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.