Primeira vez aqui? Seja bem vindo e cheque o FAQ!
x

Explorando a base de dados Gender Differences in the choice of major: The importance of Female Role Models

0 votos
43 visitas
perguntada Mai 17 em Economia por Maria Salete (41 pontos)  
editado Mai 18 por Maria Salete

A referência bibliográfica e os link para acesso ao artigo escolhido para a realização desse exercício econométrico, assim como para base de dados utilizada, estão disponíveis abaixo:

Referência bibliográfica: PORTER, Catherine; SERRA, Danila. Gender differences in the choice of major: The importance of female role models. American Economic Journal: Applied Economics, v. 12, n. 3, p. 226-54, 2020.

Link artigo e base dados.

Caso seja de interesse, segue abaixo os links para acesso ao slide utilizado na apresentação e aos Anuários Estatísticos da Universidade de Brasília (UnB)

Link do Slide
Link Anuários Estatísticos- UnB.

Compartilhe

1 Resposta

0 votos
respondida Mai 17 por Maria Salete (41 pontos)  
editado Mai 19 por Maria Salete

1) RESUMO E MOTIVAÇÃO

O artigo apresenta a escassez de modelos femininos como uma importante restrição que pode contribuir para menor participação das mulheres em campos tradicionalmente dominados por homens. Os autores implementaram um experimento de campo na Southern Methodist University (SMU) para examinar o impacto da exposição de alunas à modelos femininos, mulheres bem sucedidas e carismáticas formadas na mesma universidade, na decisão de se graduar em um campo tradicionalmente masculino. É importante ressaltar que o artigo segue o conceito proposto por Morgenroth, Ryan e Peters (2015), definindo modelos femininos (female role models) como mulheres que são capazes de influenciar realizações, motivações, objetivos e comportamentos de outras mulheres.

A motivação para a escolha do artigo consiste no fato de que uma maior diversidade de gênero é desejável, pois pode contribuir para aumento de produtividade, geração de novas ideais e melhor alocação de talentos (BAYER e ROUSE, 2016; HSIEH et. al, 2013). Além disso, o experimento adotado, que tem como objetivo de aumentar a porcentagem de mulheres com graduação em Economia, é de baixo custo, escalável e de fácil implementação e, portanto, mostra-se uma alternativa interessante para a aplicação na Universidade de Brasília, na qual, o curso de Ciências Econômicas também é majoritariamente masculino aos níveis de graduação, mestrado e doutorado.

No entanto, cabe ressaltar que, dado que no Brasil a escolha do curso de graduação é feita ex ante ao início das aulas, o experimento precisaria ser adaptado. Uma alternativa possível seria a realização da intervenção em aulas mais avançadas de Economia e estudar o impacto sobre a decisão de uma aluna prestar o exame de Anpec (prova de seleção para mestrado em centros brasileiros de pós graduação em Economia). Segundo Peterrini (2020), entres os exames de 2009 e 2020, apenas 33,6% dos candidatos eram mulheres.

O gráfico e a tabela a seguir apresentam dados de matrícula da Universidade de Brasília (UnB). O gráfico 1 apresenta a porcentagem de alunas matriculadas nos níveis de graduação, mestrado e doutorado em Economia entre 2016 e 2019. Já a tabela 1 indica a diferença entre a porcentagem de mulheres matriculadas na Universidade (agregado) e no curso de Ciências Econômicas em 2019.

A imagem será apresentada aqui.

A imagem será apresentada aqui.

2) REVISÃO DE LITERATURA

A literatura existente aponta que diferenças de gênero no excesso de confiança, competitividade e expectativa quanto a ganhos futuros (REUBEN et. al, 2017); sensibilidade às notas (GOLDIN, 2015); falta de representação em livros didáticos introdutórios (STEVENSON e ZLOTNIK, 2018); preferências individuais quanto aos atributos de trabalho são fatores que podem explicar a sub-representação feminina em certas áreas (WISWALL e ZAFAR, 2015, 2019).

O artigo parte do ponto de que, devido aos desequilíbrios históricos de gênero, é difícil para meninas entrarem em contato direto com mulheres bem sucedidas que se formaram em campos tradicionalmente masculinos. Outras pesquisas já se dedicaram a estudar os efeitos da exposição à “modelos” em outros contextos, em especial, o impacto de assistir filmes ou vídeos motivacionais sobre comportamentos relevantes. Riley (2017), por exemplo, apresenta evidências de que, em Uganda, a exibição de um filme com forte representatividade feminina aumentou, de forma significativa, desempenho escolar de meninas.

Outros estudos buscam estimar o impacto de professoras sobre comportamento de alunas. Carrel, Page e West (2010) encontraram evidência de que ter uma professora mulher impacta diretamente escolhas e comportamentos das alunas, e isso acontece de forma particularmente forte nos cursos relacionados à Ciência, Tecnologia, Engenharia e Matemática (STEM majors). No entanto, dado que os professores podem se comportar de forma diferenciada com estudantes de mesmo gênero, os efeitos da exposição à “modelos” não podem ser facilmente delineados.

O artigo se diferencia por, além de ser uma intervenção direta (população alvo tem contato face a face com os modelos), conseguir isolar o efeito da possível influência da diferença de comportamento dos professores quanto ao gênero do aluno ao escolher como modelos femininos duas mulheres que não são professoras e que não têm nenhum relacionamento anterior ou posterior com os alunos alvo do experimento.

3) EXPERIMENTO E BASE DE DADOS

Os autores realizaram uma pesquisa com alunos matriculados nas aulas de Princípios de Economia, que são extremamente populares e tipicamente equilibradas por gênero na Southern Methodist University (SMU), na primavera de 2015 e na primavera de 2016, assim como coletaram dados administrativos sobre trajetória dos alunos presentes nas amostras. O experimento consistiu na seleção aleatória de 4 das 10 turmas oferecidas na primavera de 2016 para serem visitadas por duas mulheres de carreira bem sucedida e inspiradoras que se formaram na mesma universidade. As visitas consistiram em exposições de 15 minutos sobre a experiências, planos de carreira, realizações e como a graduação em Economia contribuiu para o sucesso delas no trabalho.

Por meio da pesquisa realizada com os alunos em 2015 e 2016 e dos dados administrativos disponibilizados pela universidade, os autores construíram uma base de dados que apresenta informações sobre 1397 alunos, tais como: aluno se matriculou em Microeconomia no semestre seguinte ou até um ano após a aulas de Princípios; quantas disciplinas de economia o aluno cursou após a classe de Princípios, gênero do aluno e do professor, se o aluno é calouro, se declarou interesse em se graduar em economia, se é estudante americano ou internacional, GPA (Grade Point Average) cumulativo, nota na disciplina de Princípios e outras informações sociodemográficas dos alunos e características das turmas.

FIGURA 1 – Compilação dos dados administrativos

A imagem será apresentada aqui.
Fonte: PORTER, Catherine; SERRA, Danila. Gender differences in the choice of major: The importance of female role models (2020).

4)ESTRATÉGIA EMPÍRICA E RESULTADOS

O artigo apresenta vários modelos a fim de estimar o impacto dos modelos femininos na decisão de alunas em se graduarem em Economia usando como variáveis de interesse: matricula em Microeconomia no semestre seguinte; matricula em Microeconomia um ano após a aula de Princípios, matricula em uma ou mais disciplinas de Economia em qualquer semestre após Princípios, o número de matérias de economia cursadas após a aula de Princípios e, por fim, a decisão de se formar em Economia.

Nesse trabalho o foco consiste em investigar o impacto da intervenção sobre resultados intermediários que podem sinalizar a escolha de uma aluna se graduar em Economia ou o fato de ela apresentar maior interesse pela área: 1) Ter se matriculado em Microeconomia no semestre seguinte; 2) Ter se matriculado em Microeconomia até um ano após a aula de Princípios de Economia; 3) Ter se matriculado em uma ou mais matérias de Economia a qualquer momento após Princípios. Além disso, também busca-se verificar se a intervenção realizada gera algum impacto sobre as notas das alunas em Princípios de Economia (4). Como as aulas de tratamento e controle existiram e foram ministradas pelos mesmos professores e no mesmo horário ano anterior a intervenção, foi possível adotar uma estratégia de estimativa em difference-in-difference.

\[ 1) \begin{aligned} \text{took_fall} = & \beta_{0}+\beta_{1} d t_{i}+\beta_{2} d T_{i}+\beta_{3} d t_{i} \times d T_{i}+\delta \mathbf{X}_{i}+u_{i} \end{aligned}\]

\[ 2) \begin{aligned} \text{took_year} = & \beta_{0}+\beta_{1} d t_{i}+\beta_{2} d T_{i}+\beta_{3} d t_{i} \times d T_{i}+u_{i} \end{aligned}\]

\[ 3) \begin{aligned} \text{tookanother} = & \beta_{0}+\beta_{1} d t_{i}+\beta_{2} d T_{i}+\beta_{3} d t_{i} \times d T_{i}+u_{i} \end{aligned}\]

\[ 4) \begin{aligned} \text{gradePrinciples} = & \beta_{0}+\beta_{1} d t_{i}+\beta_{2} d T_{i}+\beta_{3} d t_{i} \times d T_{i}+\delta \mathbf{X}_{i}+u_{i} \end{aligned}\]

\(\text{took_fall} = \) Dummy que assume valor 1 se a aluna se matriculou em Microeconomia no semestre seguinte a aula de Princípios de Economia, 0 caso contrário;
\(\text{took_year} = \) Dummy que assume valor 1 se a aluna se matriculou em Microeconomia até um ano após a aula de Princípios de Economia, 0 caso contrário;
\(\text{tookanother} = \) Dummy que assume valor 1 se aluna matriculou em uma ou mais matérias de Economia a qualquer momento após Princípios, 0 caso contrário);
\(\text{gradePrinciples} = \) Nota na matéria de Princípios de Economia;
\(d t_{i} \) = \(\text{yr_2016}\) : Dummy que assume valor 1 se a aluna cursou Princípios em 2016, 0 se cursou em 2015;
\(d T_{i} \)= \(\text{treatment_class}:\) Dummy que assume valor 1 se a aluna está em uma turma de tratamento, 0 se estiver em uma turma de controle;
\(X\): Vetor de controles sociodemográficos e de características da turma.

Devido à natureza dicotômica das variáveis intermediárias de resultado \(\text{took_fall; took_year e tookanother}\), as três primeiras equações serão estimadas usando o modelos Probit. Já para estimar o impacto da intervenção sobre as notas das aulas em Princípios de Economia \((\text{gradePrinciples})\) será utilizado o método dos Mínimos Quadrados Ordinários (MQO). A variável de interesse é \(\text{treat2016}\), interação entre as dummies \(\text{yr_2016 e treatment_class}\). Os resultados estão apresentados na tabela seguinte:

A imagem será apresentada aqui.

Os resultados mostraram que intervenção impactou de forma significativa a probabilidade de uma aluna cursar Microeconomia, tanto no semestre seguinte como até um ano após a intervenção, e, também, a probabilidade de uma aluna se matricular em uma ou mais matérias de Economia a qualquer momento após a matéria de Princípios de Economia. No entanto, a exposição aos modelos femininos não impactou as notas obtidas na disciplina. Uma observação importante é que a análise das notas de Microeconomia mostra que alunas tratadas tiveram um desempenho tão bom quanto os alunos de controle, indicando que as alunas inclinadas a se graduar em Economia devido a intervenção não são menos qualificadas ou propensas a ter menos sucesso na graduação em Economia.

5) CÓDIGO UTILIZADO (R STUDIO)

#Instalando e carregando pacotes

install.packages("sandwich")
install.packages("lmtest")
install.packages("margins")

library("margins")
library(lmtest)  # for robust SE
library(sandwich)

install.packages("stargazer")
library("stargazer")
library("stats")

# Carregando base de dados

library(readxl)
data <- read_excel("C:/Users/Cliente/Google Drive/MESTRADO/ECONOMETRIA 1/Trabalho/Parte Empírica/data.xlsx")
View(data)                                
attach(data)

##PROBIT

#Took fall (com controle)

probit_took_fall<- glm(took_fall ~ treat2016 + yr_2016 + treatment_class + freshman + american + econ_hs + ACumGPA + female_prof+ small_class + gradePrinciples, family=binomial (link="probit"))

summary(probit_took_fall)


# Took year (sem controle)

probit_took_year2<- glm(took_year  ~ treat2016 + yr_2016 + treatment_class , family=binomial (link="probit"))

summary(probit_took_year2)


# Took another (sem controle)

probit_tookanother2<- glm(tookanother ~ treat2016 + yr_2016 + treatment_class, family=binomial (link="probit"))

summary(probit_tookanother2)


## MQO

# GradePrinciples (com controle)

reg1<- lm( gradePrinciples ~ treat2016 + yr_2016 + treatment_class + freshman + american + econ_hs + ACumGPA + female_prof+ small_class, data)

summary(reg1)


#Gerando tabelas de Resultado 

stargazer(probit_took_fall, probit_took_year2, probit_tookanother2, reg1, type = "html",out = "RESULTADO.html")

stargazer(probit_took_fall, probit_took_year2, probit_tookanother2, reg1)


## Parte não apresentada 

# Obtentenção dos intervalos de confiança (95%)

confint(reg1)

# Análise gráfica  das hipóteses do MQO

par(mfrow=c(2,2))

plot(reg)

par(mfrow=c(1,1))


#  Gráfico de disperção

ggplot(data = data, mapping = aes(x =  ACumGPA, y = gradePrinciples)) +
  geom_point() +
  geom_smooth(method = "lm", col = "red") +

  theme_classic()

# Dif in Dif (sem controle)

reg2 <- lm( gradePrinciples ~ treat2016 + yr_2016 + treatment_class, data)

summary(reg2)



## Probit simples

probit_result<- glm(Y ~ ACumGPA, family=binomial (link="probit"))
summary(probit_result)

## Gráfico

#plot data

plot(x = ACumGPA, 
     y = econmajor,
     main = "Modelo Probit - Probabilidade de se formar em Economia ",
     xlab = "AcumGPA",
     ylab = "econmajor",
     pch = 20,
     ylim = c(-0.4, 1.4),
     xlim = c(0,4),
     cex.main = 0.85)

# add horizontal dashed lines and text
abline(h = 1, lty = 2, col = "darkred")
abline(h = 0, lty = 2, col = "darkred")
text(0.5, 0.9, cex = 0.8, "Se formar em Economia")
text(0.5, -0.1, cex= 0.8, " Não se formar em Economia")

# add estimated regression line

x <- seq(-1, 4, 0.01)
y <- predict(probit_result, list(ACumGPA = x), type = "response")

lines(x, y, lwd = 1.5, col = "steelblue")

6) BIBLIOGRAFIA

BAYER, Amanda; ROUSE, Cecilia Elena. Diversity in the economics profession: A new attack on an old problem. Journal of Economic Perspectives, v. 30, n. 4, p. 221-42, 2016.

CARRELL, Scott E.; PAGE, Marianne E.; WEST, James E. Sex and science: How professor gender perpetuates the gender gap. The Quarterly Journal of Economics, v. 125, n. 3, p. 1101-1144, 2010.

GOLDIN, Claudia. Gender and the undergraduate economics major: Notes on the undergraduate economics major at a highly selective liberal arts college. manuscript, April, v. 12, 2015.

HSIEH, Chang‐Tai et al. The allocation of talent and us economic growth. Econometrica, v. 87, n. 5, p. 1439-1474, 2019.

MORGENROTH, Thekla; RYAN, Michelle K.; PETERS, Kim. The motivational theory of role modeling: How role models influence role aspirants’ goals. Review of general psychology, v. 19, n. 4, p. 465-483, 2015.

PETTERINI, Francis C. Brazilian academic economics: A picture from the ANPEC exam microdata. EconomiA, v. 21, n. 3, p. 325-339, 2020.

REUBEN, Ernesto; WISWALL, Matthew; ZAFAR, Basit. Preferences and biases in educational choices and labour market expectations: Shrinking the black box of gender. The Economic Journal, v. 127, n. 604, p. 2153-2186, 2017.

RILEY, Emma et al. Role models in movies: The impact of Queen of Katwe on students’ educational attainment. Centre for the Study of African Economies, University of Oxford, 2017.

STEVENSON, Betsey; ZLOTNIK, Hanna. Representations of men and women in introductory economics textbooks. In: AEA Papers and Proceedings. 2018. p. 180-85.
WISWALL, Matthew; ZAFAR, Basit. Determinants of college major choice: Identification using an information experiment. The Review of Economic Studies, v. 82, n. 2, p. 791-824, 2015.

WISWALL, Matthew; ZAFAR, Basit. Preference for the workplace, investment in human capital, and gender. The Quarterly Journal of Economics, v. 133, n. 1, p. 457-507, 2018.

...