Asociación entre equidad de género en la familia e intenciones de fecundidad: un análisis del contexto brasileño con machine learning

Resumen

La literatura sobre equidad de género y fecundidad propone una curva en forma de U para explicar la relación entre estas variables. A medida que las mujeres logran mayor equidad en la esfera pública (educación y trabajo), aumentan sus costos de oportunidad, que se suman a la responsabilidad casi total del trabajo doméstico, lo cual reduce sus intenciones reproductivas y la fecundidad. Para revertir esta tendencia a la baja, sería necesaria una mayor equidad en la esfera privada de la familia, con una mayor participación masculina en las tareas domésticas. Varios estudios han investigado esta asociación positiva entre equidad de género en la familia y fecundidad o intenciones de fecundidad en países de altos ingresos y baja fecundidad, contexto para el cual se desarrolló el modelo. Sin embargo, hay escasos estudios sobre esta relación en países de ingresos más bajos pero también de baja fecundidad, como Brasil. Este estudio es pionero al investigar, a nivel micro, la asociación entre equidad de género en la familia y las intenciones de fecundidad en Brasil. Dada la falta de una fuente de datos representativa a nivel nacional que incluya ambas variables de interés, la estrategia analítica combina datos de la PNDS de 2006 y de las PNADs de 2006 y de 2015 y utiliza métodos de machine learning para calcular la probabilidad de intención de tener el segundo hijo. A partir de esta variable proxy, se ajustaron una serie de modelos y, en general, los resultados sugieren una relación negativa, contraria al marco teórico. Una posible explicación para estos resultados considera la discusión sobre la forma de operacionalización de las variables. Alternativamente, se sugiere que el relativo retraso de Brasil en la primera fase de la revolución de género, es decir, en la promoción de la equidad en la esfera pública, también podría explicar la asociación negativa observada en el contexto brasileño

Palabras clave:
Intenciones; Fecundidad; Equidad; Género; Familia; Brasil; Machine learning