Conecta con Minuto5

Nada es Gratis

Los efectos del Coronavirus en la educación (II): Propuesta de un PROA ampliado

Publicada

el

De Jorge Sainz e Ismael Sanz

Con el cierre de los centros educativos, Brookings Institution planteaba incluir entre los estímulos fiscales que ya se barruntaban, campamentos de verano con un componente más académico impartidos por los profesores habituales, convenientemente incentivados y gratificados y si hiciese falta, en su caso, la contratación más educadores de las listas de interinos que no han podido trabajar o antiguos alumnos para realizar una tarea de por sí necesaria como es la recuperación del aprendizaje perdido y reforzar a los alumnos rezagados. Una propuesta que persigue también la igualdad de oportunidades dado que los alumnos de entornos desfavorecidos o que ya estaban rezagados son los que más pueden verse afectados en la adquisición de competencias por el cierre de los centros educativos (como resumimos en el post anterior).

Entre los estímulos fiscales también se incluiría proporcionar portátiles y subsidiar la conectividad del hogar a estudiantes de bajos ingresos, unido a una formación en educación online tanto a estos alumnos como a los docentes. Estar preparados y tener planificada la educación ante un posible rebrote de la pandemia u otras posibles futuras emergencias de salud, al mismo tiempo que se igualan las oportunidades educativas y económicas en la era de la información. En su Informe del Laboratorio de Sistemas de Docencia del MIT, Justin Reich et al. (2020) recalcan la importancia de comenzar a planificar ya el curso 2020-21, que necesariamente tendrá que incluir un diagnóstico inicial sobre las competencias que tienen los alumnos, las diferencia entre los estudiantes y la reducción de un currículo sobrecargado en el caso español, priorizando los temas más importantes.

En el primer post recordábamos la propuesta de Toni Roldán y Antonio Cabrales previa al cierre de los centros educativos, de recuperar el Plan PROA (Plan de Refuerzo, Orientación y Apoyo) que desapareció en 2012. El diseño que se plantea es simple. Este refuerzo educativo lo llevarían a cabo interinos que no se encuentren trabajando, así como a antiguos alumnos en estudios superiores. Cada monitor trabajaría con un grupo de entre cinco y diez alumnos en el mismo centro. Gershenson et al. (2018) muestran evidencia de que la presencia de una persona que es de un origen similar al de los estudiantes hace que estos actualicen sus creencias sobre los retornos al esfuerzo y la participación en la escuela. El impacto es importante, hasta tienen cinco puntos más de probabilidad de graduarse en secundaria y cuatro puntos de entrar en la universidad.

El Programa PROA y el Programa de Reducción del Abandono Temprano de la Educación

Los Programas de Cooperación Territorial (PCTs) de Educación son actuaciones que se desarrollan entre el Ministerio de Educación con las Consejerías de Educación de las Comunidades Autónomas. Dos de estos Programas fueron PROA y el Plan de Reducción del Abandono Temprano de la Educación.

PROA funcionó entre los años 2005-2012 y estaba destinado a centros que atendían a un número significativo de alumnos en situación de desventaja educativa. Tenía dos modalidades: Programa de Acompañamiento Escolar (PAE) y Programa de Apoyo y Refuerzo (PAR). El PAE apoyaba de forma individualizada a los estudiantes y se desarrolló tanto en centros de primaria como en centros de secundaria. Proporcionaba apoyo por parte de monitores acompañantes o por profesores del propio centro durante al menos 4 horas adicionales a la semana a alumnos con dificultades y problemas en el aprendizaje.

La finalidad era mejorar el desarrollo de capacidades básicas: lectura, organización del trabajo, adquisición de hábitos de estudio, expresión escrita y resolución de problemas. El PAR era un Programa a nivel de centro educativo y tenía como finalidad la mejora de los Institutos en los que se aplicaba. Los centros se encontraban en entornos difíciles y con una proporción elevada de alumnado con perspectivas educativas bajas. Incluían actuaciones que incidían en el ámbito escolar, familiar y del entorno: transición entre Primaria y Secundaria, el desarrollo de capacidades, refuerzo educativo, biblioteca escolar, convivencia escolar, colaboración con las familias, mediadores socioeducativos, talleres de actividades extraescolares y la lucha contra el absentismo escolar.

El Programa de Reducción del Abandono Temprano de la Educación fue el resultado también de convenios entre las Comunidades Autónomas y el Ministerio de Educación, que cofinanciaba el 40%, en total 202 millones de euros. Financió medidas de análisis, sensibilización y difusión; medidas preventivas dirigidas a reducir el número de alumnos con riesgo de exclusión; medidas para la orientación y seguimiento dirigidas a recuperar al alumnado que ha abandonado el sistema educativo; y ofertas educativas para jóvenes que han abandonado el sistema educativo dirigidas a la obtención de una formación y titulación reglada de educación secundaria posobligatoria.

En 2012 coordinamos las evaluaciones de impacto de los PCTs, algunas de las cuales han sido revisadas en Nadaesgratis, como la que realizaron García e Hidalgo (2017) sobre el PAE. Utilizando datos de las pruebas externas de PISA del año 2012 y controlando por toda una batería de información sobre el entorno sociodemográfico del alumno y características de las escuelas, llegan a la conclusión de que el PAE redujo la probabilidad de quedar en el último cuartil entre 3,5 y 6,4 puntos porcentuales y mejoró el resultado en lectura entre un 8,5 y 17,4%. Los estudiantes en centros educativos que participaron en el programa durante un máximo de dos años no experimentan ningún efecto positivo significativo, mientras que aquellos en los centros que participaron durante al menos tres años sí.

Por su parte, Serrano y Soler (2014) muestran que PROA redujo en 2 puntos la probabilidad de abandono. El intervalo de confianza del 95% del efecto asociado al programa iría de unas pocas décimas de reducción a un efecto cercano a los 4 puntos.

La Tabla 5 plantea sus diferentes estimaciones de la probabilidad de abandono para la población de entre 18 y 24 años. Entre los determinantes se consideran variables relacionadas con características personales y familiares: sexo, nacionalidad, edad del joven y nivel educativo de los padres. También se tiene en cuenta si el joven ha concluido con éxito la ESO. Por lo que respecta a los factores relacionados con el entorno, se incluyen variables relativas a la situación y características del mercado de trabajo: peso de los ocupados en puestos de alta cualificación, el peso del sector construcción, y la diferencia entre la tasa de paro de las personas con ESO como máximo y la tasa de paro de las personas que han completado al menos algún tipo de educación secundaria posobligatoria. También se incluyen dummies regionales y de año.

Los datos provienen de las encuestas individuales de la Encuesta de Población Activa (EPA) de los jóvenes de 18 a 24 años desde el año 2000 hasta el 2012. Se puede observar que el éxito previo en la ESO es un factor explicativo fundamental de la probabilidad de abandono. Haber completado los estudios obligatorios reduce la probabilidad de abandono en más de 50 puntos. Es decir que PROA, se complementa con el Programa de Reducción de Abandono, en la medida en la que lograr que los alumnos finalicen la ESO es una de las mejores actuaciones para conseguir que continúen sus estudios con FP Media o Bachillerato. Los estudiantes que no terminan estos estudios obligatorios, no parecen reengancharse en gran medida después (en su momento a través de los Programas de Cualificación Profesional Inicial, ahora a través de la FP Básica). También encuentran que cuanto más tiempo ha pasado desde que el joven abandonó los estudios, menor es la probabilidad de que se reenganche. Esta es una evidencia importante que refuerza la idoneidad de comenzar con el Plan PROA ya en julio, para no dejar pasar más tiempo.

El análisis también sugiere que ese efecto habría sido creciente con la intensidad del programa en términos de los fondos per cápita asignados y muestra que las actuaciones preventivas, dirigidas a evitar el futuro abandono de los estudiantes, habrían sido más eficaces que las medidas reactivas, enfocadas a recuperar a los jóvenes que abandonaron. Este último resultado hay que tomarlo con más cautela aún si sabe, por la información limitada en que se basa y porque se trata de un efecto promedio estimado para un breve periodo.

Como ya se comentó en la entrada anterior el esperable incremento en el desempleo reducirá el coste de oportunidad de continuar estudiando, al disminuir el atractivo de posibles alternativas laborales inmediatas. Ese factor puede hacer que, después del efecto negativo inicial, a medio plazo muchos jóvenes continúen sus estudios. El artículo muestra que entre los principales motivos de abandono de los que no finalizan la ESO están relacionados con el hecho de haber encontrado trabajo (26,2% de los casos) y la creencia de que proseguir los estudios no sería de ayuda en la búsqueda de empleo (26,4%).

Situación actual del nivel educativo de los jóvenes y conclusiones

La tabla adjunta, extraída del Ministerio y basada en la última EPA, , muestra la evolución del nivel educativo alcanzado por los jóvenes entre 25 y 34 años desde el año 2002 hasta el 2019. El 30,2% de los españoles que en 2019 tenían entre 25 y 34 años había alcanzado como máximo nivel educativo la ESO. El 69,8% restante, tenía como mínimo Secundaria Superior finalizada (Bachillerato, FP Básica o FP Media). El porcentaje de jóvenes que sólo había alcanzado estudios obligatorios estuvo prácticamente estancado desde el año 2005 (35,5%) hasta 2016 (34,7%). Entre 2016 y 2019, la población española entre 25 y 34 años sin estudios de Secundaria Superior se ha reducido del 34,7% al 30,2%.

La mejora en el nivel educativo en 2019 es el resultado de las decisiones hace ya una década, que fue cuando pasaron por las aulas de FP o Bachillerato. De hecho, otros países avanzados han aprendido esta lección antes que en España. El Sistema Estatal de Indicadores 2019 del Ministerio de Educación, muestra que el porcentaje de jóvenes 25-34 años que en la UE tienen estudios finalizados de FP Básica, FP Media o Bachillerato es de un 84,3%.

España ha comenzado a mejorar en los últimos años, pero es un camino que otros países avanzados ya empezaron hace tiempo. Tenemos más población con bajos estudios, es decir, que como mucho ha finalizado la ESO. El registro de la tasa de abandono temprano educativo del 17,3% en España en 2019 hace presagiar que nuestro país no va a cumplir con el objetivo de abandono que estableció la Comisión Europea en 2020, del 15%. Ese era ya un objetivo más factible que el que se fijó para el conjunto de la UE, que es del 10%.

Este es el gran problema del sistema educativo español pues las personas que no finalizan, al menos, FP de Grado Medio o Bachillerato tendrán después problemas de inserción laboral y social que lastrarán sus oportunidades de disfrutar de las mismas oportunidades que el resto de la sociedad a lo largo de su vida y necesitarán en mayor medida de la ayuda del Estado de Bienestar. Por el contrario, un 46,5% de la población española entre 25-34 años había finalizado en 2019 estudios universitarios o de FP Superior, máximo de la serie histórica. De hecho, España cumple con creces otro de los objetivos de la UE para este mismo año de 2020 de tener al menos un 40% de la población entre 30-34 años con estudios superiores España (44,7% en 2019). Este es un éxito importante de la educación española que, si se aprovechara bien, sería un activo para atraer inversiones de empresas intensivas en capital humano.

El cierre de los centros educativos puede ser una oportunidad para volver a situar como prioridad política un problema educativo que es no es nuevo, pero que la situación actual ha expuesto con mayor intensidad: el amplio porcentaje de jóvenes españoles que abandonan los estudios sin finalizar FP Media o Bachillerato. Un fracaso escolar que muestra una brecha socio-económica importante, pues la tasa de abandono es 10 veces mayor entre los jóvenes cuya madre tiene hasta estudios de Primaria (41,8%) que entre los jóvenes cuya madre ha finalizado estudios superiores (4,0%). La recuperación del Programa PROA empezando desde el mes de julio podría evitar que esa brecha se agrande y quizá podría incluso contribuir a disminuirla. Esa fue la experiencia de los alumnos de Nueva Orleans desplazados después del Huracán Katrina en 2005. Después de un impacto inicial de un -10% de la desviación estándar en el aprendizaje en matemáticas, al tercer año recuperaron todo el terreno perdido y terminaron incluso mejor (Sacerdote, 2012)

Referencias

García-Pérez, J. I., & Hidalgo-Hidalgo, M. (2017). No student left behind? Evidence from the Programme for School Guidance in Spain. Economics of Education Review, 60, 97-111.

Gershenson, S.; Hart, C.; Hyman, J.; Lindsay,C. y Papageorge, N.W. (2018): The Long-Run Impacts of Same-Race Teachers, NBER Working Paper No. 25254 https://www.nber.org/papers/w25254https://voxeu.org/article/long-run-effects-same-race-teachers

Ministerio de Educación, Cultura y Deporte, Plan de refuerzo, orientación y apoyo (PROA 2011). https://sede.educacion.gob.es/publiventa/d/14880/19/0

Roldán, A. y Cabrales, A. (2020): Dos acuerdos educativos para la legislatura: una propuesta transversal, Policy brief #1 – marzo 2020 https://www.esade.edu/itemsweb/wi/research/ecpol/EsadeEcPol_policybrief1.pdf

Reich, J.; Buttimer, C.J.; Fang, A.; Hillaire, G.; Hirsch, K.; Larke, L.; Littenberg-Tobias, J.  Moussapour, R.; Napier, A.; Thompson, M. y Slama, R. (2020): Remote Learning Guidance From State Education Agencies During the COVID-19 Pandemic: A First Look, https://doi.org/10.35542/osf.io/437e2

Sacerdote, B. (2012): When the Saints Go Marching Out: Long-Term Outcomes for Student Evacuees from Hurricanes Katrina and Rita, American Economic Journal: Applied Economics 2012, 4(1): 109–135

Serrano, L. y Soler, A. (2014): Evaluación del Programa de Cooperación Territorial para la Reducción del Abandono Temprano de la Educación, Informe para Ministerio de Educación, Cultura y Deporte: Evaluación de los Programas de Cooperación Territorial.

Let’s block ads! (Why?)

Publicado originalmente en: Ir a la fuente
Autor: admin

Comentarios

comentarios

Seguir Leyendo
Publicidad
Loading...

Nada es Gratis

Parsimonia y transparencia – Una herramienta para el cálculo del Output Gap

Publicada

el

Por Francisco Sabido Martín (Estadístico del Estado) y Alberto Carlos Sabido Martín (Técnico Comercial y Economista del Estado)

Einstein decía “Everything should be made as simple as possible, but not simpler”. El aforismo refleja el principio de la navaja de Occam: la explicación más simple y suficiente es la más probable, pero no es necesariamente la verdadera.

Si consideramos que estos principios deberían tener una aplicación generalizada, creemos que se vuelven más importantes cuando tratamos de modelar variables inobservables, como el output gap (OG), que no pueden ser contrastadas. Especialmente si la estimación de estas variables tiene repercusiones en la prescripción de política fiscal.

El OG mide la posición de la economía en el ciclo económico. El Fondo Monetario Internacional (FMI) lo define como la diferencia entre el PIB real y el PIB potencial. El PIB potencial es el nivel de PIB que se alcanzaría si la economía emplea de la manera más eficiente posible sus insumos, o si emplease los recursos a plena capacidad. Desafortunadamente, el PIB potencial no es observable o mensurable y por tanto debe estimarse.

La estimación del PIB potencial se configura como el elemento central de las reglas fiscales aplicadas por la Unión Europea (la COM lanzó su propuesta de revisión en febrero de este año). Dado que determina la posición cíclica, su cálculo es necesario a efectos de descomponer el saldo público en saldo estructural y saldo cíclico. También será el primer paso para el cálculo de la tasa de referencia de crecimiento de medio plazo de la economía española que limitará el crecimiento del gasto público en cada Administración (Art 12– Ley 2/2012). En otras palabras, el PIB potencial está incrustado en el corazón de las reglas fiscales europeas y españolas.

Existen numerosas metodologías que se pueden aplicar para el cálculo del OG, (se pueden consultar aquí, aquí o aquí). No obstante, la Ley 2/2012, establece la obligación de utilizar la metodología de función de producción desarrollada por la Comisión Europea (COM).

El lector pensará que dada la importancia de esta metodología sobre la siempre necesaria consolidación fiscal (como se ha analizado en este blog aquí o aquí), estaría a disposición del público un manual que permitiese entender y reproducir los resultados de la COM. Sin embargo, la realidad tiende a defraudar y, aunque se ha mejorado la calidad de la información y de los datos suministrados, lo cierto es que la principal fuente para el seguimiento de la metodología (Havik et al., 2014,aquí) es incompleta y no recoge las numerosas modificaciones que se han introducido en los últimos 6 años. Esto convierte en una quimera reproducir un procedimiento que debía gozar de la máxima transparencia.

Convencidos de la necesidad de dotar de la mayor transparencia posible a un cálculo que potencialmente (disculpen el juego de palabras) puede tener efecto sobre todos nosotros, ofrecemos una herramienta para facilitar que cualquier persona, desarrolle, investigue y debata sobre las distintas alternativas existentes para calcular el OG. La herramienta es una aplicación construida en R con Shiny que se encuentra disponible para su descarga en este enlace.

Os contamos brevemente su funcionamiento.

  1. 1. Se comienza eligiendo un país de la UE (más Reino Unido y EE.UU.) que se quiere analizar.
  2. 2. La pestaña “Basics” ofrece una descomposición de la evolución del PIB, regresa el desempleo con dos variables relevantes: Inflación (Curva de Philips) y balanza por cuenta corriente y regresa el crecimiento del PIB con el crecimiento del desempleo. Uno de los resultados más interesantes es el aplanamiento, para el caso de España, de la curva de Philips en la última década.

  1. 3. Las siguientes pestañas (“Time series”, “Hodrick-Prescott” etc.) ofrecen los resultados asociados a distintas metodologías y regresan el valor del OG con las variables que, a priori, deben tener mayor influencia en su evolución.
  2. 4. La pestaña “EC Meth” reproduce, hasta donde nos ha sido posible, la metodología utilizada por la COM y que debe ser utilizada por el gobierno español (según la Ley 2/2012). Así mismo, se parametrizan las principales variables utilizadas en su cálculo para que el usuario pueda ver su efecto.
  3. 5. La pestaña “Proposal” recoge los resultados asociados a nuestra propuesta de simplificación de la metodología en base a los supuestos de transparencia y parsimonia comentados anteriormente y explicados en la pestaña de “paper”. Tanto en este como en el anterior apartado se incorpora un gráfico de descomposición del output gap que permite comparar entre países las variables determinantes del mismo (p.ej. el empleo en el caso español y la productividad en el caso alemán).
  4. 6. La pestaña “remix” ofrece una comparativa de los resultados asociados a las distintas metodologías planteadas y plantea, como supuesto para reflexión para el lector economista, cuál es la tasa de desempleo que hace que el OG sea igual a cero (como proxy de una tasa de desempleo estructural). ¿No debería esta tasa estar próxima al ancla de la NAWRU utilizada por la propia COM en su metodología? Nuestra metodología, sin incorporar el ancla a la estimación, da un valor más cercano (sabemos que es discutible que se pueda aplicar la Ley de Walras).

Se puede comprobar que los resultados obtenidos para el caso de España por nuestra propuesta son muy similares a los asociados a la tediosa y oscura metodología de la COM.

Es importante aclarar que la herramienta utiliza, como datos de base para todos los análisis, los proporcionados por la COM y que, por tanto, los resultados para 2020 y 2021 están asociados a las previsiones publicadas por la COM esta primavera.

Creemos que esta herramienta puede servir no solo para los estudiantes y académicos, sino que también puede ser de utilidad para aquellas instituciones que tengan interés en dotar de mayor transparencia sus estimaciones.

Cabe recordar que las reglas fiscales no se han suspendido y que la referencia del OG y del PIB potencial siguen en el corazón de los procedimientos del Pacto de Estabilidad y Crecimiento, por lo que su estimación y comprensión no han perdido ni un ápice de su importancia.

Dejamos para otra posible entrada un análisis de las implicaciones fiscales asociadas a las distintas metodologías.

Toda impresión o comentario sobre el funcionamiento de la aplicación es bienvenido.

Let’s block ads! (Why?)

Publicado originalmente en: Ir a la fuente
Autor: admin

Comentarios

comentarios

Seguir Leyendo

Nada es Gratis

Las mujeres y la gestión de la pandemia. ¿Qué sugieren los datos españoles?

Publicada

el

Matilde P. Machado, Departamento de Economía, Universidad Carlos III de Madrid
Marcos Vera-Hernández, University College London y Institute for Fiscal Studies

Alemania, Dinamarca, Finlandia, Islandia, Noruega, Nueva Zelanda y Taiwan tienen dos cosas en común: están entre los países con menos muertes e infecciones por COVID-19, y sus presidentes del gobierno son mujeres. Nada despreciable si tenemos en cuenta que actualmente hay solo 20 Estados miembros de la ONU en la que su presidente del gobierno sea mujer. Seguramente este patrón le resulta familiar a muchos lectores, pues los medios de comunicación le han dado gran difusión (ejemplo, ejemplo, ejemplo, ejemplo). Las profesoras Garikipati y Kambhampati en este artículo han ido más allá cuando comparan cada uno de los 19 países que son liderados por una mujer con el que más se le parece en función de varias características sociodemográficas y económicas pero que es liderado por un hombre y encuentran que los países liderados por mujeres tienen menos muertes y menos infecciones por COVID-19.

Sin embargo, un análisis comparando países es siempre muy complejo porque los países son muy distintos entre sí. Además, dice mucho de un país que su presidente del gobierno sea una mujer, y al hacer la comparación estamos comparando no sólo el género del presidente del gobierno, sino también las características de los países que lo eligen. Por ejemplo, los países liderados por una mujer tienden a ser más equitativos en términos de género (ver aquí).

Dada la dificultad de comparar países, pensamos que comparar la gestión de la pandemia entre Comunidades Autónomas es interesante, pues las CC.AA. son más homogéneas entre sí. Para ello, hemos relacionado el género de los responsables del sistema sanitario en cada CC.AA. con las hospitalizaciones por COVID ocurridas desde el inicio de la segunda ola. Por supuesto se trata de un análisis simple donde hablamos de asociaciones o correlaciones entre variables, sin embargo la existencia de un patrón similar entre género y resultados de la pandemia sería muy sugerente de que algún mecanismo subyacente. Al igual que en esta entrada anterior con Felix Lobo (ver aquí), nos hemos centrado en los siguientes altos cargos: Consejero-a de Sanidad, Director-a del Servicio de Salud, y Responsable de Salud Pública.

Los datos de género de los tres altos cargos analizados han sido obtenidos de la web (más detalles aquí). De los 51 altos cargos analizados, un 39% están ocupados por mujeres, siendo este porcentaje bastante más bajo entre los directores de Servicios de Salud (29%), algo más alto entre los responsables de salud pública (41%) y alcanzando casi la paridad (47%) entre los consejeros de sanidad. En los extremos de la distribución tenemos, por un lado, a Andalucía, Canarias y Murcia sin ninguna mujer entre los tres altos cargos analizados y, por el otro lado, la Comunidad Valenciana donde los tres cargos son ocupados por mujeres.

Como medida de efectividad en la gestión de la segunda ola, usamos el número total de pacientes que estaban hospitalizados por covid el día 19 de Octubre de 2020 (fuente: Ministerio de Sanidad (aquí)) normalizado por la población de cada CC.AA en 2019 (hospitalizaciones por cada 100 000 habitantes). Nos centramos en la segunda ola para utilizar los datos de la primera ola como control de los diversos otros factores que pueden influir en las morbilidad por Covid y sobre los que se ha escrito mucho en este blog (convivencia entre generaciones, geografía y densidad de población,  variables meteorológicas y económicas, y cobertura de las vacuna de la gripe, etc.). Son muchos factores y sólo 17 CC.AA. así que no podemos controlar por el efecto de todos ellos a la vez. Una alternativa es controlar por una variable que resuma el efecto de todos estos factores. En concreto usamos el exceso de defunciones acumuladas en relación al esperado (en porcentaje) desde el 15 de Febrero de 2020 hasta 2 de Mayo de 2020 (exceso de defunciones), que Matilde P. Machado ya utilizó en esta entrada en la que se explica la metodología y fuente de los datos.

Empezamos el análisis por mostrar en la Tabla 1 el resultado de tres regresiones muy simples donde la variable dependiente es el logaritmo natural de las hospitalizaciones por Covid19 el 19 de Octubre del 2020 y la variable independiente es una variable dicotómica que toma valor 1 si hay una mujer a frente de cada uno de los tres cargos que analizamos y 0 si es un hombre. Los resultados, que se encuentran en las columnas (1), (2) y (3) muestran que el único coeficiente estadísticamente significativo es el asociado con el responsable de salud pública, cuyo valor de -0.502 indica que en aquellas CC.AA. donde hay una mujer a cargo de salud pública, las hospitalizaciones son un 39.5% menor. Los resultados con el resto de cargos no son estadísticamente significativos.

A continuación, en las columnas (4), (5) y (6) añadimos el logaritmo de la variable de exceso de defunciones de la primera ola para controlar por aquellos factores exógenos que puedan afectar la incidencia del virus en las CC.AA. Como se puede apreciar, hay una correlación positiva, estadísticamente significativa y muy importante entre esta variable de la primera ola y las hospitalizaciones de la segunda (véase que el R2 aumenta muy considerablemente). Esto es de esperar, aquellas CC.AA. que han sufrido más en la primera ola, vuelven a sufrir más en la segunda. Sin embargo, no damos una interpretación causal al resultado de esta variable. Tan solo nos interesa que controle por factores exógenos que afecte a las hospitalizaciones de la segunda ola.

En cuanto a la relación con el género de quién ostenta los cargos analizados, el resultado de las columnas (4), (5), y (6) es muy similar al de las columnas anteriores. Lo más interesante es que el coeficiente relacionado con el género del responsable de salud pública es muy similar en la columna (3) y (6): -0.502 vs. -0.524, aunque en la columna (6) es estadísticamente significativo al 1% en lugar del 10% porque la estimación se ha hecho más precisa al introducir el exceso de defunciones de la primera ola como control. Esto nos da cierta tranquilidad sobre los resultados, pues estos no cambian cuando añadimos una variable de control que tiene un muy alto poder explicativo. También cabe decir que los resultados son muy similares si elimináramos los datos de Madrid del análisis. Cuando incluimos variables de la formación y experiencia de los cargos, el resultado no cambia y esas variables no son significativas, lo cual se puede deber a muchos factores, entre otros, la variabilidad en la calidad de la formación y la pertinencia de la experiencia en gestión.

Una posible explicación de por qué los resultados son más fuertes en Salud Pública es que el sistema de tests y rastreo, que es una tarea de Salud Pública, sea muy importante para el control de los contagios en la segunda ola, y que las mujeres, en media, sean mejores gestoras de dichos sistemas.

Realizamos un análisis complementario del anterior que consiste en una regresión con la misma variable dependiente y también controlando por las defunciones de la primera ola, pero incluyendo como variable explicativa de interés el porcentaje de los tres cargos analizados que son ostentados por mujeres. Al estimar la regresión encontramos que el coeficiente asociado al porcentaje de cargos ostentados por mujeres es -0.96 y es estadísticamente significativo al 5%. La siguiente figura muestra la representación gráfica de dicha regresión: una relación decreciente entre el exceso de hospitalizaciones sobre lo que se esperaría en función de los datos de la primera ola y el porcentaje de los tres cargos analizados ostentados por mujeres.

¿Qué nos dice la literatura sobre los posibles mecanismos subyacentes entre género y gestión? Un posible mecanismo es aquel que opera a través de la diferencia en aversión al riesgo entre hombres y mujeres contrastada en varios experimentos (ver por ejemplo aquí, aquí o aqui) o el exceso de confianza (overconfidence) de los hombres observado por ejemplo en la toma de decisiones financieras (ver aqui o aqui). Estos mecanismos podrían hacer con que las mujeres actuasen más temprano o fuesen menos optimistas cuanto a la evolución de la pandemia. También podríamos pensar que hay diferencias de comportamiento entre hombres y mujeres cuando actúan bajo presión o cuando lo que está en juego es muy importante. La evidencia basada en experimentos, sin embargo, nos muestra que las mujeres cometen más errores cuando el nivel de competición es alto, principalmente si compiten con los hombres (ver aqui) e, incluso en ambientes donde las mujeres cometen menos errores, como exámenes parciales, la diferencia de comportamientos entre hombres y mujeres tiende a desaparecer cuando lo que está en juego (el peso del examen parcial) es más importante (ver aquí). Otro posible mecanismo seria el que opera vía selección, es decir, supongamos que no hay diferencias entre hombres y mujeres cuanto a la gestión pero que para las mujeres es más difícil llegar a puestos de liderazgo, por lo que si llegan, han de ser más competentes en promedio. Sea cual sea el (los) mecanismo(s), la diferencia en la toma de decisiones políticas ya había sido observada por ejemplo por Irma Clots y su co-autora Sonia Bhalotra en este artículo, donde muestran, de manera muy convincente, que la elección de mujeres a los parlamentos estatales en la India redujo la mortalidad infantil y mejoró la infraestructura de salud, resultados similares se obtienen para elecciones locales también en la India (ver aquí).

Los resultados de nuestro simple análisis indican que las hospitalizaciones de la segunda ola son menores, en media, en aquellas CC.AA. donde una mujer ostenta el cargo de responsable de Salud Pública. De ahí a decir que las mujeres, en media, realizaron una mejor gestión es un salto muy grande, para el que no tenemos ni los datos ni la estrategia empírica para dar. Además, no estamos aún al final de la pandemia y es posible que estos resultados no se mantengan dentro de unos meses. Hemos hecho lo que hemos podido, y los resultados son sugerentes al respecto, pero no podemos ir más allá.

Let’s block ads! (Why?)

Publicado originalmente en: Ir a la fuente
Autor: Marcos Vera Hernández

Comentarios

comentarios

Seguir Leyendo

Nada es Gratis

III Premio Nada es Gratis para Job Market Papers en Economía

Publicada

el

Es un año atípico, también para los jóvenes doctorandos que esperan empezar su carrera profesional el año próximo y se preparan para sus entrevistas de trabajo y seminarios en instituciones académicas o de investigación económica interesadas en contratarlos. A pesar de las circunstancias, en NeG vamos a contribuir de nuevo a difundir trabajos de investigación de los que se encuentran en este proceso. Así, como en los dos años anteriores, convocamos el III Premio Nada es Gratis para Job Market Papers en Economía. Recordamos las bases:

1. Los doctorandos interesados deberán enviar una entrada, siguiendo el tono habitual del blog, con una extensión máxima de 1.250 palabras y un máximo de 3 figuras o tablas a papers@nadaesgratis.es antes del 15 de Diciembre de 2020, explicando de forma divulgativa el contenido de sus job market papers.

2. Por supuesto, se admiten entradas de alumnos extranjeros y de alumnos que estén realizando su doctorado fuera de España. Animamos en particular a candidatos de universidades menos conocidas/más pequeñas/que tradicionalmente no participan en el mercado internacional a enviar sus trabajos. Las entradas deben ser sobre Economía, entendida en un sentido amplio, y pueden enviarse en castellano o en inglés. Las entradas ganadoras, sin embargo, deberán ser traducidas al castellano para poder ser publicadas en Nada es Gratis.

3. Adicionalmente, los doctorandos pueden enviar una copia de su job market paper, que pueda ayudar a la evaluación complementaria de su entrada. No es necesario que este artículo sea su versión final, puesto que, en caso de recibirlo, lo utilizaremos fundamentalmente para comprobar aspectos técnicos y metodológicos.

4. Los editores de Nada es Gratis evaluarán las entradas recibidas con criterios de calidad científica e interés para nuestros lectores, y seleccionarán un máximo de 5 entradas. !Animaos! Incluso aunque penséis que no vais a ser seleccionados (¿dónde está esa confianza tan necesaria en este periodo?) pensamos que el mero hecho de escribir un resumen en un tono que se entienda de forma clara es un ejercicio tremendamente útil para mejorar en las potenciales entrevistas del mercado de trabajo.

5. Las entradas seleccionadas, una vez editadas con nuestra ayuda, serán anunciadas en un post de los editores y publicadas en el blog Nada es Gratis, dándole máxima difusión en el blog y en redes sociales.

Rogamos a los académicos lectores del blog que, como el año pasado, nos ayuden a dar a conocer esta iniciativa entre los alumnos de su universidad. !Estamos deseando recibir vuestras entradas!

Juan Francisco Jimeno

Juan Francisco Jimeno

Doctor en Economía por MIT, 1990. Ha sido profesor en varias universidades españolas y extranjeras, investigador en FEDEA hasta 2004 y en la actualidad trabaja en la Dirección General de Economía y Estadística del Banco de España. Es autor de numerosos artículos de investigación y de libros sobre macroeconomía y economía laboral, investigador asociado al CEPR y a IZA y editor del IZA Journal of Labor Policy. Los puntos de vista expresados en mis entradas son estrictamente personales y no reflejan, necesariamente, los del Banco de España

Let’s block ads! (Why?)

Publicado originalmente en: Ir a la fuente
Autor: Juan Francisco Jimeno

Comentarios

comentarios

Seguir Leyendo
Publicidad
Publicidad
...

Facebook

Destacado