Obesidad y mercado de trabajo

1 Máster Universitario en Economía y Políticas Públicas Obesidad y Mercado de Trabajo Trabajo Fin de Título presentado por Jenifer Dunia Hernández Santana Bajo la tutela de Beatriz González López-Valcárcel Las Palmas de Gran Canaria, a 7 de diciembre de 2015 2 3 ÍNDICE 1. INTRODUCCIÓN .................................................................................................... 5 2. REVISIÓN DE LITERATURA ................................................................................. 7 3. DATOS ................................................................................................................. 12 3.1. Encuesta de Salud de la Comunidad Valenciana 2000-2001 ...................... 12 3.2. Encuesta de Salud de la Comunidad Valenciana 2005 ............................... 14 3.3. Encuesta de Salud de la Comunidad Valenciana 2010 ............................... 16 3.4. Datos adicionales ........................................................................................ 18 3.5. Base de datos final ...................................................................................... 19 4. METODOLOGÍA ................................................................................................ 20 4.1. Modelos estadísticos ................................................................................... 20 4.2. Software aplicado ........................................................................................ 21 4.3. Nuestros modelos........................................................................................ 21 4.3.1. Modelo 1: Probabilidad de estar desempleado ..................................... 22 4.3.2. Modelo 2: Discriminación subjetiva de malos tratos ............................. 22 4.3.3. Modelo 3: Satisfacción laboral de obesos ............................................. 23 5. RESULTADOS ..................................................................................................... 24 5.1. Descriptivos de variables cualitativas y cuantitativas ..................................... 24 5.2. Gráficas .......................................................................................................... 30 5.3. Modelos .......................................................................................................... 33 5.3.1. Modelo 1 .................................................................................................. 40 5.3.2. Modelo 2 .................................................................................................. 42 5.3.3. Modelo 3 .................................................................................................. 46 6. DISCUSIÓN .......................................................................................................... 49 7. CONCLUSIONES ................................................................................................. 50 8. REFERENCIAS BIBLIOGRÁFICAS .................................................................... 51 9. ANEXO ................................................................................................................. 53 4 5 1. INTRODUCCIÓN En este trabajo nos interesa estudiar la relación que existe entre el mercado de trabajo y la obesidad, ya que se ha visto en la literatura previa que las personas con obesidad sufren penalización laboral, siendo para ellos más difícil encontrar un empleo y, además, suelen estar retribuidos con menores salarios. Más específicamente, los objetivos de este trabajo son: analizar la probabilidad de estar desempleado, sufrir malos tratos, y tener una mayor satisfacción laboral de aquellos individuos que tengan obesidad. La posible discriminación retributiva no ha podido ser examinada por falta de datos de salarios en las encuestas de salud. En este trabajo se explora también el contexto territorial (municipio) en el que viven las personas, y el efecto de este entorno sobre la obesidad. Sin embargo, existe la posibilidad de que la obesidad y el mercado de trabajo estén correlacionados, y esto puede ser debido a cuatro causas, según Morris (2006): (1). Que la obesidad cause desempleo. Esto podría deberse a que la obesidad puede ser una condición debilitante de salud, de modo que los obesos tienden a ser menos productivos que los no obesos y por tanto, tienen menor posibilidad de ser empleados. Además, podría existir discriminación hacia los obesos, lo cual condiciona sus posibilidades de ser contratados. (2). Que el desempleo cause obesidad. Esto puede darse debido a que las personas desempleadas al tener menores ingresos tienen una mayor tendencia a consumir comida obesogénica, la cual es más barata. (3). Que haya variables no observadas, como la preferencia del tiempo, que estén correlacionadas tanto con la obesidad como con el desempleo. (4). Que la obesidad pueda ser medida sistemáticamente con error debido a factores no observados correlacionados con el empleo. 6 Para realizar este estudio revisamos todas las encuestas de salud de España, buscando aquellas encuestas que mostraran datos municipales. Finalmente fueron pedidas ex-profeso las tres oleadas de microdatos de las Encuestas de Salud de la Comunidad Valenciana para los años 2000-2001, 2005 y 2010. Estas encuestas fueron las que cumplían con los requisitos de información que necesitábamos. 7 2. REVISIÓN DE LITERATURA Muchos estudios han analizado cómo afecta la obesidad a los salarios percibidos y al mercado de trabajo, usando como principal medida el IMC (Índice de Masa Corporal), que se define como el cociente entre el peso en kg. y la altura al cuadrado en metros. Esa medida ha sido definida por la OMS y clasifica a los adultos en obesos si su IMC es superior a 30, y adultos con sobrepeso si el IMC se sitúa entre 25 y 30. Los resultados muestran que en algunos casos existe una relación negativa entre obesidad y salario. Stephen Morris (2006) analizó el impacto del IMC en el rendimiento laboral en Inglaterra, usando datos de corte transversal en varias oleadas provenientes de la Encuesta de Salud de Inglaterra (Health Survey of England) para 1997 y 1998. Descubrió que existe un efecto positivo y significativo del IMC sobre el rendimiento laboral en hombres y un efecto negativo y significativo en mujeres. Sin embargo, el efecto varía en hombres si se consideran diferentes covariables, mientras que en las mujeres el efecto se mantiene independientemente de las covariables. No se logra encontrar un instrumento significativo para identificar si existen problemas de endogeneidad con respecto al IMC. Posteriormente, Morris (2007), con la misma base de datos, analizó el impacto de la obesidad en el empleo en el Reino Unido. Usó tres enfoques: un modelo probit univariante, el emparejamiento (más concretamente propensity score matching), y una regresión de variables instrumentales usando un modelo probit bivariable. Los resultados muestran que la obesidad tiene un efecto negativo y significativo sobre el empleo tanto en hombres como en mujeres. En hombres la endogeneidad de la obesidad no afecta a las estimaciones, mientras que en las mujeres sí afecta; se infraestima el impacto negativo de la obesidad en el empleo para estas. Charles L. Baum y William F. Ford (2004) realizaron un estudio con datos temporales de la Encuesta Longitudinal Nacional de la Juventud (National Longitudinal Survey of Youth) de EEUU desde 1981 hasta 1998, con el objetivo de analizar los efectos de la obesidad sobre los salarios según el género. Se observó que tanto 8 hombres como mujeres sufren una penalización salarial por su obesidad durante las dos primeras décadas de su carrera profesional. Las variables socioeconómicas y familiares empleadas no explican por qué los obesos sufren estas penalizaciones, así que quizás otras variables no medidas como la discriminación laboral, los factores de salud o los patrones de comportamiento de los obesos las explican. Meliyanni Johar y Hajime Katayama (2012) analizan la relación entre la masa corporal y los salarios, usando la Encuesta Longitudinal Nacional de la Juventud de 1979 (National Longitudinal Survey of Youth) de EEUU. A través de una regresión de cuantiles describen ampliamente esta relación a lo largo de la distribución salarial. También se consideran las habilidades sociales que requiere un trabajo. Los resultados muestran que para las mujeres la masa corporal y los salarios están correlacionados negativamente en toda la distribución de salarios, y especialmente esta relación es mayor en los salarios más elevados. Sin embargo, para los hombres la relación es prácticamente constante en toda la distribución, pero heterogénea entre grupos étnicos. Hombres y mujeres blancos con obesidad son los que reciben una mayor penalización salarial, así como estas penalizaciones son mayores para los trabajos que requieren más habilidades sociales. John Cawley y Chad Meyerhoefer (2012) utilizaron una base de datos proveniente del Estudio de Panel del Gasto Médico (Medical Expenditure Panel Survey) para 20002005 en EEUU. Se emplean variables instrumentales para medir el impacto de la obesidad sobre los costes médicos, de modo que se aborda la endogeneidad del peso y el sesgo de declarar el peso incorrectamente se reduce. El modelo de variables instrumentales utiliza la variación genética en el peso como un experimento natural. Los resultados muestran que los costes médicos de la obesidad son realmente más elevados que los predichos en anteriores estudios. Edward C. Norton y Euna Han (2008) realizaron un estudio con la información genética de genes específicos ligados a la obesidad como variable instrumental para EEUU. Se usaron datos de adolescentes provenientes del Estudio Longitudinal Nacional de Adolescentes a Adultos (National Longitudinal Study of Adolescent to Adult Health) del año 2001 a 2002. Los resultados mostraron que la obesidad en el 9 pasado (lagged obesity) no tiene efecto sobre la probabilidad de tener empleo ni sobre los salarios, tanto para hombres como para mujeres. Los dos autores anteriores, Edward C. Norton y Euna Han, junto con Sally C. Stearns (2009), elaboraron un estudio donde tienen en cuenta el efecto marginal de grupos no-lineales de IMC variando según género, edad, y tipo de relaciones interpersonales requeridas en cada ocupación. Se usa la Encuesta Longitudinal Nacional de la Juventud (National Longitudinal Study of Youth) de EEUU desde 1982 a 1998. Los resultados muestran que la relación negativa entre el IMC y los salarios es mayor en ocupaciones que requieren mayores habilidades interpersonales con posiblemente mayores interacciones sociales. Además, la penalización salarial se incrementa a medida que los encuestados superan los 25 años. Tener sobrepeso y ser obeso penaliza asimismo la probabilidad de trabajar para todos los tipos de razas y géneros excepto los de raza negra. Petter Lundborg, Paul Nystedt y Dan-Olof Rooth (2014) muestran nuevas evidencias sobre la penalización a largo plazo en el mercado laboral de adolescentes con sobrepeso y obesidad utilizando datos a gran escala de 150.000 hermanos de los listados militares de Suecia. Se observan cuatro resultados importantes: primero, la evidencia de una penalización de los hombres en el trabajo por haber sido obesos de adolescentes; segundo, se replica este resultado empleando datos de EEUU y Reino Unido; tercero, se observa una fuerte relación dentro de la familia entre el tamaño corporal y las habilidades cognitivas y no cognitivas; y cuarto, una gran parte de la penalización del peso refleja una baja adquisición de habilidades entre los estudiantes con sobrepeso u obesos. Por otro lado, concretamente para España, se han realizado estudios sobre el gradiente social de obesidad, es decir, sobre la relación entre la situación sociodemográfica del individuo y el nivel de sobrepeso. Sin embargo, a día de hoy, no hay literatura que abarque la relación entre obesidad y mercado de trabajo en España. A continuación se describen brevemente algunos de los estudios que se han hecho sobre esta temática en España. 16 importante número de preguntas con las de encuestas de salud realizadas en la Comunidad Valenciana anteriormente, y con otras encuestas españolas y europeas. 3.3. Encuesta de Salud de la Comunidad Valenciana 2010 Diseño del estudio La encuesta de salud de la Comunitat Valenciana 2010, es un estudio transversal descriptivo de la población de la Comunitat Valenciana utilizando como marco de muestreo el Sistema de Información Poblacional (SIP). La recogida de información se ha realizado a lo largo de 5 meses desde febrero a junio de 2010. Diseño muestral Tipo de muestreo Se llevaron a cabo dos muestreos diferentes dependiendo del tamaño del municipio: - Para los municipios de más de 7.500 habitantes, se realizó un muestreo estratificado simple aleatorio sin reemplazamiento, siendo el estrato la combinación de provincia, edad y sexo. En este grupo de municipios es donde se concentraba la mayor parte de la muestra debido a su peso demográfico (aproximadamente el 87% de la población de la Comunitat Valenciana vive en municipios de más de 7.500 habitantes). - En los municipios de hasta 7.500 habitantes, se realizó un muestreo bietápico, siendo las unidades primarias de selección los municipios y seleccionándose en cada municipio un número fijo de personas con el fin de obtener una muestra autoponderada. Tamaño de la muestra Para estimar el tamaño de la muestra, se consideró que el error de muestreo final sería similar al obtenido si el muestreo utilizado hubiera sido aleatorio simple. Esta 17 suposición es bastante razonable ya que el estrato en el que se iba a realizar el muestreo bietápico representa en torno al 13% de la población. Para el estrato de municipios de más de 7.500 habitantes se exigió que el coeficiente de variación de la estimación de características con una proporción de al menos el 20%, no superara el 5%, en el caso de 16 o más años, y el 7,5% en el caso de los menores de 16 años; en ambos casos para cada sexo por separado. Esto implica que, para ese grupo de municipios, el tamaño muestral era de 4.622 personas. En el estrato de municipios de menos de 7.500 habitantes, con el fin de obtener representatividad suficiente, se seleccionaron 30 municipios y dentro de cada uno de ellos, 15 personas, lo que supone una muestra de 450 personas adicionales. Estos dos procedimientos generaron una muestra total de 5.072 personas. Adicionalmente se incluyó una muestra de 178 personas más, cuya dirección registrada en SIP no permitía ser asignada a una sección censal. La muestra final quedó así formada por 5.250 personas. Como novedad, cabe destacar que la muestra de la encuesta de menores ha sido seleccionada de manera independiente a la muestra de los adultos. Por lo que, a diferencia de la Encuesta de Salud 2005, la elección del menor no queda vinculada al hogar del adulto seleccionado. Selección de la muestra En los municipios de más de 7.500 habitantes la muestra se seleccionó mediante un muestreo estratificado simple aleatorio sin reemplazamiento, siendo el estrato la combinación de provincia, sexo y grupos de edad (menos de 16 años, de 16 a 44 años, de 45 a 64 años y 65 y más años). La afijación entre edades y provincias fue aproximadamente proporcional. En el estrato de municipios de hasta 7.500 habitantes la muestra se seleccionó en dos fases. En la primera fase se seleccionaron 30 municipios con probabilidad proporcional a su población y sin reemplazo. Posteriormente, dentro de cada municipio incluido en la muestra se seleccionaron 15 personas mediante muestreo 18 sistemático con arranque aleatorio, ordenando previamente el marco de personas de cada municipio por sexo y edad, con el objetivo de que la muestra de cada municipio barriera todo el rango de edades y sexo. En la última tabla que se muestra en el anexo, se presentan los tamaños muestrales y algunos de los errores de muestreo teóricos derivados del diseño planteado, para los municipios de más de 7.500 habitantes. 3.4. Datos adicionales Adicionalmente, añadimos variables obtenidas a partir de la base de datos municipal del portal de Estudios y Análisis Económico de la Caixa 1 . Se recogieron los datos del paro y la población municipal para los años 2001, 2005 y 2010, teniendo como limitación la exclusión de aquellos municipios de menos de 1.000 habitantes. También se recogieron datos sobre la extensión en km2 de los municipios, con el fin de calcular la densidad poblacional para los períodos de interés. Suponemos que la densidad de población está correlacionada de forma positiva con la obesidad, de modo que a mayor densidad poblacional habrá más obesos. Por lo que en municipios poco poblados –que consideramos ruralespensamos que hay menor obesidad puesto que la oferta de restaurantes de comida rápida y la cercanía a los mismos es bastante inferior con respecto a las ciudades. Así mismo, suponemos que existe también correlación entre el paro y la obesidad, siendo el paro un factor que afecta a los hábitos alimenticios y deportivos de las personas que llevan un tiempo desempleadas. Utilizaremos las variables mencionadas como instrumento de la obesidad, de manera que se pueda corregir su endogeneidad. 1 http://www.anuarieco.lacaixa.comunicacions.com/java/X?cgi=caixa.le_DEM.pattern& 19 3.5. Base de datos final Tras unificar las tres bases de datos y los datos adicionales, obtuvimos una muestra de 15.951 observaciones. Sin embargo, nuestra muestra de interés varía según el modelo, en el caso del primero se reduce a 7.027 observaciones puesto que consideramos únicamente la población activa, que trabaja o está desempleada. Para unir correctamente las tres bases de datos, fue necesario recodificar numerosas variables, puesto que había cambios en las preguntas del cuestionario de un período a otro. También generamos nuevas variables a partir de otras de modo que coincidieran las variables en todas las encuestas, así como unificamos los nombres de todas las variables. Y por último, declaramos los valores perdidos (missing values). 20 4. METODOLOGÍA 4.1. Modelos estadísticos A continuación explicaremos los métodos estadísticos utilizados. Como analizaremos principalmente probabilidades, hemos optado por emplear modelos de elección binaria, como el probit. Evitamos recurrir a modelos lineales de probabilidad, puesto que tienen la limitación de que las probabilidades estimadas puedan ser menores que cero o mayores que uno, además de que el efecto parcial de las variables explicativas es constante. Desde el punto de vista teórico, en el modelo Probit la función G es la función de distribución acumulada (fda) de una variable aleatoria normal tipificada, que podemos expresar como una integral: 𝐺(𝑣)=Φ(𝑣)=∫∅(𝑧)𝑑𝑧 𝑣 −∞ , Donde ∅(𝑣) es la función de densidad de una variable aleatoria normal tipificada y 0<G(v)<1, para todo número real v. 𝜙(𝑣)=(2𝜋)−1 2exp(−𝑣2 2) Esta forma funcional para G también asegura que el modelo de elección binaria del que partimos, 𝑃(𝑦=1|𝑥)=𝐺(𝛽0+𝑥𝛽), donde x es el vector de variables explicativas excluyendo la constante. Esta expresión toma valores entre cero y uno para cualquier valor de los parámetros y de las xj. Así mismo, también aplicaremos variables instrumentales con el modelo probit, debido a que la obesidad puede ser endógena. Explicando de forma breve, supondremos que una variable explicativa del modelo está correlacionada con el error. Para corregirlo y obtener estimadores consistentes de los parámetros necesitaremos alguna información adicional, que provendrá de una nueva variable que satisface dos supuestos: no está correlacionada asintóticamente con el error y por tanto no debería tener efecto parcial sobre la variable endógena, y está correlacionada asintóticamente con la variable explicativa mencionada anteriormente. 21 Por último, haremos uso del modelo probit ordenado, en el cual hay más de dos resultados para una variable dependiente ordinal. Es decir, que la variable dependiente representa varios valores ordenados en un grado ascendente o descendente. Por ejemplo: la satisfacción en el trabajo se clasificaría de menos a más, habiendo muy poca, poca, bastante o mucha. Este modelo se estima utilizando máxima verosimilitud. 4.2. Software aplicado Para ordenar de forma adecuada las variables y las observaciones de las diferentes bases de datos empleamos el programa Microsoft Excel. Una vez preparadas las bases de datos, estas fueron importadas al software Stata. El Stata (www.stata.com) es un paquete estadístico bastante completo y potente que permite llevar a cabo análisis de datos, gestión de datos y múltiples tipos de gráfico. Además, ofrece una amplia gama de herramientas estadísticas que van desde los métodos más básicos a las técnicas más avanzadas. Tras la realización de los modelos, aplicamos el comando outreg (FAQ Stata, UCLA), empleado para hacer tablas de regresiones en un formato que se suele usar en artículos de investigación. Por todo esto, es un programa que nos permite implementar los modelos estadísticos mencionados en el apartado anterior. 4.3. Nuestros modelos Hemos estimado tres modelos: primero, la probabilidad de estar desempleado en función de factores como la obesidad, la edad, etc.; segundo, la discriminación subjetiva de malos tratos recibida por los obesos; y tercero, la satisfacción en el trabajo percibida por las personas empleadas que sufren obesidad. 22 4.3.1. Modelo 1: Probabilidad de estar desempleado Usamos como variable endógena Desempleado, que es una variable dicotómica con valor 0 si el individuo está trabajando y valor 1 si el individuo está en el paro. Por tanto, hemos seleccionado únicamente la muestra de población activa, excluyendo a jubilados, amas de casa, estudiantes, etc. Como variables explicativas se usa el sexo, la edad, los efectos fijos temporales y la interacción del año con la obesidad, entre otras. Con el fin de corregir la endogeneidad de la obesidad usamos variables instrumentales: la densidad poblacional y la tasa de desempleo de los municipios, o el deporte que realiza el individuo en su tiempo libre. Empleamos un modelo probit con variables instrumentales, siguiendo una estimación en dos etapas, de acorde a la explicación detallada que aparece en el manual de Stata 13 sobre ivprobit2. Primero, se estima a través de máxima verosimilitud la expresión que se muestra debajo. Segundo, se realiza una estimación donde suponemos Cov (X1, u) ≠ 0, donde X1 es la variable endógena que representa la obesidad. Pr(𝐷𝑒𝑠𝑒𝑚𝑝𝑙𝑒𝑎𝑑𝑜=1|𝑋)= 𝐺(𝛽0+𝛽1𝑋1+⋯+𝛽𝑘𝑋𝑘)+𝑢, 4.3.2. Modelo 2: Discriminación subjetiva de malos tratos Intentamos ver si el hecho de ser obeso hace que el individuo sufra más malos tratos que el resto. La variable dependiente es Maltrato, con valor 1 si el individuo ha sufrido malos tratos y valor 0 si no los ha sufrido. Entre las variables independientes se incluye obeso, obeso mórbido, el efecto fijo temporal, la edad, etc. El modelo que mejor se adapta es un probit: Pr(𝑀𝑎𝑙𝑡𝑟𝑎𝑡𝑜=1|𝑋)=𝐺(𝛽0+𝛽1𝑋1+...+𝛽𝑘𝑋𝑘)+𝑢 2 http://www.stata.com/manuals13/rivprobit.pdf 23 4.3.3. Modelo 3: Satisfacción laboral de obesos En este modelo analizamos si los obesos tienen una mayor o menor satisfacción en su trabajo. La variable endógena es la satisfacción en el trabajo, una variable cualitativa nominal con valor 1 si no hay nada de satisfacción en el trabajo, valor 2 si hay poca satisfacción, valor 3 si existe bastante satisfacción y valor 4 si se tiene la máxima satisfacción. Como variables exógenas se usan las mismas que hemos vistos en los modelos anteriores: obeso, obeso mórbido, sexo, etc. Utilizamos un modelo probit ordenado, el cual supone la existencia de una variable latente continua tal que: 𝑦𝑖∗=𝛽0+𝛽1𝑋1+⋯+𝛽𝑘𝑋𝑘+𝑢 𝑦𝑖∗| 𝑥𝑖 󰇍 󰇍 󰇍 ~𝑁(0,𝜎2) Donde las X1, X2,… Xk, representan las variables exógenas sexo, obeso, obeso mórbido, etc. Por tanto el modelo cumpliría estas condiciones: 𝑃𝑟𝑜𝑏(𝑆𝑎𝑡𝑖𝑠𝑓𝑎𝑐𝑐𝑖ó𝑛𝑡𝑟𝑎𝑏𝑎𝑗𝑜 =1|𝑥)=𝑃𝑟𝑜𝑏(𝑦∗≤𝜇1) 𝑃𝑟𝑜𝑏(𝑆𝑎𝑡𝑖𝑠𝑓𝑎𝑐𝑐𝑖ó𝑛𝑡𝑟𝑎𝑏𝑎𝑗𝑜 =2|𝑥)=𝑃𝑟𝑜𝑏(𝜇𝑗−1 <𝑦∗<𝜇𝑗) 𝑃𝑟𝑜𝑏(𝑆𝑎𝑡𝑖𝑠𝑓𝑎𝑐𝑐𝑖ó𝑛𝑡𝑟𝑎𝑏𝑎𝑗𝑜 =3|𝑥)=𝑃𝑟𝑜𝑏(𝜇𝑗−1 <𝑦∗<𝜇𝑗) 𝑃𝑟𝑜𝑏(𝑆𝑎𝑡𝑖𝑠𝑓𝑎𝑐𝑐𝑖ó𝑛𝑡𝑟𝑎𝑏𝑎𝑗𝑜 =4|𝑥)=𝑃𝑟𝑜𝑏(𝑦∗>𝜇4) 24 5. RESULTADOS 5.1. Descriptivos de variables cualitativas y cuantitativas En primer lugar, se muestran en la Tabla 1 los descriptivos de las variables cualitativas de nuestra muestra, y en segundo lugar, en la Tabla 2 aparecen los descriptivos de las variables cuantitativas. Cabe destacar que en dichas tablas son incluidas todas las variables de las encuestas, a pesar de que no se hayan usado todas para el trabajo. Observamos en la Tabla 1 que la mayoría de las variables tienen entre 9.000 y 15.000 observaciones aproximadamente. Las variables que tienen aproximadamente 9.000 observaciones pertenecen a las encuestas de los años 2005 y 2010, e incluyen principalmente las enfermedades y la descripción del estado de salud del individuo bajo determinadas circunstancias como movilidad, dolor, depresión, etc. Nuestras principales variables de interés son la salud, la satisfacción laboral, el IMC superior a 30 (recordemos que es el parámetro que usamos para medir la obesidad), los malos tratos, el sexo, y el período temporal, entre otros. En las últimas filas de la Tabla 1, a partir de la variable desempleado, aparecen las variables dicotómicas que hemos generado con el fin de explicar mejor los modelos. Tabla 1. Descriptivos de variables cualitativas Variable Observaciones Categorías Frecuencias no_fuma (Razones por las que no fuma) 2457 1  Por enfermedad actual 2  Por prevenir enfermedad futura 3  Por mejorar la salud actual 4  Por ahorrar dinero 5  Por dar ejemplo 6  Por presiones del entorno 7  Por otras razones 327 (13.31 %) 578 (23.52 %) 777 (31.62 %) 27 (1.10%) 76 (3.09 %) 72 (2.93 %) 600 (24.42 %) tipo_contr~o (Tipo de contrato laboral) 5447 1  Funcionario 2  Contrato indefinido permanente 3  Contrato fijo discontinuo 4  Contrato temporal 5  Sin contrato 6  Trabajador por cuenta propia 7  Otro 413 (7.58 %) 2.407 (44.19 %) 590 (10.83 %) 794 (14.58 %) 191 (3.51 %) 1.015 (18.63 %) 37 (0.68 %) dieta_acon~o (Persona que le ha aconsejado el régimen) 733 1  Personal sanitario 2  Usted mismo 3  Un familiar 4  Lo leí en una revista 5  Un amigo 6  Otros 551 (75.17 %) 161 (21.96 %) 7 (0.95 %) 4 (0.55 %) 4 (0.55 %) 6 (0.82 %) 25 consumo_ve~s (Consumo de verduras) 15850 1  3 o + veces al día 2  1 o 2 veces al día 3  3 - 6 veces a la semana 4  1 o 2 veces a la semana 5  1 o 2 veces al mes 6  Nunca 1.480 (9.34 %) 7.770 (49.02 %) 4.504 (28.42 %) 1.698 (10.71 %) 215 (1.36 %) 183 (1.15 %) consumo_fr~s (Consumo de frutas) 15852 1  3 o + veces al día 2  1 o 2 veces al día 3  3 - 6 veces a la semana 4  1 o 2 veces a la semana 5  1 o 2 veces al mes 6  Nunca 2.464 (15.54 %) 9.016 (56.88 %) 2.749 (17.34 %) 1.150 (7.25 %) 265 (1.67 %) 208 (1.31 %) edad_cat (Categoría de edad) 15951 1  16 – 24 años 2  25 – 44 años 3  45 – 64 años 4  65 – 74 años 5  75 – 84 años 6  85 o + años 1.808 (11.33 %) 5.790 (36.30 %) 4.336 (27.18 %) 2.294 (14.38 %) 1.372 (8.60 %) 351 (2.20 %) situacio~ral (Situación laboral) 15913 1  Trabajando 2  Parado 3  Labores del hogar 4  Jubilado / Pensionista 5  Estudiante 6  Otros 7.027 (44.16 %) 920 (5.78 %) 3.291 (20.68 %) 3.575 (22.47 %) 902 (5.67 %) 198 (1.24 %) situacio~nal (Situación profesional) 6527 1  Empresario con asalariados a su cargo 2  Trabajador autónomo 3  Asalariado 4  Ayuda familiar 5  Socio de una cooperativa o SAL / SLL 6  Otros 253 (3.88 %) 1.145 (17.54 %) 4.786 (73.33 %) 55 (0.84 %) 56 (0.86 %) 232 (3.55 %) salud (Estado de salud actual) 15926 1  Muy Bueno 2  Bueno 3  Regular 4  Malo 5  Muy Malo 2.533 (15.90 %) 8.992 (56.46 %) 3.486 (21.89 %) 803 (5.04 %) 112 (0.70 %) act_trabajo (Actividad física en el trabajo y otros) 10635 1  Sentado, pocos desplazamientos 2  De pie, sin grandes desplazamientos 3  Combino sentado y de pie 4  Caminando, con algún peso 5  Trabajo pesado, gran esfuerzo físico 2.696 (25.35 %) 3.013 (28.33 %) 3.529 (33.18 %) 1.041 (9.79 %) 356 (3.35 %) nivel_renta (Nivel de renta) 14733 1  Alta 2  Media Alta 3  Media 4  Media Baja 5  Baja 144 (0.98 %) 945 (6.41 %) 8.152 (55.33 %) 3.279 (22.26 %) 2.213 (15.02 %) estado_civil (Estado civil) 15842 1  Soltero 2  Casado o convive en pareja 3  Divorciado/ separado 4  Viudo 5  Religioso 3.776 (23.84 %) 9.926 (62.66 %) 610 (3.85 %) 1.523 (9.61 %) 7 (0.04 %) fuma (Si fuma o no y frecuencia) 15896 1  No fuma ni ha fumado nunca 2  No fuma, pero ha fumado 3  Sí, fuma esporádicamente 4  Sí, fuma diariamente 8.445 (53.13 %) 2.630 (16.55 %) 611 (3.84 %) 4.210 (26.48 %) percepcion~o (Autopercepción del peso) 15895 1  Delgado 2  Normal 3  Sobrepeso 4  Gordo u obeso 1.345 (8.46 %) 9.724 (61.18 %) 4.279 (26.92 %) 547 (3.44 %) 32 Gráfica 4. Comparativa de tipo de contrato entre obesos y no obesos Por último, en las Gráfica 5 y 6 observamos las diferencias existentes entre el estado de salud de los obesos frente al resto de la población. Como es lógico, los obesos tienen peor salud, habiendo un porcentaje de obesos con salud regular que oscila entre el 30 y 40 % para hombres y mujeres, respectivamente, en comparación con el resto de la muestra donde hay aproximadamente un 20 % de individuos con salud regular. Es reseñable también la notoria diferencia entre el estado de salud de los hombres con obesidad en relación al de las mujeres obesas, habiendo en líneas generales peor salud en mujeres. Gráfica 5. Estado de salud en hombres 010 20 30 40 50 Otros Trabajador por cuenta propia Sin contrato Contrato temporal Contrato fijo discontinuo Contrato indefinido permanente Funcionario % DE DISTRIBUCIÓN DE LA MUESTRA DE POBLACIÓN ACTIVA Comparativa de tipo de contrato Con obesidad Resto 0 10 20 30 40 50 60 Muy Bueno Bueno Regular Malo Muy malo % DISTRIBUCIÓN DE LA MUESTRA ESTADO DE SALUD Hombres Con obesidad Resto 0 10 20 30 40 50 60 Muy Bueno Bueno Regular Malo Muy malo % DISTRIBUCIÓN DE LA MUESTRA ESTADO DE SALUD Mujeres Con obesidad Resto Gráfica 6. Estado de salud en mujeres 33 5.3. Modelos Previamente a presentar los resultados, analizamos la relación que existía entre las variables implicadas en cada modelo, realizando para ello diversos test chi-cuadrado entre la variable endógena de cada modelo y el resto de variables explicativas. Veremos que para todos los casos se rechaza la hipótesis al 1 % de que no haya cambios de la variable endógena con respecto a las explicativas como el sexo, año, obeso, edad, etc.; excepto para el maltrato durante el año 2005 (al 5 %). Destacamos que empleamos la categoría de edad en lugar de la edad para observar la relación entre las variables, puesto que es más práctico y los resultados son los mismos. Desempleado Tabla 3. Desempleado en 2005 Dummy=1 para el año 2005 Desempleado No Sí Total No 4,195 2,832 7,027 % 87.05 90.54 88.42 Sí 624 296 920 % 12.95 9.46 11.58 Total 4,819 3,128 7,947 % 100 100 100 Pearson chi2(1) = 22.5155 Pr = 0.000 Tabla 4. Desempleado en 2010 Tabla 5. Desempleado y obesos no mórbidos Dummy=1 para el año 2010 Desempleado No Sí Total No 5,570 1,457 7,027 % 91.97 77.05 88.42 Sí 486 434 920 % 8.03 22.95 11.58 Total 6,056 1,891 7,947 % 100 100 100 Pearson chi2(1) = 313.6126 Pr = 0.000 Obeso (30<IMC<40) Desempleado No Sí Total No 6,190 616 6,806 % 88.81 84.73 88.42 Sí 780 111 891 % 11.19 15.27 11.58 Total 6,970 727 7,697 % 100 100 100 Pearson chi2(1) = 10.6927 Pr = 0.001 34 Tabla 6. Desempleado y sexo Tabla 7. Desempleado y edad en intervalos Tabla 8. Desempleado y todos los obesos Tabla 9. Desempleado y obesos mórbidos Sexo Desempleado Hombre Mujer Total No 4,086 2,941 7,027 % 89.64 86.78 88.42 Sí 472 448 920 % 10.36 13.22 11.58 Total 4,558 3,389 7,947 % 100 100 100 Pearson chi2(1) = 15.5734 Pr = 0.0000 Edad en intervalos (años) Desempleado 16-24 25-44 45-64 65-74 75-84 85 ó + Total No 757 4,059 2,131 59 15 6 7,027 % 82.37 89.19 89.31 89.39 78.95 100 88.42 Sí 162 492 255 7 4 0 920 % 17.63 10.81 10.69 10.61 21.05 0 11.58 Total 919 4,551 2,386 66 19 6 7,947 % 100 100 100 100 100 100 100 Pearson chi2(5) = 39.8376 Pr = 0.000 Obeso (IMC>30) Desempleado No Sí Total No 6,390 637 7,027 % 88.86 84.26 88.42 Sí 801 119 920 % 11.14 15.74 11.58 Total 7,191 756 7,947 % 100 100 100 Pearson chi2(1) = 14.1519 Pr = 0.000 Obeso mórbido (IMC>40) Desempleado No Sí Total No 6,785 21 6,806 % 88.48 72.41 88.42 Sí 883 8 891 % 11.52 27.59 11.58 Total 7,668 29 7,697 % 100 100 100 Pearson chi2(1) = 7.2897 Pr = 0.007 35 Tabla 10. Desempleado y actividad física en el tiempo libre Malos tratos Tabla 11. Malos tratos y estado de salud Tabla 12. Malos tratos y desempleado Tabla 13. Malos tratos en 2005 Actividad física realizada en el tiempo libre Desempleado No hace ejercicio Muy poca actividad Actividad de forma regular Actividad diariamente Total No 2,927 2,546 711 749 6,933 % 89.87 87.55 88.65 84.92 88.33 Sí 330 362 91 133 916 % 10.13 12.45 11.35 15.08 11.67 Total 3,257 2,908 802 882 7,849 % 100 100 100 100 100 Pearson chi2(3) = 19.2098 Pr = 0.000 Estado de salud Maltrato Muy Bueno Bueno Regular Malo Muy Malo Total No 2,445 8,631 3,263 730 106 15,175 % 16.11 56.88 21.5 4.81 0.7 100 Sí 70 293 178 62 3 606 % 11.55 48.35 29.37 10.23 0.5 100 Total 2,515 8,924 3,441 792 109 15,781 % 15.94 56.55 21.8 5.02 0.69 100 Pearson chi2(4) = 66.1173 Pr = 0.0000 Desempleado Maltrato No Sí Total No 6,692 828 7,520 % 88.99 11.01 100 Sí 267 85 352 % 75.85 24.15 100 Total 6,959 913 7,872 % 88.4 11.6 100 Pearson chi2(1) = 56.6013 Pr = 0.0000 Dummie=1 para año 2005 Maltrato 0 1 Total 0 9,763 5,435 15,198 % 64.24 35.76 100 1 366 241 607 % 60.3 39.7 100 Total 10,129 5,676 15,805 % 64.09 35.91 100 Pearson chi2(1) = 3.9412 Pr = 0.047 36 Tabla 14. Malos tratos en 2010 Tabla 15. Malos tratos y obeso mórbido Tabla 16. Malos tratos y sexo Tabla 17. Malos tratos y edad en intervalos Dummie=1 para año 2010 Maltrato No Sí Total No 11,904 3,294 15,198 % 78.33 21.67 100 Sí 430 177 607 % 70.84 29.16 100 Total 12,334 3,471 15,805 % 78.04 21.96 100 Pearson chi2(1) = 19.0853 Pr = 0.000 Obeso mórbido (IMC>40) Maltrato No Sí Total No 14,184 90 14,274 % 99.37 0.63 100 Sí 573 11 584 % 98.12 1.88 100 Total 14,757 101 14,858 % 99.32 0.68 100 Pearson chi2(1) = 13.0477 Pr = 0.000 Sexo Maltrato Hombre Mujer Total No 6,898 8,300 15,198 % 45.39 54.61 100 Sí 201 406 607 % 33.11 66.89 100 Total 7,099 8,706 15,805 % 44.92 55.08 100 Pearson chi2(1) = 35.54 Pr = 0.000 Edad en intervalos (años) Maltrato 16-24 25-44 45-64 65-74 75-84 85 ó + Total No 1,724 5,504 4,104 2,208 1,324 334 15,198 % 11.34 36.22 27 14.53 8.71 2.2 100 Sí 74 241 185 67 36 4 607 % 12.19 39.7 30.48 11.04 5.93 0.66 100 Total 1,798 5,745 4,289 2,275 1,360 338 15,805 % 11.38 36.35 27.14 14.39 8.6 2.14 100 Pearson chi2(5) = 21.5659 Pr = 0.001 37 Tabla 18. Malos tratos y todos los obesos Tabla 19. Malos tratos y obesos no mórbidos Satisfacción laboral Tabla 20. Satisfacción laboral y todos los obesos Obeso (IMC>30) Maltrato No Sí Total No 13,276 1,922 15,198 % 87.35 12.65 100 Sí 500 107 607 % 82.37 17.63 100 Total 13,776 2,029 15,805 % 87.16 12.84 100 Pearson chi2(1) = 12.9433 Pr = 0.000 Obeso (30<IMC<40) Maltrato No Sí Total No 12,442 1,832 14,274 % 87.17 12.83 100 Sí 488 96 584 % 83.56 16.44 100 Total 12,930 1,928 14,858 % 87.02 12.98 100 Pearson chi2(1) = 6.4527 Pr = 0.011 Obeso (IMC>30) Satisfacción laboral No Sí Total Nada satisfecho 164 31 195 % 84.1 15.9 100 Poco satisfecho 1,314 176 1,490 % 88.19 11.81 100 Bastante satisfecho 478 4,757 % 89.95 10.05 100 Total satisfacción 1,490 201 1,691 % 88.11 11.89 100 Total 7,247 886 8,133 % 89.11 10.89 100 Pearson chi2(3) = 11.5431 Pr = 0.009 38 Tabla 21. Satisfacción laboral y sexo Tabla 22. Satisfacción laboral en 2010 Tabla 23. Satisfacción laboral en 2005 Sexo Satisfacción laboral Hombre Mujer Total Nada satisfecho 107 88 195 % 54.87 45.13 100 Poco satisfecho 803 687 1,490 % 53.89 46.11 100 Bastante satisfecho 2,858 1,899 4,757 % 60.08 39.92 100 Total satisfacción 981 710 1,691 % 58.01 41.99 100 Total 4,749 3,384 8,133 % 58.39 41.61 100 Pearson chi2(3) = 19.0881 Pr = 0.000 Dummie=1 para el año 2010 Satisfacción laboral No Sí Total Nada satisfecho 108 87 195 % 55.38 44.62 100 Poco satisfecho 924 566 1,490 % 62.01 37.99 100 Bastante satisfecho 3,257 1,500 4,757 % 68.47 31.53 100 Total satisfacción 1,109 582 1,691 % 65.58 34.42 100 Total 5,398 2,735 8,133 % 66.37 33.63 100 Pearson chi2(3) = 33.0603 Pr = 0.0000 Dummie=1 para el año 2005 Satisfacción laboral No Sí Total Nada satisfecho 124 71 195 % 63.59 36.41 100 Poco satisfecho 855 635 1,490 % 57.38 42.62 100 Bastante satisfecho 3,300 1,457 4,757 % 69.37 30.63 100 Total satisfacción 1,173 518 1,691 % 69.37 30.63 100 Total 5,452 2,681 8,133 % 67.04 32.96 100 Pearson chi2(3) = 79.7831 Pr = 0.0000 39 Tabla 24. Satisfacción laboral y estado de salud Tabla 25. Satisfacción laboral y edad en intervalos Estado de salud Satisfacción laboral Muy Bueno Bueno Regular Malo Muy malo Total Nada satisfecho 25 109 49 9 3 195 % 12.82 55.90 25.13 4.62 1.54 100 Poco satisfecho 216 944 272 48 6 1,486 % 14.54 63.53 18.30 3.23 0.4 100 Bastante satisfecho 923 3,114 614 86 12 4,749 % 19.44 65.57 12.93 1.81 0.25 100 Total satisfacción 398 987 255 41 8 1,689 % 23.56 58.44 15.10 2.43 0.47 100 Total 1,562 5,154 1,190 184 29 8,119 % 19.24 63.48 14.66 2.27 0.36 100 Pearson chi2(12) = 112.7401 Pr = 0.000 Edad en intervalos (años) Satisfacción laboral 16-24 25-44 45-64 65-74 75-84 85 ó + Total Nada satisfecho 23 98 56 8 5 5 195 % 11.79 50.26 28.72 4.1 2.56 2.56 100 Poco satisfecho 169 720 447 80 54 20 1,490 % 11.34 48.32 30 5.37 3.62 1.34 100 Bastante satisfecho 473 2,589 1,314 221 115 45 4,757 % 9.94 54.43 27.62 4.65 2.42 0.95 100 Total satisfacción 131 806 543 122 66 23 1,691 % 7.75 47.66 32.11 7.21 3.9 1.36 100 Total 796 4,213 2,360 431 240 93 8,133 % 9.79 51.8 29.02 5.3 2.95 1.14 100 Pearson chi2(15) = 71.0689 Pr = 0.0000 40 5.3.1. Modelo 1 ¿La obesidad aumenta la probabilidad de estar desempleado? Primero estimamos un modelo probit, sin variables instrumentales, asumiendo que la obesidad es una variable exógena y que no tiene endogeneidad. Este se muestra en la Tabla 26. Todas las variables son significativas a excepción de la densidad poblacional en el municipio. Tabla 26. Modelo probit de desempleado sin variables instrumentales Desempleado Sexo (mujer) 0.201 (4.80)** Edad -0.064 (7.24)** Edad2 0.001 (6.41)** Dummie=1 para 2005 0.141 (2.66)** Dummie=1 para 2010 0.504 (4.27)** Obeso (IMC>30) 0.187 (2.71)** Densidad municipal 0.000 -1.15 Paro en el municipio 0.035 (3.58)** Constante -0.634 (3.34)** N 7,006 Entre paréntesis, el ratio z. * p<0.05; ** p<0.01 En la Tabla 27 se muestran los efectos medios marginales del modelo probit. Vemos que ser obeso aumenta la probabilidad de estar desempleado en un 3,2 %, ser mujer en un 3,4 %, y estar en el año 2010 en un 8,6 %. También la edad al cuadrado, el año 2005 y el paro municipal tienen efectos positivos sobre el desempleo, pero con un impacto ligeramente inferior que el de las otras variables. Por otro lado, la única variable que tiene un efecto negativo sobre estar en el desempleo es la edad. Por lo que si, por ejemplo, una mujer tiene 40 años, su probabilidad de estar desempleada se reduce en un 40 % aproximadamente. 41 Tabla 27. Efectos medios marginales de modelo probit de desempleado dy/dx Std. Err. z P>z [95% Conf. Interval] Sexo (mujer) 0.0344993 0.0071869 4.8 0 0.0204134 0.0485853 Edad -0.0109628 0.0015146 -7.24 0 -0.0139313 -0.0079943 Edad2 0.000115 0.0000179 6.41 0 0.0000799 0.0001502 Dummie=1 para 2005 0.0242227 0.0091029 2.66 0.008 0.0063814 0.042064 Dummie=1 para 2010 0.0862876 0.0202253 4.27 0 0.0466468 0.1259284 Obeso (IMC>30) 0.0320084 0.0118313 2.71 0.007 0.0088194 0.0551973 Densidad municipal 1.20E-06 1.04E-06 1.15 0.249 -8.39E-07 3.24E-06 Paro municipal 0.0059543 0.0016611 3.58 0 0.0026986 0.00921 En segundo lugar, hemos estimado el modelo que se menciona en el apartado de “Metodología”. Empleamos un modelo Probit con variables instrumentales, usando Obeso (IMC>30) como variable instrumental y Deporte en el tiempo libre, Paro municipal y Densidad poblacional municipal como instrumentos. Tabla 28. Modelo probit de desempleado con variables instrumentales Desempleado M1 M2 M3 Obeso (IMC>30) 1.096 0.248 3.394 (-1.33) (-0.34) (22.33)** Sexo (mujer) 0.214 0.158 0.143 (5.12)** (3.64)** (3.76)** Edad -0.07 -0.067 -0.042 (7.90)** (6.84)** (3.86)** Edad2 0.001 0.001 0 (6.92)** (6.49)** (2.83)** Dummie=1 para 2005 0.197 0.227 0.028 (3.67)** (4.57)** (-0.6) Dummie=1 para 2010 0.823 0.842 0.174 (8.40)** (15.01)** (-1.16) Constante -0.355 -0.354 0.087 (-1.75) (-1.94) (-0.57) Obeso (IMC>30) Sexo -0.027 -0.031 -0.024 (3.82)** (4.67)** (3.51)** Edad 0.007 0.006 0.007 (4.18)** (3.98)** (4.16)** Edad2 0 0 0 (2.45)* (2.23)* (2.21)* Dummie=1 para 2005 0.008 0.018 0.005 (-0.94) (2.37)* (-0.56) Dummie=1 para 2010 0.001 0.05 -0.005 (-0.02) (5.57)** (-0.25) 48 Tabla 37. Efectos medios marginales para M7 dy/dx Std. Err. z P>z [95% Conf. Interval] Obeso (IMC>30) 0.0008289 0.0022187 0.37 0.709 -0.0035196 0.0051775 Sexo (mujer) 0.0019913 0.0013865 1.44 0.151 -0.0007262 0.0047089 Edad -0.0009253 0.0002331 -3.97 0 -0.0013822 -0.0004683 Edad2 5.04E-06 2.33E-06 2.16 0.031 4.68E-07 9.61E-06 Dummie=1 para 2005 0.0168468 0.0019602 8.59 0 0.0130049 0.0206888 Dummie=1 para 2010 0.0153339 0.002033 7.54 0 0.0113492 0.0193186 Estado de salud 2 Buena 0.0103105 0.0014527 7.1 0 0.0074633 0.0131577 3 Regular 0.0190234 0.0028492 6.68 0 0.013439 0.0246078 4 Mala 0.0265973 0.0073359 3.63 0 0.0122193 0.0409754 5 Muy mala 0.0259294 0.0175381 1.48 0.139 -0.0084447 0.0603035 49 6. DISCUSIÓN En este trabajo hemos analizado si la obesidad tiene impacto sobre el grado de desempleo, el maltrato y la satisfacción laboral para una muestra de población de la Comunidad Valenciana en España en la década de 2000. Gráficamente hemos observado que sí hay un desempleo ligeramente superior para los obesos que para el resto de la población, pero las estimaciones no muestran una relación concluyente entre ambas variables. Tampoco los resultados son concluyentes para la satisfacción laboral, aunque el estado de salud sí que tiene cierto impacto sobre la satisfacción del individuo en su puesto de trabajo. Y es destacable recordar que existe una relación positiva y significativa entre ser obeso y tener peor salud. Por último, en el caso del maltrato, sí hemos contemplado que las personas con obesidad tienen una mayor probabilidad relativa de sufrir malos tratos. Así mismo, es reseñable la diferencia existente entre géneros que se refleja en los modelos estimados. Se ha podido ver que las mujeres tienen mayor probabilidad de estar desempleadas, sufrir malos tratos y de tener ligeramente menos satisfacción en su entorno de trabajo que los hombres. Por tanto, podríamos considerar que nuestros modelos reflejan la existencia de cierta discriminación de género. Finalmente, también nos gustaría destacar ciertas limitaciones que el trabajo tiene. Algunos valores del IMC podrían ser incorrectos debido a que en la muestra pueda haber mujeres embarazadas y el peso y talla son autodeclarados; además, no son incluidos los municipios con menos de 1.000 habitantes en los datos sobre el paro y la densidad de la población. No hemos encontrado buenos instrumentos de la obesidad para los modelos, cuando la literatura insiste en que la obesidad podría ser endógena en los modelos referidos al mercado laboral. Los datos son series transversales de individuos diferentes en los tres años, aunque hubiera sido preferible contar con información longitudinal de los mismos individuos en su evolución a lo largo de la década. 50 7. CONCLUSIONES Con este trabajo hemos visto que, en términos generales, la obesidad por sí sola no tiene un alto impacto sobre el desempleo o la satisfacción laboral. No obstante, sí confirmamos que los obesos tienen una probabilidad superior de padecer malos tratos con respecto al resto de la muestra, por lo que existe cierta discriminación subjetiva hacia los obesos. Es la primera vez que en España se realiza un estudio sobre el alcance que puede llegar a tener la obesidad en el mercado laboral. Sin embargo, hemos visto que hay otros obstáculos como el sexo, la edad o el año, que afectan a la empleabilidad del individuo, y que no tienen relación con la obesidad. Es reseñable recordar que hay un mayor porcentaje de obesos que trabajan por cuenta propia, lo cual podría ser indicativo de que al poder sufrir cierto grado de discriminación laboral, les sería más fácil trabajar como autónomo con el fin de evitar esta situación. Finalmente, creo que este estudio es un buen comienzo para analizar la situación laboral y de discriminación que podrían padecer las personas con obesidad en España a través de nueva literatura sobre el tema. Sería interesante tener en cuenta los resultados de este estudio para llevar a cabo políticas públicas que fomenten medidas que prevengan y pongan remedio a la obesidad. 51 8. REFERENCIAS BIBLIOGRÁFICAS Aranceta, J., Perez-Rodrigo, C., Serra-Majem, L. L., Ribas, L., Quiles-Izquierdo, J., Vioque, J., & Foz, M. (2001). Influence of sociodemographic factors in the prevalence of obesity in Spain. The SEEDO'97 Study. European journal of clinical nutrition, 55(6), 430-435. Baum, C. L., & Ford, W. F. (2004). The wage effects of obesity: a longitudinal study. Health Economics, 13(9), 885-899. Cawley, J., & Meyerhoefer, C. (2012). The medical care costs of obesity: an instrumental variables approach. Journal of health economics, 31(1), 219-230. Escolar Pujolar, A. (2009). Determinantes sociales frente a estilos de vida en la diabetes mellitus de tipo 2 en Andalucía: ¿la dificultad para llegar a fin de mes o la obesidad?. Gaceta Sanitaria, 23(5), 427-432. Han, E., Norton, E. C., & Stearns, S. C. (2009). Weight and wages: fat versus lean paychecks. Health economics, 18(5), 535-548. Introduction to outreg command. UCLA: Statistical Consulting Group. From http://www.ats.ucla.edu/stat/stata/faq/outreg.htm (visitada el 25 de octubre, 2015). Johar, M., & Katayama, H. (2012). Quantile regression analysis of body mass and wages. Health economics, 21(5), 597-611. Lundborg, P., Nystedt, P., & Rooth, D. O. (2014). Body Size, Skills, and Income: Evidence From 150,000 Teenage Siblings. Demography, 51(5), 1573-1596. Morris, S. (2006). Body mass index and occupational attainment. Journal of health economics, 25(2), 347-364. Morris, S. (2007). The impact of obesity on employment. Labour Economics, 14(3), 413-433. 52 Norton, E. C., & Han, E. (2008). Genetic information, obesity, and labor market outcomes. Health Economics, 17(9), 1089-1104. Regidor, E., Gutierrez-Fisac, J. L., Banegas, J. R., Lopez-Garcia, E., & RodriguezArtalejo, F. (2004). Obesity and socioeconomic position measured at three stages of the life course in the elderly. European journal of clinical nutrition, 58(3), 488-494. Soriguer, F., Rojo-Martinez, G., De Antonio, I. E., De Adana, M. R., Catala, M., Merelo, M. J., ... & Tinahones, F. J. (2004). Prevalence of obesity in south-east Spain and its relation with social and health factors. European journal of epidemiology, 19(1), 33-40. Villar, J. G., & Quintana-Domeque, C. (2009). Income and body mass index in Europe. Economics & Human Biology, 7(1), 73-83. Wooldridge, J. M. (2006). Introducción a la econometría: un enfoque moderno. Editorial Paraninfo. 53 9. ANEXO 54 55 56 57