Por Dra Araceli Ortega Díazcedoc.inmujeres.gob.mx/Seminarios/utiempo/2013/18junio/A... · 2014. 3....
Transcript of Por Dra Araceli Ortega Díazcedoc.inmujeres.gob.mx/Seminarios/utiempo/2013/18junio/A... · 2014. 3....
Por Dra. Araceli Ortega Díaz
Resumen
Usando la Encuesta de Ingresos y Gastos de los Hogares y el módulo de Uso del Tiempo que contiene, analizamos cómo los niños entre 12 y 16 años de edad asignan su tiempo, y cómo las diferencias por cuantiles en el uso del tiempo entre niños y niñas, difiere entre ellos. Tradicionalmente al comparar uso del tiempo entre hombres y mujeres se usa la media, pero encontramos que es más efectivo compáralos por cuantiles ya que exhibe mucha más las desigualdades por intensidad de uso del tiempo entre hombres y mujeres desde edad temprana.
Dra. Araceli Ortega Díaz, EGAP [email protected]
hommujer bre
EJEMPLO: MEDIDA DE POBREZA MULTIDIMENSIONAL
1 Ingreso per cápita 2 Rezago Educativo 3 Acceso a Servicios de Salud 4 Acceso a Seguridad Social 5 Calidad de espacios de la vivienda 6 Acceso a servicios básicos de la
vivienda 7 Acceso a Alimentación 8 Y por Estado, la cohesión social
medida con el coeficiente de Gini de ingreso.
Bie
ne
star
Ec
on
óm
ico
Índice de carencias Derechos sociales
I
II IV
III
I. Pobre multidimensional II. Vulnerable por carencias sociales III. Vulnerable por ingreso IV. No pobre multidimensional y no vulnerable
Fuente: Propio usando CONEVAL (2009b) .
49.96% 50.04% 52.97% 47.01% 17.58 17.60 10.35 9.18 mill
51.96% 48.04% 54.20% 45.80% 24.52 22.67 2.59 2.19 mill
Resumen Los resultados del presente análisis muestran que entre mayor es el número de horas asignadas a tareas del hogar mayor es la diferencia entre sexos. Para niños en el cuantil más bajo de horas asignadas a tareas del hogar es 1.5 horas, mientras que el cuarto quintil es de 6.3 horas, un patrón similar es observado para el tiempo dedicado al cuidado de otras personas, 1 y 4.8 horas, para los quintiles más bajo y más alto respectivamente. Adicionalmente analizamos el impacto del sexo, tener jefatura femenina o un hogar biparental en la probabilidad de ser pobre.
Dra. Araceli Ortega Díaz, EGAP [email protected]
𝜇
Introducción
Diferenciar los patrones de uso del tiempo tomando en cuenta características demográficas como edad, composición del hogar, acceso a servicios, equipo doméstico, y acceso a trabajo remunerado es siempre necesario. (Blackden & Wodon, 2006). Sin embargo, gran parte de los trabajos y análisis de uso del tiempo suelen comparar medias estadísticas y no reflejan las diferencias distribucionales. Por ejemplo, decir que las mujeres trabajan en promedio 7.72 horas más en quehaceres del hogar que los hombres nos da información parcial. Mientras que analizar la distribución completa muestra mayor marginación, por ejemplo, a mayores horas trabajadas en el hogar la diferencia no disminuye, si no aumenta. Diferenciar este uso del tiempo desde temprana edad para saber cómo impacta en los niños y niñas , y cómo focalizar políticas publicas que disminuyan las diferencias.
Dra. Araceli Ortega Díaz, EGAP [email protected]
• Encuesta de Ingresos y Gastos de los Hogares (ENIGH-2008)
• A partir de 2008, la ENIGH es representativa para cada Entidad Federativa
• Las innovaciones a este cuestionario, incluyen: – Un módulo de seguridad alimentaria – Un módulo de Cohesión social – Algunos rubros de gasto diferenciados por sexo – Un módulo de uso del tiempo
Datos
Dra. Araceli Ortega Díaz, EGAP [email protected]
1. Durante la semana pasada ¿Cuánto tiempo dedicó … a cuidar, atender sin pago y de manera exclusiva a niños, ancianos, enfermos, discapacitados? (bañar, cambiar, trasladarlos, etc.) En horas y minutos
2. Durante la semana pasada ¿Cuánto tiempo dedicó … a reparar o dar mantenimiento a su vivienda, muebles, aparatos domésticos o vehículos? En horas y minutos
3. Durante la semana pasada ¿Cuánto tiempo dedicó … a realizar el quehacer de su hogar? (lavar, planchar, cocinar, lavar trastes, barrer, cuidar animales de traspatio, etc.) En horas y minutos
4. Durante la semana pasada ¿Cuánto tiempo dedicó … a acarrear agua o leña?
5. Durante la semana pasada ¿Cuánto tiempo le quedó para realizar actividades que a usted le gustan? (hacer deportes, ir al cine, estar con amigos, platicar con los vecinos, visitar familiares, escuchar música, ver televisión, descansar, pasear, etc.) En horas y minutos
6. Para la población ocupada, 16 años y más: El mes pasado en el trabajo principal, ¿Cuántas horas trabajó a la semana? (disponible para todos los trabajos).
Preguntas de Uso del Tiempo
Fuente: INEGI. (2009). Módulo de Condiciones Socioeconómicas de la ENIGH 2008. Conociendo la base de datos. (p. 91).
Tasa de respuesta
Fuentes :Cálculo propio con la ENIGH-2008 y líneas CONEVAL(2009).
Datos por actividad Observaciones Población
Tasa de
respuesta
Hombre Mujer Hombre Mujer Hombre Mujer
Todas las actividades 694 216 258,826 96,675 0.5 0.2
Ninguna 2,607 2,931 1,119,171 1,331,159 2.2 2.4
Acarreo de agua y leña 9,565 6,817 4,186,785 3,247,888 8.1 5.9
Mantenimiento de la
vivienda, muebles,
electrónicos, y vehículos
23,039 8,409 10,144,717 3,733,661 19.6 6.8
Cuidado de niños, ancianos, enfermos, discapacitados
exclusivamente y sin pago
15,094 30,076 6,599,532 13,667,829 12.8 24.8
Quehaceres del hogar 32,472 67,136 14,624,465 30,481,570 28.3 55.4
Horas de trabajo en el
mercado laboral 54,008 32,444 24,500,069 14,807,476 47.4 26.9
Actividades que le gusten 56,478 66,910 25,500,246 30,318,968 49.4 55.1
Dra. Araceli Ortega Díaz, EGAP [email protected]
Propensity y Cuantiles para menores de 16
Fuente : Cálculo propio usando laENIGH-2008, líneas del CONEVAL (2009) y Comision Nacional de los Salarios Minimos (2008).
Para buscar diferencias entre grupos igualitarios usamos dos métodos: 1. Estimamos el propensity score basándonos en Rosenbaum & Rubin (1983), donde
queremos ver si hay un efecto de ser mujer en el tiempo dedicado a actividades de cuidado, mantenimiento del hogar, trabajo doméstico, acarreo de agua y leña, y hacer actividades que le gusten a la persona.
2. El segundo método está basado en Abadie, Angrist & Imbens (2002), donde el estimador de efectos de tratamiento por cuantiles (QTE) se resumen a una regresión de variables instrumentales por cuantiles si la selección del tratamiento está exógenamente determinada. Ellos los utilizaron para analizar el impacto de programa del programa JTPA (Job Trainning Partnership Act)
• Este estimador mide el impacto del tratamiento por cuantiles . La ventaja del estimador en comparación con el propensity , es que pasamos de analizar el efecto promedio, a analizar el impacto en diferentes partes de la distribución.
• Se asume que para cada cuantil θ(0,1) , existe el estimador.
Dra. Araceli Ortega Díaz, EGAP [email protected]
Propensity y Cuantiles para menores de 16 (cuidado)
Fuente : Cálculo propio usando laENIGH-2008, líneas del CONEVAL (2009) y Comision Nacional de los Salarios Minimos (2008).
• Table G.1. Propensity and Quantile Treatment Effects Effects of Sex in Individuals less than 16 years old.
Coef t Coef Z Coef Z Coef Z Coef Z Coef Z
sex (treatment) 2.767369 7.24 1 5.68 1.24661 6.69 1 4.17 1.920502 4.51 4.811665 8.76
Multi poor -0.01428 -0.13679 4.44E-16 0 0.299072 1.44 2.15E-15 0 0.117155 0.28 -0.42527 -0.7
age -0.05618 0.124 7.72E-17 0 0.241613 2.01 1.07E-15 0 0.460251 1.65 0.306197 0.87
rururb 0.069544 0.286 -4.72E-16 0 -0.33797 -1.58 -2.22E-15 0 -1.29707 -2.83 -1.95018 -2.96
entuty -0.0006 0.851 8.49E-18 0 0.000714 0.07 3.55E-17 0 0.046025 2.04 0.044958 1.49
years of schooling -0.12864 0.185 -8.97E-17 0 -0.19914 -2.16 -6.66E-16 0 -0.20084 -0.87 -0.05954 -0.26
attending school 0.094475 0 -1 -3.13 -0.77552 -2.27 -2 -3.86 -4.33054 -4.66 -6.32199 -4.66
school head -0.01823 0.018 7.52E-17 0 -0.05282 -2.11 -1.02E-16 0 -0.01255 -0.22 -0.09599 -1.29
_cons 0.664087 0.133 3 2.23 2.756246 1.93 9 4.79 12.27197 3.94 19.05468 4.2
constant
Quantile
0.85Propensity 0.15 0.25 0.5 0.75CARE
Dra. Araceli Ortega Díaz, EGAP [email protected]
Propensity y Cuantiles para menores de 16 (tareas del hogar)
Fuente : Cálculo propio usando laENIGH-2008, líneas del CONEVAL (2009) y Comision Nacional de los Salarios Minimos (2008).
• Table G.1. Propensity and Quantile Treatment Effects Effects of Sex in Individuals less than 16 years old.
Coef T-stat Coef Z Coef Z Coef Z Coef Z Coef Z
sex (treatment) 3.651464 23.48 1.5 16.91 2.602376 28.66 1.91082 18.8 6.180985 64.34 3.976806 14.38
Multi poor 0.055103 1.54 3.33E-15 0 0.223387 2.34 0.365366 3.45 0.121006 1.26 0.479483 1.84
age -0.10401 -4.83 2.27E-15 0 0.098067 1.63 0.356225 5.13 0.173389 2.8 0.721231 4.09
rururb 0.110371 2.86 3.29E-15 0 0.083857 0.8 0.055583 0.47 0.186485 1.72 1.137823 3.33
entuty 0.003137 1.7 -2.22E-16 0 -0.01537 -3.09 -0.00791 -1.42 -0.00262 -0.51 -0.00178 -0.14
years of schooling -0.11704 -1.98 -3.22E-16 0 0.036338 0.75 0.017293 0.31 0.016239 0.34 -0.07315 -0.48
attending school 0.116505 7.11 -1 -5.02 -1.27953 -7.22 -2.29793 -7.1 -5.95809 -25.72 -5.35281 -10.05
school head -0.01743 -4.02 -5.08E-16 0 -0.0594 -5.15 -0.07708 -5.91 -0.04304 -3.5 -0.17395 -5.52
constant 0.938612 3.68 3 4.33 3.144654 4.48 3.852273 4.76 11.50157 15.66 8.654773 4.63
0.85Propensity 0.15 0.25 0.5 0.75
Quantile
Household chores
Dra. Araceli Ortega Díaz, EGAP [email protected]
Propensity y Cuantiles para menores de 16 (actividades que les gustan)
Fuente : Cálculo propio usando laENIGH-2008, líneas del CONEVAL (2009) y Comision Nacional de los Salarios Minimos (2008).
• Table G.1. Propensity and Quantile Treatment Effects Effects of Sex in Individuals less than 16 years old.
Coef T-stat Coef Z Coef Z Coef Z Coef Z Coef Z
sex (treatment) -1.40493 -4.83 -0.49182 -2.72 -0.80242 -4.1 -1.02857 -5.03 0.078105 0.27 -1.53617 -4.74
Multi poor 0.028058 0.86 -1.99483 -9.71 -2.63467 -12.24 -2.05714 -9.22 -0.37702 -1.24 -3.98751 -10.5
age -0.13298 -6.77 -0.29544 -2.72 -0.46132 -3.85 -0.52857 -3.96 0.005011 0.03 -0.4999 -2.3
rururb 0.002828 0.08 -0.77261 -3.97 -1.69245 -7.45 -2.4 -9.55 0.088235 0.26 -1.66938 -4.4
entuty 0.003259 1.95 0.006029 0.59 0.025163 2.3 0.042857 3.73 -0.02168 -1.2 0.049554 2.78
years of schooling -0.03606 -0.68 0.211886 2.73 0.285182 3.39 0.385714 3.75 -0.16089 -1.49 0.191477 1.14
attending school 0.135113 9.05 -0.32989 -1.15 -0.52563 -1.58 -0.68571 -1.85 -0.46983 -1.38 -3.11041 -4.35
school head -0.00932 -2.36 0.049096 1.94 0.072693 2.79 0.1 3.68 -0.02516 -0.54 0.126462 2.97
constant 0.860578 3.7 12.29888 9.13 17.84716 12.06 24.81429 15.88 8.819608 4.67 42.08107 16.07
Quantile
0.85Activitites that you
like
Propensity 0.15 0.25 0.5 0.75
Dra. Araceli Ortega Díaz, EGAP [email protected]
Propensity y Cuantiles
Fuente : Cálculo propio usando laENIGH-2008, líneas del CONEVAL (2009) y Comision Nacional de los Salarios Minimos (2008).
(2.00)
(1.00)
-
1.00
2.00
3.00
4.00
5.00
6.00
7.00
0 0.15 0.25 0.5 0.75 0.85
Figure 5. Differences in Time Use by quantile
care house maintenance household chores
wood & water activities enjoy
Propensity
Quantiles QTE
Dra. Araceli Ortega Díaz, EGAP [email protected]
Futuro en el hogar
Nos preguntamos ahora que pasa si estos patrones se replican en el hogar, y estos niños llegan a ser padres cuál es la probabilidad de que se vean afectados por estos patrones. Dado que encontramos que algunas condiciones de uso del tiempo y pobreza están más relacionadas a la condición de ser mujer que de ser pobre.
Dra. Araceli Ortega Díaz, EGAP [email protected]
Algunos determinantes del tipo de vulnerabilidad
Exploramos con un multilogit algunas características no relacionadas a las dimensiones, de estar en cada cuadrante : Para los grupos m=no pobre no vulnerable, vulnerable por ingreso, carente, usamos b=pobre multidimensional como grupo de comparación El modelo a ser estimado es:
| |
P( | )ln ( ) ln
P( | )m b m b
y m xx x
y b x
|
4
|
1
exp( )( | )
exp( )
m b
j b
j
xP y m x
x
Dra. Araceli Ortega Díaz, EGAP
Multilogit
Algunos determinantes de la vulnerabilidad por cuadrante. • Encontramos que ser mujer decrece la probabilidad de estar en el cuadrante de
carente con respecto a ser pobre, pero incrementa la probabilidad de ser pobre por ingresos.
• Es muy claro que conforme la edad se incrementa la probabilidad de ser pobre se reduce a una tasa decreciente. Los mismos resultados se encuentran para escolaridad del jefe del hogar.
• Por otra parte si el jefe del hogar es mujer , es más probable que el individuo sea pobre o vulnerable por ingreso.
• Algo que no es natural es que la presencia de ambos padres en el hogar está asociada con una mayor probabilidad de ser pobre, tal vez por el hecho de que estos hogares tienen miembros más jóvenes en el hogar. (19% versus 24.5% son individuos menores a 13 años en hogares biparentales versus monoparentales.
Dra. Araceli Ortega Díaz, EGAP [email protected]
Multilogit
Fuente : Cálculo propio usando laENIGH-2008, líneas del CONEVAL (2009) y Comision Nacional de los Salarios Minimos (2008).
Coef Z Coef Z Coef Z
sex (0.124) (11.960) 0.124 5.840 0.056 4.050
age 0.011 43.090 0.010 17.060 0.017 45.900
schooling head 0.107 79.220 0.166 61.140 0.265 143.770
woman head (0.124) (6.470) 0.030 0.720 (0.035) (1.340)
biparental (0.475) (25.410) 0.241 5.730 (0.068) (2.670)
years of schooling 0.060 47.620 0.089 34.600 0.137 80.870
constant (1.171) (50.830) (4.502) (85.170) (4.480) (131.500)
LR chi2(18) = 61038.13 , Prob > chi2 = 0.0000, Pseudo R2 = 0.1164
Multi poverty
(base outcome)
Dimension Vulnerability Income Vulnerable Non Poor
Number of obs = 219935
Note: All cathegories have different probabilities for biparental vs monoparental , biparental
presence decreases the probability of been vunerable rather, but it makes no difference
between been income vulnerable versus poorthan been poor
Dra. Araceli Ortega Díaz, EGAP [email protected]
Multilogit
Fuente : Cálculos propio usando laENIGH-2008, líneas del CONEVAL (2009) y Comision Nacional de los Salarios Minimos (2008).
Figure 6. Biparental Household Differences in Vulnerability
.3.3
5.4
.45
.5
0 5 10 15 20years of scholling
biparental dim vul monoparental dim vul
.05
.1.1
5.2
.25
.3
0 5 10 15 20years of scholling
biparental non poor monoparental non poor
.2.3
.4.5
.6
0 5 10 15 20years of scholling
biparental poor monoparental poor
.02
.04
.06
.08
0 5 10 15 20years of scholling
biparental vul incomemonoparental vul income
Source: Authors estimations based on ENIGH-2008 and CONEVAL(2009)
Probability of vulnerability given the the household is biparental or monoparental
Vulnerable por carencias
Vulnerable por ingreso
Pobre
No Pobre no Vulnerable
Dra. Araceli Ortega Díaz, EGAP [email protected]
Multilogit
Figure 7. Head of the Household Differences in Vulnerability
.32
.34
.36
.38
.4
0 5 10 15 20years of schooling
fem head dim vul male head dim vul
.05
.1.1
5.2
.25
.3
0 5 10 15 20years of schooling
fem head non poor male head non poor
.2.3
.4.5
.6
0 5 10 15 20years of schooling
fem head poor mal head poor
.04
.05
.06
.07
.08
0 5 10 15 20years of schooling
fem head inc vul mal head inc vul
Source: Authors estimations based on ENIGH-2008 and CONEVAL(2009)
Probability of vulnerability given the sex of the head of the household
Vulnerable por carencias Vulnerable por ingreso
Pobre
No Pobre no Vulnerable
Dra. Araceli Ortega Díaz, EGAP [email protected]
Multilogit Odds
Fuente : Cálculo propio usando laENIGH-2008, líneas del CONEVAL (2009) y Comision Nacional de los Salarios Minimos (2008).
e b̂ e b̂StdX e b̂ e b̂StdX e b̂ e b̂StdX
Dimension vul -income vulnerable 0.78 0.88 1.00 1.02 0.94 0.76
Dimension vul -non poor 0.84 0.91 0.99 0.88 0.85 0.48
Dimension vul -poor 0.88 0.94 1.01 1.25 1.11 1.64
Income vul-Dimension vulnerable 1.28 1.13 1.00 0.98 1.06 1.32
Income vul-non poor 1.07 1.03 0.99 0.86 0.91 0.63
Income vul-poor 1.13 1.06 1.01 1.22 1.18 2.16
Non poor-Dimension Vulnerable 1.20 1.09 1.01 1.14 1.17 2.09
Non poor-Income Vulnerable 0.93 0.97 1.01 1.16 1.10 1.59
Non poor-poor 1.06 1.03 1.02 1.42 1.30 3.43
Poor-Dimension Vulnerable 1.13 1.06 0.99 0.80 0.90 0.61
Poor-Income Vulnerable 0.88 0.94 0.99 0.82 0.85 0.46
Poor-Non poor 0.95 0.97 0.98 0.70 0.77 0.29
(sd=.49978667) (sd=20.079155) (sd=4.639783) Odds comparing Alternative 1
to Alternative 2
sex age schooling head
Dra. Araceli Ortega Díaz, EGAP [email protected]
Multilogit Odds
Los resultados de las razones de momios ayudan a dar luz a la comportamiento de las probabilidades en un cuadrante dada una característica específica. Por ejemplo, se encontró que conforme aumentan los años de escolaridad, la probabilidad de ser no se pobre se incrementa y la de ser pobre decrece, independientemente de vivir en un hogar monoparental o biparental. Pero el estar en un hogar monoparental incrementa la probabilidad de ser carente. Por otra parte la probabilidad de ser vulnerable por ingresos se incrementa si el hogar tiene jefa de familia.
Dra. Araceli Ortega Díaz, EGAP [email protected]
Conclusiones
De este análisis preliminar se tienen dos conclusiones: 1. Analizar las desigualdades de uso del tiempo de hombres y mujeres es más
informativo que sólo realizar diferencias de medias. En este aspecto es fundamental comparar personas con características iguales, dónde la única diferencia entre ellas sea el sexo.
2. Las probabilidades de ser pobre o vulnerable disminuyen con la educación, independientemente si se es jefa de hogar o jefe, o si es monoparental o biparental.
Dra. Araceli Ortega Díaz, EGAP [email protected]
Recomendaciones de Política Pública
De las dos conclusiones podemos derivar al menos dos recomendaciones: 1. Urgen campañas de sensibilización hacia las tareas del hogar ya que la
intervención temprana se da en el hogar, en no delegar estas tareas a las niñas creando barreras para que devoten tiempo a su educación.
2. La educación es más relevante en disminuir las diferencias en el uso del tiempo, y no sólo debe ser la profesional, si no que ésta también podría ser técnica que les permita incorporarse al mercado laboral remunerado.
3. La economía del cuidado a cargo de alguna institución pública debe de velar porque el cuidado de niños y enfermos no sea responsabilidad sólo de la mujer, al respecto, los sistemas de guardería para niños y ancianos debe quedar incorporada en alguna política pública transversal.
GRACIAS
Dra. Araceli Ortega Díaz, EGAP [email protected]