Entrada a la Maternidad y Situación Laboral de las Mujeres ... · primer hijo (Heckman y Walker, 1990a). En este contexto, a pesar de que muchos trabajos han estudiado tanto la

Entrada a la Maternidad y Situación Laboral de las Mujeres en España.

(versión preliminar)

Alfredo Ariza NArantza Ugidos

Universidad del País Vasco

octubre de 2002

Resumen

N Dpto. Fundamentos del Análisis Económico, Universidad del País Vasco, Av. Lehendakari Aguirre, 83Bilbao (Vizcaya). [email protected].

2

2

1 INTRODUCCIÓN

En todos los países desarrollados las tasas de fecundidad se han situado por debajodel Nivel de Reemplazo Generacional (2,1 hijos por mujer). Aunque el descenso de lafecundidad en España ha sido posterior al del resto de los países, en un períodorelativamente corto, esta caída ha situado a España en el último lugar del mundo (Figura 1).Junto con este cambio en la fecundidad, el mercado laboral ha experimentado una profundatransformación en estos años. Las mujeres jóvenes han incrementado notablemente suparticipación, del 26,5% de la población en edad de trabajar en 1970, al 71,6% en 2000para mujeres entre 25 y 29 años (Figura 2). Todo esto ha ocurrido en un momento en queEspaña ha sufrido las más altas tasas de desempleo del OCDE y que han afectadoespecialmente a jóvenes y mujeres. El desempleo puede haber influido en la decisión demuchas mujeres de incrementar su educación, lo que, a su vez, retrasa la incorporación almercado laboral y a la maternidad. El objetivo de este trabajo es analizar la relación de estedescenso de la fecundidad en España, con la situación laboral de las mujeres durante el añoanterior a tomar la decisión de tener el primer hijo. En concreto, nos fijaremos en el efectode los salarios sobre la decisión de tener el primer hijo en España.

Existen diversos trabajos que han tratado el efecto de la situación laboral de lasmadres en sus decisiones sobre maternidad. La mayoría de ellos coinciden en que laparticipación femenina está negativamente relacionada con la maternidad. Los trabajos quehan usado salarios para controlar por su importancia en las decisiones de maternidad hanencontrado que mayores salarios están relacionados con retrasos en el nacimiento delprimer hijo (Heckman y Walker, 1990a).

En este contexto, a pesar de que muchos trabajos han estudiado tanto laparticipación femenina en España (Arellano y Bover, 1994; Martínez-Granado, 1994, entreotros) como la caída en la fecundidad española (Ahn y Mira, 1999; Castro, 1992; Ortega yKohler, 2000), pocos han podido utilizar una de las variables claves para estudiar susefectos sobre las decisiones de las mujeres, los salarios. Nuestro trabajo pretende estudiar elefecto de los salarios sobre las decisiones de entrada a la maternidad en España. Usamos elsalario femenino para computar el coste de oportunidad que supone para la mujer renunciaral mercado laboral a favor de criar a sus hijos.

1.2 Salario Femenino y Coste de Oportunidad en la decisión del primer hijo.

Desde el nacimiento de la Nueva Economía de la Familia (Becker, 1965 yWillis, 1973) la mayoría de los trabajos empíricos llevados a cabo por los economistas hanencontrado evidencia a favor de las tesis de esta corriente (Butz y Ward, 1979; Hotz yMiller, 1988; Heckman y Walker, 1990; entre otros). En concreto, la mayoría de lostrabajos han encontrado una relación negativa entre el salario femenino y la probabilidad detener un hijo. Este resultado parece corroborar que la incorporación laboral de la mujer hatenido que ver con lo que los demógrafos han llamado la Segunda Transición Demográfica(Van de Kaa, 1987). El modelo de la Nueva Economía de la Familia plantea la decisión dela mujer entre ofrecer su mano de obra en el mercado o dedicar su tiempo al cuidado de loshijos. Así, la reciente incorporación de la mujer al trabajo ha repercutido negativamente enla natalidad en los países desarrollados.

3

3

El modelo de la Nueva Economía de la Familia plantea la relación entre natalidad ysalario femenino como la suma de dos efectos. Por un lado, un aumento del salariofemenino tiene un efecto renta positivo sobre la probabilidad tener un hijo, ya que, si lamujer trabaja, dispondrá de unos ingresos mayores por su trabajo que le permitirán dedicarmás renta al cuidado de sus hijos o incluso aumentar su número, si éste es su deseo. Porotro lado, un salario femenino mayor impone la renuncia de la mujer a un coste mayor a lamujer que decide no trabajar: el coste de oportunidad. El salario a que una mujer renunciasi decide dedicarse al cuidado de sus hijos u otras tareas fuera del mercado, estánegativamente relacionado con la fecundidad porque a mayor salario ofrecido más mujeresdecidirán trabajar dedicando menos tiempo al cuidado de los hijos. Butz y Ward (1979), enuno de los trabajos más mencionados de la literatura, encontraron que esta relación pasabade positiva a negativa, con datos americanos.

Por otro lado, el salario ofrecido en el mercado no puede verse como unavariable independiente de las decisiones de la mujer. La Teoría del Capital Humano,(Becker, 1964) establece que los salarios remuneran características individuales que estánbajo el control de los individuos, como la educación o la experiencia. Así, las mujeresdecidirán aumentar su capital humano si las ganancias esperadas de este aumento sonsuperiores a los costes.

En el caso español, la existencia de altas tasas de desempleo puede tener unimportante efecto sobre las decisiones de las mujeres sobre su adquisición de capitalhumano. El desempleo en España es especialmente alto entre mujeres y jóvenes, lo quepuede crear un incentivo a prolongar el tiempo de educación por dos motivos: por un lado,disminuye el coste de oportunidad de permanecer en la educación si la probabilidad deencontrar trabajo es muy baja para los jóvenes. Por otro lado, la probabilidad de encontrarempleo aumenta con la educación lo que aumenta los ingresos esperados de permanecereducándose. El aumento de la educación retrasa la entrada a la maternidad (el número dehijos en los países desarrollados entre mujeres educándose es muy bajo. En España elnúmero de hijos de mujeres en educación es de 0,04 hijos por mujer). Algunos trabajoscomo el de Gustafsson, Kenjoh y Wetzels (2001) argumentan que el aumento de educaciónes una de las principales causas del descenso de natalidad en los países desarrollados, através del retraso de la maternidad.

4

4

2 DATOS Y VARIABLES

En nuestro trabajo usamos los datos para España del Panel de Hogares de la UniónEuropea. Hasta el momento disponemos de tres olas del panel, 1994-96. El Panel deHogares recoge información demográfica y sobre la situación laboral de todos losmiembros de los hogares entrevistados (7206 hogares en 1994). Así, disponemos de laedad, mes de nacimiento, estado civil, situación laboral y salario de todos los miembros delhogar. Además, tenemos información de la composición del hogar, de las características dela vivienda y de las rentas del hogar. La información laboral está disponible mensualmentepara todo el año anterior a la entrevista, de modo que podemos analizar la situación en elempleo de las mujeres en el momento de la decisión de tener el primer hijo, que suponemosun año antes del nacimiento. La principal ventaja de esta encuesta respecto de otrasencuestas españolas es la disponibilidad de información detallada sobre rentas y salarios.Esta información nos permitirá estimar una medida del coste de oportunidad de la mujertanto si decide participar en el mercado laboral como si permanece inactiva. La mayordesventaja del Panel de Hogares es el corto intervalo de tiempo que recoge, lo que impideque podamos observar la historia fértil completa de las mujeres y relacionarla con lasituación laboral a lo largo de ésta. A pesar de disponer de información mensual sobre todaslas variables cambiantes en el tiempo, usaremos como medida el trimestre debido a laspocas salidas que se producen en la muestra. Estimamos una forma reducida en la queestudiaremos la probabilidad de que, mujeres entre 20 y 40 años que permanecen sin hijosen el momento de la primera entrevista, tengan su primer hijo. Estudiaremos la relación deesta probabilidad con el coste de oportunidad de la madre y con su situación laboral.Primero haremos una estimación de la probabilidad de tener el primer hijo, dado que no seha tenido hasta el momento, sin considerar explícitamente la endogeneidad entrefecundidad y participación laboral y compararemos los resultados con una estimación enque consideramos simultáneas las decisiones de participación y tener el primer hijo.

2.1 Selección Muestral.

Eliminando de la muestra a todas las mujeres que no ofrecen toda la informaciónrelevante, nos quedamos con una muestra final de 1141 mujeres que no han tenido suprimer hijo hasta el primer trimestre de 1994 y de las que disponemos de todas las variablesrelevantes. Del total de mujeres en la muestra, 119 (10,4%) tienen su primer hijo durante elperíodo de observación. Definimos nuestra variable dependiente como una variable binariaque toma el valor 1 si la mujer tiene el nacimiento en el trimestre y 0 en otro caso.Relacionamos el resultado de esta variable con características individuales y del hogar. Lasvariables de ingresos y situación laboral están retrasadas un año para tener en cuenta eltiempo de gestación del niño en caso de decidir tenerlo. Algunas de las característicasindividuales, como la situación laboral, pueden cambiar de un trimestre a otro, pero sesuponen invariables dentro de cada trimestre1.

Restringimos la muestra a mujeres que no han tenido el primer hijo en el primertrimestre del que poseemos información (I trimestre de 1994). Limitamos las edades de lasmujeres en la muestra al intervalo 20-40, medida en diciembre de 1994. Lógicamente,

1 Se ha creado una variable para medir la existencia de períodos de desempleo entre las participantes, versección 4.3.

5

5

mujeres de menor edad tienen más probabilidad de no haber tenido el primer hijo, perodado el escaso numero de nacimientos de madres menores de 20 años en España (el 6,1%de los nacimientos de primer orden en 1994), hemos rechazado incluir mujeres menores de20 años dada su escasa probabilidad de tener el nacimiento. Los nacimientos de mujeres demás de 40 años también son escasos y más aún los primeros nacimientos (apenas el 0,5%del total de nacimientos de primer orden). Además, cuanto mayor sea la mujer, másprobabilidades existen de que habiendo tenido un hijo, éste haya abandonado el hogarmaterno. Esta selección condiciona nuestros resultados lo que deberemos tener en cuenta ennuestra estimación. Por ejemplo, hemos dejado fuera de la muestra a mujeres que hantenido a su primer hijo dentro del intervalo de edad considerado pero antes de 1994, por loque para estas mujeres, no observamos las variables relevantes en el momento de ladecisión. Por otro lado, es más probable que las mujeres más jóvenes no hayan tenido suprimer hijo aún porque han tenido menos tiempo para hacerlo. También es más probableque las mujeres de más edad que han sido seleccionadas en la muestra tengan dificultadespara tener hijos o menos preferencias por los hijos. Para mostrar el grado del problema deselección muestral, comparamos por edades el número de mujeres incluidas (no han tenidoel primer hijo en 1994) y excluidas (han tenido al menos el primer hijo antes de 1994) de lamuestra final en la Figura A1 y la Tabla A1. La Tabla A1 muestra como la proporción demujeres sin hijos decrece con la edad en el primer trimestre de 1994. El porcentaje demujeres sin hijos es del 93,7% para las mujeres más jóvenes (20 años en 1994), decrecehasta el 37,4% para las mujeres de 30 años y pasa a sólo el 8,8% para las mujeres de 40años en 1994. Así, la edad de las mujeres es una variable fundamental tanto para estar en lamuestra como para la probabilidad de salida. Claramente, nuestra muestra está compuestaprincipalmente por mujeres jóvenes (el 49,7% de las mujeres en la muestra pertenece algrupo de edad 20-24) que tienen mayor probabilidad de no haber tenido hijos hasta lafecha. Esta clase de selección muestral en modelos de duración es conocida como stocksampling (Lancaster, 1990). Jenkins (1995) explica cómo estimar un modelo de duracióndiscreto con stock sampling de una forma muy sencilla. Nosotros usaremos estametodología para el análisis univariante y nos valdremos de las propiedades de los modelosde duración en tiempo discreto con stock sampling para la estimación del modelomultinomial.

El método de estimación en tiempo discreto es equivalente a un modelo de variablediscreta (logit o probit o sus extensiones) si no consideramos dependencia de la duración niheterogeneidad no observada en la estimación (ver Método de Estimación), pero aplicadoa una muestra en la que cada mujer contribuye tantas observaciones a la muestra comoperíodos esté en riesgo. Esto es, una mujer que tenga el primer hijo en el quinto trimestreaportará 4 observaciones con variable dependiente cero y una con variable dependiente 1.Todas las observaciones censuradas contribuirán, por tanto, 12 trimestres con variabledependiente cero. Esta forma de estimación nos permite incluir variables cambiantes en eltiempo que por ejemplo, nos permitirán observar si cambios en la situación laboral de lamujer tienen influencia en la decisión del momento en que tiene el primer hijo. Esta formade estimación incrementa la muestra a 12971 observaciones en las que cada observación esuna mujer/trimestre. En adelante nos referiremos esta muestra expandida como nuestramuestra.

En la Tabla 1 se describen las variables en nuestra muestra final. Sólo el 21% de lasmujeres en nuestra muestra están casadas o cohabitando. Este hecho también está

6

6

relacionado con la selección de la muestra, las mujeres con hijos tienen más probabilidadde estar casadas o cohabitando y estas mujeres han sido excluidas de la muestra. Algomenos del 23% de las mujeres en la muestra están emancipadas. Esta variable ha sidoconstruida usando la información sobre el cabeza de familia del hogar. Si éste coincide conla mujer o su pareja, consideramos a esta mujer emancipada. Con esta variable pretendemosdescribir a las mujeres que no dependen económicamente de sus padres. Tanto la variableemancipada como la variable pareja son potencialmente endógenas y por esta razón no hansido incluidas en las estimaciones finales, pero se han usado para construir otras variables odescribir la muestra con detalle. En concreto, hemos usado la variable emancipada paraconstruir las variables de vivienda. Todos los hogares dan información sobre la propiedadde la vivienda y el pago de ésta, pero no se distingue si la vivienda pertenece a los padres yson ellos los que hacen los pagos o si pertenece a los hijos aunque los padres estén viviendocon ellos. Interaccionando la variable emancipada con las de vivienda pretendemos corregiresta deficiencia de los datos. Así, como puede verse en la Tabla 1, el 65% de las mujeresemancipadas en nuestra muestra tiene una vivienda en propiedad. De éstas, el 54% estápagando una hipoteca por la vivienda. Tradicionalmente, el alquiler no está muy extendidoen España y en nuestra muestra, sólo el 24% de las mujeres emancipadas vive en unavivienda en régimen de alquiler.

La mayoría de las mujeres en la muestra están activas, pero sólo el 44% estáocupada. Hay un 20% de desempleadas, que equivale a una tasa de desempleo cercana al32%. Un 26% de las mujeres no han completado sus estudios y permanecen inactivas, peroes de esperar que estas mujeres se incorporen a la actividad laboral una vez finalicen suformación. Por este motivo, hemos separado a las estudiantes de otras inactivas, querepresentan el 8% de las mujeres. Debe hacerse notar que la composición laboral de lamuestra también puede estar relacionada con la selección de la misma, si por ejemplomujeres con una situación adversa en el empleo tienen menos probabilidad de haber tenidoel primer hijo por problemas económicos, estas mujeres estarán más representadas ennuestra muestra. En general, mujeres que por problemas económicos o laborales hayanretrasado su primer nacimiento tendrán más probabilidades de haber sido seleccionadas ennuestra muestra.

Entre las parejas de nuestras mujeres, la mayoría de los hombres están empleados yun porcentaje relativamente pequeño está desempleado (9%). Los hombres sólo aparecenen nuestra muestra como parejas de las mujeres, por tanto, la información que obtenemosde ellos corresponde a hombres que han decidido previamente casarse o cohabitar.

Para construir las variables de ingresos hemos usado la información mensual delestado laboral en el año previo tanto para hombres como para mujeres. La encuestaproporciona el valor neto anual de los ingresos por trabajo que cada miembro adulto delhogar ha recibido en el año anterior. Combinamos esta información asignando la parteproporcional correspondiente del ingreso anual por trabajo a cada mes en el que elindividuo ha declarado haber estado ocupado. Usamos esta información para construir larenta de la pareja en cada periodo. Dado que el período mínimo que consideramos es eltrimestre, y la información de que disponemos es mensual, asignamos a cada trimestre elestado de ocupado a cada individuo que ha trabajado en al menos uno de los meses dedicho trimestre. Sin embargo, sólo asignamos a dicho trimestre la cantidad correspondientedel ingreso anual por trabajo en función del número de meses trabajado en cada uno de lostrimestres. De esta forma, el ingreso medio trimestral neto femenino es de 315.504 pesetas(1896,22∈) mientras que el de los cónyuges asciende a 445.305 pesetas (2675,86 ∈). Por

7

7

otra parte la renta familiar representa el total de ingresos netos del hogar en el año anteriorindependientemente de su procedencia. El ingreso medio neto anual de los hogares ennuestra muestra es de 2.740.177 pesetas (16.468,79 ∈).

La mayoría de las mujeres en la muestra (64,3%) tiene, como mínimo educaciónsecundaria. Sólo un 13,3% tiene una educación inferior a la secundaria y un 22,4% tieneeducación universitaria. Dado que esta variable recoge la máxima educación completadaque poseen las mujeres y que una proporción importante de ellas están educándose en elmomento de la entrevista, el porcentaje de mujeres que acabará un grado universitario ennuestra muestra crecerá en los próximos años.

Según la distribución geográfica proporcionada por la encuesta, no podemosconocer la Comunidad Autónoma de residencia de cada hogar, sino una serie de regionesmás amplias. Según esta distribución, el 20% de las mujeres pertenecen al Este quecomprende Cataluña, Comunidad Valenciana y las Islas Baleares; cerca del 13% viven enel noroeste (Galicia, Asturias y Cantabria); algo menos del 17% pertenecen al nordeste(País Vasco, Navarra, La Rioja y Aragón); Madrid indica la Comunidad de Madrid ycomprende al 10% de las mujeres; el centro (13%) se refiere a Castilla León, Castilla LaMancha y Extremadura; el sur (19%) a Andalucía, Murcia, Ceuta y Melilla y en las IslasCanarias están el 7% de las mujeres de la muestra.

En resumen, la selección muestral determina el tipo de mujeres que vamos analizar,y por ello los resultados estarán condicionados a esta selección previa. Como veremos en lasección Método de Estimación, una de las ventajas de trabajar con datos en forma discretaes la facilidad con que se puede condicionar la verosimilitud para tener en cuenta estosesquemas muestrales. En las siguientes secciones, describimos en mayor profundidad lamuestra final en cada una de las estimaciones.

2.2 Análisis Bivariante.

El uso de los métodos de estimación en forma discreta para modelos de duración esequivalente a trabajar con datos de sección cruzada pero con una muestra en la que cadaobservación está repetida tantas veces como períodos está en riesgo. En nuestro caso en queno introducimos dependencia de la duración por las características de nuestra muestra niheterogeneidad no observada2, la estimación por métodos estáticos con la muestraexpandida es equivalente a la estimación dinámica. La única diferencia está en lainterpretación de los resultados que, dado el corto período de observación, creemos másapropiada en términos de probabilidades que en términos de tasas de salida. En estasección, describimos la muestra final prestando atención a algunas de las variables másrelevantes.

2 La dependencia de la duración mide la variación de las probabilidades de salida a lo largo del período deobervación. En nuestro caso, tenemos a mujeres de distintas edades, por lo que la variación a lo largo delperíodo de observación dependerá en cada caso de la edad de la mujer y no del tiempo de observación que,además es demasiado corto para observar algún tipo de estructura. Por el mismo motivo, la principal fuente deheterogeneidad en nuestra muestra es la edad de la mujer, que está incluida como tal en las estimaciones. Encualquier caso, en las estimaciones univariantes se ha probado a incluir tanto heterogeneidad inobservadacomo dependencia de la duración y ninguna de ellas ha resultado significativa.

8

8

El estado civil es muy importante a la hora de decidir tener el primer hijo enEspaña. En nuestra muestra, la tasa de salida para mujeres solteras es de sólo 0,6% frente al4,1% para mujeres casadas (Tabla 2). Este resultado es consistente con lo que dicen losdatos en España, donde sólo el 12,4% de los nacimientos en 1994 lo han sido de madre nocasada3. Las decisiones de casarse (o cohabitar) y tener el primer hijo, parecen ir muyunidas, así los trabajos que estudian el timing de los nacimientos abordan la endogeneidaddel estado civil bien incluyendo la transición al matrimonio o a la unión consensual en elmodelo (Ahn y Mira, 1999) o bien restringiendo la muestra a mujeres casadas ocohabitantes (Kalwij, 2000). Heckman y Walker (1991) notan que al incluir el estado civilen diferentes especificaciones del modelo neoclásico, la renta del marido deja de sersignificativa. Posiblemente esto ocurre porque la variable renta del marido está recogiendo,al ser omitida, el efecto de la variable estado civil. Si las mujeres que tienen mayorespreferencias por los hijos o unas condiciones socioeconómicas más favorables paratenerlos, tienen mayor probabilidad de casarse o iniciar una unión de pareja, entoncesincluir el estado civil como variable inducirá al sesgo de endogeneidad. Bien es cierto que,además de recoger cierta propensión a tener hijos o a tenerlos antes, el matrimonio o launión de pareja tiene otros factores importantes que afectan a la decisión de tener un hijo.Mujeres casadas o en unión consensual dispondrán de una fuente de ingresos que les puedepermitir dedicar su tiempo al cuidado de los hijos. Si consideramos solamente los factoreseconómicos, incluir la renta del marido (o pareja) como variable con valor cero cuando lamujer no está casada ni cohabita (como hacen Heckman y Walker en alguna de susespecificaciones) puede estar recogiendo otros factores posiblemente endógenos, como lapropia existencia de esposo o pareja. La correlación entre estado civil y primer hijo puedeser especialmente alta con datos incompletos (sin observar toda la historia fértil de lasmujeres) y de distintas edades, como los nuestros. Por este motivo, optamos por hacervarias especificaciones en nuestras estimaciones distinguiendo si se incluye la renta delcónyuge o si se excluyen las variables de estado civil (incluida la de renta del cónyuge) porposible endogeneidad.

Debido a la naturaleza de nuestra muestra, esperamos que la edad de la madre seamuy importante para tener el primer hijo. En la Tabla 3, separamos la muestra en gruposquinquenales de edad y mostramos las tasas de salida para cada uno de ellos. Más del 50%de las mujeres en la muestra pertenecen al grupo más joven (20-24) y esta proporción sereduce hasta el 8% para el grupo de más edad (35-40). Sin embargo, el grupo con unamayor tasa de salida es el de 30-34, con una tasa de salida del 1,66%, seguido del grupo 25-29 (1,38%) y del 35-40 (1,15%). El grupo con menor salida es el de mujeres más jóvenes(20-24) que, probablemente tengan su primer hijo más tarde de nuestro período deobservación. En vista de estos datos, podríamos decir que las mujeres que han retrasado suentrada a la maternidad hasta los 30, tienen mayor probabilidad de tener el primer hijo,dado este retraso.

Uno de los aspectos que más nos interesa en este trabajo es la relación entrela situación laboral de las mujeres y la incidencia en la probabilidad de tener el primer hijo.En la Tabla 4 describimos las salidas por estado laboral de la madre. Aunque hay pocasmujeres inactivas en la muestra que no sean estudiantes (ver Tabla 1), es este grupo demujeres el que tiene mayor tasa de salida (3,65%). Las mujeres ocupadas tienen una tasa de1,07% mientras que las desempleadas tienen menos de la mitad (0,48%). Las estudiantes 3 Movimiento Natural de la Población, 1994, INE.

9

9

tienen la menor tasa de salida, sólo un 0,15% de estas mujeres tienen un hijo en el períodode observación.

Separando por grupos de edad, hay importantes diferencias en la distribución porestado laboral en cada uno de ellos. El 43% de las mujeres entre 20 y 24 años sonestudiantes y esta figura se reduce hasta el 13% para el grupo 25-29. En todos los grupos deedad, la situación de estudiante tiene bajas tasas de salida, excepto para el grupo 30-34 en elque la tasa de salida es incluso superior a la de la categoría ocupadas. Esto se debeprobablemente a que el número de mujeres en esta categoría es muy bajo (3,5%) ycorresponde a situaciones diferentes de las de grupos más jóvenes. La participación en elmercado laboral es superior en todos los grupos al resto de categorías excepto para el grupo20-24, en el que la categoría más numerosa es la de estudiantes. En este grupo el 31,6% delas mujeres está ocupada y esta categoría aumenta hasta llegar al 70% en el grupo 35-40.Sin embargo, entre las ocupadas las tasas de salida son inferiores en todos los grupos a lasde las inactivas.

Otra variable de interés es la educación alcanzada por las mujeres. Las mujeres máseducadas tienen mejores posibilidades en el mercado laboral y alcanzarán mayores salarios.En la Tabla 6 mostramos las tasas de salida según la educación alcanzada por la madre. Lamayor salida se produce entre mujeres de educación primaria y, para el resto, las mujerescon educación universitaria tienen mayor tasa de salida que las de educación secundaria (elgrupo más numeroso).

Como está ocurriendo en España, muchas mujeres en la muestra están retrasando susalida de la educación antes de incorporarse al mercado laboral. Este aumento del tiempode escolarización se ha usado como argumento para explicar el retraso en la entrada de lamaternidad en algunos países (véase, por ejemplo Gustafsson, Kenjoh and Wetzels, 2001) ypuede estar relacionado con el retraso en España.

2.3 Decisiones de participación y maternidad.

En esta sección describimos la muestra que usamos en la estimación multivariante.Para esta estimación usamos la información sobre fecundidad y participación femeninadefiniendo cada uno de los grupos que consideramos de la siguiente manera:

( participación, fecundidad) ={(NP,NH), (NP, H), (P, NH), (P, H)}

donde NP significa “no participa”, P significa “participa” y de manera análoga NH significa“no tiene el hijo” y H “tiene el hijo”. Ambas variables que conforman los grupos (verMétodo de Estimación) están definidas para cada trimestre pero la variable de fecundidadestá medida en el año posterior a la de participación. Consideramos participantes a aquellasmujeres que han trabajado o han estado desempleadas al menos uno de los tres meses encada trimestre. Para medir diferencias dentro de cada trimestre creamos una variable ficticiaque recoge si la mujer ha estado desempleada en alguno de los meses del trimestre.

Los grupos correspondientes a esta partición quedan como se describe en la Tabla7. Como muestra la tabla, hay casi un 65% de mujeres que participan frente a un 35% quepermanece inactiva (estudiando o no trabajando). A pesar de que se producen másnacimientos entre las que participan, la proporción dentro de las que no participan essuperior.

10

10

En la Tabla 8 se muestran las medias de las variables definidas para los grupos tal ycomo se han establecido. Como puede verse en la tabla, las mujeres que entran en lamaternidad tienen una edad media mayor que las que no lo hacen tanto si participan comosi están fuera del mercado laboral. La edad media a la que tienen el primer hijo las mujeresque no participan es inferior (26,6 años) a la de las mujeres que participan (28,7 años). Elsalario potencial (ver sección 4.1) es mayor para las mujeres que participan y entre las quetienen el hijo y las que no, también es mayor para las que lo tienen en el período deobservación. Entre las mujeres que no participan, la proporción de mujeres con educaciónsecundaria es idéntica entre las que tienen el hijo y las que no, pero se diferencianclaramente en que entre las que no tienen el hijo, la proporción de universitarias es del 18%mientras que para las que lo tienen es del 7%. Entre las que participan en cambio, laproporción de universitarias es superior entre las que tienen el hijo (35% frente a 25%).

Como era de esperar, la mayoría de las mujeres que tienen el hijo vive con supareja y es independiente de sus padres. No hay excesiva diferencia entre las que participany las que no. Esto confirma que estas variables sean endógenas, por lo que las excluiremosde la estimación con toda la muestra. Entre las mujeres emancipadas claramente existe unarelación directa (aunque no sabemos en qué dirección) entre tener una vivienda y tener elprimer hijo. También la proporción de mujeres que viven de alquiler es superior entre lasque tienen el hijo para las participantes. Estas variables de vivienda sólo se han definidopara las mujeres emancipadas para no recoger las características de la vivienda paterna encaso de vivir en ésta. Además, entre los propietarios hay una mayor proporción de ellos quepagan hipoteca ente las que tienen un hijo. Esta variable puede estar reflejando un efectorenta, los que pagan la hipoteca tienen más dinero que los que no lo hacen. El grupo “otros”recoge tanto viviendas cedidas (por los padres, por ejemplo), como viviendas obtenidas porayudas sociales.

Entre las mujeres que participan, las que no tienen el hijo han experimentado másperíodos de desempleo y entre las inactivas, el 76% de las que no tienen el hijo sonestudiantes frente a solo el 11% entre las que sí lo tienen. Tanto entre las participantescomo en las inactivas, la renta neta anual es superior para las que tienen el hijo, bien sea larenta de la propia mujer o la del cónyuge en caso de tenerlo. La renta familiar es mayorpara las que entran en la maternidad entre las participantes y menor entre las que noparticipan, aunque esta medida compara rentas de hogares muy diferentes (mujeres queviven con sus padres y mujeres emancipadas). Por último, geográficamente es en el Estedonde más mujeres participan y tienen el hijo frente al Sur donde más mujeres que noparticipan entran en la maternidad.

Así, parece que la distribución de los estados en que se situan las mujeres estádentro de lo que la intuición económica nos hacía esperar. Las mujeres que tienen el hijoson mayores en media que las que no lo tienen. La mayoría de mujeres en la muestraparticipa y entre las que participan, la edad a la que entran a la maternidad es mayor que lasque no participan. Entre estas últimas, las estudiantes son las que menos salen a lamaternidad.

11

11

3. MÉTODO DE ESTIMACIÓN.

Dada la naturaleza discreta de nuestros datos, usamos la metodología desarrolladapor Allison (1982) y Jenkins (1995) para nuestra estimación univariante y un modelo logitmultinomial (Kalwij, 2000) en nuestra estimación multivariante. Estimamos una formareducida.

En la estimación univariante, modelamos la probabilidad de salida (tener el primerhijo) dado que no se ha tenido hasta el momento. El hazard en tiempo discreto es:

( )h prob T t T t Xit i i it= = ≥| ; (3.1)

donde Xit es el vector de variables independientes ( covariates) que pueden variar en eltiempo y Ti es una variable aleatoria discreta que representa el tiempo (medido entrimestres). Jenkins (1995) muestra que las probabilidades no condicionadas puedenexpresarse como:

( ) ∏=

−−

==t

kki

ti

tii h

hh

tTprob1

)1()1(

(3.2)

y

( ) ∏=

−=>t

kkii htTprob

1

)1( (3.3)

donde t = 1, el primer momento en que la mujer está en riesgo, no es conocido, pero estaren riesgo en el momento de la primera entrevista es la condición para haber sidoseleccionada (stock sampling). La probabilidad de permanecer en riesgo durante cualquierperíodo s, después de la fecha de selección, r, para una mujer de una muestra aleatoria de lapoblación sería:

)1...()1)(1()1( 121 isisisi hhhh −−−− −− (3.4)

pero habiendo condicionado la selección a permanecer en riesgo en el momento de laentrevista necesita ser introducido para tener en cuenta esta condición en la verosimilitud.Entonces, la condición entra dividiendo a la probabilidad no condicionada:

)1...()1)(1()1()1...()1)(1(

)1...()1)(1()1(121

121

121irsisisi

iriri

isisisi hhhhhhh

hhhh−−−−=

−−−

−−−−−−

−−

−− (3.5)

donde r > s.

Así, condicionar por la selección en la fecha de la entrevista puede ser tenido encuenta de una manera muy sencilla vía una cancelación de términos en las probabilidades y

12

12

la verosimilitud puede ser fácilmente definida (véase Jenkins, 1995). La verosimilitud parael individuo i puede escribirse como:

[ ] [ ]

−

−= ∏∏

=

−−

=

ii

ii

d

t

cti

d

t

ctitii hhhL

1

)1(1

111 (3.6)

donde di es el número de períodos que el individuo permanece en la muestra, que será de 12trimestres para mujeres que no tienen el hijo en el período de observación (censuradas) y elnúmero de trimestres desde el primero de 1994 hasta aquél en que tenga el hijo paramujeres que sí lo tienen (completas). Así, ci es un indicador que valdrá uno para lasmujeres con duraciones completas y 0 en otro caso.

Redefiniendo nuestra muestra creando tantas observaciones por mujer comoperíodos esté en riesgo y definiendo una variable binaria yit que toma el valor 0 para todoslos trimestres en riesgo y 1 para el trimestre de salida, la función de verosimilitud para cadaindividuo puede escribirse fácilmente como:

[ ]Lh

hhi

i t

i tt

dy

i tt

dii t

i

=−

−= =∏ ∏1

11 1

(3.7)

La estimación de este modelo de duración es equivalente a una estimación desección cuzada con variable dependiente binaria (logit o probit) en la muestra redefinidacomo se ha explicado antes. En concreto, usando una especificación complementaria log-log uno para el hazard, el modelo converge a un modelo hazard proporcional a medida quela tasa de salida se hace más pequeña4. Esta especificación permite introducir comoescalares variables ficticias que recojan de forma proporcional la dependencia de laduración, así como una forma multiplicativa de recoger la heterogeneidad inobservadausando una función Gamma. En nuestro caso, no existe una forma para la dependencia dela duración por las distintas edades de las mujeres en nuestra muestra y el corto período deobservación y no hemos encontrado significativa la heterogeneidad inobservada cuando lahemos introducido. Por tanto en nuestra estimación el hazard se estima como:

{ }[ ]ttiit xh β'expexp1 −−= (3.8)

que es equivalente (con muy pequeñas variaciones) a estimar un logit en la muestraexpandida. Además el hecho de que cada mujer entre de forma separada en cada trimestrenos permite usar variable cambiantes en el tiempo en el vector Xit.

4 Para más detalles, ver Jenkins (1995).

13

13

3.2 Estimación de las decisiones de participación y maternidad.

Uno de los principales problemas que han encontrado los economistas al tratar demedir la influencia de la situación laboral en la fecundidad es que ambas variables sonpotencialmente endógenas (ver por ejemplo, Browning, 1992). A priori no puede deducirsesi la decisión de participación afecta a la de fecundidad o al revés. El consenso entre losinvestigadores parece estar en que ambas decisiones se toman conjuntamente, la mujerplanifica su vida familiar y profesional sin que una de ellas sea la que condiciona la otra.Así, las estimaciones de efectos directos de la fecundidad en la oferta laboral femenina yviceversa adolecen de tener en cuenta la endogeneidad de ambas decisiones y pueden serinconsistentes. Una forma habitual de enfrentar este problema es el uso de técnicas devariables instrumentales, que consisten en encontrar variables correladas con, por ejemplo,la fecundidad pero no con la participación femenina. A este problema se añade que lastécnicas de variables instrumentales no son válidas cuando ambas variables (fecundidad yparticipación femenina) se miden de modo discreto. Éste es el caso cuando se trata de medirla relación entre la decisión de participar y de tener el primer hijo. Carrasco (1998) usa elsexo de los dos primeros hijos como instrumento relacionado con la decisión de tener eltercero pero no con la decisión de participación de la mujer. En la estimación, utiliza unmodelo de probits alternantes donde la variable que produce la alternancia (fecundidad) estratada como endógena. Älvarez (2001) usa esta técnica para España con datos de la EPApara medir el efecto del nacimiento de un hijo en la participación de la madre usando comoinstrumentos variables cíclicas. Nakamura y Nakamura (1992) señalan que la búsqueda deinstrumentos válidos puede ser infructuosa. Kalwij (2001) usa un logit multinomial paraestimar la probabilidad de encontrarse en cada uno de los cuatro grupos formados por laalternancia de los valores de las dos variables ficticias (fecundidad y participación), en laprobabilidad de entrar en la maternidad5. La ventaja de esta metodología, además de susencillez es que en un probit, la relación entre las variables se produce solamente a travésdel error mientras que el logit multinomial permite la relación entre las variablesobservables. En este trabajo, aprovechamos la ventaja de trabajar con datos que podemostratar como de sección cruzada desde el punto de vista metodológico y estimamos un logitmultinomial:

( )∑=

== r

k

iixk

ixm

e

emYP

1

'

'

β

β

(3.2.1)

donde cada una de las posibles alternativas depende de las decisiones sobre fecundidad ysobre participación:

( ) ( ) ( ) ( ) ( ){ }1,1,0,1,1,0,0,0, =fpr (3.2.2)

5 Kalwij estima esta probabilidad dentro de una estimación de la fecundidad completa para una muestra demujeres en Holanda. Para los siguientes hijos, supone que la decisión de participación permanece invariantey, por tanto la puede considerar exógena.

14

14

donde la participación, p = 0 si la mujer no participa en el trimestre y 1 si participa y lafecundidad, f = 0 si la mujer no tiene el primer hijo en el trimestre y 1 en otro caso.

Como es conocido, en la estimación de un logit multinomial se ha de elegir unanormalización respecto a la cual se miden las probabilidades del resto de alternativas.Elegimos como normalización el par (p, f) = (0,0), esto es, aquellas mujeres que noparticipan en el trimestre y tampoco tienen el primer hijo en el mismo trimestre del añosiguiente.

Por último, hacemos una generalizacion del logit multinomial para permitir quehaya variables que sólo afecten a la probabilidad de estar en alguno de los grupos, pero queno existan en todos. En concreto, queremos mirar si el haber experimentado períodos dedesempleo entre las participantes, influye en la decisión de tener el primer hijo. Tambiénusaremos esta técnica para distinguir, entre las inactivas, a las estudiantes del resto. Paraesto, usamos una extensión del logit multinomial (Mc Fadden, 1974) que permite lainclusión de variables que sólo afecten a una o varias de las categorías. El modelo aestimar, por tanto es:

( )∑=

+

+

== r

k

ikixk

kixm

e

emYP

1

''

''

ωαβ

ωαβ

(3.2.3)

Un problema conocido en la estimación del logit multinomial, es la llamadaIndependencia de Alternativas Irrelevantes, propiedad que caracteriza a este modelo y quecosiste en que el ratio de probabilidades entre alternativas no depende del número de éstasque se consideren. Esto puede ser un problema cuando alguna de las alternativas que seconsideren no sea relevante para la decisión que se quiere modelar. Hausman y Mc Fadden(1984) y Mc Fadden (1987) han propuesto algunas formas sencillas de contrastar la IAI.Mostramos los resultados de estos contrastes al final de las estimaciones.

4 RESULTADOS EMPÍRICOS

En esta sección, mostramos los resultados de nuestras estimaciones. En primerlugar, mostramos el resultado de la estimación de una ecuación salarial que utilizamos paraimputar un salario (salario potencial) de todas las mujeres, participen en el mercado laboralo no. Utilizamos este salario como una medida del coste de oportunidad del tiempo de lamujer en la probabilidad de tener el primer hijo.

4.1 Salario Potencial Femenino.

Para tener una medida del coste de oportunidad del tiempo de la madre estimamosun salario para todas las mujeres usando el método en dos etapas de Heckman (1979). Enesta regresión usamos a todas las mujeres de edades entre 20 y 40 independientemente de

15

15

que hayan tenido el primer hijo o no. En la primera etapa estimamos un probit donde lavariable dependiente mide la participación o no de la mujer. De esta estimación obtenemosla inversa del ratio de Mills que introducimos en la ecuación de salarios para corregir por elsesgo de selección. Heckman (1979) demostró que de esta forma se obtiene una estimaciónconsistente. Mostramos el resultado de esta regresión en la Tabla 9. El ratio de Mills hasido omitido de la regresión porque ha resultado no significativo. El resto de coeficientestienen los signos esperados, la edad tiene un coeficiente positivo pero su cuadrado tienecoeficiente negativo, indicando que el salario crece con la edad pero este crecimientodisminuye a medida que la edad aumenta. También obtenemos que mujeres más educadasobtienen mayores salarios y que las mujeres con cónyuge tienen mayor salario que las queno lo tienen. Con este resultado calculamos el salario potencial para todas las mujeresdeacuerdo a sus características personales. Este salario/hora medio estimado es de 525,61pesetas/hora (3,16 ∈).

4.2 Probabilidad de tener el primer hijo: Modelo de duración en tiempo discreto.

Con el salario potencial obtenido de la ecuación salarial estimamos el modelo deduración en tiempo discreto. La variable dependiente es la probabilidad condicionada detener el primer hijo en cada trimestre dado que no se ha tenido hasta el momento. Comovariables independientes usamos, además del salario potencial, la edad de la mujer yvariables de región de residencia (modelo I). En una de las especificaciones (modelo II)incluímos la renta del cónyuge, que hacemos cero si no tiene cónyuge, tal y como hacenHeckman y Walker (1991). En otra especificación utilizamos sólo a mujeres emancipadas,definidas como aquéllas que son cabeza de familia o cónyuges del cabeza de familia(modelo III). Hacemos una última estimación cogiendo sólo a mujeres casadas en cualquiermomento durante el período de observación (Modelo IV). De esta forma, evitamos elproblema del estado civil, pero podemos estar cogiendo una muestra claramente másfavorable a tener el hijo, cuya decisión de tenerlo ha sido previa o simultánea a la decasarse. Para esta muestra incluimos como variable la duración en trimestres delmatrimonio en cada período.

Obtenemos que con la edad aumenta la probabilidad de que la mujer sea madre, enle modelo I. En el modelo II, la inclusión de la renta del cónyuge, parece llevarse el efectode las otras variables. En la muestra de mujeres emancipadas, la edad es poco significativay de signo negativo. Por otro lado, en el modelo IV, estimado solamente con las mujerescasadas, sólo la edad de la madre parece significativa pero con signo contrario al de lasotras estimaciones. Este cambio de signo muestra que las mujeres que se independizan y/ose casan son mayores que las que no lo hacen.

El salario potencial está positivamente relacionado con la probabilidad de tener elprimer hijo en el modelos I. Mujeres con mayor coste de oportunidad tienen másprobabilidades de tener el primer hijo, así parece que según nuestras estimaciones, el efectorenta del salario femenino puede ser lo suficientemente alto para compensar el efectosustitución negativo de participar. Cuando incluimos la renta del cónyuge (modelo II), elresto de variables pierde significatividad y ésta pasa a ser la única aparentementeimportante. Para mujeres emancipadas ocurre algo parecido, el salario del cónyuge espositivo y significativo.

16

16

En la muestra de casadas, no encontramos otras variables significativas entre elresto de variables incluidas, como el tipo de propiedad de vivienda o la existencia demayores (fundamentalmente abuelos) en el hogar. Así, en la muestra de casadas, no haydiferencias significativas en la probabilidad de tener el primer hijo, al menos por lasvariables que controlamos. Parece que, una vez las mujeres se casan, estas diferencias noson importantes.

4.3 Participación y Primer hijo: Logit multinomial.

La estimación del modelo logit multinomial nos permite observar diferenciassegún la participación o no de la mujer sin enfrentarnos al problema de la endogeneidad dela misma. Con esta estimación podemos comparar el efecto de variables en cada una de lascategorías definidas, (No participa, No hijo), (No participa, hijo), (Participa, No hijo) y(Participa, hijo). Definimos como participantes a todas aquellas que en la estimación delhazard estaban ocupadas o en situación de desempleo. Estimamos los mismos modelos queen la sección anterior, aunque en este caso estimamos no sólo la probabilidad de tener elprimer hijo, sino la probabilidad de encontrarse en cada una de las categorías dadas ciertascaracterísticas individuales. Incluimos en la estimación la edad de la mujer, el salariopotencial y la región de residencia. Además, en una de las especificaciones (Modelo II)incluimos la renta del marido tal y como se hizo en la anterior estimación y una estimaciónpara una submuestra de mujeres emancipadas (Modelo III). También incluimos entre lasparticipantes una variable que recoge si han experimentado períodos de desempleo y entrelas inactivas una variable que recoja si son estudiantes. Como en la sección anterior, en el Modelo IV, restringimos la estimación a unamuestra de mujeres casadas e incluimos en la estimación la duración del matrimonio y laexistencia de mayores en el hogar (también se han incluido variables de propiedad devivienda, pero han resultado no significativas y se han eliminado por problemas demulticolinealidad). En el primer modelo, con toda la muestra, encontramos que el salario potencialafecta positivamente a la probabilidad de estar en las categorías de participantes y, entreestas, el salario potencial afecta positivamente a la probabilidad de tener el primer hijo,respecto a las mujeres que no participan y no han tenido el hijo. En el modelo II, dondeincluimos el salario del cónyuge, encontramos que éste afecta positivamente a estar entodas las categorías respecto a la de referencia (No Participa y No tiene el hijo). Así, unmayor salario del cónyuge (o la existencia de éste) afecta positivamente a la probabilidadde tener el primer hijo para mujeres inactivas y también afecta positivamente a laprobabilidad de tener el primer hijo para las participantes en el mercado laboral. Además eneste modelo el salario potencial femenino también afecta positivamente a la probabilidad detener el primer hijo. En ambos modelos con toda la muestra, la edad aumenta laprobabilidad de participar o de no participar pero tener el hijo (respecto de la categoría dereferencia). En el tercer modelo, el salario potencial femenino afecta positivamente a laprobabilidad de estar en las dos categorías en las que la mujer participa, pero tiene unmayor efecto para estar en la categoría de las que tienen el primer hijo. El salario del

17

17

cónyuge en esta submuestra disminuye la probabilidad de estar en la tercera categoría(Participa y No tiene hijo) respecto de la de referencia (No participa y No tiene hijo),indicando que, mujeres con más alto salario del cónyuge tiene más probabilidad de noparticipar. En la submuestra de mujeres casadas el salario femenino aumenta la probabilidadde participar y el coeficiente es bastante superior para la categoría de participar y tener elhijo. El salario del cónyuge disminuye la probabilidad de participar y no tener el hijo. Enesta submuestra hemos incluido la duración (medida en trimestres) del matrimonio y puedeverse como esta variable aumenta mucho la probabilidad de no participar y tener el hijo.Además en esta submuestra la edad de la mujer disminuye la probabilidad de participar, esdecir, mujeres mayores participan menos en el mercado laboral. Para controlar por las diferencias que existen en las distintas muestras hemos hechouna última estimación donde controlamos por dos variables importantes dentro de cada unadelas categorías que hemos creado. Por un lado, creamos una variable ficticia paradistinguir entre las no participantes, a las estudiantes y entre las participantes, a lasdesempleadas. Los resultados de esta estimación se presentan en la Tabla 12. Los resultados en el modelo I muestran que ser estudiante disminuye laprobabilidad de tener el hijo y, además estar en desempleo también disminuye laprobabilidad de tener el hijo entre las participantes (no muestro ésto). El salario delcónyuge aumenta la probabilidad de estar en las categorías de hijos, cuando se incluye(modelo II). Entre las mujeres emancipadas, la variable estudiante apenas tiene efecto (haymuy pocas estudiantes que figuren como cabezas de familia) pero continua el efecto de lavariable de desempleo afectando a la probabilidad de estar en las categorías departicipación. La edad disminuye la probabilidad de participar, igual que en el modeloanterior.

18

18

5. CONCLUSIONES

Estimamos la probabilidad de que, mujeres entre 20 y 40 años tengan su primerhijo. Lo hacemos calculando una medida del coste de oportunidad del tiempo de la mujerque nos permita contrastar el efecto que éste puede tener en la probabilidad de entrada a lamaternidad. Primero estimamos un modelo univariante en el que modelamos laprobabilidad de tener el primer hijo en forma de hazard (probabilidad condicionada).Encontramos que el salario potencial femenino afecta positivamente a la probabilidad deentrada a la maternidad controlando por la edad y la región. Estimamos un modelo logitmultinomial para controlar el estado laboral de al mujer, que es endógeno en la decisión detener el primer hijo. De esta forma, podemos medir diferentes efectos de las variables encada una de las categorías definidas según el estado laboral. Encontramos que el salariopotencial sigue estando positivamente relacionado con la probabilidad de tener el primerhijo. Por último, controlando por diferencias dentro de las categorías con un modelo logitcondicional, podemos ver que el desempleo afecta negativamente a la probabilidad de tenerel primer hijo en España. Nuestros resultados sugieren que el efecto renta en España puedeser lo suficientemente alto como para compensar al efecto sustitución.

19

19

6 REFERENCIAS

- Allison, P. D. (1982). “Discrete-time methods for the analysis of eventhistories”, in Leinhdhart, S. (ed.), Sociological Methodology 1982, Jossey-Bass Publishers,San Francisco, pp. 61-97.

-,Ahn, N. And Mira, P. (1999) “Job bust, baby bust. The Spanish case”, FEDEAWorking Papers, FEDEA, Madrid.

- Becker, G. S. (1960). “An Economic Analysis of Fertility”, in Demographic andEconomic Change in Developed Countries, Universities-National Bureau ResearchConference Series 11, NBER Princeton NJ; pp. 209-31.

- Castro Martín, T. (1992). “Delayed childbearing in Spain: Trends anddifferentials”, European Journal of Population. 8, pp. 217-46.

- Delgado, M. (1993). “Cambios recientes en el proceso de formación de lasfamilias” , Revista española de investigaciones sociológicas, 64, pp. 123-153.

- Heckman, JJ, Hotz VJ, Walker JR (1985). “New Evidence on the Timing andSpacing of Births” American Economic Review; Papers and Proceedings 75; pp. 179-84.

- Heckman JJ and Walker JR (1989). “Forecasting Aggregate Period-SpecificRates: The Time Series Properties of a Mycrodinamic Neoclassical Model of Fertility”Journal of the American Statistical Association, 84; pp. 958-65.

- Heckman JJ and Walker JR (1990a). “The Relationship Between Wages andIncome and The Timing and Spacing of Births: Evidence from Swedish Longitudinal Data.Econometrica 58; pp. 1411-41.

- Heckman JJ and Walker JR (1990b). “The Third Birth in Sweden” Journal ofPopulation Economics 3; pp. 235-75.

- Hotz, V. J. And Miller, R. A. (1988). “An empirical analysis of life cycle fertilityand female labour supply”, Econometrica 56, pp. 91-118.

- Jenkins, S. P. (1995). “Easy estimation methods for discrete-time durationmodels”, Oxford Bulletin of Economics and Statistics, 57, (1), pp. 129-138.

- Lesthaegue, R. And van de Kaa, D. (1986)- Ortega, J. And kohler, P. (1999).- Willis, R. (1973). “A new approach to the economic theory of fertility behaviour”,

Journal of Political Economy, 87, (5), pp. S65-S97.- Wolpin, K. (1984). “An estimable dynamic stochastic model of fertility and child

mortality” Journal of Political Economy 92, pp. 852-841.

20

20

6. FIGURAS.

Figura 1: Índice Sintético de Fecundidad. España

0

0.5

1

1.5

2

2.5

3

3.519

64

1966

1968

1970

1972

1974

1976

1978

1980

1982

1984

1986

1988

1990

1992

1994

1996

año

Nº h

ijos

por

muj

er

TFR (Total Nacional) Nivel de Reemplazo Generacional

Fuente: Movimiento Natural de la Población, INE.

Figura 2: Tasas participación femeninas por grupos edad. España.

0

10

20

30

40

50

60

70

80

1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998

20-24 25-29 30-34 35-39

Fuente: Encuesta de Población Activa, INE.

21

21

Figura 3: Tasas de Desempleo femeninas por grupos edad. España.

0

10

20

30

40

50

60

1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998

20-24 25-29 30-34 35-39

Fuente: Encuesta de Población Activa, INE.

Figura 4: Primeros Nacimientos por Edad de la Madre. Total España

0

5000

10000

15000

20000

25000

30000

35000

1976 1994

Fuente: Movimiento Natural de la Población, INE.

22

22

7. TABLAS.

Tabla 1: Estadísticos Descriptivos.

Variable Muestra

Completa

Submuestra

emancipadas

Submuestra

casadasVariable DependienteDuración (no censuradas) 6,092

(3,33)

5,832

(3,34)

5,833

(3,39)Grupos edad 20-24 0,501

(0,50)

0,161

(0,37)

0,173

(0,38) 25-29 0,280

(0,45)

0,362

(0,48)

0,427

(0,49) 30-34 0,140

(0,35)

0,279

(0,45)

0,281

(0,45) 35-40 0,080

(0,27)

0,198

(0,40)

0,119

(0,32)Características Hogar Pareja (1) 0,212

(0,41)

0,714

(0,45)Cabeza de Familia 0,228

(0.42)

0,967

(0,18)Duración del matrimonio

(trimestres)

20,97

(17,04)Mayores (4) 0,183

(0,54)

0,202

(0,57)

Vivienda Propietarios 0,652

(0,48)

0,677

(0,47) Hipoteca (entre Propietarios) 0,540

(0,50)

0,551

(0,50) Alquilados 0,247

(0,43)

0,219

(0,41) Otros 0,100

(0,30)

0,114

(0,32)(Continua)

23

23

Situación Laboral (Mujeres)Ocupadas (1) 0,448

(0,50)

0,650

(0,48)

0,542

((0,50)Inactivas (1) 0,084

(0,28)

0,152

(0,36)

0,220

(0,41)Estudiantes (1) 0,259

(0,44)

0,049

(0,22)

0,044

(0,20)Desempleadas (1) 0,209

(0,41)

0,148

(0,36)

0,194

(0,40)Situación Laboral del cónyugeOcupado (1) 0,885

(0,32)Inactivo (1) 0,001

(0,03)Desempleado (1) 0,099

(0,30)Educación MujerPrimaria 0,133

(0,34)

0,144

(0,35)

0,177

(0,38)Secundaria 0,643

(0,48)

0,529

(0,50)

0,587

(0,49)Universitaria 0,224

(0,42)

0,327

(0,47)

0,236

(0,42)(continua)

24

24

Ingresos Netos Mujer (1) (2) 315.504

(210.909)

420.575

(242.889)

363.825

(207.524)Ingresos Netos Hombre (1) (2) 445.305

(238.623)

451.452

(201.450)

440.366

(198.832)Renta Familiar (1) (2) 2.740.177

(1.825.821)

2.411.684

(1.490.122)

2.508.582

(1.244.316)Salario Potencial Mujer (3) 525.610

(193.184)

654,64

(228,86)

613,38

(205,51)Región de ResidenciaEste 0,203

(0,40)

0,252

(0,43)

0,226

(0,42)Noroeste 0,129

(0,34)

0,099

(0,30)

0,143

(0,35)Nordeste 0,169

(0,37)

0,200

(0,40)

0,191

(0,39)Madrid 0,104

(0,31)

0,114

(0,32)

0,119

(0,32)Centro 0,132

(0,34)

0,118

(0,32)

0,113

(0,32)Sur 0,187

(0,39)

0,160

(0,37)

0,150

(0,36)Islas Canarias 0,076

(0,26)

0,057

(0,23)

0,059

(0,24)# Observaciones 12971 2943 1898

Desviaciones Típicas entre paréntesis.(1) Variables cambiantes en el tiempo.(2) Variables de ingresos construidas según se explica en el texto. Ingresos masculinos y femeninos sonrentas anuales netas del trabajo y como tales, calculadas sólo para trabajadores. La renta familiar es lasuma anual de todos los ingresos de todos los miembros del hogar. Para mujeres no emancipadas incluyela de los padres y otros familiares.(3) Salario Potencial femenino en pesetas por hora.(4) Padres o suegros de la mujer en la misma casa.

25

25

Tabla 2: Tasa Salida por estado civil de la madre.

Estado civil (en el

año del

nacimiento)

# Mujeres en riesgo Tasa Salida por

estado civil (%)

Casadas 2488 4,10

Solteras 7406 0,61

Cohabitando

(entre las solteras)182 2,20

Otras 181 1,10

TOTAL 12971 0,92

Tabla 3: Tasa Salida por Grupo de Edad de la Madre.

Grupo Edad

Madre

# Mujeres en

riesgo

Tasa salida por

Grupo de Edad (%)

20-24 6492 0,43

25-29 3627 1,38

30-34 1811 1,66

35-39 1041 1,15

TOTAL 12971 0,92

26

26

Tabla 4: Tasa de Salida por estado laboral de la madre.

Estado Laboral

Madre

# mujeres en

riesgo

Tasa salida por

estado laboral (%)

Ocupadas 5809 1,07

Desempleadas 2705 0,48

Estudiantes 3356 0,15

Inactivas (excepto

estudiantes)

1096 3,65

TOTAL 12971 0,92

Tabla 5: Tasa Salida por estado laboral y Grupo de Edad.

Estado Laboral

Madre

Tasa

Salida

20-24

(%)

Tasa

salida

25-29

(%)

Tasa

Salida

30-34

(%)

Tasa

Salida

35-40

(%)

Ocupadas 0,54

(2052)

1,44

(1934)

1,29

(1093)

1,23

(730)

Desempleadas 0,14

(1401)

0,58

(857)

1,61

(310)

0,73

(137)

Estudiantes 0,14

(2798)

0,00

(487)

1,45

(64)

0,00

(14)

Inactivas (excepto

estudiantes)

4,56

(241)

4,84

(349)

2,91

(344)

1,25

(160)

TOTAL 0,43

(6492)

1,38

(3627)

1,66

(1811)

1,15

(1041)

Entre paréntesis, el número total de mujeres en cada categoría.

27

27

Tabla 6: Tasa salida por educación completada por la madre.

Educación

terminada

# mujeres en

riesgo

Tasa salida por

educación terminada

(%)

Primaria 1728 1,27

Secundaria 8336 0,83

Universitaria 2907 1,00

TOTAL 12971 0,92

Tabla 7: Distribución observaciones por Participación y fecundidad.

Participación

Primer Participa No Participa TOTAL

Hijo Tiene Primer

Hijo75 45 120

No Tiene

Primer Hijo8439 4412 12851

TOTAL 8514 4467 12971

28

28

Tabla 8.1: Medias Muestrales de las principales variables en la EstimaciónMultinomial. Muestra Completa.

(Participación, fecundidad) NP, NH NP, H P, NH P, HEdad 23,93 26,6 26,6 28,7Salario Potencial (1) 472,18 493,1 550,1 662,9Educación terminada Primaria 0,12 0,22 0,14 0,16 Secundaria 0,71 0,71 0,62 0,49 Universitaria 0,18 0,07 0,25 0,35Características HogarPareja 0,13 0,87 0,24 0,93Emancipada 0,12 0,71 0,27 0,88Períodos de desempleo - - 0,38 0,24Estudiantes 0,76 0,11 - -Zona geográfica Noroeste 0,15 0,16 0,12 0,04 Nordeste 0,18 0,11 0,16 0,19 Este 0,15 0,16 0,23 0,33 Centro 0,12 0,16 0,14 0,07 Madrid 0,10 0,09 0,1 0,08 Sur 0,20 0,22 0,18 0,2 Canarias 0,08 0,11 0,07 0,09Ingresos Netos Mujer (2) - - 315.260 364.359Ingresos Netos Hombre (2) (3) 440.262 460.345 445.232 496.648Renta Familiar (2) 2,760.289 1,945.333 2,731.942 2,975.506Observaciones 4412 45 8439 75(1) Salario potencial femenino en pesetas por hora. Obtenido en la ecuación salarial, Tabla 9.(2) Variables de ingresos construidas según se explica en el texto. Ingresos masculinos y

femeninos son rentas anuales netas del trabajo y como tales, calculadas sólo para trabajadores.La renta familiar es la suma anual de todos los ingresos de todos los miembros del hogar. Paramujeres que viven con los padres la renta familiar recogerá la de éstos además de otrosfamiliares.

(3) Sólo para mujeres con pareja.

29

29

Tabla 8.2: Medias Muestrales de las principales variables en la EstimaciónMultinomial. Submuestra Emancipadas.

(Participación, fecundidad) NP, NH NP, H P, NH P, HEdad 29,17 27,37 29,77 28,86Salario Potencial (1) 558,05 622,96 646,08 693,90Educación terminada Primaria 0,26 0,25 0,12 0,13 Secundaria 0,60 0,66 0,51 0,48 Universitaria 0,14 0,09 0,37 0,40Características HogarPareja 0,78 0,97 0,69 0,98Mayor 0,23 0,06 0,18 0,09Vivienda Propietarios 0,61 0,59 0,66 0,68 Hipoteca (entre Propietarios) 0,42 0,63 0,56 0,65 Alquilados 0,22 0,19 0,25 0,27 Otros 0,18 0,22 0,08 0,05Períodos de desempleo - - 0,23 0,25Estudiantes 0,26 0,06 - -Zona geográfica Noroeste 0,16 0,12 0,08 0,02 Nordeste 0,19 0,12 0,20 0,21 Este 0,16 0,22 0,27 0,33 Centro 0,10 0,19 0,12 0,06 Madrid 0,09 0,09 0,12 0,08 Sur 0,20 0,19 0,15 0,22 Canarias 0,09 0,06 0,05 0,08Ingresos Netos Mujer (2) - - 421.118 401.099Ingresos Netos Hombre (2) (3) 463.158 475.873 444.628 524.789Renta Familiar (2) 1,874.577 1,819.517 2,530.225 3,181.653Observaciones 560 32 2288 63(1) Salario potencial femenino en pesetas por hora. Obtenido en la ecuación salarial, Tabla 9.(2) Variables de ingresos construidas según se explica en el texto. Ingresos masculinos y



30

30

Tabla 8.3: Medias Muestrales de las principales variables en la EstimaciónMultinomial. Submuestra Casadas.

(Participación, fecundidad) NP, NH NP, H P, NH P, HEdad 29,17 26,64 28,56 28,39Salario Potencial (1) 553,73 507,36 634,72 663,51Educación terminada Primaria 0,31 0,24 0,13 0,16 Secundaria 0,57 0,67 0,60 0,48 Universitaria 0,12 0,09 0,28 0,36Características HogarDuración matrimonio (trimestres) 24,53 16,45 19,92 19,21Emancipada 0,97 1 0,97 0,98Mayor 0,26 0,30 0,18 0,11Vivienda Propietarios 0,63 0,64 0,68 0,68 Hipoteca (entre Propietarios) 0,39 0,57 0,60 0,55 Alquilados 0,20 0,15 0,23 0,27 Otros 0,17 0,21 0,09 0,05Períodos de desempleo - - 0,32 0,25Estudiantes 0,17 0,06 - -Zona geográfica Noroeste 0,19 0,21 0,13 0,04 Nordeste 0,19 0,09 0,19 0,21 Este 0,16 0,18 0,25 0,27 Centro 0,08 0,18 0,12 0,05 Madrid 0,11 0,12 0,12 0,09 Sur 0,16 0,15 0,14 0,25 Canarias 0,10 0,06 0,04 0,09Ingresos Netos Mujer (2) - - 363.357 373.941Ingresos Netos Hombre (2) (3) 434.381 466.441 439.409 497.276Renta Familiar (2) 1.970.410 2.038.201 2.689.552 2.949.759Observaciones 468 33 1341 56(1) Salario potencial femenino en pesetas por hora. Obtenido en la ecuación salarial, Tabla 9.(2) Variables de ingresos construidas según se explica en el texto. Ingresos masculinos y



31

31

Tabla 9: Ecuación Salarial femenina.

Variable Dependiente:

log (Salario hora)(a)

Coeficiente Estadístico t

Edad/10 0,721 10,940

Edad2 /100 -0,072 -8,853

Educación de la mujer

(Referencia: educación primaria)

Secundaria 0,306 11,273

Universitaria 0,785 26,658

Cónyuge

(referencia: no cónyuge)0,081 3,453

Region (referencia: este)

Noroeste -0,140 -3,730

Nordeste 0,190 0,578

Madrid 0,069 1,945

Centro -0,059 -1,609

Sur -0,052 -1,525

Canarias -0,041 -0,861

Constante 4,489 36,524

# Observaciones 1696

R2 Ajustado 0,4154

(a) Salario/hora femenino construido usando el salario mensual y el numero de horastrabajadas por la mujer.

32

32

Tabla 10: Efecto de Variables en la Probabilidad de tener el primer hijo.Covariables Modelo I Modelo II Modelo III

Emancipadas

Modelo IV

Casadas

Edad 1,05

(2,38)

1,02

(0,70)

0,95

(-1,74)

0,94

(-1,60)

Duración Matrimonio - - - 1,74

(0,52)

Salario potencial 1,87

(1,81)

1,17

(0,45)

1,48

(0,98)

0,74

(0,17)Salario Cónyuge(a)

(referencia: sin cónyuge)

1,23

(11,88)

1,10

(3,70)

1,00

(0,88)

Vivienda

(ref. propietarios sin hipoteca)

Hipoteca 1,23

(0,75)

0,87

(-0,59)

Alquilados 1,21

(0,61)

1,17

(0,59)

Otros 1,12

(0,29)

0,92

(-0,22)

Mayor 0,94

(-0,21)

1,27

(0,26)

(continua)

33

33

(continua)

Zona geográfica(referencia: Este)

Noroeste0,59

(-1,45)

0,70

(-0,82)

0,53

(-1,29)

0,56

(-1,32)

Nordeste0,65

(-1,47)

0,7

(-1,21)

0,78

(-0,78)

0,85

(-0,51)

Centro0,61

(-1,47)

0,76

(-0,78)

0,92

(-0,23)

0,72

(-0,88)

Madrid0,55

(-1,63)

0,58

(-1,47)

0,57

(-1,36)

0,64

(-1,14)

Sur0,97

(-0,11)

1,24

(0,80)

1,34

(0,99)

1,18

(0,57)

Canarias1,06

(0,17)

1,42

(1,04)

1,08

(0,17)

0,88

(-0,28)

# Observaciones 12971 12971 2943 2435

Log-verosimilitud -666,28 -574,77 -401,52 -415,58

Ratio Verosimilitudes 30,23 213,27 36,19 9,48

Ratios de Probabilidades. Estadísticos Z entre paréntesis.(1) Salario del Cónyuge construido como se explica en el texto. Para mujeres sin

cónyuge es igual a cero.

34

34

Tabla 11: Estimación del Logit Multinomial. Probabilidad de estar en cada grupo.

Referencia: No participa, No hijoNP, H P, NH P, H

Modelo I: muestra completa

Edad 4,91

(4,41)

3,68

(21,85)

4,23

(5,21)

Salario Potencial (1) 0,51

(-1,06)

1,21

(2,29)

4,51

(3,41) Observaciones 12971

Pseudo R2 0,068

Modelo II: muestra completa

Edad 3,40

(2,91)

3,45

(20,72)

3,01

(3,40)

Salario Potencial 0,33

(-1,70)

1,19

(2,09)

2,76

(2,26)

Salario Cónyuge (1) 1,22

(7,77)

1,03

(5,88)

1,29

(9,82) Observaciones 12971

Pseudo R2 0,080

(continua)

35

35

Modelo III: emancipadasReferencia: No participa, No hijo

NP, H P, NH P, H

Edad 0,41

(-1,69)

0,39

(-7,18)

0,35

(-3,66)


(0,16)

9,59

(10,81)

22,97

(5,94)

Salario cónyuge 0,99

(-0,32)

0,93

(-6,94)

1,08

(2,11) Vivienda

(ref.: propietarios sin hipoteca) Hipoteca 1,97

(1,32)

1,93

(4,85)

2,12


(0,14)

1,43

(2,54)

1,86

(1,60) Otros 1,28

(0,43)

0,52

(-3,95)

0,37

(-1,52) Mayor 0,47

(-1,29)

0,79

(-2,33)

1,06

(0,15)Observaciones 2943

Pseudo R2 0,100

36

36

Modelo IV: casadasReferencia: No participa, No hijo

NP, H P, NH P, H

Edad 1,93

(0,60)

0,27

(-4,68)

0,58

(-0,69)


(0,53)

14,45

(9,57)

23,44

(5,18)

Salario Cónyuge 0,97

(-0,89)

0,96

(-2,52)

0,98

(-0,41)

Duración matrimonio 49,03

(2,61)

1,01

(0,04)

5,39

(1,68)

Edad*Duración matrimonio 0,88

(-2,58)

1,00

(-0,19)

0,95

(-1,78) Vivienda


(1,22)

1,55

(3,00)

1,84


(-0,08)

1,62

(1,22) Otros 1,31

(0,47)

0,28

(-1,92) Mayor 0,51

(-1,19)

0,96

(-0,33)

1,15

(0,36)Observaciones 1898

Pseudo R2 0,100

Ratios de probabilidades. Estadísticos Z entre paréntesis.En todos los modelos, además de las variables indicadas, se han incluido dummiesregionales.(1) Salario del Cónyuge construido como se explica en el texto. Para mujeres sin cónyuge,igual a cero.

37

37

Tabla 12: Estimación del Logit Condicional. Probabilidad de estar en cada grupo.

Referencia: No participa, No hijoNP, H P, NH P, H

Modelo I: Muestra completa

Edad 2,49

(2,70)

1,71

(8,79)

3,45

(4,87)

Salario Potencial (1) 0,36

(-6,46)

2,10

(15,10)

0,81

(-1,70)

Estudiante 0,19

(-3,32)

Períodos desempleo 0,002

(-25,18)

0,001

(-18,44) Observaciones 51884

Pseudo R2 0,6757

Modelo II: Muestra completa

Edad 1,46

(0,97)

1,67

(8,05)

2,93

(3,57)


(-5,52)

2,11

(15,22)

0,65

(-2,91)

Salario Cónyuge (1) 1,21

(6,88)

1,01

(0,94)

1,27

(9,43) Estudiante 0,36

(-1,97) Períodos desempleo 0,002

(-25,17)

0,001

(-17,93) Observaciones 51884

Pseudo R2 0,6808

(continua)

38

38

Modelo III: emancipadasReferencia: No participa, No hijo

NP, H P, NH P, H

Edad 0,39

(-2,02)

0,44

(-5,31)

0,46

(-2,13)


(-0,05)

5,32

(9,01)

2,58

(3,67)

Salario cónyuge(1) 1,00

(-0,02)

0,99

(-1,88)

1,11

(3,03) Estudiante 0,48

(-0,95) Períodos desempleo 0,0003

(-7,72)

0,0003

(-7,53) Vivienda


(1,29)

1,68

(3,05)

1,56


(0,16)

1,25

(1,21)

1,29

(0,66) Otros 1,30

(0,44)

0,92

(-0,43)

0,46

(-1,17) Mayor 0,52

(-1,15)

0,93

(-0,61)

0,94

(-0,17)Observaciones 11844

Pseudo R2 0,7195

(continua)

39

39

Modelo IV: casadasReferencia: No participa, No hijo

NP, H P, NH P, H

Edad 1,88

(0,68)

0,24

(-4,33)

0,45

(-0,98)

Duración matrimonio 45,16

(2,61)

0,99

(-0,03)

2,34

(0,92)

Edad*duración matrimonio 0,29

(-2,65)

1,04

(0,35)

0,79

(-0,84)


(-1,54)

6,91

(7,45)

3,33

(2,86)

Salario Cónyuge 0,97

(-0,76)

0,95

(-3,01)

0,96

(-0,89)

Períodos desempleo - 0,0003

(-6,06)

0,0001

(-6,13) Estudiante 0,51

(-0,86)- -

Mayor 1,09

(0,25)

1,33

(2,20)

0,97

(-0,10) Vivienda


(1,53)

2,39

(4,33)

1,75


(-0,08)

1,91

(2,90)

1,87

(1,49) Otros 1,10

(0,16)

1,32

(1,16)

0,57

(-0,82)Observaciones 7592

Pseudo R2 0,6399

Ratios de probabilidades. Estadísticos Z entre paréntesis.En todos los modelos, además de las variables indicadas, se han incluido dummiesregionales.(1) Salario del Cónyuge construido como se explica en el texto.

40

40

APÉNDICE 1: SELECCIÓN MUESTRAL.

Tabla A1: Mujeres seleccionadas y excluidas por edad en 1994.Edad Mujeres con hijos en 1994

(excluidas de la muestra)

Mujeres sin hijos en 1994

(muestra seleccionada)

% mujeres sin hijos

20 9 134 93,7121 9 114 92,6822 8 116 93,5523 15 123 89,1324 13 108 89,2625 30 96 76,1926 36 87 70,7327 50 69 57,9828 63 50 44,2529 62 37 37,3730 82 49 37,4031 95 33 25,7832 104 39 27,2733 87 21 19,4434 100 27 21,2635 97 22 18,4936 118 22 15,7137 122 16 11,5938 122 10 7,5839 114 11 8,8040 124 12 8,82

TOTAL 1460 1196 45,03

Figura A1: Total mujeres y selección muestral, 1994.

0

20

40

60

80

100

120

140

160

180

20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

edad

# m

ujer

es

Total mujeres 20-40 Mujeres 20-40 sin hijos

Documents

Entrada a la Maternidad y Situación Laboral de las Mujeres ... · primer hijo (Heckman y Walker, 1990a). En este contexto, a pesar de que muchos trabajos han estudiado tanto la