María Fernanda Urbán Cortés. No.

Cuenta 1927957
MODELO JERÁRQUICO BAYESIANO.
Introducción.
Con base en investigaciones previas, se puede determinar que el mayor reto para las mujeres de todas las entidades
está en la permanencia dentro del mercado laboral debido a la falta de condiciones óptimas para hacerlo. Es bien
sabido que existe una brecha salarial entre géneros. Según el informe anual #ConLupaDeGénero 2022 del
Instituto Mexicano para la Competitividad A.C., las entidades con mayor capacidad para retener a las mujeres
tienden a tener un menor porcentaje de trabajadoras que ganan menos de dos salarios mínimos (60%), menor
informalidad (43%) y menos mujeres que laboran jornadas largas (18%). De esto se puede destacar que las
mujeres en la economía tienen 40 años en promedio, 3 de cada 10 mujeres estudió hasta nivel medio superior y
solo 1 de cada 10 mujeres no cuenta con estudios.

Del estudio realizado por el IMCO, basado en cifras de la Encuesta Nacional de Ocupación y Empleo (ENOE)
del INEGI, se pueden destacar los siguientes datos:

• Entre las mujeres que tienen hijos, un 43% trabaja y un 47% no trabaja. Por otro lado, entre las mujeres
que no tienen hijos, un 43% trabaja y un 45% no trabaja.

• En promedio, estas mujeres ganan $6,786 al mes.

• Las principales fuentes de trabajo para estas mujeres son el comercio, la industria manufacturera, los
servicios sociales y, por último, los restaurantes y servicios de alojamiento.

Las entidades con peor desempeño en la permanencia de las mujeres en la economía remunerada son Oaxaca,
Veracruz, Ciudad Juárez, Tlaxcala, Puebla, Morelia y Durango. Por lo tanto, el presente trabajo estará
enfocado en estos estados.
A continuación, se presentará una gráfica del ingreso por ciudad, sin embargo, primero se debe identificar que:

0.4 = Puebla, 12 = Veracruz, 15 = Morelia, 20 = Ciudad Juárez, 26 = Durango, 31 = Oaxaca y 39 =

Tlaxcala.
Tabla 1.1. Ingreso mensual por ciudad.

120000.0

100000.0

80000.0

60000.0

40000.0

20000.0

0.0
0.0 5.0 10.0 15.0 20.0 25.0 30.0 35.0 40.0 45.0

Fuente: elaboración propia con datos de ENOE 2020.

María Fernanda Urbán Cortés. No. Cuenta 1927957
La siguiente gráfica representa el ingreso por género, donde el valor 1 simboliza a los hombres y el valor 0
representa a las mujeres.

Tabla 1.2. Ingreso mensual por género.

120000.0

100000.0

80000.0

60000.0

40000.0

20000.0

0.0
0.0 0.2 0.4 0.6 0.8 1.0 1.2

Fuente: elaboración propia con datos de ENOE 2020.

Finalmente, la siguiente gráfica representa el ingreso percibido en función de la edad.

Tabla 1.3. Ingreso mensual por edad.

120000.0

100000.0

80000.0

60000.0

40000.0

20000.0

0.0
0.0 20.0 40.0 60.0 80.0 100.0 120.0

Ingreso

Fuente: elaboración propia con datos de ENOE 2020.

De las gráficas anteriores se puede observar a simple vista que las variables de edad, género y ciudad son
determinantes en el comportamiento del ingreso percibido por una persona. Por lo tanto, estas variables serán
tomadas en cuenta en el modelo para confirmar lo mencionado anteriormente. Además de estas variables, también
se incluirán la escolaridad, el estado civil, la seguridad social y el código de ocupación.

Elaboración del modelo.

Para comenzar con el análisis de los datos, la base de datos principal se filtró por las ciudades con peor desempeño
en la permanencia de las mujeres en la economía (Oaxaca, Veracruz, Ciudad Juárez, Tlaxcala, Puebla,
María Fernanda Urbán Cortés. No. Cuenta 1927957
Morelia y Durango), posterior a esto se obtuvo un resumen de todas las variable involucradas en el modelo con
el fin de entender mejor su estructura.
María Fernanda Urbán Cortés. No. Cuenta 1927957

Recordando que la media de los datos es el valor promedio de los mismos, en este caso, por ejemplo, la edad
promedio de la población filtrada para las ciudades 4, 12, 15, 20, 26, 31 y 39 es de 37 años. Por otro lado, la
desviación estándar es una medida de dispersión o variabilidad de los datos, es decir, la magnitud en que se alejan
o se acercan a la media. Continuando con el ejemplo anterior, la edad tiene una desviación estándar de 12.7 con
respecto a la media.

Una vez que las variables han quedado entendidas se realizó una regresión simple para obtener los siguientes
resultados:

A primera vista y en función de los valores de P>|t|, se podría percibir que el modelo es "bueno", con la excepción
de las variables e_conyugal y contrato, las cuales no son estadísticamente significativas y, por lo tanto, podrían
no tener una relación causal con la variable dependiente, que es el ingreso mensual. No obstante, al examinar el
cuadro amarillo, se puede observar que el coeficiente de determinación (R-cuadrada) tiene un valor notablemente
bajo, lo cual indica que aproximadamente el 22.4% de la variabilidad de la variable endógena puede ser explicada
por las variables exógenas. Para tratar de mejorar este indicador se quitarán del modelo aquellas variables que no
son estadísticamente significativas.
María Fernanda Urbán Cortés. No. Cuenta 1927957

Al observar este modelo la constante se puede interpretar como el salario mínimo esperado que los hombres que
cuentan seguridad social y prestaciones perciben al momento en que se hizo la encuesta, es decir, $2,037.031. En
consecuencia, el incremento en la edad (experiencia) conlleva un aumento en el ingreso esperado de $57.79, los
hombres ganan $1,214.235 más que las mujeres, aquellos que poseen seguridad social perciben $1,182.127 más
que aquellas personas que carecen del mismo, por su parte, las prestaciones aumentan el ingreso esperado en
$611.0903 y el incremento de las horas ocupadas tiene el mismo efecto con $34.81. No obstante, este análisis
carece de un valor significativo importante en el contexto de una investigación, dado que el coeficiente de
determinación (R-cuadrada) sigue siendo notablemente bajo. Por lo tanto, se puede concluir que el modelo de
regresión lineal no es el método más efectivo en este caso particular por lo que se utilizará el factor de expansión
para determinar si el modelo es factible o no.
María Fernanda Urbán Cortés. No. Cuenta 1927957
Como se puede observar queda claro que una regresión lineal simple no es viable en este modelo a pesar de tomar
la población completa de los datos el valor de la R-Cuadrada no es significativo. Antes de aplicar un modelo de
jerarquía bayesiana a las variables, se presentarán algunas tablas que muestran información sobre las mismas.
María Fernanda Urbán Cortés. No. Cuenta 1927957
María Fernanda Urbán Cortés. No. Cuenta 1927957

Con base en los resultados obtenidos al momento, un modelo de jerarquía bayesiana proporciona una herramienta
poderosa para el análisis de datos y la toma de decisiones por lo que se hará uso de este en este trabajo, de tal
forma que se obtiene lo siguiente:
María Fernanda Urbán Cortés. No. Cuenta 1927957
María Fernanda Urbán Cortés. No. Cuenta 1927957
En primer lugar, se puede notar que el valor de rho1 de 0.84 es sumamente alto, lo cual indica que las variables
independientes tienen una relación causal significativa con la variabilidad del ingreso mensual. Esto sugiere que
estas variables influyen de manera importante en la determinación del ingreso. Por lo tanto, a diferencia del MCO
el MLE es factible para este caso concreto.

Además, el valor de chi cuadrada de 1236 indica que hay una asociación significativa entre las variables
categóricas que se están analizando. Esto implica que las frecuencias observadas en cada categoría son
significativamente diferentes de las frecuencias esperadas bajo la hipótesis nula de independencia entre las
variables.

En el recuadro amarillo de la tabla, se puede observar que los datos se agruparon en 7 grupos con características
específicas. Al analizar los coeficientes de las variables, se pueden inferir algunas conclusiones. Por ejemplo, las
variables "cd_a" y "e_conyugal", junto con la constante, no son estadísticamente significativas al nivel de
confianza del 5%.
Por otro lado, con base en los valores de los coeficientes, se concluye que el ingreso mensual promedio de los
hombres con seguridad social y prestaciones fue de $130.5548 al momento de la encuesta. Variables como la
ciudad de residencia, el estado conyugal y el tipo de contrato pueden reducir el ingreso, dependiendo de la
situación en la que se encuentre cada individuo.

Sin embargo, variables como la edad, el género, la escolaridad, la seguridad social, las prestaciones, el tipo de
contrato y las horas ocupadas pueden aumentar el ingreso esperado. Estos hallazgos permiten tener una visión
más completa de cómo diferentes factores influyen en la determinación del ingreso mensual.

Con base en el Var de las variables, dado que sus valores son muy elevados, podría implicar una mayor
variabilidad entre los individuos en relación con la variable endógena.

Conclusión.
En conclusión, al analizar los resultados obtenidos, se puede determinar que las mujeres en la economía
experimentan una desventaja en comparación con los hombres en relación con ciertos factores que las dejan en
una situación vulnerable. Es interesante observar cómo, a pesar del paso del tiempo, esta brecha salarial no ha
sido significativamente reducida. Como resultado, los hombres continúan percibiendo salarios más altos a pesar
de tener condiciones de vida similares a las mujeres, quienes no cuentan con el mismo nivel de apoyo.

Estos hallazgos revelan la persistencia de desigualdades de género en el ámbito económico y la necesidad de

abordar esta problemática de manera más efectiva. Es importante reconocer que existen diversos factores que
contribuyen a esta brecha salarial. Para lograr una mayor equidad, se requiere un esfuerzo conjunto de la sociedad,
los empleadores y los responsables de la formulación de políticas para promover la igualdad de oportunidades y
la eliminación de la discriminación de género en el ámbito laboral.

Datos Mujer en la economía (imco.org.mx)

Microsoft Word - 20220301_Reporte de resultados_Estados Con lupa de género 2022_FINAL.docx (imco.org.mx)