Women on board?Evidence from large firm-level data on female representation on boards of directors and management

Jakub MazurekJoanna Tyrowicz

Group for Research in Applied Economics

2

Wcześniejsze badania Niby „baba” nie szkodzi … - Wolfers (2006, JEEA),

S&P 1500, 1992-2004 64 female CEO’s and 4175 male CEOs, 1.5% of CEO-years were women Markets do not systematically underestimate returns in female-headed firms

… ale tylko „baba babie pomaga”… - Matsa and Miller (2011, AER) Data on the name, title, compensation level, and gender of the top 5

executives for each firm-year from S&P with Execucomp Regressing (OLS) the female share of executives on the female share of the

board and year fixed effects => causality runs from boards to managers (glass ceiling?)

… i przymuszanie nie bardzo działa - Ahern and Dittmar (2012, QJE) Publicly listed Norwegian firms Female CEOs identified by photographs or with the first names Female CEOs yield lower Tobin’s Q Also Adams and Kirchmaier (2013, LSE, Boardex data for 22 countries)

3

Zupełnie bieżące badania Bardzo silna selekcja, gdzie „baby” mogą porządzić… -

Gagliarducci & Paserman (2014, IZA) Linked employer-employee data + demographics: gender, year of birth,

nationality, education and professional qualifications Germany 1993 to 2010 Higher share of women = lower investment, total wage bill per worker,

total employment, and turnover, but statistical significance disappears when establishment fixed efects and specific time trends are included.

Główny problem tej literatury: przyczynowość Dobór członków zarządu jest wybitnie celowy Odwrotna przyczynowość=> Efekty stałe nie pomagają, a instrumentów zazwyczaj brak

4

Nasz wkład1. Provide stylized facts on presence of women on

boards & management: Across countries, time and industries

2. Provide some tentative explanation on the substantial dispersion in levels and in time trends

3. Verify the boards=>managers causality (to the extent data permit), possibly quantifying the effects relative to instutional and legal changes (horse race).

5

DaneAmadeus 2008 oraz 2014

Największe dystrybucje, jeśli chodzi o liczbę obserwacji (coverage)

Posiadają „salutation”, istnieje zatem możliwość częściowej walidacji identyfikacji płci

Posiadają “confirmation date”, pozwalającą na precyzję określenia zajmowanego stanowiska w czasie

Obejmują okres 1998-2014, czyli 17 lat danych kraj/sektor Pięciostopniowy proces przypisania płci Precyzja i bezkompromisowość algorytmów

Umożliwiają obliczenie HHI(Herfindahl-Hirschmann Index)

6

Jak mierzyć obecność kobiet we władzach?Literatura:

Na poziomie firm Zmienna 0/1 % osób

Na poziomie sektora / kraju (agregacja) Suma kobiet / suma osób Średnia z udziałów % niezerowych udziałów Inne miary? Czekamy na propozycje

Pytanie 1: czy sposób pomiaru ma znaczenie?

7

Czy sposób pomiaru ma znaczenie?

* p<0.05; ** p<0.01

  (1) (2)  średnia z udziałów procent firm bez kobiet     Korelacja 1.513*** -0.527***  (0.0316) (0.0272)Stała -0.0253*** 0.621***  (0.00823) (0.0229)Observations 767 767Number of id 48 48R2 within 0.674 0.634R2 between 0.950 0.300

8

Co odpowiada za wariancję?Dekompozycja na efekty:

Miara w oparciu o sumy

Średnia z udziałów Udział 0%

Sektora 23% 15% 5%Kraju 36% 36% 36%Czasu 1% 1% 1%

9

Trendy w czasie

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 20140

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

sumyśrednieudział 0% (prawa oś)

10

Zróżnicowanie między krajami

Belgia Estonia Finlandia Węgry Irlandia Włochy Holandia UK0

0.10.20.30.40.50.60.70.80.9

1 miara w oparciu o sumyśrednia z udzialówprocent firm bez kobiet

11

Zróżnicowanie między sektorami

Rolnictwo

Przemysł

Budownictwo

Usługi rynkowe

Usługi nierynkowe

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8

udział 0%średnia z udziałowsumy

12

Uwzględnienie charakterystyk (sektor/kraj)

0.000 0.000 0.000 _cons 0.179 0.171 0.040 0.000 0.001 0.000 hhi -0.070 -0.050 0.663 Variable sum share zeros

Rola konkurencji w danym sektorze

Random effects (obciążony, nawet jeśli efektywny)

Fixed effects (nieobciążony, choć nieefektywny)

0.000 0.000 0.000 _cons 0.174 0.177 0.037 0.540 0.123 0.000 hhi -0.013 -0.028 0.672 Variable sum share zeros

13

Dodatkowe charakterystyki (sektor/kraj)

Gender Inequality Index (UN: HDR) Share of parliament seats Women with tertiary education

Female labour force participation ratio Mothers employment rate Mean age at childbirth Children childcare aviability Fertility rate Cash / services / taxbreaks benefits as GDP

Inne charakterystyki? Czekamy na propozycje

14

Wnioski (wstępna analiza)

Stałość zagadnienia w czasie

~60% zmienności możliwej do wyjaśnienia

Konkurencyjność w sektorze jest dodatnio powiązana z udziałem kobiet w zarządach i pionie menedżerskim

15

Co planujemy dalej Wykorzystać dane o zarządach i radach nadzorczych i zbadać

przyczynowość w sensie Grangera (por. Matsa and Miller, 2011)

Zdekomponować wariancję na: Zależną od instytucji w krajach Zależną od instytucji powszechnych (np. gender quotas) Zależną od rad nadzorczych Itp.

Zwiększyć precyzję danych Analiza poszczególnych lat Analiza poszczególnych sektorów

Coś jeszcze? Czekamy na uwagi

Thank you for your attention!

Author: Jakub Mazureke-mail: j.mazurek@student.uw.edu.pl

More about our research on http://grape.uw.edu.pl

Twitter: @GrapeUW