Las mujeres con un puesto laboral

Contenido

1. Introducción
1.1 Objetivo y Motivo del trabajo
1.2 Pregunta de investigación e hipótesis de investigación principal
1.3 Metodología

2. Marco conceptual

3. Fuentes, Datos y variables empleadas
3.1 Fuentes empleadas en la obtención de datos
3.2 Definición de las variables empleadas en los modelos y su forma de medida
3.3 Análisis de la estadística descriptiva
3.4 Gráficos de caja
3.5 Matriz de correlación entre las X’s

4. Desarrollo y Análisis de los Resultados
4.1 Método de Mínimos Cuadrados (MCO)
4.2 Interpretación de estimaciones de los parámetros y medidas de bondad de ajuste
4.3 Análisis de las variables significativas
4.4 Validez global del modelo
4.5 Cumplimientos de hipótesis básicas

5. Predicción

6. Conclusión

Anexo

Bibliografía

Libro

Journal

Páginas Web

Software

1. Introducción

1.1 Objetivo y motivo del trabajo

Objetivo

El objetivo es la investigación de los factores que realmente tienen una influencia sostenible en la cuota de mujeres que ocupan un puesto de trabajo. Precisamente se trata de la cuota de mujeres de la población total que trabajan en un país.

Este tema está muy relacionado con el tema de la cuota de mujeres con puestos ejecutivos por lo cual está muy en boga actualmente al nivel mundial y existen muchas ideas de reforma. Con nuestro modelo queremos profundizar esa discusión y aportar resultados que están detrás del tema de mujeres en puestos ejecutivos.

Por eso nuestro objetivo principal es crear un modelo econométrico que explique a mayor grado de crecimiento y estabilidad social y sociocultural la cuota de mujeres trabajando. En consecuencia es importante investigar si una mayor igualdad de género en el mundo laboral se refleja en una cuota de mujeres trabajando más elevada. Incluyendo en nuestro modelo variables del crecimiento y de carácter socioeconómico, podremos observar la correlación entre la cuota de mujeres trabajando y las variables. Al final somos capaz de valorar la eficiencia de las existentes ideas de reforma sobre la igualdad entre los géneros.

Motivo del trabajo

«Si Europa desea seriamente salir de la crisis y convertirse en una economía competitiva mediante un crecimiento inteligente e inclusivo, tenemos que aprovechar mejor el talento y las cualificaciones de las mujeres. La igualdad de género figura en el centro de nuestra estrategia Europa 2020: incluir a las mujeres en el trabajo nos ayudará a salir de la crisis» (Comisaria de la UE de Justicia Viviane Reding, Reporte IP/10/361, Comisión Europea, página 1)

Esta cita de la Comisaria de la UE de Justicia Viviane Reding destaca la relevancia del trabajo tal como nuestro interés en la investigación sobre nuestro modelo econométrico. En Alemania se discuta mucho sobre la introducción de una real cuota de mujeres en los puestos líderes de empresas y en los consejos de administración para garantizar igualdad de género y un aprovechamiento de la diversidad de pensamiento y metodología (Bolzen, 2012). Mucha gente especialmente los economistas conocen Meg Whitman como CEO de Hewlett-Packard o Angela Merkel, presidente del Gobierno en Alemania, o Cristina Fernández de Kirchner, presidente actual de Argentina.

Por eso investigamos en el internet argumentos a favor y en contra de la introducción de una cuota legal de mujeres en puestos en la dirección o en el consejo de administración de una empresa. En Noruega por ejemplo se introdujo una cuota legalmente obligatoria para mujeres en puestos muy poderosos. El resultado de la cuota legal de mujeres es un nivel de igualdad de género del 42 % de mujeres y 58 % de hombres en los consejos de las principales empresas con cotización en bolsa (Comisión Europea, 2010).

Según la opinión de los autores y el artículo del periódico alemán SPIEGEL se puede mencionar los siguientes argumentos a favor y en contra la cuota legal de mujeres en puestos ejecutivos.

Argumentos a favor de una cuota legal de mujeres

- Aumento de la cuota de mujeres trabajando
Con la introducción de la cuota de mujeres se da una oportunidad a las mujeres de en general ser capaz de lograr un puesto en un consejo de administración o de alta dirección en la cual hay que demonstrar su cualificación educativa y personal. Sin presión vinculante el mercado de trabajo tiende a no cambiar nada a corto/medio plazo.
- Aprovechamiento de la diversidad de género en tomar decisiones
Varios estudios prueban que la diversidad de género apoya el discurso mutuo. Además la heterogeneidad de sexo en los consejos de administración resulta en una conciencia a un rango más amplio de temas.
- Reducción de discriminación de mujeres en puestos directivos
Hombres suelen seleccionar a hombres en cuanto a la ocupación de un puesto directivo. Implementando la cuota de mujeres se obliga a los hombres y el departamento de personal en general tomar en consideración más o menos la misma cantidad tanto de mujeres como de hombres para la selección de una persona a un puesto en la alta dirección.

Argumentos en contra de una cuota legal de mujeres:

- Desigualdad de género causa conflictos tanto económicos como políticos

¿Por qué se ayuda más a los hombres que a mujeres? ¿Por qué se paga más a los hombres que a las mujeres para el mismo trabajo? Estas preocupaciones llevan a conflictos y chasco en la área directiva.

- La introducción de la cuota de mujeres es demasiado esfuerzo administrativo.

En cuanto al proceso de recruiting ya hay demasiado requisitos administrativos a cumplir. En particular las leyes de anti-discriminación que ya existen causan muchos debates y problemas como por ejemplo la discusión si poner una foto en la Curriculum Vitae es una discriminación del ser humano o no. Una introducción de la cuota legalmente obligatoria dificultaría el proceso de selección de personal aún más y podría ser otra desventaja para mujeres.

- La implementación de la cuota de mujeres es una medida a corto plazo que tiene un efecto negativo a la estructura familiar.

La implementación de la cuota de mujeres puede presionar el modelo tradicional de la familia y algunas mujeres podrían sentarse presionado a trabajar. Además existe ya una falta de personal de cuidado de los niños que se empeoraría. El objetivo a largo plazo debe ser mejorar la conciliación de la vida laboral y familiar tanto para las mujeres como para los hombres de una manera sostenible.

- Noruega como país modelo de la cuota legal para mujeres en los consejos de administración tiene fallos.

Es verdad que la cuota legal de mujeres en puestos directivos resulta en un aumento de 40% de mujeres en consejos de administración No obstante también hay que destacar que estos 300 puestos están repartidos entre exclusivamente 70 mujeres. En los cuadros intermedios desde hace 10 años no se ha cambiado casi nada.

Frente a estos argumentos en pro y contra de una cuota legal obligatoria de mujeres trabajando en posiciones altas, hemos intentado de pensar en factores imprescindibles que influyen a la cuota de mujeres que trabajen en una sociedad en general. No sólo tuvimos en cuenta factores puramente económicos sino también factores culturales y sociales como por ejemplo la tasa de fertilidad o componentes del estudio GLOBE.

1.2 Pregunta de investigación e hipótesis de investigación principal

Nuestra variable a explicar es la cuota de mujeres trabajando en base a la evaluación y análisis de 56 países mundiales como parte del estudio GLOBE.

Consideramos muchas preguntas de investigación como por ejemplo si el nivel de alfabetismo influiría en la cuota de mujeres trabajando, si la estabilidad política apoyaría a una cuota de mujeres trabajando más alta o si la estructura de la familia sea monoparental o tradicional tendría un efecto negativo a la cuota de mujeres que ocupan un puesto en el mercado de trabajo de un país. Al final nos concentramos en los factores que nosotros consideramos más importantes y los incluimos en el modelo.

Nuestras hipótesis de investigación que se basan en varias preguntas de investigación consideran lo siguiente:

Hipótesis 1: Cuanto más alto es el PIB, es decir cuanto más rico es el país, cuanto más mujeres trabajan.
Hipótesis 2: Más conciencia a desigualdad de género en un país y al papel importante de las mujeres en el mundo de trabajo resulta en una cuota de mujeres trabajando más alta.
Hipótesis 3: Más variabilidad de nivel de educación de un país resulta en que más mujeres tienen la posibilidad de trabajar y realmente ocupan más puestos.
Hipótesis 4: Una religión con autoridad religiosa y una estructura “patriarcal” con Dios como principal líder (como por ejemplo el cristianismo romano o el islam) suele tener un efecto negativo a la cuota de mujeres que trabajan.

1.3 Metodología

Aplicamos para nuestro modelo econométrico un método deductivo eligiendo un conjunto de variables explicativas cuyos datos macroeconómicos obtuvimos a través del uso de bases de datos del Banco Mundial y del CIA World Factbook.

No conseguimos el tamaño de la muestra de 100 observaciones porque incluimos componentes del estudio GLOBE. Como el análisis de la relación entre la cuota de mujeres que trabajan y los componentes “Humane Orientation” y “Gender Egalitarism” fue muy importante para nosotros, decidimos de reducir nuestra muestra a 56 observaciones (países) del estudio GLOBE.

Una vez establecido e incorporado las variables adecuadas en Excel y posteriormente en Gretl, estimamos el modelo por Mínimos Cuadrados Ordinarios, prescindiendo de aquellas que no resultaran concluyentes y modificando otra como la religiosidad a variable dicotómica con variable referencia o exclusivamente variable dicotómica y transformando el PIB a logaritmos. Como definimos principalmente la interpretación de las variables explicativas estuvimos capaces de asumir una variable de interacción entre el nivel lo más alto de educación y el PIB per cápita. Suponemos una posible interacción entre éstas ya que educación, en particular educación alta, es uno de los principales factores de crecimiento de un país.

Posteriormente, comprobamos el cumplimiento de las hipótesis básicas, interpretamos el valor de los parámetros obtenidos y contrastamos su significancia individual y conjunta. Finalmente, valoramos la capacidad predictiva del modelo reservando un grupo reducido de observaciones para hacer predicciones sobre ellas.

2. Marco conceptual

Muchas economistas están actualmente poniendo su atención en la investigación sobre el análisis de la cuota de mujeres trabajando lo que muestra que el tema tiene alta importancia hoy en día.

Un informe empírico del IMF (2013) señala que aunque hay avances en la eliminación de la desigualdad de género, siguen a la zaga de los hombres en el lugar de trabajo y el gobierno. Esta brecha es mundial, pero especialmente pronunciada en las economías en desarrollo. (IMF, 2013) Los autores Melián y Millán Vázquez (2009) de las universidades Córdoba y Miguel Hernández siguen esta hipótesis ya que España se considera como un país desarrollada en el mundo y así no es sorprendente que en los últimos años se ha producido un incremento notable del número de mujeres que acceden al mercado de trabajo en España. Además el informe de la Comisión Europea “La presencia de más mujeres en puestos superiores es clave para el crecimiento económico” afirma que cuanto más importante el puesto cuanto menos mujeres aplicaran o si aplicaran consiguen trabajar en ello. Especialmente en el ámbito político casi no aparecen mujeres. Los resultados del reporte IP/10/362de 2010 de la Comisión Europea admiten todos los gobernadores de los bancos centrales de la UE son hombres. La Comisión Europea (2010) en su informe “La presencia de más mujeres en puestos superiores es clave para el crecimiento económico ” añade además que al nivel europeo casi el 89 % de los puestos en consejos de administración en las principales empresas europeas con cotización en bolsa está ocupado por hombres. Los autores del Instituto alemán de investigación económica, Horst y Wiemer (2010) soportan esta teoría. Aún más añaden que al nivel mundial el género masculino desempeña el 99% de los puestos en consejos de administración en las empresas Top-100. Es decir que principalmente hombres toman decisiones en los puestos principales y los más importantes y poderosos.

El único país en el cual no se destaca una grande desigualdad entre los géneros es Noruega. En este país que no pertenece a la Unión Europea trabajan el 42 % de mujeres y 58 % de hombres en los consejos de las principales empresas con cotización en bolsa, como resultado de una cuota legal (Comisión Europea, 2010). Tomando toda esta información en consideración parece que si un país tiene un PIB más alto, es decir tiene más riqueza, se preocupa más de la desigualdad de género.

Rohini Pande y Petia Topalova han documentado en su artículo en el Informe del IMF (2013), citando un informe “ONU Mujeres” (2011), que la cuota de mujeres trabajando en el gobierno y grandes empresas se mejoraba un poco pero no mucho. Es decir que en el informe de la ONU se predicó para 2011 que solo 19% de los parlamentarios en todo el mundo eran mujeres, y en solamente 19 países una mujer lideraba el gobierno. Las cifras del informe de UNO se elevan a un nivel aún más bajo en las grandes empresas que se puede ver también en el gráfico de UNO que muestra la distribución de mujeres líderes en el político y en compañías “global player”. (Gráfico 1 del Informe IMF, 2013, página 15)

Por lo demás, la Comisión Europea (2010) ha documentado su reporte IP/10/362 de 2010, en su estudio sobre desigualdad de género, que una estructura trabajadora equilibrada entre mujeres y hombres apoya el éxito de una empresa y que más allá existe una correlación positiva entre la cuota de mujeres en puestos superiores y el rendimiento de una empresa. Por otro lado, la autora May hace en su artículo en el informe del IMF (2013) énfasis en el papel de la educación y de la influencia del gobierno en la cuota de mujeres trabajando. Una encuesta realizada por May destaca que “es más probable que las mujeres acepten la intervención gubernamental para hacer frente a las desigualdades sociales, como un acceso inadecuado a la atención de salud y normas laborales deficientes, mientras que para los hombres son más importantes los peligros de la intervención gubernamental, como la posibilidad de que un aumento del salario mínimo eleve las tasas de desempleo entre los trabajadores no calificados.” (IMF, 2013, página 11) Por lo demás May (2013) afirme que la educación desempeña un papel importante en la cuota de mujeres en el mercado de trabajo y en su igualdad ya que frecuentemente en particular las mujeres en el estudio de IMF contestan a la pregunta si la educación superior en Estados Unidos favorece al hombre más que a la mujer que efectivamente es así.

3. Fuentes, Datos y variables empleadas

3.1 Fuentes empleadas en la obtención de datos

Ya que nuestras observaciones de muestra son países y nos centramos en el análisis de indicadores macroeconómicos, hemos utilizado para la obtención de datos las bases de datos del World Data Bank y del CIA World Factbook del Central Intelligence Agency. Además hemos usado los datos del estudio GLOBE de 2004 de la Profesora Harzing de la universidad ESCP Europe Business School London y del libro “Culture, Leadership, and Organizations: The GLOBE Study of 62 Societies” de Robert J. House, Paul J. Hanges, Mansour Javidan, Peter W. Dorfman y Vipin Gupta publicado en 2004 en la editorial Sage Publications, Inc. Thousand Oaks. California.

3.2 Definición de las variables empleadas en los modelos y su forma de medida

Para atacar la hipótesis de partida, hemos construido la siguiente ecuación:

Abbildung in dieser Leseprobe nicht enthalten.

La Tabla 1 describe las variables empleadas, el tipo de variable (endógena/explicativa; cuantitativa/dicotómica), la forma de medida y su importancia e interpretación.

Abbildung in dieser Leseprobe nicht enthalten.

FACTORES SOCIOECONOMICOS

Abbildung in dieser Leseprobe nicht enthalten.

ESTUDIO GLOBE

Abbildung in dieser Leseprobe nicht enthalten.

Tabla 2: Estadísticos Resumen de las variables relevantes

3.4 Gráficos de caja

El gráfico de caja del PIB muestra la distribución de la variable “PIB”. 50% de los datos se caracterizan por un PIB entre 0.9963x4.191e+10 y 1.015x6.006e+11 euros. La línea negra en la caja se refiere a la media que es un PIB de 0.9446x1.661e+11 euros. En el gráfico se ve también el valor más grande con un PIB de 1,2 e+13 euros.

Tabla 3.1: PIB X2

Abbildung in dieser Leseprobe nicht enthalten.

El gráfico de caja del la variable fertilidad (niños por mujer) muestra que 50% de los datos se caracterizan por una fertilidad entre 1,394 y 2,419 niños per mujer . La línea negra en la caja se refiere a la media que son 1,910 niños per mujer. El valor más grande supere 6 niños per mujer.

Tabla 3.2 Fertilidad X4

Abbildung in dieser Leseprobe nicht enthalten.

El gráfico de caja del igualitarismo de género muestra la distribución de la variable “Gen_iqu”. 50% de los datos se caracterizan por un valor entre 3,147 y 3,643 en un escala de 1 a 7. La línea negra en la caja se refiere a la media que es un valor de 3,414.

Tabla 3.3: Igualitarismo de Género X16

Abbildung in dieser Leseprobe nicht enthalten.

3.5 Matriz de correlación entre las X’s

La siguiente matriz de correlación nos ayuda comprobar si hay posibles problemas de multicolinealidad entre los Xs. Por el hecho de que todas las correlaciones están debajo del valor de 0,8 las correlaciones no indican un problema grave de multicolinealidad. Aunque las variables “edu_2” y “edu_3” muestran una valor de correlación de 0,72 y “edu_2” y “PIB_cap” de 0,7 las correlaciones de nuestras variables no son preocupantes.

Abbildung in dieser Leseprobe nicht enthalten.

Tabla 5: Matriz de correlaciones de las X’s significativas

4. Desarrollo y Análisis de los Resultados

4.1 Método de Mínimos Cuadrados (MCO)

Dentro de nuestro estudio sobre la cuota de mujeres trabajando hicimos la calculación de cinco modelos con el Método de Mínimos Cuadrados (MCO) en el programa Gretl. El modelo 1 refleja todas variables que consideramos importantes para nuestro modelo. Por eso el modelo 1 incluye la influencia de los niveles de educación (“edu_1”, “edu_2”, “edu_3”), factores económicos con referencia al PIB (“PIB”, “PIB_cápita”, miembro G8), la fertilidad (“Fert_rate”), variables de GLOBE (“Gen_iqu”, “Hum_Orie”), la religión (“Musl_Pct”, “Cath_Pct”, “Orth_Pct”, “Prot_Pct”, “Hind_Pct” y “Bud_Pct”). Además se integra “ln_PIB” para eliminar la desigualdad de la distribución de la fuerza económica en el mundo y el producto de la variable “PIB” y “edu_3” para corresponder a la presunción que países con un nivel del PIB alto también tienen más mujeres que disfrutan de los sistemas de educación. El modelo 2 se desarrolla basado en el modelo 1. En concreto se eliminó los valores P igual o más grande a 0,7. Se puede clasificar todos los países de nuestro estudio en uno de los clústeres del estudio GLOBE. El modelo 3 incluye variables dicotómicas que se refieren a los distintos clústeres y tienen el clúster “EasternEurope” como base. Los modelos 4 y 5 se distinguen por el tratamiento de la religión. En el modelo 4 las variables de la religión son variables dicotómicas. Las religiones con el porcentaje más alto tiene el valor 1, las otras 0 (En los modelos 1-3 las variables de las religiones se refieren a los porcentajes de la población del país). En el modelo 5 se analiza el impacto del cristianismo. La variable “Cath_Pct” es dicotómica. 1 significa que el cristianismo el la religión con el porcentaje más alto referente a la población y 0 significa que otras religión tiene un porcentaje más alto que cristianismo.

Abbildung in dieser Leseprobe nicht enthalten.

Como dicho en la parte de arriba desarrollamos diferentes modelos para comprobar la significancia de los estimaciones de los β. Al final nos quedamos con el modelo 3 que incluye los clústeres por que da los mejores resultados basado en los métodos estadísticos bien seleccionados.

Abbildung in dieser Leseprobe nicht enthalten.

Tabla 6: Estimaciones de los modelos de regresión lineal múltiple por MCO

4.2 Interpretación de estimaciones de los parámetros y medidas de bondad de ajuste

El análisis de las variables significativas del modelo 3 será lo siguiente:

- Si el valor de la orientación humana escalado de 1 a 7 aumenta un punto en la escala la cuota de mujeres trabajando aumenta 10,68 puntos porcentuales, ceteris paribus y en términos medios.
- Si el % de cristianismo se aumenta por un punto porcentual, la cuota de mujeres trabajando se disminuye por 0,15 puntos porcentuales, ceteris paribus y en términos medios.
- Si un país está situado en el clúster “African”, la cuota de mujeres trabajando en este país es de 20,81 puntos porcentuales más elevado, ceteris paribus y en términos medios.
- Si un país está situado en el clúster “MiddleEastern”, la cuota de mujeres trabajando en este país disminuye por 16,90 puntos porcentuales, ceteris paribus y en términos medios.

4.3 Análisis de las variables significativas

Abbildung in dieser Leseprobe nicht enthalten.

Tabla 7: Hipótesis sobre los parámetros

Para analizar si cada variable del modelo 3 influye la cuota de mujeres trabajando, estimamos las hipótesis lineales de la tabla 7. Los p-valores de las diferentes hipótesis muestran que todos los parámetros tienen diferentes niveles de significancia. La variable “Hum_Orie” tiene un nivel de significancia de 5%. Las tres otras variables se caracterizan por un nivel de significancia de 10% que es una evidencia débil de significancia.

4.4 Validez global del modelo

La validez global de un modelo describe el análisis de la significancia conjunta a través del contraste F y la precisión del modelo econométrico en general. La hipótesis nula para analizar si el modelo es conjuntamente significativo dice que H0= β2= β3= β4= β5= β6= β7= β8= β9= β10= β11= β12= β13= β14= β15= β16= β17= β18 = 0. Rechazamos H0 si H1: Algún βi ≠ 0 es decir si el contraste F es demasiado grande y el p-valor pequeño.

Aplicado a nuestro modelo el estadístico F se eleva a F(24,31) = 2,0840 con un p-valor = 0,027602 (˃ 0,01 pero ˂0,05). En consecuencia no rechazamos la hipótesis nula H0. El estadístico F es pequeño y tiene un p-valor mayor en el rango de evidencia moderada por lo cual llegamos a la conclusión que el modelo no es conjuntamente significativo.

Es importante tener en cuenta que el tamaño del muestra es relativamente pequeño y como el estadístico F se calcula por la siguiente formula con n=56 y k=18 suponíamos que no seriamos capaz de rechazar H0.

El tamaño del muestra es demasiado pequeño y hay un gran número de variables explicativas a considerar. Además consideramos una precisión baja debido al pequeño tamaño del muestra. Además había tendencias a altas desviaciones típicas ya en el modelo básico que lleva a menos precisión en este modelo en particular y en todos los modelos demás.

4.5 Cumplimientos de hipótesis básicas

HB II: Heterocedasticidad

Como tenemos una muestra de datos corte transversal suponemos desde el principio un problema de heterocedasticidad. Por eso como primer paso construimos a través de Gretl un gráfico de residuos que da incidencia a heterocedasticidad .

Abbildung in dieser Leseprobe nicht enthalten

Tabla 8.1: Gráfico de residuos para el modelo 3

A continuación para comprobar esta tendencia de heterocedasticidad aplicamos un contraste de heterocedasticidad de White para verificar y confirmar nuestras sospechas de heterocedasticidad. La hipótesis nula H0 supone homocedasticidad. H1 determina heterocedasticidad genérica asociada a cualquier combinación de las X’s.

Abbildung in dieser Leseprobe nicht enthalten

Tabla 8.2: Contraste de White para el modelo 3

El análisis del contraste de White resulta en la comprobación de la suposición de heterocedasticidad genérico ya que con un Estadístico de contraste de 38.9642 con valor p de 0,4262 hay que rechazar la hipótesis básica de homocedasticidad.

HB III: Ausencia de Autocorrelación

No es necesario analizar la autocorrelación ya que nuestro modelo econométrico se caracteriza por datos de cortetransversal lo que supone que no hay autocorrelación entre las variables por el aspecto temporal.

HB V: Multicolinealidad

La multicolinealidad determina la existencia de una relación lineal entre variables explicativas X. Cuando es perfecta una variable explicativa describe exactamente el valor de otra u otras y en consecuencia es imposible estimar el modelo por MCO.

Ya hemos planteado como hipótesis que no suponemos ni contradicción entre los contrates de significancia individual y conjunta (estadístico t y F) ni altos valores en la matriz de autocorrelaciones.

Por eso es importante llevar a cabo un análisis de factores de inflación de varianza VIF. Con este método se compruebe si existe contradicción entre los contrastes de significancia individuales. Si las regresiones auxiliares se elevan a un número mayor que 10 se supone problemas de colinealidad.

Abbildung in dieser Leseprobe nicht enthalten Tabla 9: Análisis VIF

El análisis del VIF es convergente con dichas afirmaciones sobre autocorrelación y significancia individual y conjunta. El mayor valor obtenido por nuestro análisis VIF es 7,668 ˂ 10 por lo cual concluimos que se cumple con el requisito de ausencia de multicolinealidad.

5. Predicción

Hemos realizado las predicciones sobre 4 datos ya que tenemos un tamaño de muestra relativamente pequeño debido al uso del estudio GLOBE.

Dentro de un intervalo de confianza de 95%, las predicciones sobre los cuatro observaciones restantes tienen una desviación típica entre 9,67 y 12,52 puntos porcentuales. Todas observaciones están dentro del intervalo de confianza lo que da evidencia a una calidad de predicción en general alta.

Posibles causas que influyen negativamente a estos resultados pueden ser nuestro tamaño de muestra, que con 56 observaciones no es suficiente para establecer un modelo empírico. Además, la variabilidad de los Xs es mejorable. Por ejemplo la variable fertilidad no tiene una variabilidad alta, lo que confirma su gráfico de frecuencia.

Abbildung in dieser Leseprobe nicht enthalten

Tabla 10: Gráficas de Frecuencias

Abbildung in dieser Leseprobe nicht enthalten.

Tabla 11: Resumen numérico de las predicciones

Abbildung in dieser Leseprobe nicht enthalten Tabla 12: Predicciones Ex-Post

6. Conclusión

Durante este trabajo, dicho su desarrollo y el análisis de los resultados del modelo, nos hemos dado cuenta de algunos hechos no esperados. Aunque hemos planificado el modelo bien detallado surgieron algunas sorpresas. Nuestra hipótesis central del inicio, según la cual un PIB más alto lleva a una cuota de mujeres trabajando más elevada, tenemos que rechazar. Nuestro análisis en Gretl prueba que ni el ln del PIB, ni el PIB per cápita ni el producto de PIB y nivel de educación tienen una influencia significativa a la cuota de mujeres trabajando. Se rechaza la hipótesis fundamental I de nuestro trabajo que incluye los efectos del nivel económico de un país. En consecuencia nuestro modelo no nos permite hacer declaraciones sobre el efecto de los factores económicos a la cuota de mujeres trabajando.

Al final, los factores cuales hemos considerado menos importantes son los que son más significativos. Variables de religiosidad y del estudio GLOBE ayudan a explicar hasta un determinado nivel la cuota de mujeres trabajando en un país. La orientación humana está inesperadamente significativo en todos los cinco modelos. El modelo 3 que es el modelo que tiene el valor informativo lo más grande destaca que los clústeres tienen un efecto muy elevado a la cuota de mujeres trabajando en un determinado país. Se puede concluir que la pertenencia a un clúster es un factor importante a considerar. Además hay que rechazar la hipótesis de investigación II sobre la desigualdad de género en un país. Los diferentes modelos no pueden subrayar una influencia significativa de la desigualdad de género a la cuota de mujeres trabajando. Los niveles de educación primaria, secundaria y terciaria están incluidos en la hipótesis de investigación III. Aunque hemos esperado una relación significativa positiva entre el nivel de educación y la cuota de mujeres trabajando, los resultados de Gretl nos obligan a rechazar esa hipótesis porque en nuestro modelo 3 esas variables no son significativas. Otro punto describe la religiosidad sobre la cual hemos formulado nuestros predicciones en la hipótesis IV. No se tiene que rechazar esa hipótesis por que el modelo 3 muestra la influencia negativa del cristianismo a la cuota de mujeres trabajando en un país. No obstante no se puede hacer conclusiones sobre el impacto del islam por que esa variable no es significativa.

Resumiendo todas las hipótesis de investigación iniciales podemos concluir que los factores macroeconómicos como el PIB, el PIB per cápita y el nivel de educación no tienen un efecto fuerte como hemos esperado. Lo que más influye son los factores suaves que posteriormente hemos considerado más irrelevante que los factores fácilmente cuantificables. En conclusión, la evaluación en Gretl nos ha ayudado entender y destacar los impactos significativos que describen las variables orientación human, cristianismo y los clústeres “African” y “MiddelEastern”.

Juicio personal sobre la realización el trabajo

Nos sorprendía que enfrentamos problemas en encontrar datos para nuestra muestra ya que la discusión sobre el nivel de mujeres que trabajan en el mundo es un discusión aún más acutal en momento con el debate sobre la cuota legal de mujeres en consejos de administración y direcciones. El hecho que nos decidimos basarnos en factores del Estudio GLOBE nos restringió en el tamaño del muestra. La consistencia de los datos para llevar a cabo un estudio empírico al detalle de un tema actualidad como es el nuestro nos causa problemas preliminares porque había muchos datos en los bases de datos pero no coincidan con otras bases de datos o no tenían la misma base a calcular.

Una vez incorporado bien los datos, nos enfocamos en particular en la selección de tests y análisis realmente relevantes para nuestro modelo ya que nuestra muestra de datos no era “perfecta” y tuvimos reducir el tamaño de inicialmente 62 países del Estudio GLOBE a 56 países por falta de datos de GLOBE y otras variables importantes en las bases de datos. El efecto aprendizaje esecial es trabajar con alta exactitud y concentración desde el principio: un error en la codificación de las variables o una variable no seleccionada en gretl o omitida falsifica toda la estimación y hay que empezar de nuevo con la construcción y análisis del tests o factor a investigar. No obstante fuimos capaz solucionar dificultades conceptuales gracias a interpretaciones basadas en la lógica de la realidad económica actual y parcialmente gracias a la actualidad del tema.

En total el proyecto de llevar acabo nuestro propio análisis de un modelo econométrico nos ayuda demasiado aplicar y entender los conceptos teóricos de la clase en la práctica.

Anexo

Tabla 8.2: Contraste de White para el modelo 3

Abbildung in dieser Leseprobe nicht enthalten

Tabla 9: Análisis VIF

Abbildung in dieser Leseprobe nicht enthalten

Bibliografía

Libro

House, Robert J.; Hanges, Paul J.; Javidan, Mansour; Dorfman, Peter W.; Gupta, Vipin(2004): “Culture, Leadership, and Organizations: The GLOBE Study of 62 Societies”. Sage Publications, Inc. Thousand Oaks. California.

Journal

Center for Creative Leadership(2012): “Leader Effectiveness and Culture: The GLOBE Study” en: http://www.ccl.org/leadership/pdf/assessments/GlobeStudy.pdf (última vista: 16.11.2014)

Holst, Elke; Wiemer, Anita(2010): “Frauen in Spitzengremien großer Unternehmen weiterhin massiv unterrepräsentiert”. Wochenbericht des DIW Berlin N°4/2010. USE gGmbH. Berlin (nota: DIW= del Instituto alemán de investigación económica)

Melián Navarro, Amparo ; Millán Vázquez de la Torre, Mª Genoveva(2009): “El mercado de trabajo femenino en las empresas de economía social de Andalucía (España). Un análisis econométrico del perfil de la mujer trabajadora”. Universidad Córdoba / Universidad Miguel Herández.

May, Ann Mari(2013): “Distintas formas de pensar” en: Fondo Monetario Internacional(2013): “Las mujeres en el trabajo”. Finanzas&Desarrollo. Publicación Trimestral del Fondo Monetario Internacional. Junio de 2013. Volumen 50. Número 2. Páginas 10-11

Pande, Rohini; Topalova, Petia(2013): “Mujeres al mando” en: Fondo Monetario Internacional(2013): “Las mujeres en el trabajo”. Finanzas&Desarrollo. Publicación Trimestral del Fondo Monetario Internacional. Junio de 2013. Volumen 50. Número 2. Páginas 12-15

Fondo Monetario Internacional (2013): “Las mujeres en el trabajo”. Finanzas&Desarrollo. Publicación Trimestral del Fondo Monetario Internacional. Junio de 2013. Volumen 50. Número 2.

Páginas Web

Engelen, A./Tholen, E. (2014): Interkulturelles Management. Start. Nationale Kultur. Kulturdimensionen. Trompenaars. Uncategorised. Kulturdimensionen nach GLOBE: http://www.interkulturelles-management.com/nationale-kultur/kulturdimension/trompenaars/index.php?option=com_content&view=article&id=31&catid=2&Itemid=142 (última vista: 12.12.2014)

Grove, Cornelius N. (2005): “Worldwide Differences in Business values and Practices: Overview of GLOBE Research Findings”. GROVEWELL Global Leadership Solutions LLC. Professional Knowledge Center: http://www.grovewell.com/pub-GLOBE-dimensions.html (última vista: 12.12.2014)

European Commission(2010): „La presencia de más mujeres en puestos superiores es clave para el crecimiento económico, según un informe de la UE”. Press Releases Database. Press Release details. IP/10/361: http://europa.eu/rapid/press-release_IP-10-362_es.htm (última vista: 12.12.2014)

SPIEGEL ONLINE(2013): „Frauenquote: Fünf Gründe dafür, fünf dagegen“ en: Nachrichten. Karriere Spiegel. Home. Berufsstart. Berufsleben. Frauen in Führungspositionen: http://www.spiegel.de/karriere/berufsleben/frauenquote-fuenf-gruende-dafuer-fuenf-dagegen-a-894772.html (última vista: 12.12.2014)

The World Bank. World DataBank. World Development Indicators: http://databank.worldbank.org/data/views/variableselection/selectvariables.aspx?source=world-development-indicators#c_s (última vista: 12.12.2014)

Central Intelligence Agency. Home. Library. Publications. The World Factbook: https://www.cia.gov/library/publications/the-world-factbook/index.html (última vista: 12.12.2014)

Harzing.com. Research in International Management. Scores of the GLOBE Study** (House et. al., 2004): http://www.harzing.com/download/hgindices.xls (última vista: 12.12.2014) [Anne-Wil Harzing. Research Professor and Research Development Advisor of the ESCP Europe Business School London]

Software

Programa GRETL disponible en: http://gretl.sourceforge.net/

[...]