Du Forum économique mondial (WEF), Rapport sur l'écart entre les sexes (2023) a été annoncé.
L'« indice d'écart entre les sexes » utilisé dans le rapport est une représentation numérique de l'écart entre les sexes dans chaque pays. Il prend une valeur de 0 à 1, et plus le score est proche de 1, plus l'écart entre les sexes est faible. Le rapport couvre 146 pays, mais le Japon se classe 125e, en baisse de 9 places par rapport à l'année précédente.
Cette fois, j'ai appris pour la première fois qu'il existe un tel index dans l'actualité. J'en ai profité pour étudier l'indice d'écart entre les sexes, visualiser/résumer l'indice et analyser si l'indice est lié aux indicateurs nationaux (PIB, ratio hommes-femmes, etc.).
Visualisez l'indice d'écart entre les sexes par région et par pays
Tout d'abord, j'ai colorié la carte pour montrer l'indice (complet) d'écart entre les sexes (score) des 146 pays cibles.
La fourchette des scores est (0,405 - 0,912). Étant donné que les valeurs moyennes et médianes sont de 0,711, il n'y a pas de pays avec des valeurs d'indice extrêmement faibles (proche de 0), et la valeur moyenne est plus proche de 1 que de 0, cela signifie donc que l'écart entre les sexes est faible global?
En regardant la carte, il semble qu'il y ait de grandes et de petites valeurs entre les régions, même si ce n'est pas clair.
Par conséquent, voici un graphique du score de chaque pays ventilé par région*. La barre verticale bleue représente le score moyen pour cette région, et le pays d'intérêt est étiqueté (classement, nom du pays).
*Les territoires classés ici sont divisés en groupes définis dans le "Gender Gap Report" ci-dessus.
De cette figure, nous pouvons voir ce qui suit.
- L'Europe, à laquelle appartiennent de nombreux pays, a des scores relativement élevés, l'Islande, la Norvège et la Finlande en Europe du Nord étant classées 1ère, 2ème et 3ème.
- L'Afghanistan, en bas, a un score extrêmement bas par rapport aux autres pays.
- En moyenne, les scores du Moyen-Orient/Afrique du Nord et de l'Asie du Sud sont faibles.
- La Corée du Sud (105e) et la Chine (107e), toutes deux proches du Japon, ont également des scores faibles.
Il semble y avoir une différence considérable entre les régions et les pays dans l'indice.
présenté ci-dessus L'indice d'écart entre les sexes est calculé en notant l'écart entre les sexes entre 0 et 1 pour quatre sous-catégories (économie, éducation, santé et politique) et en faisant la moyenne de ces scores. Conformément au rapport, la notation suivante est utilisée :
Liste des sous-catégories
économique : Participation et opportunités économiques
éducation : Niveau de scolarité
santé : Santé et survie
politique : Autonomisation politique
Affiche la distribution des scores pour les quatre sous-catégories, y compris l'indice d'écart entre les sexes.
On constate que les répartitions sont très différentes entre les catégories. Pour l'éducation et la santé, la plupart des pays sont distribués près de 1, mais pour la politique, la queue penche vers la droite autour de 0,1.
En ce qui concerne les pays cibles, il semble que l'écart entre les sexes soit faible dans l'éducation et la santé, et que l'écart entre les sexes soit important en politique.
Afin de voir la différence entre les catégories de chaque pays, j'ai dessiné un "tracé parallèle" qui relie les valeurs de chaque pays par une ligne. Les lignes sont colorées par région.
En regardant ce graphique On peut lire qu'il existe une grande variation des scores pour la « politique », et au final il semble que les scores pour la « politique » contribuent grandement à l'indice d'écart entre les sexes.
Le Japon se classe 138e avec un score de 0,057 pour la « politique ». Les facteurs de score politique incluent le ratio de femmes membres du parlement et s'il y a eu ou non des femmes Premiers ministres dans le passé.
Quels sont les facteurs associés à l'indice d'écart entre les sexes ?
Alors, quels facteurs peuvent expliquer la variation de l'indice d'écart entre les sexes d'un pays à l'autre ?
Le rapport énumère les indicateurs suivants comme indicateurs généraux pour chaque pays.
Métriques générales
Ratio hommes-femmes (nombre de femmes/nombre d'hommes) : Sex-ratio de la population (%, femmes/hommes)
Taux de croissance démographique (2021/2020) : Taux de croissance de la population (%)
PIB par habitant : PIB par habitant (1000 $)
population : Population totale
Ces données proviennent principalement de la Banque mondiale. Dans l'analyse qui suit, nous utiliserons des valeurs logarithmiques communes pour le « PIB par habitant » et la « population ».
Examinons la corrélation entre ces quatre indicateurs et l'indice d'écart entre les sexes (y compris les sous-catégories). Cependant, comme pour ce dernier, comme mentionné ci-dessus, certaines distributions sont biaisées, nous utilisons donc toutes les transformations logit*.
En d'autres termes, nous examinerons la corrélation pour les combinaisons suivantes.
20 combinaisons totales :
"Y (indice d'écart entre les sexes, sous-catégorie) 5" × "X (indice général) 4"
* Il existe des valeurs d'origine de 0 et 1, mais lors de la transformation logit, elles sont converties en valeurs légèrement supérieures à 0 et légèrement inférieures à 1.
Dans JMP, si vous spécifiez Y et X ci-dessus dans la plateforme de filtrage des réponses, vous pouvez voir un rapport récapitulant les statistiques pour toutes les combinaisons.
Le rapport ci-dessous répertorie toutes les combinaisons de Y et X dans l'ordre décroissant de R-carré.
En regardant le R au carré, il n'y a pas de combinaisons significativement plus grandes. La plus grande combinaison de l'éducation et du PIB par habitant a un R-carré d'environ 0,41 et un coefficient de corrélation d'environ 0,64.
Sélectionnez le rapport combiné que vous souhaitez examiner plus en détail, et à partir du bouton triangle rouge à gauche de "Sélection des réponses" Relations bivariées pour les éléments sélectionnés Sélectionnez pour afficher le rapport Relations bivariées (une ligne droite ajustée à un nuage de points).
Plus le PIB par habitant est élevé, plus le score lié à l'éducation peut être lu. Cependant, il convient de noter qu'il existe des pays avec un PIB faible mais des scores élevés, et la ligne de régression ne parvient pas à expliquer leur relation.
Je ne retiendrai que la relation entre l'indice d'écart entre les sexes et les indicateurs généraux. Aucune des relations n'est très élevée lorsque l'on regarde le R au carré.
Considérant que ces indicateurs peuvent être expliqués par de multiples facteurs, nous procéderons à une analyse de régression multiple en utilisant l'indice d'écart entre les sexes comme variable objectif* et des indicateurs (PIB, ratio hommes-femmes, etc.) comme variables explicatives. Dans le même temps, nous appliquerons et comparerons également des modèles qui incluent la région comme facteur.
* Auparavant, l'indice d'écart entre les sexes était transformé en logit, mais la distribution de cet indice ne change pas beaucoup même s'il est laissé tel quel, donc par souci de clarté, nous utiliserons les valeurs telles qu'elles sont sans transformation.
Voici les résultats d'une analyse utilisant le modèle d'ajustement de JMP.
- Le modèle à 4 paramètres en bas à gauche est un rapport lorsque 4 indicateurs sont utilisés comme variables explicatives. Lorsque le niveau de signification du test est fixé à 5 %, le PIB, le ratio hommes-femmes et la population sont significatifs.
- Le modèle à 5 paramètres en bas à droite est un rapport lorsque la « région » est utilisée comme variable explicative pour quatre indicateurs. La « région » est très significative, et seul le PIB est significatif ici.
L'inclusion de "régions" augmente les degrés de liberté R-carré ajusté de 0,258 à 0,410.
En simplifiant davantage le modèle à 5 paramètres en supprimant les facteurs non significatifs, on obtient le modèle à 2 paramètres suivant : Dans ce cas, le rapport de contribution ajusté du degré de liberté est de 0,407, ce qui est presque le même que le modèle à 5 paramètres.
Dans ce modèle, la « région » et le « PIB par habitant » expliquent environ 44 % de l'indice d'écart entre les sexes. Il existe d'autres facteurs sociaux et des facteurs spécifiques au pays qui peuvent être considérés comme des facteurs de l'écart entre les sexes, donc si les deux facteurs représentent environ 44%, je pense que cela peut être raisonnablement expliqué. .
Comment augmenter l'indice d'écart entre les sexes au Japon
Enfin, pour le modèle à deux paramètres créé cette fois, j'ai exprimé la valeur prédite de l'indice d'écart entre les sexes du Japon sous la forme d'un "profil de prédiction".
Le score prédit serait de 0,73 (intervalle de confiance à 95 % 0,704 à 0,756). D'autre part, le score japonais réel est de 0,647.
Si vous appartenez à la région Asie de l'Est-Pacifique et que votre PIB par habitant (logarithme) est de 1,61 Bien que le score moyen soit de 0,73 et que l'intervalle de confiance à 95 % soit (0,704-0,756), le score du Japon (0,647) est inférieur à l'intervalle de confiance inférieur. Ce n'est donc pas très bon. "Le Faire plus pour réduire l'écart entre les sexes Merci d'y travailler."
Comme nous l'avons vu dans les analyses jusqu'à présent, l'augmentation du pourcentage de femmes participant à la politique semble être un problème immédiat afin d'augmenter l'indice d'écart entre les sexes. Le parti au pouvoir actuel, le Parti libéral-démocrate, s'est fixé pour objectif d'augmenter le pourcentage de femmes législatrices à 30 % dans les 10 prochaines années, mais que va-t-il se passer ?
par Naohiro Masukawa (JMP Japon)
