trabajadores por cuenta ajena que prestaban sus servicios en centros de 10 o más trabajadores y figuraban en nómina el 31 de Octubre de 1995. Excluye a todo aquel personal cuya remuneración no sea principalmente en forma de salario, sino por comisiones o beneficios. Y abarca a la Industria, la Construcción y los Servicios, excluyendo al Sector Agrícola, las Administraciones Públicas, la Sanidad, la Educación y algunas otras actividades de menor importancia. 83 Suponiendo que el trabajador estuvo empleado desde que abandonó los estudios. Esto es, a su edad le restamos los años potenciales de educación incrementados en 6 años. Se utiliza la experiencia potencial porque, como es habitual, no disponemos de la experiencia real. 84 No es posible tener en cuenta, sin embargo, algunas características personales que se podrían utilizar como variables de control, como el estado civil o la presencia de hijos pequeños en el hogar. La base de datos tampoco nos permite corregir por el sesgo de selección.
84
Con esta información estamos en condiciones de construir distribuciones salariales de
las mujeres trabajadoras, estimadas con y sin discriminación (a las que denotaremos por
my y mr en el caso MCO, y qmy y q
mr en el caso cuantílico). Estas últimas se obtienen
asignando a cada trabajadora los coeficientes estimados en la correspondiente regresión
cuantílica, q, de mujeres y hombres, que minimiza la distancia en términos absolutos
entre qmi
y y su salario observado, imy . Así, a cada mujer le asignamos el salario
estimado que más se aproxima a su salario real y la comparamos con el salario estimado
del varón más parecido a ella (tanto en sus dotaciones como en su posición relativa en
sus respectivas distribuciones salariales condicionadas, tal y como se muestra en el
Gráfico 6). El objetivo es comprobar si las regresiones cuantílicas permiten mejorar la
estimación del gap salarial individual frente a las estimaciones clásicas. 85
En la Tabla A2 del apéndice se muestran algunos estadísticos descriptivos, y en las
Figuras 1a, 1b, 2a y 2b, las estimaciones mediante kernels de las funciones de densidad
85 Obviamente se trata de una asignación ad hoc que tal vez esté forzando la interpretación de este tipo de estimadores, pero el objetivo es comprobar en qué medida las regresiones cuantílicas y las MCO presentan diferencias, no sólo porque los puntos de la distribución donde son evaluadas son distintos, sino porque la discriminación agregada misma que se obtiene a partir de sus estimaciones también lo es.
hhZ β
mmZ β
Zm1 Zm2 Zm3 Zm4
10ˆmmZ β
90ˆmmZ β
90ˆhhZ β
10hhZ β
Z mZ
)ln( my
)ln( my
Gráfico 6
)ˆln( mr
85
no paramétricas de los salarios y de las brechas salariales obtenidas a partir de ambos
modelos. En primer lugar, es importante destacar cómo la distribución salarial
cuantílica, qmy , permite una mejor predicción del salario medio observado de las
mujeres que la distribución MCO, my , presentando además mayores niveles de
dispersión. Este resultado se deriva de un ajuste más preciso a la distribución salarial
real, mientras que la regresión a la media es incapaz de recoger las colas de la
distribución original, lo que le otorga una forma bimodal alejada de la realidad. Esta
mayor dispersión cuantílica también se verifica en las brechas salariales, donde las
diferencias con las estimaciones MCO son notables si la discriminación la medimos en
términos absolutos, aunque de menor cuantía si utilizamos las brechas relativas vmi
(donde la normalización se realiza en función de imr ).
Fig. 1.b Observed and predicted wage with and without discrimination (QR)
0
0.0005
0.001
0 1000 2000 3000 4000 5000
w age
Den
sity
Fig. 1.a Observed and predicted wage w ith and without discrimination (OLS)
0
0.0005
0.001
0 1000 2000 3000 4000 5000
w age
Den
sity
86
Fig. 2.b Relative wage gap
0
1
2
3
4
5
6
-0.1 0.0 0.1 0.2 0.3 0.4 0.5
Gap
Den
sity
Fig. 2.a Wage gap
0
0.001
0.002
0.003
-500 0 500 1000 1500
Gap
Den
sity
Para poder comparar los niveles de discriminación capturados por ambos
procedimientos desde un punto de vista normativo estimamos, a continuación, las
curvas de discriminación absolutas y normalizadas que se presentan en las Figuras 3a y
3b, donde se puede observar la dominancia en discriminación de los salarios MCO
frente a los cuantílicos.
Esto significa que para todos los índices de discriminación (absolutos y relativos) que
cumplan con los axiomas propuestos, los niveles de discriminación detectados por las
regresiones cuantílicas son superiores a los obtenidos a partir de regresiones a la
Fig. 3.a Curvas de discriminación absolutas
0
100
200
300
400
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1Proporción de población
Fig. 3.b Curvas de discriminación normalizadas
0
0,1
0,2
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1Proporción de población
87
media.86 Esto se comprueba en la Tabla 1 en la que se presentan los valores de
diferentes índices de discriminación que reproducen el resultado anterior.87
Tabla 1. Indices de Discriminación
Discriminación Absoluta Discriminación RelativaMCO RC MCO RC
d α=0 0,9988 0,9962 dr α=0 0,9988 0,9962d α=1 315,11 319,61 dr α=1 0,208 0,209d α=2 136.000 166.000 dr α=2 0,049 0,050d α=3 8,E+07 1,E+08 dr α=3 0,012 0,013d α=4 7,E+10 2,E+11 dr α=4 0,003 0,004
Si estuviésemos interesados en profundizar en los aspectos distributivos de este
fenómeno podríamos estimar las curvas de discriminación absolutas de cada una de las
decilas, tal y como se presenta en las Figuras 4a y 4b. Como se puede observar, la
discriminación absoluta aumenta claramente a medida que aumenta el nivel salarial de
las mujeres (tanto en las estimaciones MCO como en las cuantílicas). Sin embargo, en
términos relativos el resultado no es unívoco, decila a decila, al producirse un
importante número de cruces entre las curvas de discriminación normalizadas. En
cualquier caso, sí parece detectarse un mayor porcentaje de discriminación en las
primeras decilas respecto a las últimas.
Fig. 4a. Absolute Discrimination Curves by deciles OLS
0
100
200
300
400
500
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Population share
10
23
45
678
9
1
Fig. 4b. Absolute Discrimination Curves by deciles QR
0
100
200
300
400
500
600
700
800
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Population share
10
234567
8
9
1
86 A la hora de comparar estos resultados con los obtenidos en trabajos previos, obsérvese que nuestra noción de discriminación relativa se construye normalizando la discriminación salarial de cada trabajadora con su salario estimado sin discriminación, y no con la brecha salarial total, como es frecuente en este tipo de literatura. 87 A efectos ilustrativos, y a pesar de que no verifican todas las propiedades mencionadas, en la tabla 1 también se presentan otros dos índices: el porcentaje de mujeres discriminadas, q, que permite cuantificar la incidencia de la discriminación en la población de mujeres trabajadoras (y que en ambos casos supera el 99 por ciento), y los índices d y dr para un valor de parámetro igual a la unidad.
88
En el caso relativo, para poder llegar a una conclusión más explícita (aunque menos
robusta y condicionada al índice utilizado) deberíamos acudir a índices relativos que
fuesen descomponibles. En las Figuras 5 y 6 se presenta el peso que en la
discriminación total tiene cada una de las decilas, y de los distintos grupos de
trabajadoras clasificadas por niveles educativos, utilizando el índice dr2.88 En esta
ocasión presentamos el riesgo de discriminación de cada grupo, dividiendo su nivel de
discriminación entre la discriminación total. Esto supone que aquellos grupos con un
riesgo superior a la unidad presentan niveles de discriminación por encima de la media,
y viceversa. En el caso de la partición por decilas en ambas estimaciones se detecta una
ligera disminución en los niveles de discriminación a medida que aumentamos el nivel
salarial de las mujeres, con un pequeño repunte en la última decila, siendo claramente la
primera decila la que presenta los mayores niveles de discriminación relativa. Por el
contrario, la variable educativa refleja una caída mucho más acusada si comparamos los
niveles de discriminación entre las mujeres sin estudios y aquéllas que alcanzaron al
menos el bachillerato.
Siguiendo a Dolado y Llorens (2004) nos preguntamos si la combinación de ambas
variables nos permitiría afinar un poco más el resultado. Así, en las Figuras 7a y 7b se
separa a las mujeres con estudios universitarios del resto, y para cada uno de los dos
grupos se analiza el riesgo de discriminación en cada una de sus propias decilas. Dado
que el grupo de no universitarias representa a la inmensa mayoría de las mujeres, su
88 Normalizando, nuevamente, la brecha salarial de cada trabajadora en función de su propio salario sin discriminación.
Fig. 5. Discriminación relativa por decilas (dr α=2)(normalizado con la discriminación media)
0
0.5
1
1.5
2
1 2 3 4 5 6 7 8 9 10Decilas de salarios observados (yf)
OLS QR
Fig. 6. Discriminación relativa por educación (dr α=2) (normalizado con la discriminación media)
0
0.5
1
1.5
2
Sin estudios EGB BUP/COU FP1 FP2 Diplomatura Superior
Nivel educativo
OLS QR
89
comportamiento no presenta diferencias destacables en relación con la partición por
decilas en la población total (salvo si nos fijamos en la última decila que ahora ya no
rompe la tendencia decreciente mencionada). Sin embargo, entre las mujeres con
titulación universitaria el riesgo de discriminación relativo aumenta progresivamente a
medida que ascendemos en el nivel salarial (haciéndolo de forma mucho más acusada
en la estimación cuantílica). Lo que parece estar reflejando que, entre las trabajadoras
más cualificadas, aquéllas con salarios más elevados soportan los mayores niveles de
discriminación relativa. En cualquier caso, su discriminación alcanza niveles claramente
inferiores a los existentes en el otro extremo de la distribución, en el que se encuentran
las mujeres sin estudios y con menores salarios.
Así, mientras parece identificarse un fenómeno de suelos pegajosos entre el numeroso
grupo de mujeres con menor nivel educativo y menores salarios, también parecen
detectarse problemáticas asociadas a los conocidos techos de cristal, entre el minoritario
grupo de mujeres con estudios universitarios y mayores niveles salariales.
2.6 Aplicación empírica: efectos de la discriminación salarial en los
niveles de pobreza en el caso español
Contar con procedimientos de estimación de la distribución completa de la
discriminación salarial nos permite dar un paso más en el conocimiento de su influencia
en los niveles de pobreza existentes. Ya que disponemos de una estimación de la
Fig. 7.a. Discriminación relativa por decilas (drα=2) Mujeres sin estudios universitarios
(normalizado con la discriminación media total)
0.00.20.40.60.81.01.21.41.6
1 2 3 4 5 6 7 8 9 10Decilas de salarios observados (yf)
OLS QR
Fig. 7.b. Discriminación relativa por decilas (drα=2)Mujeres con estudios universitarios
(normalizado con la discriminación media total)
0.00.20.40.60.81.01.21.41.6
1 2 3 4 5 6 7 8 9 10Decilas de salarios observados (yf)
OLS QR
90
discriminación experimentada por cada mujer trabajadora, nos preguntamos si sería
posible asociar esta información salarial con la renta del hogar al que pertenece, y
estudiar cómo ese total se vería modificado si le añadiésemos el nivel de discriminación
padecido por cada una de las trabajadoras. De esta forma conoceríamos tanto el nivel de
ingreso real del hogar (ingreso con discriminación), como el que presentaría en un
hipotético mundo en el que las mujeres fuesen retribuidas según lo son los varones
(ingreso estimado sin discriminación). Hecho esto, estaríamos en condiciones de
comparar los niveles de pobreza y desigualdad existentes en ambas distribuciones y
comprobar cuál es el efecto de la discriminación sobre la pobreza en España, tanto en la
sociedad en su conjunto (teniendo en cuenta a todos lo hogares) como en diferentes
colectivos analizados por separado (hogares en los que haya al menos una mujer
trabajadora, hogares monoparentales, hogares con niños pequeños, etc.)
Para ello necesitamos una fuente estadística microeconómica que nos permita estimar la
discriminación salarial, y que a la vez nos informe del nivel de ingresos de todos los
miembros del hogar. Es por eso que para este ejercicio no podemos seguir utilizando la
Encuesta de Estructura Salarial (empleada hasta el momento) sino que tenemos que
recurrir al Panel de Hogares de la Unión Europea (PHOGUE) elaborado por la Oficina
Estadística de la Unión Europea (Eurostat) al coordinar a las Oficinas Estadísticas de los
países miembros de la Unión (en nuestro caso el Instituto Nacional de Estadística,
INE). La información relativa al caso español permite contar con una rica información
socioeconómica y demográfica de los hogares, imprescindible tanto para estimar las
ecuaciones salariales y de participación de hombres y mujeres (necesaria para eliminar
el sesgo de selección existente en la muestra de trabajadores, sobre todo en éste segundo
caso, al existir todavía un porcentaje importante de mujeres no incorporadas al mercado
laboral), como para conocer la renta total de los hogares. Así, en este capítulo la fuente
de datos utilizada serán sus datos transversales para España correspondientes al año
2001, último año en el que se elaboró dicha encuesta.
El primer paso para cuantificar los efectos distributivos de la discriminación salarial
consiste en la estimación de la brecha salarial no explicada para cada mujer trabajadora.
La Tabla A3 del Apéndice contiene las estimaciones de las ecuaciones de salarios para
91
hombres y mujeres, cuyos coeficientes presentan los signos esperados.89 En ambos
casos se han estimado por separado las ecuaciones para el sector público y privado, ante
la evidencia de notables diferencias en el comportamiento de ambos mercados.
Asimismo, se ofrecen dos modelos alternativos según el alcance de la noción de
discriminación que se desee analizar. En el modelo B sólo se considera la
discriminación salarial directa, mientras que en el A también se recoge el efecto que
sobre los salarios pueda ocasionar la segregación ocupacional vertical existente entre
hombres y mujeres.90 Con las estimaciones que nos proporcionan ambos modelos
construimos a continuación las dos distribuciones del salario potencial (sin
discriminación) de las mujeres.
2.6.1 La distribución del salario estimado sin discriminación
La Tabla 1 compara las medias salariales sin discriminación con los salarios medios
observados y estimados para hombres y mujeres según ambos modelos, expresados
todos ellos en salario/hora. Como era de esperar, en la primera columna se observa que
el modelo que incorpora el efecto de la segregación en el cálculo de la discriminación,
modelo A, detecta mayores niveles de discriminación que el modelo B, donde las
diferencias salariales asociadas a diferentes tipos de ocupaciones no son tenidas en
cuenta. Así, en el primer caso la discriminación salarial media sería de 310 ptas.
salario/hora frente a las 194 ptas. estimadas en el modelo B. Esto significa que, en
media, la discriminación salarial relativa representaría entre un 26 y un 41 por ciento del
salario medio observado de las trabajadoras, y que como mínimo afectaría a un 87 por
ciento de las mismas. Estas cifras, sin embargo, esconden importantes diferencias según
analicemos a las trabajadoras del sector público o del privado (columnas 2 y 3). Así,
mientras en éste último caso al menos un 96 por ciento de las mujeres sufrirían algún
grado de discriminación en su remuneración, en el sector público este porcentaje
89 Previamente se han estimado las ecuaciones de participación de hombres y mujeres para eliminar el posible sesgo de selección existente en la muestra de trabajadores, sobre todo en el caso femenino donde un porcentaje importante de mujeres no están incorporadas al mercado laboral. 90 Esta diferencia se debe a que en las ecuaciones salariales del modelo A no se incluyen variables de ocupación, sector o tipo de contrato, por lo que las diferencias salariales ocasionadas por estas características probablemente se incorporen en nuestras estimaciones de discriminación. En el modelo B, sin embargo, el efecto de la segregación sobre los salarios es en buena medida eliminado al contar con un mayor número de variables explicativas, por lo que sus estimaciones sólo recogerán la discriminación salarial en su definición más restringida.
92
desciende a cerca del 60 por ciento, siendo además la intensidad de la misma de mucha
menor cuantía (no sobrepasando, en media, el 8 por ciento del salario observado).91
Tabla 1. Salarios medios y discriminación salarial
Sector Privado Sector Público MUJERES Todas
Sector Privado
Sector Público
No Univ Univ No Univ Univ No Univ Univ
Salario por hora: Observado 1.046 914 1.440 830 1.293 792 1.108 1.066 1.598Estimad con discriminac (B) 1.073 901 1.591 851 1.328 783 1.087 1.274 1.725 con discriminac (A) 1.016 825 1.585 787 1.277 706 1.013 1.285 1.710 sin discriminac (B) 1.268 1.146 1.633 1.076 1.488 1.031 1.327 1.353 1.752 sin discriminac (A) 1.326 1.219 1.643 1.170 1.503 1.133 1.356 1.401 1.745Horas trabajadas a la semana 37,4 37,7 36,4 37,6 37,2 37,8 37,6 36,3 36,4 HOMBRES Salario por hora: Observado 1.183 1.118 1.490 1.039 1.508 1.021 1.399 1.174 1.755 Estimado (B) 1.280 1.209 1.617 1.141 1.593 1.119 1.469 1.313 1.872 Estimado (A) 1.302 1.225 1.669 1.167 1.606 1.138 1.473 1.388 1.906Horas trabajadas a la semana 42,5 43,0 39,8 42,9 41,4 43,4 41,9 39,3 40,3 DISCRIMINACIÓN SALARIAL Discriminación con modelo B (salario hora): Brecha Absoluta 194 245 43 225 160 248 240 79 27 relativa (/estim sin dis) 16,8 21,7 2,2 21,0 12,0 23,9 18,2 3,0 1,8 relativa (/observado) 26,2 32,8 6,7 32,0 19,6 35,7 28,2 9,3 5,6% mujeres discriminadas 87,1 96,2 60,2 93,3 80,2 98,6 92,2 60,0 60,2Discriminación con modelo A (salario hora): Brecha absoluta 310 394 59 383 226 427 342 116 35 relativa (/estim sin dis) 25,5 32,8 3,8 33,4 16,6 37,5 25,3 7,6 2,2 relativa (/observado) 41,5 52,6 8,1 55,0 26,0 61,6 38,4 13,9 5,7% mujeres discriminadas 89,3 100,0 57,4 95,3 82,5 100,0 100,0 66,4 53,7
Fuente: Elaboración propia a partir del PHOGUE (España), 2001. Valores monetarios expresados en pesetas de 2001.
La Figura 1 presenta la distribución de la discriminación salarial estimada según el
modelo A, en relación con la población de mujeres una vez que éstas han sido
ordenadas de menor a mayor salario/hora observado, y clasificadas por decilas.92
91 También merece la pena destacarse que, en media, las trabajadoras con título universitario son las que experimentan menores niveles de discriminación salarial en relación a su salario, tanto en el sector público como en el privado, según se observa en las columnas 4 a 9 de la Tabla 1. Obsérvese que este resultado promedio no es contradictorio con la posible existencia de techos de cristal dentro de este colectivo. 92 La discriminación se expresa en términos relativos, y se calcula como el porcentaje que representa respecto del salario observado da cada trabajadora.
93
Figura 1. Discriminación salarial por decilas de salario/hora observado (% salario observado)
(Modelo A)
-10
0
10
20
30
40
50
60
70
80
90
100
1 2 3 4 5 6 7 8 9 10
Decila de salario hora observado
%
Todas SPv SPb No Univ Univ
Se comprueba que cuanto mayor es el nivel de ingresos de las mujeres menor es la
discriminación respecto al salario percibido.93 Esta tendencia decreciente con el nivel de
ingresos no es sorprendente, ya que estamos evaluando la discriminación en términos
relativos al salario observado, lo que sí es llamativo es la magnitud de las diferencias
entre decilas, que pasan de una discriminación de un 84 por ciento en la primera decila a
sólo un 6 por ciento en la última.94 Por otro lado, también resulta evidente que son las
trabajadoras del sector público las que presentan menores niveles de discriminación en
todos los ingresos, llegando incluso a niveles muy próximos a cero o negativos en las
cinco últimas decilas. De lo que se deduce que su reducido nivel de discriminación
medio sería prácticamente cero si no fuese por el comportamiento de sus cinco primeras
decilas, sobre todo de las dos primeras con niveles que superan el 15 por ciento en el
modelo A. En cualquier caso, estos valores se encuentran a gran distancia de los
padecidos por las trabajadoras del sector privado con menores salarios observados.
2.6.2 La distribución de la renta de los hogares estimada sin discriminación
En nuestro objetivo de conocer los efectos distributivos de la discriminación salarial
sobre la población total, necesitamos construir la distribución de la renta potencial de
los hogares y compararla con la realmente declarada por los mismos. La Tabla 2
muestra la renta media de los hogares, la renta media equivalente (ajustada por la raíz
93 El modelo B presenta una tendencia similar, aunque a partir de niveles inferiores.
94
cuadrada del número de miembros del hogar), y la renta salarial media aportada por las
mujeres a la renta total del hogar, calculadas con y sin discriminación. Estas
estimaciones se presentan tanto para la población total de hogares como sólo para
aquellos con al menos una mujer asalariada, esto es, aquéllos que realmente se pueden
ver afectados por la discriminación salarial de género.95
Tabla 2. Ingresos mensuales medios de los hogares
Renta con Discm
(Observada)
Sin Discrm
(B)
Sin Discrm
(A)
Discrm (B)
(2)-(1) % /
Observ
Discrm (A)
(3)-(1) % /
Observ Todos los Hogares: Renta del hogar 277.873 288.822 295.054 10.949 3,9 17.181 6,2 Renta ajustada 166.403 172.967 176.678 6.564 3,9 10.275 6,2 Rentas procedentes de salarios de mujeres 56.693 67.616 75.952 10.922 19,3 19.259 34,0 % medio de renta salarial femenina 16,5 17,6 18,7 Con mujeres trabajando: Renta del hogar 393.125 427.377 446.609 34.253 8,7 53.484 13,6 Renta ajustada 216.090 234.000 244.071 17.910 8,3 27.981 12,9 Rentas procedentes de salarios de mujeres 176.482 210.657 236.433 34.175 19,4 59.951 34,0 % medio de renta salarial femenina 51,4 54,9 58,1
Fuente: Elaboración propia a partir del PHOGUE (España), 2001. Valores monetarios expresados en pesetas de 2001.
Las bajas tasas de participación y los elevados niveles de paro femenino característicos
de nuestro mercado de trabajo explican la escasa cuantía que representan los salarios
femeninos sobre la renta media de todos los hogares: apenas un 16 por ciento de las
rentas observadas (porcentaje que sólo asciende a un 18-19 por ciento cuando
eliminamos el efecto discriminatorio, véanse columnas 1-3). Sin embargo, estas cifras
se elevan a un 51 y a un 55-58 por ciento, respectivamente, cuando sólo consideramos
hogares con mujeres empleadas. Lo que claramente parece refutar la hipótesis del pin
money en el caso español. La importancia de la discriminación salarial se refleja en las
columnas 4-7, donde se observa que ésta representaría entre 4 y un 6 por ciento de la
renta del hogar en la población total, pero entre un 8 y un 14 por ciento si sólo
consideramos la población de hogares con mujeres asalariadas.
Estas cifras medias esconden diferencias importantes si analizamos por separado las
decilas de ingreso en la población de hogares. En las Figuras 3A y 3B se observa que en
94 En el modelo B estos porcentajes son el 46 y el 4 por ciento, respectivamente.
95
la población total de hogares la discriminación, tanto en términos absolutos como
relativos, presenta una tendencia creciente con el nivel de ingresos del hogar.96 Así, a
mayor renta familiar mayor impacto de la discriminación, tanto en pesetas mensuales
como en términos porcentuales a la misma (salvo en las dos últimas decilas),
destacando el escaso impacto de la discriminación en la renta de los hogares con menos
recursos. Este patrón distributivo no parece verificarse, sin embargo, en la población de
hogares con mujeres asalariadas. En este grupo la discriminación salarial parece
repartirse de forma más uniforme por decilas, lo que explica que en términos relativos
su importancia disminuya de manera importante a medida que aumenta el nivel de
ingresos de los hogares.
Figura 3A. Discriminación salarial (absoluta) por decilas de ingreso de los hogares
0
10,000
20,000
30,000
40,000
50,000
60,000
70,000
80,000
1 2 3 4 5 6 7 8 9 10
Decila de ingreso del hogar
Dis
crim
inac
ión
(pta
s.)
Discriminación en todos los hogares Discriminación en hogares con mujeres trabajando
Figura 3B. Discriminación salarial relativa por decilas de ingreso de los hogares (en porcentaje)
0
5
10
15
20
25
30
35
40
1 2 3 4 5 6 7 8 9 10
Decila de ingreso del hogar
% In
gres
os d
e lo
s ho
gare
s
Discriminación en todos los hogares Discriminación en hogares con mujeres trabajando
95 En nuestro caso estos hogares representan al 34 por ciento de la población total. 96 Estas estimaciones se corresponden con el modelo A. Las correspondientes al modelo B no presentan diferencias significativas en cuanto a las tendencias comentadas, aunque sí en cuanto al nivel, tal y como se comentó anteriormente.
96
La explicación a estas diferencias tal vez podamos encontrarla en la relación existente
entre actividad laboral femenina y nivel de ingresos de los hogares. En la Figura 4 se
representa, para cada una de las decilas de hogares en las dos poblaciones de estudio, el
porcentaje de mujeres activas (ocupadas o paradas) en relación con el total de mujeres
pertenecientes a dos subgrupos de edad alternativos: mujeres entre 16-64 años, y entre
25-55 años.97 Por otro lado, en las Figuras 5A y 5B se recogen los porcentajes de
mujeres asalariadas (y, por tanto, susceptibles de padecer discriminación salarial) y las
tasas de paro femeninas, asociadas a cada decila de ingresos del hogar en ambas
poblaciones de hogares.
Figura 4. Tasas de participación de las mujeres por decila de ingreso en ambos tipos de hogares
0102030405060708090
100
1 2 3 4 5 6 7 8 9 10
Decila de ingreso del hogar
%
Todos (25-55) Mujeres trabajando (25-55)Todos (>16) Mujeres trabajando (>16)
Figura 5A. Porcentaje de asalariadas y Tasas de Paro por decila de ingreso en todos los hogares
0102030405060708090
100
1 2 3 4 5 6 7 8 9 10
Decila de ingreso del hogar
%
% Asalariadas (25-55) Tasa de Paro (25-55)Tasa de Paro (>16) % Asalariadas (>16)
97 Con este segundo grupo de edad, más compacto, se pretende eliminar el efecto de cohortes de edad con bajos niveles de participación femenina.
97
Figura 5B. Porcentaje de asalariadas y Tasas de Paro por decila de ingreso en hogares con mujeres trabajando
0102030405060708090
100
1 2 3 4 5 6 7 8 9 10
Decila de ingreso del hogar
%
% Asalariadas (25-55) Tasa de Paro (25-55)Tasa de Paro (>16) % Asalariadas (>16)
Si nos detenemos primero en la población total, comprobamos que cuanto mayor es la
renta de los hogares mayor es el nivel de participación femenina en el mercado laboral;
mayor es la probabilidad de encontrar mujeres trabajando por cuenta ajena; y menor es
la tasa de paro femenina.98 Y a la inversa, a menor nivel de ingresos del hogar menor
proporción de asalariadas y mayor tasa de desempleo femenino, que alcanza la
alarmante cifra del 70 por ciento entre las mujeres activas que viven en los hogares con
menos recursos. De hecho, en el 10 por ciento de los hogares con mayores ingresos el
porcentaje de mujeres entre 25 y 55 años que tienen empleo alcanza el 80 por ciento,
mientras que en el 10 por ciento de los hogares de la cola baja de la distribución este
porcentaje no supera el 10 por ciento.99 De esta forma, y a pesar de que la
discriminación relativa presenta una tendencia decreciente a medida que aumenta el
salario observado de las mujeres, su importancia relativa aumenta a medida que
aumenta la renta de los hogares. Los escasos niveles de participación y las elevadas
tasas de desempleo femenino existentes en la cola baja de la distribución de rentas
explican este fenómeno.
Sin embargo, cuando sólo consideramos a los hogares que tienen al menos una mujer
asalariada, las tasas de participación femenina y el porcentaje de asalariadas se
mantienen prácticamente constantes y en niveles elevados a lo largo de toda la
distribución, independientemente del nivel de ingresos del hogar. Esto explica que la
98 Esto contribuye a explicar las enormes diferencias existentes en el porcentaje de hogares con mujeres trabajando según la decila de ingresos de los mismos. 99 Porcentajes calculados respecto del total de mujeres situadas en ese tramo de edad.
98
discriminación salarial en términos absolutos (en pesetas de 2001) no presente grandes
diferencias en su reparto por decilas, mientras que su peso relativo en relación con la
renta de los hogares tenga un claro perfil descendente.
2.6.3 Efectos distributivos de la discriminación salarial por razón de género sobre
la distribución de renta de los hogares
Los efectos de la discriminación salarial sobre la desigualdad y los niveles de pobreza
quedan reflejados en las Tablas 3 y 4, respectivamente. La Tabla 3 incluye estimaciones
del cociente entre percentiles de renta, del índice de Gini, de diferentes miembros de la
familia de índices de entropía generalizada (Theil), y del porcentaje de renta que
acumulan los hogares pertenecientes a cada una de las decilas de ingresos.100
Considerando a toda la población, las dos distribuciones de renta estimadas sin
discriminación parecen ofrecer niveles de desigualdad relativa ligeramente superiores a
los existentes en la distribución observada. Así, el 40 por ciento de la población con
menos recursos acumula una mayor proporción de la renta total en la distribución
observada, y sus índices de desigualdad presentan valores puntuales iguales o inferiores.
Este pequeño incremento en la desigualdad es significativamente distinto de cero para el
índice de Gini y para los dos índices de Theil con menor valor del parámetro de
aversión a la desigualdad (-1 y 0). Probablemente, las menores tasas de participación
femenina en las primeras decilas, los mayores niveles de desempleo, y la mayor
discriminación que en términos relativos experimentan las mujeres y los hogares
situados en las decilas superiores expliquen este resultado, ya que al estimar las
distribuciones sin discriminación estamos compensando en menor medida a los hogares
con menos recursos.
Sin embargo, en la población de hogares con mujeres asalariadas la desigualdad de la
renta disminuye al corregir la discriminación, mejorando la posición relativa de las
primeras decilas. Además, esta reducción es lo suficientemente importante como para
mostrarse significativamente distinta de cero en ambos modelos y para los 5 índices
utilizados. Esto es lógico si tenemos en cuenta que en estos hogares no hay grandes
diferencias en las tasas de participación femenina, independientemente de su nivel de
99
renta, y que la discriminación relativa decrece del 35 al 5 por ciento cuando pasamos de
la primera a la última decila (véase Figura 3B). Todo lo cual es indicio de que, dentro de
este colectivo, las mujeres que en mayor medida sufren discriminación (en relación a los
ingresos de su hogar) son las de menor nivel de renta.
Tabla 3. Indicadores de Desigualdad de los ingresos de los hogares Todos los hogares Hogares con mujeres trabajando
con
discrimn
sin discrimn
(B)
sin discrimn
(A) con
discrimn
sin discrimn
(B)
sin discrimn
(A) p90/p10 4,3 4,4 4,4 3,3 3,1 3,0 p90/p50 2,0 2,0 2,0 1,8 1,8 1,7 p10/p50 0,5 0,5 0,5 0,5 0,6 0,6 p75/p25 2,1 2,2 2,2 1,8 1,8 1,8 p75/p50 1,4 1,4 1,5 1,4 1,4 1,3 p25/p50 0,7 0,7 0,7 0,7 0,8 0,8 Gini 0,312 0,316 0,318 0,262 0,247 0,237 GE(-1) 0,218 0,227 0,233 0,131 0,114 0,103 GE(0) 0,165 0,169 0,172 0,114 0,101 0,092 GE(1) 0,161 0,164 0,165 0,112 0,099 0,091 GE(2) 0,187 0,188 0,187 0,123 0,108 0,099 Decila 1 3,12 3,04 2,99 3,97 4,08 4,37 Decila 2 4,68 4,54 4,48 5,38 5,81 5,87 Decila 3 5,75 5,67 5,66 6,79 6,74 6,93 Decila 4 6,88 6,82 6,77 7,52 7,79 7,84 Decila 5 8,1 8,11 8 8,27 8,63 8,71 Decila 6 9,26 9,3 9,38 9,43 9,39 9,61 Decila 7 10,68 10,84 10,93 10,63 10,7 10,48 Decila 8 12,43 12,55 12,7 12,92 12,34 12,17 Decila 9 15,91 15,44 15,51 14,2 14,54 14,2 Decila 10 23,18 23,69 23,58 20,89 19,97 19,84 Fuente: Elaboración propia a partir del PHOGUE (España), 2001.
En el análisis de los efectos de la discriminación salarial sobre la pobreza, las cuestiones
a destacar son varias. En la Tabla 4 se recogen las estimaciones realizadas para tres
índices: la proporción de hogares pobres (headcount ratio, H), el poverty gap ratio (HI),
y el índice de Foster, Greer y Thorbecke (1984) con valor del parámetro de aversión a la
pobreza igual a 2 (FGT2),101 y en la Figura 6 se ilustra el cambio, en términos absolutos,
experimentado por la proporción de pobres tanto en la población total como en cada uno
de los subgrupos de una partición demográfica considerada de interés (en la Tabla A4
100 En una sociedad perfectamente igualitaria cada decila poseería exactamente el 10 por ciento de la renta total. 101 Para detalles sobre éstos y otros índices habitualmente utilizados en la literatura véase, por ejemplo, Gradín y Del Río (2001).
100
del Apéndice se ofrece la variación porcentual experimentada por los tres índices).
Finalmente, en las Figuras 7, 8 y 9 se dibujan las funciones de densidad de la renta
observada y sin discriminación para diversos colectivos de hogares.
El primer resultado destacable es que la pobreza absoluta disminuye alrededor de un 4
por ciento en la población total de hogares al pasar de la distribución de la renta
observada a la estimada sin discriminación.102 Obsérvese que al utilizar una noción de
pobreza absoluta (el umbral de pobreza se mantiene constante en las comparaciones) la
mejoría en la situación económica en buena parte de hogares con mujeres asalariadas
hace que, como cabría esperar, la pobreza disminuya. Esta reducción es
significativamente distinta de cero, aunque de cuantía modesta ya que, como se ilustra
en la Figura 7, los cambios en la cola baja de la función de densidad apenas afectan a un
pequeño grupo situado muy próximo a la línea de pobreza. Probablemente las causas
nuevamente haya que buscarlas en las bajas tasas de participación femenina existentes
en los hogares con menos recursos.
Tabla 4. Indicadores de Pobreza* con discriminación sin discriminación (B) sin discriminación (A)
%
Pob H HI FGT2 H HI FGT2 H HI FGT2Todos los hogares 100 19,9 5,0 1,9 19,1 4,8 1,9 18,8 4,7 1,8 Hogares con alguna mujer asalariada 34,0 4,5 1,0 0,3 2,5 0,5 0,1 1,7 0,3 0,1 Mujeres 16-65 años 32,7 20,8 5,2 2,0 19,8 5,0 1,9 19,4 4,9 1,9 Niños < 14 años 14,1 27,0 6,8 2,8 26,5 6,6 2,7 26,3 6,5 2,7 Hogares unipersonales: Mujer < 30 años 0,4 16,9 5,8 3,4 11,5 5,4 3,3 11,5 5,4 3,3 Hogares unipersonales: Mujer 30-64 años 1,1 27,2 8,1 3,4 22,2 7,2 3,2 21,8 7,1 3,2 Hogares con 2 adultos - sin niños dependientes – con alguno con 65+ años 9,4 31,1 8,1 2,9 31,0 8,1 2,9 31,0 8,1 2,9 Otros hogares sin niños dependientes 20,6 7,8 1,5 0,5 6,3 1,3 0,5 6,0 1,3 0,5 Hogar monoparental con 1+ niños dependientes 1,1 35,4 14,4 7,5 32,0 11,3 5,9 25,5 9,2 5,3 Hogar con 2 adultos con 1 niño dependiente 6,6 22,0 6,1 2,6 21,2 6,0 2,5 20,9 5,8 2,5 Hogar con 2 adultos con 2 niños dependientes 15,5 23,2 4,8 1,8 22,8 4,7 1,7 22,2 4,6 1,7 Hogar con 2 adultos con 3+ niños dependientes 7,5 38,2 10,1 4,3 37,2 9,8 4,1 38,2 10,0 4,2 Otros hogares con niños dependientes 27,1 12,9 3,4 1,3 12,6 3,3 1,3 12,4 3,3 1,3
Fuente: Elaboración propia a partir del PHOGUE (España), 2001. (*) Valores multiplicados por 100.
102 En ambos casos consideramos pobre a los hogares que no alcanzan el 60 por ciento de la mediana de la distribución de renta observada ajustada. Se ha elegido el 60 por ciento de la mediana como umbral de pobreza por ser el habitualmente utilizado por Eurostat en sus estudios.
101
0 1 2 3 4 5 6 7 8 9 10
All households
Households with working women
Women 16-65
Children < 14
1-person household: Female < 30
1-person household: Female 30-64
2 adults without dependent child with 1-2 with 65+
Other household without dependent children
Single parents with 1+ dependent child
2 adults with 1 dependent child
2 adults with 2 dependent children
2 adults with 3+ dependent children
Other household with dependent children
Figura 6. Efecto de discriminación sobre la Incidencia de la pobreza (H)
H (Modelo B) H (Modelo A)
Por otro lado, el colectivo de hogares con mujeres asalariadas presenta niveles de
pobreza notablemente inferiores a la media nacional, con un 5 por ciento de pobres
frente al 20 por ciento de la población total. En este caso, sin embargo, el efecto de la
discriminación es importante y nuevamente significativo. Así, aproximadamente 1 de
cada 2 hogares pobres superaría la línea de pobreza si descontásemos el efecto de la
discriminación salarial, tal y como se ilustra en la Figura 8.
Figura 7. Densidad de ingresos del hogar: Todos los hogares (Modelo A)
00,10,20,30,40,50,60,70,80,9
0 1 2 3 4 5
con discriminaciónsin discriminaciónlínea de pobreza
102
Figura 8. Densidad de ingresos del hogar:Hogares con mujeres trabajando (Modelo A)
00,10,20,30,40,50,60,70,80,9
0 1 2 3 4 5
con discriminaciónsin discriminaciónlínea de pobreza
En la Tabla 4 también se presentan resultados para una partición de hogares elaborada
según la clasificación económica de EUROSTAT. Obsérvese la situación de los hogares
monoparentales con al menos un menor dependiente (principalmente madres con hijos
pequeños a su cargo y que presentan elevadas tasas de participación laboral). Aunque su
peso demográfico es todavía escaso (apenas un 1,1 por ciento de la población según esta
encuesta) el efecto de la discriminación sobre sus elevados niveles de pobreza es
importante. Así, en este colectivo, donde la pobreza afecta a un 35 por ciento de sus
hogares, ésta se reduciría entre un 10 y un 38 por ciento si descontásemos la
discriminación salarial.103 La Figura 9 ilustra los profundos cambios que se producirían
en la función de densidad de la renta de este colectivo. Se trata por tanto de un grupo
demográfico que, aunque cuantitativamente aún no es muy importante, posee unas
características en el mercado laboral que lo hacen especialmente vulnerable en el
estudio de los efectos de la discriminación salarial.
Otro colectivo igualmente afectado es el de los hogares constituidos por mujeres solas
entre 30 y 64 años. En este caso, la reducción que se produciría en su porcentaje de
pobres superaría el 20 por ciento, siendo en ambos modelos significativa. En el extremo
103 Obsérvese que el headcount se reduce 3,4 puntos porcentuales con el modelo B (sin llegar a ser una reducción estadísticamente significativa), mientras que la diferencia alcanza casi los 10 puntos cuando incorporamos los efectos de la segregación ocupacional existente en este colectivo, modelo A (en este caso la reducción sí es significativamente distinta de cero). Si utilizásemos índices que tuviesen en cuenta no sólo la incidencia de la pobreza sino también aspectos relacionados con la intensidad de la privación o la desigualdad en el reparto de los recursos (como los índices HI y FGT2) la reducción sería todavía mayor: entre un 27 y un 56 por ciento, según el modelo elegido.
103
opuesto se encuentran los hogares constituidos por 2 adultos con 3 o más niños
dependientes, que a pesar de representar al 7,5 por ciento de la población de la encuesta
y de acoger a un 38 por ciento de hogares pobres, no ven reducidos sus niveles de
pobreza. En estos hogares el porcentaje de mujeres asalariadas probablemente sea
reducido, por lo que las políticas tendentes a reducir sus niveles de pobreza deberían
pasar, previamente, por lograr mayores tasas de participación y menores niveles de
paro.
Figura 9. Densidad de ingresos del hogar:Hogares monoparentales (Modelo A)
00,10,20,30,40,50,60,70,80,9
1
0 1 2 3 4 5
con discriminaciónsin discriminaciónlínea de pobreza
2.7 A modo de resumen
En este capítulo se han presentado las ventajas de analizar el problema de la
discriminación salarial desde una perspectiva distributiva, y de considerar la experiencia
discriminatoria de forma individualizada. Para ello se han mostrado las limitaciones
tanto de los procedimientos clásicos (centrados únicamente en la media de la
distribución salarial), como de recientes metodologías distributivas basadas en
regresiones cuantílicas y/o en estimaciones de funciones de distribución salarial
contrafactuales. La aportación teórica se concreta en dos aspectos: 1) se pone de
manifiesto que, en este último caso, la estimación de la discriminación no es precisa al
no tener en cuenta el efecto producido por las reordenaciones que se puedan producir al
pasar de la distribución salarial original a la que existiría si descontásemos los efectos
discriminatorios; y 2) se propone un marco normativo propio en el que encuadrar la
104
medición de la discriminación, ofreciendo diversas mejoras a los procedimientos
desarrollados por Jenkins (1994) que dotan de mayor coherencia a su propuesta frente a
las anteriores, que renuncian expresamente a agregar los niveles de discriminación
individuales.
La aplicación empírica realizada para el caso español permite analizar las diferencias
existentes entre las regresiones MCO y cuantílicas a la hora de cuantificar tanto la
discriminación considerada individualmente como su nivel agregado. De este ejercicio
se deduce que las estimaciones cuantílicas de la distribución salarial permiten una mejor
predicción respecto de la original, y revelan niveles de discriminación agregada
significativamente superiores a los detectados por las técnicas clásicas basadas en
regresiones a la media. No siendo inocua, por tanto, la elección entre una u otra
alternativa desde un punto de vista agregado. Por otro lado, parece claro que la
discriminación absoluta aumenta a medida que aumenta el salario observado de las
mujeres, mientras que, en términos relativos, el resultado no se muestra robusto (salvo
en el caso de las mujeres con salarios más bajos y, en el otro extremo de la distribución,
las que poseen titulación universitaria y salarios más elevados, cuya discriminación
relativa es significativamente superior a la del resto de mujeres).
La medición de los efectos de la discriminación salarial sobre los niveles de pobreza y
desigualdad de la distribución de renta en España constituye la segunda aportación
empírica de este capítulo. Las conclusiones que podemos extraer dependen crucialmente
del universo de hogares objeto de estudio. Así, si tomamos como referencia a la
totalidad de los hogares, la eliminación de la discriminación salarial se traduce en un
pequeño incremento de la desigualdad relativa y en una pequeña reducción de la
pobreza absoluta. Por otro lado, si sólo consideramos sus efectos sobre la población de
hogares directamente afectada por el fenómeno (hogares en los que al menos una mujer
está incorporada al mercado laboral) podemos concluir que tanto la desigualdad relativa
en la distribución de rentas sin discriminación como, sobre todo, la pobreza absoluta
alcanzan niveles mucho más reducidos que los existentes en la distribución de rentas
con discriminación. Estas diferencias, según el universo analizado, se explican por las
reducidas tasas de participación femenina en las decilas más bajas de la distribución de
rentas (ya sea por la escasa participación efectiva en el mercado de trabajo o por la
concentración, en este segmento social, de ocupaciones típicamente femeninas ligadas a
105
la economía sumergida). Así, todo parece indicar que una mayor presencia de estas
mujeres en el mercado de trabajo oficial permitiría reducir en una medida importante los
niveles de pobreza, al margen incluso de los efectos negativos generados por la
discriminación salarial propiamente dicha. En el caso de los hogares monoparentales
con menores a su cargo (donde las tasas de participación femeninas son elevadas) la
existencia de discriminación salarial supone un hándicap añadido a la escasa provisión
de servicios públicos a la infancia. Así, estimamos que alrededor de un 28 por ciento de
estos hogares saldría de la pobreza si el trabajo de sus sustentadoras fuese retribuido de
acuerdo al de los varones. No siendo éste un grupo cuantitativamente importante, sí se
distingue como un colectivo cualitativamente muy vulnerable ante situaciones
discriminatorias en el mercado laboral.
106
SEGUNDA PARTE
LA DURACIÓN DEL DESEMPLEO DE LAS MUJERES
CASADAS EN EL MERCADO DE TRABAJO ESPAÑOL
Mª Soledad Otero - Gema Álvarez - Jacobo de Uña - Raquel Arévalo
Universidade de Vigo
107
El problema del paro en nuestro país es un fenómeno que conlleva una trascendencia
social importante. Una elevada tasa de paro puede deberse a una alta frecuencia del
desempleo y/o a una larga duración del mismo. Este último factor es un elemento clave
a la hora de justificar las elevadas cifras de paro en España. Pero este fenómeno no es el
mismo para toda la sociedad, sino que afecta de manera especialmente acusada a las
mujeres. La tasa de paro en el segundo trimestre del año 2003, según los datos de la
Encuesta de Población Activa (EPA) era del 7,95 % para los hombres y del 15, 79 %
para las mujeres.
Dentro del colectivo femenino, el comportamiento laboral de las mujeres casadas puede
diferir del comportamiento de las demás debido a la posible influencia de la estructura
familiar en la que aquellas se encuentran inmersas. En los términos propuestos por los
modelos de asignación de tiempo, la decisión de oferta de trabajo de una mujer va a
depender del valor de su tiempo dedicado a producir en el mercado de trabajo en
relación al valor de su tiempo dedicado a la producción fuera de él (producción en el
hogar). Así, la productividad de la mujer fuera del mercado de trabajo va a determinar,
en gran medida, su salario de reserva. Cabe pensar que las responsabilidades familiares
de las mujeres casadas son mayores que las del resto de mujeres debido, sobre todo, a la
presencia de hijos que, en la actualidad, todavía siguen naciendo de forma mayoritaria
dentro de la institución del matrimonio. Es de esperar que esta mayor productividad
relativa de las mujeres casadas en el sector hogar afecte de manera positiva a su salario
de reserva, lo que podría contribuir a explicar las menores cifras de paro entre las
mujeres casadas frente a las demás.
Por otra parte, la decisión de oferta de trabajo de la mujer casada también se puede ver
afectada por la actividad laboral de su marido. El contar con el respaldo económico del
marido puede disminuir la presión de la mujer casada en cuanto a la necesidad de
encontrar un empleo. En términos de los modelos de búsqueda de empleo, esto se puede
traducir en una reducción de la intensidad de búsqueda así como en un aumento de la
exigencia de la mujer respecto a las características del empleo que desea encontrar y,
por lo tanto, en una reducción de la probabilidad de aceptación de una oferta dada.
Argumentos de este tipo pueden ayudar a entender por qué entre las mujeres
desempleadas la duración del paro tiende a ser mayor entre aquellas que están casadas.
108
Así, la incidencia del paro de larga duración en el segundo trimestre del 2001 se situaba
en el 44,27 % para las mujeres no casadas y en el 53,64 % para las casadas.
En definitiva, podríamos pensar que las mujeres casadas tienden en menor medida que
las demás a entrar en una situación de paro, puesto que para ellas el coste de
oportunidad de buscar empleo puede ser relativamente superior, dada su mayor
productividad en el sector hogar pero, una vez que lo hacen, tienden a permanecer
durante mas tiempo en dicha situación.
De lo dicho anteriormente, se desprende que en dos de nuestros trabajos analicemos el
tiempo de permanencia en el desempleo para la mujer casada. En nuestro estudio
confrontaremos el caso de España al de las distintas comunidades autónomas.
Realizando el análisis para cada comunidad podremos contrastar si existen diferencias
significativas en el comportamiento de las mujeres paradas en cada una de ellas respecto
a la media española. Nos centraremos en Galicia para resaltar la incidencia que distintos
factores (características de la mujer, el marido y el hogar) puedan tener sobre la
duración del desempleo.
De acuerdo con la definición de parado de la Encuesta de Población Activa (individuo
que busca empleo y que no realiza un trabajo remunerado), la variable de interés en este
estudio es el tiempo que transcurre desde que una mujer casada que no percibe
remuneración por un trabajo empieza a buscar empleo hasta que encuentra trabajo
(transito al empleo) o deja de buscarlo (transito a la inactividad). En relación con esta
variable, que denotamos T, se dispone de una muestra construida a partir de la EPA.
Esta encuesta es realizada trimestralmente en unos 60.000 hogares. De un trimestre a
otro, 1/6 de los hogares es actualizado, mientras que el resto se mantiene. De esta forma,
cada hogar permanece en observación durante un máximo de 6 trimestres. El estudio se
ha llevado a cabo utilizando un pool de 38 paneles en los que se siguen a los individuos
a lo largo de un año y medio. El periodo muestral se extiende desde el segundo trimestre
de 1987 hasta el cuarto trimestre de 1997.
La muestra utilizada en el análisis empírico para España esta constituida por aquellos
periodos de paro (12.179 en total) correspondientes a mujeres casadas que, en el
momento de la primera encuesta, se encontraban en situación de paro laboral. Como una
109
de las preguntas de la EPA tiene que ver con el tiempo que llevan los individuos
buscando empleo, es posible conocer para los casos considerados el instante inicial del
periodo de paro. No ocurre lo mismo con el instante final, ya que algunas mujeres
pueden persistir (y, de hecho, persistirán) en su situación de paro laboral tras los 6
trimestres de seguimiento. Estos casos aportan valores de T censurados por la derecha
(4.746 de los 12.179 casos, esto es, un 39% de censura).
El problema de la censura es bien conocido en el análisis económico de duración. Por
otra parte, el mismo carácter de sección cruzada que tiene la EPA provoca un sesgo en
el muestreo de las duraciones de paro, de tal forma que será mas probable observar un
periodo de desempleo cuanto mayor sea la longitud (o duración) del mismo. En esta
situación, se requiere una corrección de los estimadores al uso, ya que de lo contrario se
sobreestimaría el tiempo de permanencia en el paro. Utilizaremos en el análisis la
metodología no paramétrica introducida recientemente por de Uña-Álvarez (2004a,b), la
cual esta especialmente diseñada para corregir simultáneamente los dos problemas
mencionados anteriormente: censura y sesgo longitudinal.
En el análisis de la duración del desempleo, una función típicamente utilizada es la
función de supervivencia S(t). Esta función representa la probabilidad de que un parado
permanezca más de t unidades de tiempo en su situación de desempleo. Por tanto,
interesa conocer cómo decrece la supervivencia en función del tiempo t. En el contexto
de datos censurados, el estimador habitual de la supervivencia es el de Kaplan-Meier,
definido como
∏≤
⎟⎟⎠
⎞⎜⎜⎝
⎛−=
tt i
i
ind
tS)(
1)(ˆ
En esta fórmula, t(1)< t(2)<...< t(k) denotan los k tiempos distintos en los que n individuos
abandonan el desempleo, di es el número de sujetos que abandonan el paro en tiempo t(i)
y ni es el número de individuos cuyo tiempo de permanencia en el paro (censurado o no)
es mayor o igual que t(i), con 1 ≤ i ≤ k.
En nuestro estudio hay un efecto de sesgo longitudinal que complica la descripción
estadística de la supervivencia. Como la probabilidad relativa de observar un período de
110
paro de duración t(i) es directamente proporcional a t(i), se produce una sobre-
representación en la muestra de los períodos de desempleo más largos, lo cual lleva (en
ausencia de convenientes correcciones) a una sobreestimación de la función de
supervivencia S(t).
La corrección del sesgo longitudinal en presencia de censura no es un problema que
tenga una solución trivial. Cuando la censura está provocada por un límite temporal en
el seguimiento, una posible solución viene dada por el estimador:
∑∑>≤
=−=tt
ii
tt
ii
iiwwd
wwdtS
)()(
1)(1
donde ττ
τ >=≤= )()()(
1;1iii
ii tsiwtsi
tw , τ denota la duración del período de
seguimiento (τ=18 meses en nuestro estudio), y ).....( 11 kk wdwdw ++= . Los errores
estándar asociados a )(ˆ1 tS pueden estimarse a partir de una aproximación normal, véase
de Uña-Álvarez (2004a).
Un problema a mayores surge cuando, más que el tiempo total de permanencia en el
desempleo, se desea estudiar el tiempo de paro hasta que se encuentra un empleo. En
este caso, cualquier abandono de la búsqueda de empleo por parte del individuo lleva a
una observación censurada de la variable de interés, siendo esta censura de distinta
naturaleza a la asociada a un fin de seguimiento.
La corrección del sesgo longitudinal en este segundo contexto, más complejo, puede
realizarse mediante la consideración del estimador:
∏≤′
⎟⎟⎠
⎞⎜⎜⎝
⎛′′
−=tt i
i
indtS
)(
1)(ˆ2
111
donde ).....(1kkii
ii wdwd
wn ′′ ′′++′′
′=′ , y
)(
1
ii t
w′
=′ . Además, ′id representa el número de
individuos que encuentran empleo en el instante t´(i), y t´(1)< t´(2)<...< t´(k´) denotan los
k´ tiempos distintos en los que n individuos encuentran empleo, véase de Uña-Álvarez
(2004b).
En el caso en que la variable de interés sea el tiempo en el desempleo hasta que se
abandona la búsqueda (tránsito a la inactividad), la supervivencia puede ser estimada
mediante una técnica análoga a )(ˆ2 tS , donde ahora cada tránsito al empleo supone una
observación censurada de la variable a estudio.
En cuanto a los resultados obtenidos, el patrón de duración que se observa, tanto a nivel
de España como a nivel comunitario, es una caída de la permanencia en el desempleo
pronunciada al principio y a medida que avanzan los meses se hace más lenta. El tiempo
de permanencia en el desempleo no va a ser homogéneo por CCAA sino que van a
existir diferencias significativas. En este sentido la mujer gallega y la mujer vasca van a
destacar por sus largos periodos de paro, mientras que la mujer balear lo hace por la
corta duración de su desempleo. Si no consideramos la existencia de sesgo longitudinal
en los datos obtenemos que la duración media del desempleo en España es de 66 meses,
frente a los 20 meses que daría la estimación con el sesgo corregido. Por supuesto, el
mismo problema esta presente en el estudio de los datos a nivel comunitario. Estos
resultados pueden consultarse de manera detallada en de Uña-Álvarez et al. (2004).
Si tenemos en cuenta distintas características de la mujer casada en Galicia (edad,
estudios, situación familiar) se pueden apreciar diferencias significativas entre las
distintas funciones de supervivencia. Vemos cómo las mujeres casadas que salen antes a
la ocupación son las que se corresponden con el siguiente perfil: menor de 36 años, sin
hijos, con estudios medios, que buscan trabajo a tiempo completo, que reciben algún
tipo de subsidio por desempleo y que están casadas con hombres con estudios medios
que trabajan en el sector primario, véase Álvarez-Llorente et al. (2004).
Las altas tasas de paro junto con otras condiciones desfavorables del mercado como son
la segregación ocupacional, la existencia de discriminación por sexo, la temporalidad en
112
el empleo, etc. pueden llevar a la mujer a intentar trabajar por su cuenta, ya sea como
empresaria o como autónoma.
Durante las últimas décadas se ha producido un incremento importante en el número de
mujeres españolas que han puesto en marcha su propio negocio y se han introducido en
la actividad empresarial. Si se comparan, por ejemplo, las cifras ofrecidas por la EPA
para el segundo trimestre de 1987 con las correspondientes al tercero del año 2003, se
comprueba que el número de mujeres clasificadas como trabajadoras por cuenta propia
con asalariados ha ascendido de 53.900 hasta 196.600. Si bien el número de hombres
empresarios es manifiestamente superior que el de mujeres (711.600 en el tercer
trimestre de 2003), llama la atención que el incremento porcentual entre ellas ha sido
significativamente mayor (un 265% frente a un 101%).
El desarrollo de este espíritu emprendedor entre las mujeres ha dado lugar a un creciente
interés por el estudio de la actividad empresarial femenina. Puesto que, el autoempleo
contribuye a incrementar el crecimiento económico en nuestro país, dada su capacidad
para crear nuevos puestos de trabajo y para reducir la tasa de paro.
Una pregunta que cabe hacerse, es hasta qué punto esta actividad empresarial es estable
a lo largo del tiempo. En este sentido, el principal objetivo que se plantea en otro de
nuestros trabajos es estudiar los determinantes de la probabilidad de abandono laboral
por parte de los empresarios españoles prestando un especial interés a la comparación
entre hombres y mujeres.
La muestra que se ha seleccionado en este caso es la formada por individuos de 16 a 45
años que en el momento inicial se declaran trabajadores/as por cuenta propia, ya sea
como trabajadores/as autónomos/as o como empleadores/as. Con el fin de considerar
únicamente a aquellos empresarios que acaban de iniciar su actividad como tales, se ha
restringido el análisis a aquéllos que llevan en esa situación un máximo de un año y,
además, se ha eliminado el sector primario (agricultura, ganadería y pesca). Tras el
proceso de selección la muestra resultante está formada por 4.665 observaciones de las
que un 65,4% corresponden a hombres y el 34,6% restante a mujeres.
113
El estudio de los determinantes de la probabilidad de abandono de la actividad
empresarial se ha llevado a cabo mediante la estimación de diversos modelos de
duración en tiempo discreto. La función de log-verosimilitud muestral implicada por
este tipo de modelos tiene la siguiente expresión:
( ) ( )∑ ∑=
−
=⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡−+⎟⎟
⎠
⎞⎜⎜⎝
⎛−
=n
i
t
kit
it
iti h
hhL
1
1
11log
1loglog δ
donde δi es una función indicador que toma el valor 1 si la observación i es completa y 0
si es censurada y hit es el ratio de riesgo, definido como la probabilidad condicional de
que el empresario i abandone su situación laboral en el intervalo t. La forma funcional
que especificamos para hit es la logística:
( )ittit Z
hβα ′−−+
=exp1
1
donde αt recoge el riesgo base, Zit es un vector de variables explicativas que pueden
variar en el tiempo y β es el vector de parámetros que va a ser estimado.
Se puede demostrar que la función de log-verosimilitud implicada por (1) y (2) es
equivalente a la de un modelo logit en el que todas las observaciones individuales son
agrupadas. Así, se define una variable ficticia yit que toma el valor 1 si el empresario
abandona en el periodo t y 0 en otro caso. De esta forma, la ecuación (1) puede ser
escrita como:
( )∑∑= =
⎥⎦
⎤⎢⎣
⎡−+⎟⎟
⎠
⎞⎜⎜⎝
⎛−
=n
i
t
kik
ik
ikik h
hhyL
1 11log
1loglog
Operando en (3) se obtiene la siguiente expresión para la función de log-verosimilitud
muestral:
(1)
(2)
(3)
( ) ( )[ ]∑∑= =
−−+=n
i
t
kikikikik hyhyL
1 11log1loglog (4)
114
En esta función se pueden distinguir dos fuentes de contribución: el primer término es la
contribución de los empresarios que abandonan y el segundo es la contribución de los
que no lo hacen durante el periodo en el que son observados. Si se acepta la
especificación del modelo propuesto en (2), las estimaciones de αt y β obtenidas a través
de la maximización de (4) serán consistentes y asintóticamente eficientes y normales, y
los errores estándar estimados serán estimaciones consistentes de los verdaderos errores
estándar.
En el análisis se han estimado algunos modelos que permiten distintos estados de
destino desde la situación inicial. De esta forma se trata de contrastar empíricamente si
las variables explicativas influyen de distinto modo en función de que el empresario
pase a uno u otro estado. En estos casos, el modelo presentado anteriormente es
extendido del siguiente modo.
Sea el caso general en el que se consideran m diferentes tipos de transiciones posibles
(j=1,...,m) y sea J una variable aleatoria que indica qué transición ha tenido lugar. El
ratio de riesgo correspondiente a la transición j en el momento t es:
( )tTjJtTPtj ≥=== |,Pr
donde Pt=∑tPtj es el ratio de riesgo global. Suponiendo que el individuo i pasa al estado
ji en el momento ti, o que bien está censurado en dicho momento, la función de
verosimilitud muestral puede ser escrita como:
( )∏∏==
−⎥⎥⎦
⎤
⎢⎢⎣
⎡
−=
ii
i
ii
t
kk
n
i t
jt PP
PL
111
1
δ
También en este caso se especifica una forma logística para el ratio de riesgo,
( )( )( )∑ ′++
′+=
l tllt
tjjttj X
XP
βαβα
exp1exp
(6)
(7)
(5)
115
con j= 1,...,m. Sustituyendo (7) en (6) y tomando logaritmos se obtiene una función de
log-verosimilitud muestral equivalente a la de un modelo logit multinomial en el que
todos los trimestres correspondientes a cada uno de los individuos en la muestra son
tratados como observaciones independientes.
Los resultados obtenidos varían dependiendo del modelo propuesto. En concreto,
surgen diferencias si se estiman modelos separados para hombres y mujeres, así como si
se tienen en cuenta los distintos estados finales a los que el empresario/a puede pasar
tras el abandono. Por lo tanto, una primera conclusión que se puede extraer del estudio
es la existencia de diferencias entre hombres y mujeres en cuanto a los determinantes de
la probabilidad de abandonar la actividad empresarial, así como la existencia de
diferencias entre dichos determinantes en función de la situación laboral final a la que se
pasa tras abandonar la actividad empresarial.
Todas las estimaciones globales han mostrado un efecto positivo y significativo de ser
mujer lo que lleva a concluir que, efectivamente, el sexo contribuye a explicar el
abandono laboral de los empresarios/as españoles/as. En definitiva, el hecho de ser
mujer contribuye de manera significativa a aumentar la probabilidad de abandono
laboral entre los empresarios/as.
¿Por qué las mujeres abandonan la actividad empresarial más que los hombres? El
análisis realizado apunta a que la explicación no se encuentra en la existencia de
diferencias en la formación de hombres y mujeres. Por una parte, el colectivo de
empresarias posee un mayor nivel de educación que el de empresarios, sobre todo
medido en términos de universitarios. Por otra, las estimaciones indican que el nivel de
estudios no es un determinante de la probabilidad de abandono para los hombres pero sí
para las mujeres. Entre éstas destacan claramente las universitarias como las que con
menor probabilidad abandonarán su actividad laboral.
Quizás la diferencia más notable entre los determinantes de la probabilidad de abandono
laboral para hombres y mujeres se centra en el efecto estimado para las variables
relacionadas con la estructura familiar, si bien este efecto varía en función de cuál sea el
destino del empresario/a tras abandonar su actividad. Los resultados muestran
claramente que el hecho de que la mujer empresaria esté casada y/o tenga hijos
116
pequeños aumenta de forma significativa su probabilidad de abandonar tanto su
actividad actual como el mercado laboral. Este resultado apoya el argumento de la
división de roles entre hombres y mujeres a la hora de explicar diferencias entre ambos
en cuanto a su probabilidad de abandonar la actividad empresarial. Los efectos
estimados para la variable que indica la presencia de hijas o hijos pequeños muestran
que efectivamente éstos suponen una carga mayor para las mujeres que para los
hombres: dificultan el cambiar de ocupación y favorecen que la mujer abandone la
actividad empresarial.
Una cuestión interesante en este sentido sería analizar hasta qué punto este abandono es
o no voluntario. Si no lo es, la política pública tendría claramente una asignatura
pendiente de cara a facilitar a las mujeres empresarias la conciliación de su vida
profesional con sus responsabilidades familiares con el fin de no perjudicar el
importante beneficio que esta actividad empresarial supone tanto para el conjunto de la
economía y la sociedad en general como para el colectivo femenino en particular. Estos
resultados y consideraciones se recogen en la contribución Álvarez y Otero (2005).
117
BIBLIOGRAFÍA
Akerlof, G.A. y R.E. Kranton (2000), “Economics and Identity”, The Quarterly Journal of Economics
CXV (3), August, 715-753.
Aláez, R. y M. Ullibarri (2000), “Discriminación salarial por sexo: Un análisis del sector privado y sus
diferencias regionales en España”, Información Comercial Española 789, 117-137.
Álvarez, B. (2000), “Can we indentify fraudulent behaviour? An aplication to sickness absence in Spain”,
Documento de traballo 0011, Departamento de Economía Aplicada, Universidade de Vigo.
Álvarez-Llorente, G. y M. Otero-Giráldez (2005), “Abandono de la actividad empresarial en España: un
enfoque de género”. Este trabajo se encuentra en proceso de evaluación (2ª revisión) en la
Revista Europea de Dirección y Economía de la Empresa. Fue presentado en el VII congreso
Nacional de Economía (CD-ROM con ISBM: 84-9745-121-9).
Álvarez-Llorente, G., M. Otero-Giráldez, A. Rodríguez-Casal y J. de Uña-Álvarez (2004), “La duración
del desempleo de la mujer casada en Galicia”, Documento de Traballo 0409, Departamento de
Economía Aplicada, Universidade de Vigo.
Albrecht, J., A. Björklund y S. Vroman (2003), “Is there a glass ceiling in Sweden?”, Journal of Labor
Economics 21 (1), 145-177.
Becker, G. (1985), “Human Capital, Effort and the Sexual Division of Labor”, Journal of Labor
Economics 3, S33-S58.
Blanke, L. y A. Shorrocks (1994), “A longitudinal approach to the measurement of poverty”, paper
presented to the AEA Meetings in Boston.
Blau, F. y L.M. Kahn (1996), “Wage structure and gender earnings differentials: An international
comparison”, Economica 63, 29-62.
Blau, F. y L.M. Kahn (1997), “Swimming upstream: Trends in the gender wage differential in the 1980s”,
Journal of Labor Economics 15, 1-42.
Blau, F. y L.M. Kahn (2000), “Gender differences in pay”, Journal of Economic Perspectives 14 (4), 75-
99.
Blau, F. y L.M. Kahn (2003), “Understanding International Differences in the Gender Pay Gap”, Journal
of Labor Economics 21 (1), 106-144.
Blinder, A.S. (1973), “Wage discrimination: reduced forms and structural estimates”, Journal of Human
Resources 8, 436-455.
Bonjour, D. y M. Gerfin (2001), “The unequal distribution of unequal pay – An empirical analysis of the
gender wage gap in Switzerland”, Empirial Economics 26, 407-427.
Borderías, C., C. Carrasco y C. Alemany (Comps.) (1994), Las mujeres y el trabajo. Rupturas
conceptuales, Economía Crítica, Barcelona.
Buchinsky, M. (1994), “Changes in the US wage structure 1963-1987: Application of quantile
regression”, Econometrica 62, 405-458.
Campos, A. (1999), “Construcción de las mujeres en el disurso jurídico: algunas anotaciones sobre el
cuerpo”, en Díaz, C., M.L. Esteban, L. Méndez y C. Mozo (Coord.), Antropología del género,
VIII Congreso de Antropología, Santiago de Compostela.
118
Cain, G.C. (1986), “The economic analysis of labour market discrimination”, en O. Ashenfelter y R.
Layard, eds., Hanbook of labor economics, vol. 1, North-Holland, Amsterdam.
Carrasco, C. y M. Mayordomo (1997), “La doble segmentación de las mujeres en el mercado laboral
español”, Información Comercial Española 760, 43-59.
Cottom, J. (1988), “On the decomposition of wage differentials”, Review of Economics and Statistics 70,
236-243.
De la Rica, S. y A. Ugidos (1995), “¿Son las diferencias en capital humano determinantes de las
diferencias salariales observadas entre hombres y mujeres?”, Investigaciones Económicas XIX
(3), 395-414.
Denny, K.J., C.P. Harmon, y M.J. Roche (2000), “The distribution of discrimination in immigrant
earnings – Evidence from Britain 1974-93”, mimeo, Institute for Fiscal Studies, London.
De Uña-Álvarez, J. (2004a), “Nonparametric estimation under length-biased sampling and Type I
censoring: a moment based approach”, Annals of the Institute of Statistical Mathematics 56, 667-
681.
De Uña-Álvarez, J. (2004b), “Nelson-Aalen and product-limit estimation in selection bias models for
censored populations”, Journal of Nonparametric Statistics, 16, 761-777.
De Uña-Álvarez, J., G. Álvarez-Llorente y M. Otero-Giráldez (2004), “Estimation of time spent in
unemployment for married women: An application at regional level”, Documento de traballo
0410, Departamento de Economía Aplicada, Universidade de Vigo.
DiNardo, J., N.M. Fortin y T. Lemieux (1996), “Labor market institutions and the distribution of wages
1973-1992: A semiparametric approach”, Econometrica 64 (5), 1001-1044.
Dolado, J.J. y V. Llorens (2004), “Gender wage gaps by education in Spain: Glass floors versus glass
ceilings”, Discussion Paper 4203, January, CEPR.
Dolton, P.J. y G.H. Makepeace (1985), “The statistical measurement of discrimination”, Economics
Letters 18, 391-195.
Donald, S.G., D.A. Green y H.J. Paarsch (2000), “Differences in wage distributions between Canada and
the United States: An application of a flexible estimator of distribution functions in the presence
of covariates”, Review of Economic Studies 67, 609-633.
Eurostat (2002), “Women and men reconciling work and family life”, by Ana Franco & Karin Winqvist,
Statistics in focus. Population and social conditions, theme 3 – 9/2002, Eurostat, Luxemburgo.
Favaro, D. y S. Magrini (2003), “Gender wage differentials among young workers: methodological
aspects and empirical results”, Working paper 52, Univ. di Padova.
Foster, J.E., J. Greer y E. Thorbecke (1984), “A class of descomposable poverty measures”,
Econometrica 52 (3), 761-766.
Fortin, N.M. y T. Lemieux (1998), “Rank regressions, wage distributions and the gender gap”, Journal of
Human Resources 33, 610-643.
García, M.L. (2002), “Universidad y Género: oasis, desierto y espejismo”, comunicación presentada en el
I Encontro universitario pola educación en igualdade, Servicio Galego de Igualdade, Xunta de
Galicia, Santiago de Compostela.
119
García, J., P.J. Hernández y A. López-Nicolás (2001), “How wide is the gap? An investigation using
gender differences using quantile regression”, Empirical Economics 26, 149-167.
Gardeazábal, P. y A. Ugidos (2004), “Gender wage discrimination at quantiles”, Journal of Population
Economics (en prensa).
Goldin, C. (2002), “A pollution theory of discrimination: male and female differences in occupations and
earnings”, Working Paper, núm. 8985, NBER.
Gorman, L. (2002), “Discrimination”, The Concise Encyclopedia of Economics, The Library of
Economics and Liberty, disponible en la dirección de Internet:
http://www.econlib.org/library/Enc/Discrimination.html
Gradín, C. y C. del Río (2001), Desigualdad, Pobreza y Polarización en la Distribución de la Renta en
Galicia, Monografía nº 11, Instituto de Estudios Económicos de Galicia – Fundación Pedro
Barrié de la Maza, A Coruña.
Hagenaars, A.J.M. (1987), “A class of poverty indices”, International Economic Review 28, 583-607.
Hansen, J. y R. Wahlberg (2001), “Endogenous schooling and the distribution of the gender wage gap”,
mimeo, Department of Economics, Göteborg University.
Hernández, P.J. (1995), “Análisis empírico de la discriminación salarial de la mujer en España”,
Investigaciones Económicas XIX (2), 195-215.
Hernández, P.J. (1996), “Segregación ocupacional de la mujer y discriminación salarial”, Revista de
Economía Aplicada IV (11), 57-80.
Jenkins, S.P. (1994), “Earnings discrimination measurement: a distributional approach”, Journal of
Econometrics 61, 81-102.
Jenkins, S.P. y P.J. Lambert (1993), “Poverty orderings, poverty gaps, and poverty lines”, Economics
discussion paper 93-07, University of Wales, Swansea.
Jenkins, S. P. y P.J. Lambert (1997), “Three ‘I’s of poverty curves, with an analysis of UK poverty
trends”, Oxford Economic Papers 49, 317-327.
Jenkins, S. P. y P.J. Lambert (1998), “Three ‘I’s of poverty curves and poverty dominance: TIPs for
poverty analysis”, Research on Economic Inequality 8.
Jimeno, J.F. y L. Toharia (1996), “Effort, Absenteeism and Fixed Term Employment Contracts”, Revista
Española de Economía 13 (1), 105-119.
Juhn, C., K. Murphy y B. Pierce (1991), “Accounting for the slowdown in black-white wage
convergence” en M. Koster (ed.), Workers and their wages, AEI Press, Washington D.C.
Juhn, C., K. Murphy y B. Pierce (1993), “Wage inequality and the rise in returns to skill”, Journal of
Political Economy 101 (3), 410-442.
Kunze, A. (2000), “The determination of wages and the gender wage gap: a survey”, IZA Discussion
paper series 193.
Li, C.A., Gerry, C. y Kim, B-Y (2004), “The gender wage gap and wage arrears in Russia: evidence from
the RLMS”, Journal of Population Economics (en prensa).
Machado, J. y J. Mata (2001), “Earning funtions in Portugal 1982-1994: Evidence from quantile
regressions”, Empirical Economics 26, 115-134.
120
Machado, J. y J. Mata (2004), “Counterfactual Decomposition of Changes in Wage Distributions using
Quantile Regression”, Journal of Applied Econometrics (en prensa).
Makepeace, G., P. Paci, H. Joshi y P. Dolton (1998), “How unequally has equal pay progressed since the
1970s?”, The Journal of Human Resources XXXIV (3), 534-556.
McConnell, C., S.L. Brue y D.A. Macpherson (2003), Economía Laboral (6ª edición), McGraw-Hill
(traducido de la 6ª edición en inglés Contemporary Labor Economics, McGraw-Hill).
Méndez, I. y P.J. Hernández (2001), “Participación laboral, sesgo de selección y discriminación salarial”,
mimeo, Universidad de Murcia.
Mincer, J. (1974), Schooling, experience and earnings, Columbia University, New York.
Munro, A. (1988), “The measurement of racial and other forms of discrimination”, Discussion paper in
economics 148, University of Stirling, Stirling.
Muñóz, L. (2001), “Los mercados de trabajo en las industrias marítimas: diferencias de género y
desigualdad social”, ponencia presentada en el VII Congreso de la Asociación de Historia
Económica, Zaragoza.
Neumark, D. (1988), “Employers discriminatory behavior and the estimation of wage discrimination”,
Journal of Human Resources 23, 279-295.
Newell, A. y B. Reilly (2001), “The Gender Pay Gap in the Transition from Communism: Some
Empirical Evidence”, Economic Systems 25, 287-304.
Oaxaca, R. (1973), “Male-female wage differentials in urban labour markets”, International Economic
Review 14, 693-709.
Oaxaca, R. y M.R. Ransom (1994), “On Discrimination and the Decomposition of Wage Differentials”,
Journal of Econometrics 61 (1), 5-21.
Reilly, B. (1999), “The gender pay gap in Russia during the transition, 1992-96”, Economics of
Transition 7 (1), 245-264.
Reimers, C. (1983), “Labor market discrimination against Hispanic and Black men”, Review of
Economics and Statistics 65, 570-579.
Sen, A.K. (1976), “Poverty: An ordinal approach to measurement”, Econometrica 44, 219-231.
Shorrocks, A.F. (1983), “Ranking income distributions”, Economica 50, 3-17.
Shorrocks, A.F. (1993), “On the measurement of unemployment”, Discussion Paper 418, Economics
Department, University of Essex.
Shorrocks, A.F. (1998), “Deprivation profiles and deprivation indices”, en S. Jenkins et al., eds,. The
distribution of house welfare and household production.
Spencer, B.D. y S. Fisher (1992), “On comparing distributions of poverty gaps”, Sankya: The Indian
Journal of Statistics, series B, 54, 114-126.
Stewart, M.B. (1983), “Racial discrimination and occupational attainment in Britain”, Economic Journal
93, 521-541.
Thon, D. (1979), “On measuring poverty”, Review of Income and Wealth 25, 429-440.
Ugidos, A. (1997), “Gender wage discrimination in the Spanish labour market”, Revista Española de
Economía 14 (1), 3-21.
121
Ullibarri, M. (2003), “Diferencias salariales entre los sectores público y privado por género, escolaridad y
edad. El caso de España”, El Trimestre Económico 278, 233-252.
Vartiainen, J. (2002), “Gender wage differentials in the Finnish labour market”, mimeo, Labour Institute
for Economic Research, Helsinki.
Willis, R. (1986), “Wage determinants: a survey and reinterpretation of human capital earnings
functions”, en O. Ashenfelter y R. Layard, eds., Hanbook of labor economics, vol. 1, North-
Holland, Amsterdam.
Zheng, B. (1997), “Aggrerate poverty measures”, Journal of Economic Surveys 11 (2), 123-162.
Zheng, B. (2000), “Poverty orderings”, Journal of Economic Surveys 14 (4), 427-466.
122
APÉNDICE
Table A1. OLS and Quantile regressions estimates for hourly wage in logarithmsFemales MalesOLS QR at percentiles OLS QR at percentiles
5 25 45 75 95 5 25 45 75 95Tenure 0.040 0.054 0.036 0.029 0.024 0.017 0.028 0.041 0.025 0.021 0.015 0.011Tenure2 -0.001 -0.001 -0.001 -0.001 0.000 0.000 -0.001 -0.001 0.000 0.000 0.000 0.000Experience 0.024 0.014 0.017 0.020 0.024 0.028 0.032 0.025 0.027 0.029 0.033 0.037Experience2 -0.0003 -0.0002 -0.0002 -0.0003 -0.0003 -0.0003 -0.0004 -0.0004 -0.0004 -0.0004 -0.0004 -0.0005
Primary 0.065 0.014 * 0.047 0.044 0.065 0.089 0.046 0.041 0.024 0.041 0.054 0.072Secondary 0.275 0.185 0.225 0.236 0.282 0.353 0.234 0.182 0.181 0.220 0.254 0.324
Vocational training 0.143 0.078 0.109 0.121 0.137 0.145 0.135 0.125 0.108 0.133 0.150 0.159Advanced voc. training 0.234 0.171 0.196 0.197 0.225 0.322 0.243 0.206 0.209 0.238 0.261 0.280
3-year college 0.380 0.241 0.310 0.357 0.414 0.443 0.379 0.302 0.332 0.361 0.382 0.4305-year college 0.570 0.343 0.474 0.523 0.625 0.703 0.582 0.439 0.503 0.561 0.610 0.679
Indefinite contract 0.257 0.710 0.408 0.206 0.122 0.154 0.286 0.793 0.405 0.200 0.160 0.169
Managers 0.664 0.456 0.624 0.658 0.738 0.883 0.742 0.509 0.651 0.732 0.849 0.991Professionals 0.540 0.503 0.553 0.523 0.516 0.616 0.495 0.432 0.487 0.488 0.512 0.614Technicians 0.430 0.380 0.406 0.404 0.431 0.520 0.364 0.271 0.316 0.349 0.414 0.522
Clerks 0.219 0.250 0.228 0.206 0.210 0.257 0.191 0.184 0.168 0.183 0.208 0.267Qualified (services) 0.149 0.184 0.172 0.144 0.112 0.111 0.063 0.095 0.070 0.058 0.049 0.122Qualified (industry) 0.045 0.046 * 0.019 * 0.018 * 0.045 0.079 0.138 0.160 0.134 0.124 0.125 0.167
Operators 0.017 * 0.005 * -0.003 * -0.011 * 0.025 0.060 0.128 0.131 0.123 0.123 0.130 0.151
20-49 workers 0.010 * 0.012 * 0.008 * 0.019 0.022 0.041 0.063 0.059 0.046 0.056 0.085 0.09250-99 workers 0.044 0.030 * 0.019 * 0.061 0.084 0.106 0.136 0.111 0.131 0.137 0.156 0.158
100-199 workers 0.116 0.074 0.100 0.128 0.135 0.176 0.179 0.152 0.191 0.189 0.195 0.196> 200 workers 0.165 0.139 0.160 0.197 0.216 0.256 0.276 0.281 0.302 0.286 0.289 0.262
National labor agreement -0.072 -0.050 -0.104 -0.109 -0.105 -0.037 -0.066 -0.074 -0.087 -0.088 -0.074 -0.049Sector or provincial agreement -0.096 -0.063 -0.103 -0.122 -0.127 -0.071 -0.067 -0.055 -0.088 -0.094 -0.086 -0.061
Public sector 0.140 0.243 0.032 * 0.076 0.210 0.144 0.027 0.167 0.061 0.049 -0.019 * -0.061
Local-regional market -0.057 -0.116 -0.066 -0.049 -0.046 -0.034 -0.016 -0.015 * -0.019 -0.006 * -0.007 * -0.007 *National market -0.012 * -0.030 * -0.014 * 0.002 * 0.003 * 0.011 * 0.018 -0.023 0.007 * 0.017 0.030 0.060
Constant 5.938 5.101 5.783 6.110 6.330 6.421 6.009 5.073 5.804 6.147 6.379 6.580R2 or Pseudo-R2 0.59 0.45 0.35 0.37 0.43 0.43 0.62 0.46 0.38 0.40 0.42 0.44Observations 27,085 100,208* = coefficient is not significant at 10%. Coefficients for Regions omitted. OLS variances computed using White estimator.Quantile regressions were performed also at percentiles 15, 35, 55, 65 and 85, not displayed for simplicity.
Market [reference: Foreign market]
Education [reference: Without studies or less than primary]
Type of contract [reference: Fixed term contract]
Type of labor agreement [reference: Firm labor agreement]
Type of Sector [reference: Private sector]
Occupation [reference: Non-qualified workers (9)]
Size of the firm [reference: 10-19 workers]
124
Table A2. Summary statistics: average and inequality
Average Theil (0) Theil (1) Theil (2) GiniWagesObserved
1,188 0.182 0.175 0.210 0.320Predicted by OLS
1,204 0.116 0.116 0.128 0.2691,519 0.111 0.110 0.122 0.262
Predicted by QR
1,177 0.166 0.160 0.185 0.308
1,496 0.167 0.163 0.193 0.310Conditional Wage GapsPredicted by OLS
absolute: 315.1 0.176 0.163 0.185 0.315
relative: 0.208 0.070 0.061 0.059 0.196Predicted by QR absolute: 319.5 0.276 0.248 0.312 0.383
relative: 0.209 0.087 0.071 0.069 0.209
fy
qfy
qfr
ff yr ˆˆ −
fff ryr ˆ/)ˆˆ( −
qf
qf yr ˆˆ −
qf
qf
qf ryr ˆ/)ˆˆ( −
Fuente: Elaboración propia a partir de la Encuesta de Estructura Salarial (INE), 1995.
125
Tabla A3: Ecuaciones salariales (salario hora): coeficientes de Heckman con corrección por sesgo de selección* Mujeres Hombres S. Privado S. Público S. Privado S. Público A B A B A B A B Estudios Universitarios 0,446 0,160 0,355 -0,102 0,298 0,088 0,317 0,067 Estudios Secundarios 0,208 0,116 0,079 -0,041 0,129 0,024 0,096 0,110 Edad 0,051 0,026 0,027 0,018 -0,008 -0,021 -0,012 -0,027 Edad2 -0,001 0,000 0,000 0,000 0,000 0,000 0,000 0,000 Antigüedad 1 - 5 años 0,095 0,050 0,141 -0,025 0,095 0,058 0,132 0,104 Antigüedad 5 -1 5 años 0,243 0,163 0,300 0,088 0,205 0,157 0,104 0,037 Antigüedad > 15 años 0,295 0,234 0,401 0,206 0,296 0,201 0,257 0,164 Desempleo últimos 5 años 0,099 0,041 -0,073 -0,075 0,054 0,034 0,090 0,000 Desempleo LP últimos 5 años 0,032 0,008 0,018 0,002 -0,010 -0,010 0,041 0,006 Experiencia laboral previa 0,067 0,039 -0,035 0,046 0,031 0,062 0,056 0,025 Contrato tiempo indefinido 0,069 0,181 0,036 0,159 Contrato tiempo parcial 0,174 0,086 0,131 0,088 Agricultura -0,031 -0,116 -0,140 0,089 Energía -0,083 -0,269 0,070 0,090 Manufactura: alimentación -0,025 -0,100 -0,022 Manufactura: textil -0,207 -0,380 -0,108 -0,516 Manufactura: madera -0,097 -0,019 0,184 Manufactura: petróleo -0,168 0,102 Manufactura: otras -0,063 -0,041 0,148 Construcción 0,001 0,031 0,053 Comercio -0,134 -0,127 0,005 Hostelería -0,127 -0,156 Transporte 0,019 -0,120 -0,019 0,143 Intermediación financiera 0,163 0,337 0,825 Sector Inmobiliario -0,076 0,132 0,014 0,235 Sector Educación 0,000 0,037 0,119 0,063 Sector Salud -0,163 -0,089 -0,106 0,001 Otros servicios -0,269 0,006 -0,138 0,175
126
FF. AA. 0,351 0,006 Directivos 0,460 0,493 0,377 0,094 Profesionales 0,346 0,676 0,237 0,413 Técnicos 0,190 0,301 0,205 0,172 Administrativos 0,009 0,266 0,217 -0,068 Servicios 0,002 0,259 0,088 0,137 No cualificados agricultura -0,102 0,225 0,016 -0,065 Cualificados -0,021 0,255 0,066 -0,023 Operadores 0,130 0,034 0,010 Puesto sin especificar -0,474 -0,405 -0,235 -0,502 Puesto supervisor 0,140 0,161 0,223 0,044 Puesto intermedio 0,171 0,023 0,098 0,036 Subempleo -0,018 -0,064 -0,011 0,009 1-4 empleados -0,200 -0,106 -0,280 -0,152 5-19 empleados -0,183 -0,070 -0,223 -0,148 20-49 empleados -0,114 -0,032 -0,151 0,073 50-99 empleados -0,084 -0,100 -0,115 0,034 100-499 empleados -0,037 -0,059 -0,015 -0,011 Constante 4,9 5,9 6,2 6,5 6,6 7,1 6,8 7,2 Número de Observaciones 3.687 3.685 2.962 2.961 3.246 3.237 1.640 1.640 log MV -2.137 -1.915 -788 -653 -2328 -1994 -637 -546
Fuente: Elaboración propia a partir de datos del PHOGUE (España), 2001. * Omitidas variables regionales de control (NUT) y ecuación de participación. En negrilla valores significativos al 10%.
127
Tabla A4. Efectos de la Discriminación en los Índices de Pobreza por tipos de hogares* Variación (Modelo B) Variación (Modelo A)
H H (%) HI (%) FGT2 (%) H H (%) HI (%) FGT2 (%) Todos los hogares 0,8 3,9 3,6 3,7 1,0 5,5 5,0 4,4 Hogares con alguna mujer trabajadora 2,1 83,4 96,6 128,6 2,8 163,6 196,9 189,7 Mujeres 16-65 años 1,0 5,0 4,3 4,4 1,3 6,9 5,6 4,8 Niños < 14 años 0,5 1,9 3,5 4,1 0,7 2,7 5,5 5,3 Hogares unipersonales: Mujer < 30 años 5,5 47,7 7,2 0,8 5,5 47,7 7,2 0,8 Hogares unipersonales: Mujer 30-64 años 5,0 22,3 12,5 5,3 5,4 24,9 13,9 6,3 Hogares con 2 adultos - sin niños dependientes - alguien con 65+ años 0,1 0,4 0,1 0,0 0,1 0,4 0,1 0,0 Otros hogares sin niños dependientes 1,5 24,3 15,8 9,1 1,8 30,2 16,8 9,3 Hogar monoparental con 1+ niños dependientes 3,4 10,5 27,0 27,0 9,8 38,5 56,2 40,4 Hogar con 2 adultos con 1 niño dependiente 0,9 4,1 2,1 1,7 1,1 5,4 4,3 2,9 Hogar con 2 adultos con 2 niños dependientes 0,4 1,7 2,7 3,2 1,0 4,5 6,0 5,4 Hogar con 2 adultos con 3+ niños dependientes 1,0 2,7 3,0 6,1 0,0 0,0 0,9 3,2 Otros hogares con niños dependientes 0,3 2,3 2,0 0,8 0,4 3,4 3,0 1,6
Fuente: Elaboración propia a partir de datos del PHOGUE (España), 2001. * Se han eliminado aquellos tipos de hogares que por construcción no pueden verse afectados por la discriminación salarial femenina.