DISTRIBUCIÓN DEL INGRESO SEGÚN GÉNERO

Resumen

Las técnicas no paramétricas constituyen herramientas esenciales para el Análisis de Datos, sin imponer supuestos previos. El propósito de este trabajo es aplicar dichas técnicas al estudio de la Distribución del Ingreso Laboral, según género. En la primera parte se aborda el análisis univariado: se ajustan funciones de densidad kernel a las respectivas distribuciones empíricas. Esta técnica constituye un afinamiento de los clásicos histogramas, caracterizados por presentar saltos o discontinuidades y ser sensibles a la forma y amplitud con que se definen los intervalos. El estimador de densidad kernel reemplaza los "rectángulos" del histograma por "protuberancias" suavizadas, mediante el uso de funciones de ponderación, denominadas kernels. Permite captar diferencias en tramos específicos de la distribución, según el interés del investigador. En la segunda parte se efectúa un análisis bivariado. Se utiliza la Regresión No Paramétrica como alternativa de los modelos tradicionales de la Econometría: no presupone estructura alguna para la distribución del término de error o para la forma funcional que se estima. Los métodos no paramétricos aplicados al estudio del Ingreso Laboral de hombres y mujeres separadamente intentan detectar la existencia de la tan mentada "desigualdad salarial" según género. La variable es analizada según quintiles y se la cruza con variables relevantes, como son Educación y Experiencia Laboral, a los efectos de estimar funciones de regresión e inferir relaciones de causalidad. Los datos provienen de la Encuesta Permanente de Hogares, Ondas 1999 a 2003. Palabras claves: histograma, amplitud del intervalo, función de densidad kernel, ancho de banda, parámetro de suavizado. Abstract Nonparametric techniques have become essential tools for Data Analysis without imposing prior assumptions. The goal of this paper is to apply these methods to the study of the distribution of Labor Income for male and female separately. In the first part an univariate analysis is performed; we estimate kernel density functions to fit to empirical distributions. This technique is a refinement of classical histograms, characterized by the presence of jumps or discontinuities and sensitiveness to the form and amplitude of the intervals or “bins”. The kernel density estimator replaces the rectangulars of the histogram by smoothed “bumps”, using weighting functions named kernels. This method allows to capture differences in specific sections of the distribution, according to the interest of the researcher. In the second part we perform the analysis in a bivariate dimension. We use nonparametric Regression as alternative to traditional econometric models: it does not assume a particular structure for the error term or for the functional form of the model. All these nonparametric techniques are applied for the study of Labor Income of male and female workers. The variable is analyzed by quintiles and is crossed with relevant variables as Education and Labor Experience, with the aim of estimate regression functions and infer causality relations between them. The data come from the EPH (Encuesta Permante of Hogares), Waves 1999-2003. Keywords: Histogram, Bin, Kernel density function, Bandwith, Smothed parameter.