Tesis

Carga de librerías

library(plm)       # Modelos de datos panel
library(lmtest)    # Pruebas estadísticas

## Loading required package: zoo

## 
## Attaching package: 'zoo'

## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric

library(sandwich)  # Errores estándar robustos
library(ggplot2)   # Gráficos
library(dplyr)     # Manipulación de datos

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:plm':
## 
##     between, lag, lead

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(readxl)    # Lectura de archivos Excel

Carga y exploración de datos

datos <- read_excel("datos.xlsx")
colnames(datos) <- c("Empresa", "Nemotecnico", "Fecha", "ROE", "ROA", 
                     "Tamano_Junta", "Mujeres_Junta", "Porc_Mujeres_Junta", "Rep_Legal")


datos <- datos %>%
  mutate(Empresa = as.factor(Empresa),
         Fecha = as.Date(Fecha, format = "%m/%d/%Y"),
         Anio = format(Fecha, "%Y"))

head(datos)

## # A tibble: 6 × 10
##   Empresa          Nemotecnico Fecha        ROE   ROA Tamano_Junta Mujeres_Junta
##   <fct>            <chr>       <date>     <dbl> <dbl>        <dbl>         <dbl>
## 1 RIOPAILA AGRICO… IRP.CN      2023-12-31  6.17  4.13            5             0
## 2 RIOPAILA AGRICO… IRP.CN      2022-12-31  9.74  6.58            5             0
## 3 RIOPAILA AGRICO… IRP.CN      2021-12-31  6.05  4.17            5             0
## 4 RIOPAILA AGRICO… IRP.CN      2020-12-31  3.38  2.29            5             0
## 5 RIOPAILA AGRICO… IRP.CN      2019-12-31  1.96  1.26            5             0
## 6 RIOPAILA AGRICO… IRP.CN      2018-12-31 -2.24 -1.36            5             0
## # ℹ 3 more variables: Porc_Mujeres_Junta <dbl>, Rep_Legal <dbl>, Anio <chr>

Análisis descriptivo

ggplot(datos, aes(x = Porc_Mujeres_Junta)) +
  geom_histogram(binwidth = 0.05, fill = "blue", alpha = 0.5) +
  labs(title = "% de Mujeres en la Junta Directiva", x = "% Mujeres", y = "Frecuencia")

promedio_mujeres <- datos %>%
  group_by(Anio) %>%
  summarise(Promedio_Porc_Mujeres = mean(Porc_Mujeres_Junta, na.rm = TRUE))

ggplot(promedio_mujeres, aes(x = as.numeric(Anio), y = Promedio_Porc_Mujeres)) +
  geom_line(color = "blue") +
  geom_point(color = "red") +
  scale_x_continuous(breaks = seq(min(as.numeric(promedio_mujeres$Anio)), 
                                  max(as.numeric(promedio_mujeres$Anio)), by = 1)) +
  labs(title = "Evolución Promedio del % de Mujeres en Junta Directiva",
       x = "Año",
       y = "% Promedio Mujeres en Junta Directiva") +
  theme_minimal()

Modelo de Datos Panel con Efectos Fijos (ROA)

modelo_roa <- plm(ROA ~ Porc_Mujeres_Junta + Rep_Legal,
                   data = datos, index = c("Empresa", "Fecha"),
                   model = "within")
summary(modelo_roa)

## Oneway (individual) effect Within Model
## 
## Call:
## plm(formula = ROA ~ Porc_Mujeres_Junta + Rep_Legal, data = datos, 
##     model = "within", index = c("Empresa", "Fecha"))
## 
## Balanced Panel: n = 32, T = 11, N = 352
## 
## Residuals:
##      Min.   1st Qu.    Median   3rd Qu.      Max. 
## -13.77860  -0.93486   0.10243   1.03155  10.66784 
## 
## Coefficients:
##                    Estimate Std. Error t-value Pr(>|t|)
## Porc_Mujeres_Junta  1.89331    1.51397  1.2506   0.2120
## Rep_Legal           0.27739    0.74409  0.3728   0.7095
## 
## Total Sum of Squares:    2900.3
## Residual Sum of Squares: 2885.5
## R-Squared:      0.0050919
## Adj. R-Squared: -0.098153
## F-statistic: 0.813763 on 2 and 318 DF, p-value: 0.44411

Modelo de Datos Panel con Efectos Fijos (ROE)

modelo_roe <- plm(ROE ~ Porc_Mujeres_Junta + Rep_Legal,
                   data = datos, index = c("Empresa", "Fecha"),
                   model = "within")
summary(modelo_roe)

## Oneway (individual) effect Within Model
## 
## Call:
## plm(formula = ROE ~ Porc_Mujeres_Junta + Rep_Legal, data = datos, 
##     model = "within", index = c("Empresa", "Fecha"))
## 
## Balanced Panel: n = 32, T = 11, N = 352
## 
## Residuals:
##      Min.   1st Qu.    Median   3rd Qu.      Max. 
## -34.37548  -2.74867   0.17313   2.98752  20.42944 
## 
## Coefficients:
##                    Estimate Std. Error t-value Pr(>|t|)
## Porc_Mujeres_Junta   4.0466     3.5915  1.1267   0.2607
## Rep_Legal            2.4291     1.7651  1.3762   0.1697
## 
## Total Sum of Squares:    16385
## Residual Sum of Squares: 16238
## R-Squared:      0.0090026
## Adj. R-Squared: -0.093837
## F-statistic: 1.44442 on 2 and 318 DF, p-value: 0.23743

Verificación de supuestos

bptest(modelo_roa, studentize = FALSE)

## 
##  Breusch-Pagan test
## 
## data:  modelo_roa
## BP = 7.9674, df = 2, p-value = 0.01862

bptest(modelo_roe, studentize = FALSE)

## 
##  Breusch-Pagan test
## 
## data:  modelo_roe
## BP = 4.1576, df = 2, p-value = 0.1251

pdwtest(modelo_roa)

## 
##  Durbin-Watson test for serial correlation in panel models
## 
## data:  ROA ~ Porc_Mujeres_Junta + Rep_Legal
## DW = 1.4355, p-value = 5.527e-08
## alternative hypothesis: serial correlation in idiosyncratic errors

pdwtest(modelo_roe)

## 
##  Durbin-Watson test for serial correlation in panel models
## 
## data:  ROE ~ Porc_Mujeres_Junta + Rep_Legal
## DW = 1.5368, p-value = 6.615e-06
## alternative hypothesis: serial correlation in idiosyncratic errors

library(car)

## Loading required package: carData

## 
## Attaching package: 'car'

## The following object is masked from 'package:dplyr':
## 
##     recode

vif(lm(ROA ~ Porc_Mujeres_Junta + Rep_Legal, data = datos))

## Porc_Mujeres_Junta          Rep_Legal 
##           1.006886           1.006886

vif(lm(ROE ~ Porc_Mujeres_Junta + Rep_Legal, data = datos))

## Porc_Mujeres_Junta          Rep_Legal 
##           1.006886           1.006886

Conclusiones

Se analizó la relación entre la presencia de mujeres en la junta directiva y el desempeño financiero (ROA y ROE) con modelos de datos panel de efectos fijos por empresa y año. Se realizaron pruebas para verificar los supuestos del modelo.