Much of what we know about the marginal effect of pollution on infant mortality is derived from developed country data. However, given the lower levels of air pollution in developed countries, these estimates may not be externally valid to the developing country context if there is a nonlinear dose relationship between pollution and mortality or if the costs of avoidance behavior differs considerably between the two contexts. In this paper, we estimate the relationship between pollution and infant mortality using data from Mexico. We find that an increase of 1 parts per billion in carbon monoxide (CO) over the last week results in 0.0032 deaths per 100,000 births, while a 1 g/m3 increase in particulate matter (PM10) results in 0.24 infant deaths per 100,000 births. Our estimates for PM10 tend to be similar (or even smaller) than the U.S. estimates, while our findings on CO tend to be larger than those derived from the U.S. context. We provide suggestive evidence that a non-linearity in the relationship between CO and health explains this difference.
México es un país altamente desigual y el origen étnico-racial es una de las dimensiones que contribuyen a esta desigualdad. Estudios anteriores han analizado las diferencias salariales por origen-étnico racial y rasgos lingüísticos, pero hasta ahora ninguno ha reconocido que la autoidentificación indígena puede llevar a sesgos de selección en el análisis. En este artículo resolvemos este problema mediante la estimación de un modelo con cambio de régimen, el cual estima, en una primera etapa, la selección en la autoidentificación y, en una segunda, dos ecuaciones de los salarios según cómo se autoidentificó el trabajador. El modelo revela que la mayor parte del diferencial en el promedio de los salarios entre aquellos que se identifican como indígenas y aquellos que no se debe al sesgo de selección. A pesar de esto persiste un diferencial que no se explica por las características observadas ni la autoselección de estas subpoblaciones, el cual se podría deber a discriminación. Estos resultados contrastan con descomposiciones de Oaxaca tradicionales en que no se considera el sesgo de selección y apuntan a que la educación es el factor que más contribuye a la desigualdad salarial étnico-racial.
Antecedentes: en México, las mujeres obtienen un menor salario en promedio que los hombres. Si bien la discriminación explica parte de esta brecha, en este artículo mostramos que existen otras causales que contribuyen a ella.Metodología: implementamos un experimento de laboratorio controlado con 404 personas en el que se aplican los juegos del ultimátum y la negociación salarial. El experimento consta de tres etapas: primero se realiza una negociación anónima, después se revela al contrincante con una fotografía y finalmente se realiza la negociación frente a frente. Se desea estimar si existen diferencias en preferencias por negociación entre hombres y mujeres.Resultados: primero, no se observan diferencias por género en el monto que el proponente envía al respondente en ambos tipos de juegos. Segundo, la composición de género del juego resulta relevante para estudiar el proceso de negociación. Cuando se conoce el sexo del respondente, las mujeres muestran “solidaridad” al ofrecer un mejor salario a mujeres que a hombres trabajadores. Tercero, las mujeres rechazan menos ofertas que los hombres, especialmente en el juego del ultimátum. Por último, en el juego de negociación salarial, las mujeres contraofertan menos que los hombres, además de que los hombres trabajadores negocian de manera más agresiva en contra de empresas mujeres.Conclusiones: los estereotipos de género pueden explicar estos resultados. Dichos estereotipos determinan cómo debe comportarse cada género ante diferentes situaciones sociales o asumir atributos negativos en contra de mujeres en posiciones de poder. En este sentido, cabe mencionar que los resultados son relevantes para la elaboración de políticas públicas que resalten normas sociales sobre la importancia de la equidad de género.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.