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.