Otras publicaciones:

9789871867882-frontcover

DT_Augé_Hopenhayn_13x20_OK

Otras publicaciones:

12-3876t

12-4388t

2 Diseño metodológico

En este capítulo explicitamos las principales coordenadas metodológicas que guiaron a esta tesis. La estrategia implementada es eminentemente cuantitativa, continuando la tradición iniciada por los primeros estudios de estratificación y movilidad social, y posteriormente seguida por las siguientes generaciones. En la medida en que la pregunta de investigación y los objetivos de esta tesis abordan problemáticas (consolidación y transmisión de la desigualdad de clase en el ámbito del bienestar) que ocurren con cierta regularidad en diversas poblaciones, el enfoque metodológico cuantitativo resulta apropiado, ya que, a través de la recogida de un importante cúmulo de casos mediante encuestas, es posible dar cabida y relevar el rango de variabilidad a nivel individual que existe dentro de las entidades colectivas, así como la variabilidad existente entre las mismas entidades. A su vez, el uso de técnicas estadísticas adecuadas nos permite la demostración empírica de ciertas regularidades (probabilísticas) que puedan surgir de esa variabilidad (Goldthorpe, 2017: 34).

El capítulo se estructurará principalmente a través de tres subcapítulos. En primer lugar, a partir de la delimitación de la población de estudio y la unidad de análisis, describimos las principales características de las fuentes de datos utilizadas (2.1). Posteriormente revisamos el proceso de operacionalización efectuado del concepto de clase social, en tanto variable central en esta tesis (2.2). En tercer lugar, describimos y justificamos las técnicas utilizadas en los análisis estadísticos posteriores, a los fines de adentrar y facilitar la lectura de los resultados presentados en los capítulos siguientes (2.3).

2.1. Población de estudio, unidad de análisis y fuentes utilizadas

Población de estudio y unidad de análisis

Tal como señalamos en la introducción, la población de estudio de esta tesis son los hogares con principal sostén (PSH) y/o cónyuge ocupados mayores de 30 años, que residían en el la Ciudad Autónoma de Buenos Aires (CABA), en el período 2004-2015. Definido esto pasamos a hacer algunas aclaraciones pertinentes. Mientras que la unidad de análisis queda definida a partir de los hogares, la unidad de registro se compone por aquellos miembros del hogar (principal sostén y cónyuge). Es decir, si bien hay características consideradas que son relevadas a nivel del hogar (acceso a la vivienda, lugar de residencia, nivel de consumo), otros aspectos derivan del nivel individual. Por ejemplo, como señalaremos en el subcapítulo siguiente, la posición de clase del hogar se construye como una característica dependiente de la inserción ocupacional del principal sostén del hogar y su cónyuge. En la medida que uno de los aspectos centrales de esta tesis es el estudio del bienestar material, planteamos que el mismo debe ser medido a nivel del hogar, ya que es la unidad familiar la principal unidad de consumo (Erikson, 1984: 501).

La segunda característica que define a la población de estudio es su condición de actividad, en este caso, que sean ocupados. Básicamente, desde cualquiera de los enfoques propuestos, se requiere de información socio-laboral (principalmente, el tipo de ocupación y la categoría ocupacional) para clasificar a los individuos en clases sociales. De ahí la necesidad de circunscribir el universo a los hogares con principal sostén o cónyuge ocupados. Esto no implica la exclusión de los individuos que por su condición de actividad (desocupada o inactiva) no ingresarían en esa definición. Al ser la unidad de análisis el hogar, dichos sujetos (estudiantes, jubilados, desocupados, rentistas, etc.) derivan su posición de las características asumidas por el PSH y/o su cónyuge. Wright (1992, 1994, 1997) ha denominado a estas relaciones de derivación de clase como relaciones mediatas.

En tercer lugar, especificamos que tanto el PSH como el cónyuge deben contar con más de 30 años de edad al momento del relevamiento. Este es un tipo de recorte frecuentemente realizado en los estudios de estratificación y movilidad social, en los que se busca, con cierta seguridad, que las unidades consideradas se encuentren en una etapa de madurez ocupacional (Echeverría Zabalza, 1999; Erikson y Goldthorpe, 1992), es decir, a una edad en la que normalmente las personas ya han recorrido la mayor parte de su carrera ocupacional, o al menos están ingresando al período de consolidación laboral. La consideración de individuos más jóvenes podría generar un sesgo al identificar una posición de clase que en el corto plazo puede verse modificada debido a la naturaleza de las propias carreras ocupacionales.

En cuarto lugar acotamos la dimensión espacial de la tesis a la CABA debido, al menos, a dos aspectos. Por un lado, el origen de esta tesis se enmarcó en un proyecto de investigación más amplio y colectivo, que implicó el estudio de los patrones de movilidad social y su relación con las condiciones de vida y percepciones sobre la política y la desigualdad. Dicho proyecto tuvo como insumo y finalidad principal, la elaboración e implementación de una encuesta para el estudio de la CABA. Por otro lado, frente a la especificidad de otros estudios que analizan en su conjunto al Área Metropolitana de Buenos Aires (AMBA), este trabajo propone un “recorte espacial” sobre la CABA, debido a sus características y dinámicas propias que la diferencian del resto del aglomerado y del país, convirtiéndola en una “ciudad de clases medias” (Benza, 2016)[1].

Finalmente el recorte temporal obedece también, en parte, al marco investigativo en el cual se dio esta tesis. Si bien la encuesta que sirvió de base fundamental a esta investigación tuvo lugar en los años 2012-2013, se comprende que los procesos reconstruidos a partir del relevamiento tuvieron lugar en un contexto y tiempo histórico más amplio, políticamente delimitado por los tres gobiernos kirchneristas (2003-2015) y económicamente signado por la instauración de un modelo de acumulación que podemos denominar “neodesarrollista” (2002-2015). Esto no implica que no se hagan referencias a tiempos históricos pasados. De hecho, el estudio de la movilidad social implica el conocimiento y la indagación de la posición social de los padres y madres de los encuestados en un tiempo anterior. Sin embargo, esto no transforma al abordaje empleado en un enfoque típicamente longitudinal, en el cual una o varias generaciones son observadas en diferentes ventanas temporales.

Fuentes de datos utilizadas

A los fines de los objetivos propuestos en esta tesis planteamos una triangulación de datos (Denzin, 2017 [1978]; Vasilachis de Gialdino, 2006) que implicó la utilización de diversas fuentes de información. En algunos casos utilizamos diferentes fuentes debido a su especifidad para dar respuesta a aspectos particulares indagados. En este sentido, podemos decir que el acercamiento desde diversas fuentes tuvo como propósito la complementariedad. Sin embargo, varios aspectos, se encuentran relevados desde las distintas fuentes, por el cual la estrategia perseguida también permite controlar la validez y la confiabilidad de los instrumentos utilizados (Hernández Sampieri, Fernández Collado, y Baptista Lucio, 2010: 235-236). A continuación presentamos las fuentes de datos utilizadas y sus principales características.

La principal fuente que estructura la tesis es la “Encuesta de movilidad social y opiniones sobre la sociedad actual” (EMSyOSA)[2]. El muestreo que orientó a la misma fue de tipo probabilístico estratificado de asignación proporcional y el tamaño final de la muestra fue de 700 casos. Los estratos se definieron a partir de la composición barrial según Necesidades Básicas Insatisfechas (NBI), los casos fueron seleccionados sistemáticamente y la asignación fue proporcional por sexo, edad y comuna. Considerando un nivel de confianza de 95%, el error de estimación para proporciones a nivel muestral total es de +/-3.7%. La misma fue realizada entre diciembre 2012 y mayo de 2013 en la CABA. La particularidad específica de esta encuesta es que permite el estudio de la movilidad social como de los aspectos del bienestar material. Asimismo, permite la desagregación de sus datos a nivel de las zonas (agregado de comunas) de la ciudad. La misma será el principal insumo en los capítulos 5 y 6.

Como información complementaria para el estudio de la movilidad social y el bienestar material, utilizamos la “Encuesta Nacional sobre la Estructura Social” (ENES) llevada a cabo en el marco del Programa de Investigación sobre la Sociedad Argentina Contemporánea (PISAC). Si bien la misma implicó un relevamiento de las localidades de más de 2000 habitantes de toda la Argentina, debido a nuestros objetivos circunscribiremos la muestra a la CABA. En función de la población de estudio seleccionada, el tamaño de la muestra final quedó en 507 casos[3]. El relevamiento fue mayoritariamente realizado durante el segundo semestre de 2014 y el primer trimestre de 2015. Se utilizó una muestra polietápica compuesta por hogares seleccionados mediante métodos probabilísticos a partir de la información censal 2010. Dicha encuesta, además de permitir un mejor control de la validez y confiabilidad de la EMSyOSA, es utilizada para el análisis de la relación posición de clase – nivel de consumo, para uno de los extremos del período estudiado.

En tercer lugar, para captación de la evolución de la estructura de clases y su relación con algunas de las dimensiones del bienestar material indagadas (ingresos monetarios y acceso a la vivienda), utilizamos la “Encuesta Anual de Hogares” (EAH) relevada anualmente por la Dirección General de Estadísticas y Censos del Gobierno de la CABA. La misma se ha comenzado a realizar desde 2002, aunque las bases usuarias disponibles comienzan a partir de 2004, de aquí que nuestro período de estudio tenga como límite inferior dicho año. Si bien las características que releva esta encuesta son similares a las indagadas por la Encuesta Permanente de Hogares (EPH) (vivienda, composición del hogar, características demográficas, trabajo y empleo, ingresos, educación, etc.), resulta de mayor provecho la utilización de la primera debido a un mayor tamaño muestral final (en promedio unos 4022 casos por año, recortando para la población de estudio) y, por ende, a la posibilidad de reducir los errores de estimación al trabajar con sub-muestras (zonas, grupos de edad, género, etc.). La muestra es probabilística estratificada proporcional, basada en tres marcos muestrales distintos.

Finalmente, para el estudio de la relación entre la posición de clase y nivel de consumo a comienzos del período, utilizaremos la “Encuesta Nacional de Gastos de los Hogares 2004-2005” (ENGHo) realizada por el Instituto Nacional de Estadísticas y Censos (INDEC). La misma provee información detallada sobre la propiedad de determinados bienes básicos de equipamiento del hogar, que permiten su comparabilidad con los datos relavados en la EMSyOSA y la ENES. La muestra es probabilística, polietápica y estratificada, permitiendo el estudio específico de la CABA, con un tamaño final de 1864 casos.

A continuación, en tabla 2.1, resumimos la información respecto a las fuentes utilizadas y las dimensiones que pueden ser relevadas a partir de cada una.

Tabla 2.1. Principales características de las fuentes utilizadas

bases

* Número final de casos una vez recortado al universo de estudio. Fuente: elaboración propia

2.2. De la teoría de clases a las clases en el papel. Operacionalización a partir del nomenclador de la condición socio-ocupacional

“Como hemos visto, los esquemas de clase son en realidad el producto de la disolución de las estructuras sociales. La fórmula para su producción podría ser algo como lo que sigue: tómense estructuras cuyos elementos son individuos, roles o acciones cualesquiera, rómpase las relaciones que haya entre sus miembros de modo que estos queden flotando libremente y sométase el magma resultante a centrifugación hasta que se haya reunido los elementos homogéneos. Una vez terminado el proceso, calcúlense los porcentajes. Se obtiene así una descripción de la estructura social” (Carabaña, 1997: 85).

Como bien señalamos anteriormente, para realizar los análisis empíricos, en esta tesis utilizaremos el esquema de clases sociales propuesto por Torrado. La propuesta de la autora tiene, al menos dos versiones operacionalizables: una primigenia, producto de su trabajo en colaboración con de Ipola (1976) y una versión posterior, más acabada, que constituyó la base de su obra “Estructura social de la Argentina” (1992a) y que fue resultado de diversas intentos de clasificación (CFI, 1989; Torrado y Rofman, 1988). Dentro de su propuesta, finalmente, guiaron la construcción de la clasificación dos intenciones. Por un lado, apartándose de su ligadura al materialismo histórico que la caracterizó en sus primeros escritos, la autora explicita que su esquema mantiene un “compromiso” con tres de los principales enfoques de estratificación existentes: el “funcionalista”, que tiende a ofrecer una visión jerárquica de la estructura; el “materialista”, que define a las clases en función a las relaciones de producción y el “estadístico” o “pragmático” que hace hincapié en la utilización de categorías homogéneas que permitan comparabilidad de la información estadística (CFI, 1989: 18; Torrado, 1998: 223). En segundo lugar, y como derivación de lo anterior, la autora centró su interés en que el esquema formulado pueda ser utilizado a través de fuentes censales y encuestas de hogares.

Operacionalización: del CSO a las clases sociales

El proceso de operacionalización, en la metodología cuantitativa, implica el pasaje de conceptos teóricos-abstractos a indicadores empíricos, es decir, en la transformación de un fenómeno no observable o latente, en observable (D’Ancona, 1996: 124; Lazarsfeld, 1973). Particularmente, Bourdieu (1990), en referencia a la conceptualización científica de las clases sociales, denominó a este proceso como la construcción de clases “en el papel”, en tanto constructos que son agrupaciones probables fundadas en la estructura del espacio construido en términos de la distribución del capital. De este modo, las clases son construcciones analíticas pero bien fundadas en la realidad ya que proporcionan una explicación más completa del mayor número de diferencias observadas entre los agentes (Bourdieu, 2000a: 107).

En esta sección nos enfocamos en las variables seleccionadas, usualmente presentes en la mayoría de las fuentes de información secundaria provistas por los organismos de estadísticas y censos, que permiten volver visibles los aspectos inobservables, a primera mano, constitutivos de la idea de clase social. De esta forma, la autora acude a cinco variables que conformarán lo que podríamos denominar como el “esqueleto” de las clases sociales: la ocupación, la categoría ocupacional, el sector de actividad, el tamaño del establecimiento y la rama de actividad (CFI, 1989; Torrado, 1992a, 1998).

La ocupación, o “grupo de ocupación” como es denominado por la autora, alude a la naturaleza del trabajo realizado. El sistema clasificatorio ocupacional más frecuentemente utilizado a nivel internacional es el Clasificador Internacional Unificado de Ocupaciones (CIUO) elaborado por la Organización Internacional del Trabajo (OIT). El mismo divide y subdivide a las ocupaciones en grupos de ocupación, en función del nivel de competencias y la especialización de las competencias requeridas para efectuar eficazmente las tareas y propósitos de las ocupaciones. En sus textos, Torrado utiliza el CIUO del año 1968, clasificación que ha quedado desactualizada ante sus re-elaboraciones en los años 1988 y 2008, para conformar nueve grupos de ocupación (GO): 1) Empresarios, directores de empresas y funcionarios públicos superiores; 2) Propietarios de establecimientos; 3) Profesionales en función específica; 4) Técnicos, docentes y supervisores; 5) Empleados y vendedores; 6) Trabajadores especializados; 7) Trabajadores no especializados; 8) Empleados domésticos y 9) Sin especificar.

En nuestro caso, las bases de datos que utilizamos clasifican a la ocupación con diversos clasificadores, tales como el CIUO-08 o los Clasificadores Nacionales de Ocupación (CNO) 1991 y 2001, elaborados por el INDEC. Por este motivo, tomamos la decisión de homologar cada una de estas clasificaciones al GO definido por Torrado. Es decir, se establecieron las equivalencias para cada uno de los códigos de cada clasificador respecto a los GO.

La categoría ocupacional remite a la diferenciación de los individuos en función de las relaciones laborales, existiendo las categorías de: empleador (comprador de fuerza de trabajo), asalariado (vendedor de fuerza de trabajo), cuenta propia (no vende, ni compra fuerza de trabajo) y los trabajadores familiares sin remuneración.

El sector de actividad permite distinguir a los trabajadores en función de si realizan su labor en el sector público, privado, mixto, organización no gubernamental (ONG) o el servicio doméstico.

El tamaño del establecimiento permite dar cuenta de la distinción entre el sector empresarial (más de cinco ocupados) o micro-empresario (menos de cinco ocupados). Su inclusión apunta a comprender la segmentación de los mercados.

Finalmente, la rama de actividad describe la esfera de la economía a la que pertenece el establecimiento en el cual la persona ejerce su ocupación. Actualmente, suele utilizarse el Clasificador Industrial Internacional Uniforme (CIIU – Revisión 4), elaborado por Naciones Unidas y la Clasificación de Actividades Económicas para Encuestas Sociodemográficas del Mercosur (CAES V 1.0), utilizado por INDEC.

De este modo, el entrecruzamiento de las distintas variables[4] genera una estratificación socio-ocupacional que presentamos en la tabla 2.2, y que da lugar al CSO, en su modalidad desagradada (tabla 2.3).

Tabla 2.2. Definición de los estratos socio-ocupacionales según valores de las variables intervinientes

torrado3

* Modificación respecto a la propuesta de Torrado. Fuente: elaboración propia en base a Torrado (1998).

Tabla 2.3. Nomenclador de la Condición Socio-ocupacional (desagregado)

torrado4

Fuente: elaboración propia en base a Torrado (1998).

En su versión agregada el nomenclador discrimina once estratos socio-ocupacionales, mientras que en su versión desagregada (tabla 2.3), dichos estratos son subdivididos en función del sector de actividad y la categoría ocupacional. Mientras que la ocupación, la categoría ocupacional y el tamaño del establecimiento, permiten establecer diferenciaciones verticales en la estratificación (formando, según la autora, capas sociales), la rama y el sector de actividad, permite diferenciar a los estratos en términos horizontales, es decir, en fracciones de clase (Torrado, 1998: 235). Finalmente, el nomenclador puede ser agregado en tres clases sociales, definidas por la autora como clase alta, media y obrera, terminologías que “se relacionan más con la forma simbólica en que dichos colectivos existen en la cultura política argentina, que con una adhesión más explícita a algunas de las incontables teorizaciones existentes (…)” (Torrado, 1998: 236).

A modo de resumen, el proceso de operacionalización del concepto clase social puede pensarse inversamente, desde los índices empíricos al concepto complejo, del siguiente modo:

Esquema 2.1. Proceso de operacionalización del concepto de clase social

operacionalizacion

Fuente: Elaboración propia.

Modificaciones al esquema original

Hasta aquí hemos explicitado el proceso de operacionalización del concepto de clase social de acuerdo a los lineamientos planteados por Torrado. Asimismo, se han seguido algunos de los lineamientos planteados por Sacco (2016; Torrado, Ariño, y Sacco, 2008) a los fines de resolver la ruptura de la comparabilidad en la serie histórica de la medición del CSO, al modificarse el clasificador ocupacional por INDEC en el año 1991. En este sentido, el autor propone un método de armonización del CSO para que el mismo pueda ser utilizado conjuntamente con información censal de 1980, 1991, 2001 y 2010. A su vez, si bien los cambios introducidos por Sacco, modificaban algunos aspectos respecto al modo de asignar las ocupaciones en los estratos, a nivel desagregado (CSO) y agregado (clases sociales), las categorías quedaban definidas del mismo modo al planteado por Torrado.

En esta tesis utilizamos tanto el CSO a nivel agregado, es decir, la clasificación de once clases, así como una recategorización del sistema de clases en cinco categorías. En primer lugar, la estratificación propuesta por el CSO nos permite indagar sobre diferenciaciones internas a las clases sociales, por ejemplo, a nivel de ingresos monetarios. Por otro lado para el estudio del nivel más agregado, proponemos un formato distinto al de Torrado (ver tabla 2.4), debido, principalmente, a tres aspectos: 1) El uso de una clasificación tripartita (clase alta, media y obrera) impediría el estudio de fronteras y delimitaciones existentes entre las distintas posiciones fundamentales; 2) A su vez, el uso de diferenciaciones, como propone la autora, en función de la autonomía laboral (condición salarial o cuenta propia), impide la discriminación entre las clases de otros factores también relevantes, como pueden ser la propiedad, el control del trabajo ajeno o las calificaciones; 3) La consideración de la clase alta, como una categoría separada, si bien teóricamente puede ser pertinente, en tanto corresponde a ocupaciones directivas y propietarios de grandes empresas, su incidencia estadística y captación por encuestas de hogares es mínima, por lo que puede llevar a elevados errores de estimación.

Tabla 2.4. Esquema de clases según Torrado (1998) modificado

torrado5

Fuente: elaboración propia en base a Torrado (1998).

Otros autores, de acuerdo a fines teóricos y/o prácticos también han optado por colapsar de distinto modo los estratos del CSO. Pla (2012, 2016) ha agrupado a los estratos directivos, profesionales y de pequeños propietarios, en lo que denominó “Clase media alta”. Por su parte, lo que nosotros unificamos como “clase media técnica – rutinaria”, la autora ha decido separarla en la “clase media” (técnicos) y “clase media rutinaria” (administrativos y vendedores). La clase obrera es considerada del mismo modo que la propuesta para esta tesis. Por su parte, Boado (2011) mantiene una agrupación similar a la nuestra, pero diferenciando a los técnicos y supervisores de los administrativos y vendedores.

Similares propuestas de agregación pueden encontrarse en otros esquemas utilizados para el estudio de la estructura social argentina. En este sentido, el esquema propuesto en esta tesis arriba a una clasificación similar a la utilizada por Dalle (2010, 2016; Sautu, Dalle, Otero, y Rodríguez, 2007), con algunas diferencias menores pero coincidiendo en la identificación de tres clases pertenecientes a la gran clase media (una directiva profesional, la pequeña burguesía y la técnica-rutinaria) y a la separación de las clases populares en función de las calificaciones. El esquema utilizado por Benza (2012) para el estudio de la estructura de clases y movilidad social en Buenos Aires, guarda similitudes con el nuestro, aunque continúa, al igual que Torrado, identificando a los directivos, gerentes y funcionarios públicos como pertenecientes a la clase alta.

Asignación de posiciones de clase en el hogar

Una vez definida la clasificación en función del CSO, Torrado (1998: 236) señala la importancia de la definición del universo de análisis a considerar, desde el punto de vista de la pertenencia de clase. Hay varias formas de acceder a la clasificación, pero digamos que en primer lugar, es necesario establecer si nuestra población objetivo serán individuos u hogares. En el primer caso, como bien señala la autora, sería necesario considerar a la PEA, mientras que en el segundo caso a algún indicador del hogar como puede ser la posición del jefe/a activo/a de los hogares particulares (Torrado, 1998: 237). La primera de estas opciones tiene la ventaja que permite una imagen más fiel de las características del sistema productivo al cual se está haciendo referencia, aunque sólo abarca a una población pequeña de la población. La consideración de los hogares, implica en este sentido, un aumento en la población analizada (por ejemplo, todos los hogares con jefe/a activo/a), a la vez que permite una mejor captación del conocimiento de la estructura social respecto a la medición de las condiciones de vida y comportamientos diversos, que únicamente pueden ser atribuidos a la esfera del hogar (Torrado, 1998: 238).

Un segundo aspecto a considerar es, parafraseando a Crompton (1994: 124), “el problema de las mujeres”. Tanto al considerar como unidad de análisis a los individuos o a los hogares, los estudios de movilidad, han estado largamente dominados por enfoques que asignaban a las mujeres la misma posición que la del jefe de familia. Más allá de la larga discusión que abarcó gran parte de los años 80 (Crompton, 1989; Goldthorpe, 1983; Payne y Abbott, 1990; Stanworth, 1984) y que mantiene sus repercusiones en la actualidad (Gómez Rojas, 2011; Gómez-Rojas y Riveiro, 2014; Riveiro, 2017), resulta totalmente sesgado tanto teórico como metodológicamente la subsunción de las situaciones de las mujeres a la de los varones.

En este sentido, en forma resumida, cuatro enfoques se encuentran fundamentalmente en la bibliografía del análisis de clase para solucionar esta problemática (Feito Alonso, 1995b). En primer lugar, puede citarse el enfoque “tradicional”, defendido en un primer momento por Goldthorpe (1983), que sostiene que los hogares deben ser considerados como unidad de análisis, aunque debe ser la posición del varón jefe de familia quien le otorgue al grupo su posición de clase. En un segundo lugar podemos señalar el enfoque de dominancia, propuesto por Erikson (1984)[5], que se basa en la determinación de la posición de clase del hogar a partir de la situación de clase del cónyuge cuya inserción sea más decisiva de cara a la determinación de intereses, patrones de consumo, condiciones de vivienda, etc. En términos simplificados, dicho enfoque, deriva la condición de clase del hogar de la posición mejor situada entre los cónyuges. Un tercer enfoque considera conjuntamente a la posición de ambos cónyuges para caracterizar al hogar. De lo que se trata es de generar una tipología de hogares que clasifique a los mismos en función de su carácter homogéneo (ambos cónyuges pertenecen a la misma clase) y heterogéneo (ambos cónyuges pertenecen a clases distintas)[6]. Dicho enfoque es subsidiario, principalmente, de la propuesta de Wright (1992: 95) al considerar las posiciones contradictorias (mediatas e inmediatas) dentro de la estructura de clases. Finalmente, un cuarto enfoque plantea la necesidad de considerar las posiciones de los varones y mujeres de forma individual, a partir de su propia situación de clase y sin tomar al hogar como unidad de análisis.

Más allá de que estos enfoques plantean ciertos compromisos teóricos en su elección, la misma puede guiarse en función de los propósitos de investigación. Para el estudio del mercado de trabajo, quizá se torne de mayor conveniencia un enfoque individual que permita conocer la posición tanto de varones y mujeres, en forma separada. Por el contrario, en el estudio de otros factores, tales como el comportamiento del voto, las actitudes sociales o las condiciones de vida, un enfoque que se base en el hogar como unidad de análisis puede pensarse de mayor utilidad (Crompton, 1994: 128).

En nuestro caso, sosteniendo como unidad de análisis al hogar, utilizamos el enfoque de dominancia para asignarle la posición de clase a la familia. Por un lado, creemos que este enfoque es superador de la mirada convencional que invisibiliza a las mujeres y de la mirada conjunta, que si bien permite una mejor aproximación a la captación de las heterogeneidades en las conformaciones familiares, implicaría un aumento en el número de categorías consideradas, así como una menor capacidad explicativa para el estudio del bienestar material. De este modo, definimos a la posición de clase social del hogar como aquella ocupada por el cónyuge que posee la posición más aventajada. En los casos de hogares no nucleares o con el núcleo incompleto (ausencia de uno de los cónyuges), se tomará directamente la clase del PSH. Las posiciones de los demás miembros del hogar no serán tenidas en cuenta para la definición de la inserción de clase del hogar, bajo el supuesto de que sus situaciones están “mediadas” por la posición dominante (de Ipola y Torrado, 1976; Wright, 1992, 1997). Para definir cuál cónyuge es considerado “dominante” se utilizó el CSO desagregado.

A modo de ejemplo, en la tabla 2.5 mostramos la distribución de hogares según CSO por tipo de dominancia y género del miembro del hogar que otorga la dominancia. Observando los totales, podemos señalar, como era de esperarse, que mayormente la dominancia viene definida por la posición del PSH (84% de los casos). En esos casos, a su vez, son los varones los que en mayor medida definen la posición (aproximadamente en un 60%), salvo en las posiciones de EAV, ONCAL y EDOM, es decir, en aquellas ocupaciones mayormente feminizadas. En contraposición, para la situación en la que el cónyuge otorga la dominancia, en mayor medida se realiza por mujeres (65%), salvo en el caso de los estratos de clase obrera (con excepción del estrato de EDOM). Esos casos pueden estar haciendo referencia a aquellas situaciones en las que los varones cónyuges tienen posiciones más desaventajadas en relación a las mujeres PSH.

Tabla 2.5. CSO según tipo de dominancia y género. CABA 2015

mujeres_varones

Fuente: elaboración propia en base a EAH 2015. N = 840.788

2.3. Técnicas estadísticas utilizadas

En este subcapítulo repasamos las principales técnicas estadísticas utilizadas para llevar adelante los objetivos planteados. En primer lugar presentamos las principales técnicas utilizadas para el estudio de la movilidad social y que forman parte de los enfoques englobados en el estudio de la movilidad absoluta y relativa. En segundo lugar, describimos las principales características del análisis factorial de correspondencias múltiples, su relevancia para la construcción del “espacio social del bienestar material” y la elaboración de índices. Por último, presentamos las técnicas de dependencia (regresión lineal múltiple y regresión logística), que permiten identificar el efecto de determinadas variables independientes sobre una variable dependiente.

Las técnicas para el estudio de la movilidad social

A comienzos de los años 80, la distinción entre movilidad estructural y circulatoria (o de intercambio) empezó a quedar en desuso debido a la ineficacia de las técnicas utilizadas para separar a ambos aspectos (Erikson y Goldthorpe, 1992: 59; Goldthorpe, 2010a: 423). Como enfoque superador, aparecieron las nociones de movilidad absoluta y relativa, que si bien mantenían el sustrato básico de los análisis anteriores (tabla de movilidad), proponía un mejor modo de diferenciar dos aspectos distintos del fenómeno de la movilidad social.

El estudio de la movilidad absoluta

El análisis de la movilidad absoluta parte del simple cálculo de las frecuencias de una tabla o matriz de movilidad. Dicha matriz presenta una serie de características (Cachón Rodríguez, 1989: 243): 1) la población es cerrada, ya que no hay en destino individuos que no tuvieran su origen y todos los orígenes tienen a su vez sus destinos; 2) el número de categorías en origen y destino es el mismo; 3) las categorías son las mismas en origen y destino; 4) están ordenadas de la misma manera. En otras palabras, la tabla de movilidad es un caso especial de tabla de contingencia, que adquirió su etiqueta de “especial” debido al interés de los investigadores de la movilidad por las interpretaciones producto de sus resultados (Erikson y Goldthorpe, 1992: 55). Normalmente dicha tabla se construye a partir de la información proveniente de población en edad laboral perteneciente a un determinado país y a un determinado momento. Los miembros de la muestra son posicionados en cada celda de la tabla en función de su posición de clase actual y la posición de clase del hogar de origen cuando el mismo tenía 15 o 16 años (Breen, 2004: 3). A continuación, en la tabla 2.6, presentamos un modelo de matriz de movilidad.

Tabla 2.6. Tabla de movilidad (modelo)

tabla_mov

Fuente: elaboración propia en base a Cachón Rodríguez (1989)

Tres tipos de tasas absolutas pueden extraerse de una tabla de movilidad: los porcentajes totales, los porcentajes de salida (outflows) y los porcentajes de entrada (inflows). Mientras que los primeros raramente son utilizados, ya que hacen referencia al N total, los outflows e inflows brindan información importante. Mientras que los porcentajes de salida permiten dar cuenta de los destinos de los sujetos en función de sus orígenes, los porcentajes de entrada permiten observar la composición, en función del origen, para cada uno de los destinos de clase.

Por otro lado, desde la tabla de movilidad, pueden aportarse diversas medidas útiles para conocer las principales tendencias de movilidad e inmovilidad, principalmente a partir índices brutos y razones. Dentro de la familia de índices brutos, pueden citarse los índices de movilidad, inmovilidad, movilidad ascendente y descendente. Cada uno surge de la razón (porcentualizada) entre una de las áreas señaladas en la matriz y el N. Mientras que el índice de inmovilidad considera únicamente la diagonal principal (diagonal de herencia o reproducción), el de movilidad considera a aquellos casos que se encuentran por fuera de la misma (Hout, 1983: 10). En consecuencia, aquellos sujetos que se encuentran en la región gris oscura, pueden ser considerados como “móviles ascendentes”, mientras que los ubicados en la región gris clara deben ser considerados como “móviles descendentes”. Asimismo, en algunos casos, los índices se presentan de un modo más refinado al considerar los movimientos de corta distancia (traspaso de una celda) y larga distancia (traspaso de 2 o más celdas). Los distintos índices brutos pueden formalizarse del siguiente modo:

 

 

formulas_mov

 

Otra familia de índices son aquellos que surgen de la comparación entre los datos observados y los datos estimados ante la inexistencia de asociación entre los orígenes y destino (movilidad perfecta). En términos estadísticos lo que se hace es comparar la información observada respecto a aquella calculada bajo la hipótesis de independencia estadística (frecuencias esperadas). La finalidad de estos índices radicaba en poder aislar el efecto producido por los marginales de la tabla que influenciaban el cálculo de los porcentajes y coeficientes. Nosotros principalmente haremos hincapié en el índice de movilidad, que puede entenderse como la razón entre las frecuencias observadas y las esperadas, para cada una de las celdas de la tabla. Valores cercanos a 1, indicarían independencia, mientras que valores alejados mayores de 1 darían cuenta de un exceso de casos frente a lo esperado. En contraposición valores cercanos a 0, señalarían una falta de casos para el cumplimiento de la independencia estadística.

indice_mov

Finalmente, otros índices intentaron el cálculo de la movilidad estructural, es decir, aquella que se da por las diferencias de tamaño encontradas entre los marginales de origen y destino y que necesariamente (forzadamente) implican cierto nivel de movilidad, para poder acceder al nivel de movilidad puro o de intercambio. El índice de movilidad estructural surge de sumar las diferencias negativas o positivas de los porcentajes marginales, mientras que la movilidad circulatoria se calcula residualmente, como la movilidad restante (aquella que completa el 100%).

Resumiendo, el carácter “absoluto” de este tipo de análisis puede interpretarse desde una mirada estadística, en tanto que las tasas que se reportan son absolutas, es decir, miden la frecuencia de casos que se encuentran en las celdas de la tabla, pero también puede encontrarse un significado literal, ya que este tipo de estudio aborda a la movilidad como un resultado de la combinación de factores exógenos y endógenos que intervienen en la configuración de la estructura de clases (Benza, 2014: 66). Sin embargo este tipo de abordaje no permite neutralizar los efectos estructurales que inciden en la estratificación, es decir, el efecto de los cambios económicos o demográficos que generan transformaciones en la distribución y tamaño de las clases sociales a través del tiempo. En otras palabras, al mirar las distribuciones de frecuencias en una tabla de movilidad, no se puede inferir si las asociaciones ilustradas se deben a procesos de cambio estructural o al reemplazo entre los agentes.

El estudio de la movilidad relativa

El análisis de la movilidad relativa, desarrollado a partir de la tercera generación de estudios de movilidad social (Ganzeboom, Luijkx, y Treiman, 1989), aunque aún no bajo esa denominación, permitió dar cuenta de las desiguales oportunidades que tienen individuos de diferentes orígenes sociales de acceder a las distintas posiciones independientemente de lo que suceda en el plano estructural. En otras palabras, el estudio de la movilidad relativa responde a la pregunta de “¿cuánta diferencia hay en la probabilidad de ocupar un lugar más que otro entre las personas provenientes de diferentes orígenes de clases?” (Fachelli y Lopez-Roldán, 2012: 14). En términos de diagnóstico sobre la desigualdad, dicha pregunta hace referencia al grado de fluidez social existente, que comúnmente es tomada como un indicador del nivel de apertura de una sociedad, es decir, en qué medida las chances de movilidad están equitativa o inequitativamente distribuidas (Breen, 2004: 4)[7].

En términos estadísticos, las tasas relativas se calculan a partir de las llamadas “razones de momios” (odds ratios en inglés). Las mismas tienen la propiedad de no ser sensibles a los cambios en los marginales de la tabla de movilidad, ya que “se mantienen inalteradas ante la multiplicación de las filas o las columnas de una tabla de contingencia por (distinto de cero) constantes” (Erikson y Goldthorpe, 1992: 56, traducción propia). Su nombre deriva del hecho de que la misma es una razón entre dos momios[8]. La formalización es la siguiente:

razones de momios

en donde f11 es el número de casos que se mantiene inmóvil en la clase 1, f12 el número de casos móviles de la clase 1 a la clase 2, y así sucesivamente (Erikson y Goldthorpe, 1992: 55).

Por otro lado, el número máximo de razones de momios puede calcularse del siguiente modo: (k – 1)2. Siendo k el número de categorías de clase. Las razones de momios siempre presentan valores positivos, reflejando un valor menor a uno, una asociación negativa, y un valor mayor a uno, una positiva. Por su parte un valor cercano a 1 estaría dando cuenta de una situación de movilidad perfecta. Sin embargo calcular todas las razones de momios posibles en un tabla puede tornarse complejo, ante el aumento de las categorías de clase utilizadas. Para lograr cierta parsimonia, resulta más práctico utilizar técnicas de regresión como los modelos log-lineales que tienen como elemento constituyente a las razones de momios (Erikson y Goldthorpe, 1992: 56; Solís y Boado, 2016: 47).

Estos modelos, pueden ser entendidos como una variante del modelo lineal generalizado y se diferencian de la ecuación de regresión lineal, ya que en este caso lo que se predice no es una variable dependiente, si no las frecuencias observadas de una tabla de contingencia, es decir, las posibles asociaciones entre orígenes y destinos (Agresti, 1996; Powers y Xie, 2000: 110). De lo que se trata principalmente es de hallar un modelo entre varios, que implique una concepción determinada de sociedad (más o menos meritocrática, con mayor o menor nivel de herencia de clase, etc.) y que permita una descripción ajustada, simple y parsimoniosa de los datos con los que se está trabajando. En otros términos, puede pensarse como si a los datos con los cuales contamos, le aplicáramos determinados lentes (modelos) para observarlos. Mientras que unos permiten dar cuenta si una sociedad es más abierta, otros nos permiten observar si la misma es más cerrada y con mayores niveles de reproducción. El lente que permite una mejor lectura (ajuste) de los datos con los cuales contamos, será el que seleccionaremos para describir finalmente los procesos de movilidad social.

Formalmente la ecuación del modelo log-lineal para una tabla de movilidad simple puede representarse del siguiente modo[9]:

loglineal

En donde: ln(Fij) es el logaritmo natural de la frecuencia esperada en la celda ij bajo el modelo planteado; es una constante; μOi representa un conjunto de coeficientes asociados con la pertenencia a cada una de las clases de origen (un término es usado como referencia); μDj  representa un conjunto de coeficientes asociados con la pertenencia a cada una de las clases de destino (un término es usado como referencia) y μODij  representa un conjunto de coeficientes de interacción que modelan un patrón de asociación determinado entre orígenes y destinos (Solís y Boado, 2016: 48).

El interés sustantivo de cada uno de los modelos que propondremos se centrará en modelar el parámetro de la interacción.

Para poder identificar qué modelo es el que mejor se adapta a los datos observados, proponemos el cálculo de cuatro medidas de bondad de ajuste: G2, BIC, índice de disimilitud y pseudo R2 de Goodman. El G2 (también denominado devianza o razón de verosimilitud X2), permite realizar pruebas de hipótesis sobre la bondad de ajuste, aunque como cualquier prueba basada en el estadístico X2, su valor depende del tamaño de la muestra y cuando la misma es grande, puede preferir modelos con un mayor número de parámetros, aunque los mismos no agreguen información significativa (Solís y Boado, 2016: 49-50). Si la probabilidad asociada al G2 es superior a 0,05, puede concluirse que el modelo ajusta. 

Para solucionar el problema atribuido al tamaño muestral, se planteó el estadístico BIC (criterio de información bayesiano). El mismo tiene, al menos, dos propiedades interesantes: penaliza el uso de un mayor número de parámetros (grados de libertad), al mismo tiempo que permite medir la bondad de ajuste para modelos no anidados. Si un modelo presenta un valor del BIC menor que otro, nos señala que el primero ajusta de mejor modo y es preferible (Fachelli y Lopez-Roldán, 2012: 21).

El índice de disimilitud (ID), es una medida de bondad de ajuste muy intuitiva que, siendo porcentualizada, nos señala cuantos casos observados deben ser re-clasificados para coincidir con los esperados bajo el modelo planteado. Cuanto más pequeño es el valor, mejor ajuste presentará el modelo. 

Finalmente el coeficiente pseudo R2 de Goodman mide cuán adecuado es el modelo escogido respecto a un modelo base tomado como referencia (generalmente el modelo de movilidad perfecta o independencia).

El análisis factorial de correspondencias múltiples

El análisis de correspondencias múltiples (ACM) forma parte de la familia de técnicas englobadas bajo el título de “análisis geométrico de datos” desarrollados por la “escuela francesa de análisis de datos” (Baranger, 2009: 97; Le Roux y Rouanet, 2010: 1). A partir de la misma, lo que se intenta es hacer emerger las dimensiones fundamentales latentes de la estructura de interrelación existente entre las variables observadas, mediante su combinación y reducción. Por ejemplo, a partir de la consideración de seis variables, la técnica puede señalarnos que existes dos dimensiones que, en su mayor medida, dan cuenta de la variabilidad total del conjunto. Específicamente, a partir del ACM se “analiza las relaciones de interdependencia de un conjunto de variables cualitativas (nominales y ordinales), y expresa sus asociaciones (correspondencias) en términos de un conjunto reducido de factores que sintetizan las principales diferencias que se dan entre los individuos” (López-Roldán, 2012: 37). Su alcance es más bien descriptivo y guiado por una filosofía inductiva (Le Roux y Rouanet, 2010: 2), ya que no se plantea un modelo para ser puesto a prueba a partir de los datos (cómo si vimos para el caso de los modelos log-lineales), sino que son los datos procesados a partir de la técnica los que permiten construir un modelo sobre lo indagado. A su vez, la técnica permite un feedback a través del cual el pasaje de los datos a la teoría y de la teoría a los datos es constante.

A diferencia de otras técnicas clásicas de análisis de variables (regresión, ANOVA, etc.), el ACM permite un adecuado abordaje del sistema completo de relaciones que se configuran en el espacio social (Rouanet, Ackermann, y Le Roux, 2011: 140). De este modo, a partir de la técnica se configuran dos espacios: un espacio en el cual los individuos son ubicados (nube de puntos) y otro, de representación simultánea con el anterior, que despliega la complejidad de las relaciones estadísticas expresando relaciones sociales, es decir, el “espacio de propiedades” (2011: 141). Este segundo espacio es al que se le prestará atención, ya que permite interpretar como se interrelacionan las distintas categorías de las variables consideradas (llamadas “modalidades”).

Una de las ventajas centrales de los análisis factoriales es que permiten la disposición geométrica de las filas (individuos) y columnas (categorías de las variables) de una matriz de datos en un espacio reducido de dos o tres dimensiones. Mientras que la proximidad gráfica entre dos puntos de la nube de individuos entre dos categorías de una misma variable indica una similitud entre los perfiles de los sujetos, la proximidad entre elementos de diferentes variables indica asociación entre las modalidades (Baranger, 2009: 102).

Los factores que surgen de la reducción producida sobre el espacio de propiedades de las variables originales permiten una explicación más parsimoniosa del problema a abordar. El primer factor-eje resume la mayor parte de la inercia (varianza) presentada entre los individuos, siendo éste el más relevante ya que es el que mejor se aproxima a la nube de puntos original. El segundo factor-eje, es independiente del primero y da cuenta de las diferenciaciones residuales que el primer factor no pudo representar y así sucesivamente con el resto de los factores (Baranger, 2009: 100). Si bien no hay un acuerdo respecto a cuantos factores retener para el análisis, es recomendable basarse en aquellos que acumulan la mayor parte de la inercia explicada (generalmente un 70% o más de la varianza).

Por otro lado, el ACM permite la incorporación de variables denominadas suplementarias o ilustrativas que no intervienen en la construcción de los factores (como sí lo hacen las variables activas) pero que permiten su proyección en el plano factorial y, por ende, el enriquecimiento del análisis (Adaszko, 2009: 196; Le Roux y Rouanet, 2010: 60). Según Bourdieu, las variables suplementarias permiten “dar fuerza” a la demostración de que las variables activas son interpretables en términos de otras (en el caso de “La Distinción”, algunas variables de estatus social), pudiéndose hacer un uso explicativo del ACM (Rouanet et al., 2011: 142).

Particularmente, en este libro, utilizamos el ACM con dos propósitos. En primer lugar, para construir un índice de nivel de consumo[10], a partir de los datos provenientes de las encuestas ENGHo 2004-2005, EMSyOSA y ENES. Reteniendo las coordenadas factoriales de cada uno de los individuos de las muestras, producto del ACM, los mismos pueden ser considerados como puntajes para la elaboración de un índice (Baranger, 2009: 105). En este caso, hemos decidido retener el primer factor, ya que es el que mayor varianza explica. Esta técnica es similar a la utilizada para la construcción de índices factoriales a partir del Análisis de Componentes Principales (Filmer y Pritchett, 2001; McKenzie, 2005; Minujin y Bang, 2002). En segundo lugar, la técnica es utilizada en el subcapítulo 6.1 para construir lo que denominamos como “espacio social del bienestar material”: incorporamos como variables activas al nivel de ingresos, el nivel de consumo y el acceso a la vivienda, y proyectamos como suplementarias a los aspectos estratificadores referidos al origen (clase y nivel educativo), al destino (clase y nivel educativo), así como una variable que reconstruye las trayectorias de clase. Con esto no sólo buscamos un primer abordaje descriptivo multidimensional a la problemática, sino que también elaboramos un índice de bienestar material que luego es utilizado.

Análisis de dependencia

Hasta el momento las técnicas que revisamos pueden englobarse en el tipo de análisis de “interdependencia”, ya que las variables que intervienen son consideradas bajo el supuesto de que están interrelacionadas pero en forma simétrica, es decir, todas pueden ser consideradas como independientes. Esto no significa que luego, en la interpretación, no se planteen mecanismos causales entre las variables (por ejemplo, en el estudio de la movilidad social), pero dichas técnicas tienen la principal finalidad de encontrar patrones y estructuras de relación mutuas y simultáneas (López-Roldán y Fachelli, 2016: 6). En este apartado presentaremos, por el contrario, a aquellas técnicas que se utilizaron en el caso que se diferenciaron variables independientes y dependientes.

De acuerdo al nivel de medición de las variables dependientes diferenciaremos dos tipos de análisis distintos: el análisis de regresión lineal y el análisis de regresión logística. Mientras que el primero de estos asume que la variable dependiente debe ser cuantitativa, el otro permite la utilización de variables nominales u ordinales.

El análisis de regresión lineal (múltiple) será utilizado en el subcapítulo 6.2, bajo el objetivo de evaluar la contribución de las características estratificadoras del origen y destino de clase (controlando por diversas variables) en la determinación del bienestar material, específicamente, en el nivel de ingresos y de consumo (variables cuantitativas). La contribución de cada variable se representa a través de un coeficiente (β). Formalmente la ecuación de regresión lineal múltiple se expresa así:

reg_lineal

En donde Y  es la variable dependiente; μ es la constante; β1X1 representa a la pendiente estimada para cada una de las variables consideradas y ∈ es el error.

En el caso de que las variables independientes utilizadas sean de carácter nominales u ordinales, las mismas son transformadas en variables ficticias (en inglés dummies). Una de las categorías es utilizada como referencia y no es considerada en el modelo, para evitar el problema de colinealidad (López Roldán y Fachelli, 2016a: 54).

Para medir la bondad de ajuste de los modelos propuestos se utilizará el coeficiente de determinación (R2) que permite dar cuenta del nivel de predicción general del modo de regresión, es decir, cuánto varianza es explicada por las variables planteadas en el modelo.

El análisis de regresión logística será utilizado tanto en el subcapítulo 5.3 (análisis sobre las causas de la movilidad) y 6.2 (análisis de los determinantes del acceso a la vivienda). Al tener la variable dependiente una naturaleza categórica, lo que se predice en la regresión logística son las probabilidades de pertenecer a un determinado grupo o a qué ocurra determinado evento (por ejemplo, pertenecer a la clase media en lugar de a la clase obrera). En el caso de que la variable dependiente sea dicotómica, estaremos hablando de regresión logística binomial o binaria, mientras que si su naturaleza es politómica referiremos a una regresión logística multinomial. Para este último caso, se crearán tantas variables ficticias como categorías tenga la variable menos una, que se utilizará como referencia (López Roldán y Fachelli, 2016b: 6). En términos formales el modelo logístico binomial puede representarse así:

logit

En dondemini_logit es el logito de la probabilidad de que un evento ocurra sobre la probabilidad de que no ocurra.

Por su parte, el modelo logístico multinomial puede expresarse del siguiente modo:

multinomial

En donde m refiere a cada una de las categorías de la variable dependiente que utilizaremos como contraste; es la categoría de la variable que utilizaremos como categoría base.

El modelo logístico multinomial puede ser pensado como estimación simultanea de todas las regresiones logísticas binomiales posibles. Asimismo, tanto en el caso de la regresión logística binomial, como en la multinomial, los parámetros de la ecuación pueden presentarse en forma exponencial, a los fines de facilitar la lectura. Mientras que en el primer caso el exp(b) es una razón de momios, en el segundo caso es una razón de riesgos relativos.

En tanto medidas globales de bondad de ajuste, en el caso de las regresiones logísticas se consideraran tres: el -2(log-likelihood), el pseudo-R2 y el BIC. El primero de estos, también conocido como “estadístico de verosimilitud”, permite medir la bondad de ajuste entre dos modelos anidados, es decir, entre un modelo restringido y otro ampliado. El pseudo-R2 estima cuánto mejora la bondad de ajuste de un modelo respecto al modelo base. Existen varias fórmulas para su cálculo (Cox y Snell, Nagelkerke; McFadden, entre otras). En nuestro caso presentaremos siempre, salvo que se aclare, el pseudo-R2 de McFadden.


  1. La mayor parte de los trabajos recientes sobre movilidad social en argentina presentaron un recorte espacial circunscripto al AMBA (Dalle, 2016; Pla, 2016) y al ámbito nacional como totalidad (Jorrat, 2016; Quartulli, 2016).
  2. Realizada en el marco del Proyecto PICT FONCYT Nº2011-2189 Tendencias y transformaciones en la estructura social: El impacto de los procesos de movilidad social en los horizontes de consumo y la participación política. Un análisis de la Región Metropolitana de Buenos Aires. 2003 – 2011.” coordinado por el Dr. Eduardo Chávez Molina del Instituto de Investigaciones Gino Germani, UBA.
  3. Dicho N puede variar en función de los cruces propuestos.
  4. La única variable que es excluida por la autora, al nivel máximo de desagregación que plantea, es la rama de actividad.
  5. Puede encontrarse también un esbozo de solución similar en Torrado (1981, 1982).
  6. Algunas de las aplicaciones de este enfoque en para el caso nacional pueden encontrarse en Gómez Rojas (2011), Gómez Rojas y Riveiro (2014) y Dalle et al. (2015).
  7. Como bien señala Breen (2004: 20) hay que ser cauteloso respecto a qué reflejan los resultados de las desigualdades relativas. Algunos autores indican que reflejan diferencias respecto a preferencias o recursos para solventar condicionamientos, ligados al origen de clase. Otros plantean que reflejan las desigualdades inherentes a habilidades individuales.
  8. Puede entenderse al momio como razón de probabilidad de que un evento ocurra y la probabilidad de que un evento no ocurra (Agresti, 1996: 28).
  9. En este caso presentamos la ecuación para un modelo de dos variables, pero el mismo acepta la introducción de más de dos. Comúnmente en los estudios de movilidad suelen considerarse terceras variables como la cohorte, los países, el género, etc.
  10. Los resultados de la aplicación del ACM para la construcción del índice de nivel de consumo son detallados en el anexo.


Deja un comentario