Paula Pereda-Suárez

Este artículo fue originalmente publicado en el suplemento de economía de la diaria.

La Real Academia Sueca premió a David Card por su contribución empírica a la economía laboral y también a la dupla de Joshua Angrist y Guido Imbens por sus aportes metodológicos al establecimiento de relaciones causales.

Las mañanas en las que se otorga el Nobel de Economía son como un ritual, los miembros del comité se preparan para anunciarlo y la prensa se silencia por completo. Este año la Academia se hizo esperar un poco más, dado que no lograron contactar a tiempo a todos los galardonados. Pero el momento esperado llegó, y la Real Academia Sueca premió a David Card por su contribución empírica a la economía laboral y también a la dupla de Joshua Angrist y Guido Imbens por sus aportes metodológicos al establecimiento de relaciones causales. Los galardonados de este año han demostrado que los experimentos naturales pueden utilizarse para responder cuestiones fundamentales para la sociedad, como el efecto de los salarios mínimos y la inmigración en el mercado laboral. Asimismo, han aclarado exactamente qué conclusiones sobre la causa y el efecto pueden extraerse utilizando este enfoque de investigación. En pocas palabras, revolucionaron la investigación empírica en economía.

Claro, ganar el Premio Nobel de Economía puede ser uno de los logros más importantes de la carrera de David Card. Y, sí, además de la medalla de oro, se reparte más de un millón de dólares con los otros dos ganadores del premio de 2021, Joshua Angrist y Guido Imbens. Pero eso es solo la torta. También está la frutilla. David Card da clases en la Universidad de Berkeley, por lo que convertirse en premio Nobel conlleva una ventaja adicional: estacionamiento gratuito de por vida. En serio.

“Sí, profesor Card, además de su Premio Nobel –y, de hecho, gracias a él–, me complace concederle una codiciada plaza de estacionamiento cerca de su oficina”, dijo la rectora de la Universidad de Berkeley, Carol T. Christ, la mañana del anuncio del Nobel. “Me han dicho que, al igual que muchos miembros de la facultad de Berkeley, usted va en bicicleta al trabajo, así que déjeme ver cómo podríamos crear un lugar especial para que la estacione”.

En cuanto al premio en sí, añade un toque oficial a algo que los aficionados a la economía ya sabemos de Card: su trabajo, realizado a menudo en colaboración con su difunto coautor Alan Krueger[1], ha reformado completamente el campo de la economía. Los economistas consideran su trabajo una de las primeras salvas de lo que a veces se denomina la “revolución de la credibilidad” o la revolución empírica. Esto se refiere a un movimiento en la economía para crear diseños de investigación innovadores, con el objetivo de encontrar pruebas creíbles para responder a cuestiones políticas importantes. Hasta el momento, en la disciplina predominaba la teoría económica y algunos intentos empíricos esquivos. Tras los primeros disparos de Card y Krueger, Joshua Angrist y Guido Imbens, quienes lavaban su ropa los sábados a la mañana mientras conversaban sobre diseños metodológicos como profesores ayudantes en Harvard, entraron en paracaídas y dieron a la revolución otra victoria al desplegar armas aún más sofisticadas desde el punto de vista estadístico.

Pero… ¿qué son los experimentos naturales?

Muchas preguntas importantes son sobre la causa y el efecto. Si queremos tomar buenas decisiones, debemos comprender las consecuencias de nuestras elecciones. Esto se aplica tanto a los individuos como a los responsables de las políticas públicas: los jóvenes que toman decisiones educativas quieren saber cómo éstas podrían afectar a sus ingresos futuros; los políticos que están considerando una serie de reformas quieren saber cómo éstas podrían afectar al empleo y a la distribución de los ingresos. Sin embargo, no es fácil responder preguntas generales sobre la causa y el efecto, porque nunca sabremos qué habría pasado si hubiéramos hecho una elección diferente.

La manera ideal de responder estas preguntas y establecer causalidad es utilizar experimentos aleatorios, en los que los investigadores asignan a los individuos a grupos de tratamiento mediante un sorteo. Esto se realiza en otras áreas de investigación, por ejemplo, en medicina: un grupo similar puede ser dividido en dos, uno prueba una pastilla nueva mientras otro testea una pastilla placebo. No obstante, en las ciencias sociales esto es muy complejo de realizar, ya sea por razones logísticas, políticas o éticas; lógicamente, no podríamos hacer un experimento aleatorio para determinar quién va a la escuela secundaria superior y quién no con el fin de estimar el efecto de la educación en los salarios. A pesar de estos problemas, los galardonados han demostrado que es posible responder a muchas de las grandes preguntas de la sociedad. ¿Su solución? Utilizar experimentos naturales, es decir, situaciones que surgen en la vida real y que se asemejan a los experimentos aleatorios. Estos experimentos naturales pueden deberse a variaciones aleatorias espontáneas, normas institucionales o cambios políticos.

Los experimentos naturales difieren de los ensayos clínicos en un aspecto importante: en un ensayo clínico, el investigador tiene un control total sobre a quién se le ofrece un tratamiento y finalmente lo recibe (el grupo de tratamiento) y a quién no se le ofrece el tratamiento y por lo tanto no lo recibe (el grupo de control). En un experimento natural, el investigador también tiene acceso a los datos de los grupos de tratamiento y de control pero, a diferencia de un ensayo clínico, los propios individuos pueden haber elegido si quieren participar en la intervención que se les ofrece. Esto hace que sea mucho más difícil interpretar los resultados de un experimento natural. En un innovador estudio de 1994, Joshua Angrist y Guido Imbens demostraron qué conclusiones sobre la causalidad puede extraerse de los experimentos naturales en los que no se puede obligar a las personas a participar en el programa estudiado (ni prohibirles que lo hagan). La metodología que crearon ha cambiado radicalmente la forma en que los investigadores abordan cuestiones empíricas utilizando ya sea datos de experimentos naturales o aleatorios.

Un ejemplo de experimento natural

Utilicemos un ejemplo concreto para ilustrar cómo funciona un experimento natural. Una pregunta clásica es, ¿cómo estimar el efecto de la educación en los ingresos? Las personas con mayor escolarización ganan más, pero ¿se debe a la escolaridad o a que las personas que obtienen mayor escolaridad tienen más capacidad? Joshua Angrist y su colega Alan Krueger mostraron cómo se podía hacer en un artículo fundacional. La estrategia de los investigadores fue utilizar la correlación entre el trimestre de nacimimiento de un estudiante y sus años de educación para estimar el efecto de la escolarización en los ingresos. ¿Qué? ¿Qué puede tener que ver el trimestre de nacimiento de un estudiante con la cantidad de educación que recibe? ¿Se trata de un extraño tipo de astrología económica? Pues no, en Estados Unidos, durante muchas décadas, una persona podía dejar la escuela a los 16 años. Además, un niño nacido a finales de diciembre puede empezar el primer curso antes que un niño, casi de la misma edad, nacido a principios de enero. Si se juntan estas dos particularidades, se obtiene que las personas nacidas en el cuarto trimestre tienen un poco más de probabilidades de tener un poco más de educación que los estudiantes similares nacidos en el primer trimestre. Cuando Angrist y Krueger compararon a las personas nacidas en el primer y el cuarto trimestre del año, es decir, personas cuya única diferencia aparente es haber nacido unos días aparte, vieron que el primer grupo tenía, en promedio, menos años de educación. Las personas nacidas en el primer trimestre también tenían menos ingresos que las nacidas en el cuarto trimestre. Por lo tanto, en la edad adulta tenían menos estudios y menos ingresos que los nacidos en el último trimestre del año.

• 

Dado que el trimestre de nacimiento es aleatorio, es decir, no es elegido adrede, es como si alguien asignara al azar a algunos estudiantes para que recibieran más educación que otros, por lo que Angrist y Krueger descubrieron un experimento aleatorio en datos naturales. El siguiente paso era ver cómo varían los ingresos con el trimestre de nacimiento. Las personas nacidas en el primer trimestre tienen una educación ligeramente inferior a la de las personas nacidas en el cuarto trimestre y las personas nacidas en el primer trimestre tienen unos ingresos ligeramente inferiores a los de las personas nacidas en el cuarto trimestre. El efecto sobre los ingresos es pequeño, en torno a 1%, pero hay que recordar que el trimestre de nacimiento sólo cambia la educación en aproximadamente 0,1 años, por lo que dividiendo lo primero por lo segundo se obtiene una estimación que implica que un año más de educación aumenta los ingresos en un saludable 10%.

• 

Sería fácil creer que las situaciones que permiten realizar experimentos naturales son muy inusuales, especialmente las que pueden servir para responder preguntas importantes. Las investigaciones realizadas en los últimos 30 años han demostrado que no es así: los experimentos naturales se producen con frecuencia. Por ejemplo, pueden surgir debido a los cambios de política en algunas regiones de un país, a los límites de admisión en la educación superior o a los umbrales de ingresos en los sistemas fiscales y de prestaciones, lo que significa que algunos individuos están expuestos a una intervención mientras que otros, similares, no lo están. Por lo tanto, existe una aleatoriedad involuntaria que divide a las personas en grupos de control y de tratamiento, lo que ofrece a los investigadores la oportunidad de descubrir relaciones causales.

Comprender los mercados de trabajo

Los efectos de un salario mínimo

A principios de la década de 1990, la teoría económica afirmaba que un aumento en los salarios mínimos provocaba un descenso del empleo porque aumentaba los costos salariales de las empresas. Sin embargo, las pruebas que apoyaban esta conclusión no eran del todo convincentes; de hecho, había muchos estudios que indicaban una correlación negativa entre los salarios mínimos y el empleo, pero ¿significaba esto realmente que el aumento de los salarios mínimos conducía a un mayor desempleo?

Para investigar cómo el aumento de los salarios mínimos afecta al empleo, Card y Krueger utilizaron un experimento natural. A principios de la década de 1990, el salario mínimo por hora en Nueva Jersey pasó de 4,25 dólares a 5,05 dólares. El mero hecho de estudiar lo que ocurrió en Nueva Jersey después de este aumento no da una respuesta fiable a la pregunta, ya que hay otros muchos factores que pueden influir en la evolución de los niveles de empleo a lo largo del tiempo. Al igual que en los experimentos aleatorios, era necesario un grupo de control, es decir, un grupo en el que los salarios no cambiasen pero todos los demás factores fuesen los mismos.

• 

Card y Krueger “aprovecharon” que no se produjo ningún aumento en el estado vecino de Pensilvania. Por supuesto, había diferencias entre los dos estados, pero es probable que los mercados laborales evolucionaran de forma similar cerca de la frontera. Así que estudiaron los efectos sobre el empleo en dos zonas vecinas –Nueva Jersey y el este de Pensilvania– que tienen un mercado laboral similar, pero en las que el salario mínimo se incrementó a un lado de la frontera pero no al otro. No había ninguna razón aparente para creer que algún factor (como la situación económica), aparte del aumento del salario mínimo, afectara las tendencias del empleo de forma diferente a ambos lados de la frontera. De esta manera, si se observaba un cambio en el número de empleados en Nueva Jersey, y éste difería de cualquier cambio en el otro lado de la frontera, había buenas razones para interpretarlo como un efecto del aumento del salario mínimo.

Los investigadores se centraron en el empleo en los restaurantes de comida rápida, un sector en el que la remuneración es baja y el salario mínimo es importante. De esta manera, estimaron el efecto del salario mínimo en Nueva Jersey calculando la diferencia en el empleo en Nueva Jersey antes y después de la ley y luego restando la diferencia en el empleo en Pensilvania antes y después de la ley. Al restar la diferencia de Pensilvania (es decir, lo que habría ocurrido en Nueva Jersey si la ley no se hubiera aprobado) de la diferencia de Nueva Jersey (lo que realmente ocurrió) nos queda el efecto del salario mínimo.

En contra de lo que habían investigado anteriormente, descubrieron que un aumento del salario mínimo no tenía ningún efecto sobre el número de empleados. David Card llegó a la misma conclusión en un par de estudios a principios de los años 90. Esta investigación pionera ha dado lugar a un gran número de estudios de seguimiento. La conclusión general es que los efectos negativos del aumento del salario mínimo son pequeños, y significativamente menores de lo que se creía hace 30 años.

La importancia de Card y Krueger (1994) no fue el resultado (que sigue siendo objeto de debate), sino que Card y Krueger revelaron a los economistas que había experimentos naturales con grupos de tratamiento y control plausibles a nuestro alrededor, si tan sólo tuviéramos la creatividad de verlos. Los últimos treinta años de economía empírica han sido el resultado de que los economistas hayan abierto los ojos a los experimentos naturales que les rodean.

Investigación sobre la inmigración y la educación

Otra cuestión importante es cómo afecta la inmigración al mercado laboral. Para responder esta pregunta, necesitamos saber qué habría pasado si no hubiera habido inmigración. Dado que los inmigrantes suelen instalarse en regiones con un mercado laboral en crecimiento, no basta con comparar regiones con y sin muchos inmigrantes para establecer una relación causal. Un acontecimiento único en la historia de Estados Unidos dio lugar a un experimento natural, que David Card utilizó para investigar cómo afecta la inmigración al mercado laboral.

En abril de 1980, Fidel Castro permitió, sin esperarlo, que todos los cubanos que quisieran abandonar el país lo hicieran. Entre mayo y setiembre, 125.000 cubanos emigraron a Estados Unidos. Muchos de ellos se instalaron en Miami, lo que supuso un aumento de la mano de obra de Miami de alrededor de 7%. Para examinar cómo afectó esta enorme afluencia de trabajadores el mercado laboral de Miami, David Card comparó las tendencias salariales y de empleo en Miami con la evolución de los salarios y el empleo en cuatro ciudades de comparación.

A pesar del enorme aumento de la oferta de mano de obra, Card no encontró efectos negativos para los residentes de Miami con bajos niveles de educación. Los salarios no cayeron y el desempleo no aumentó en relación con las otras ciudades. Este estudio generó una gran cantidad de nuevos trabajos empíricos, y ahora tenemos una mejor comprensión de los efectos de la inmigración. Por ejemplo, los estudios de seguimiento han demostrado que el aumento de la inmigración tiene un efecto positivo en los ingresos de muchos grupos que han nacido en el país, mientras que las personas que inmigraron en una época anterior se ven afectadas negativamente. Una de las explicaciones es que los nativos cambian a trabajos que requieren un buen conocimiento de la lengua materna y en los que no tienen que competir con los inmigrantes por los puestos de trabajo.

Un nuevo marco para los estudios de relaciones causales

En todos los escenarios realistas, el efecto de una intervención –por ejemplo, el efecto de la escolarización adicional sobre los ingresos– varía entre las personas. Además, los individuos se ven afectados de forma diferente por un experimento natural. La posibilidad de abandonar la escuela a los 16 años apenas afectará a quienes ya tenían previsto ir a la universidad. En los estudios basados en experimentos reales surgen problemas similares, porque normalmente no podemos obligar a los individuos a participar en una intervención.

El subgrupo que finalmente decide participar probablemente esté formado por individuos que creen que se beneficiarán de las intervenciones. Sin embargo, el investigador que analiza los datos sólo sabe quién ha participado, no por qué: no hay información sobre quiénes participaron únicamente porque se les ofreció la oportunidad, gracias al experimento natural (o al experimento aleatorio), y quiénes lo habrían hecho de todos modos. ¿Cómo se puede establecer una relación causal entre la educación y los ingresos?

• 

Joshua Angrist y Guido Imbens abordaron este problema en un influyente estudio de mediados de los años noventa. Más concretamente, se plantearon la siguiente pregunta: ¿en qué condiciones podemos utilizar un experimento natural para estimar los efectos de una determinada intervención, como un curso de informática, cuando los efectos varían entre los individuos y no tenemos un control completo de quién participa? ¿Cómo podemos estimar este efecto y cómo debe interpretarse?

Simplificando un poco, podemos imaginar un experimento natural como si dividiera aleatoriamente a los individuos en un grupo de tratamiento y un grupo de control. El grupo de tratamiento tiene derecho a participar en un programa, mientras que el grupo de control no. Angrist e Imbens demostraron que es posible estimar el efecto del programa aplicando un proceso de dos pasos. El primer paso investiga cómo afecta el experimento natural a la probabilidad de participación en el programa. El segundo paso tiene en cuenta esta probabilidad a la hora de evaluar el efecto del programa real. Partiendo de algunos supuestos, que Imbens y Angrist formularon y discutieron en detalle, los investigadores pueden estimar el impacto del programa, incluso cuando no hay información sobre quién se vio realmente afectado por el experimento natural.

Una conclusión importante es que sólo es posible estimar el efecto entre las personas que cambiaron su comportamiento como resultado del experimento natural. Esto implica que la conclusión de Angrist y Krueger sobre el efecto en los ingresos de un año adicional de educación –que estimaron en un nueve por ciento– sólo se aplica a las personas que realmente decidieron abandonar la escuela cuando se les dio la oportunidad. No es posible determinar qué individuos están incluidos en este grupo, pero sí podemos determinar su tamaño. El efecto de este grupo se ha denominado efecto de tratamiento medio local, LATE (por sus siglas en inglés).

Los investigadores demostraron así exactamente qué conclusiones sobre la causa y el efecto pueden extraerse de los experimentos naturales. Su análisis también es relevante para los experimentos aleatorios en los que no tenemos un control total sobre quién participa en la intervención, como ocurre en casi todos los experimentos de campo. El marco desarrollado por Angrist e Imbens ha sido ampliamente adoptado por los investigadores que trabajan con datos observacionales. Al aclarar los supuestos necesarios para establecer una relación causal, su marco también ha aumentado la transparencia –y, por tanto, la credibilidad– de la investigación empírica.

Una revolución en la investigación empírica

Las contribuciones de los galardonados de principios de los años 90 demuestran que es posible responder preguntas importantes sobre la causa y el efecto utilizando experimentos naturales. Sus contribuciones se complementan y refuerzan mutuamente: las ideas metodológicas de Angrist e Imbens sobre los experimentos naturales y las aplicaciones de Card de este enfoque a cuestiones importantes abrieron el camino a otros investigadores. Ahora disponemos de un marco coherente que, entre otras cosas, nos permite saber cómo deben interpretarse los resultados de estos estudios. El trabajo de los galardonados ha revolucionado la investigación empírica en las ciencias sociales y ha mejorado considerablemente la capacidad de la comunidad académica para responder a cuestiones de gran importancia para todos nosotros.

[1] Lo triste del Premio Nobel es que, por la razón que sea, no se concede a título póstumo. Alan Krueger, que murió en 2019, seguramente habría compartido el premio si hubiera vivido.

Referencias

Angrist, J.D. and G.W. Imbens (1995). “Two-stage least squares estimation of average causal effect in models with variable treatment intensity”. Journal of the American Statistical Association, 90 (430): 431-442.

Angrist, J.D., G.W. Imbens, and D.B. Rubin (1996). “Identification of causal effects using instrumental variables”. Journal of the American Statistical Association, 91: 444-472.

Angrist, J.D. and A.B. Krueger (1991). “Does compulsory schooling attendance affect schooling and earnings?” Quarterly Journal of Economics, 106: 976-1014.

Card, D. (1990). “The impact of the Mariel boatlift on the Miami labor market”. Industrial and Labor Relations Review, 43: 245-257.

Card, D (1992a). “Do minimum wages reduce employment? A case study of California 1987–1989”. Industrial and Labor Relations Review, 46 (1): 38–54.

Card, D. (1992b). “Using regional variation in wages to measure the effects of the federal minimum wage”. Industrial and Labor Relations Review, 46 (1): 22-37.

Card, D. (1999). “The causal effect of education on earnings”. In Ashenfelter, O. and D. Card (eds.) Handbook of Labor Economics, Vol. 3A, Elsevier, Amsterdam.

Card, D. (2001a), “Immigrant inflows, native outflows, and the local labor market impacts of higher immigration”. Journal of Labor Economics, 19 (1): 22-64.

Card, D. (2001b). “Estimating the return to schooling: Progress on some persistent econometric problems”. Econometrica, 69 (5): 1127-1160.

Card, D. and A.B. Krueger (1994). “Minimum wages and employment: A case study of the fast-food industry in New Jersey and Pennsylvania”. American Economic Review, 84: 772-784.

Card, D. and A.B. Krueger (1995), Myth and Measurement: The New Economics of the Minimum Wage, Princeton University Press, Princeton.

Card, D., and A.B. Krueger (2000). “Minimum wages and employment: A case study of the fast-food industry in New Jersey and Pennsylvania: Reply”. American Economic Review, 90(5): 1397-1420.

Imbens, G.W. and J.D. Angrist (1994). “Identification and estimation of local average treatment effects”. Econometrica, 61: 467-476.

Quienes me conocen saben lo que me encanta Taylor Swift y que la sigo desde los 13 años. La obsesión/fanatismo ha evolucionado de maneras raras hasta tayloR (proyecto que nació el día de mi cumpleaños nº 25 tras el lanzamiento de Lover). Con el lanzamiento sorpresa de evermore, decidí que era hora de rehacer un análisis de texto sobre las letras de Taylor Swift. De modo que me descargué las letras de toda su discografía desde su homónimo ‘Taylor Swift’ hasta ‘evermore’ a través de la API de genius y la procesé en R.

Si revisamos rápido las palabras más utilizadas por Taylor Swift no es de extrañar que “amor” sea la más utilizada, más de 250 veces. “Time” y “baby” son otras palabras que usa en muchas canciones.

Lo siguiente que podemos ver se llama “tf-idf”. A cada palabra se le da un peso dividiendo la cantidad de veces que se usa por la cantidad de canciones que contienen esa palabra. Entonces, lo que nos brinda es una lista de las palabras que se emplean con más frecuencia.

También podemos pedirle a R que intente agrupar palabras en “temas” de palabras que crea que van juntas. Cada tema parece representar bastante bien un álbum. El tema 1 se parece a ‘1989’, el tema 6 se parece a ‘Lover’ y el tema 7 se parece a ‘folklore’ y ‘evermore’.

Analicemos algunas de las emociones que surgen en sus canciones. Los puntajes más altos son para sentimientos positivos y negativos, lo que no es sorprendente porque por cada ruptura o canción enojada que tiene Taylor Swift, también tiene muchas sobre la amistad, los recuerdos y el amor.

Podemos ver qué canciones están asociadas con cada emoción. Un ejemplo, ‘Blank Space’ aparece en tres emociones: ira, miedo y negatividad. Lo que estamos viendo aquí es el diccionario que toma las palabras literalmente, no es fácil para los diccionarios entender el sarcasmo.

También podemos ir más lejos y asociar álbums a emociones y sentimientos.

Con la API de Spotify podemos explorar aún más sobre la discografía de Taylor, por ejemplo, la duración promedio de las canciones dentro de cada álbum. Por ejemplo, los álbums más pop suelen ser más cortos.

Luego podemos observar qué tan bailables son las canciones de cada álbum. Spotify ha cuantificado qué tan bailable es una canción con su medida de “bailabilidad” (va del 0 al 1). Empatados, ‘Lover’ y ‘reputation’ son los más bailables y ‘evermore’ el menos bailable.

Por último, se puede analizar los acordes y tonalidades de las canciones. En este caso, opté por acotar el análisis a los dos álbums que sacó de manera sorpresa en cuarentena: ‘folklore’ y ‘evermore’.

La ciencia de datos puede ser un poco más divertida y versátil de lo que nos solemos imaginar 🙂

Aunque a nadie le importe ni me haya preguntado.

Hace un par de años en mi trabajo tuvimos que construir indicadores según sexo y hacer visualizaciones. Yo solía hacerlo en tonalidades de violeta y evitar a toda costa el clásico rosado y celeste. ¿Por qué utilizaba tonalidades de violeta? Básicamente porque es el color asociado al movimiento feminista.

Concretamente, existe una leyenda que lo vincula con el color de las camisas que fabricaban las shirtwaists, 146 mujeres que murieron calcinadas en un incendio que se produjo en una fábrica textil de Estados Unidos en 1911¹. Los hechos se le atribuyen al propio jefe que, ante la huelga de las trabajadoras, prendió fuego al edificio con todas ellas dentro. Esta misma historia relata que el humo que salía de la fábrica y se podía ver a kilómetros de distancia era precisamente de color violeta.

Volviendo a la anécdota de mi trabajo, googleé qué se usaba para visualizar datos de género y me encontré con este artículo, comienza con algunos ejemplos de gráficos de noticias en los que se usó rosado y celeste, explicando en el camino por qué la combinación clásica de rosado y celeste podría ser una buena elección (los lectores pueden descifrar gráficos con estos colores estereotipados más rápido), y luego, se enfocaba en dos formas de alejarnos de esta combinación de colores al visualizar datos de género. Una de ellas, me encantó: verde y violeta, la combinación que usa The Telegraph.

Los colores están inspirados en la campaña “Votes for Women” en el Reino Unido como parte del movimiento sufragista a principios del siglo XX. En el corazón de este movimiento estaban “Sylvia Pankhurst y Emmeline Pethick-Lawrence y esencialmente los colores fueron su elección (aparentemente simbolizando; púrpura para libertad y dignidad, blanco para pureza, verde para esperanza)”.

En los gráficos de Telegraph, las mujeres están representadas con el violeta y los varones con el verde. Pero, ¿cómo se tomó esta decisión?

“Al decidir qué género se alineaba con qué color, se trataba más de tratar de priorizar a las mujeres en el orden de géneros. Contra el blanco, los registros violetas tienen un contraste mucho mayor y, por lo tanto, deberían atraer más atención cuando se colocan junto al verde, no mucho, pero solo lo suficiente para inclinar la balanza. En muchas de las visualizaciones, los varones superan en gran medida a las mujeres, por lo que fue un método bastante simple para volver a enfocarlos “.

– Fraser Lyness (Director de Periodismo Gráfico en The Telegraph)

Investigar vale la pena. Fraser no solo pudo decidirse por dos hermosos colores, sino que también pudo comunicar el motivo de esta decisión: “Tener una referencia al movimiento sufragista ayudó a sellar el trato”, dijo Fraser.

¹ Incendio en la fábrica Triangle Shirtwaist de Nueva York

Este artículo fue originalmente publicado en el suplemento de economía de la diaria.

Y cómo está muy arraigada para ser resuelta sólo por mujeres.

La brecha salarial de género se ha reducido durante las últimas tres décadas, pero, si bien Uruguay se posiciona como uno de los países de la región con mayor participación laboral femenina, las mujeres todavía ganan sólo 75% de lo que los varones se llevan a sus casas. Desde 1990, las mujeres han remodelado drásticamente la fuerza laboral, educándose más y asumiendo un trabajo remunerado a tasas más altas. Sin embargo, pese a estos cambios, la brecha salarial persiste, en parte porque las mujeres y los varones todavía se dividen en diferentes tipos de trabajos e industrias, y porque los trabajos que realizan las mujeres, con frecuencia, pagan menos.

Las brechas salariales de género suelen definirse como la diferencia respecto del ingreso medio laboral de los varones, lo que permite decir que “la diferencia entre los salarios de mujeres y varones representa x% de los ingresos de los varones”. En 1990 las trabajadoras percibían 45% menos de ingresos promedio mensuales que un trabajador varón. La diferencia se redujo en 20 puntos para 2018, cuando el ingreso promedio de las trabajadoras fue 25% menor al de los trabajadores varones.

¿Qué factores sabemos que explican las brechas salariales de género?

En los últimos años, las frases “los 75 pesos que ganan las mujeres cada 100 pesos que ganan los varones” y “los 79 días al año que las mujeres trabajan sin percibir ingresos” se convirtieron en sinónimo de desigualdad de género en el mercado laboral y en un estandarte para el movimiento que busca promover un cambio. Esto es así porque, de cierta manera, simbolizan el fracaso del mercado para garantizar la igualdad de trato. No obstante, desde que comenzó a abordarse el tema de los ingresos salariales de las mujeres en revistas académicas y en el ámbito de las políticas públicas, existe un consenso en torno a que una simple proporción de ingresos es insuficiente para establecer que el mercado laboral no recompensa a los trabajadores de manera imparcial.

Una medida de discriminación salarial

Uno puede comenzar a aproximarse a la discriminación salarial de manera más sofisticada empleando técnicas estadísticas. Por ejemplo, evaluando en qué medida se paga de manera diferente a las personas con características comparables, y si la diferencia está vinculada con el sexo. Una de ellas es la metodología de Oaxaca-Blinder. En pocas palabras, esta técnica calcula el valor monetario de varias características en el mercado laboral para cada uno de dos grupos, digamos, varones y mujeres. De esta manera, evalúa cuánto debería recibir un grupo, las mujeres, si se les pagara como a los varones, es decir, mediante un mercado que es “ciego al sexo”. Por lo tanto, analiza la diferencia entre los ingresos masculinos y femeninos si sus características hubieran sido remuneradas de igual manera, comparando el resultado con la diferencia real. La medida arroja el porcentaje de la brecha salarial que no se puede explicar por diferencias medibles entre varones y mujeres, componente al cual se le llama “discriminación salarial”.

Al hacer este ejercicio para Uruguay, encuentro que la educación contribuye a reducir la brecha salarial en un orden de 13%. Es decir, si a las mujeres se les remunerara de la misma manera que a los hombres por su nivel educativo, la brecha salarial sería menor. Esto se debe a que las mujeres están más educadas que los varones. Las mujeres obtienen mayores logros educativos en todos los niveles (primaria, secundaria y estudios superiores) en cuanto a culminación de ciclos, asistencia a establecimientos, rezago y repetición.

Por otra parte, factores como la cantidad de hijos menores de edad, estar casado o en una unión libre, la antigüedad en el puesto de trabajo, las horas trabajadas y el sector de actividad explican una pequeña porción de la brecha, siendo este último el que contribuye más. Esto estaría indicando que los puestos de trabajo tienen asociadas determinadas características diferenciales según sexo que contribuyen a aumentar la brecha salarial. Sin embargo, más de 70% de la brecha salarial no se puede explicar por estas características, ¿y esto qué quiere decir? En pocas palabras, la discriminación salarial en la actualidad es sutil y difícil de analizar.

En primer lugar, marca la existencia de factores subyacentes persistentes, pero inconmensurables, que probablemente afecten el salario de las mujeres. No sólo es menos probable que las mujeres consigan trabajos en ramas mejor pagas como resultado de factores como la presión de las expectativas sociales y la discriminación consciente e inconsciente de los empleadores contra las mujeres, sino que el trabajo que hacen las mujeres es, en general, menos remunerado que el que hacen los varones. Cualquier esfuerzo para reducir aún más la brecha salarial tendrá que lidiar con esta dinámica, ya sea tratando de cambiarla o tratando de evitarla; pero tampoco es tan sencillo.

Para Claudia Goldin, profesora en la Universidad de Harvard y pionera en estudios rigurosos de la brecha salarial de género, la verdadera razón por la que existe la desigualdad salarial de género es que el precio de la equidad es muy alto. El costo de la flexibilidad temporal, o el control de las horas, es sustancial, y se ha vuelto aún más sustancial con el tiempo.

La brecha salarial de género se amplía en el momento del matrimonio y en varios eventos alegres, como tener hijos. Las afirmaciones de que esta brecha se debe principalmente al sesgo del mercado laboral han alcanzado un punto álgido. No hay duda de que existe una gran cantidad de discriminación en nuestros lugares de trabajo, y deberíamos hacer todo lo posible para eliminarla, pero el foco de la discusión no debería estar puesto únicamente ahí.

El problema es que muchos trabajos pagan mucho más por hora cuando el trabajo es más largo, de guardia, urgente, vespertino, de fin de semana o impredecible. La falta de control es la parte crucial, y el tiempo y la energía gastados interfieren con los compromisos familiares. Entre la mayoría de las parejas altamente educadas con carreras e hijos, la mujer es el profesional que está de guardia en casa, mientras que el hombre es el profesional que está de guardia en la oficina y, en consecuencia, él gana más que ella.

En Uruguay, si consideramos el trabajo global como aquel remunerado y no remunerado, las mujeres realizan 53% de la carga global de trabajo¹. Las mujeres dedican en promedio 37 horas semanales al trabajo no remunerado, mientras que los varones dedican 20 horas semanales. En esta línea, es más probable que las mujeres busquen y acepten trabajos que les ofrezcan más flexibilidad para cuidar a los niños y a otros miembros de la familia.

Un estudio de Martina Querejeta para nuestro país² encuentra que, luego de diez años de tener el primer hijo, las mujeres experimentan una reducción de 42% de su salario mensual en comparación con mujeres con características similares pero que no tuvieron hijos. Parte de esta reducción se debe a que trabajan fuera del hogar 60% menos que las mujeres que no tuvieron hijos; y parte se explica por ingresos por hora menores. A su vez, dicha penalización no logra revertirse en el mediano y largo plazo; se mantiene una reducción de 42% incluso diez años después de la maternidad.

¿Qué podemos hacer para mitigar las brechas?

La presencia de niños y niñas afecta los ingresos laborales de mujeres y varones de forma diferente. Gran parte de estas diferencias se sustentan en que la mayoría de las tareas de cuidado dentro del hogar recaen sobre las mujeres; no sólo el cuidado de niños y niñas, sino también de adultos mayores y de personas en situación de dependencia, lo que las lleva a retirarse del mercado laboral de forma parcial o total. Esto puede llevar a la pérdida de acumulación de capital humano (capacitación y experiencia en el puesto de trabajo), a la depreciación del capital acumulado si las interrupciones son largas o en sectores muy dinámicos, a la pérdida de oportunidades de ascenso si los empleadores exigen compromisos de tiempo completo para puestos superiores, o a la búsqueda de trabajos flexibles que sean compatibles con el cuidado. Todos estos elementos están asociados con ingresos laborales inferiores³. Las soluciones deberían girar en torno a alentar cambios en la forma en que las empresas valoran los diferentes tipos de trabajo, de modo que a medida que aumenta la cantidad de horas que trabaja alguien, su salario aumente aproximadamente al mismo ritmo, en lugar de a un ritmo más rápido.

Uruguay se encuentra frente a la oportunidad de, entre otras cosas, realizar mayores esfuerzos en materia de medidas de transparencia empresarial (por ley, como en el caso de Reino Unido, o desde la iniciativa propia de los empleadores privados), generar políticas que apunten a reducir la segregación ocupacional y las interrupciones laborales de las mujeres (por ejemplo, políticas de cuidados que permitan reducir la carga de trabajo no remunerado de las mujeres en el hogar), evaluar y adaptar políticas de licencias maternales, paternales y parentales, de modo que permitan reducir efectivamente el impacto negativo de la maternidad sobre las trayectorias laborales.

Una agenda feminista que avance en estas direcciones debería ser apoyada no sólo por las mujeres, sus impulsoras y principales beneficiarias, sino también por los varones. Vivir en una sociedad más igualitaria y en la que los trabajadores son más libres para organizar sus vidas es una aspiración de todos.

¹ El trabajo no remunerado comprende el conjunto de trabajos integrados por el trabajo doméstico en el hogar, el trabajo de cuidados, el trabajo que se brinda a otros hogares sin recibir remuneración y el trabajo voluntario.

² ladiaria.com.uy/U6W

³ CEPAL y ONU MUJERES (2020), Brechas de género en los ingresos laborales en Uruguay.