Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ECONÓMICAS Y EMPRESARIALES
GRADO EN ADMINISTRACIÓN Y
DIRECCIÓN DE EMPRESAS
TRABAJO DE FIN DE GRADO
3. Metodología ................................................................................................................. 10
7. Conclusiones ................................................................................................................. 25
Palabras clave
Brecha salarial, igualdad de género, discriminación, regresión lineal y estimación por
MCO.
Página2
Índice de figuras
Figura 1 - Contraste de normalidad de los residuos.......................................................... 13
Figura 2 - Valores atípicos.................................................................................................. 14
Figura 3 - Influencia de los valores atípicos....................................................................... 14
Figura 4 - Gráfico salario medio por nivel de estudios ...................................................... 20
Figura 5 - Gráfico salario medio por años de experiencia ................................................. 20
Figura 6 - Gráfico salario medio por edad ......................................................................... 21
Figura 7 - Gráfico salario medio por nivel de estudios en la región sur ............................ 22
Figura 8 - Gráfico salario medio por nivel de estudios en la Comunidad de Madrid ........ 22
Figura 9 - Gráfico salario medio por años de experiencia en la región sur ....................... 23
Figura 10 - Gráfico salario medio por años de experiencia en la Comunidad de Madrid . 23
Figura 11 - Gráfico salario medio por edad en la región sur ............................................. 24
Figura 12 - Gráfico salario medio por edad en la Comunidad de Madrid ......................... 24
Índice de tablas
Tabla 1 - Estimación por mínimos cuadrados ordinarios: Modelo 1 ................................ 12
Tabla 2 - Estimación del Modelo 1 con corrección de heterocedasticidad ...................... 15
Tabla 3 - Estimación del Modelo 2 con corrección de heterocedasticidad ...................... 17
Tabla 4 - Medias y desviaciones de las variables del Modelo 1 ........................................ 28
Tabla 5 - Medias y desviaciones de las variables del Modelo 2 ........................................ 29
Página3
Resumen
El presente estudio trata de examinar la existencia de desigualdad salarial por razones de sexo
en el mercado de trabajo español a partir de los microdatos emparejados empresa-trabajador
de las olas 2010 y 2014 de la Encuesta de Estructura Salarial (EES).
Abstract
This study attemps to examine the gender pay equity in the Spanish labour market based on
microdata matched company/employee in the years 2010 and 2014 of the Wage Structure
Survey (WSS).
An empirical analysis seeks to objectively determine whether the gender pay gap is justified by
human capital factors or whether there is wage discrimination against women.
Using econometric methods of regression by ordinary least squares (OLS) an estimation of some
of the parameters considered in the wage equation is made keeping constant the levels of
education, work experience and age (ceteris paribus). Consequently, it is possible to determine
the existence and level of wage inequality between persons of different gender.
There is also an extension of the previous analysis comparing wage equity according to the
Spanish territory to which they belong. For this purpose, the two regions with the highest and
lowest per capita income in Spain have been used.
Página4
1. Introducción, objetivos y literatura previa
La brecha salarial entre hombres y mujeres existe a pesar de que las mujeres
obtienen mejores resultados académicos que los hombres en la escuela y la universidad.
Por término medio, en 20121, el 83% de las mujeres jóvenes de la UE cursaban al menos
estudios de secundaria, frente al 77,6% de los hombres. Además, las mujeres
representan el 60% de los graduados universitarios de la UE.
Las diferencias salariales entre hombres y mujeres es una realidad del mercado de
trabajo español que nadie pone en duda. Muchos estudios han confirmado que el salario
medio de los hombres es superior, en media, al que perciben las mujeres, y se han
ocupado de medir el alcance de la diferencia entre ambos.
1
Datos extraídos de la publicación de la Comisión Europea del año 2014 citada en la bibliografía.
Página5
humano son relevantes para explicar las posibles diferencias entre salarios de hombres
y mujeres, no son suficientes y se podría afirmar que existe discriminación.
Página6
2. Obtención de los datos
2.1. Base de datos
La Encuesta Anual de Estructura Salarial (en adelante EES) es publicada por el INE
con periodicidad cuatrienal de forma armonizada junto con todos los Estados miembros
de la Unión Europea y tiene por objeto analizar la estructura y distribución de los
salarios. Recoge datos de los salarios de forma individual en forma de cualidades o
atributos específicos de cada trabajador y así como variables específicas de cada
empresa y sector.
El ámbito poblacional de la EES está formado por todos los trabajadores por
cuenta ajena incluidos en la Seguridad Social. Se excluyen los trabajadores del sector
público adscritos al Régimen de Clases Pasivas del Estado.
Los microdatos utilizados en este estudio provienen de las olas 2010 - 2014 de la
EES correspondientes a la última encuesta cuatrienal publicada.
Los datos necesarios para el análisis son el salario bruto por hora, el sexo, la edad
de los individuos, los años de antigüedad, el nivel de estudios completados y la región a
nivel NUTS12 de la muestra restringida a los empleados que trabajan a tiempo completo
2
Nomenclatura de las unidades territoriales estadísticas establecida por Eurostat.
Página7
y que han estado de alta en la Seguridad Social durante todo el mes de octubre del año
de referencia de la encuesta.
La determinación del uso del salario bruto por hora en todo el análisis en lugar
de hacerlo sobre salarios mensuales o anuales, reside en el hecho de realizar una
comparativa homogénea ajustando los salarios por el tiempo efectivamente trabajado.
Se pretende evitar que, sobre todo en el caso de las mujeres, los salarios se vean
desvirtuados por las reducciones de jornadas, pues cerca del 70% de los empleos con
jornada a tiempo parcial corresponden a mujeres.
A la hora de determinar el salario bruto por hora ha sido necesario realizar algunos
cálculos previos siendo de la siguiente manera:
Donde:
= Salario base
+ Complementos salariales
+ Parte proporcional de las pagas extraordinarias
Ambos modelos tienen como variable endógena el logaritmo neperiano del salario
bruto por hora “logWAGE”. Se toma el logaritmo como estrategia de transformación
matemática tendente a reducir la dispersión original de la serie, y con ello se evita la
aparición de heterocedasticidad.
3
Con el fin de simplificar el modelo no se están considerando los pagos por horas extraordinarias así como
las horas extra realizadas en el mes.
Página8
Las variables exógenas se pueden clasificar en dos categorías:
La edad representa los años cumplidos del individuo. Esta variable “EDAD” está
agrupada en intervalos de años y toma los valores: 1=menos 19 años, 2=de 20 a 29, 3=de
30 a 39, 4=de 40 a 49, 5=de 50 a 59 y 6=más de 59 años. Del mismo modo que en los
años de experiencia laboral se incluye la variable “EDAD^2” para determinar el
decrecimiento de la función.
Página9
3. Metodología
La técnica empleada se fundamenta en el Teorema de Gauss-Márkov a partir del
cual se determina la estimación por mínimos cuadrados ordinarios (MCO) de los
parámetros poblacionales en un modelo de regresión lineal.
H0: β2 = 0
H1: β2 ≠ 0
Página10
El modelo 2, se considera una extensión al descrito anteriormente, pero se
restringe la muestra a la población de las comunidades seleccionadas e incorpora una
nueva variable ficticia que permita identificar los individuos de las dos regiones elegidas.
Así, la variable “REGION”, toma el valor 1 para los individuos que trabajan en la
Comunidad de Madrid y toma el valor 0 para los individuos que trabajan en cada una de
las comunidades que forman la región sur (especificadas en el apartado 2).
log WAGEM = α0 + α1 ESTUi + α2 SEXOi + α3 EDADi + α4 EDAD2 i + α5 ANOANTIi + α6 ANOANTI2 i + α7 REGIONi +εi [2]
Página11
4. Primera regresión: diferencias salariales por razón de sexo
Los resultados de las estimaciones de la ecuación [1] se muestran en la tabla 1.
Página12
Respecto al primer supuesto se aplica contraste de normalidad de residuos, tal y
como ilustra en la Figura 1 se observa que, bajo la hipótesis nula de que los residuos
siguen una distribución normal, se rechaza dicha hipótesis a cualquier nivel de
significación dado que el valor obtenido (J-B: 𝜒22 = 13.498,6) para el estadístico es
2
mayor que el valor crítico tabulado (𝜒2,0,05 = 5,99).
1.2
Estadístico para el contraste de normalidad: uhat1
N(5.4277e-014,0.38355)
Chi-cuadrado(2) = 13498.572 [0.0000]
0.8
Densidad
0.6
0.4
0.2
0
-3 -2 -1 0 1 2 3 4
uhat1
Página13
Figura 2- Valores atípicos
Una vez detectados los valores atípicos se reemplaza en ellos el valor del salario
por el valor promedio y se vuelve a construir el modelo que arroja unos resultados
similares a los anteriores coeficientes y sus desviaciones típicas mientras que las
desviaciones en los coeficientes de asimetría y curtosis han disminuido y por tanto se ha
corregido la situación de no normalidad de residuos.
Página14
Modelo 1: con corrección de heterocedasticidad, usando las observaciones 1-172467
Variable dependiente: logWAGE
El resultado es que todos los valores VIF son inferiores a 10, y por tanto
linealmente independientes entre sí, salvo los regresores que aparecen elevados al
cuadrado, que lógicamente depende linealmente de sus predecesores.
Una vez corregidos los inconvenientes detectados en el modelo podemos determinar que la
ecuación salarial para las mujeres [3], empleando dos decimales, es la siguiente:
log WAGEM = 1,32 + 0,13ESTUi − 0,21SEXOi + 0,23EDADi − 0,02EDAD2 i + 0,02ANOANTIi − 0,01ANOANTI2 i + ui [3]
Página15
Al estar representada la variable dependiente de forma logarítmica, la
interpretación de los coeficientes del modelo la determina el resultado estimado x 100
y expresada en tanto por ciento, de tal modo que ante un aumento de una unidad en
cualquiera de las variables del modelo el salario varía en 𝛽̂𝑖 × 100%.
El resto de los coeficientes4 tienen signo positivo por lo que una mujer percibiría
un mayor salario en los siguientes supuestos:
4
Nótese que el valor estimado de los coeficientes que acompañan a las variables al cuadrado tienen signo
negativo debido al decrecimiento de la función.
Página16
Segunda regresión: diferencias salariales por razones de
sexo y región
Ahora la muestra se reduce al subconjunto de individuos que pertenecen a las
regiones especificadas en el apartado 2.
Se estima la ecuación [2] por MCO y se realizan los test necesarios para determinar
que el modelo cumple los supuestos de normalidad de los residuos, homocedasticidad
y no colinealidad. Al ser este modelo 2 una extensión del modelo 1 se dan las mismas
particularidades. El procedimiento aplicado para subsanar la no normalidad de los
residuos y la presencia de heterocedasticidad es el mismo.
Página17
Las variaciones en el salario son explicadas en un 38,39% por las variaciones en las
variables del modelo (R2 = 0,383943). Este coeficiente de determinación es algo más
elevado en esta regresión que en la anterior, así si comparamos ambos modelos se
puede afirmar que está mejor construido el modelo 2. Otra justificación que determina
que el modelo 2 es más representativo la dan los criterios de Akaike y Schawarz 5 al
arrojar valores muy inferiores a los del modelo 1.
log WAGEM = 1,16 + 0,13ESTUi − 0,21SEXOi + 0,27EDADi − 0,03EDAD2 i + 0,02ANOANTIi + 0ANOANTI2 i [4]
+ 0,06REGIONi +εi
5
Los criterios de Akaike y Schawarz son utilizados para comparar modelos con la misma variable
endógena.
Página18
6. Resultados empíricos
Se ha seleccionado una muestra de dos individuos con las mismas características,
uno de ellos hombre y la otra mujer con el fin de establecer una comparativa que
determine a priori si existen diferencias salariales entre ambos. A la hora de seleccionar
las muestras se tratado de hacerlo de la forma más objetiva posible escogido los datos
con mayor representatividad de nivel de estudios, experiencia y edad. Una vez
determinados se selecciona el valor de la variable endógena que más se aproxime a su
media muestral en cada uno de los dos grupos (hombres y mujeres).
Corolario:
Ahora se trata de descender a una comparativa por cada uno de los niveles de
análisis expresados gráficamente.
6Calculado en función de 1.826 horas de jornada máxima en cómputo anual establecidas en el Estatuto
de los Trabajadores.
Página19
Modelo 1
20
15 R² = 0,709
10 -22,3% -24,4%
-23,1% -23,7%
-21,4% -17,4%
5 -20,6%
0
Menos que Educación Primera etapa Segunda Enseñanzas Diplomados Licenciados y
primaria primaria de educación etapa de de formación universitarios similares, y
primaria educación profesional doctores
secundaria universitarios
20 R² = 0,8553
15 -14,3%
-17,5% -22,2%
-15,6%
10 -16,1%
-10,4%
5
0
Hasta 5 años Entre 6 y 15 Entre 16 y 25 Entre 26 y 35 Entre 36 y 45 Más de 45 años
años años años años
Hombres Mujeres Logarítmica (Mujeres) FUENTE: elaboración propia
Página20
El salario medio por edad (Figura 6), aunque no es un factor de capital humano
está totalmente ligado a los años de experiencia que sí es un indicador de capital
humano. La brecha tiende a disminuir en los colectivos de menor edad, hasta 39 años,
pero aumenta y tiende a divergir de la curva salarial de los hombres en edades de 40
años en adelante.
15 R² = 0,9645
0
Menos de 19 De 20 a 29 años De 30 a 39 años De 40 a 49 años De 50 a 59 años Más de 59 años
años
Hombres Mujeres Logarítmica (Mujeres) FUENTE: elaboración propia
Página21
Modelo 2
Al hacer una comparativa del salario medio por nivel de estudios entre la región
sur y la Comunidad de Madrid (Figuras 7 y 8) se observa que la brecha salarial entre
hombres y mujeres de las comunidades de la región sur es menor que la brecha salarial
en la Comunidades Madrid, es decir los salarios de los trabajadores de la región sur están
mejor distribuidos entre hombres y mujeres.
20
R² = 0,7372
15
10 -19,2% -24,0%
-23,1% -23,7%
5 -20,0% -16,6%
-19,2%
0
Menos que Educación Primera etapa Segunda Enseñanzas Diplomados Licenciados y
primaria primaria de educación etapa de de formación universitarios similares, y
primaria educación profesional doctores
secundaria universitarios
30
25 R² = 0,762
20
15
10 -25,4% -28,2%
5 -22,2% -18,2%
-22,4% -17,3%
0 -24,4%
Menos que Educación Primera etapa Segunda Enseñanzas Diplomados Licenciados y
primaria primaria de educación etapa de de formación universitarios similares, y
primaria educación profesional doctores
secundaria universitarios
Página22
Nuevamente, la brecha salarial por sexos y por años de experiencia (Figuras 9 y
10) es inferior en las comunidades que componen la región sur. La curva salarial de las
mujeres de la Figura 10 presenta unos datos atípicos para mujeres con más de 45 años
de experiencia.
15
R² = 0,8602
-16,7% -22,5%
-11,6%
10 -13,9%
-9,5%
5
0
Hasta 5 años Entre 6 y 15 Entre 16 y 25 Entre 26 y 35 Entre 36 y 45 Más de 45 años
años años años años
25
20
R² = 0,004
15
-22,3% -20,8% -19,4% -28,5%
10 -16,7%
5 -60,0%
0
Hasta 5 años Entre 6 y 15 Entre 16 y 25 Entre 26 y 35 Entre 36 y 45 Más de 45 años
años años años años
Figura 10- Gráfico salario medio por años de experiencia en la Comunidad de Madrid
Página23
En cuanto al salario medio por edad (Figuras 11 y 12) es destacable que en ambas
regiones el salario de las mujeres tiende a divergir del salario de los hombres a medida
que avanzan de edad.
15 R² = 0,9384
10 -17,3% -22,1%
-10,6%
-8,4%
5 -1,8% -9,4%
0
Menos de 19 De 20 a 29 años De 30 a 39 años De 40 a 49 años De 50 a 59 años Más de 59 años
años
20
R² = 0,9163
15
-18,6% -27,9% -31,5%
10 -14,2%
-9,2%
5
-60,0%
0
Menos de 19 De 20 a 29 años De 30 a 39 años De 40 a 49 años De 50 a 59 años Más de 59 años
años
Página24
7. Conclusiones
El objetivo principal de este trabajo es determinar si los factores de capital
humano son o no indicadores determinantes para justificar las diferencias salariales
observadas entre hombres y mujeres en el mercado de trabajo español. El método
utilizado ha sido la estimación de una regresión lineal múltiple con variables cualitativas
a través del modelo econométrico de mínimos cuadrados ordinarios. Recurriendo a los
datos de la Encuesta de Estructura salarial (2010-2014), se determina que el salario de
las mujeres es un 21% inferior al de los hombres a igualdad de factores propios de capital
humano (nivel de estudios y experiencia laboral) y de características propias del
trabajador (edad y ámbito geográfico del puesto de trabajo).
Una brecha salarial inexplicada por causas objetivas pone de manifiesto el hecho
de la existencia de discriminación salarial entre hombres y mujeres. Entran en juego
otros factores como papel el socio cultural y estereotipos tradicionales.
Aunque si bien es cierto, muchos autores justifican las diferencias salariales entre
hombres y mujeres por causas de segregación ocupacional, es decir el hecho de que
existan ocupaciones “feminizadas” o “masculinizadas” y de que tiendan a estar mejor
remuneradas las segundas. Sería interesante realizar un análisis de las diferencias
salariales entre hombres y mujeres desagregando por ocupaciones.
Página25
desarrolle la empresa y que tengan un mayor peso en un sector determinado,
distinguiendo así entre regiones más industrializadas, regiones que desarrollen
principalmente actividades encaminadas al sector servicios o en las que predomine el
sector agrario.
Para concluir, cabe destacar que, a pesar de la existencia de brecha salarial entre
hombres y mujeres, es reseñable que combatirla es uno de los objetivos prioritarios de
la Unión Europea, tal y como recoge la publicación de la Comisión Europea del año 2014
sobre «Cómo combatir la brecha salarial entre hombres y mujeres en la Unión Europea».
Página26
8. Referencias bibliográficas
JEFFREY M. WOOLDRIDGE (2010): «Introducción a la econometría: Un enfoque
moderno, 4ª. Ed.»
Página27
9. Anexo: Medias y desviaciones de las variables incluidas en
la ecuación salarial
Modelo 1
FUENTE: elaboración propia a partir de los datos Tabla 4- Medias y desviaciones de las variables del Modelo 1
de la EES
(*) Calculado a partir del salario bruto diario extrapolado al año en función de las horas anuales de trabajo
efectivo en cómputo mensual establecidas en el artículo 12.5 del Estatuto de los Trabajadores y fijadas en
1.826 horas.
Página28
Modelo 2 Región Sur Comunidad de Madrid
VARIABLE HOMBRES MUJERES HOMBRES MUJERES
Media Desv. Típica Media Desv. Típica Media Desv. Típica Media Desv. Típica
(*) 24.450,9 15.368,4 21.185,4 13.508,9 31.518,9 33.572,1 25.099,0 16.692,9
Salario Bruto anual
Salario Bruto por hora 13,4 8,4 11,6 7,4 17,3 18,4 13,7 9,1
Nivel de estudios terminados
Menos que primaria 9,8 3,4 7,9 2,0 9,5 4,9 7,2 3,7
Educación primaria 10,2 4,0 8,1 2,9 11,2 20,1 8,7 4,5
Primera etapa de educación primaria 10,8 4,7 9,0 3,5 11,5 6,0 9,5 4,1
Segunda etapa de educación secundaria 13,5 6,7 10,3 4,9 14,0 12,0 10,9 6,4
Enseñanzas de formación profesional 13,9 6,1 10,6 4,2 14,3 7,0 11,7 5,4
Diplomados universitarios 16,8 9,9 13,6 8,0 19,2 13,2 14,3 7,2
Licenciados y similares, y doctores universitarios 20,2 14,3 15,3 10,7 25,5 25,8 18,3 11,5
Edad (tramos)
Menos de 19 años 7,9 3,8 7,7 0,2 9,7 12,0 3,9 0,0
De 20 a 29 años 9,4 4,0 8,5 3,4 10,6 15,2 9,7 4,1
De 30 a 39 años 11,9 6,0 10,9 5,3 15,1 17,3 12,9 7,5
De 40 a 49 años 13,9 8,2 12,5 7,4 18,7 15,3 15,3 10,5
De 50 a 59 años 15,7 10,8 12,9 10,9 20,9 23,8 15,1 10,8
Más de 59 años 17,0 12,3 13,3 8,2 21,0 18,1 14,4 8,1
Años de experiencia laboral
Hasta 5 años 10,7 6,8 9,7 5,0 14,5 19,2 12,1 8,3
Entre 6 y 15 años 13,3 7,0 11,5 6,1 17,7 17,8 13,8 9,4
Entre 16 y 25 años 17,0 11,2 15,0 13,1 21,1 18,6 16,7 9,7
Entre 26 y 35 años 18,6 9,4 15,5 6,1 21,7 14,8 17,5 9,8
Entre 36 y 45 años 18,9 10,0 14,6 5,5 21,4 14,0 15,3 6,6
Más de 45 años 18,0 11,7 n.a. n.a. 23,4 10,7 9,4 0,0
FUENTE: elaboración propia a partir de los datos de la EES Tabla 5- Medias y desviaciones de las variables del Modelo 2
Página29
“Tengo un sueño, un solo sueño,
seguir soñando. Soñar con la libertad,
soñar con la justicia, soñar con la
igualdad y ojalá ya no tuviera necesidad
de soñarlas”
Martin Luther King, Jr., 1963
Página30