Análisis econométrico de la remuneración de los consejeros en las empresas del IBEX 35

Equation Chapter 1 Section 1 Trabajo Fin de Máster Máster Universitario en Organización Industrial y Gestión de Empresas Análisis econométrico de la remuneración de los consejeros en las empresas del IBEX 35 Autor: D. José Ángel Gutiérrez de Ravé Millán Tutor: Dr. Fernando Núñez Hernández Dr. Ángel Arcos Vargas Dpto. Organización Industrial y Gestión de Empresas I Escuela Técnica Superior de Ingeniería Universidad de Sevilla Universidad de Sevilla Sevilla, 2018 Trabajo Fin de Máster Máster Universitario en Organización Industrial y Gestión de Empresas Análisis econométrico de la remuneración de los consejeros en las empresas del IBEX 35 Autor: D. José Ángel Gutiérrez de Ravé Millán Tutor\es: Dr. Fernando Núñez Hernández Profesor Contratado Doctor Dr. Ángel Arcos Vargas Profesor Asociado Dpto. Organización Industrial y Gestión de Empresas I Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2018 1 AGRADECIMIENTOS Después de un año intenso profundizando en una faceta alejada de mi formación de grado, ahora es el momento de decir gracias. Dedico este apartado a agradecer a todas aquellas personas que me han ayudado y animado haciendo posible la finalización de este Trabajo Fin de Máster. José Ángel Gutiérrez de Ravé Millán. Sevilla, 2018. I I 2 RESUMEN Existe un creciente interés social en España (y a nivel internacional) por conocer qué variables determinan el acceso a puestos de un consejo de administración y, sobre todo, qué variables explican la remuneración de estos cargos; remuneraciones que parecen injustificadas en algunos casos. En este sentido, han surgido recientemente una serie de medidas en España, dictadas por la Comisión Nacional del Mercado de Valores (CNMV), orientadas a lograr una mayor transparencia y comunicación en lo que se refiere a la situación económica de los miembros de los consejos de administración. En la elaboración de este Trabajo Fin de Máster se ha desarrollado un análisis econométrico de la remuneración de los miembros de los consejos de administración de las empresas del IBEX 35, empleando para ello los datos publicados por la Comisión Nacional del Mercado de Valores y los otros disponibles en las páginas web corporativas de las diferentes empresas analizadas. El estudio considera una gran variedad de variables explicativas de la remuneración en metálico del consejero en España, desde variables características de la empresa hasta otras que definen el perfil del individuo. Para buscar una trazabilidad en los datos y capturar mejor la tendencia actual, se han registrado datos de los tres últimos ejercicios económicos, desde 2015 hasta 2017. II 3 ABSTRACT Nowadays, there is a public interest to know the truly reasons that justify the salary of directors and CEOs in Spain. Besides, we use different variables to explain the type of the required profile to be in the Board of Directors and the director’s salary where some of them could be considered unfair. Because of this, several standards have appeared in order to achieve a greater transparency and communication where CNMV plays a fundamental role to achieve these objectives. The TFM consists in an econometric analysis of director’s salary in IBEX 35 companies which is based on data provided by CNMV and the corporate website of IBEX 35 companies. The study includes a wide variety of parameters about the director’s salary in Spain as characteristic variables of the company and other variables about the individual. The present work searches the traceability in the data and it captures the current trend for the last three years, from 2015 to 2017. V III 4 ÍNDICE AGRADECIMIENTOS ...................................................................................................................... I1 RESUMEN .........................................................................................................................................II2 ABSTRACT ..................................................................................................................................... III3 Capítulo 1. Introducción ..................................................................................................................... 1 Capítulo 2. Revisión de la Literatura ................................................................................................. 4 Capítulo 3. Metodología Econométrica. Modelo de Regresión Lineal Múltiple ............................. 12 3.1. Concepto de Econometría ..................................................................................................... 12 3.2. Análisis de la regresión lineal múltiple: Estimación por Mínimo Cuadrados Ordinarios (MCO) .......................................................................................................................................... 12 3.2.1. Interpretación de los coeficientes en el modelo de regresión lineal múltiple ................. 16 3.3. Regresores cualitativos .......................................................................................................... 16 3.3.1. Variable lógica o binaria ................................................................................................ 17 3.4. Elasticidad y semi-Elasticidad .............................................................................................. 17 Capítulo 4. Descripción de la Muestra ............................................................................................. 19 4.1.- Descripción de las variables del estudio .............................................................................. 19 4.1.1. Variable endógena del modelo ....................................................................................... 19 4.1.2. Variables explicativas del modelo .................................................................................. 20 4.1.2.1. Variables explicativas de la empresa ....................................................................... 20 4.1.2.2. Variables explicativas del individuo ....................................................................... 21 4.2.- Descripción cuantitativa de los datos de la muestra............................................................. 24 4.2.1. Descripción cuantitativa de la remuneración total metálica ........................................... 24 4.2.2. Descripción cuantitativa de los datos de las variables explicativas ............................... 28 4.2.2.1 . Descripción cuantitativa de los datos a nivel de empresa ...................................... 28 4.2.2.2. Descripción cuantitativa de los datos a nivel del individuo .................................... 38 Capítulo 5. Análisis Econométrico ................................................................................................... 54 5.1.- Descripción general del modelo ........................................................................................... 54 5.1.1. Clasificación de las variables ......................................................................................... 54 IV 5 5.2.- Coeficientes significativos del modelo estimado ................................................................. 56 5.3.- Comparación entre valores reales y sus estimaciones.......................................................... 62 Capítulo 6. Conclusiones ................................................................................................................. 65 6.1.- Principales conclusiones extraídas ....................................................................................... 65 6.2.- Líneas futuras de investigación ............................................................................................ 66 REFERENCIAS ............................................................................................................................... 68 V IV V 6 ÍNDICE de FIGURAS Figura 4.1. Cluster según estructura retributiva de las 34 empresas en estudio. Fuente: Elaboración propia a partir de los datos ............................................................................................................... 28 Figura 4.2. Cluster según el tamaño de las 34 compañías. Fuente: Elaboración propia a partir de los datos. Fuente: Elaboración propia a partir de los datos .................................................................... 29 Figura 4.3. Representación gráfica de las variables de tamaño de las empresas en ocho clusters. Valores promedio 2015 – 2017. Fuente: Elaboración propia a partir de los datos........................... 30 Figura 4.4. Gráficas de la remuneración metálica media del consejo respecto a los ingresos y a la capitalización de la empresa por año. Valores en miles de €. Fuente: Elaboración propia a partir de los datos ............................................................................................................................................ 32 Figura 4.5. Gráficas de la remuneración metálica media del consejo respecto al número de empleados de la empresa cada año. Valores en miles de €. Fuente: Elaboración propia a partir de los datos ............................................................................................................................................ 33 Figura 4.6. Gráficas de la remuneración metálica media del consejo respecto a la RF y RE de la empresa cada año. Valores porcentuales 2015 – 2017. Fuente: Elaboración propia a partir de los datos ................................................................................................................................................. 34 Figura 4.7. Gráficas de la remuneración metálica media del consejo respecto al Apalancamiento Financiero de la empresa cada año. Valores porcentuales 2015 – 2017. Fuente: Elaboración propia a partir de los datos .......................................................................................................................... 35 Figura 4.8. Representación de la remuneración metálica media obtenida por el consejero respecto al Sector de Actividad Industrial de la empresa. Valores en miles de €. Fuente: Elaboración propia a partir de los datos ............................................................................................................................. 36 Figura 4.9. Gráficas de la remuneración metálica media del consejo respecto a la Exportación de la empresa por año. Valores porcentuales 2015 – 2016. Fuente: Elaboración propia a partir de los datos ................................................................................................................................................. 38 Figura 4.10. Diagramas circulares del tipo de cargo en el consejo en función del género. Fuente: Elaboración propia a partir de los datos ........................................................................................... 39 Figura 4.11. Diagramas circulares del tipo de consejero y el cargo ostentado en el consejo. Fuente: Elaboración propia a partir de los datos ........................................................................................... 41 Figura 4.12. Diagrama circular sobre el tipo de Máster estudiado por los consejeros. Fuente: Elaboración propia a partir de los datos ........................................................................................... 43 VI 7 Figura 4.13. Diagrama circular sobre el tipo de Doctorado de los consejeros. Fuente: Elaboración propia a partir de los datos ............................................................................................................... 45 Figura 4.14. Diagrama de barra de la distribución de la remuneración metálica respecto al género desde 2015 – 2017. Valor promedio en miles de €. Fuente: Elaboración propia a partir de los datos .......................................................................................................................................................... 46 Figura 4.15. Gráficas de la remuneración metálica del consejero respecto a su edad por cada año. Valores en miles de €. Fuente: Elaboración propia a partir de los datos .......................................... 47 Figura 4.16. Diagrama de barra de la distribución de la remuneración metálica respecto al tipo de cargo desde 2015 – 2017. Valores en miles de €. Fuente: Elaboración propia a partir de los datos 48 Figura 4.17. Diagrama de barra de la distribución de la remuneración metálica respecto a la categoría de consejero desde 2015 – 2017. Valores en miles de €. Fuente: Elaboración propia a partir de los datos ............................................................................................................................. 49 Figura 4.18. Gráficas de la remuneración metálica del consejero respecto al periodo devengado cada año. Valores en miles de €. Fuente: Elaboración propia a partir de los datos.......................... 49 Figura 4.19. Gráficas de la remuneración metálica del consejero respecto al porcentaje de derecho de voto de las acciones de la sociedad por año. Valores en miles de €. Fuente: Elaboración propia a partir de los datos ............................................................................................................................. 50 Figura 4.20. Gráficas de la remuneración metálica del consejero respecto a su año de ingreso en el consejo de la empresa. Valores en miles de €. Fuente: Elaboración propia a partir de los datos .... 51 Figura 4.21. Gráficas de la remuneración metálica del consejero respecto a su año de ingreso en la empresa. Valores en miles de €. Fuente: Elaboración propia a partir de los datos .......................... 51 Figura 4.22. Gráficas de la remuneración metálica del consejero respecto al número de consejos a los que pertenece cada año. Valores en miles de €. Fuente: Elaboración propia a partir de los datos .......................................................................................................................................................... 52 Figura 4.23. Gráficas de la remuneración metálica del consejero respecto al porcentaje de asistencia a las reuniones del consejo cada año. Valores en miles de €. Fuente: Elaboración propia a partir de los datos ............................................................................................................................................ 53 Figura 5.1. Dendograma de la estructura retributiva porcentual en 8 clusters. Valores acumulados 2015 – 2017. Fuente: Elaboración propia a partir de los datos ........................................................ 56 Figura 5.2. Representación de la remuneración real y estimada en logaritmos. Fuente: Elaboración propia a partir de los datos ............................................................................................................... 63 Figura 5.3. Representación de la remuneración real y estimada en niveles. Fuente: Elaboración propia a partir de los datos ............................................................................................................... 64 VII 5 total observado del bien o servicio, el cual viene definido por un conjunto o lote de atributos. En nuestro trabajo, los precios implícitos de cada atributo del bien (en nuestro caso, el servicio prestado por el consejero) son estimados mediante un análisis de regresión múltiple que tiene como variable endógena el precio de alquiler del servicio (es decir, la retribución anual del consejero) y como variables explicativas el conjunto de atributos que caracterizan a dicho servicio prestado. En definitiva, el trabajo de Rosen (1974) pretende fundamentalmente aportar un modelo teórico que permita obtener y explicar los coeficientes de regresión hedónicos. Para ello, Rosen propone un modelo de equilibrio competitivo que se desarrolla en un espacio de varias dimensiones en el que compradores y vendedores se sitúan. El modelo teórico de Rosen no se desarrollará en este Trabajo, el cual se ha centrado fundamentalmente en la parte empírica del análisis. - Un trabajo actual sobre la problemática del pago a los miembros del consejo de administración. Arnold y Grasser (2018) ofrecen una visión novedosa que intenta aclarar si es justo el sueldo percibido por los consejeros; para ello, introducen el concepto de justicia distributiva 2 , que se discutía ya en los trabajos de Adams (1965) y Hoffman y Spitzer (1985). Bajo esta perspectiva, la determinación de la cantidad más justa a percibir por un consejero depende tanto de la compañía como de los propios consejeros. Para tal fin, se efectuaron dos encuestas idénticas en formato (a dos grupos de individuos claramente diferenciados) con el objetivo de capturar la retribución justa que deberían recibir los consejeros a partir de la opinión mostrada por los dos grupos de encuestados. Las dos encuestas se realizaron en Alemania empleando el procedimiento aleatorio de Gabler-Häder 3 . Los dos grupos de encuestados eran:  Individuos sin conocimientos concretos sobre la cuantía exacta de remuneración de los consejeros de las grandes empresas de Alemania, es decir, individuos inexpertos en la materia.  Individuos expertos en el sector bursátil y en gerencia de empresas con un conocimiento amplio sobre la remuneración en los consejos de administración de las empresas alemanas. El resultado emitido por ambas encuestas confirma que la consideración de una remuneración justa de los consejeros es directamente proporcional a una mayor tolerancia al riesgo 2 Justicia Distributiva desarrollada por Konow (2003) sobre la problemática concerniente a la distribución justa de bienes, derechos, deberes o cargas entre los miembros de una comunidad 3 Gabler-Häder es un procedimiento aleatorio de encuestas telefónicas empleado en Alemania debido a la complejidad de su sistema de numeración telefónico. 6 laboral y profesional que asume el consejero con sus decisiones, así como, a su nivel de optimismo y competitividad. No obstante, los resultados ilustran la imposibilidad de concretar una única cantidad justa que satisfaga a los dos grupos de encuestados. En general, el 63% de los individuos del primer grupo y el 83% del segundo subestimaron la cantidad real. Por otro lado, el 35% de los individuos del primer grupo y el 8% del segundo no proporcionan estimación alguna. El resto de opiniones (2% del primer grupo y 9% del segundo) sobrestimaron la cuantía retributiva real de los consejeros. De este estudio se desprende que el conocimiento que se tiene de la compensación real de los consejeros es bastante escaso, y todo ello a pesar de los esfuerzos continuados para ampliar la divulgación y transparencia en torno a este colectivo. Por último, Arnold y Grasser (2018) afirman que los rasgos personales de los dos grupos de encuestados podrían sesgar las percepciones de justicia. Por tal motivo, un mayor riesgo asumido por parte del consejero se podría relacionar “justamente” con una mayor cantidad económica. Además, las opiniones de los encuestados del primer grupo reflejan una tendencia a establecer remuneraciones basándose en el igualitarismo retributivo frente a la competitividad o eficiencia laboral del consejero. - Autores que han considerado que la remuneración es resultado de un producto multifactorial entre el tamaño de la empresa y las características del individuo. En las siguientes líneas se van a mostrar los autores que presentan un enfoque similar al que hemos utilizado nosotros en este estudio, considerando tanto variables propias de la empresa como otras del individuo para justificar las retribuciones que perciben los consejeros. Gabaix y Landier (2006) estudian la remuneración de los consejeros de las grandes empresas de EE.UU. desde 1970, a partir de datos incluidos en el S&P 500, y utilizando además información de Forbes y ExecuComp. Estos autores siguen los trabajos seminales de Lucas (1978), Rosen (1982). Gabaix y Landier (2006) sostienen que el salario de los consejeros es función del tamaño total de la empresa, cuantificado en ventas y en nivel de capitalización de las compañías. Su estudio comprueba que el incremento de la remuneración de los consejeros, entre 1980 y 2003, es directamente proporcional al aumento de la capitalización del mercado. Por otro lado, Gabaix y Landier (2006) sostienen que la retribución del consejero también depende de las características personales (talento, responsabilidad, etc) del individuo, permitiendo relaciones con las empresas en un modelo de asignación competitiva. Su idea central se basa en que dos individuos con el mismo talento van a generar ganancias directamente proporcionales al valor de la empresa bajo sus dominios, es decir, los consejeros talentosos en empresas grandes dan lugar 7 a mejores resultados que si se encuentran en empresas de menor tamaño. Por este motivo, consejeros con el mismo talento en empresas de distinto tamaño, tienen una diferencia considerable en salarios. Terviö (2008) vuelve a incidir en la importancia del talento del consejero pero, en este caso, refiriéndose sólo a la figura del CEO bajo un modelo de relación two-sided. El nivel salarial del CEO y el tamaño de las empresas se analizan como el equilibrio competitivo de un mercado donde el talento y los CEOs son escasos. Este autor afirma que la variación retributiva del CEO se debe fundamentalmente al tamaño de la empresa y a su sector de actividad. Sin embargo, las diferencias de remuneración entre CEOs de empresas del mismo sector y tamaño, se basan necesariamente por leves variaciones en el talento del CEO. Pan (2010) sigue la línea de investigación de Gabaix y Landier (2006) y Terviö (2008). Su estudio parte de los datos anuales que le facilitan las empresas Dun & Bradstreet y Standard & Poor, desarrollando un modelo de asignación competitiva multidimensional. Los datos de su estudio corresponden a 1500 compañías estadounidenses desde 1992. El objetivo del autor es conocer las posibles complementariedades existentes entre la remuneración del consejero y la empresa, con la clara intención de generar ganancias mutuas. Nuevamente, aparece la dualidad tamaño de la empresa – talento, de la que el autor dice que los consejeros y CEOs mejor cualificados y las empresas mejor posicionadas obtienen mejores resultados. El valor añadido de su investigación se basa en la utilización de otras complementariedades que habían sido descuidadas en la literatura anterior, como son la generada entre el grado de diversificación de la empresa y la experiencia intersectorial del consejero, o la existente entre los programas de I + D + i de la empresa y la experiencia técnica y la actitud innovadora del consejero. Estas últimas complementariedades explican conjuntamente los dos componentes principales del mercado laboral del consejero: asignación empresa – individuo y retribución económica. Cuando estas complementariedades son obviadas, se generan escenarios poco recomendables con pérdidas significativas debido a una mala planificación o a un error estratégico del consejo de administración. Además, el autor menciona que es de vital importancia el uso de los incentivos para que los consejeros busquen los mejores puestos, y a su vez, los consejos de administración acierten con la elección de los candidatos más idóneos. Los resultados de su estudio revelan que estas complementariedades, empíricamente poco exploradas, son fuentes importantes de productividad específica del consejero en la empresa, debido a que la productividad marginal de un consejero depende de dónde trababa. 8 Chen (2017) también afirma que los factores que explican la productividad de la empresa son las características de la misma junto con el talento de sus consejeros. Los datos de su estudio se centran en las 1000 empresas estadounidenses de mayor cotización en los últimos 10 años –para nuestro modelo se ha considerado la capitalización de las empresas pero no su cotización–. Por otro lado, su investigación contrasta que las compañías más apalancadas tienden a terminar con consejeros y CEOs menos talentosos –en nuestro estudio hemos considerado como variables explicativas de la empresa tanto el apalancamiento como los ratios económico y financiero–. El valor añadido del estudio de Chen (2017) se basa en ver cómo afecta el riesgo moral 4 al futuro laboral de los consejeros en la compañía concluyendo que no es un factor totalmente decisivo a nivel retributivo. Esta idea fue expuesta también por Gayle et al. (2015), que defiende la existencia de una interacción débil o prácticamente nula entre el riesgo moral y la selección de consejeros. Los consejeros con talento pero que presentan gran aversión al riesgo de tomar decisiones, son generalmente contratados por empresas establecidas en un riesgo financiero nulo, donde el nivel de ingresos y beneficios obtenidos no van directamente vinculados con las decisiones y esfuerzo del consejero. - Trabajos que defienden que el tamaño de la empresa es el principal elemento diferencial a la hora de explicar la remuneración relativa de un consejero. Los principales estudios seminales que sostienen que la remuneración del consejero se explica fundamentalmente a través de las características que definen a la empresa son Roberts (1956) y Lewellen y Huntsman (1970), que centraron sus esfuerzos en conocer el tamaño o rendimiento de la compañía por medio de las ventas y capitalización, explicando así la remuneración de los consejeros. En las siguientes décadas, Murphy (1985) y Coughlan y Schmidt (1985) cuantificaron la variación de la remuneración del consejero en función del aumento del precio de las acciones. Estos autores se fijaron únicamente en el salario en metálico de los consejeros –mismo planteamiento que hemos seguido nosotros en el estudio econométrico–. Conyon y Murphy (2000) efectúan una comparación entre el salario del CEO de las compañías estadounidenses respecto a las de Reino Unido en 1997, prestando atención al tamaño de la empresa, sector industrial y la capitalización. De este modo, se expone que los CEOs de EE.UU. obtuvieron el doble de remuneración media y generaron una riqueza en la empresa seis veces superior a la de sus homólogos en Reino Unido. Hay que mencionar que los salarios son 4 Riesgo moral (moral hazard). Forma de actuar de un individuo que teniendo información acerca de las consecuencias de sus propias acciones, no le importa que sean otras personas las que soporten las consecuencias de los riesgos asumidos por él. Es aplicable a escenarios geopolíticos, estratégicos, económicos, etc. 9 significativamente mayores en EE.UU. como consecuencia de la presencia de empresas mayores que pagan más a sus consejeros. Continuando con los consejos de administración de las empresas de EE.UU., Levy y Temin (2007) confirman que los salarios percibidos en la actualidad por el consejo en EE.UU. se basan principalmente en las características financieras de la empresa. No obstante, hasta hace unas décadas la remuneración del consejero alcanzaba cifras superiores a las recomendadas debido una ausencia de normas y presiones sociales contra el pago desigual entre los diferentes estamentos dentro de una compañía. Este hecho se practicó desde el final de la Segunda Guerra Mundial hasta la década de 1970. A continuación, Edmans et al. (2017) continúan con la línea de Conyon y Murphy (2000) sobre la comparativa del salario en las empresas públicas y privadas de EE.UU y Reino Unido. Para su estudio, utiliza los datos de Frydman y Saks (2010) y de la base de datos de Standard & Poor y ExecuComp para extender la información hasta el 2005. El valor añadido de su estudio frente al de Conyon y Murphy (2000) se debe a la explicación de la remuneración del consejero pero desde una doble perspectiva. La primera tiene relación con la actitud de la empresa en ofrecer una remuneración al consejero para maximizar el valor de la compañía y así el de sus accionistas. Para ello, hay que tener en cuenta el mercado competitivo de los consejeros y la necesidad de proporcionar incentivos adecuados para fidelizar al consejero y evitar su fuga a la competencia. La segunda perspectiva, menos importante porcentualmente en el salario total del consejero, está vinculada con el objetivo del individuo en ampliar su red de contactos, conseguir los objetivos planteados por la empresa y fortalecer su posición en el consejo en la toma de decisiones estratégicas. En la actualidad, Kirsten y duToit (2018) enfocan su argumentación a partir de los salarios percibidos por los consejeros de las 42 empresas de la Bolsa de Johannesburgo desde 2006 hasta 2015. Su investigación muestra una débil relación entre las funciones desempeñadas por los consejeros y su remuneración. Este hecho demuestra una retribución excesiva independientemente del rendimiento obtenido por el consejero en su puesto de trabajo. Además, el autor defiende que los resultados concluidos son determinantes para el accionista, ya que evidencia la existencia de casos en los que la labor del consejero no siempre está enfocada en incrementar el valor de la empresa. Ponen como ejemplo la actitud de los consejeros en el sector financiero involucrándose en movimientos comerciales que perjudican y amenazan la sostenibilidad económica de la compañía. Sin embargo, estos consejeros todavía siguen obteniendo importantes incentivos. - Autores que han concluido que la retribución del consejero depende fundamentalmente de las características personales y profesionales del consejero. 10 Helland (2006) y Marshall (2011), encontraron indicios que apuntaban que los consejeros que buscaban prácticas muy favorables para los accionistas, en realidad, pierden opciones de conseguir nuevos cargos en otros consejos, al no ser nominados como candidatos por los miembros de los consejos de administración de otras entidades. Estos estudios fueron contradichos por Levit y Malenko (2013) que tomaron datos de empresas de EE.UU durante la última década. Ellos afirman que las principales motivaciones del salario del consejero era la pertenencia a varios consejos de administración por parte del individuo. De esta manera, el consejero obtenía más prestigio, poder y acceso a una red de contactos de mayor valor –en nuestro estudio hemos tenido en cuenta el número de consejos a los que pertenece el individuo para ver su influencia en el salario–. Los autores defienden que la pertenencia a varios consejos de administración favorece una estructura complementaria a nivel estratégico entre los consejos de administración de las mejores compañías. Por otro lado, Levit y Malenko (2013) demuestran que la reputación y el prestigio profesional adquirido por los consejeros se vuelven más importantes generando mayores ingresos para ellos. Este hecho provoca consejos de administración fuertes que afianzan sus posiciones respecto a las opiniones de los accionistas de la empresa. Por dicho motivo, las distintas administraciones y entidades públicas establecen medidas regulatorias como la restricción del número máximo de consejos a los que puede pertenecer un individuo o el aumento de la transparencia de los consejos. Matveyev (2013) plantea un modelo de relación two-sided a partir de datos registrados desde 1996 hasta 2009 en Standard & Poor, corroborando las mismas hipótesis que Levit y Malenko. (2013) afirmando que en un mercado eficiente, los consejeros que desempeñan sus funciones profesionales de manera eficaz son ofrecidos a otros consejos de administración; en cambio, serán penalizados aquellos consejeros o CEOs de las empresas que se declaran en bancarrota, teniendo mayores dificultades de conseguir un cargo en el futuro y peores remuneraciones. Por otro lado, los puntos más valorados por las compañías a la hora de retribuir a sus consejeros son: experiencia laboral, educación universitaria, conexiones comerciales y edad a la que obtuvieron sus primeros nombramientos o cargos –en nuestro trabajo se han tenido en cuenta variables como: edad, antigüedad en la empresa y en el consejo o formación académica–. El autor demuestra que, en ocasiones, el proceso de selección del consejero se ha basado en variables nominales como el prestigio de la universidad o la red de contactos. De igual forma, la decisión del consejero de pertenecer a un consejo u otro viene motivada por el deseo de expansión de su propia red de contactos. Aunque existen evidencias contrastadas de que los comités de designación de las compañías valoran las habilidades profesionales y personales del candidato; el factor fundamental, 11 desde el punto de vista económico, sigue siendo la red de contactos que puede ofrecer el individuo al consejo de administración. Esta idea deja al descubierto las verdaderas motivaciones de quienes nominan a los consejeros, ya que no prestan atención a otros méritos profesionales o personales de mayor repercusión. Matveyev (2016), basándose en la línea de Spence (1974), profundiza en dos aspectos poco estudiados en la literatura. El primer aspecto afirma que los individuos que asisten a universidades de prestigio obtienen mejores posiciones de gerencia. El segundo, expone que la falta de asistencia a las reuniones del consejo no resta posibilidades a los individuos de ser seleccionados como consejeros en un futuro –en nuestra investigación se ha trabajado con una variable que recoge información del número de reuniones y comisiones del consejo a las que asiste cada individuo para determinar su influencia sobre la remuneración–. - Informe sobre las empresas del IBEX 35 en el año 2016. Para concluir este capítulo, se va a exponer un informe sobre las empresas del IBEX 35. De la Fuente (2017) expone en este informe (sobre la evolución de indicadores de buen gobierno de las empresas del IBEX 35 durante el ejercicio económico de 2016) la existencia de buenas prácticas de los consejos de administración pese a que no todas ellas tienen implicaciones sociales y laborales. Por otro lado, la remuneración de los consejeros y su diferencia respecto al resto de trabajadores afecta a la distribución de la renta y al incremento de la desigualdad tanto de las empresas como del país. Las conclusiones más relevantes de su escrito serán contrastadas posteriormente en nuestro trabajo, algunas de ellas son:  La presencia de mujeres en las plantillas continúa por debajo del 50%, pese al incremento de mujeres en los consejos de administración (aún muy minoritaria) –en nuestro estudio se quiere comprobar la problemática del género y remuneración–.  Resultado consolidado positivo superior al del año anterior con un incremento de la plantilla agregada, siendo mayor la plantilla ocupada en el extranjero que la nacional.  Permanencia de un número elevado de contratos blindados 5 . 5 Contrato blindado. Tipo de contrato que protege al directivo en caso de que la situación contractual empeore y por causas ajenas a su voluntad resulte despedido 12 Capítulo 3. Metodología Econométrica. Modelo de Regresión Lineal Múltiple 3.1. Concepto de Econometría En primer lugar, se van a dar varias definiciones del concepto de Econometría. Según Goldberger (1964), la Econometría es la ciencia social que justifica la aplicación de aquellas herramientas que permitan definir la teoría económica, las matemáticas y la inferencia estadística; para un análisis de los fenómenos económicos. Otra definición fue dada por Malinvaud (1966) que define la Econometría como el conjunto de teorías o hipótesis económicas que deben ser contrastadas. La labor del econométrico se centra en indagar y proponer todas las posibles suposiciones con el fin último de la obtención de conclusiones a partir de los datos disponibles. Tintner (1968) expone que la Econometría es la aplicación de la estadística matemática a los datos económicos aportando un apoyo empírico a los modelos desarrollados y una forma de obtener resultados. Y Kennedy (1998) dice que la Econometría es el estudio de la aplicación de métodos estadísticos para el desarrollo de un análisis de los fenómenos económicos acontecidos. 3.2. Análisis de la regresión lineal múltiple: Estimación por Mínimo Cuadrados Ordinarios (MCO) Un modelo de regresión lineal múltiple (también llamado modelo de regresión múltiple) posibilita la agregación de una mayor cantidad de factores dotando al fenómeno de un mejor grado de interpretación a la variación que sufre la variable endógena. Por este motivo, el análisis de regresión múltiple se emplea para desarrollar modelos más completos que predigan el comportamiento de la variable dependiente. Se va a definir la diferente terminología asociada a la variable explicada, endógena o dependiente, que se designa como “y”. Por otro lado, se encuentra un conjunto, k, de variables explicativas; también conocidas como regresores o independientes que se describen por “x1, x2, x3 … xk”. Uno de los supuestos clave es el que se define en términos de una esperanza condicional: 13 E(u|x1, x2, …, xk) = 0. A continuación, se muestra la expresión que define a un modelo lineal de regresión múltiple. 𝑦=𝛽𝑜+𝛽1·𝑥1+𝛽2·𝑥2+𝛽3·𝑥3+⋯+𝛽𝑘·𝑥𝑘+ 𝜀 (1) Mención especial merece la parte no recogida por las variables explicativas, “ε”, que se denota como término de perturbación o término error del modelo. Dicho valor es el encargado de recoger toda la heterogeneidad inobservable en el modelo, así como, los acontecimientos o restricciones propias de cada unidad de estudio en la muestra. Por otro lado, los coeficientes o parámetros del modelo: “β1, β2, β3 … βk”, manifiestan la magnitud o relevancia del efecto de las variables explicativas, a las que se encuentran asociadas, en referencia a la variable explicada. El coeficiente β0, es el término constante o independiente del modelo. La aplicación principal de los métodos de regresión lineal múltiple es la resolución de problemas de carácter empírico, utilizando como recurso la matriz algebraica. Se reformula la Ecuación 1, para aplicarla a ‘n’ variables endógenas: Y n·1 = X n·(k+1) · β (k+1)·1 + ε n·1 (2) La expresión desarrollada es: (𝑦1 𝑦2 ⋮ 𝑦𝑛)=(11⋮1 𝑥11 𝑥21 ⋮ 𝑥𝑛1 𝑥12 𝑥22 ⋮ 𝑥𝑛2 𝑥13 𝑥23 ⋮ 𝑥𝑛3 … …⋮… 𝑥1𝑘 𝑥2𝑘 ⋮ 𝑥𝑛𝑘)·(𝛽0 𝛽1 ⋮ 𝛽𝑘)+(𝜀1 𝜀2 ⋮𝜀𝑛) (3) Se puede observar que las variables explicativas son almacenadas en un matriz de dimensiones (n, k+1). El número de filas, n, indica el número de observaciones presentes en la muestra. En cambio, el número de columnas viene definido por la cantidad de variables explicativas, k, además de una columna adicional para justificar la presencia del término constante. A continuación, se desarrolla la expresión explícita de los parámetros estimados por Mínimo Cuadrado Ordinarios (MCO). El criterio de MCO define que la función que mejor se ajusta a los datos es aquella que minimiza la suma de los cuadrados de los residuos. 𝑦 = β0 + 𝑥1· β1 + 𝑥2· β2 +𝑥3· β3 +⋯+𝑥𝑘· β𝑘  + ε (4) 14 Se desea calcular el vector 𝛽󰆹, el cual, representa la estimación a partir de la muestra, β. Esta última se considera, realmente, los verdaderos parámetros de la población. La estimación debe cumplir tres condiciones necesarias: insesgadez, eficiencia y consistencia. Es de vital importancia detallar, que las propiedades estadísticas no están íntimamente ligadas con la muestra de estudio, sino con las propiedades presentes en los estimadores. Una vez obtenido el vector 𝛽󰆹, se procede a determinar el valor ajustado o valor predicho de la siguiente manera: 𝑌 =𝑋· 𝛽󰆹. A continuación, se describen los residuos como la estimación muestral de las perturbaciones, los cuales, quedan definidos matemáticamente como: 𝜀=𝑌−𝑌. Tanto los valores ajustados como los residuales obtenidos por MCO presentan algunas propiedades:  El promedio muestral de los residuos es cero y de esta manera 𝑦=𝑦   La covarianza de la muestra de las variables independientes y los residuos de MCO es cero. Por este motivo, dicha covarianza entre los valores estimados por MCO y los residuos de MCO también debe ser cero.  El punto, compuesto por: 𝑦,𝑥1    ,𝑥2    ,…,𝑥𝑘    , se sitúa siempre sobre la regresión múltiple de MCO. Ahora, se realiza una breve reseña sobre la varianza de los estimadores de MCO, donde no sólo se conoce la tendencia de los parámetros βk, sino también la medida de la dispersión existente en su distribución de muestreo. Por último, se presenta la regresión por MCO expresada en términos de cambio: ∆𝑦 = β0 + ∆𝑥1· β1 + ∆𝑥2· β2 +∆𝑥3· β3 +⋯+∆𝑥𝑘· β𝑘 . El modelo de regresión lineal múltiple presenta la ventaja de que se puede realizar bajo un análisis ceteris paribus 6 . De este modo, se garantiza un mejor control para los factores que intervienen simultáneamente sobre la variable dependiente. Su gran utilidad le permite probar teorías económicas y evaluar sus posibles efectos. Continuando con el ejemplo anterior, el coeficiente de x1 mide el cambio en 𝑦 por un incremento unitario de x1, manteniendo constantes el resto de variables independientes, como se demuestra: ∆𝑦 = ∆𝑥1· β1 . Bajo la aplicación ceteris paribus, se determina los efectos parciales producidos por una variable manteniendo el resto de ellas fijadas. Por otro lado, es necesario realizar una correcta discusión que permita comprender 6 Ceteris Paribus. Expresión latina que significa que mientras hay variables que cambian, “todas las demás deber ser constantes”, así se consigue estudiar el efecto de las variables del modelo. 21  “Ventas al Exterior”. Porcentaje de exportación media presentada por la empresa.  “Sector Económico de Actividad”. Se refiere al sector industrial en el que la empresa ejerce su actividad laboral. Para trabajar con esta variable se han reducido los sectores de actividad a dos dígitos según la CNAE 8 de 2009. 4.1.2.2. Variables explicativas del individuo Los individuos de un consejo de administración deben cumplir no sólo con las condiciones establecidas en la legislación vigente, sino también con las de los estatutos sociales de la propia entidad. En primer lugar, se especifica la variable “Tipología de Consejero” que describe las casuísticas más relevantes para cada tipo de consejero.  Consejero Ejecutivo. Integran el equipo directivo de la empresa desarrollando las funciones ejecutivas y directivas. Por este motivo, son los únicos consejeros que deben mantener una relación contractual y gran dedicación a la compañía. En este tipo de consejeros es habitual desempeñar varias responsabilidades de gerencia de alta dirección, tanto para la sociedad matriz como para alguna otra entidad del grupo.  Consejero Dominical. Deben estar en posesión de un porcentaje determinado de acciones de la compañía, a especificar según sus estatutos. Además, es necesario que haya una independencia absoluta de su labor respecto a la gestión ordinaria de la compañía, actuando realmente como meros consultores externos. No obstante, como accionistas que son, presentarán una vinculación directa con la compañía a través de sus paquetes accionariales.  Consejero Independiente. Son los auténticos veladores, desde un punto de vista externo, de una correcta gestión y administración del gobierno corporativo, con el fin de maximizar el valor y la confianza de los accionistas. Por ello, no presentan vinculación alguna con la compañía ni con sus accionistas. Su designación dentro del consejo de administración se ajustará según sus condiciones y habilidades profesionales. 8 CNAE es la Clasificación Nacional de Actividades Económicas y asigna un código a cada actividad económica de las que se pueden realizar. 22  Otros Consejeros Externos. Designación alcanzada bajo la siguiente circunstancia: existencia en el consejo un individuo que no pueda ser considerado como consejero dominical ni independiente. Por este motivo, la compañía comunicará dicha imposibilidad y las posibles relaciones del consejero con la sociedad, los directivos y los accionistas. En segundo lugar, se expone la variable “Cargo en el Consejo” donde se comenta las funciones asignadas a cada cargo dentro de un consejo de administración en España.  Consejero delegado (CEO). Máxima autoridad en materia de gestión y administración empresarial tanto de la entidad matriz como de la totalidad del grupo. Este rol junto con el del presidente pueden recaer en la misma persona; no obstante, suele existir una separación de poderes y responsabilidades entre ambas figuras, sobre todo en entidades importantes por su tamaño y actividad.  Presidente. Encarna una de las figuras más relevantes dentro del organigrama de la compañía, desarrollando labores que abarcan desde la convocatoria de juntas (y elaboración del orden del día) hasta preservar un correcto funcionamiento del consejo y de la organización. En caso de cese o renuncia del presidente, se deberá convocar al consejo de administración para proceder a la designación y posterior elección de un nuevo presidente, en un plazo máximo de veinte días hábiles.  Vicepresidente. Dependiendo de los estatutos de cada entidad puede haber un único vicepresidente o varios, incluida la opción de que no exista ninguno para entidades de menor tamaño. Por jerarquía, tienen la posibilidad de sustituir al presidente en el ejercicio de sus funciones, bajo los siguientes supuestos: vacante, ausencia, enfermedad o bajo cualquier otra circunstancia debidamente justificada.  Consejero Coordinador Independiente. Nueva figura procedente de las compañías estadounidenses con el fin último de garantizar que las máximas autoridades de la empresa velan única y exclusivamente por mejorar la institución. Por ello, no debe mantener ninguna relación contractual con la entidad y estar libre de conflictos de interés con ésta. 23  Consejero Vocal. Actúan de administradores de la entidad decidiendo y valorando las distintas políticas de la empresa. Además, se encuentran suscritos a los mismos requerimientos legales que el resto de miembros de la compañía.  Secretario. Su objetivo principal es garantizar el cumplimiento de los procedimientos y de la normativa establecida. Entre sus labores más frecuentes se encuentran: asesoramiento legal bajo la figura del letrado-asesor y asegurar una correcta praxis por parte del consejo sobre los requerimientos fijados en la ley y en los propios estatutos de la entidad.  Vicesecretario. Desempeña distintas funcionalidades de apoyo al secretario y de sustitución de su cargo cuando éste cesa, renuncia o causa baja temporal. De aquí en adelante, para trabajar de forma más simplificada, sólo se han considerado cuatro tipos de cargos en el consejo: CEO, Presidente, Presidente – CEO y “Otros”, que engloba al resto. Algunas variables a nivel personal serían la “Edad” del consejero a partir de su fecha de nacimiento y el “Género”, donde en un principio se ha considerado hombre, mujer y persona o entidad jurídica. Además, se han trabajado variables que definen su nivel educativo y formación, desde el más básico hasta el doctorado. Por ende, los que no presenten el nivel mínimo de formación se han considerado como observaciones sin estudios.  “Estudios Universitarios Medios”. Abarcan desde diplomaturas a formaciones técnicas.  “Estudios Universitarios Superiores”. Comprenden a las licenciaturas e ingeniería y arquitectura superior.  “Estudios de Máster”. Todo tipo de Máster universitario nacional o internacional.  “Estudios de Doctorado”. Cualquier tipo Doctorado universitario. Las siguientes variables implican connotaciones individuales a nivel profesional:  “Periodo de Devengo”. Marca el número de días trabajados por cada individuo en cada uno de los tres ejercicios económicos estudiados (2015 – 2017). 24  “Porcentaje de Derecho de Voto por las Acciones de la Sociedad”. Permite visualizar la masa accionarial en posesión de cada individuo.  “Antigüedad en la Empresa” y “Antigüedad en el Consejo de Administración”.  “Número de Consejos”. Indica la cantidad de consejos a los que pertenece el individuo independientemente de si ostenta un cargo u otro en las distintas compañías.  “Asistencia a las reuniones del Consejo”. Valor porcentual del total de asistencia a las reuniones y comisiones celebradas por el consejo de administración. 4.2.- Descripción cuantitativa de los datos de la muestra Cabe mencionar que todos los datos trabajados en el estudio se corresponden con las empresas del IBEX 35 –salvo ArcelorMittal S.A. de la que no se encontró documentación–. Por tanto, de aquí en adelante cuando se hable de las empresas del IBEX 35 se refiere a 34 compañías. Los datos de todas ellas han sido obtenidos de las siguientes fuentes oficiales y de carácter público:  Comisión Nacional del Mercado de Valores (CNMV) de donde se ha obtenido el Informe Anual de Gobierno Corporativo de Sociedades Anónimas Cotizadas y el Informe Anual sobre Remuneraciones de los Consejeros de Sociedades Anónimas Cotizadas para cada una de las compañías y por cada año.  Sistema de Análisis de Balances Ibéricos (SABI) para obtener datos característicos de las empresas: ratios, apalancamiento, etc.  Web corporativas de cada una de las empresas utilizadas para recoger información anual sobre ventas, ingresos y número de empleados.  Bolsas y Mercados Españoles (BME) para conocer la capitalización de las empresas por año. 4.2.1. Descripción cuantitativa de la remuneración total metálica La Tabla 4.1 expone una descripción estadística sobre la remuneración total metálica percibida por un consejero del IBEX 35 durante una año económico completo. 25 Empresa Sueldos Remuner. Fija Dietas Remuner. Var. c/p Remuner. Var. l/p Remun. Consejo Indemnización Otros conceptos Total en metálico BANKIA 4.478 2.362 0 750 75 0 0 22 7.687 AENA 445 0369 35 0 0 0 13 862 SABADELL 10.680 4.311 0 7.370 0 1.047 0 370 23.778 BBVA 14.904 4.470 0 4.417 4.680 7.063 0 1.027 36.561 MELIAHOTEL 2.663 711 1.539 1.002 994 0 0 2 6.911 TREUNIDAS 4.655 2.280 921 2.238 0 1.028 0 965 12.087 SANTANDER 23.753 4.938 3.425 17.774 0 6.129 0 7.424 63.443 ENAGAS 4.182 2.456 1.106 2.261 0 694 0603 11.302 MEDIASET 5.906 2.925 1.744 3.885 0 0 0 1.687 16.147 MAPFRE 9.141 5.250 0 6.066 4.824 650 0368 26.299 CELLNEX 1.854 2.498 0 1.038 0 0 0 0 5.390 BANKINTER 3.993 5.470 1.066 1.071 0 0 0 48 11.648 CAIXABANK 6.148 7.042 0 912 975 2.922 0 208 18.207 IAGIBERIA 5.201 5.258 0 3.089 0 120 0 2.273 15.941 ACS 10.980 4.703 2.339 14.147 1.000 1.024 0 1.000 35.193 INDITEX 9.750 2.700 0 10.147 5.520 2.562 0 667 31.346 FERROVIAL 7.745 1.203 2.025 12.375 0 0 0 2.002 25.350 ENDESA 5.459 3.484 686 3.925 4.480 0 0 457 18.491 TELEFONICA 9.304 7.170 706 15.324 0 2.857 0 139 35.500 INMCOLONIAL 3.319 1.769 1.572 5.342 0 1.006 0 30 13.038 AMADEUS 2.595 3.202 0 3.577 0 801 0185 10.360 DIA 1.800 1.967 544 1.297 0 0 0 1.631 7.239 IBERDROLA 7.750 8.135 2.052 10.232 0 5.553 63 300 34.085 ACCIONA 4.500 2.315 0 6.060 5.603 1.706 0 477 20.661 VISCOFAN 2.071 4.216 759 1.210 278 1.175 0 0 9.709 MERLIN 3.200 1.739 0 8.365 1.665 163 029 15.161 SGAMESA 2.912 2.981 1.705 2.260 1.260 124 2.965 274 14.481 INDRA 3.979 3.242 0 3.471 0 1.717 0 7.675 20.084 REPSOL 7.210 14.396 0 5.895 3.262 6.732 0 1.959 39.454 ACERINOX 1.158 2.833 1.002 1.547 0 0 0 0 6.540 NATURGY 3.639 7.851 0 3.187 2.500 5.627 0 32 22.836 REE 1.365 5.274 569 643 0861 0231 8.943 CIE 850 2.080 0 1.500 0 370 0 6.726 11.526 GRIFOLS 0 9.397 0 2.001 0 450 0 2.689 14.537 Tabla 4.1. Descripción sobre la remuneración total en metálico del consejero del IBEX 35 para un año completo devengado. Valores en miles de €. Fuente: Elaboración propia a partir de los datos Variable Mean Std. Dev. Min Max Remuneración Total Metálica 479 985,42 12 12 170 A continuación, se presentarán dos tablas con los datos económicos más relevantes sobre la remuneración del consejero en las empresas del IBEX 35. En primer lugar, la Tabla 4.2 muestra la cuantía de los valores retributivos acumulados desde 2015 hasta 2017. Tabla 4.2. Descomposición de la remuneración en metálico en sus diferentes componentes desde 2015 – 2017. Valores acumulados en miles de €. Fuente: Elaboración propia a partir de los datos En segundo lugar, la Tabla 4.3 refleja una descomposición porcentual de cada partida retributiva respecto al total. 26 Empresa Sueldos Remuner. Fija Dietas Remuner. Var. c/p Remuner. Var. l/p Remun. Consejo Indemnización Otros conceptos Total en metálico BANKIA 58,3 30,7 0,0 9,8 1,0 0,0 0,0 0,3 100,0 AENA 51,6 0,0 42,8 4,1 0,0 0,0 0,0 1,5 100,0 SABADELL 44,9 18,1 0,0 31,0 0,0 4,4 0,0 1,6 100,0 BBVA 40,8 12,2 0,0 12,1 12,8 19,3 0,0 2,8 100,0 MELIAHOTEL 38,5 10,3 22,3 14,5 14,4 0,0 0,0 0,0 100,0 TREUNIDAS 38,5 18,9 7,6 18,5 0,0 8,5 0,0 8,0 100,0 SANTANDER 37,4 7,8 5,4 28,0 0,0 9,7 0,0 11,7 100,0 ENAGAS 37,0 21,7 9,8 20,0 0,0 6,1 0,0 5,3 100,0 MEDIASET 36,6 18,1 10,8 24,1 0,0 0,0 0,0 10,4 100,0 MAPFRE 34,8 20,0 0,0 23,1 18,3 2,5 0,0 1,4 100,0 CELLNEX 34,4 46,3 0,0 19,3 0,0 0,0 0,0 0,0 100,0 BANKINTER 34,3 47,0 9,2 9,2 0,0 0,0 0,0 0,4 100,0 CAIXABANK 33,8 38,7 0,0 5,0 5,4 16,0 0,0 1,1 100,0 IAGIBERIA 32,6 33,0 0,0 19,4 0,0 0,8 0,0 14,3 100,0 ACS 31,2 13,4 6,6 40,2 2,8 2,9 0,0 2,8 100,0 INDITEX 31,1 8,6 0,0 32,4 17,6 8,2 0,0 2,1 100,0 FERROVIAL 30,6 4,7 8,0 48,8 0,0 0,0 0,0 7,9 100,0 ENDESA 29,5 18,8 3,7 21,2 24,2 0,0 0,0 2,5 100,0 TELEFONICA 26,2 20,2 2,0 43,2 0,0 8,0 0,0 0,4 100,0 INMCOLONIAL 25,5 13,6 12,1 41,0 0,0 7,7 0,0 0,2 100,0 AMADEUS 25,0 30,9 0,0 34,5 0,0 7,7 0,0 1,8 100,0 DIA 24,9 27,2 7,5 17,9 0,0 0,0 0,0 22,5 100,0 IBERDROLA 22,7 23,9 6,0 30,0 0,0 16,3 0,2 0,9 100,0 ACCIONA 21,8 11,2 0,0 29,3 27,1 8,3 0,0 2,3 100,0 VISCOFAN 21,3 43,4 7,8 12,5 2,9 12,1 0,0 0,0 100,0 MERLIN 21,1 11,5 0,0 55,2 11,0 1,1 0,0 0,2 100,0 SGAMESA 20,1 20,6 11,8 15,6 8,7 0,9 20,5 1,9 100,0 INDRA 19,8 16,1 0,0 17,3 0,0 8,5 0,0 38,2 100,0 REPSOL 18,3 36,5 0,0 14,9 8,3 17,1 0,0 5,0 100,0 ACERINOX 17,7 43,3 15,3 23,7 0,0 0,0 0,0 0,0 100,0 NATURGY 15,9 34,4 0,0 14,0 10,9 24,6 0,0 0,1 100,0 REE 15,3 59,0 6,4 7,2 0,0 9,6 0,0 2,6 100,0 CIE 7,4 18,0 0,0 13,0 0,0 3,2 0,0 58,4 100,0 GRIFOLS 0,0 64,6 0,0 13,8 0,0 3,1 0,0 18,5 100,0 Tabla 4.3. Estructura porcentual de la remuneración en metálico respecto a sus partidas desde 2015 – 2017. Valores acumulados en miles de €. Fuente: Elaboración propia a partir de los datos Se puede apreciar que la empresa que mayor retribución ofreció a sus consejeros en forma de sueldos fue el Banco Santander (23.753 miles de €), pese a que porcentualmente ocupa la séptima posición con un 37,4% respecto al total. Por otro lado, se encuentra el caso de AENA, que reparte como sueldos unos escasos 445 miles de € siendo, sin embargo, la segunda a nivel porcentual (51,6%). Otro dato de interés sería el alto precio pagado por AENA en dietas (42,8%). Es necesario destacar la idiosincrasia de esta compañía que se mueve entre el ente público y el privado teniendo el estado el control mayoritario de su capital. En relación a la remuneración fija, Repsol se encuentra muy por delante del resto con un valor de 14.396 miles de € que representa el 36,5%. Otro de los más destacados es Grifols con 9397 miles de €, alcanzando el 64,6% del total en metálico. Además, las entidades financieras como BBVA y Banco Sabadell en primera instancia y más lejos Caixabank, Bankinter y Bankia ofrecen una cuantía elevada en sueldos tanto a nivel cuantitativo como porcentual. 27 En cuanto a la remuneración variable a corto plazo, cabe mencionar ACS con 14.147 miles de €, Ferrovial con 12.375 miles de € y Telefónica con 15.324 miles de €, cuyos porcentajes totales serían: 40,2%, 48,8% y 43,2% respectivamente. Un caso peculiar es el de Merlin Properties que presenta el 55,2% de su compensación metálica en variables a corto plazo pese a que sus cuantía numérica asciende a 8365 miles de €. El concepto de indemnizaciones solo presenta un dato significativo de 2965 miles de € por parte de Siemens Gamesa que corresponde al 20,5% del total. Este hecho aconteció tras la finalización de la fusión de Siemens Wind Power y Gamesa en 2017 existiendo una reestructuración de su consejo de administración. De esta unión, surgió Siemens Gamesa Renewable Energy, S.A. La última partida es “Otros Conceptos”, de donde se atisba que hay dos compañías que destacan: CIE Automotive con 6726 miles de € y 58,4% e Indra con 7675 miles de € correspondiente al 38,2% del total. En el caso de CIE Automotive, la cuantía anteriormente mencionada se encuentra bastante dividida en los tres años. A lo largo del presente trabajo, se van a desarrollar varios clusters jerárquicos que consisten en agrupaciones de elementos a partir de aquellos de mayor similitud, ascendiendo hasta quedar todos interrelacionados. A partir de los datos de las Tablas 4.2 y Tabla 4.3, se va a desarrollar el cluster de la estructura retributiva porcentual de las empresas en relación a su distancia euclídea. Las empresas que presentan una remuneración semejante (menor distancia euclídea entre ellas) se unen a nivel bajo. Estas primeras agrupaciones van ascendiendo conformándose grupos de mayor tamaño. La representación empleada es el endograma que facilita una correcta visualización de las vinculaciones entre las empresas para cada nivel de agrupación. En la Figura 4.1 aparecen ocho clusters para una distancia euclídea superior al 30%. La empresa con mayores diferencias a nivel retributivo es AENA, seguida por Indra y CIE Automotive respectivamente. 28 Figura 4.1. Cluster según estructura retributiva de las 34 empresas en estudio. Fuente: Elaboración propia a partir de los datos 4.2.2. Descripción cuantitativa de los datos de las variables explicativas En el presente apartado, se describirán los datos procedentes de las variables explicativas presentes en el modelo, tanto características de la empresa como del individuo. 4.2.2.1 . Descripción cuantitativa de los datos a nivel de empresa En la Tabla 4.4, se especifican los datos estadísticos que definen a las compañías durante los tres años registrados en el estudio. Tabla 4.4. Descripción de las variables de las empresas desde 2015 – 2017. Valores medios en miles de €. Fuente: Elaboración propia a partir de los datos Variable Mean Std. Dev. Min Max Ventas (miles €) 12.617.787 14.448.846 216.781 54.916.000 Capitalización (miles €) 16.516.792 21.270.239 1.422.865 101.073.024 Empleados 41.359 53.536 120 202.251 Rentabilidad Económica 5,3 7,5 -18,9 31,2 Rentabilidad Financiera 16,4 26,4 -123,6 123,1 Apalancamiento 101,9 123,9 0,0 559,2 Porc. ventas al exterior 52,8 34,9 0,1 99,9 Pago en metálico (miles €) 440,1 259,6 15,2 1.285,1 Pago total (miles €) 603,4 535,7 15,2 4.093,2 29 La compañía con mayores ingresos fue Telefónica en 2015 con una facturación total de 54.916.000 miles de €; en cambio, la que presenta menor número de ventas fue Merlin Properties en 2015 con un valor de 216.781 miles de €. En cuanto al número de empleados se aprecia una amplia brecha entre todas las compañías, oscilando desde 120 empleados (Merlin Properties en 2015) hasta 202.251 trabajadores (Banco Santander en 2017). Es determinante para esta diferencia contrastar el sector laboral en el que desempeña cada empresa. La compañía con peor rentabilidad financiera fue Indra que llevaba en valores negativos varios ejercicios hasta llegar al valor de - 123,6% en 2015. A partir de 2016 empieza a mejorar la rentabilidad para sus accionistas. Por otro lado, la empresa más rentable financieramente fue la Distribuidora Internacional de Alimentos (DIA) con 123,1% en 2015. Para concluir, especificar que el valor del apalancamiento medio a lo largo de los tres años para todas las empresas es de 101,9%. La empresa con mayor endeudamiento (559,2%) fue DIA seguida por Cellnex Telecom (513,73%) en 2017. A continuación, se elabora un cluster jerárquico (Figura 4.2) sobre el tamaño de las compañías (Ventas, Capitalización y Número de empleados) en valores promedios desde 2015 a 2017. Se ha tomado el siguiente nivel de agrupación del endograma para generar 8 clusters. Figura 4.2. Cluster según el tamaño de las 34 compañías. Fuente: Elaboración propia a partir de los datos. Fuente: Elaboración propia a partir de los datos 0 10000000 20000000 30000000 40000000 50000000 60000000 70000000 80000000 Distancia euclídea ACCIONA SGAMESA ACERINOX TREUNIDAS CIE INDRA BANKINTER ENAGAS CELLNEX MEDIASET MERLIN INMCOLONIAL VISCOFAN MELIAHOTEL BANKIA REE GRIFOLS SABADELL DIA AENA AMADEUS CAIXABANK FERROVIAL ACS MAPFRE ENDESA IAGIBERIA NATURGY REPSOL BBVA IBERDROLA TELEFONICA INDITEX SANTANDER Clusters según tamaño 30 En la Figura 4.2 se aprecia un comportamiento anómalo del Banco Santander, manteniendo una escasa similitud en tamaño con el resto de entidades. Además, existen empresas con valores de tamaño muy parecidas, a pequeña escala, como por ejemplo CIE Automotive e Indra o Cellnex Telecom y Mediaset. Este último emparejamiento, incluso operando en mercados distantes, resalta por tener un mismo tamaño pese a ofrecer retribuciones diferentes como se puede ver en la Figura 4.1. A continuación, se muestra la Figura 4.3 con la relación de las tres variables de tamaño atendiendo a los 8 clusters anteriormente fijados. Figura 4.3. Representación gráfica de las variables de tamaño de las empresas en ocho clusters. Valores promedio 2015 – 2017. Fuente: Elaboración propia a partir de los datos Para terminar con el estudio de clusters, se expone la Tabla 4.5 que sintetiza la información más relevante de cada uno de ellos, así como las compañías que lo componen. Para comenzar, se comenta la alta rentabilidad media ofrecida a los accionistas de Inditex (63,1%) en relación a la rentabilidad media del resto de clusters que se sitúan en valores desde 2,8% hasta 26,7%. Además, también presenta la mejor rentabilidad económica (29,5%), con valores muy distantes al resto, que no superan el 7%. Aunque Inditex es una de las dominantes en valores medios de exportaciones (83,4%), no lo es cuando se habla de porcentajes máximos de venta al exterior, donde Amadeus, Técnicas Reunidas y Siemens Gamesa alcanzan cotas superiores al 95% en 2017. Ingresos Capitalización Nº Empleados INDITEX SANTANDER TELEFONICA BBVA IBERDROLA AENA AMADEUS CAIXABANK FERROVIAL REPSOL ACS ENDESA IAGIBERIA MAPFRE NATURGY ACCIONA ACERINOX BANKIA BANKINTER CELLNEX CIE DIA ENAGAS GRIFOLS INDRA INMCOLONIAL MEDIASET MELIAHOTEL MERLIN REE SABADELL SGAMESA TREUNIDAS VISCOFAN 37 el sector energético, a través de su comercialización y distribución, también reparte remuneraciones altas. Las empresas exponentes de esta actividad son Iberdrola y Endesa. Por último, el caso más significativo por baja retribución es AENA situada a caballo entre el sector público y el privado. Tabla 4.6. Datos característicos de los sectores de Actividad Industrial desde 2015 – 2017. Valores en miles de €. Fuente: Elaboración propia a partir de los datos Variable Código Empresas Mean Std. Dev. Min Max Actividades anexas al transporte aéreo 5223 AENA 18,7 36,5 1 166 Actividades de contabilidad, teneduría de libros, auditoría y asesoría fiscal 6920 GRIFOLS 382,6 412,8 50 1315 Actividades de programación y emisión de televisión 6020 MEDIASET 414,0 505,3 95 1854 Alquiler de bienes inmobiliarios por cuenta propia 6820 INM COLONIAL Y MERLÍN 414,7 725,3 7 2631 Comercio al por mayor de prendas de vestir y calzado 4642 INDITEX 1044,9 2682,1 15 12170 Comercio al por menor en establecimientos no especializados, con predominio en productos alimenticios, bebidas y tabaco 4711 DIA 219,4 501,4 3 2511 Comercio de energía eléctrica - Actividades de las sociedades Holding 6420 IBERDROLA 725,2 1452,7 64 6221 Construcción de edificios residenciales - Actividades de las sociedades Holding 6420 FERROVIAL 633,8 1247,0 5 4085 Construcción de otros proyectos de ingeniería civil n.c.o.p 4299 ACS 606,8 1171,5 2 4753 Distribución de energía eléctrica - Actividades de las sociedades Holding 6420 ENDESA 840,5 1081,0 141 3184 Fabricación de productos metálicos excepto maquinaria y equipo - Actividades de las sociedades Holding 6420 ENAGÁS Y NATURGY 334,7 624,8 46 3443 Elaboración de otros productos alimenticios n.c.o.p 1089 VISCOFAN 313,2 263,4 41 994 Fabricación de productos básicos de hierro, acero y ferroaleaciones 2410 ACERINOX 139,1 227,4 17 1121 Fabricación de productos metálicos excepto maquinaria y equipo - Actividades de las sociedades Holding 6420 CIE 768,4 758,5 50 2210 Hoteles y alojamientos similares 5510 MELIA HOTELS 209,4 368,6 42 1477 Otra intermediación monetaria 6419 BBVA, CAIXABANK, SANTANDER, BANKIA, BANKINTER, SABADELL 584,5 1036,5 4 5683 Otras actividades anexas al transporte - Actividades de las sociedades Holding 6420 CELLNEX 192,5 299,1 40 1205 Otras actividades de construcción especializada n.c.o.p 4399 ACCIONA 558,4 1162,6 42 5412 Otros servicios relacionados con las tecnologías de la información y la informática 6209 INDRA 446,3 814,4 35 3868 Proceso de datos, hosting y actividades relacionadas 7010 AMADEUS 323,8 601,1 4 2273 Producción de energía eléctrica de origen eólico - Actividades de las sociedades Holding 6420 SGAMESA 321,8 713,5 14 4242 Refino de petróleo 7010 REPSOL 744,4 1043,2 66 3846 Compañía de Seguros 6512 MAPFRE 487,0 714,2 21 3022 Servicios técnicos de ingeniería y otras actividades relacionadas con el asesoramiento técnico 7112 TREUNDIAS 309,9 423,9 21 1518 Telecomunicaciones - Actividades de las sociedades Holding 6420 TELEFONICA 591,7 1397,5 30 6581 Transporte aéreo de pasajeros - Actividades de las sociedades Holding 6420 IAGIBERIA 408,7 573,3 55 2377 Transporte de energía eléctrica 3512 REE 223,6 192,5 5 903 38 Para concluir con los datos cuantitativos sobre la empresa, aparece la Figura 4.9 que explica cómo la exportación influye a la remuneración promedio en metálico. Se aprecia cierta pendiente positiva aunque escasa linealidad por la existencia de algunas empresas (Amadeus, Siemens Gamesa, Grifols y Técnica Reunidas) que son principalmente exportadoras pero con baja retribución a sus consejos. Los casos contrarios serían el Banco Santander con un alto nivel de facturación al exterior y además con buenas remuneraciones promedio a sus consejeros y en segundo lugar, Inditex. También, existen entidades como: Bankia, Bankinter, Caixabank, Enagás, Merlin Properties, Red Eléctrica de España, Mediaset España y Endesa, que centran casi toda su facturación en el mercado nacional y sin embargo presentan un abanico amplio de retribuciones abarcando desde 200 a 600 miles de €. Figura 4.9. Gráficas de la remuneración metálica media del consejo respecto a la Exportación de la empresa por año. Valores porcentuales 2015 – 2016. Fuente: Elaboración propia a partir de los datos 4.2.2.2. Descripción cuantitativa de los datos a nivel del individuo Seguidamente, será descrita la información cuantitativa de los datos característicos a nivel del individuo. Se van a definir desde sus características personales (edad, género o formación) hasta otras profesionales, tales como: cargos que ostentan, número de consejos a los que pertenece, ACCIONA ACERINOX ACS AENA AMADEUS BANKIA BANKINTER BBVA CAIXABANK CELLNEX DIA ENAGAS ENDESA FERROVIAL GRIFOLS IAGIBERIA IBERDROLA INDITEX INDRA INMCOLONIAL MAPFRE MEDIASET MELIAHOTEL MERLIN NATURGY REE REPSOL SABADELL SANTANDER SGAMESA TELEFONICA TREUNIDAS VISCOFAN ACCIONA ACERINOX ACS AENA AMADEUS BANKIA BANKINTER BBVA CAIXABANK CELLNEX DIA ENAGAS ENDESA FERROVIAL GRIFOLS IAGIBERIA IBERDROLA INDITEX INDRA INMCOLONIAL MAPFRE MEDIASET MELIAHOTEL MERLIN NATURGY REE REPSOL SABADELL SANTANDER SGAMESA TELEFONICA TREUNIDAS VISCOFAN 0 200 400 600 800 1000 1200 1400 020 40 60 80 100 0 20 40 60 80 100 2016 2017 Remuneración promedio en metálico (miles €) Aportación exterior de las ventas (%) 39 asistencia a las reuniones y comisiones del consejo o antigüedad en la empresa y en el consejo de administración. En las Tablas 4.7, 4.9, 4.11 y 4.13 se muestran tanto el dato en frecuencia como su correspondiente porcentaje respecto al total de la muestra. A través de estas cuatro tablas se sintetiza la información numérica sobre los datos de carácter personal y formativo del individuo. La Tabla 4.7 realiza una comparativa entre el cargo que ostenta el consejero y el género de los consejeros. Mencionar que el 81,04% de los consejeros son hombres quedando reducida la participación femenina a tan sólo el 18,96% del total. En una visión más en profundidad, se percibe que el 88,27% de los individuos pertenecen a la categoría de “Otros” que abarca desde: secretario, vicepresidente, consejero coordinador independiente, consejero vocal, entre otros. Por tanto, sólo un 11,73% de los individuos son Presidentes, Consejeros Delegados (CEO) o ambos cargos simultáneamente. Tabla 4.7. Comparativa de cargo en el consejo respecto al género. Valores en frecuencia y porcentuales 2015 – 2017. Fuente: Elaboración propia a partir de los datos A continuación, la figura 4.10 ahonda más gráficamente en estos datos. Sexo CEO Presidente Presidente y CEO Otros Total 3 7 0 260 270 0,21 0,49 0 18,26 18,96 64 64 29 997 1154 4,49 4,49 2,04 70,01 81,04 67 71 29 1257 1424 4,71 4,99 2,04 88,27 100 Hombre Total Cargo en el Consejo Mujer Representación femenina Representación masculina Figura 4.10. Diagramas circulares del tipo de cargo en el consejo en función del género. Fuente: Elaboración propia a partir de los datos 40 Se aprecia que la mayor representación femenina se encuentra en el tipo de cargos de “Otros”, con un 18,26% del total. En relación a CEO, exclusivamente el 0,21% de un total de 4,71% son mujeres. En este caso, se está hablando de María Dolores Dancausa Treviño, CEO de Bankinter durante los tres ejercicios de estudio. En cuanto al cargo de Presidente, únicamente el 0,49% del total de Presidentes (4,99%) son mujeres, siendo las figuras más relevantes:  Ana Patricia Botín-Sanz de Sautuola O´shea. Presidenta de Banco Santander durante los tres años de la muestra.  Ana María Llopis Rivas. Presidenta de Distribuidora Internacional de Alimentos, DIA, de 2015 a 2017.  Rosa María García García. Presidenta de Siemens Gamesa desde 2017. Para terminar con la casuística del cargo en el consejo y el género de los individuos, se expone la Tabla 4.8 sobre el salario en metálico promedio en función de estos factores. Se destaca que la retribución del hombre es superior a la de la mujer para todos los posibles cargos ostentados, excepto cuando se trata de presidentas donde las mujeres ganan más que los hombres. Tabla 4.8. Remuneración en metálico en función del cargo en el consejo y el género de los consejeros desde 2015 – 2017. Valor promedio en miles de €. Fuente: Elaboración propia a partir de los datos Cargo en el Consejo Género CEO Presidente Presidente-CEO Otros Total Mujer 1177 2403 - 145,49 215,48 Hombre 1889 1428 3596 272,38 509,95 Total 1857 1524 3596 242,29 445,14 La Tabla 4.9 relaciona el cargo en el consejo con el tipo de consejero del que se trata. Tabla 4.9. Comparativa de cargo en el consejo respecto a la categoría del consejero. Valores en frecuencia y porcentuales 2015 – 2017. Fuente: Elaboración propia a partir de los datos Tipo de consejero CEO Presidente Presidente y CEO Otros Total 012 0343 355 0 0,84 0 24,09 24,93 67 36 29 94 226 4,71 2,53 2,04 6,6 15,87 0 9 0 710 719 0 0,63 0 49,86 50,49 014 0110 124 0 0,98 0 7,72 8,71 67 71 29 1257 1424 4,71 4,99 2,04 88,27 100 Otro externo Total Ejecutivo Independiente Cargo en el Consejo Dominical 41 Para facilitar la visualización de los datos, se muestra la Figura 4.11. Figura 4.11. Diagramas circulares del tipo de consejero y el cargo ostentado en el consejo. Fuente: Elaboración propia a partir de los datos Los datos evidencian que ser CEO o Presidente-CEO de una entidad se corresponde con ser consejero Ejecutivo. Sin embargo, para ser Presidente no existe restricción alguna en cuanto al tipo de consejero. El tipo de consejero más repetido para ser Presidente es ser Ejecutivo con un 2,53% del total, mientras que la opción de Presidente y consejero Independiente es el menos habitual (0,63%). El cargo de “Otros” es ostentando por el 88,27% del total de individuos; siendo las relaciones más habituales: “Otros”- consejero Independiente con un 49,86% y “Otros”- consejero Dominical con un 24,09% del total. A grandes rasgos, el 50,49% del total de la muestra son consejeros Independientes, seguidos por consejeros Dominicales con un 24,93%. La representación minoritaria son los Otros consejeros Externos que no alcanzan el 9%. Para concluir con el estudio comparativo entre la tipología del consejero y el cargo en el consejo, se presenta la Tabla 4.10. Se comprueba que existe una gran diferencia salarial entre los CEOs, Presidentes y CEO-Presidente respecto al resto de miembros del consejo. De igual manera, el consejero Ejecutivo tiene un salario de hasta 10 veces superior que el resto de consejeros. Consejero Dominical Consejero Ejecutivo Consejero Independiente Consejero Otro Externo 42 Tabla 4.10. Remuneración en metálico en función del cargo en el consejo y la tipología de consejero desde 2015 – 2017. Valor promedio en miles de €. Fuente: Elaboración propia a partir de los datos Cargo en el Consejo Tipo de Consejero CEO Presidente Presidente-CEO Otros Total Dominical - 600 - 108,79 123,97 Ejecutivo 1857 2251 3596 1382 1938,33 Independiente - 489 - 154,15 158,35 Otro Externo - 1113 - 263,45 358,67 Total 1857 1524 3596 242,29 445,14 NOTA. En las Tablas 4.11, 4.12, 4.13 y 4.14, la gran mayoría de observaciones sin estudios superiores corresponden a personas jurídicas o grupos de inversión de capital que están presentes en los consejos de administración como representación de otras entidades. Por este motivo, no se han recogido datos sobre su formación. Al retirar del estudio estas observaciones, la muestra resultante de personas sin ningún tipo de estudio son siempre hombres. En la Tabla 4.11 se interrelacionan los cursos de Máster en relación a los estudios superiores realizados con anterioridad. Una de las principales afirmaciones es que el 65,8% de la muestra no ha requerido de un Máster para ocupar un puesto en un consejo de administración. Para la obtención de los estudios universitarios, existe una mayor diversidad entre diferentes universidades donde se obtuvieron estos títulos, predominando la Universidad privada de Deusto en el País Vasco. Sin embargo, para obtener un Máster se reduce la diversidad, quedando muy acotada. Tabla 4.11. Comparativa de los estudios de Máster respecto a los estudios superiores cursados con anterioridad. Valores de frecuencia y porcentuales 2015 – 2017. Fuente: Elaboración propia a partir de los datos Para facilitar la visualización de los datos, se presenta la Figura 4.12 que representa el valor porcentual de consejeros que estudian cada tipo de Máster. Estudios Superiores ADE ECON PDG ING Otros No tiene Total 204 45 57 023 644 973 14,33 3,16 4 0 1,62 45,22 68,33 69 329 8 4 177 290 4,85 0,21 2,04 0,56 0,28 12,43 20,37 0 0 3 0 1 18 22 0 0 0,21 0 0,07 1,26 1,54 4 0 3 0 1 32 40 0,28 0 0,21 0 0,07 2,25 2,81 17 0 7 0 9 66 99 1,19 0 0,49 0 0,63 4,63 6,95 294 48 99 838 937 1424 20,65 3,37 6,95 0,56 2,67 65,8 100 Estudios de Máster Econ-ADE-Dcho Ing-Econ Ing-Arq-Mat Otros No tiene Total 43 Figura 4.12. Diagrama circular sobre el tipo de Máster estudiado por los consejeros. Fuente: Elaboración propia a partir de los datos A continuación, se describen algunos de los Máster con mayor demanda:  ADE. Máster en Administración y Dirección de Empresas, también conocidos como MBA (Master of Business Administration).  PDG. Máster en Programa de Dirección General. La mayoría de ellos cursados en IESE Business School que es la escuela de posgrado de ADE en la Universidad de Navarra. El 68,33% del total de la muestra estudiaron la Licenciatura de Ciencias Económicas, Empresariales, Administración y Dirección de Empresas o Derecho, aunque dos terceras partes de estos licenciados no han cursado ningún Máster. Los siguientes estudios superiores con mayor demanda son las Ingenierías Superiores, Arquitectura o Matemáticas con un 20,37%. De entre la tipología de Máster existentes, el más frecuente es el MBA con un 20,65% del total seguido por el PDG con un 6,95% y Máster en Economía con un 3,37%. Únicamente el 2,81% de los consejeros no tienen estudios, dicha representación corresponde con individuos de avanzada edad. Se continúa con la descripción analítica de los Estudios de Máster pero relacionándolo con la retribución metálica promedio percibida por los consejeros. En la tabla 4.12 se observa que no es condición necesaria estar en posesión de un Máster para ostentar un puesto de consejero, pero incluso esa afirmación va más allá, ya que el grupo que más compensación económica promedio percibe (466,8 miles de €), son aquellos que no presentan Máster. A este valor le sigue el Máster de ADE y PDG con valores promedios de 459,3 y 454,8 miles de € respectivamente. 44 Por otro lado, en la Tabla 4.12 se visualiza que la mayor remuneración (3105 miles de €) coincide con aquellos individuos que han cursado Ingeniería con Ciencias Económicas y han realizado un Máster de PDG. Otra combinación destacada es estudiar Ingeniería Superior, Arquitectura o Matemáticas junto a un Máster en Economía, alcanzando una retribución promedio de 1161 miles de €. Tabla 4.12. Remuneración en metálico en función del tipo de Estudio Superior y Máster cursado por el consejero desde 2015 – 2017. Valor promedio en miles de €. Fuente: Elaboración propia a partir de los datos La Tabla 4.13 refleja la vinculación existente entre el binomio estudios superiores y Doctorado. La gran diferencia es que mientras el 34,2% de la muestra ha efectuado un Máster, el número desciende considerablemente cuando nos referimos a cursos de Doctorado (13,27%). Tabla 4.13. Comparativa de los estudios de Doctorado respecto a los estudios superiores cursados con anterioridad. Valores de frecuencia y porcentuales 2015 – 2017. Fuente: Elaboración propia a partir de los datos La agrupación más habitual es: Licenciatura de Ciencias Económicas, Empresariales, Administración y Dirección de Empresas o Derecho junto con un Doctorado en Economía (4,35%); es decir, un tercio de los consejeros que son doctores han optado por esta combinación en sus estudios. La siguiente unión más común es cambiar el Doctorado de Economía por uno de Derecho, entre los que destacan Derecho Mercantil y Derecho Financiero (2,53%). Otra de las ramas del conocimiento más representadas son Ingeniería Superior, Arquitectura o Matemáticas acompañado de un Doctorado en Ingeniería con un valor de 1,83% sobre el total. Estudios Superiores ADE ECON ING PDG Otros No tiene Total Econ-ADE-Dcho 479,5 343,8 421,7 289,0 455,6 449,5 Ing-Arq-Mat 492,8 1161,3 211,4 242,1 92,3 582,3 516,0 Ing-Econ 3105,7 129,0 127,8 534,0 No tiene 214,0 1368,0 156,0 380,4 432,2 Otros 138,8 77,4 88,0 401,7 305,1 Total 459,3 394,9 211,4 454,8 212,9 466,8 453,8 Estudios de Máster Estudios Superiores ADE DERECHO ECON ING Otros No tiene Total 16 36 62 2 7 850 973 1,12 2,53 4,35 0,14 0,5 59,69 68,33 3 0 1 26 260 290 0,21 0 0,07 1,83 18,26 20,37 0 0 0 6 16 22 0 0 0 0,42 1,12 1,54 0 9 0 3 18 69 99 0 0,63 0 0,21 1,26 4,85 6,95 0 0 0 0 40 0 0 0 0 0 2,81 2,81 19 45 63 37 25 1235 1424 1,33 3,16 4,42 2,6 1,76 86,73 100 Estudios de Doctorado Econ-ADE-Dcho Ing-Econ 0 Ing-Arq-Mat 0 No tiene 0 Otros Total 45 A continuación, en la Figura 4.13 se puede visualizar mejor los datos porcentuales sobre el tipo de Doctorado estudiado por los consejeros. Figura 4.13. Diagrama circular sobre el tipo de Doctorado de los consejeros. Fuente: Elaboración propia a partir de los datos Se procede a seguir con el análisis de los Estudios de Doctorado pero ahora respecto a la retribución metálica promedio (Tabla 4.14). Se denota que los estudios de Ingeniería Superior, Arquitectura o Matemáticas combinado con un Doctorado de Economía obtienen una compensación salarial de 3341 miles de €, valor que desciende a 897 miles de € cuando se trata de un Doctorado de Ingeniería. Tabla 4.14. Remuneración en metálico en función del tipo de Estudio Superior y Doctorado del consejero desde 2015 – 2017. Valor promedio en miles de €. Fuente: Elaboración propia a partir de los datos Por otro lado, los dos doctorados con los que los consejeros ganan más son el Doctorado de Ingeniería y “Otros” Doctorados con unos valores promedio de 661,8 y 614,5 miles de € respectivamente. Se vuelve a comprobar que la condición de Doctor no tiene influencia ya que, los individuos sin Doctorado, son los terceros que más ganan en promedio con un valor de 458,9 miles de €. Estudios Superiores ADE DERECHO ECON ING Otros No tiene Total Econ-ADE-Dcho 147,2 215,8 385,7 121,5 130,1 473,1 449,5 Ing-Arq-Mat 62,0 3341,0 897,8 472,2 516,0 Ing-Econ 88,7 700,9 534,0 No tiene 432,2 432,2 Otros . 226,1 . 122,7 802,9 193,5 305,1 Total 133,7 217,9 432,6 661,8 614,5 458,9 453,8 Estudios de Doctorado 46 Seguidamente, se utilizará un diagrama de caja con el objeto de sintetizar la distribución de la variable endógena en función del género. La Figura 4.14 recoge exclusivamente información sobre el género, dando lugar a una distribución de la remuneración muy heterogénea con valores retributivos altos como consecuencia de los sueldos de Presidentes y CEOs. Además, se aprecia que las mujeres ganan en promedio, sin tener en cuenta el tipo de cargo ostentado, menos de la mitad de lo que percibe un hombre. La media de la remuneración de las mujeres es de 215 miles de €, en cambio la de los hombres asciende hasta 510 miles de €. No obstante, esta afirmación tiene que ser contrastada más en profundidad al existir un posible escenario de variables omitidas que no están siendo contempladas, como sería el tipo de cargo ostentado, categoría de consejero, antigüedad en el consejo, entre otras. Figura 4.14. Diagrama de barra de la distribución de la remuneración metálica respecto al género desde 2015 – 2017. Valor promedio en miles de €. Fuente: Elaboración propia a partir de los datos Para terminar con los datos del individuo a nivel personal, se va a describir cómo influye la edad a la remuneración en metálico percibida por los consejeros (Figura 4.15). Hay una amalgama amplia donde la tendencia fundamental es que las mejores retribuciones recaen sobre los individuos cuya edad está comprendida entre 50 y 65 años. Esto es consecuencia de que en esa franja de edad se sitúan los presidentes y CEOs que son los que reciben mayores remuneraciones. No obstante, parece que hay cierta tendencia en que los CEOs sean ligeramente más jóvenes que los presidentes de las entidades. Por ejemplo, el CEO más joven tiene 42 años en 2017, siendo el más longevo, en Media mujeres Media hombres 0 100 200 300 400 500 600 700 Remuneración en metálico (miles €) Mujeres Hombres Media consejeros 53 Figura 4.23. Gráficas de la remuneración metálica del consejero respecto al porcentaje de asistencia a las reuniones del consejo cada año. Valores en miles de €. Fuente: Elaboración propia a partir de los datos En la Figura 4.23 se observa una tendencia positiva que afirma que la remuneración del consejero se incrementa con la asistencia. Es importante mencionar que un factor vinculado a la asistencia es el concepto de las dietas como una de las partidas retributivas de la remuneración total del consejero. Las empresas donde las dietas adquieren un peso porcentual importante en la retribución son aquellas que presentan altas tasas de asistencia en los tres años. Es decir, las empresas donde se retribuyen más generosamente la asistencia dan lugar a que asistan todos sus miembros. El caso más llamativo es el de AENA (98% de asistencia promedio) y donde sus consejeros cobran fundamentalmente en dietas. Otros ejemplos relevantes son Acciona, Enagás y Ferrovial. En resumen, en determinadas empresas sí habría una pequeña correlación entre asistir a las reuniones del consejo de administración y la retribución total en metálico del individuo. 0 2000 4000 6000 8000 10000 12000 0 2000 4000 6000 8000 10000 12000 .1 .2 .3 .4 .5 .6 .7 .8 .9 1 .1 .2 .3 .4 .5 .6 .7 .8 .9 1 2015 2016 2017 Otros Presidente y CEO CEO Presidente Remuneración en metálico (miles €) Porcentaje de asistencia al consejo 54 Capítulo 5. Análisis Econométrico Este capítulo muestra los resultados obtenidos por el análisis econométrico a partir de los datos estudiados. 5.1.- Descripción general del modelo Se empieza describiendo el modelo de regresión lineal múltiple detallando todas y cada una de las variables que han sido empleadas, así como, su tipología: continua (en niveles o logaritmos) o categórica (dummy). A continuación, se muestran las variables empleadas por el modelo para definir la remuneración total metálica del consejero del IBEX 35. 𝑅𝑒𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑡𝑜𝑡𝑎𝑙 𝑚𝑒𝑡á𝑙𝑖𝑐𝑎=𝑓(𝐴Ñ𝑂,𝑉𝐶𝑜𝑛𝑡𝐼,𝑉𝐶𝑜𝑛𝑡𝐸,𝑉𝐶𝑎𝑡𝐼,𝑉𝐶𝑎𝑡𝐸) (12) donde: AÑO es una variable categórica sobre el año económico; VContI concentra a las variables continuas a nivel del individuo; VContE recoge todas las variables continuas a nivel de la empresa; VCatI agrupa a las variables categóricas a nivel del individuo y VCatE concentra a las variables categóricas a nivel de la empresa. 5.1.1. Clasificación de las variables A continuación, de forma general, se comentará el porqué de la tipología de cada variable. En primer lugar, mencionar que las variables continuas medidas en niveles reflejan valores numéricos y dan lugar a una semi-elasticidad. En cambio, las variables continuas en logaritmos son empleadas para valores numéricos caracterizados por no linealidades y con el fin de mejorar la bondad del modelo; además, utilizan elasticidad. En segundo lugar, la variable categórica o dummy es empleada para definir un parámetro nominal sobre una referencia de característica cualitativa. Ahora, se expondrá la clasificación de las variables: Se empieza comentando la variable endógena del modelo que es la Retribución Total en Metálico del Consejero. Se trata de una variable continua medida en logaritmos. La variable AÑO se ha construido por medio de una dummy que toma como referencia el año 2015. Las variables continuas a nivel del individuo (VContI) son:  Periodo de Devengo. Se ha estudiado en niveles. 55  Porcentaje de Acciones. Se encuentra definida en niveles.  Edad. Se ha construido con el empleo de otra variable para dotar a la edad de un carácter cuadrático. Esta decisión fue tomada por la distribución de su nube de puntos. Véase Figura 4.15.  Antigüedad en el Consejo. Se ha estudiado a partir de una expresión cuadrática como consecuencia de la distribución de las observaciones. Véase Figura 4.20.  Antigüedad en la Empresa. Mismo razonamiento que la variable anterior pero con mayor acentuación en la forma cuadrática. Véase Figura 4.21. Las variables categóricas a nivel del individuo (VcatI) son:  Tipología de Consejero. La referencia es Consejero Dominical.  Cargo en el Consejo. Cuya referencia es la de “Otros” que abarca desde: secretario, vicepresidente, consejero coordinador independiente, consejero vocal, entre otros.  Género. Se ha tomado como referencia el género femenino.  Estudios Universitarios Superiores. Donde su referencia es el grupo compuesto por los estudios de ingeniería, arquitectura y matemáticas.  Estudios de Doctorado. La referencia es el Doctorado en ingeniería. Las variables continuas a nivel de la empresa (VcontE) son:  Ingresos. Variable definida en logaritmos.  Capitalización. Variable estudiada en logaritmos.  Ratio Financiero. Se ha tomado en niveles.  Apalancamiento. Variable medida en niveles. Las variables categóticas a nivel de la empresa (VcatE) son: 56  Sector de Actividad Industrial. Toma como referencia el sector industrial del Transporte.  Clúster porcentual por Estructura Retributiva. La referencia es el clúster 8 formado exclusivamente por AENA. En las siguientes líneas, se ahonda en las casuísticas de esta variable. La estructura retributiva, en términos porcentuales, está representada por 8 clusters. Además, el cluster 3, constituido por Siemens Gamesa, presenta una correlación con la base de referencia (AENA). Por este motivo, el resto de clusters van a ser comparados en relación a estos dos clusters mencionados. En la Figura 5.1, se puede ver la composición de cada uno de ellos. Figura 5.1. Dendograma de la estructura retributiva porcentual en 8 clusters. Valores acumulados 2015 – 2017. Fuente: Elaboración propia a partir de los datos 5.2.- Coeficientes significativos del modelo estimado A continuación, la Tabla 5.1 expone los resultados de los coeficientes estimados del modelo. 57 Para componer la Tabla 5.1 se ha requerido de un ajuste de la desviación típica en 34 clusters de empresa (un cluster por cada empresa), así se alcanza varianzas más robustas. De esta forma, se acepta cierta correlación entre las perturbaciones que afectan a los individuos de un Logaritmo Remuneración Total Metálica Coef. Std. Err. t P>t 2016 10,51% 0,037 2,690 0,011 0,024 0,176 2017 11,40% 0,041 2,640 0,013 0,025 0,191 Actividades Inmobiliaria 64,28% 0,174 2,850 0,008 0,142 0,851 Alimentación 61,31% 0,098 4,880 0,000 0,279 0,677 Alojamiento -4,06% 0,118 -0,350 0,728 -0,282 0,199 Asesoría contable -3,99% 0,095 -0,430 0,671 -0,234 0,153 Asesoría técnica 103,07% 0,105 6,720 0,000 0,494 0,923 Comercio mayor 8,84% 0,172 0,490 0,625 -0,265 0,435 Comercio menor 11,58% 0,129 0,850 0,402 -0,153 0,372 Construcción -0,18% 0,066 -0,030 0,978 -0,136 0,132 Fabricación productos metálicos -11,38% 0,111 -1,090 0,285 -0,347 0,105 Generación electricidad 1438,22% 0,120 22,740 0,000 2,489 2,978 Metalurgia -1,70% 0,095 -0,180 0,858 -0,210 0,176 Refino pretóleo 75,31% 0,068 8,280 0,000 0,423 0,699 Servicios financieros 0,07% 0,095 0,010 0,994 -0,192 0,194 Suministro electricidad 46,10% 0,073 5,200 0,000 0,231 0,528 Suministro gas 30,65% 0,073 3,670 0,001 0,119 0,416 Telecomunicaciones 11,04% 0,088 1,190 0,244 -0,075 0,284 Cluster 1 (sueldos - 31%) 1252,06% 0,134 19,480 0,000 2,332 2,876 Cluster 2 (sueldos + remuneración a corto plazo- 31 y 33% respectivamente) 1066,59% 0,099 24,870 0,000 2,256 2,658 Cluster 3. Correlación con el cluster de referencia 0,00% (omitted) Cluster 4 (sueldos - 58%) 644,11% 0,136 14,740 0,000 1,730 2,284 Cluster 5 (remuneración fija - 38%) 1174,82% 0,116 21,940 0,000 2,309 2,781 Cluster 6 (remuneración fija - 62%) 1362,54% 0,105 25,640 0,000 2,470 2,896 Cluster 7 (otros conceptos - 45%) 1915,81% 0,176 17,070 0,000 2,646 3,361 Logaritmo Ingresos (miles euros) 0,0688373 0,021 3,230 0,003 0,025 0,112 Logaritmo Capitalización (miles euros) 0,2545038 0,050 5,120 0,000 0,153 0,356 Ratio Financiero -0,003 0,001 -3,740 0,001 -0,005 -0,001 Apalancamamiento -0,002 0,001 -3,880 0,000 -0,004 -0,001 Apalancamiento al cuadrado 0,000 0,000 4,440 0,000 0,000 0,000 Ejecutivo 534,74% 0,122 15,140 0,000 1,600 2,096 Independiente 5,36% 0,052 1,000 0,324 -0,054 0,158 Otros 36,35% 0,105 2,950 0,006 0,097 0,524 CEO 61,71% 0,127 3,790 0,001 0,222 0,739 Presidente 140,13% 0,144 6,070 0,000 0,582 1,170 Presidente&CEO 175,23% 0,155 6,530 0,000 0,697 1,328 Sexo. Ref (Mujer) Hombres 5,47% 0,056 0,960 0,345 -0,060 0,166 Economía-ADE-Derceho 6,95% 0,050 1,350 0,186 -0,034 0,168 Ingeniería-Economía 34,06% 0,098 3,000 0,005 0,095 0,492 No tiene -11,22% 0,128 -0,930 0,359 -0,379 0,141 Otros -2,84% 0,095 -0,300 0,763 -0,221 0,164 ADE 6,09% 0,222 0,270 0,792 -0,393 0,511 Derecho 27,39% 0,153 1,590 0,122 -0,068 0,552 Economía 24,96% 0,114 1,950 0,060 -0,010 0,456 No tiene 20,51% 0,087 2,150 0,039 0,010 0,363 Otros 10,22% 0,140 0,690 0,493 -0,188 0,383 Periodo devengo 0,005 0,000 15,710 0,000 0,004 0,006 Porcentaje de Acciones -0,010 0,013 -0,790 0,435 -0,036 0,016 Nacimiento 1,335 0,808 1,650 0,108 -0,309 2,979 Nacimiento cuadrado 0,000 0,000 -1,650 0,108 -0,001 0,000 Antigüedad Consejo -2,941 2,012 -1,460 0,153 -7,035 1,153 Antigüedad Consejo cuadrado 0,001 0,001 1,450 0,156 0,000 0,002 Antigüedad Empresa 2,003 0,687 2,910 0,006 0,604 3,402 Antigüedad Empresa cuadrado -0,001 0,000 -2,910 0,006 -0,001 0,000 Año. Ref (2015) Sector Industrial. Ref (Transporte - AENA, IBERIA Y CELLNEX) Cluster porcentual por estrucutra retributiva. Ref (Clúster 8 - AENA) Tipo de Consejero. Ref (Dominical) Tamaño Empresa [95% Inter. de Conf.] Categórica AÑO Variables Categóricas Variables Continuas VARAIBLES RELATIVAS A LA EMPRESA Variables Continuas VARAIBLES RELATIVAS AL INDIVIDUO Otros datos del individuo Variables Categóricas Estudios Superiores. Ref (Ing - Arq - Mat) Estudios de Doctorado. Ref (Ingeniería) Cargo en el Consejo. Ref (Otros) Tabla 5.1. Resultados de los coeficientes estimados del modelo. Fuente: Elaboración propia a partir de los datos 58 mismo cluster, haciendo menos exigente el requisito de independencia entre observaciones. Dicho de otro modo, las observaciones son independientes entre clusters pero no necesariamente dentro del mismo cluster. Este fenómeno afecta a la matriz de la desviación estándar de los errores y varianza-covarianza de los estimadores pero no los coeficientes estimados. Se busca una mayor robustez en las varianzas ya que una varianza grande (menos robusta) implica estimadores menos precisos y con ello, el aumento del intervalo de confianza. Todo ello originaría contrastes de hipótesis de menor exactitud. Seguidamente, se expone la expresión teórica completa del modelo de regresión donde los coeficientes estimados de las variables continuas (en niveles o en logaritmos) se han representado como β; en cambio, los coeficientes estimados de las variables categóricas (dummy) se han definido como δ. 𝑅𝑒𝑡.𝑡𝑜𝑡𝑎𝑙 𝑚𝑒𝑡á𝑙𝑖𝑐𝑎=𝛿2016·𝐴Ñ𝑂2016+ 𝛿2017·𝐴Ñ𝑂2017+𝛿𝐼𝑛𝑚𝑜𝑏· 𝐴𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑𝐼𝑛𝑚𝑜𝑏𝑖𝑙𝑖𝑎𝑟𝑖𝑎 + 𝛿𝐼𝑛𝑔·𝐼𝑛𝑔𝑒𝑛𝑖𝑒𝑟í𝑎 +𝛿𝐴𝑙𝑖·𝐴𝑙𝑖𝑚𝑒𝑛𝑡𝑎𝑐𝑖ó𝑛+𝛿𝐺𝑒𝑛·𝐺𝑒𝑛𝑒𝑟𝑎𝑐𝑖ó𝑛𝐸𝑙𝑒𝑐𝑡𝑟𝑖𝑐𝑖𝑑𝑎𝑑+𝛿𝑆𝑢𝑚·𝑆𝑢𝑚𝑖𝑛𝑖𝑠𝑡𝑟𝑜𝐸𝑙𝑒𝑐𝑡𝑟𝑖𝑐𝑖𝑑𝑎𝑑+𝛿𝑠𝑔𝑎𝑠 ·𝑆𝑢𝑚𝑖𝑛𝑖𝑠𝑡𝑟𝑜𝐺𝑎𝑠+𝛿𝑃𝑒𝑡·𝑅𝑒𝑓𝑖𝑛𝑜𝑃𝑒𝑡𝑟ó𝑙𝑒𝑜+𝛿𝐶1·𝐶𝑙𝑢𝑠𝑡𝑒𝑟1+𝛿𝐶2· 𝐶𝑙𝑢𝑠𝑡𝑒𝑟2 + 𝛿𝐶4· 𝐶𝑙𝑢𝑠𝑡𝑒𝑟4 +𝛿𝐶5·𝐶𝑙𝑢𝑠𝑡𝑒𝑟5+𝛿𝐶6· 𝐶𝑙𝑢𝑠𝑡𝑒𝑟6 + 𝛿𝐶7· 𝐶𝑙𝑢𝑠𝑡𝑒𝑟7 + 𝛽𝐼𝑛𝑔𝑟· 𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 + 𝛽𝐶𝑎𝑝𝑖𝑡·𝐶𝑎𝑝𝑖𝑡𝑎𝑙𝑖𝑧𝑎𝑐𝑖ó𝑛 + 𝛽𝑅𝑎𝑡 𝐹𝑖𝑛· 𝑅𝑎𝑡𝑖𝑜 𝐹𝑖𝑛𝑎𝑛𝑐𝑖𝑒𝑟𝑜+ 𝛽𝐴𝑝𝑎𝑙·𝐴𝑝𝑎𝑙𝑎𝑛𝑐𝑎𝑚𝑖𝑒𝑛𝑡𝑜+𝛿𝐸𝑗𝑒·𝐸𝑗𝑒𝑐𝑢𝑡𝑖𝑣𝑜+𝛿𝑂𝑡𝑟𝑜𝑠·𝑂𝑡𝑟𝑜𝑠 +𝛿𝐶𝐸𝑂·𝐶𝐸𝑂+𝛿𝑃𝑟𝑒·𝑃𝑟𝑒𝑠𝑖𝑑𝑒𝑛𝑡𝑒+𝛿𝑃𝐶𝐸𝑂·𝑃𝑟𝑒𝑠𝑖𝑑𝑒𝑛𝑡𝑒𝐶𝐸𝑂+𝛿𝐼𝐸·𝐼𝑛𝑔𝑒𝑛𝑖𝑒𝑟í𝑎𝐸𝑐𝑜𝑛𝑜𝑚í𝑎+𝛿𝐷𝑑𝑒𝑟 ·𝐷𝑜𝑐𝑡𝑜𝑟𝑎𝑑𝑜𝐷𝑒𝑟𝑒𝑐ℎ𝑜+𝛿𝐷𝑒𝑐𝑜·𝐷𝑜𝑐𝑡𝑜𝑟𝑎𝑑𝑜𝐸𝑐𝑜𝑛𝑜𝑚í𝑎+𝛿𝐷𝑠𝑖𝑛· 𝑆𝑖𝑛 𝐷𝑜𝑐𝑡𝑜𝑟𝑎𝑑𝑜 + 𝛽𝑑𝑒𝑣𝑒 · 𝐷í𝑎𝐷𝑒𝑣𝑒𝑛𝑔𝑎𝑑𝑜 + 𝛽𝐸𝑑𝑎𝑑· 𝐸𝑑𝑎𝑑+ 𝛽𝐴𝑛𝑡· 𝐴𝑛𝑡𝑖𝑔ü𝑒𝑑𝑎𝑑 𝑒𝑚𝑝𝑟𝑒𝑠𝑎 (13) A partir de la ecuación 13 y del valor numérico de los coeficientes estimados (Tabla 5.1), se expone el modelo con los valores estimados de β y δ expresados en tanto por uno. 𝑅𝑒𝑡.𝑡𝑜𝑡𝑎𝑙 𝑚𝑒𝑡á𝑙𝑖𝑐𝑎=0,105·𝐴Ñ𝑂2016+ 0,114·𝐴Ñ𝑂2017+0,64· 𝐴𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑𝐼𝑛𝑚𝑜𝑏𝑖𝑙𝑖𝑎𝑟𝑖𝑎 + 1,03 ·𝐼𝑛𝑔𝑒𝑛𝑖𝑒𝑟í𝑎+0,61·𝐴𝑙𝑖𝑚𝑒𝑛𝑡𝑎𝑐𝑖ó𝑛+14·𝐺𝑒𝑛𝑒𝑟𝑎𝑐𝑖ó𝑛𝐸𝑙𝑒𝑐𝑡𝑟𝑖𝑐𝑖𝑑𝑎𝑑+0,46 ·𝑆𝑢𝑚𝑖𝑛𝑖𝑠𝑡𝑟𝑜𝐸𝑙𝑒𝑐𝑡𝑟𝑖𝑐𝑖𝑑𝑎𝑑+0,31·𝑆𝑢𝑚𝑖𝑛𝑖𝑠𝑡𝑟𝑜𝐺𝑎𝑠+0,75·𝑅𝑒𝑓𝑖𝑛𝑜𝑃𝑒𝑡𝑟ó𝑙𝑒𝑜+12,5 ·𝐶𝑙𝑢𝑠𝑡𝑒𝑟1+10,6 · 𝐶𝑙𝑢𝑠𝑡𝑒𝑟2 + 6,44· 𝐶𝑙𝑢𝑠𝑡𝑒𝑟4 + 11,74·𝐶𝑙𝑢𝑠𝑡𝑒𝑟5+13,62· 𝐶𝑙𝑢𝑠𝑡𝑒𝑟6 +19,15· 𝐶𝑙𝑢𝑠𝑡𝑒𝑟7 + 0,06· 𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 + 0,25·𝐶𝑎𝑝𝑖𝑡𝑎𝑙𝑖𝑧𝑎𝑐𝑖ó𝑛−0.003 · 𝑅𝑎𝑡𝑖𝑜 𝐹𝑖𝑛𝑎𝑛𝑐𝑖𝑒𝑟𝑜 − 0.002·𝐴𝑝𝑎𝑙𝑎𝑛𝑐𝑎𝑚𝑖𝑒𝑛𝑡𝑜+5,34·𝐸𝑗𝑒𝑐𝑢𝑡𝑖𝑣𝑜+0,36·𝑂𝑡𝑟𝑜𝑠+0,62 ·𝐶𝐸𝑂+1,4·𝑃𝑟𝑒𝑠𝑖𝑑𝑒𝑛𝑡𝑒+1,75·𝑃𝑟𝑒𝑠𝑖𝑑𝑒𝑛𝑡𝑒𝐶𝐸𝑂+0,34·𝐼𝑛𝑔𝑒𝑛𝑖𝑒𝑟í𝑎𝐸𝑐𝑜𝑛𝑜𝑚í𝑎+0,27 ·𝐷𝑜𝑐𝑡𝑜𝑟𝑎𝑑𝑜𝐷𝑒𝑟𝑒𝑐ℎ𝑜+0,25·𝐷𝑜𝑐𝑡𝑜𝑟𝑎𝑑𝑜𝐸𝑐𝑜𝑛𝑜𝑚í𝑎+0,21·𝑆𝑖𝑛 𝐷𝑜𝑐𝑡𝑜𝑟𝑎𝑑𝑜+ 0.005 · 𝐷í𝑎𝐷𝑒𝑣𝑒𝑛𝑔𝑎𝑑𝑜 + 0,013· 𝐸𝑑𝑎𝑑+ 0.02· 𝐴𝑛𝑡𝑖𝑔ü𝑒𝑑𝑎𝑑 𝑒𝑚𝑝𝑟𝑒𝑠𝑎 (14) En la Tabla 5.2, se expone las variables cuyos coeficientes estimados son significativos para un intervalo de confianza del 90%, 95% y 99%. 59 Tabla 5.2. Coeficientes estimados de variables significativas en función del intervalo de confianza. Fuente: Elaboración propia a partir de los datos Tipo de variable Nivel de Confianza 90(%) 95(%) 99(%) AÑO AÑO 2016 2017 VContI Edad Periodo de devengo Antigüedad en la empresa VCatI Tipo Consejero Ejecutivo “Otros” Cargo Consejo CEO Presidente Presidente - CEO Estudios Superiores Ingeniería - Economía Estudios Doctorado Derecho Estudios Doctorado Economía No tiene VContE Ingresos Capitalización Ratio Financiero Apalancamiento VCatE Sector Industrial Actividades Inmobiliaria Alimentación Asesoría Técnica Generación Electricidad Refino Petróleo Suministro Electricidad Suministro Gas Cluster estructura retributiva Cluster 1, Cluster 2, Cluster 4, Cluster 5, Cluster 6, Cluster 7 En las próximas líneas se procede a comentar brevemente la interpretación de los coeficientes significativos del modelo (Tabla 5.2) en el mismo orden en el que aparecen en dicha tabla. En primer lugar, la variable AÑO evidencia un aumento en la remuneración del consejero de 60 un 10,5% y 11,4% en los años 2016 y 2017 respectivamente. Estas dos cifras son medidas respecto al año base (2015). En relación a las variables continuas del individuo (VContI), la Edad evidencia que por cada incremento unitario de la edad aumenta un 1,3% la retribución al individuo para una confianza del 90%. En cambio, para un 99% de significatividad se encuentran:  Antigüedad en la Empresa. Un incremento del 2% de la remuneración por cada año de pertenencia a la empresa.  Periodo Devengado. Es la variable con mayor significatividad afirmando que por cada día trabajado aumenta la remuneración en un 0.005%. Por tanto, para un individuo cuyo periodo devengado sea el ejercicio económico completo tendrá un incremento del salario en 1,8%. A continuación, se comentarán las variables categóricas del individuo (VCatI) a un nivel de confianza del 99%. En cuanto al tipo de consejero se evidencia que el Ejecutivo ingresa un 534% más de sueldo respecto a la referencia (Consejero Dominical). El cargo en el consejo también tiene coeficientes muy significativos donde la figura del Presidente-CEO presenta una remuneración que es muy semejante a la del Presidente pero es más del doble de la del CEO. Todas ellas, son muy superiores a la remuneración de la referencia (“Otros Cargos”). A nivel formativo sólo existen tres casos relevantes. El primero de ellos, es el compuesto por individuos que han estudiado un doble título de Ingeniería y Economía, cuya retribución es un 34% mayor que la de la base (personas con estudios en ingeniería, arquitectura o matemáticas). En segundo lugar, se encuentran los estudios de Doctorado, donde únicamente el Doctorado en Economía influye significativamente en un mayor salario (25%) respecto a la base (Doctorado en Ingeniería). El último caso destacable por su significatividad es el de personas sin Doctorado, cuyos ingresos son un 20,5% superior a los de la base. Por tanto, se evidencia lo comentado en el apartado 4.2.2.2. Descripción cuantitativa de los datos a nivel del individuo de que no se necesita un Doctorado para obtener una mayor remuneración en el consejo. Seguidamente, se comentarán las variables continuas de la empresa (VContE). Entre ellas, la de mayor significatividad son aquellas que definen el tamaño de la compañía:  Ingresos. Cada incremento unitario porcentual de ingresos supone un 0,06% de aumento en la remuneración del consejero. 61  Capitalización. El efecto de la capitalización aún es más acusado que el de los ingresos. Por cada incremento del 1% en la capitalización de la compañía aumenta un 0,25% la retribución total metálica del consejero. Por otro lado, mencionar que la variable Apalancamiento presenta un efecto negativo en el salario del consejero, ya que por cada incremento unitario de la tasa de apalancamiento el consejero pierde un 0.002% de remuneración. Este leve efecto aunque negativo puede estar acusado por el miedo del accionista a un fuerte endeudamiento de la compañía. Del mismo modo, ocurre con la variable Ratio Financiero donde se aprecia que un aumento unitario de dicho ratio provoca una disminución de la retribución del consejero en un 0,003%. Este hecho se podría entender de la siguiente manera: al ceder más ingresos al accionista (ratio financiero alto), el consejero pierde retribución. Por último, se va a comentar los coeficientes más significativos de las variables categóricas de la empresa (VCatE). En un primer lugar, se expone la variable del Sector de Actividad Industrial donde aparecen varios coeficientes muy significativos respecto a la base (Transporte). Los casos más llamativos son: Asesoría Técnica, Refino de Petróleo y Actividades Inmobiliarias que ostentan una remuneración superior a la base de un 103%, 75% y 64% respectivamente. Un caso aislado es el de Generación de Electricidad compuesto únicamente por Siemens Gamesa, que presentaba una remuneración alta a partir de 2017 que es cuando se produce la fusión de Siemens Wind Power y Gamesa. Para terminar, se va a explicar los coeficientes más significativos del cluster porcentual de la estructura retributiva del consejero. Para ello, se necesita conocer la composición de los cluster (Figura 5.1) y los resultados porcentuales por cluster (Tabla 5.3). Tabla 5.3. Representación porcentual de la retribución metálica ordenada por Sueldos desde 2015 – 2017. Valores porcentuales. Fuente: Elaboración propia a partir de los datos Cluster Sueldos Remuneración Fija Dietas Remuneración Variable a corto plazo Remuneración Variable a largo plazo Remuneración Consejo Indemnizaciones Otros conceptos 4 58,25 30,73 0,00 9,76 0,98 0,00 0,00 0,29 8 52,35 0,00 42,00 4,12 0,00 0,00 0,00 1,53 1 33,14 13,47 1,59 22,57 18,63 8,46 0,00 2,14 2 31,78 16,26 5,17 33,73 0,84 6,35 0,02 5,86 5 22,91 38,94 2,48 13,06 6,17 14,46 0,00 1,97 3 20,11 20,59 11,77 15,61 8,70 0,86 20,48 1,89 7 15,28 16,84 0,00 15,73 0,00 6,60 0,00 45,56 6 5,81 62,48 2,42 11,26 0,00 5,58 0,00 12,44 62 En primer lugar, mencionar que todos los coeficientes de las estimaciones de los clusters son muy significativos desde el punto de vista estadístico respecto a la referencia (AENA). Como se visualiza, la base de referencia (cluster 8) fundamenta su retribución en sueldos y dietas. Algunos datos de interés son: Cluster 4 (Bankia) presenta casi el 90% de su retribución por medio de sueldos y remuneración fija. Cluster 6 (Grifols y REE) presenta una remuneración fija porcentualmente elevada, con un valor de 62,48% convirtiéndose en la partida mayoritaria. Por otro lado, su remuneración es 1362% superior a la referencia. Cluster 7 (CIE Automotive e Indra) se caracteriza porque el 45,56% de su retribución se basa en otros conceptos, partida presupuestaria de carácter genérico e impreciso. Además, coincide que este cluster presenta una remuneración muy superior a la referencia (1915% mayor). Para terminar la definición del modelo de regresión lineal múltiple, se expone la bondad en el ajuste del modelo (R2) en la Tabla 5.4. Como se aprecia, el modelo estimado se aproxima bastante al modelo real siendo explicada la variabilidad de la remuneración hasta en un 84%. El número de observaciones totales son 1359 donde se considera observación a cada relación contractual que vincula al individuo con la empresa y para cada año de estudio. Tabla 5.4. Resumen del modelo de regresión. Fuente: Elaboración propia a partir de los datos Regresión lineal Nº observaciones = 1359 Desviación estándar ajustada a 34 clusters de empresa R2 = 0,8456 5.3.- Comparación entre valores reales y sus estimaciones En la Tabla 5.5 se establece la comparativa entre la remuneración metálica real del consejero y su valor estimado, en un escenario de ceteris paribus. Tabla 5.5. Tabla comparativa de la remuneración real y estimada para casos destacados. Valores en miles de €. Fuente: Elaboración propia a partir de los datos Casos Desfavorables de Remuneración Casos Favorables de Remuneración Real (miles de €) Estimada (miles de €) Real (miles de €) Estimada (miles de €) 4 146 3868 225 49 593 1158 94 80 841 4242 358 94 867 1444 130 1 9 1195 110 69 CNMV. (2016). Guía técnica de buenas prácticas para la aplicación del principio «cumplir o explicar». [Consulta: 25-10-2018] Disponible en: https://www.cnmv.es/DocPortal/ Publicaciones/CodigoGov/GuiaCumplirExplicar.pdf CNMV. (2006). Acuerdo del Consejo de la CNMV por el que se aprueba el documento único de recomendaciones de gobierno corporativo. Madrid, España: Edison. Colonescu, C. (2016). Principles of Econometrics with R, Massachusetts, EE.UU.: Springer Science. Conyon, M.J. y Murphy, K.J. (2000). The prince and the pauper? CEO Pay in the U.S. and U.K. The Economic Journal 110 (467), pp. 640-671. Coughlin, A.T. y Schmidt, R.M. (1985). Executive compensation, management turnover, and firm performance: An empirical investigation. Journal of Accounting and Economics 7 (1-3), pp. 43-66. De la Fuente, L. (2017). Informe: Evolución de indicadores de buen gobierno de las empresas del IBEX 35 durante el ejercicio 2016. Madrid, España: Fundación 1º de Mayo. Edmans, A., Gabaix, X., Jenter, D. (2017). Executive Compensation: A Survey of Theory and Evidence. European Corporate Governance Institute (ECGI). No. 23596. Frydman, C. y Saks, R. (2010). Executive compensation: A new view from a long-term perspective, 1936-2005. The Review of Financial Studies 23 (5), pp. 2099-2138. Gabaix, X. y Landier, A. (2006). Why has executive pay increased so much? The Quarterly Journal of Economics 123, pp. 49-100. Gayle, G.L., Golan L., Miller R. A. (2015). Promotion, turnover and compensation in the executive labor market. Econometrical Journal of the Econometric Society 83 (6), pp. 2293-2369 Goldberger, A. S. (1964). Econometrics Theory, New York, EE.UU.: John Wiley & Sons, Inc. Häder, S. (2000). Zentrum für Umfragen, Methoden und Analysen, Mannheim, Berlin, Alemania: ZUMA. 70 Heiss, F. (2016). Using R for Introductory Ecomometrics, Madrid, España: Thomson, Ed. 2. Helland, E. (2006). Reputational penalties and the merits of class-action securities litigation, Journal of Law and Economics 49, pp. 365-395. Hoffman, E. y Spitzer, M. L. (1985). Entitlements, rights, and fairness: An experimental examination of subjects' concepts of distributive justice. The Journal of Legal Studies 14, pp. 259–297. Kennedy, P. (1998). A Guide to Econometrics, Massachusetts, EE.UU.: MIT Press, Ed.4. Kirsten, E. y Du Toit, E. (2018). The relationship between remuneration and financial performance for companies listed on the Johannesburg Stock Exchange. South African Journal of Economic and Management Sciences (SABEMS) 21(1), pp. 21-31 Kleiber, C. y Zeileis, A. (2008). Applied Econmetrics with R, Washington, EE.UU.: Springer Science, Ed 6. Konow, J. (2003).Which is the fairest one of all? A positive analysis of justice theories. Journal of Economic Literature 41, pp. 1188–1239. Levit, D. y Malenko, N. (2013). The Labor Market for Directors and Externalities in Corporate Governance. The Journal of Finance 71(2), pp. 775-808. Levy, F. y Temin, P. (2007). Inequality and institutions in 20th century America. The National Bureau of Economic Research. No. 13106 Lewellen, W.G. y Huntsman, B. (1970). Managerial pay and corporate performance. American Economic Review 60 (4), pp. 710-720. Lucas, R. (1978). On the Size Distribution of Business Firms. Bell Journal of Economics 9(2), pp. 508-523. Malinvaud, E. (1966). Statistical Methods of Econometrics, Chicago, EE. UU.: Rand McNally & Co. Marshall, C. (2011), Are dissenting directors rewarded? SSRN Electronic Journal 71 Matveyev, E. (2013).How Do Firms and Directors Choose Each Other? Evidence from a Twosided Matching Model of the Director Labor Market. SSRN Electronic Journal. Matveyev, E. (2016). The labor market for corporate directors. SSRN Electronic Journal. Murphy, K.J. (1985). Corporate performance and managerial remuneration: An empirical analysis. Journal of Accounting and Economics 7 (1), pp. 11-42. Overton, B. (2005). The Executive Compensation Answer Book, New York, EE.UU.: Wolters Kluwer Law & Business. Pan, Y. (2010). The Determinants and Impact of Executive-Firm Matches. Management Science 63(1), pp. 185-210 Pauly, M. V. (1968). The Economics of Moral Hazard: Comment. The American Economic Review 58 (3-1), pp. 531-537. Roberts, D.R. (1956). A general theory of executive compensation based on statistically tested propositions. The Quarterly Journal of Economics 70 (2), pp. 270-294. Rosen, S. (1974). Hedonic prices and implicit markets: Product differentiation in pure competition, Journal of Political Economy 82 (1), pp. 34-55. Rosen, S. (1982). Authority, Control and the Distribution of Earnings, Bell Journal of Economic 13(2), pp. 311-323. SABI. [En línea] España: [Consulta: 01-11-2018] Disponible en: https://sabi.bvdinfo.com/SSO Login.serv?product=sabineo&loginpostback=true&ssotoken=6Uq2kUYnGhPpxnp1zsAnYw %3d%3d Spence, M. (1974). Market Signaling: Informational Transfer in Hiring and Related Processes. Cambridge: Harvard University Press. Terviö, M. (2008). The Difference That CEOs Make: An Assignment Model Approach. America Economic Review 98(3), pp. 642-668. 72 Tintner, G. (1968). Methodology of Mathematical Economics and Econometrics, Chicago, EE.UU.: The University of Chicago Press. Van Horne, J. y Wachowicz, J.JR. (2002). Fundamentos de administración financiera, México DF, México: Pearson Educación. Wooldridge, F. M. (2009). Introducción a la econometría. Un enfoque moderno, México DF, México: Cengage Learning, Ed.4.