Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Editor
Jess F. Salgado
Associate Editors
Francisco J. Medina
Silvia Moscoso
Ramn Rico
Carmen Tabernero
www.elsevier.es/rpto
ARTICLE INFORMATION
RESUMEN
El presente trabajo pretende mostrar algunos aspectos de la preparacin y el tratamiento de los datos procedentes de encuestas salariales con vistas a la elaboracin de informes retributivos. Veremos cmo, tras
probar diferentes transformaciones alternativas, se puede comprobar que mediante una transformacin
logartmica es posible mejorar la asimetra y la curtosis de las variables del modelo (facturacin y salario),
as como convertir en lineal una relacin entre dos variables que con los datos originales no lo es, lo que
facilita el anlisis de los datos al permitir utilizar el modelo de regresin. Estudiaremos la relacin entre el
salario y el tamao de la empresa, ya que esta relacin es la que mejor predice el salario de mercado que
debe obtener un empleado en un puesto determinado. Presentamos un ejemplo de la aplicacin del modelo de regresin para el estudio de esta relacin.
2013 Colegio Oficial de Psiclogos de Madrid. Todos los derechos reservados.
Palabras clave:
Estimacin salarial
Regresin
Transformacin de datos
Transformacin logartmica
Keywords:
Salary estimation
Regression
Data transformation
Logarithmic transformation
This article intends to show some of the aspects involved when elaborating and processing data coming
from salary surveys to produce retribution reports. We will see how after trying different alternative
transformations it is possible to verify that, through a logarithmic transformation, the asymmetry and
kurtosis of a models variables can be improved (revenues and salary) as well as a relation between two
variables converted in lineal something that would have been impossible to achieve with the original
data. This would make data analysis easier, because it allows the use of the regression model. We will study
the relation between salary and company size, because this relationship is the best to predict the market
salary that is earned by a specific jobholder. We give an example of application of a regression model for
studying this relationship.
2013 Colegio Oficial de Psiclogos de Madrid. All rights reserved.
El presente trabajo pretende mostrar algunos aspectos de la preparacin y el tratamiento de los datos procedentes de encuestas salariales con vistas a la elaboracin de informes retributivos. Para la exposicin del tema hemos escogido un ejemplo desarrollado con datos
reales, en el que la utilizacin de las transformaciones ha permitido
mejorar la posibilidad de anlisis e interpretacin de los datos. El
tema presentado se ubica en el contexto de uno de los aspectos que
estn tomando mayor auge en la gestin de los recursos humanos: la
poltica salarial y, ms concretamente, los estudios salariales.
A lo largo del artculo estudiaremos la relacin que se establece
entre el salario y el tamao de la empresa. Esta relacin es crucial en
la confeccin de estudios salariales, ya que el tamao de la empresa
*La correspondencia sobre este artculo debe enviarse a Albert Fornieles Deu.
Facultad de Psicologa. Edificio B Campus UAB. 08193 Bellaterra. E-mail: Albert.
fornieles@uab.cat
1576-5962/$ - see front matter 2013 Colegio Oficial de Psiclogos de Madrid. Todos los derechos reservados
DOI: http://dx.doi.org/10.5093/tr2013a11
76
REA Administracin,
informtica y
personal
Ventas y
marketing
Produccin y
tcnica
Sector
afn
Sector
afn
NIVEL
Directivos
Sector
genrico
Jefes y
mandos
Sector
genrico
Sector
muy afn
Sector
afn
Zona
cercana
Personal
tcnico
Sector
genrico
Zona
cercana
Zona
cercana
Sector
muy afn
Sector
afn
Zona
prxima
Zona
amplia
Zona
amplia
Zona
amplia
Zona
prxima
Zona
prxima
Figura 1. Mercados de referencia para los puestos de los distintos niveles jerrquicos
y reas funcionales.
cindiremos de los datos de la plantilla (v. gr., CEINSA, 1995, 2012; PE,
2006; Watson Wyatt, 2004).
Las razones tericas que justifican la influencia del tamao de la
empresa sobre el salario son varias (v. gr., CEINSA, 1995, 2012; PE,
2006; Watson Wyatt, 2004).
La responsabilidad y complejidad de un cargo directivo aumenta
a medida que se incrementa el valor de las magnitudes econmicas asociadas al puesto de trabajo: nmero de personas que
dependen de l, presupuestos de gastos, de inversin, valor de
los activos que maneja, etc. Todos estos parmetros estn relacionados con el tamao de la organizacin.
Las empresas grandes suelen tener ms escalones retributivos
que las pequeas, por lo que el abanico salarial la diferencia
entre los sueldos ms altos y los bajos se amplia normalmente
a medida que aumenta el tamao de la organizacin.
La incidencia econmica del coste de la estructura directiva suele ser proporcionalmente mayor en una empresa pequea que
en una empresa grande, por lo que sta se halla en condiciones
de soportar costes salariales per capita ms elevados.
En este trabajo veremos cmo la relacin entre las variables predictora (facturacin) y criterio (salario) no es lineal, por lo que para
la realizacin del modelo de regresin se hace necesaria la transformacin de las variables. El objetivo el artculo es mostrar que es la
ms adecuada para este tipo de estudios.
Formalmente, en el mbito cientfico, podemos definir la transformacin de una variable como el resultado de aplicar alguna expresin idntica sobre todos sus valores, de manera que cada uno de
ellos guarde una misma correspondencia con los datos de la variable
original. En esta expresin pueden intervenir variables, constantes,
operadores aritmticos y funciones (Domnech, 1999).
En este mismo sentido, el Diccionari de la llengua Catalana (Institut
dEstudis Catalans), define transformacin en su aceptacin matemtica como una aplicacin biyectiva entre dos subconjuntos de un
espacio (traducido por el autor). En definitiva, como seala Salvador
(1996), las transformaciones consisten en obtener valores numricos
diferentes a los originales, manteniendo la capacidad de representacin de las relaciones empricas.
Un buen indicador de la utilidad de las transformaciones lo podemos encontrar en el hecho de que prcticamente todos los progra-
La conveniencia de trabajar con distribuciones simtricas queda justificada por las siguientes razones: a) las distribuciones simtricas
permiten describir el centro sin ambigedades ya que los ndices de
tendencia central coincidirn, b) adems este tipo de distribuciones
son ms fcilmente interpretables y c) para preservar la robustez de
los mtodos estadsticos habituales es preciso que los datos sean simtricos (Freixa et al., 1992).
Por ltimo, cabe sealar que en el caso de tratar la cuestin desde
el punto de vista de la relacin entre variables por ejemplo, desde
la perspectiva de la regresin las transformaciones permiten rectificar relaciones que no son lineales con los datos originales (v. gr.,
CEINSA, 1995; Freixa et al., 1992; Moore, 1993; Levin, 1998). En este
trabajo tambin se abordar esta cuestin.
Mtodo
Participantes
La muestra est compuesta por 381 directores tcnicos que trabajan en empresas colaboradoras de CEINSA. Para la elaboracin de
este trabajo se eliminaron previamente los valores extremos de la
distribucin salarial (por encima del centil 99 y por debajo del centil
1) y los empleados de este puesto que trabajaban en empresas con
una facturacin mayor de 60.000 millones de pesetas al ao (360
millones de euros).
Materiales
La recogida de informacin para la elaboracin del informe se realiza mediante un cuestionario (en papel o en disquete) cumplimentado por las empresas colaboradoras en el que se recoge informacin
sobre las caractersticas de la empresa y del empleado necesarias
para realizar el modelo de regresin. El tratamiento de los datos se
realiza con SPSS y con programas ad hoc.
Procedimiento
La recogida de informacin se realiza enviando por correo convencional o electrnico el cuestionario (ya sea en papel o informatizado) a la empresa durante los meses de marzo y abril.
77
70
60
50
Frecuencia
40
30
20
10
0
!
"
&
'
! *
! !
! "
! #
! $
! %
78
60
120
70
100
60
50
80
50
40
60
30
40
40
20
20
10
60
70
30
"
&
'
! *
! !
! "
! #
! $
! %
"
&
'
! *
! !
! "
! #
! $
! %
60
50
20
50
40
40
30
10
30
20
20
10
0
!
"
&
'
! *
! !
! "
! #
! $
! %
10
!
"
&
'
! *
! !
! "
! #
! $
! %
Figura 3. La grfica de mayor tamao corresponde a la transformacin logartmica. Las pequeas corresponden, por orden, a las siguientes transformaciones: elevar los valores
al cuadrado, raz cuadrada, inversa y normalizada.
Curva logartmica
30000
25000
20000
Salario
15000
10000
5000
0
0
100000
200000
300000
Ventas
400000
500000
600000
En una primera impresin ya se aprecia que los puntos no se hallan distribuidos al azar, siendo apreciable la tendencia a que la remuneracin crezca a medida que aumenta el tamao de la empresa.
En segundo lugar, en la grfica de la figura 5 hemos trazado una
lnea de tendencia en la que se puede apreciar claramente una curvatura progresivamente desacelerada. Esta forma curvilnea que aparece en la figura con una pendiente pronunciada al principio, que
despus se va suavizando progresivamente es caracterstica de la
relacin entre el tamao de la empresa y la remuneracin de los cargos ejecutivos.
Queda claro que si intentramos representar la relacin entre ambas variables por medio de una recta, obtendramos un mal ajuste.
79
Curva logartmica
30000
25000
20000
Salario
15000
10000
5000
0
0
100000
200000
300000
400000
500000
600000
y = 1537.9ln(x) - 1876.8
R = .34075
Ventas
Figura 5. Lnea de tendencia de relacin entre volumen de ventas y salario
Curva logartmica
4.50
4.40
4.30
Log.
Salario
4.20
4.10
4.00
3.90
3.80
3.70
2.00
2.50
3.00
3.50
4.00
Log. Ventas
Figura 6. Lnea de tendencia de la relacin entre los logaritmos del volumen de ventas y del salario
4.50
5.00
5.50
6.00
y = 0,5016Ln(x) + 3,3774
R 2 = .3678
80
Recta de Regresin
4.50
4.40
4.30
Log. salario
4.20
4.10
4.00
3.90
3.80
3.70
2.00
2.50
3.00
3.50
4.00
Log. ventas
Figura 7. Recta de regresin entre los logaritmos del volumen de ventas y del salario
4.50
5.00
5.50
6.00
y = 0.1324x + 3.5362
R = .36519
81
82