Discriminación Salarial Por género

Metodología

Planteamiento y justificación del modelo econométrico a usar

El presente trabajo busca demostrar la discriminación por género existente en Estados Unidos, para lo cual se analizó una data compuesta por 1312 observaciones para el año 2002, obtenida de la página web de la Oxford University Press.

Variables como el estado civil, experiencia laboral, raza, género, edad, escolaridad son características que claramente afectan la participación de un individuo en el mercado de trabajo en Estados Unidos. De acuerdo a trabajos desarrollados anteriormente y que nos sirvieron de guía, se realizará un modelo teniendo como variable dependiente al salario.

Variables Medida

Variable dependiente

Salario Logaritmo neperiano del nivel de ingresos por hora actuales en $

Variables independientes

educa Variable recodificada en base a los años de escolaridad (Ver ANEXO)

ethwhite 1=blanco, 0=otra raza

exper Años de experiencia laboral

female 1=femenino, 0=masculino

married 1=casado, 0=otros

tenure Años de ocupación laboral

Se incluirá la experiencia al cuadrado para capturar los efectos no lineales que pueda generar esta variable así como lo hacen diversos trabajos que han hecho uso de esta variable. Luego de analizar la significancia de las variables incluidas a través del estadístico t, nos quedamos con la siguiente ecuación que será en base a la cual realizaremos nuestro análisis y sacaremos las principales conclusiones y recomendaciones.

Salario= β0 + β1 educa+ β2 ethwhite+ β3 exper+ β4 female+ β5 married+ β6 tenure+ ε

Debido a que la variable dependiente está expresada en forma de logaritmos, β1, β2, β3, β4, β5 y β6 se pueden interpretar como valores porcentuales: así por ejemplo β1, sería el aumento porcentual en el ingreso de los trabajadores por aumentar su educación en un año (rentabilidad de la educación), β2 sería la diferencia porcentual en el ingreso del trabajador por ser blanco con respecto a los no blancos, y β4 sería la diferencia porcentual en el ingreso de las mujeres trabajadoras, con respecto a los hombres.

Resultados

Histograma de las variables

A continuación presentamos el histograma de cada variable usada en nuestra regresión para poder visualizar los principales estadísticos de la misma así como los principales momentos (media, varianza, kurtosis, asimetría).

Histograma del Salario

Histograma del Nivel educativo

Histograma del tipo de raza

Histograma de la Experiencia laboral

Histograma del género

Histograma del Estado Civil

Histograma del tiempo de ocupación laboral

Correlación entre variables

Un análisis preliminar de las variables nos muestra que no existe problema de correlación entre las mismas.

Para comprobar la no existencia de correlación entre las variables aplicamos el test VIF.

Con el Test VIF vemos que para todas las variables es menor que 5 por lo que no existe multicolinealidad entre las variables que sea significativa estadísticamente.

Primera regresión

Resultados obtenidos en el Eviews

Vemos que analizando el estadístico t todas las variables resultan ser significativas al 5% pues las probabilidades de este estadístico resultan ser menores a 0.05, en cuanto a la significancia conjunta (estadístico F), vemos que existe significancia conjunta del todo modelo al ser la probabilidad del mismo igual a 0.

Autocorrelación

Para analizar autocorrelación en los residuos, realizamos un análisis de los correlogramas para 24 rezagos de estos, para los cuales analizamos las probabilidades para ver la significancia de los rezagos, comprobamos que no son significativos, por lo tanto, concluimos que no existe autocorrelación de ningún orden entre ellas.

Normalidad del Error y Heterocedasticidad

En un primer momento al analizar nuestro error tuvimos indicios de presencia de heterocedasticidad puesto que rechazamos la hipótesis nula de Jarque-vera que indica

...