I. Introducción

Las brechas por género en el mercado de trabajo son múltiples y diversas. Más hombres que mujeres participan en la actividad económica remunerada, y los hombres que trabajan por un pago ganan más que sus pares femeninos, a igualdad de otras condiciones. Otro amplio conjunto de atributos revela una inserción diferencial por género en el mundo del trabajo remunerado. Así, el empleo a tiempo parcial y la informalidad laboral son fenómenos más frecuentes entre las mujeres que entre los hombres, siendo la concentración de unas y otros en sectores económicos y ocupaciones específicas, un rasgo característico de los sistemas económicos contemporáneos.

La evidencia sobre este último fenómeno es abundante y creciente.¹ Los estudios realizados para las economías industrializadas dan cuenta de un alto y persistente nivel de segregación ocupacional por género, entendiendo por tal la concentración de mujeres en unas cuantas, pocas, ocupaciones y de hombres, en otras ocupaciones y ramas de actividad.^{2 Weeden (2004}) muestra que casi la mitad de la población femenina en la fuerza laboral norteamericana tendría que mudarse a una ocupación diferente para eliminar la segregación ocupacional por género. En ese país, dicha concentración aumentó en los años cincuenta y sesenta, disminuyó en los setenta y los ochenta del siglo XX, pero se estancó a partir de los noventa (Weeden et al., 2018). Otras/os autoras/es encuentran tendencias similares: ^{Gonäs et al. (2019}) para Suecia (2003-2011), ^{Keane et al. (2017}) para Irlanda (1991-2006), y ^{Cardim et al. (2018}) para Portugal. No se trata de un fenómeno necesariamente nocivo o malo para el funcionamiento de los sistemas económicos, pero como lo sostiene ^{Anker (1997}) es altamente preocupante porque es la población femenina sea la principal perjudicada. La persistencia de segregación menoscaba su condición económica y social y repercute en una gran cantidad de dimensiones, como la pobreza y la desigualdad económica. Además, se trata de una brecha de género importante porque, entre otras razones, las diferencias de inserción ocupacional explican buena parte de las disparidades de remuneraciones por género.

El trabajo seminal de ^{Wainermann (1996}) es el primero que advierte sobre su importancia en la Argentina. Posteriormente, Mario (²⁰⁰⁴) evalúa la evolución de la estructura ocupacional por ocupaciones y ramas de actividad para el período 1995-2004, y, en el mismo sentido, ^{Actis Di Pasquale y Savino (2019}) documentan un descenso de la segregación horizontal entre 2003 y 2017. Las mediciones que pueden hacerse con datos más recientes³ muestran que en 2020 tan sólo el 22% de las mujeres trabajaba en ramas de actividad clasificadas como masculinas, y tan sólo el 15% lo hacía en ocupaciones masculinas.⁴

Para Argentina también, ^{López (2006}) conecta la segregación con la brecha salarial por género, destacando la importancia de aquélla para poder entender la diferencia de remuneraciones entre sexos. En términos de ^{Weeden et al. (2018}), las ocupaciones no sólo son una fuente de identidad, sino que determinan el acceso a una amplia gama de recompensas económicas y no económicas. Este planteo está presente en algunos estudios sobre el tema, como el de Blau (1974) que advierten acerca de la mezcla teórica que implica incorporar las ramas o las ocupaciones como controles en las ecuaciones de ingresos, o el de Blau & Khan (²⁰¹⁷), quienes sostienen que la división del trabajo por género sigue siendo el tópico más importante para explicar las diferencias en las remuneraciones entre hombres y mujeres, incluyendo la discriminación.

Este panorama no sólo revela la importancia de la segregación ocupacional, sino que sugiere varios interrogantes, principalmente asociados al tipo de sectores de actividad y ocupaciones en los que se concentran las personas ocupadas. Dicho de otra manera, interesa explorar si persisten los niveles de concentración ocupacional por género que se verificaron con cierta regularidad en el país. Además del creciente nivel de participación femenina en el mercado de trabajo, y de la sobrerrepresentación femenina en el segmento no formal de la economía, se sabe que, en comparación con los hombres en edades centrales (25-59), la proporción de mujeres que trabaja a tiempo parcial es elevada (32% versus el 20% de los hombres) y que se ha verificado una brecha en los salarios del 30%, favorable siempre a los varones (^{Paz, 2019}).

Luego de proporcionar un panorama general de la segregación por género en la Argentina, el objetivo de este trabajo es cuantificarla usando una fuente de datos especialmente diseñada para el análisis de aspectos laborales de la población ocupada en el año 2018 y, evaluar en qué medida dicha segregación interacciona con una estructura ocupacional compuesta por dos segmentos del mercado laboral: el formal y el no formal.⁵ Hecho esto, interesa conocer también la manera en que ciertos factores (educación, estado civil, región de residencia, etc.) se relacionan con la concentración/segregación ocupacional tanto en el segmento formal como en el segmento no formal del mercado laboral.

El trabajo está organizado en cinco secciones. Además de esta introducción, en la sección II se desarrolla un marco que sirve como referencia para clasificar las variables con que cuenta la base de datos utilizada. Luego, en la sección III, se describen esos datos y se detalla la estrategia metodológica desplegada para alcanzar el objetivo principal. En las secciones IV y V se presentan y discuten los principales resultados obtenidos, tanto a nivel descriptivo como los provenientes de las estimaciones realizadas. El trabajo concluye (sección VI) con una síntesis de los resultados sobresalientes y de la agenda para estudios futuros que aborden el tema.

II. Marco referencial

Con el fin de organizar y clasificar las variables a incluir en el examen empírico, se revisan en esta sección algunos aportes teóricos existentes en economía de la segregación. Esta literatura se clasificó en tres grandes grupos, según tenga que ver con: a) las decisiones de participación laboral de determinados colectivos definidos por su género, origen étnico, condición de migración, etc.; b) las condiciones de la demanda laboral; y, por último, c) el funcionamiento general de los mercados de trabajo, conjugando aspectos de oferta y de demanda. Por supuesto que la selección realizada no agota la enorme y creciente bibliografía en torno a este tema. Simplemente se trató de incluir los estudios que contribuyen a ordenar el examen empírico que es objetivo del presente artículo. Se reconoce que toda clasificación es en cierto modo arbitraria e imperfecta. Así, la educación de una trabajadora o trabajador puede ser considerada un rasgo de la demanda de trabajo (ya que la empresa que lo contrata exige determinadas credenciales para el puesto), o un atributo de la oferta (por ejemplo, en aquellos casos en que la persona busca señalizar su productividad a través de credenciales educativas). Pueden plantearse cuestiones de este tipo para otras de las variables aquí listadas. La clasificación propuesta sólo es usada aquí como una ayuda para ordenar la literatura y guiar el trabajo empírico.

Los análisis del primer grupo advierten acerca de la importancia de los atributos de los puestos de trabajo, de las preferencias de las/os trabajadoras/es y del emparejamiento que surge entre puestos y personas (^{Rosen, 1986}). Así, por ejemplo, la posibilidad de elegir entre empleos que requieren tiempo completo o alta rigidez en el cumplimiento de los horarios, compiten con aquellos que permiten ser desarrollados en simultáneo con otras actividades o que tienen mayor flexibilidad horaria (^{Killingsworth, 1983}; ^{Killingsworth & Heckman, 1987}). Estas características de los puestos laborales adquieren alta relevancia para el análisis de la segregación ocupacional por género. y justifica incluir en el análisis multivariado indicadores representativos de la responsabilidad de cuidado de niñas, niños y de personas mayores dentro del hogar. Se sabe que estas actividades demandan una gran cantidad de tiempo para su desarrollo, compitiendo con el disponible para otros usos. En suma, se incluyen dentro de este conjunto (clasificado aquí como de oferta, teniendo en cuenta las salvedades marcadas en el párrafo precedente) todos aquellos elementos que puedan afectar la disponibilidad de tiempo de las personas e impactar de manera diferencial en la población femenina por las obligaciones de cuidado o de otra forma de trabajo doméstico no remunerado, más frecuente entre las mujeres que entre los hombres.

Todo lo que pueda clasificarse como conducta discriminatoria puede incluirse dentro del gran grupo de variables de demanda: la discriminación estadística (^{Aigner & Cain, 1977}), la inclinación psíquica a rechazar la contratación de determinadas personas por su sexo, pertenencia étnica, lugar de nacimiento, etc. (^{Becker, 1971}), los preconceptos acerca de los costos de producción y de las preferencias de clientes y personas ya ocupadas en la firma, son sólo algunos de los temas que figuran en la literatura pertinente y que pueden orientar la selección de las variables relacionadas con la segregación ocupacional por género. También pueden incluirse aquí los estudios que abordaron la asimetría de información en los mercados de trabajo, tanto de la perspectiva de la señalización (^{Spence, 1973}), como de los costos de supervisión o monitoreo del esfuerzo (^{Shapiro & Stiglitz, 1984}). El apelar a dispositivos tales como señales o como diferenciales de salarios para monitorear indirectamente el esfuerzo, pone en situación de desventaja ciertos grupos de personas que provienen de colectivos, como las mujeres, que deben combinar los roles productivos y reproductivos y les impide competir en pie de igualdades con sus pares masculinos, ocupados plenamente sólo en los primeros.

Por último, están los aportes que se centran en el funcionamiento de los mercados laborales sin separar temas de oferta por un lado y de demanda por otro. Forman parte de este grupo aquellos que advierten acerca de la existencia de las barreras a la entrada, o de racionamiento en un segmento del mercado laboral bajo la idea de la existencia de segmentación (^{Fields, 2009}; ^{Osterman, 1975}). Este último punto resulta crucial para los objetivos de este trabajo. En un mercado laboral integrado o único, las personas acceden a los empleos primarios (^{Doeringer & Piore, 1970}) invirtiendo en el capital humano necesario para alcanzar un nivel de productividad, de acuerdo con el cual serían merituados y remunerados. Factores tales como la educación o la experiencia podrían no ejercer este impacto en el segmento no formal. Así, el modelo propuesto por ^{Knight (1979}) muestra que, bajo ciertas condiciones del puesto de trabajo, la educación y la experiencia (dos variables clave de capital humano) pueden no impactar significativamente en los ingresos de las personas ocupadas. Esto se verifica puestos de trabajo cuyas tareas a desarrollar requieren poca o nula cualificación. En el segmento no formal de la economía argentina, el 47% de los puestos de trabajos entran dentro de esta categoría, contra el 17% en el segmento formal.⁶ A pesar de esto, no se descarta que dentro de este sector primario o formal se presenten obstáculos a la movilidad y que ejerzan efectos diferenciales por género, como los conocidos “pisos pegajosos” (^{Arulampalam et al., 2007}; ^{Booth et al., 2003}) o “techos de cristal” (^{Davidson & Cooper, 1992}). El primero alude a aquellos procesos que contribuyen a que las personas, principalmente mujeres, queden estancadas en puestos de trabajo de baja productividad e ingresos; el segundo, a las limitaciones muchas veces invisibles que operan en los mercados de trabajo y que impiden a las mujeres acceder a puestos de alta jerarquía. Estos fenómenos podrían provocar concentración de población de determinados grupos de ocupaciones de menor jerarquía o pago, o en ramas de actividad específicas.

De esta forma, las variables disponibles en la base de datos pueden estructurarse en grandes conjuntos de factores, sin descartar de que alguno de los mismos pueda formar parte de ambos grupos: la presencia de pareja, de niñas y niños en el hogar y las horas trabajadas formarían parte del lote de factores que afectan principalmente la oferta laboral. La edad, la educación, la condición de migración adquieren sentido dentro de los condicionantes por el lado de la demanda. El segmento del mercado laboral (formal e informal) es considerado dentro del tercer lote de factores asociados. Además, hay otro grupo de variables que adquieren relevancia en la literatura de segregación más específicamente, como la cohorte de nacimiento y otra que operan como controles y que tienen que ver con los diferenciales de productividad de las distintas regiones de la Argentina. Los valores que asumen estas variables son reportados en la Tabla A.3 del Anexo.

III. Datos y estrategia metodológica

A Datos

Se utilizaron datos de la Encuesta Nacional a Trabajadores sobre Condiciones de Empleo, Trabajo, Salud y Seguridad (ECETSS), promovida y realizada en el año 2018 por la Superintendencia de Riesgos del Trabajo (SRT), a través del Observatorio de Salud y Seguridad en el Trabajo. También participaron en el diseño, la planificación y la implementación de este relevamiento, la Dirección General de Estudios Macroeconómicos y Estadísticas Laborales de la Secretaría de Gobierno de Trabajo y Empleo, ambos dependientes del Ministerio de Producción y Trabajo, con el apoyo de la Organización Iberoamericana de Seguridad Social.

La ECETSS contiene datos representativos de un universo estimado en 16 millones de trabajadoras y trabajadores residentes en localidades urbanas de la Argentina. Proporciona información sobre la situación de empleo y trabajo, protección social, salud y seguridad laboral desde la perspectiva de la población ocupada. A diferencia de la principal fuente de datos para el estudio del mercado laboral en la Argentina, la Encuesta Permanente de Hogares (EPH), la ECETSS permite: a) caracterizar con un alto nivel de detalle las condiciones de empleo, trabajo y salud del total de la población ocupada, incluyendo a la personas ocupadas que no se encuentran cubiertos por el sistema de riesgos del trabajo; b) identificar áreas prioritarias de acción en materia de mejora de las condiciones de trabajo, empleo y salud; c) diseñar y monitorear programas preventivos; y d) realizar comparaciones internacionales.

Otra ventaja importante de la ECETSS (frente a la EPH), más específica para este estudio, consiste en haber aplicado una definición única, regular y sistemática de informalidad laboral al conjunto de personas ocupadas. Los cuestionarios que aplica la EPH incluyen preguntas a las/os asalariadas, que no aplica a las/os trabajadoras/es por cuenta propia.

Las distribuciones de la población ocupada son captadas a través de la rama o sector de actividad y de las ocupaciones. Los agrupamientos se analizan al máximo nivel de desagregación tanto de Clasificación Industrial Internacional Uniforme (CIIU) de 4 dígitos, como de la Clasificación Nacional de Ocupaciones (CNO), de 5 dígitos.⁷ Excepto que se aclare lo contrario, se trabajó solamente con la población adulta en edades centrales, esto es, la población mayor de 17 años y menor de 60. Se excluyen a menores de 18 años, muchas/os de las/os cuales todavía están cursando su escolaridad secundaria, por lo que la opción laboral no se considera la central, menos aún en Argentina, donde la escolaridad está muy extendida. También se dejan fuera del estudio las personas ocupadas de 60 y más años, debido a su escaso número y a sus condiciones particulares de empleo cuando lo tienen.

Las covariables incluidas en los modelos incluyen atributos de las personas ocupadas y otros que tienen que ver con los grupos familiares que integran. Entre los primeros figuran la situación ocupacional (asalariada-independiente), la intensidad de trabajo (medida por las horas semanales de trabajo), la cantidad de ocupaciones, la cohorte de nacimiento, el nivel educativo, la condición migratoria y la región de residencia. Entre las variables que aluden a temas familiares se encuentran la presencia de pareja, la cantidad de niñas y niños en el hogar (como proxy de demanda de cuidado), y la realización de tareas domésticas no remuneradas.

La construcción de algunas de estas variables requiere una breve explicación. Para capturar la demanda de tareas domésticas y obligaciones familiares diversas se usó una pregunta del bloque 15 de la ECETSS: “¿Hay momentos en que necesitaría estar en su trabajo y en su casa a la vez?”. Se definió entonces una dummy que toma valor uno si la persona contestó “siempre”.

Para el análisis descriptivo inicial que busca poner en contexto el fenómeno de la segregación ocupacional en la Argentina se utilizaron también datos de la EPH, del período 2003-2019.

B Estrategia metodológica básica

Índices de concentración

Solamente para poner el problema en contexto se estimaron indicadores sintéticos de segregación ocupacional para el período 2003-2019 usando como fuente de información la Encuesta Permanente de Hogares (EPH). En este sentido la literatura es abundante, al igual que las opciones de medida. En este documento se calculará solamente el Índice de Disimilitud (ID) que fue expuesto entre otros en ^{Duncan & Duncan (1955}).

El ID puede ser escrito de la manera siguiente (e1):

Donde:

𝑛 es el número de ocupaciones

𝑀_𝑖 y 𝐹_𝑖 representan a la cantidad de mujeres y de hombres, respectivamente que trabajan en la i- ésima ocupación (rama).

𝑀 y 𝐹 la cantidad de mujeres y hombres ocupadas/os.

Para estimar el ID se utilizó la herramienta desarrollada por ^{Gradín (2017}a, ^b) que permite computar medidas de segregación con microdatos. En la parte descriptiva y en el análisis multivariado, se trabajó con la máxima desagregación permitida por las bases de datos: 5 dígitos para las ocupaciones y 4 dígitos para las ramas de actividad.⁸ La ECETSS contiene 298 ocupaciones y 131 ramas de actividad y la EPH más de 600 ocupaciones y 150 ramas, dependiendo de los años. Este hecho es importante debido a que los índices de disimilitud son sensibles al grado de agregación utilizado (^{Siltanen et al. 1995}). Dicho índice se interpreta como la proporción de hombres y/o mujeres que deberían cambiar de empleo para lograr una distribución igualitaria dentro de cada ocupación y/o industria. El ID toma valores entre 0 y 1. Un ID igual a cero, implica que no existe segregación ocupacional, es decir, la proporción relativa de hombres y mujeres en todas las categorías de ocupación son iguales. Toma valor de 1 si existe el máximo nivel de segregación ocupacional entre hombres y mujeres.

Recientemente se ha advertido la sensibilidad del ID ante la composición por edad de las poblaciones y los sesgos que surgen cuando se comparan dos o más poblaciones (^{Del Río & Alfonso-Villar, 2020}). Si bien corregir esto sesgos es inevitable cuando se trabaja con información de diferentes países no resultan esenciales cuando se trabaja con datos de un único país. Aunque en aquellas naciones con fuerte heterogeneidad interna podrían tener alguna utilidad. Dado que el uso que se hace aquí del ID es solamente introductorio y meramente descriptivo se usó la versión no corregida (lo que podría llamase ID no estandarizado), y no se reportaron los valores de otros estadísticos (como los intervalos de confianza) que podrían resultar valiosos para un examen más profundo de la tendencia temporal.

Regresiones

La variable dependiente en las regresiones estimadas es la proporción de hombres en diferentes ramas y ocupaciones.⁹ Este indicador varía entre 0 y 1, siendo cero en aquellas ramas u ocupaciones en las que todas las ocupadas son mujeres y uno en las que todos los ocupados son hombres. Como puede verse en la Tabla A.3 (Anexo), el individuo promedio de la muestra trabaja en una rama en la que el 56% de los ocupados son hombres. Allí mismo pueden consultarse los valores que asumen tanto este indicador para los segmentos formal e informal, como las variables independientes incluidas en los modelos estimados.

Dada la característica de la variable dependiente, la modelación de los factores asociados a la masculinización de la rama u ocupación se hizo a través de la denominada regresión beta. La distribución beta es usada para modelar el comportamiento de variables aleatorias limitadas por intervalos de longitud finita. En particular, es una distribución adecuada para porcentajes y proporciones.¹⁰ A diferencia de los enfoques tradicionales, el adoptado aquí tiene algunas características deseables. Primero, no se necesita transformar la variable dependiente para interpretar los parámetros estimados; esto es, su interpretación es directa: el valor esperado de la variable sobre la media de la proporción. Segundo, la varianza de la variable dependiente es una función de la media, por lo cual no se requiere que se cumpla el supuesto de homoscedasticidad. Por último, los parámetros de la distribución beta permiten modelar diversas formas de la distribución, sobre todo aquellas que muestran asimetría o relaciones no lineales, como probablemente ocurre con la distribución de la masculinidad de las ramas u ocupaciones.¹¹

En suma, la regresión beta es un modelo de la media de la variable dependiente 𝑦 condicionada a las covariables resumidas en la matriz x, que se denota μ _𝑥 . Como la variable dependiente está en el intervalo (0, 1), se debe asegurar de que μ _𝑥 también esté en ese intervalo. Esto se logra usando la llamada función de enlace para la media condicional, denotada 𝑔(. ). Lo anterior es necesario porque las combinaciones lineales de las covariables no están restringidas de otra manera a (0, 1).

Algebraicamete, esto puede escribirse de la siguiente manera:

𝑔(μ _𝑥 ) = xβ

De manera equivalente, la expresión anterior puede escribirse como:

μ _𝑥 = 𝑔⁻¹(xβ)

Donde 𝑔⁻¹ es la función inversa de 𝑔(. ). Se seleccionó para este estudio, la función log-log como función de enlace, entonces:

− ln{− ln(μ _𝑥 )} = xβ

La varianza condicional de la distribución beta es:

𝑉𝑎𝑟 (𝑦|x) = {μ _𝑥 (1 − μ _𝑥 )}⁄(1 + ψ)

El parámetro ψ se conoce como “factor de escala” porque modifica la escala de la varianza condicional. El enlace de escala se usa para asegurar que ψ > 0.

La variable dependiente de esta investigación (la 𝑦 de las ecuaciones anteriores) es el índice de masculinidad de las ramas u ocupaciones (IMRO), con lo cual μ _𝑥 = 𝐼𝑀𝑅𝑂_𝑥. Las variables que conforman la matriz x fueron mencionadas en el marco referencial desarrollado en la sección II y se seleccionaron dadas las posibilidades que ofrecía la base de datos usada. Una descripción de las variables finalmente usadas puede consultarse en la Tabla A.3. Los parámetros β fueron estimados por máxima verosimilitud habiendo seguido a Ferrari y Cribari-Nieto (2004), quienes proponen expresiones para maximizar la función de verosimilitud, encontrar los estimadores correspondientes y construir procedimientos de inferencia.

IV. Examen descriptivo

A. Indicadores laborales desde una perspectiva de género

Hay hechos relacionados con el abordado en este estudio que se observan en muchos países del mundo: la participación laboral de las mujeres es menor que las de los hombres, éstos tienen salarios más elevados que aquéllas y trabajan un número mayor de horas por semana. Los niveles de desocupación femeninos son mayores que los masculinos, las mujeres se agrupan en determinadas ocupaciones y los hombres en otros grupos diferentes. Además, la participación de la mujer en el mercado de trabajo ha venido aumentando y la de los hombres disminuyendo, la brecha salarial por género y la concentración ocupacional por género también muestran cierta tendencia a la baja, principalmente en los países con mayor ingreso per cápita. Las naciones que progresaron en términos de igualdad de género lo hicieron combinando los cambios espontáneos que se fueron dando en el proceso, con otros inducidos por la política pública (^{Duflo, 2012}).

La Tabla A.1 del Anexo proporciona indicadores que permiten formarse una idea acerca de la evolución del mercado de trabajo en Argentina, centrando la atención en las disparidades por género. Las tasas de actividad y empleo masculinas han descendido en los últimos 15 años, mientras que las de mujeres ha permanecido sin cambios hasta el año 2015, registrándose cierto aumento en los últimos años de la serie.¹² No se puede saber si esta alza seguirá una tendencia creciente o si se trata de un movimiento de coyuntura debido al retroceso del empleo masculino. Los niveles de desempleo develaron una trayectoria compatible con el ciclo económico con descensos primero, constancia después y aumentos en el último tramo del período: 2015-2020. La brecha de género se achicó como ya se había observado antes en períodos previos de ralentización económica y crisis. La disparidad de remuneraciones entre hombres y mujeres aumentó en los años inmediatos posteriores a la crisis de 2001-2002 y luego registró un suave descenso hasta el último año cubierto por la serie.

En suma, la situación del mercado de trabajo en términos de diferencias por género en sus indicadores básicos muestra cierta reducción de brechas, tanto en niveles de participación económica como de empleo, desocupación y salarios. Los datos sugieren que la diferencia entre la Argentina y los países con mayor ingreso per cápita, tiene que ver con la fuerte conexión entre la dinámica del mercado laboral y el ciclo económico. Las reducciones de las disparidades por género se producen en circunstancias económicas adversas, esto es, en períodos de nivel de actividad bajo o en retroceso y con perspectiva de crisis o colapsos macroeconómicos. Esta particularidad del mercado de trabajo argentino hace sospechar el carácter de fuerza laboral de reserva dado por una proporción considerable de los hogares, al trabajo de las mujeres. Cuando la situación económica de las familias empeora por deterioro laboral de los hombres, las mujeres salen al mercado laboral o intensifican su participación e igualan o mejoran la situación de los hombres. Un ejemplo de esto es lo ocurrido con las “brechas inversas” de desempleo y género verificadas durante la crisis de 2001-2002 (^{Esquivel & Paz, 2005}; ^{Esquivel, 2007}).

B. Nivel y evolución de la segregación

Entre los años 2003 y 2019 se aprecian dos períodos claramente diferenciados: uno de aumento con recurrentes oscilaciones, entre los años 2003-2014, y otro de reducción-constancia, entre 2014- 2019 (Gráfico A.1, Anexo). Lo ocurrido en este último tramo temporal, termina situando el nivel de segregación horizontal por debajo del calculado para 2003 y a la segregación vertical a idéntico nivel. Esto último permite afirmar que la segregación por ramas ha caído entre puntas: 2003-2019 y que la de jerarquía de ocupaciones permaneció sin cambios. De acuerdo con los valores que arroja el ID, el 43% de las personas ocupadas deberían cambiar de sector de actividad (rama) para lograr la igualdad de género, mientras el 51% debería moverse en la escala de ocupaciones para lograr este propósito. Niveles similares se reportaron para los países analizados en la literatura (^{Weeden et al., 2018} para los EE. UU. por ejemplo), pero hay claras diferencias en lo que hace a la suavidad de los movimientos y a la tendencia declinante, lo que confirma la estrecha conexión entre la dinámica del mercado laboral y el ciclo económico que se aprecia en la Argentina para otras dimensiones.¹³

Si se pone el foco en el período de descenso de la segregación por sector, 2014-2019, y en grandes grupos de ramas, pueden detectarse pocos cambios importantes, lo que contrasta con la fuerte declinación que revela el Gráfico A.1 del Anexo.¹⁴ Se verifica un aumento muy tenue del empleo femenino en la industria manufacturera y una reducción no tan tenue (más de 3 puntos porcentuales) del empleo masculino en dicha actividad. Esto invita a pensar que una posible causa de la caída de la segregación en este período pudo haberse debido a la retracción general del sector (su participación en el empleo se redujo en casi dos puntos entre los años analizados) que implicó una caída del empleo masculino con un aumento concomitante y, por lo demás, lógico en términos estadísticos, del peso de las mujeres en esa rama de actividad.

En la Tabla 1 se clasifican las ramas según el porcentaje de hombres y mujeres ocupadas en ellas. Puede constatarse entonces que las ramas casi plenamente femeninas mantuvieron su participación en el total. El crecimiento en las ramas masculinas implicó un aumento en el empleo de ambos géneros, pero el empleo masculino creció más que el femenino: 4,6 puntos porcentuales versus 0,8 el femenino. Esto podría haber aumentado la concentración, si no se hubiesen producido otros cambios en las partes medias de la distribución. Los más importantes tienen que ver con una caída de la participación de las mujeres en las ocupaciones neutrales al género con un traslado hacia ocupaciones del quintil 4 de masculinidad de las ramas de actividad: las mujeres subieron un peldaño en la estructura de los empleos por ramas, ordenados según el grado de masculinidad de las ocupaciones. En suma, la caída de la segregación habría obedecido más a una feminización de las ocupaciones típicamente masculinas, dado que la evolución del empleo masculino registrado entre 2014 y 2018 debería haber aumentado el nivel de segregación.

Considerar las diferencias entre los segmentos del mercado laboral, como se hace en el Gráfico A.2 del Anexo, resulta clave para interpretar lo que sucede con la segregación en la Argentina. En primer lugar, la concentración vertical es siempre mayor a la horizontal, pero sólo en el segmento formal. Puede apreciarse claramente en esa figura que la caída en la segregación que se verificó entre 2014 y 2019 se debió a lo ocurrido en el segmento no formal, dado que en el segmento formal aumentaron tanto la segregación horizontal (por ramas o industrias) y la vertical (por ocupaciones).

Los gráficos 1 y 2 completan esta observación, pero usando ya los datos de la ECETSS, que son los insumos del análisis multivariado posterior. Pueden verse ahí la más marcada concentración por género en las ramas y ocupaciones del segmento informal, comparado con el formal. Por ejemplo, la curva de concentración horizontal puede interpretarse de la siguiente manera: si las mujeres y hombres estuviesen trabajando por partes iguales en las diversas ramas de la economía, ésta debería coincidir con el rayo de 45º. La mayor concentración se revela en el gráfico con un alejamiento cada vez mayor de la de la curva de Lorenz de dicho rayo. Sólo para mencionar un ejemplo, mientras que el 80% de las mujeres del segmento formal están ocupadas en ramas donde el 40% son hombres, el 80% de las mujeres del segmento no formal están ocupadas en ramas donde sólo el 25% de los ocupados son hombres.

Fuente: Elaboración propia con datos de MTEES, ECETSS.

Gráfico 1 Curvas de Lorenz, personas ocupadas por rama de actividad. Argentina, 2018 

Fuente: Elaboración propia con datos de MTEES, ECETSS

Gráfico 2 Curvas de Lorenz, personas ocupadas por tipo de ocupación. Argentina, 2018 

V. Factores asociados

Los datos que se detallan en la Tabla A.1 del Anexo permiten inferir que el indicador de concentración/segregación ocupacional coincide con la proporción de hombres en la muestra (56%)¹⁵, lo cual es lógico por construcción: representa el porcentaje de hombres ocupados en determinadas industrias y ocupaciones. El interés de este indicador es la manera en que marca diferencias entre segmentos del mercado laboral. Así, por ejemplo, la proporción de personas ocupadas en el segmento formal es un 80% más elevada que en el no formal. Además, las ocupadas en el segmento formal tienen más edad, más educación, y trabajan un número mayor de horas por semana. Una mayor proporción de ellas tienen pareja (comparando siempre con las/os que están ocupados en el segmento no formal) e hijas/os menores de 18 años y una proporción menor declara haber necesitado estar en el hogar al mismo tiempo en el que se encontraba trabajando por un pago. No se encontraron diferencias en la cantidad de ocupaciones que tiene cada trabajador/a: un 85% declara tener una única ocupación y dicho porcentaje es el mismo en ambos segmentos. Una proporción más elevadas de estas/os ocupadas/os residen en las regiones NEA, NOA y Cuyo.

La Tabla A.1 revela asimismo que el 44% de las personas ocupadas en el segmento informal provienen de las cohortes nacidas después del año 1983, cifra que contrasta con el 27% de aquéllas que están en el segmento formal. Esta importante diferencia sugiere diversas hipótesis interpretativas, pero lo que resulta más importante a los fines del presente trabajo es lo que sugiere en cuanto a la inserción laboral de las cohortes más jóvenes. Tal como aparece esbozado en ^{Keane et al. (2017}) los aumentos en la participación femenina pueden disminuir la segregación ocupacional si las mujeres ingresan a sectores dominados por hombres, pero pueden aumentar la segregación si lo hacen a sectores ya dominados por mujeres. En este sentido, la correlación que se encuentre en el análisis multivariado sobre este tema permitirá colegir si las cohortes mencionadas habrían reforzado la segregación o la habrían relajado. ^{Blau et al. (2012}) encuentran que el mecanismo principal por el cual se redujo la segregación ocupacional durante el período 1970-2009 en los Estados Unidos fue la entrada de nuevas cohortes de mujeres, presumiblemente mejor preparadas que sus predecesoras y/o encontrando menos discriminación en el mercado laboral.¹⁶

Las Tablas A.4 y A.5 (Anexo) permiten inferir la relación que existe entre la probabilidad de una persona ocupada de trabajar en ramas y ocupaciones con niveles de masculinización diversos y los factores asociados. Las Tablas A.6 y A.7 reportan los efectos marginales (derivadas parciales) calculados para cada variable incluida en la regresión. Antes que nada, se advierte que no todas las variables incluidas fueron significativas a los niveles usuales, lo que permite afirmar que la evidencia no permite rechazar ausencia de correlación. Se advierte que existe sí asociación cuando dichas variables asumen determinados valores y para grupos y segmentos determinados. La presencia de pareja, por ejemplo, está positivamente relacionada con la probabilidad de trabajar en ramas masculinas, tanto en hombres como en mujeres, pero la correlación es significativa sólo en el sector no formal y en mujeres del segmento formal. Por su parte, la presencia de niñas y niños adquiere significancia, aunque inversa, y sólo para cuando aquéllas/os tienen menos de 6 años impactando principalmente en mujeres del sector no formal. Esto estaría mostrando que, a pesar de la mayor flexibilidad del segmento no formal, la cantidad de hijas e hijos en edad preescolar reduce la probabilidad de una mujer de trabajar en ramas masculinas. La no disponibilidad de servicios de cuidado de niñas y niños combinado con la exigencia y la rigidez de cumplimiento de horarios de los empleos más típicamente masculinos sería el elemento que aparece reflejando en este resultado. Esta es una evidencia que abona los hallazgos de otros estudios, como el de ^{Cha (2013}) quien muestra que las demandas de tiempo conflictivas del trabajo y la familia aumentan las tasas de deserción de las madres en ocupaciones dominadas por hombres, reforzando así la segregación ocupacional. El cuidado es una tarea tiempo intensiva, como otras tareas domésticas no remuneradas.

En consonancia con los hallazgos de otros estudios de género (^{Blau y Khan, 2017}) la educación aparece positivamente relacionada con la probabilidad de que una mujer se inserte en puestos laborales dominados por hombres y reduce la probabilidad de los hombres de trabajar en estas ocupaciones. Esta variable ejerce efectos en ambos segmentos del mercado laboral dando cuenta de un importante espacio para la política pública orientada a reducir las diferencias educativas por género.

La residencia de la persona en determinados puntos geográficos del país está correlacionada positiva y significativamente con la probabilidad de trabajar en ocupaciones con un grado de masculinidad más alto. La Patagonia y Cuyo son los casos destacados. Pero la significancia se cumple sólo para los hombres, independientemente del segmento del mercado laboral donde termina insertándose.

Por último, un hallazgo que se considera central en este estudio tiene que ver con la relación entre la participación económica y las cohortes de nacimiento de las personas ocupadas. En principio y como hallazgo general, puede sostenerse que el pertenecer a cohortes más recientes de trabajadoras aumenta la probabilidad de insertarse a ocupaciones con mayor proporción de hombres entre los allí ocupados. Las mujeres nacidas después del año 1983 registran probabilidades significativamente más elevadas de trabajar en ocupaciones con un coeficiente de masculinidad más alto. Este efecto cohorte opera en el sentido que sugiere ^{Blau & Khan (2017}) con la diferencia de que, en Argentina, se verificaría sólo en el segmento no formal. No se encontraron efectos de este tipo a nivel de ramas de actividad. Este resultado tiene una importancia doble: primero, advierte acerca de la relación informalidad-segregación y diferenciales por género, segundo se erige como un importante elemento para explicar la reducción de la segregación vertical por género en la Argentina entre 2014-2019. De ser así, dicha caída podría haberse debido a la incorporación de trabajadoras de cohortes recientes a ocupaciones típicamente masculinas del segmento no formal de la economía.

VI. Conclusiones

En este trabajo cuantificó la segregación ocupacional por género en la Argentina, y se evaluó su interacción de un indicador de concentración ocupacional con ciertos factores asociados, destacados como relevantes en la literatura. Para hacer esto se usaron datos de una fuente poco explorada sobre el mercado laboral nacional: la Encuesta Nacional de Trabajadores sobre Condiciones de Empleo, Trabajo, Salud y Seguridad (ECETSS), que permitió identificar con mayor precisión que la Encuesta Permanente de Hogares (EPH), a las personas ocupadas en diferentes categorías de empleo, en ambos segmentos del mercado de trabajo.

Antes de le examen de los factores asociados a la segregación laboral por género se examinó la evolución de ciertos indicadores del mercado laboral argentino desde una perspectiva de género. ¹⁷ Se observó que la segregación tuvo fuertes oscilaciones entre 2003 y 2019 y que se observa una caída entre 2014 y 2019, mucho más marcada en la segregación horizontal que en la vertical. Al diferenciar por segmentos del mercado de trabajo, pudo constatarse que esta reducción responde a lo ocurrido en el sector no formal. Esta caída de nivel general de la segregación coincide con una recuperación de la tasa de actividad femenina, luego de haber permanecido estancada desde 2004, aproximadamente.

El análisis empírico realizado permitió revelar el rol que juegan factores puramente económicos, los familiares, y otros, en el nivel de segregación. Se pudo ver, por ejemplo, que la presencia de hijos en edad preescolar reduce la probabilidad de las mujeres de trabajar en ramas y ocupaciones con mayor proporción de hombres, aunque se observó que esta correlación sólo opera en el segmento no formal. También se observó que aquellas mujeres que trabajan en ramas y en ocupaciones más masculinizadas trabajan un número mayor de horas y que, a la vez, que hay una mayor proporción de ellas que de ellos, que declaran haber necesitado estar en la casa y el trabajo remunerado al mismo tiempo. Resulta claro que las horas requeridas por las ocupaciones con un coeficiente de masculinidad mayor impactan sobre los niveles de segregación aumentándolos, tal como lo muestra la literatura (^{Cha, 2013}).¹⁸ Lo que se encontró aquí es que la mayor cantidad de horas trabajadas por las mujeres en el segmento informal está positivamente correlacionada con la probabilidad de que las mujeres ocupadas en el segmento no formal trabajen en ocupaciones con un mayor nivel de masculinidad. Esto es una evidencia clara de sobrecarga de trabajo para las mujeres combinada con las mayores exigencias en tiempo que requieren las tareas y los sectores que ocupan mayoritariamente hombres.

Un hallazgo muy importante y que deja interrogantes abiertos para futuras indagaciones tiene que ver con el aquí denominado efecto cohorte. Se pudo ver aquí que las cohortes de mujeres nacidas más recientemente (o las mujeres más jóvenes) tienen una probabilidad menor de trabajar en ocupaciones con mayor índice de mascuilinidad, comparadas con sus pares de cohortes más antiguas. Si bien este efecto reductor de la segregación tanto horizontal como vertical, sólo se verificó en el segmento no formal de la economía y es un gran candidato para explicar la caída la segregación ocurrida recientemente en la Argentina.