Coronado Reyes Eliana Carolina

Universidad de Lima
Facultad de Ciencias Empresariales y Económicas
Carrera de Economía
EFECTO DE LA DISCRIMINACIÓN
SALARIAL POR GÉNERO EN LOS NIVELES
DE POBREZA Y DESIGUALDAD DEL PERÚ
EN EL PERIODO 2011 - 2015
Tesis para optar el Título Profesional de Economista
Eliana Carolina Coronado Reyes
Código 20140353
Asesor
Ricardo Manuel Padilla Casaverde
Lima – Perú
Octubre del 2019

(Hoja en blanco)
ii
EFFECT OF WAGE DISCRIMINATION BY
GENDER ON THE LEVELS OF POVERTY
AND INEQUALITY OF PERU IN THE
PERIOD 2011-2015
iii
TABLA DE CONTENIDO
RESUMEN................................................................................................................................XIII
ABSTRACT..............................................................................................................................XIV
INTRODUCCIÓN ..................................................................................................................1
CAPÍTULO I: MARCO TEÓRICO ...................................................................................4
1.1 Revisión de la literatura .......................................................................... 4
1.2 Mercado del trabajo ................................................................................ 6
1.2.1 Demanda y oferta del trabajo .................................................................. 6
1.2.2 Estructura del mercado del trabajo ......................................................... 7
1.2.3 Discriminación en el mercado del trabajo .............................................. 9
1.2.4 Tipos de discriminación por género ....................................................... 13
1.3 Teorías sobre el capital humano ............................................................. 15
1.3.1 Inversión en capital humano: Theodore W. Schultz ............................... 15
1.3.2 El capital humano y la inversión en educación: Gary Becker ................ 15
1.3.3 Función de ingresos: Jacob Mincer ........................................................ 16
1.4 Pobreza y desigualdad ............................................................................ 18
1.4.1 Indicadores de pobreza monetaria .......................................................... 18
1.4.2 Indicadores de desigualdad en los ingresos ............................................ 20
1.4.3 Relación entre género, pobreza y desigualdad ....................................... 21
CAPÍTULO II: LA BRECHA DE GÉNERO EN EL PERÚ .........................................24
2.1 Revisión de la literatura empírica ........................................................... 25
2.2 Contexto global ....................................................................................... 27
2.2.1 Principales indicadores de género .......................................................... 27
2.2.2 Contexto institucional ............................................................................. 33
iv
2.2.3 Políticas y leyes ...................................................................................... 35
2.3 Perú: género, pobreza y desigualdad ...................................................... 37
2.3.1 Políticas para la igualdad de género ....................................................... 37
2.3.2 Perú: pobreza y desigualdad ................................................................... 41
2.4 Perú: educación, empleo, ingresos.......................................................... 48
2.4.1 Educación: clave para la igualdad de género .......................................... 48
2.4.2 Empleo e ingresos: autonomía económica de la mujer .......................... 52
2.5 Relación entre educación, experiencia laboral, ingresos, pobreza y

desigualdad ............................................................................................. 57
2.5.1 Educación y experiencia laboral: determinantes del ingreso .................. 57
2.5.2 Ingresos, pobreza y desigualdad ............................................................. 60
2.6 Análisis estadístico de las variables ........................................................ 60
CAPÍTULO III: EFECTO DE LA DISCRIMINACIÓN SALARIAL DE GÉNERO

SOBRE LA POBREZA Y DESIGUALDAD EN EL PERÚ 2011-2015 .......................67
3.1 Metodología ............................................................................................ 68
3.1.1 Fuente ..................................................................................................... 68
3.1.2 Especificación de variables..................................................................... 68
3.1.3 Técnica de estimación............................................................................. 72
3.1.4 Cálculo del efecto sobre la pobreza ........................................................ 73
3.1.5 Cálculo del efecto sobre la desigualdad.................................................. 73
3.2 Especificación del modelo ...................................................................... 74
3.2.1 Función de salario de Mincer ................................................................. 74
3.2.2 Corrección por sesgo de selección .......................................................... 75
3.2.3 Descomposición Oaxaca – Blinder ......................................................... 76
3.2.4 Cálculo de brecha salarial de género: enfoques ...................................... 77
3.3 Presentación de resultados ...................................................................... 79
v
3.3.1 Pruebas y análisis previos ....................................................................... 79
3.3.2 Funciones de salario en base a datos tipo panel ..................................... 83
3.3.3 Funciones de salario corregidas por sesgo de selección ......................... 85
3.3.4 Aplicación de la descomposición de Oaxaca – Blinder.......................... 87
3.4 Interpretación económica........................................................................ 90
3.4.1 Análisis de la estimación ........................................................................ 90
3.4.2 Análisis de sensibilidad .......................................................................... 97
CONCLUSIONES...................................................................................................................100
RECOMENDACIONES ........................................................................................................102
REFERENCIAS ......................................................................................................................104
BIBLIOGRAFÍA .....................................................................................................................115
vi
ÍNDICE DE TABLAS
Tabla 2.1 Indicadores del índice mujeres, empresa y derecho ........................................................... 28
Tabla 2.2 Metas del objetivo 5 de desarrollo sostenible ..................................................................... 34
Tabla 2.3 Planes de igualdad de América Latina, 2013 - 2019.......................................................... 37
Tabla 2.4 Dimensiones e indicadores del índice de pobreza multidimensional............................... 41
Tabla 2.5 Composición del índice de pobreza multidimensional, Perú 2004 – 2012 ..................... 43
Tabla 2.6 Estadística descriptiva - salario por hora (S/) ...................................................................... 61
Tabla 2.7 Estadística descriptiva - nivel de escolaridad (años) .......................................................... 62
Tabla 2.8 Estadística descriptiva - experiencia laboral (años)............................................................ 64
Tabla 3.1 Test de significancia estadística............................................................................................ 80
Tabla 3.2 Test de Fisher ......................................................................................................................... 80
Tabla 3.3 Test de multicolinealidad ...................................................................................................... 81
Tabla 3.4 Test de normalidad de errores .............................................................................................. 81
Tabla 3.5 Test de Ramsey ...................................................................................................................... 82
Tabla 3.6 Prueba de heterocedasticidad................................................................................................ 83
Tabla 3.7 Prueba de Hausman ............................................................................................................... 83
Tabla 3.8 Resultados de función de salarios Mincer para datos tipo panel, 2011- 2015................. 84
Tabla 3.9 Resultados de función de salarios Mincer para datos tranversales, 2011- 2015 ............. 85
Tabla 3.10 Resultados de corrección de Heckman , 2011 – 2015..................................................... 86
Tabla 3.11 Resultados de descomposición Oaxaca - Blinder, 2011 – 2015

(en escala logarítmica) ........................................................................................................................... 88
Tabla 3.12 Resultados de descomposición Oaxaca - Blinder, 2011 – 2015.................................... 89
Tabla 3.13 Ingresos por hora (per cápita) de la población en escenarios 1 y 2, Perú
2011 – 2015 ............................................................................................................................................. 93
vii
Tabla 3.14 Evolución de las líneas de pobreza monetaria total y monetaria extrema,
Perú 2011 - 2015 ..................................................................................................................................... 94
Tabla 3.15 Población bajo la línea de pobreza monetaria total en escenarios 1 y 2,

Perú 2011 – 2015 .................................................................................................................................... 94
Tabla 3.16 Población bajo la línea de pobreza monetaria extrema en escenarios 1 y 2,

Perú 2011 – 2015 .................................................................................................................................... 95
Tabla 3.17 Evolución del coeficiente de Gini en escenarios 1 y 2, Perú 2011 – 2015 .................... 96
Tabla 3.18 Estandarización de coeficientes.......................................................................................... 98
Tabla 3.19 Coeficientes robustos con corrección de Heckman ......................................................... 98
viii
ÍNDICE DE FIGURAS
Figura 1.1 Población según condición de actividad ...............................................................................8
Figura 1.2 Índice de Gini........................................................................................................................ 21
Figura 2.1 Regiones según puntaje en índice mujeres, empresa y derecho, 2018 ........................... 29
Figura 2.2 Regiones según puntaje en el índice mujeres, empresa y derecho, 2009 – 2018 .......... 30
Figura 2.3 Indicadores mujeres, empresa y derecho con mayores reformas realizadas,
2009 - 2018 .............................................................................................................................................. 30
Figura 2.4 Índice global de desigualdad de género, 2006 - 2018 ...................................................... 32
Figura 2.5 Índice de desigualdad de género por regiones, 2017 ........................................................ 33
Figura 2.6 Índice multidimensional de la pobreza, Perú 2004 – 2012 (%) ...................................... 42
Figura 2.7 Evolución de la pobreza monetaria y pobreza extrema (%), Perú 2001 – 2015 ........... 44
Figura 2.8 Evolución de la pobreza monetaria y pobreza extrema (%), Latinoamérica

2001 - 2015 .............................................................................................................................................. 45
Figura 2.9 Índice de desarrollo humano ajustado por desigualdad, Perú, 2010 – 2015 .................. 46
Figura 2.10 Evolución del coeficiente de Gini, Perú 2002 - 2015..................................................... 47
Figura 2.11 Evolución del coeficiente de Gini, Latinoamérica 2002 - 2015.................................... 48
Figura 2.12 Gasto público total destinado al sector educación por sectores, Perú 2005 - 2015 ..... 49
Figura 2.13 Gasto público destinado al sector educación (% del PBI), Perú 2005 - 2015 ............. 50
Figura 2.14 Tasa neta de matrícula escolar por nivel educativo, Perú 2005 – 2015........................ 51
Figura 2.15 Promedio de años de estudio alcanzado por la población de 15 y más años
de edad, Perú 2005 – 2015 ..................................................................................................................... 52
Figura 2.16 Tasa de actividad económica de hombres y mujeres, Perú 2005 - 2015...................... 53
Figura 2.17 Ingreso promedio mensual proveniente del trabajo de hombres y mujeres, Perú
2005 – 2015 ............................................................................................................................................. 54
Figura 2.18 Mujeres y hombres sin ingresos propios, Perú 2007 - 2015.......................................... 56
ix
Figura 2.19 Carga total de trabajo de mujeres y hombres, Perú 2010............................................... 57
Figura 2.20 Relación salario por hora (S/) y nivel de escolaridad (años), Perú 2011 - 2015 .......... 58
Figura 2.21 Relación salario por hora (S/) y experiencia laboral (años), Perú 2011 - 2015 ........... 59
Figura 2.22 Evolución del sueldo mínimo y líneas de pobreza, Perú 2005 - 2015.......................... 60
Figura 2.23 Histograma del salario por hora (S/)................................................................................. 61
Figura 2.24 Histograma de nivel de escolaridad (años)...................................................................... 63
Figura 2.25 Histograma de experiencia laboral (años) ....................................................................... 64
Figura 3.1 Histograma de residuos de la función de ingresos de Mincer ......................................... 82
x
ÍNDICE DE ANEXOS
Anexo 1: Estimación MCO para datos tipo panel, 2011 - 2015 (mujeres) .................................... 117
Anexo 2: Estimación MCO para datos tipo panel, 2011 - 2015 (hombres) ................................... 117
Anexo 3: Estimación MCO con corrección de heterocedasticidad, 2011 ...................................... 118
Anexo 4: Estimación MCO con modelo de selección de Heckman, 2011 .................................... 118
Anexo 5: Descomposición Oaxaca – Blinder con modelo de selección muestral en escala

logarítmica, 2011................................................................................................................................... 119

logarítmica, 2011................................................................................................................................... 119
Anexo 7: Estimación MCO con corrección de heterocedasticidad, 2012 ...................................... 120
Anexo 8: Estimación MCO con modelo de selección de Heckman, 2012 .................................... 120

logarítmica, 2012................................................................................................................................... 121
Anexo 10: Descomposición Oaxaca – Blinder con modelo de selección muestral en escala no
logarítmica, 2012................................................................................................................................... 121
Anexo 11: Estimación MCO con corrección de heterocedasticidad, 2013.................................... 122
Anexo 12: Estimación MCO con modelo de selección de Heckman, 2013................................. 122
logarítmica, 2013................................................................................................................................... 123
logarítmica, 2013................................................................................................................................... 123
Anexo 16: Estimación MCO con modelo de selección de Heckman, 2014.................................. 124
logarítmica, 2014................................................................................................................................... 125
xi
logarítmica, 2014................................................................................................................................... 125
Anexo 20: Estimación MCO con modelo de selección de Heckman, 2015.................................. 126
logarítmica, 2015................................................................................................................................... 127
logarítmica, 2015................................................................................................................................... 127
xii
RESUMEN
La brecha de género salarial se define como la diferencia de salarios que perciben

hombres y mujeres por el trabajo realizado. En el Perú, la brecha de género salarial
representó un 29% en el 2017. En el mismo año, la incidencia de pobreza aumentó en 1%,
mientras que el coeficiente de Gini tuvo un valor de 0.43 . Al ser el mercado laboral la
fuente principal de ingresos del país, las familias con jefe de hogar femenino se ven
afectadas por la brecha salarial de género, pues perciben un menor ingreso. El objetivo
principal de la presente investigación consistió en cuantificar la discriminación salarial
de género de los trabajadores asalariados del Perú durante el periodo 2011 – 2015, con la
finalidad de medir su efecto en los niveles de pobreza monetaria y en la desigualdad de
los ingresos. Respecto a la metodología empleada, se realizó una estimación de los
salarios a través de la función de Mincer y la corrección de selección muestral con el
método Heckman. A continuación, mediante la descomposición Oaxaca-Blinder, se
cuantificó la diferencia salarial entre géneros, y se determinó el ingreso per cápita de la
población en dos escenarios: con y sin discriminación salarial. Finalmente, se calculó la
incidencia de pobreza y el coeficiente de Gini en ambos escenarios, cuya comparación
permitió medir el efecto de suprimir la brecha salarial de género en ambos indicadores.
Los resultados indicaron que la brecha salarial de género para el periodo analizado fue de
31%. Asimismo, los años de escolaridad y experiencia laboral tienen un efecto positivo
mayor en la determinación del salario para el género masculino que el femenino. Por
último, se concluyó que eliminar la brecha salarial de género representó una disminución
en la pobreza, pobreza extrema y desigualdad en los ingresos de 4.3%, 1.24% y 7.3%
respectivamente.
Palabras clave: Brecha salarial, discriminación de género, descomposición Oaxaca-

Blinder, pobreza monetaria, desigualdad de ingresos
xiii
ABSTRACT
The gender wage gap is defined as the difference in wages that men and women receive
for the work done. In Peru, the gender wage gap represented 29% in 2017. In the same
year, the incidence of poverty increased by 1%, while the Gini coefficient had a value of
0.43. As the labor market is the main source of income in the country, families with
female heads of households are affected by the gender pay gap, as they receive a lower
income. The main objective of this research was to quantify the gender pay discrimination
of salaried workers in Peru during the period 2011-2015, with the purpose of measuring
its effect on the levels of monetary poverty and income inequality. Regarding the
methodology used, an estimate of wages was made through the Mincer function and the
correction of sample selection, using the Heckman method. Then, through the Oaxaca-
Blinder decomposition, the wage difference between genders was quantified, and the per
capita income of the population was determined in two scenarios: with and without wage
discrimination. Finally, the incidence of poverty and the Gini coefficient were calculated
in both scenarios, whose comparison allowed measuring the effect of eliminating the
gender wage gap in both indicators. The results indicated that the gender wage gap for
the period analyzed was 31%. It was obtained that the years of schooling and work
experience have a greater positive effect in determining the salary for the male gender
than the female one. Finally, it was concluded that eliminating the gender wage gap
represented a decrease in poverty, extreme poverty and income inequality of 4.3%, 1.24%
and 7.3% respectively.
Key words: Wage gap, gender discrimination, Blinder-Oaxaca decomposition, monetary

poverty, income inequality
xiv
INTRODUCCIÓN
La pobreza y desigualdad en el Perú es una realidad que no afecta de igual manera a

hombres y mujeres. De acuerdo con la Encuesta Nacional de Hogares (ENAHO) del 2018,
el 20.5% de la población en el Perú vive en situación de pobreza. Dentro de este grupo,
el 51.4% es mujer y el 48.6% es hombre. En adición, a nivel de hogares considerados
pobres en el país, el 30.3% tiene como jefe de hogar a una mujer (Instituto Nacional de
Estadística e Informática [INEI], 2018).
En el mercado laboral, la brecha de género salarial se define como la diferencia

de ingresos que perciben hombres y mujeres (Santos Simäo y Monsueto, 2008). En el
Perú, la brecha de género salarial equivale a un 29% según el Instituto Nacional de
Estadística e Informática (INEI, 2017). Al ser el mercado laboral la fuente principal de
ingresos de la gran mayoría de ciudadanos en el país, aquellos hogares cuyo jefe de hogar
es femenino se ven afectados al percibir un ingreso menor. Asimismo, menores niveles
de ingreso aumentan los índices de pobreza monetaria. Sumado a ello, la distribución
desigual de recursos monetarios incrementa los niveles de desigualdad económica.
La presente investigación busca medir el efecto de la brecha salarial de género

sobre los niveles de pobreza y desigualdad en el Perú. Al respecto, se entiende por
discriminación salarial de género a cualquier distinción, exclusión o preferencia basada
en motivos de sexo, que tenga por efecto anular o alterar la igualdad del salario
proveniente del empleo (Organización para la Cooperación y el Desarrollo Económico
[OECD], 2018). Los años de estudio corresponden al periodo 2011 – 2015, y su ámbito
es a nivel nacional, área urbana y rural.
La relevancia del tema se basa en que la incidencia de pobreza en el Perú, en lugar

de presentar una disminución, se incrementó en 1% en el año 2017 (INEI, 2017). Por el
lado de los índices de desigualdad económica, pese a que la economía en el Perú creció a
una tasa de 4.4% anual en la última década, el coeficiente de Gini solo se redujo en tres
puntos en el mismo periodo (Macera, 2018). Lo anterior no hace más que recalcar la
necesidad del país por buscar métodos que permitan tener un país menos pobre y desigual.
1
Para realizar el análisis del tema se ha planteado como objetivo general cuantificar
la discriminación salarial de género en contra de las mujeres que pertenezcan al conjunto
de trabajadores asalariados del Perú durante el periodo 2011 – 2015, con la finalidad de
medir su efecto en los niveles de pobreza de los hogares y en la desigualdad de los
ingresos familiares del país.
El objetivo general mencionado se puede segregar en los siguientes tres objetivos

específicos:
1. Determinar cuantitativamente las diferencias salariales entre hombres y mujeres

del sector asalariado, a fin de comprobar la existencia de la discriminación salarial
de género en contra de las mujeres en la totalidad de sectores económicos del país
2. Analizar las características sociales de los individuos que intervienen en la
determinación del salario que perciben por parte de sus empleadores, para
determinar el grado de influencia de la escolaridad y el nivel de experiencia laboral
en el ingreso obtenido
3. Demostrar el efecto que tendría la eliminación hipotética de la discriminación
salarial en los niveles de pobreza de los hogares y en los índices de desigualdad
del ingreso familiar, con la finalidad de confirmar el efecto negativo de la
discriminación sobre los indicadores sociales de las familias del país
Para el cumplimiento de los objetivos propuestos se planteó la hipótesis de que la

discriminación salarial de género en contra de las mujeres, pertenecientes a los
trabajadores del sector asalariado del país, incrementa los niveles de pobreza de los
hogares y la desigualdad de los ingresos familiares.
De manera similar que el objetivo general, podemos desglosar la hipótesis

mencionada en las siguientes hipótesis específicas:
1. La brecha salarial de género beneficia a los hombres, puesto que perciben un

salario por hora en promedio 30% mayor que las mujeres dentro del conjunto de
trabajadores asalariados del total de sectores de la economía del país en el periodo
2011 – 2015.
2. La influencia positiva del nivel de escolaridad y los años de experiencia laboral
en la determinación del salario por hora es mayor en los hombres que en las
mujeres del sector asalariado del país para el periodo 2011 – 2015.
2
3. La eliminación hipotética de la discriminación salarial de género en contra de las
mujeres tendría como consecuencias una disminución del porcentaje de personas
bajo la línea de pobreza y línea de pobreza extrema, y un descenso en el
coeficiente de Gini calculado para medir la desigualdad en los ingresos del país.
Para una mejor comprensión de la presente investigación, se ha realizado una

división en tres capítulos. En el primero de ellos, se exponen los principales aportes
conceptuales y teóricos relacionados al tema a tratar, expresados de lo más general a lo
más específico. En el segundo capítulo se realiza un análisis empírico basado en las
principales variables a incluirse en la investigación. Se incluyen estudios y enfoques
elaborados por instituciones oficiales nacionales e internacionales. Finalmente, en el
tercer capítulo se desarrolla la contrastación de las hipótesis específicas. En primer lugar,
se corrobora y cuantifica la discriminación salarial de género. A continuación, se halla el
efecto que tendría la eliminación de la discriminación en el ingreso per cápita del Perú.
Para culminar, se calcula el efecto de la eliminación de la discriminación en los
indicadores de pobreza y desigualdad.
3
CAPÍTULO I: MARCO TEÓRICO
En los siguientes párrafos se realizará una aproximación conceptual y teórica a la

literatura en torno a la discriminación salarial de género. En primer lugar, se brinda una
breve revisión bibliográfica de los últimos aportes conceptuales acerca de la brecha de
género salarial. A continuación, se da una explicación acerca del mercado del trabajo,
describiendo la demanda y oferta, y su estructura según condición de actividad. Ello con
la finalidad de especificar el objeto de estudio de la investigación.
En adición, se brindan conceptos relativos a la discriminación en el mercado

laboral haciendo énfasis en la discriminación por género, y sus distintas variedades e
indicadores. Se presentan, además, los posibles motivos que explican la existencia de la
diferencia salarial entre los trabajadores.
Posteriormente, se brinda una explicación acerca de las teorías sobre el capital

humano, las mismas que se relacionan con el origen de la discriminación en el mercado
laboral. Dentro de ellas, se resalta la teoría de Mincer (1974), cuya interpretación
concluye en las variables que determinan la diferencia salarial entre los individuos:
escolaridad y experiencia laboral.
Más adelante, se definen los conceptos de pobreza monetaria y desigualdad en los

ingresos, así como los indicadores que se emplean para su medición y que serán
empleados para medir el efecto de la discriminación salarial de género sobre ellos.
Finalmente, se realiza una explicación acerca de los enfoques sobre la relación entre
género, pobreza y desigualdad.
1.1 Revisión de la literatura
Distintos autores han desarrollado investigaciones acerca de los motivos que originan la
brecha de género salarial a distintos niveles, las cuales se mencionan a continuación:
Schafer y Gottschall (2015) afirman que factores como la estructura misma del
mercado laboral y las regulaciones en el mercado del trabajo, que incluyen políticas
laborales a favor de la mujer (por ejemplo, el descanso postnatal) contribuyen al origen y
crecimiento de la brecha de género. Asimismo, señalan que existe abundante evidencia
4
de patrones repetitivos en el mercado del trabajo, tales como un mayor número de mujeres
en trabajos de medio tiempo y de bajo salario, así como contratos más cortos y con mayor
flexibilidad de horarios. Ello contribuye al crecimiento de la brecha de género salarial.
Por su parte, Schulze (2015) señala que los posibles motivos para la existencia de
la brecha de género salarial son las diferentes aspiraciones de carrera, segregación
ocupacional y la discriminación en contra de las mujeres en el mercado laboral. Resalta,
además, que la brecha está conformada en gran parte por características no observables.
El autor indica, adicionalmente, que las mujeres tienen menor tendencia a acumular
capital humano debido a que tiene expectativas de una vida laboral de menor duración en
comparación de los hombres. Ello se debe a que planifican el cuidado de los hijos y el
cuidado doméstico, lo que interrumpe y/o acorta su presencia en el mercado del trabajo.
Figuereido, Rocha, Biscacia y Teixeria (2015) plantean que un motivo por el que
existe la brecha de género salarial se debe al ajuste no automático de la demanda de
habilidades respecto al incremento de la oferta del mercado del trabajo. Es decir, a medida
que aumenta el nivel educativo de las mujeres, una gran proporción de las mismas estarían
siendo asignadas a trabajos con menor remuneración de la correspondiente a sus
características de capital humano. Un segundo motivo que refieren los autores, similar a
lo planteado por Schulze (2015), es que las mujeres optarían por trabajos que permitan
combinar el trabajo remunerado y no remunerado, esto es, las labores relativas al hogar.
Ello significaría que acepten empleos con menor remuneración, pero que permitan
dedicar parte de su tiempo al cuidado infantil y cuidado doméstico.
Por otro lado, Cardoso, Guimaraes y Portugal (2016) explican los motivos por los
que las mujeres se encuentran en desventaja en el mercado laboral frente a los hombres.
En primer lugar, las mujeres estarían buscando trabajo de forma menos intensa al optar
por labores productivas domésticas. Segundo, estarían optando por trabajos con
características que prioricen la flexibilidad del horario y la cercanía al hogar, lo que les
permita dedicar más tiempo a las labores del hogar. En adición a ello, las mujeres
tenderían a tener menor expectativa respecto a las ofertas salariales, ya sea porque asumen
discriminación salarial o porque subestiman su verdadero valor para la empresa. Desde
el punto de vista del empleador, al contratar nuevos colaboradores se considera el riesgo
de que las trabajadoras opten por interrumpir su carrera laboral para dedicar tiempo al
5
hogar: ello influye en que sean menos contratadas que los hombres o perciban menor
sueldo.
1.2 Mercado del trabajo
Los factores de producción son los recursos que emplean las empresas para realizar la
actividad económica, esto es, producir bienes y servicios. En primer lugar, se reconoció
la existencia de tres factores productivos: el trabajo, la tierra y el capital (Mankiw, 2012).
Posteriormente, se incluyó también las habilidades empresariales como un factor
adicional (Parkin, y Lora, 2010).
Mankiw (2012) define al trabajo como la actividad humana que permite la

producción y se retribuye mediante el salario; asimismo, lo considera el factor productivo
de mayor importancia, puesto que gran parte del ingreso total de la economía la obtienen
los trabajadores. La tierra está conformada por los recursos naturales, lo cual incluye los
minerales, el agua, el aire, el gas, etc.; por otro lado, se denomina capital a los
instrumentos, herramientas, maquinaria y construcciones que permiten la producción de
bienes y servicios. Finalmente, se menciona a las habilidades empresariales como “el
recurso humano que organiza el trabajo, la tierra y el capital” (Parkin, y Lora, 2010, p.4).
La OIT (s.f.) define el mercado del trabajo como el "sistema consistente en

establecer a los empleadores como compradores y los trabajadores como vendedores, con
el propósito de correlacionar las vacantes de trabajo con los aspirantes o candidatos para
establecer los salarios" (p.1). El mercado del trabajo o mercado laboral, se rige por las
fuerzas de la oferta y demanda (Mankiw, 2012).
1.2.1 Demanda y oferta del trabajo
La demanda del trabajo o demanda laboral, se define como la necesidad de mano de obra,
es decir, la demanda general de trabajadores para sectores o industrias de la economía, a
fin de producir determinados bienes u ofrecer ciertos servicios que permitan obtener
beneficios (OIT, s.f.). Diversos factores son determinantes para el aumento o disminución
de la demanda del trabajo (Nicholson, 2008):
 Demanda del bien o servicio: A mayor demanda de un bien o servicio, las

empresas presentan necesidad de contratar un mayor número de trabajadores. Caso
6
contrario, ante una disminución de la demanda del bien o servicio, se reduciría también
la cantidad demandada de trabajadores. Por tanto, un cambio en la demanda del producto
mueve la demanda de trabajo en el mismo sentido.
 Cantidad de empresas: Similar al caso anterior, una variación en el número de
empresas produce un cambio en la demanda del trabajo en la misma dirección (asumiendo
ceteris paribus).
 Precio de otros bienes o servicios: Depende del tipo de bien o servicio. Por
ejemplo, un incremento en el precio de un bien sustituto representará también un
incremento en la demanda del trabajo. Por otro lado, un aumento del precio de un bien
complementario significará un descenso en la demanda del trabajo.
La oferta de trabajo u oferta laboral está conformada por el “suministro de mano

de obra, así como a las horas o esfuerzos necesarios para la producción de bienes y
servicios” (OIT, (s.f.), p.1). En su determinación influyen diversos factores (Nicholson,
2008):
 Cantidad de ofertantes: A mayor número de ofertantes de trabajo, la oferta laboral

aumenta. De manera similar, a menor cantidad de ofertantes de trabajo, la oferta laboral
disminuye.
 Preferencia entre ocio y trabajo: Si una mayor cantidad de individuos tiene
preferencia por el ocio, frente al trabajo, la oferta laboral disminuye, y viceversa.
 Ingresos no provenientes del trabajo: El aumento de las rentas no salariales (esto
es, los ingresos no provenientes del trabajo) origina una disminución en la oferta laboral.
Caso contrario, ante una disminución de estas rentas, la oferta se incrementa.
En síntesis, en el mercado del trabajo, la oferta proviene de los individuos,

mientras que la demanda viene del lado de las empresas, quienes requieren de
trabajadores para funcionar (INEI, 2000).
1.2.2 Estructura del mercado del trabajo
Se puede distribuir a la población total de un país a partir de su condición de actividad.

Ello permite señalar dos indicadores para la oferta y demanda laboral. Por un lado, un
indicador de la oferta laboral es la población económicamente activa (PEA), mientras que
para la demanda laboral se puede definir a la población ocupada (PO) como indicador
7
(INEI, 2000). En la siguiente figura se muestra la distribución de la población según su
condición de actividad:
Figura 1.1
Población según condición de actividad
Población Total
Población que no
Población en Edad
está en edad de
de Trabajar (PET)
trabajar
Población Población
Económicamente Económicamente
Activa (PEA) Inactiva (PEI)
Desempleo
Ocupados Inactivo Pleno
Abierto
Adecuamente
Cesantes Desempleo Oculto
Empleados
Subempleados Aspirantes
Fuente: Instituto Nacional de Estadística e Informática, INEI (2000)
a) Población en edad de trabajar (PET)
El INEI (2014) se refiere a la población en edad de trabajar como los individuos aptos
para ejercer funciones productivas. En el Perú, la edad mínima para pertenecer a la PET
es de 14 años, en línea con el Convenio 138 de la Organización Internacional del Trabajo.
Se subdivide en población económicamente activa (PEA) y población económicamente
inactiva (PEI).
b) Población económicamente activa (PEA)
Se define a la población económicamente activa (PEA) como la oferta de mano de obra

en el mercado laboral. Se encuentra conformada por las personas en edad mínima de
trabajar que otorgan o están disponibles para ofrecer mano de obra para la producción de
bienes y servicios durante un periodo determinado. Se conoce también como el “stock”
de la oferta laboral, pues demuestra la cantidad real de individuos en situación de empleo
8
y desempleo. De igual se manera, se divide en población ocupada y o desempleo abierto
(INEI, 2000).
c) Población ocupada (PO)
La población ocupada se constituye por los individuos que se encuentran realizando una
actividad productiva de bienes y servicios. En el Perú, el tiempo de trabajo mínimo
remunerado para pertenecer a la población ocupada es de una hora a la semana (INEI,
2014).
d) Desempleo abierto
Se dice que un individuo se encuentra en situación de desempleo abierto cuando carece

totalmente de trabajo. Además, debe encontrarse disponible para trabajar y estar en
búsqueda de empleo (INEI, 2000).
e) Población económicamente inactiva (PEI)

La población económicamente inactiva (PEI) es el conjunto de individuos en edad de
trabajar que no forman parte del mercado del trabajo. Ello significa que no se encuentran
en búsqueda de alguna actividad económica. La conforman estudiantes, jubilados,
rentistas, personas encargadas de las labores domésticas, entre otros. Del mismo modo,
se subdivide en desempleo oculto y población inactiva plena (INEI, 2000).
f) Desempleo Oculto
Se refiere a las personas sin ocupación que, a pesar de tener el deseo de trabajar, no
efectúan una búsqueda activa de trabajo. El INEI (2000) señala que los motivos de los
individuos para no realizar búsqueda laboral activa comprenden la falta de motivación o
la creencia de que el mercado exige requisitos que no cumplen, entre otros.
g) Población Inactiva Plena
Finalmente, se denomina población inactiva plena al grupo de individuos aptos para

ejercer labores productivas, pero que no poseen deseos de trabajar (INEI, 2014).
1.2.3 Discriminación en el mercado del trabajo
La discriminación laboral se refiere al trato diferenciado y menos favorable por parte del
empleador hacia sus empleados. Puede existir durante el proceso de reclutamiento para
un puesto de trabajo, durante el tiempo de empleo o, una vez finalizadas las funciones
9
laborales. Asimismo, el trato desfavorable no se encuentra fundamentando en
calificaciones, méritos u otros indicadores de desempeño que sí son adecuados de emplear
como modo de distinguir entre trabajadores (Horbarth y Gracia, 2014).
Bajo la hipótesis de que los grupos con idénticas características económicas, esto
es, misma productividad, reciben el mismo salario, no debería existir diferencia salarial
entre los individuos. Sin embargo, en el mercado laboral hay abundante evidencia de
diferencias salariales, esto es, discriminación salarial. Stiglitz (1973) lista los motivos que
explicarían la diferenciación de salarios entre los grupos de trabajadores, los cuales se
dividen en dos grupos. El primero de ello lo constituyen las fallas de mercado:
 Monopolios y Oligopolios
Al igual que en el mercado de productos, también existen monopolios y oligopolios en el

mercado del trabajo. Como ejemplo de ello se observa la existencia de sindicatos
(monopolios de oferta laboral), quienes pueden negociar a favor de un salario mayor para
sus miembros, excluyendo de este beneficio a aquellos trabajadores que no pertenezcan
al mismo.
 Salario mínimo
Si el salario mínimo es efectivo, el número de ofertantes para trabajos no calificados

superará a la demanda laboral. Ello origina que el empleador pueda caer en prejuicios en
la contratación y contratar solo a individuos de un "grupo" basado en sexo, edad, raza, u
otros. Dependiendo de cuántos trabajadores de cada grupo sean contratados, el salario
promedio de uno de ellos será menor que otro y generará diferencia salarial.
 Desequilibrios en el mercado laboral
Debido a la flexibilidad de los precios de los factores, los empleadores pueden discernir
entre los solicitantes a un trabajo, al elegir al grupo que, bajo su prejuicio, aceptará recibir
un menor salario.
El segundo grupo que Stiglitz (1973) reconoce como causa de la discriminación

salarial corresponde a tres características económicas:
 Diferencias en las tasas de rotación
El grupo con mayor tasa de rotación tendrá menor salario porque las empresas intentan
minimizar los costos laborales totales.
10
 Diferencias en la información sobre trabajos
Los nuevos trabajadores ingresan continuamente con información imperfecta sobre los
salarios ofrecidos por diferentes empresas. Por tanto, individuos con productividades
idénticas reciben salarios distintos, muchas veces por un tema de "suerte".
 Expectativas de empleadores
Las personas tienen diferentes habilidades en el trabajo. Desafortunadamente, no existen

predictores exactos del desempeño laboral, por lo que las empresas emplean podrían
correlacionar factores como el sexo o la raza a características específicas en el trabajo. En
base a ello, se asignan distintos salarios a los grupos asociados a una menor productividad.
En el ámbito laboral, existen diversas variables con las que los empleadores
segmentan a los individuos en grupos, donde uno o más se ven perjudicados por un
tratamiento diferenciado. A partir de ellas se generan los diversos tipos de discriminación
laboral. Un tipo de discriminación en el empleo se basa en la edad, lo cual incluye
ejemplos como el preferir contratar a empleados de menor o mayor edad para
determinados puestos, así como brindar la oportunidad de ascender a diferentes cargos en
base a ese factor (ACAS, 2017). Un tipo de discriminación adicional se fundamenta en la
raza, la cual abarca distintos elementos tales como color de piel, costumbres,
nacionalidad, idioma, entre otros (Galarza, Kogan, y Yamada, 2011). Adicionalmente, se
sabe que algunos factores que originan la discriminación laboral son la religión,
discapacidad, estado civil, orientación sexual, entre otros (ACAS, 2017). Otra de las
variables determinantes para la existencia de desigualdad en el mercado laboral es el
género, sobre lo cual se profundizará en el siguiente apartado (Oficina Internacional de
Trabajo [OIT], 2003).
11
Discriminación por Género
La Organización de las Naciones Unidas (ONU) define al concepto de discriminación

contra la mujer como toda diferenciación, exclusión o limitación basada en el sexo, que
resulte en una disminución o eliminación del reconocimiento o goce de la mujer (ONU
Mujeres, 2011). En el ámbito laboral se considera discriminación de género al trato
diferenciado y menos favorable hacia los empleados, postulantes a empleo o
recientemente cesados, en contra de las mujeres (Bareiro, 2018).
Dentro de este contexto resalta el término brecha de género salarial, también

llamada brecha de género. Se puede dividir en dos: sin ajustar y ajustada. La brecha de
género sin ajustar se refiere a la diferencia porcentual bruta de los salarios entre hombres
y mujeres, independientemente de las diferencias en características socioeconómicas y
posiciones de trabajo de ambos grupos. Por otro lado, la brecha de género ajustada se
refiere a la diferencia porcentual en salarios por el mismo trabajo realizado, controlando
las diferencias entre géneros para la determinación del salario (Conde-Ruiz y Marra de
Artiñano, 2016).
 Discriminación de género: algunos indicadores
El Foro Económico Mundial se encarga anualmente de elaborar el Reporte Global de

Brecha de Género. El reporte presenta una serie de índices acerca de la brecha de género
en factores en torno a la economía, educación, salud y política, realizando rankings a nivel
de países con motivos de comparación. A continuación se mencionan, algunos resultados
más resaltantes (World Economic Forum [WEF], 2016):
- Cerrar la brecha de género tomaría 170 años en promedio a partir del 2016. Las
brechas más amplias corresponden al ámbito económico y de salud.
- El promedio de ingresos anuales para los hombres corresponde a un valor de $20
mil dólares frente a $11 mil de las mujeres.
- Del total de la población en edad de trabajar, un 18% de varones pertenece a la
población en desempleo, frente a un 44% de las mujeres.
- Un hombre trabaja en promedio 7 horas y 47 minutos al día, de los cuales 90
minutos son trabajo no remunerado. Por otro lado, las mujeres trabajan 8 horas y 39
minutos, con un total de 4 horas y 47 minutos de trabajo sin paga.
12
- Solo un 20% de parlamentarios en el grupo de países analizados son mujeres. Del
mismo modo, solo un 18% ocupan cargos ministeriales
 Índice de mejores trabajos
El Índice de mejores trabajos realiza una medición sobre cómo es el empleo en países
basándose en dos dimensiones: cantidad y calidad. La primera dimensión se subdivide en
dos aspectos: tasa de participación laboral y ocupación; asimismo, la segunda incluye la
tasa de formalidad y de sueldo suficientes para estar por encima de la situación de
pobreza. La escala va de 0 a 100, donde el valor 100 significa las personas que, dentro de
la fuerza laboral, tienen un empleo formal y superan la pobreza (Banco Interamericano
de Desarrollo [BID], 2017).
El cálculo del índice para los distintos países de Latinoamérica también se

desagrega en base al género, lo cual permite obtener una brecha respecto a este indicador.
A nivel regional, se obtiene que para el año 2015 el valor del índice es 68.69 para el
género masculino; por otro lado, con los mismos parámetros anteriormente indicados, el
valor del índice para las mujeres es 46.17. La brecha de género entonces sería de 22.5
puntos. Para el caso de Perú, este valor es de 63.61 y 46.12, para hombres y mujeres
respectivamente. De este modo, se puede observar que incluso en la medición de nuevos
indicadores en torno al mercado laboral, la mujer sigue estando en situación de
desventaja.
1.2.4 Tipos de discriminación por género
En base a la definición de discriminación de género brindada anteriormente, podemos

definir distintos tipos:
a) Discriminación salarial
Se refiere a una diferencia salarial en perjuicio del género femenino, debido a causas que
no guardan relación con los niveles de productividad de cada grupo. Las implicancias de
ello significan que las mujeres perciben un salario o remuneración menor a la de los
hombres, incluso cuando su nivel de escolaridad, experiencia laboral, productividad y
otros factores que determinen su ingreso sea equivalente al de los hombres (Baquero,
Guataqui, y Sarmiento, 2000).
13
b) Discriminación en el empleo
La discriminación en el empleo, enfocada en el género, se refiere al hecho de que las

mujeres presenten tasas de desempleo mayores a la de los hombres. El motivo principal
se basa en que las diferencias salariales se deben a la información histórica que manejan
los empleadores, la cual perjudica a un grupo al evidenciar menor productividad y/o
confiabilidad (Blau y Kahn, 2016). En base a ello, prima la creencia de que el género
femenino presenta menor escolaridad, menor movilidad y/o restricciones de horario. Una
importante consecuencia de la discriminación en el empleo es el otorgamiento de mayores
contratos temporales hacia las mujeres, lo que origina que en épocas de recesión de la
economía sean el grupo más vulnerable ante la pérdida de su empleo.
c) Discriminación ocupacional
La discriminación ocupacional implica que el acceso de las mujeres a ciertas ocupaciones

y/o profesiones se encuentren restringidos por barreras legales y/o sociales. En
consecuencia, la dificultad para ascender a cargos de nivel jerárquico superior es mayor
para las mujeres (Orhan, 2006). A nivel sectorial, se sabe que el empleo femenino se
encuentra más concentrado en el sector servicios; mientras que en el sector industria la
presencia masculina es predominantemente mayor (OIT, 2016).
d) Adquisición de capital humano
Se refiere a las limitaciones de las mujeres respecto al acceso a la educación, capacitación

y formación que brindan las empresas. Ello tiene como consecuencia una menor
cualificación y productividad en el trabajo de las mujeres. Una de las causas de este tipo
de discriminación es la creencia generalizada en muchos países de que el rol de las
mujeres se encuentra abocado en el ámbito doméstico; a causa de ello, muchas familias
optan por no brindar educación a la descendencia de género femenino, dando prioridad a
los varones. Asimismo, el hecho de que las mujeres perciban un menor salario y tengan
menores oportunidades laborales solo incrementa la tendencia de los padres de invertir
menos dinero en su educación, en comparación del género masculino (Baquero, Guataqui,
y Sarmiento, 2000).
14
1.3 Teorías sobre el capital humano
En el presente apartado se presentarán los aportes de tres autores a la teoría del capital
humano, quienes enfatizaron el papel de la educación, capacitación y experiencia laboral
como inversión en capital humano que genere beneficios a futuro, respecto a los ingresos
por percibir de los individuos. La presente investigación se basa principalmente en el
modelo de ingresos de Jacob Mincer (1974),
1.3.1 Inversión en capital humano: Theodore W. Schultz
Schultz (1961) señaló a la educación como una inversión y a sus resultados como una
forma de capital. Por tanto, define a la educación como una forma de generar capital
humano, cuya adquisición es un proceso para acceder a conocimientos y habilidades. El
autor enfatiza que la inversión en calidad de la población, así como los adelantos en
conocimiento, son determinantes para mejorar el bienestar general de la población. Para
lograrlo, es necesaria la adquisición colectiva de habilidades a través de la escolarización,
así como el mejoramiento de servicios básicos en un país.
Asimismo, Schutlz (1961) señala que la inversiones en capital humano explican

gran parte de los incrementos de ingresos reales por trabajador. Respecto a ello, afirma
que las diferencias en inversión de capital humano tienen una estrecha relación con las
diferencias en ingresos entre individuos.
1.3.2 El capital humano y la inversión en educación: Gary Becker
Becker (1964) definió el capital humano como el conjunto de capacidades productivas

que un individuo obtiene producto de la acumulación de conocimientos generales y/o
específicos. Según el autor, en primer lugar, los individuos invierten en educación y, en
simultáneo, incurren en costos de oportunidad al conformar la población económicamente
inactiva. Más adelante, como resultado de su formación educativa y la productividad que
manifiesten, tienen la posibilidad de acceder a mejores salarios. Sin embargo, esta
productividad dependerá también de la motivación y esfuerzo que presenten en el
mercado laboral.
El autor (1964) resaltó la importancia de la educación en la conformación de los

salarios. Según el autor, las personas con mayor educación y capacitación son más
productivas y reciben mayor remuneración por su trabajo.
15
Más adelante, Becker (1985) sugirió que las mujeres tienden a acumular menos
cantidades de capital humano porque anticipan vidas laborales más cortas en comparación
de los hombres, pues planifican la crianza de hijos y el trabajo doméstico. En adición, las
mujeres optarían por instruirse en asignaturas cuyas habilidades deprecien de manera más
lenta y que, por ende, perciban menor remuneración, lo que incluye carreras relativas al
arte y humanidades. En comparación con quienes optan por instruirse en ciencias
naturales, ingenierías y/o matemáticas, las mujeres podrían reinsertarse al mercado
laboral más fácilmente luego del tiempo que decidan dedicar a la maternidad. Ello se
denomina segregación ocupacional por género.
Becker (1985) concluye, finalmente, que gran parte de la brecha de género salarial
se explica por la diferencia de dotaciones, es decir, un menor nivel educativo (que origina
menor experiencia laboral) como consecuencia de la optimización racional que realizan
las mujeres al invertir en menor capital humano frente a los hombres.
Posteriormente, a nivel macroeconómico, Becker, Murphy y Tamura (1990)

señalaron que cuando un país incrementa la inversión en educación, aumentan los
retornos por inversión en capital humano. Con el tiempo, los niveles de capital humano
ascienden y logran elevar el ingreso per cápita del país, ello a causa de la relación directa
entre el stock de capital humano y el crecimiento económico.
1.3.3 Función de ingresos: Jacob Mincer
Jacob Mincer fue uno de los primeros estudiosos en investigar acerca del efecto de la
experiencia laboral, así como los años de educación sobre la determinación y distribución
de los ingresos que perciben los individuos en el mercado del trabajo. Su análisis concluye
que un mayor nivel de escolaridad y experiencia en el trabajo tiene como consecuencia
un mayor salario y/o remuneración; por lo tanto, ambos factores explican y determinan la
asimetría de los ingresos (Mincer, 1974).
Mincer elaboró una herramienta empírica denominada la ecuación minceriana de

ingresos, la cual ha sido empleada en el ámbito internacional para estimar el efecto de un
año adicional de escolaridad y/o experiencia laboral en las rentas que perciben los
individuos por el trabajo realizado. Los datos empleados en la estimación generalmente
provienen de datos transversales. La ecuación tradicional de Mincer emplea el método de
mínimos cuadrados ordinarios, donde la variable independiente es el logaritmo de los
16
ingresos y las variables independientes son los años de educación, la experiencia laboral
y la forma cuadrática de esta última. Matemáticamente se expresa de la siguiente forma
(Lemieux, 2006):
ln(𝑌) = 𝛽0 + 𝛽1 𝑆 + 𝛽2 𝐸𝑥𝑝 + 𝛽3 𝐸𝑥𝑝2 + 𝜀
Donde Y = Ingresos del individuo
S= Número de años de educación formal completada
Exp= Años de experiencia laboral
ε= Término de perturbación aleatorio donde N(0,𝜎 2 )
Bajo la ecuación de Mincer, una vez realizada la estimación, el valor del

coeficiente de los años de educación formal completados se puede interpretar como la
tasa de rendimiento promedio de un año adicional de estudio. Por lo tanto, se espera que
β1 sea positivo. Por otra parte, para explicar el signo de los 𝛽 restantes se emplea la teoría
de los perfiles edad-ingreso, los que indican un rendimiento decreciente de los ingresos
conforme aumentan los años de experiencia laboral. En consecuencia, el valor de β2 sería
positivo, mientras que β3, negativo (Heckman, Lochner, y Todd, 2003).
Con los años, diversos estudios han identificado sesgos respecto a la ecuación
minceriana. Zvi Griliches (1977) identificó dos problemas econométricos originados al
estimar la ecuación propuesta por Mincer: el sesgo de aptitud y la medición incorrecta del
nivel educativo
 Sesgo de aptitud
Se ha reconocido la existencia de más variables que influyen en la determinación del

salario que perciben los individuos, tales como sus aptitudes para el estudio. En otras
palabras, se reconoce que ciertos individuos poseen mayores habilidades naturales para
la adquisición de conocimientos. Respecto a ello, se ha encontrado que las personas con
mejores aptitudes optan por obtener un mayor nivel educativo. Ello originaría un
problema de inconsistencia, al existir correlación entre el valor del error y el nivel
educativo, sobreestimando el rendimiento de la educación.
 Medición incorrecta del nivel educativo

17
La ecuación de Mincer considera la existencia de una tasa única de rendimiento de la
educación, sin embargo, la evidencia empírica y teórica sugieren que existen maneras
más flexibles y desagregadas de medir el nivel de escolaridad de los individuos. La
medición incorrecta del nivel educativo significaría una subestimación del salario en la
ecuación de mincer. Adicionalmente, diferentes estudios han revelado que la variable
educación no puede tratarse como exógena, ya que diversas variables influyen su
determinación, tales como los costos directos de la educación, los ingresos potenciales,
las imperfecciones del mercado de capitales, entre otros. Al valorar la variable educación
como no endógena se estarían generando estimados sesgados e inconsistentes del
rendimiento de la educación.
1.4 Pobreza y desigualdad
1.4.1 Indicadores de pobreza monetaria
Bajo un enfoque monetario, el INEI (2017) define como pobres a “las personas que
residen en hogares cuyo gasto per cápita es insuficiente para adquirir una canasta básica
de alimentos y no alimentos (vivienda, vestido, educación, salud, transporte, etc.)” (p.41).
Del mismo modo, se denominan pobres extremos a “aquellas personas que integran
hogares cuyos gastos per cápita están por debajo del costo de la canasta básica de
alimentos” (p.41).
Para la medición de la pobreza monetaria se emplean tres índices: la incidencia de

la pobreza, brecha de pobreza y severidad de la pobreza. El primero se refiere al
porcentaje de pobres dentro de la población total de un país; para ello, se toma como
referencia a la línea de pobreza. Por otro lado, la brecha de pobreza mide la magnitud que
separa a los pobres de la línea de pobreza. Asimismo, la severidad de la pobreza se refiere
a la medición de la desigualdad entre los pobres (Udo y Moyes, 2002).
a) Incidencia de pobreza
El INEI (2017) define a la incidencia de la pobreza (P0) como “la proporción de pobres o
de pobres extremos como porcentaje del total de la población” (p.41); es decir, el
porcentaje de la población cuyo consumo es inferior al valor de línea de pobreza o de
extrema pobreza. Esta última señala el ingreso mínimo necesario para que un individuo
o una familia satisfagan sus necesidades básicas alimentarias y no alimentarias. De este
modo, se define como personas en situación de pobreza al conjunto de la población que
18
cuenta con un ingreso inferior a la línea. Cabe resaltar que la incidencia de la pobreza no
considera la distancia que separa a cada individuo de la línea, ni tampoco las diferencias
entre cada uno de los individuos bajo la misma (INEI, 2017). Matemáticamente, la
incidencia de la pobreza se puede expresar a partir de la siguiente ecuación (Foster, Greer
Joel, y Thorbecke, 1984):
1−𝑦
𝑞 ( 𝑍 𝑖 )𝛼
𝑃𝛼 = ∑
𝑖=1 𝑛
Donde:
yi = ingreso per cápita del hogar donde habita el individuo
Z = línea de pobreza
q = número de individuos con un ingreso per cápita menor a la línea de pobreza
n= número total de individuos
α = valor no negativo que simboliza la aversión a la desigualdad
Para la medición de la incidencia de pobreza se asume α = 0; por lo tanto:

𝑞 1
𝑃0 = ∑
𝑖=1 𝑛
b) Brecha de pobreza
La brecha de pobreza (P1) indica el déficit promedio de consumo de una población para
satisfacer sus necesidades mínimas de bienes y servicios. En otras palabras, mide qué tan
pobres son las personas en situación de pobreza monetaria (INEI, 2017) .
Matemáticamente, la brecha de pobreza indica la distancia promedio de las

personas pobres hacia la línea de pobreza de un país, usado como ponderación la
incidencia de pobreza. Se define como:
𝑞
1 𝑧 − 𝑦𝑖
𝑃𝐺 = 𝑃1 = ∑ ⌊ ⌋
𝑛 𝑧
𝑖=1
Se puede observar que la ecuación empleada es la misma que para la incidencia

de la pobreza; sin embargo, para la medición de la brecha se asume un α = 1.
19
c) Severidad de la pobreza
La severidad de la pobreza (P2) indica el nivel de desigualdad de la pobreza al interior de

los individuos en situación de pobreza monetaria. A mayor valor, mayor desigualdad
existe entre los pobres. Del mismo modo, podemos emplear la ecuación planteada en los
incisos anteriores, asumiendo un valor de α = 2:
𝑞
1 𝑧 − 𝑦𝑖 2
𝑃2 = ∑ ⌊ ⌋
𝑛 𝑧
𝑖=1
La medida de severidad de la pobreza depende de la distribución de los ingresos

de los individuos; por ello, pondera las distancias de pobreza de todos los individuos de
una población (INEI, 2017).
1.4.2 Indicadores de desigualdad en los ingresos
Los índices de desigualdad en una población miden el modo cómo se distribuyen diversas
variables entre el conjunto total de individuos. Generalmente la literatura se refiere a la
desigualdad económica, la cual se define como las diferencias entre ingresos de las
familias y/o personas.
a) Índice de Gini
El índice de Gini se encuentra basado en la Curva de Lorenz, la cual es una representación

gráfica de una función de distribución acumulada. Se puede entender como la proporción
acumulada de ingresos totales que consiguen un porcentaje acumulado de la población
(Ceriani y Verme, 2015). Gráficamente:
20
Figura 1.2
Índice de Gini
Fuente: Ceriani y Verme (2015)
El eje Y corresponde a la proporción acumulada de ingresos, mientras que el eje

X representa las proporciones acumuladas de la población. En adición, la línea diagonal
representa una igualdad perfecta de ingresos, lo que significaría que todos los individuos
perciben los mismos ingresos. El índice de Gini se calcula como el área total ubicada
entre la línea de perfecta igualdad y la curva de Lorenz, dividida entre el área total bajo
la línea de igualdad. En base al gráfico, se hallaría como:
𝑎
𝐺=
𝑎+𝑏
En un escenario de perfecta igualdad de los ingresos, el índice de Gini es igual a

0; por otro lado, una situación de desigualdad perfecta significaría un índice de Gini con
un valor de 1 (World Bank , 2014).
1.4.3 Relación entre género, pobreza y desigualdad
Existe una gran variedad de enfoques que relacionan la pobreza y el género.

Anderson (1998) afirman que se debe reconoce el acceso no equitativo de la mujer a los
recursos económicos, así como políticos y sociales:
a) Bajo una dimensión política, la falta de presencia femenina en el gobierno influye

en la definición, diseño y gestión de agendas con propósito de igualdad de género.
21
b) Una dimensión social habla acerca de las carencias sociales como menor
escolaridad y acceso a servicios de salud y menor formación laboral. Incluye
además las prácticas discriminatorias en la vida doméstica, expresadas incluso en
violencia contra la mujer.
c) Finalmente, una dimensión territorial se refiere al aislamiento que experimentan
grupos de mujeres al vivir en áreas rurales alejadas, donde las prácticas
discriminatorias son aún más existentes.
Bajo otro punto de vista, Bravo (2000) afirma que existen factores definitorios de
la posición social de la mujer, los que establecen consecuencias sobre su forma de vida:
a) Determinantes estructurales: Afirman que la mujer se encarga del trabajo

doméstico y la atención de los miembros de la familia.
 Las mujeres dedican gran parte de su tiempo a un trabajo no remunerado, lo que
limita su participación en el mercado laboral.
 El cuidado de los miembros del hogar, generalmente, es responsabilidad única de
la mujer. Ello limita la capacidad femenina de distribuir su fuerza de trabajo y
tiempo.
 La reproducción es un rol no transable en el mercado.
b) Determinantes intermedios: Son resultado de los determinantes anteriores.
 Desigualdad en acceso de recursos productivos generan un círculo vicioso que
limitan la generación de riqueza y poder económico.
 Desigualdad en el desarrollo educativo significa que el género femenino es
socialmente menor valorado en el ámbito profesional, reflejándose en el menor
acceso a éste.
 Desigualdad en las oportunidades para obtener un trabajo remunerado. Se
relaciona con las tareas domésticas tareas doméstica y la falta de educación.
 Desigualdad en la toma de decisiones al existir menor presencia femenina en los
organismos que planifica las políticas a favor de ellas.
Una perspectiva adicional toma en consideración la agenda pública histórica de los

distintos gobiernos y organismos internacionales para la creación e implementación de
políticas en relación con la pobreza y el género (Arriagada, 2005):
22
a) Enfoque asistencial: Resalta al género femenino como un grupo “vulnerable”. Se
hace énfasis a su condición reproductiva y organizadora del hogar, esto es, como
madre y esposa. La aplicación de este enfoque fue más común entre los años
setenta y ochenta por organismos como el BID y el Banco Mundial.
b) Enfoque de eficiencia: Enfatiza el aporte económico que resultaría la
incorporación de las mujeres educadas en el mercado del trabajo.
c) Enfoque de equidad: Mejorar la situación salarial de las mujeres tendría efecto
positivo en la igualdad económica de un país, dada la mayor incidencia de pobreza
en los hogares encabezados por mujeres.
d) Enfoque de empoderamiento: Para un mejor desarrollo y eficiencia de los
programas a favor de la igualdad de género, así como de otros grupos menos
favorecidos, es indispensable su involucramiento en la elaboración de estos. De
este modo, se debe buscar fortalecer sus capacidades y habilidades. Brindar mayor
acceso a los recursos, y capacitarlos en la toma de decisiones.
A modo de síntesis, se listan los principales conceptos a ser empleados en la

investigación:
 Discriminación laboral: Es el trato diferenciado y menos favorable por parte del

empleador hacia sus empleados existente durante el proceso de reclutamiento,
durante el tiempo de empleo, o una vez finalizadas las funciones laborales
(Horbarth y Gracia, 2014).
 Discriminación de género salarial: Es la diferencia salarial en perjuicio del género
femenino, debido a causas que no guardan relación con los niveles de
productividad de cada grupo (Baquero, Guataqui, y Sarmiento, 2000).
 Brecha de género salarial: Se refiere a la diferencia porcentual bruta de los salarios
entre hombres y mujeres, tomando como base el sueldo de los hombres (Conde-
Ruiz y Marra de Artiñano, 2016).
 Pobreza monetaria: Conformada por las personas que integran hogares donde el
ingreso per cápita no es suficiente para la adquisición de una canasta básica
alimentaria y no alimentaria, la que incluye vivienda, vestido, salud, educación,
transporte, entre otros (INEI, 2017).
 Desigualdad en los ingresos: Diferencias entre ingresos que perciben las familias
y/o personas (Ceriani y Verme, 2015).
23
CAPÍTULO II: LA BRECHA DE GÉNERO EN EL PERÚ
En el presente capítulo se desarrolla una revisión de la evidencia empírica en torno a la

situación de la brecha de género a nivel global. En primer lugar, se realiza una revisión
de diversos trabajos empíricos que cuantificaron la brecha salarial de género a través de
métodos econométricos y estadísticos.
Posteriormente, se describe el contexto global en base a indicadores de género, lo

que evidencia la situación de las mujeres a nivel mundial en los ámbito económico, legal
y social. A continuación, se elabora un contexto institucional, conformado por las
distintas iniciativas de organismos internacionales a favor de la igualdad de género. En
adición, se incluyen las políticas y leyes promulgadas en los países de América Latina
orientados a reducir la desigualdad entre géneros.
Más adelante, se elabora una breve descripción de las políticas para la igualdad de
género en el Perú, donde se mencionan el Plan Nacional de Igualdad de Género en el Perú
y su situación en torno a los Objetivos de Desarrollo Sostenible. A continuación, se realiza
una observación de la pobreza y desigualdad en el Perú, y su evolución hacia el año 2015.
Adicional a la pobreza monetaria, se segmenta la pobreza en dimensiones de educación,
salud y estilo de vida. De manera similar, se considera no solo la desigualdad en los
ingresos, sino en la distribución de logros educativos y de salud en un país.
Adicionalmente, se procede a determinar los hechos estilizados en base a los

niveles de educación, empleo e ingresos. Se considera el periodo 2005 - 2015, de manera
que permite realizar una comparación a nivel de quintiles. Los indicadores empleados
corresponden a aquellos que suele utilizar el Instituto Nacional de Estadística e
Informática para la medición de las variables de estudio. De igual manera, se examina la
relación entre las variables salario por hora, nivel de escolaridad y experiencia laboral,
midiendo el grado de dispersión de las mismas y hallando el tipo de correlación presente.
Finalmente, se realiza un breve análisis estadístico de las variables mencionadas

mostrando las principales medidas descriptivas como media, moda y mediana. Se
observa, también, la distribución de las observaciones a través de la elaboración de
histogramas.
24
2.1 Revisión de la literatura empírica
Diferentes autores han cuantificado la brecha salarial de género a través de métodos

econométricos y estadísticos. A pesar de realizar las estimaciones en distintos países, así
como diferir en los tipos de información empleada y los periodos analizados, la mayoría
de estudios coincide en que en el mercado laboral se otorga una menor remuneración
económica a la mujer; sin embargo, esta diferencia no justifica la amplitud de la brecha
de género salarial. Es decir, a pesar de que las mujeres se vean menores favorecidas
respecto a los retornos provenientes de sus características, existen más factores que
subyacen en la determinación de la diferencia salarial entre géneros.
A nivel latinoamericano, Santo Simäo y Monsueto (2008) realizaron un estudio

donde se analizó el efecto de la discriminación de género en el mercado del trabajo en las
zonas metropolitanas de Brasil para el periodo 1992 – 2001; se calculó además las
consecuencias de ello en la pobreza brasileña. De manera similar, Fuentes, Palma y
Montero (2005) realizaron un análisis de la evolución de la discriminación salarial para
el periodo 1990 y 2003 en Chile. En adición, Rodríguez–Perez y Castro–Lugo (2014)
elaboraron un estudio sobre las remuneraciones salariales por sexo, con la finalidad de
determinar la brecha en México descompuesta por regiones para el periodo 2000 – 2004.
Los estudios realizados en Brasil y México emplean el método Oaxaca – Blinder

(1973) para el cálculo de la brecha salarial por género. Bajo este método, se asume que
los retornos marginales que reciben los hombres por el trabajo realizado son una
aproximación ideal de la distribución de salarios en un escenario sin discriminación
(Santos Simäo y Monsueto, 2008). Por otro lado, el trabajo desarrollado en Chile propone
la utilización de la metodología Oaxaca y Ransom (1998), la cual distingue el componente
discriminatorio en discriminación pura y favoritismo, y es una derivación del método
Oaxaca – Blinder (1973).
A diferencia de la presente investigación, en el estudio realizado en Brasil se

empleó mayor cantidad de variables de control, tales como “color de piel” (dicotómica
entre personas de tez blanca y negra), “jefe de hogar”, “sindicato” (dicotómica si el
trabajador pertenece o no a algún sindicato) y “actividad” (con cuatro valores entre
industria, construcción, comercio y servicios). Por otra parte, en Chile se incluyó una
variable dicotómica para las personas que habitan en zonas rurales, así como el estado
25
civil (empleado también en nuestras estimaciones) y el número de personas menores a
seis años en el hogar. En contraparte, el estudio mexicano solo introduce una variable de
control para las personas que laboran en jornada completa. En la totalidad de
investigaciones se comprueba la importancia de la inclusión de variables de control para
corregir el sesgo de selección de las estimaciones, obteniendo resultados más robustos.
Respecto a los resultados obtenidos en el cálculo de la brecha salarial por género,

en Brasil se obtuvo que un mercado sin discriminación salarial de género elevaría en 28%
el salario de las mujeres. De manera similar, en Chile la brecha salarial de género equivale
a un 27%. Se distingue, además, que el factor discriminación total corresponde a un
14.3% y el favoritismo a un 13.2% . Finalmente, en México se identificó una brecha
salarial de 20% en contra de las mujeres. Además, a nivel regional existe un
comportamiento no homogéneo. Es decir, dependiendo de la región donde resida el
individuo la brecha salarial fluctúa entre 15% y 25%.
Cabe señalar que, de manera similar a la presente investigación, el estudio

realizado en Brasil realiza un cálculo del efecto de eliminación de la discriminación
salarial de género en la pobreza y desigualdad. Eliminar la discriminación en Brasil
reduciría en 10.5% el porcentaje de personas bajo la línea de pobreza. Sin embargo, se
señala en el estudio la dificultad de realizar un mayor análisis debido a la heterogeneidad
regional del país (Santos Simäo y Monsueto, 2008). Asimismo, el efecto en el coeficiente
de Gini de suprimir la discriminación en Brasil sería de 7%
Múltiples investigadores también han realizado estudios en países en desarrollo

fuera de Latinoamérica, en los que se cuantifican las brechas salariales por género a fin
de determinar la existencia de discriminación en el mercado del trabajo. En 2019, un
informe sobre la fuerza laboral de Etiopía (Buehren et al., 2019) analizó qué mecanismos
subyacen las brechas de género existentes en el mercado del trabajo del país, para el
periodo 2011-2016. Asimismo, Rodriguez-Chamussy, Sinha, y Atencio (2018)
estudiaron la diferencia salarial entre hombres y mujeres trabajadores de Armenia en el
2015. Similar ejercicio desarrollaron Pastore, Sattar, Sinha, y Tiongson (2016), quienes
examinaron las diferencias de género en el mercado del trabajo de Azerbaiyán en el 2005.
Los resultados en el país etíope respecto a la diferencia salarial concluyen que las
mujeres trabajadoras del sector formal e informal ganan un 44% menos por hora que sus
homólogos masculinos; sin embargo, al incluir característica individuales, familiares y
26
laborales (esto es, variables de control) la brecha se reduce a 36%. De manera similar a
los estudios mencionados, los autores indican que la brecha salarial se explicaría en gran
proporción por factores no observables como aptitudes, motivación, prejuicios, entre
otros (Buehren, et al., 2019).
Con respecto a los resultados obtenidos en el país armenio la brecha salarial de

género es de un 20% en promedio. El estudio añade una dimensión de brecha ocupacional,
es decir, que existe una mayor cantidad de mujeres en actividades como agricultura,
ganadería y servicios, las mismas que, coincidentemente, son las menores remuneradas
en el mercado. Un análisis similar podría realizarse en el país, a fin de determinar si el
sector económico en el que labora la población estaría originando parte de la brecha
salarial (Rodriguez-Chamussy et al., 2018).
En Azerbaiyán, las estimaciones determinaron que las mujeres tienen

características relativas a la productividad superiores a las de los hombres; a pesar de ello,
son menos remuneradas. En consecuencia, el componente discriminatorio de la brecha
salarial de género es considerablemente mayor en Armenia que en el resto de países
mencionados anteriormente. Ello se asocia con el fenómeno “techo de cristal” y “piso
pegajoso”, los mismos que se relacionan el límite máximo de logros para las mujeres (el
que resulta menor al de los hombres), así como la dificultad para ascender en la escala de
empleo (Chapman y Benis, 2017).
El estudio añade además un método de descomposición llamado Juhn, Murphy y

Pierce (1993) que se basa en cuantiles para descomponer la brecha de ingresos laborales.
De este modo, se determina que la brecha es mayor en los puntos más bajos y altos de la
distribución de ingresos. La aplicación de esta metodología en el caso peruano podría
complementar el análisis de la brecha de género, pues permite determinar cuáles son los
grupos más afectados por la discriminación salarial (Pastore et al., 2016).
2.2 Contexto global
2.2.1 Principales indicadores de género
a) Índice Mujer, empresas y derecho
El índice Mujer, Empresas y Derecho (MED) mide la efectividad con la que los países
garantizan la igualdad económica y legal entre hombres y mujeres. Incluye ocho
indicadores respecto a cómo interactúan las mujeres con la ley durante las diferentes fases
27
de su vida laboral. Cada uno de ellos se compone de un cierto número de preguntas, y
están basados en literatura económica, lo que brinda mayor validez al índice (World Bank,
2019):
Tabla 2.1
Indicadores del índice mujeres, empresa y derecho
Indicador Descripción
Desplazarse Analiza las restricciones a la libertad de movimiento de las mujeres
Iniciar un trabajo Examina la legislatura que afecta la decisión de trabajar de las mujeres
Recibir Analiza las normas que afectan la segregación ocupacional y la brecha salarial
remuneración de género
Contraer matrimonio Mide las limitaciones legales relacionadas al matrimonio
Analiza las leyes que afectan la vida laboral de las mujeres luego de tener
Tener hijos
descendencia
Dirigir un negocio Examina las restricciones hacia la mujer para el inicio de un negocio
Gestionar activos Evalúa las diferencias de género en derechos de propiedad y herencia
Recibir una
Considera las leyes que afectan el monto de la pensión de una mujer
jubilación
Fuente: World Bank Group (2019)
Solo seis economías han logrado un puntaje perfecto en el índice "Mujer,

Empresas y Derecho": Bélgica, Dinamarca, Francia, Letonia, Luxemburgo y Suiza. En
estos países, ante la ley, hombres y mujeres tienen los mismos derechos. A nivel global
el puntaje es 74.71, es decir, las mujeres tienen en promedio solo tres cuartos de los
derechos que poseen los hombres. La situación empeora en zonas como Oriente Medio y
el Norte África, donde el puntaje es de 47.37 en promedio. En la Figura 2.1 se puede
observar otros puntajes obtenidos a nivel de regiones:
28
Figura 2.1
Regiones según puntaje en índice mujeres, empresa y derecho, 2018
100 93.54
90 84.7
79.09
80 70.73 69.63
Índice MED, 2018
70
58.36
60
47.37
50
40
30
20
10
0
Países de Europa y Asia Latinoamérica Asia Oriental África Asia Sur Medio Oriente
mayores Central y el Caribe y Pacífico Subsahariana y Norte de
ingresos de la África
OECD
En comparación con la década pasada, en todas las regiones donde se realizó la

medición del índice Mujeres, Empresa y Derechos hubo una mejoría en el puntaje
obtenido (véase Figura 2.2.). Respecto a la cantidad de reformas implementadas alrededor
del mundo, el indicador que ha presentado mayores avances en la década es el
correspondiente a "Iniciar un trabajo" con 60 reformas ejecutadas. En contraste, sobre los
indicadores relativos a “Gestionar activos” solo se instauraron 4 a nivel mundial, según
se observa en la Figura 2.3.
29
Figura 2.2
Regiones según puntaje en el índice mujeres, empresa y derecho, 2009 – 2018
100 93.54
89.96
90 84.7
80.13 79.09
80 75.4
70.73
Índice MED, 2018
69.63
70 64.8 64.04
58.36
60 50 47.37 44.51
50
40
30
20
10
0
Países de Europa y Asia Latinoamérica y Asia Oriental y África Asia Sur Medio Oriente y
mayores Central el Caribe Pacífico Subsahariana Norte de África
ingresos de la
OECD 2018 2009
Figura 2.3
Indicadores mujeres, empresa y derecho con mayores reformas realizadas, 2009 - 2018
70
60
57 57
60
50
40 33
29
30 25
20
9
10 4
0
Iniciar un Contraer Tener hijos Recibir Recibir una Dirigir un Desplazarse Gestionar
trabajo matrimonio remuneración jubilación negocio activos
A partir del indicador MED se evidencia que a nivel de igualdad de género ha

presentado un avance en la mayoría de países en la última década; sin embargo, lograr la
igualdad legal y económica para ambos géneros requiere más que cambio en las leyes: es
necesaria la voluntad política sostenida, cambio en normas y actitudes culturalmente
30
establecidas, así como mayor presencia femenina en posiciones de liderazgo (World
Bank, 2019).
b) Índice global de desigualdad de género (Foro Económico Mundial)
El Informe de la Brecha Global de Género, elaborado por el Foro Económico Mundial,

examina a 149 países según su capacidad y eficiencia para dividir los recursos y
oportunidades entre la población femenina y masculina (WEF, 2018)
El índice principal que contiene el informe se denomina Índice Global de

Desigualdad de Género, el cual se divide en cuatro subíndices que examinan cuatro áreas
fundamentales para analizar la desigualdad entre géneros:
 Participación económica y oportunidades

 Logro educativo
 Empoderamiento político
 Salud y supervivencia
La puntuación más alta del índice es 1 (o 100% en porcentaje), lo que representa

la equidad total. Adicionalmente, el índice estima el tiempo requerido en años para cerrar
la brecha de género.
Desde su creación en el 2006, el índice global de desigualdad género se ha

reducido en 3.6%. Con un puntaje de 70%; manteniendo las tendencias constantes, la
brecha de género podría cerrarse en 108 años. Respecto al subíndice de empoderamiento
político, este ha disminuido 8.7% desde el 2006 y tiene un puntaje de 20%. A pesar de
ello, sigue siendo la brecha más extensa de las cuatro dimensiones evaluadas. Las brechas
de participación económica y oportunidades, logro educativo, salud y supervivencia se
han reducido en 2.5%, 4% y 1% respectivamente (véase Figura 2.4). Sobre este último
subíndice, el cual se ha mantenido relativamente estable durante los últimos 10 años, la
brecha se considera cerrada en la mayoría de países.
31
Figura 2.4
Índice global de desigualdad de género, 2006 - 2018
1.2
Índice Global de
1 0.97 Desigualdad de
0.96 Género
0.8 Participación
0.70 económica y
oportunidades
0.6 0.65 Logro educativo
0.4
Salud y
0.20 supervivencia
0.2
Empoderamiento
0 político
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2018
Fuente: World Economic Forum (2018)
La magnitud de las brechas de género en los países alrededor del mundo es el

resultado combinado de varios aspectos socioeconómicos, políticos y culturales. El índice
de desigualdad de género elaborado por el WEF no tiene como finalidad establecer
prioridades para las economías, sino brindar un conjunto integral de datos para que los
países puedan establecer prioridades dentro de sus propios contextos (WEF, 2018).
c) Índice de desigualdad de género (PNUD)
El Índice de Desigualdad de Género, elaborado el Programa de las Naciones Unidas para

el Desarrollo, muestra cómo las mujeres están en desventaja frente a los hombres,
basándose en tres dimensiones: salud reproductiva, empoderamiento y situación
económica, y participación en el mercado del trabajo. En adición, evidencia la pérdida de
desarrollo humano potencial debido a disparidades entre ambos géneros. El puntaje
fluctúa entre 0 y 1: a mayor puntaje, mayor desigualdad (Programa de las Naciones
Unidas para el Desarrollo [PNUD], 2019).
A nivel mundial, el puntaje promedio en el índice de desigualdad de género para

el año 2017 es de 0.44. La regiones con menor y mayor desigualdad de género basados
en el índice son Europa y Asia Central, y los Estados Árabes, respectivamente (Figura
2.5). Para el año 2017, los países con mejor posición en el índice de desigualdad de género
32
son Suiza y Dinamarca, con puntajes de 0.039 y 0.040. Por el contrario, los países con
mayores niveles de desigualdad fueron Yemen y Papúa Nueva Guinea, con índices de
0.741 y 0.834 respectivamente (PNUD, 2019).
Figura 2.5
Índice de desigualdad de género por regiones, 2017
0.60 0.57
0.53 0.52
0.50
0.39 0.44
0.40
0.31
0.30 0.27
0.20
0.10
0.00
Africa Sub- Estados arabes Asia del Sur América latina y Asia oriental y el Europa y asia
sahariana el caribe pacifico central
Fuente: Programa de las Naciones Unidas para el Desarrollo (2019)
2.2.2 Contexto institucional
a) Organismos internacionales
 Organización de las Naciones Unidas (ONU)
La Agenda 2030 para el Desarrollo Sostenible fue aprobada en setiembre de 2015 por los
193 Estados Miembros (incluido el Perú) de la Organización de las Naciones Unidas
(ONU). La misma abarca una extensa variedad de problemas a nivel mundial en un total
de 17 Objetivos de Desarrollo Sostenible (ODS), cada uno con metas al año 2030, entre
los que se busca erradicar la pobreza, brindar servicios de salud y educación de calidad,
generar energía asequible y no contaminante, e inclusive, lograr la igualdad entre los
géneros y empoderar a todas las mujeres y las niñas. A pesar de ello, se sabe que las
desigualdades de género se manifiestan en cada uno de los 17 objetivos propuestos. La
Agenda 2030 pone énfasis en que el desarrollo sólo será sostenible si hombres y mujeres
33
se benefician por igual, y para ello, es necesario afrontar desafíos en ámbitos como la
estadística, financiamiento y políticas de promoción de empleo (UN Women, 2018).
Si bien se produjeron avances en distintos países respecto a la igualdad de género,

mediante los ODS, las mujeres siguen limitadas por discriminación y violencia por
razones de género (Naciones Unidas, 2019). En la Tabla 2.2 se resumen las cinco metas
del objetivo 5 de los ODS: Lograr la igualdad de género y empoderar a todas las mujeres
y niñas:
Tabla 2.2
Metas del objetivo 5 de desarrollo sostenible
Meta Descripción
1 Poner fin a la discriminación de mujeres y niñas
Eliminar la violencia contra mujeres y niñas en

2
ámbitos públicos y privados
Eliminar prácticas nocivas, como el matrimonio
3
infantil y la mutilación genital
Reconocer y valorar el trabajo doméstico no
4
remunerado
Asegurar la participación de las mujeres en la
5
vida política, económica y pública
Asegurar el acceso universal a la salud sexual y
6
reproductiva de la mujer
Fuente: Organización de las Naciones Unidas, ONU (2019)
 Foro Económico Mundial (WEF)
Como parte de la Iniciativa para forjar el Futuro de la Educación, el Género y el Trabajo,

a cargo del Foro Económico Mundial (WEF), se busca mantener el desarrollo del capital
humano para el beneficio máximo de la economía y de la sociedad. La iniciativa se
compone de tres frentes de trabajo: educación y habilidades, trabajo y empleo; y paridad
de género (WEF, 2016). Como parte de esta última se elabora anualmente el Reporte
Global de Brecha de género, en el que se mide el progreso de un promedio de 140
economías en torno a la igualdad de género.
El proyecto “Cerrando la Brecha de Género”, correspondiente a la iniciativa de

paridad de género, tiene como objetivo la creación de plataformas de colaboración a nivel
34
público y privado alrededor de las economías del mundo para abordar los problemas
actuales de brecha de género. Posee tres objetivos fundamentales (WEF, 2016):
- Ser plataforma para intercambio de métodos, prácticas y vías de reforma a favor de

la igualdad de género
- Apoyar el liderazgo público y la colaboración público-privada a favor de la paridad
de género
- Establecer nuevos compromisos entre economías, incluyendo la participación de
empresas, para cerrar las brechas de género
c) Organización Internacional del Trabajo (OIT)
La Organización Internacional del Trabajo, como parte de la Iniciativa para el Centenario
2019, estableció un propósito relativo a las mujeres en el trabajo. Se tiene como objetivo
entender por qué el progreso hacia un trabajo femenino decente ha presentado una
evolución lenta, así como comprender qué es imprescindible para asegurar un mejor
futuro para el trabajo femenino. Cabe resaltar que la iniciativa está ligada a la Agenda
2030 de Desarrollo Sostenible, desarrollada por la ONU (OIT 2019).
Como parte de los diversos estudios que viene desarrollando la OIT, en el 2016 se
realizó un estudio para recolectar las percepciones y actitudes de los individuos hacia las
mujeres y su trabajo. A través del proyecto OIT-Gallup, se buscó determinar cuáles son
los problemas que enfrentan las mujeres en el trabajo, más allá de las estadísticas. Se
obtuvieron, entre otras, las siguientes conclusiones (OIT, 2017):
- El 70% de las mujeres y el 66% de hombres preferiría que las mujeres laboren en
empleos remunerados
- En la mayoría de países se considera que “conciliar” la vida laboral y familiar es uno
de los retos principales que enfrenta el género femenino
- Los hombres siguen siendo la principal fuente de ingresos monetarios en el hogar
2.2.3 Políticas y leyes
 Latinoamérica: planes hacia la igualdad de género
Los planes hacia la igualdad de género en Latinoamérica son instrumentos empleados por
gran cantidad de países de la región con la finalidad de guiar el accionar del Estado, así
como planificar y trabajar de manera conjunta hacia el objetivo de la igualdad de género.
35
Realizar una comparación entre los distintos planes permite replantear las
iniciativas y tener una perspectiva global e incentivar el trabajo coordinado para la
creación de políticas pública a favor de la igualdad. Estos planes evidencian, asimismo,
las nuevas problemáticas que pueden surgir en el proceso, el nivel de compromiso del
gobierno por brindar soluciones y la efectividad de las políticas públicas (Comisión
Económica para América Latina y el Caribe [CEPAL], 2017). Algunos planes en
Latinoamérica orientados a reducir la desigualdad de género se encuentran expresados en
la Tabla 2.3.
A nivel de cifras, en América Latina y el Caribe, se destacó un incremento

constante en la última década de la tasa de participación de las mujeres en el mercado
laboral, llegando a un 49.5% en el 2015; sin embargo, aún sigue siendo menor al 71.3%
de la población masculina. Un dato adicional, asimismo, revela que existe una mayor
proporción de mujeres que hombres laborando en situación de informalidad (53.7% frente
a un 47.8%), lo cual podría explicar parte de la brecha mencionada anteriormente.
Sumado a ello, se sabe que el 93% de los trabajadores del sector doméstico no remunerado
son del género femenino, lo cual influye en el grado de autonomía económica de las
mujeres (OIT, 2015).
36
Tabla 2.3
Planes de igualdad de América Latina, 2013 - 2019
País Año Nombre del Plan Organismo Encargado
Presidencia de la República
III Plan Nacional de Políticas para las
Brasil 2013 - 2015 Secretaría Especial de Políticas
Mujeres 2013-2015
para las Mujeres
Plan de Igualdad entre Hombres y Mujeres Servicio Nacional de la Mujer

Chile 2011 - 2020
2011-2020 (SERNAM)
Plan de Acción Indicativo 2013-2016 de la

Consejería Presidencial para la
Colombia 2013 - 2016 Política Pública Nacional de Equidad de
Equidad de la Mujer
Género para las Mujeres
Agenda Nacional de las Mujeres y la Consejo Nacional para la

Ecuador 2014 - 2017
Igualdad de Género 2014-2017 Igualdad de Género
Programa Nacional para la Igualdad de

Instituto Nacional de las
México 2013 - 2018 Oportunidades y no Discriminación contra
Mujeres (INMUJERES)
las Mujeres 2013-2018 (PROIGUALDAD)
Plan Nacional de Igualdad de Género 2012- Ministerio de la Mujer y

Perú 2012 - 2017
2017 (PLANIG) Poblaciones Vulnerables
Ministerio del Poder Popular

Plan para la Igualdad y Equidad de Género
Venezuela 2013 - 2019 para la Mujer y la Igualdad de
“Mama Rosa” 2013-2019
Género
Fuente: Comisión Económica para América Latina y el Caribe, CEPAL (2017).
2.3 Perú: género, pobreza y desigualdad
2.3.1 Políticas para la igualdad de género
a) Plan nacional de igualdad de género
El Plan nacional de igualdad de género tiene como objetivo informar y sensibilizar a la

población del Perú acerca de cómo la igualdad de género es una labor conjunta de todos
los individuos. Se define a la brecha de género a la desigualdad que existe entre hombres
37
y mujeres en el ejercicio de sus derechos. El documento divide sus indicadores en cuatro
categorías principales (Ministerio de la Mujer y Poblaciones Vulnerables [MIMP], 2014):
 Desigualdad en educación
En el Perú, a pesar de que la tasa de asistencia en los niveles inicial y primario es

ligeramente mayor para las niñas frente a los niños, en el nivel secundario no ocurre lo
mismo. En el sector rural, por ejemplo, solo el 63.7% de niñas entre 12 y 16 años se
encuentra matriculada en el nivel secundario. Dentro de este grupo, solo el 35% finaliza
sus estudios (INEI, 2017).
Respecto a las iniciativas del gobierno para disminuir la brecha educativa y el

analfabetismo, gracias al Programa Nacional de Movilización por la Alfabetización
(PRONAMA) se logró disminuir del analfabetismo nacional a 5.9% en 2017. Sin
embargo, es importante resaltar que en el sector rural el porcentaje llega a ser de 14.9%,
siendo incluso mayor en departamentos como Huancavelica y Apurímac (INEI, 2017).
- Currículo escolar con enfoque de género
En junio de 2016 fue aprobado el Currículo Nacional de la Educación Básica bajo

Resolución Ministerial N°2081-2016-MINEDU, el que establece el perfil de egreso de
los estudiantes como resultado de su formación educativa básica. Establece, asimismo, el
aprendizaje que se busca logren la totalidad de los estudiantes de educación básica del
país.
En el documento se incluye la sección “Enfoques transversales para el desarrollo

del perfil de egreso”, el cual incluye por el Enfoque de Igualdad de Género. Al respecto,
el currículo indica lo siguiente (Ministerio de Educación [Minedu], 2016):
La igualdad de género se refiere a la igual valoración de los diferentes

comportamientos, aspiraciones y necesidades de mujeres y varones. En una
situación de igualdad real, los derechos, deberes y oportunidades de las personas
no dependen de su identidad de género y, por lo tanto, todos tienen las mismas
condiciones y posibilidades para ejercer sus derechos, así como para ampliar sus
capacidades y oportunidades de desarrollo personal, contribuyendo al desarrollo
social y beneficiándose de sus resultados. (p.23)
 Desigualdad en salud
38
La inequidad en la salud se refiere al acceso a servicios de salud, orientación sexual y
métodos anticonceptivos, lo que tiene como resultado una limitación en los derechos
sexuales y reproductivos de la mujer.
A nivel de cifras, para el año 2010 el porcentaje de individuos afiliados a algún

seguro de salud era de 61.3% y 63.6% para hombres y mujeres respectivamente. La
brecha se amplía a nivel rural, donde las mujeres aseguradas son un 83.2% frente a un
75.7% del género masculino. Basándonos en este indicador, a nivel de salud las mujeres
no estarían en situación de desigualdad (INEI, 2011).
Factores que validan la afirmación anterior son tales como el incremento de uso
de métodos anticonceptivos, una mayor cantidad de nacimientos atendidos por personal
calificado (83% en el 2011), así como una disminución de la mortalidad materna de 93
defunciones por cada 100,000 nacimientos.
 Desigualdad laboral
A nivel laboral la situación de desventaja de la mujer en el Perú se vuelve más evidente.

Por ejemplo, el ingreso promedio de la PEA del sector femenino en el 2010 era de S/826,
mientras que para los hombres el salario era de S/1323. Adicionalmente, el porcentaje de
mujeres en el sector informal para el año 2010 fue de 67%, frente a un 53% de los
hombres. Sumado a ello, el 45% de la PEA activa femenina labora en puestos sin
protección legal, tales como trabajadoras del hogar, trabajadoras dedicadas a labores de
agricultura, entre otros. Asimismo, la distribución de la carga laboral demuestra que las
mujeres emplean un 52% de su tiempo semanal en actividades no remuneradas, frente a
un 24% de los hombres (INEI, 2011).
 Desigualdad en participación política
Existen diferencias de género a nivel político en el Perú. Como evidencia de ello, en el

año 2011, del total de 18 ministerios solo un 15.8% de ministros era de género femenino.
En ese mismo año, ninguna mujer fue elegida presidenta de alguna región del país;
mientras que solo 9 mujeres a nivel nacional fueron alcaldesas provinciales. A nivel
legislativo, como resultado de las elecciones del 2010 solo una quinta parte de los cargos
congresales correspondieron al género femenino (MIMP, 2011).
b) Objetivos de desarrollo sostenible
39
El gobierno peruano elaboró un primer Informe Nacional Voluntario (2017), el mismo
que se incluye dentro de los procesos de evaluación de la Agenda 2030 de Objetivos de
Desarrollo Sostenible. De este modo, conforme al párrafo 79 de la agenda, se elaboran
exámenes periódicos para evaluar los progresos nacionales y a nivel regional. Se toman
en cuenta los aportes de la sociedad civil, el sector privado y otros sectores interesados,
siempre considerando las circunstancias políticas y sociales de cada país.
Este primer informe ratifica el compromiso del país para la implementación de la

Agenda 2030 y el cumplimiento de los 17 ODS. De igual modo, demuestra cuáles son las
acciones realizadas en el país para el alcance de las metas planteadas. (UN Women, 2018)
Como parte del seguimiento de los indicadores de los ODS, desde el año 2016 el
INEI ha desarrollado el “Sistema de Monitoreo y Seguimiento de los Indicadores de los
Objetivos de Desarrollo Sostenible”. La matriz de indicadores desarrollada permite
elaborar un análisis actual acerca del cumplimiento de los ODS, así como su evolución
en el tiempo. En abril del 2017, de los 241 indicadores que propone la ONU, el INEI
había logrado identificar y medir 110 (Gobierno de la República del Perú, 2017). Entre
los indicadores relativos a la Igualdad de género se especificaron los siguientes (entre
otros):
- Proporción de mujeres de 15 a 49 años de edad que han sufrido violencia física y/o
sexual por un compañero íntimo
- Proporción de mujeres entre 20 y 24 años de edad que estaban casadas o mantenían
una unión estable antes de cumplir los 15 años
- Proporción de tiempo dedicado a quehaceres domésticos y cuidados no
remunerados
- Proporción de mujeres en cargos directivos
En adición, uno de los indicadores más importantes respecto a la Igualdad de

Género constituye “si existen o no marcos jurídicos para promover, hacer cumplir y
supervisar la igualdad y la no discriminación por motivos de sexo” (Naciones Unidas,
2019), cuyo cumplimiento en el Perú es respaldado por el Plan Nacional Contra la
Violencia de Género 2016-2021, aprobado por el Decreto Supremo N°008-2016-MIMP.
40
2.3.2 Perú: pobreza y desigualdad
a) Índice de pobreza multidimensional
El Índice de pobreza multidimensional (IPM) es elaborado por el Programa de las

Naciones Unidas para el Desarrollo (PNUD) y la Iniciativa de Oxford sobre pobreza y
desarrollo Humano (OPHI, por sus siglas en inglés). El IPM mide a las personas en
aspectos como salud, educación y calidad de vida; en adición, identifica limitaciones a
nivel de hogares. Es definido también como el porcentaje de la población que es
“multidimensionalmente” pobre, ajustado por la intensidad de sus privaciones (PNUD,
2016).
El IPM se calcula en base a tres dimensiones y diez indicadores. A cada dimensión

le corresponde igual peso; del mismo modo, cada indicador también tiene un mismo peso
(University of Oxford, 2017):
Tabla 2.4
Dimensiones e indicadores del índice de pobreza multidimensional
Educación Salud Estilo de vida
Electricidad
Piso (1/18)
(1/18)
Años de Saneamiento Combustible para

Asistencia Mortalidad Nutrición
Escolaridad (1/18) cocinar (1/18)
Escolar (1/6) Infantil (1/6) (1/6)
(1/6)
Agua (1/18) Activos (1/18)
Fuente: University of Oxford (2017)
En el Perú, el IPM fue de 0.043 para el año 2012 (última medición); ello significa
que la sociedad está privada en el 4.3% de las posibles carencias que podría experimentar
en general. En comparación con el año 2004 (0.086) el Perú ha disminuido 4.29% su IPM,
lo cual refleja una menor proporción de personas en situación de pobreza y grado de
privación. Respecto a los factores que conforman el IPM, la incidencia de la pobreza en
el 2012 fue de 10.50%, frente a un 19.9% del año 2004. Ello significa que el Perú ha
disminuido en 9.40% la proporción de personas que experimentan múltiples privaciones.
41
Por otro lado, la intensidad de la pobreza, es decir, la proporción promedio de indicadores
en los que las personas pobres presentan privaciones, tuvo una reducción de 2.16% entre
el 2004 y 2012.
Figura 2.6
Índice multidimensional de la pobreza, Perú 2004 – 2012 (%)
0.50
0.432 0.422 0.410
0.40
0.30
0.199
0.20 0.157
0.105
0.086
0.10 0.066
0.043
0.00
2004 2008 2012
IPM Incidencia (%) Intensidad (%)
A continuación se muestra la composición del IMP en base a sus dimensiones e

indicadores, para el periodo 2004 – 2012. En base a ello, el indicador con mayor
proporción dentro IMP para todos los años analizados, considerando su peso relativo, fue
el de mortalidad infantil. Este indicador considera la incidencia de al menos una muerte
infantil en el hogar. En contraste, sin tomar en cuenta el peso que asume dentro de la
ecuación, los indicadores con mayor proporción son los de combustible para cocinar y
saneamiento, con 19.20% y 19.40% en el 2012. Ello significa que un 19.20% de hogares
en el Perú cocina con carbón o leña; mientras que un 19.40% de los mismos carece de
inodoro o letrina con conexión al desagüe.
42
Tabla 2.5
Composición del índice de pobreza multidimensional, Perú 2004 – 2012
Dimensión Educación Salud Estilo de Vida

Años de Asistencia Mortalidad Combustible
Nutrición
Indicador Escolaridad Escolar Infantil para Cocinar
Proporción del IMP 1/6 1/6 1/6 1/6 1/18
2004 3.41% 1.92% 1.77% 4.42% 9.78%
2008 5.00% 2.40% 1.90% 6.40% 15.10%
2012 4.70% 3.40% 1.50% 8.20% 19.20%
Dimensión Estilo de vida

Indicador Saneamiento Agua Electricidad Piso Activos
Proporción del IMP 1/18 1/18 1/18 1/18 1/18
2004 9.12% 5.21% 4.98% 9.01% 4.91%
2008 12.70% 9.50% 10.00% 14.10% 11.20%
2012 19.40% 14.10% 15.80% 17.20% 15.80%
b) Pobreza monetaria
La incidencia de la pobreza monetaria en el Perú se mide a través del porcentaje de

personas bajo la línea de pobreza. Al respecto, se define a la línea de pobreza al monto
que necesitaría percibir una familia como ingreso para adquirir una canasta básica de
consumo. De manera similar se define la línea de pobreza extrema, donde los bienes
incluidos en la canasta son más limitados (INEI, 2017).
En el periodo 2001 – 2015 la incidencia de la pobreza (incluyendo la extrema) en

el Perú muestra una tendencia decreciente. Mientras que en el 2001 el porcentaje de
personas bajo la línea de pobreza era de 55%, en 2015 era de 22%. Situación similar
ocurrió con la pobreza monetaria extrema, donde el porcentaje descendió de 24% a 4%
en el mismo periodo (Figura 2.8).
43
Figura 2.7
Evolución de la pobreza monetaria y pobreza extrema (%), Perú 2001 – 2015
60
50
40
30
20
10
0
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Pobreza Monetaria Pobreza Monetaria Extrema
En el año 2002, el número de personas en situación de pobreza en Latinoamérica

era de aproximadamente el 46% de la población, mientras que la pobreza extrema
representa un 12.4% del total. Trece años posteriores a ello, los porcentajes de pobreza
monetaria y extrema monetaria fueron de 29.8% y 9% respectivamente. (Figura 2.2) La
evolución de la pobreza en la región ha tenido una fuerte correlación con las distintas
fases del ciclo económico (CEPAL, 2018).
44
Figura 2.8
Evolución de la pobreza monetaria y pobreza extrema (%), Latinoamérica 2001 - 2015
70
60
50
40
30
20
10
0
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Colombia México Perú Bolivia Ecuador
En comparación de los distintos países de Latinoamérica, el Perú se encontraba

muy cerca al promedio regional hasta el año 2005. Sin embargo, del año 2008 en adelante
el país presenta menor incidencia de la pobreza que sus pares Colombia, México, Bolivia
y Ecuador (Figura 2.9).
c) Índice de desarrollo Humano ajustado por desigualdad
El Índice de desarrollo humano ajustado por desigualdad (IDH-D), elaborado por el

Programa de las Naciones Unidas para el Desarrollo (PNUD), combina los logros
promedio de una nación en salud, educación e ingresos, teniendo en consideración su
distribución entre la población del país. Para ello, incluye un factor de descuento para
cada dimensión, según su nivel de desigualdad. A diferencia del Índice de Desarrollo
Humano (IDH), se considera la pérdida en desarrollo debido a la desigualdad (PNUD,
2019).
En el periodo 2015 – 2010, Perú ha reducido su (IDH-D) en 8.7% (véase Figura

2.10). En todo el periodo analizado, el país siempre mantuvo un índice superior al
45
promedio mundial. Respecto al promedio de Latinoamérica y el Caribe, del 2011 en
adelante se posicionó por encima de la media mundial.
Figura 2.9
Índice de desarrollo humano ajustado por desigualdad, Perú, 2010 – 2015
0.65
0.60 0.58
0.57
0.56
0.55 0.55
0.55
0.50
0.50
0.45
0.40
2010 2011 2012 2013 2014 2015
Peru Mundo Latinoamérica
Fuente: Programa de las Naciones Unidas para el Desarrollo, PNUD (2019)
d) Coeficiente de Gini
Para la medición del grado de desigualdad del gasto en una economía se emplea
frecuentemente el coeficiente de Gini. Al respecto, y según a lo explicado en el capítulo
anterior, cuando el coeficiente tiene un valor de 100% se asume desigualdad total,
mientras que un valor de 0% representa perfecta igualdad de los ingresos (INEI, 2016).
La evolución del grado de desigualdad del gasto en el Perú, a diferencia de la

pobreza, ha presentado una tendencia menos constante; sin embargo, la tendencia general
ha sido a la baja. Como evidencia de ello, entre los años 2002 y 2015, el coeficiente
disminuyó en 10% (Figura 2.11).
46
Figura 2.10
Evolución del coeficiente de Gini, Perú 2002 - 2015
60
55
50
45
40
35
30
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Fuente: Instituto Nacional de Estadística e Informática (2015)
A nivel Latinoamericano, a pesar de su trayectoria decreciente, Perú se encuentra

por debajo del promedio. Tal es el caso que en el año 2015 el coeficiente de Gini era el
menor entre Bolivia, Colombia, Ecuador, México y el Perú (Figura 2.12). Cabe resaltar
que solo se emplearon los países mencionados debido a la limitada información anual
respecto a este indicador en la región.
La región en conjunto aún se encuentra relegada respecto a los países con menores
niveles de desigualdad en el gasto: por ejemplo, mientras que el promedio
latinoamericano en el 2014 fue de 45%, el coeficiente de Gini para Suiza no ha excedido
el 34% en los últimos 15 años (OIT, 2014).
47
Figura 2.11
Evolución del coeficiente de Gini, Latinoamérica 2002 - 2015
65
60
55
50
45
40
35
30
2002 2004 2006 2008 2010 2012 2014
Bolivia Colombia Ecuador México Perú Suiza
Fuente: Instituto Nacional de Estadística e Informática, INEI (2018) y World Bank (s.f.)
Elaboración Propia
2.4 Perú: educación, empleo, ingresos
En el siguiente apartado se muestra la evolución de los indicadores para las principales

variables de la investigación.
2.4.1 Educación: clave para la igualdad de género
a) Gasto público en educación
El gasto público correspondiente al sector educación se divide en gasto corriente y de

capital. El primero se refiere al gasto destinado a la gestión operativa del estado durante
el año fiscal, mientras que el segundo corresponde al gasto que genera un incremento en
el activo público (Ministerio de Economía y Finanzas [MEF], s.f.).
A través del periodo 2005 – 2015, el gasto público total destinado al sector
educación ha duplicado, aproximadamente, su valor. Asimismo, ha presentado un
crecimiento sostenido, con excepción del año 2007. Existe asimismo una diferencia
promedio de 70% entre lo destinado al sector privado respecto al sector público (Figura
2.13).
48
Figura 2.12
Gasto público total destinado al sector educación por sectores, Perú 2005 - 2015
25 000 23,645
20,963
20 000 19,055
17,148
15,630
14,518 14,119
15 000 13,439 13,394
12,477 12,451 12,674
11,462 11,124
10,021
10 000 9,199
8,042 8,191 8,182
7,155 7,446
6,671
5 000
000
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Sector Público Sector Privado
Fuente: Instituto Nacional de Estadística e Informática (2015)
Analizando el gasto público en educación como porcentaje del PBI no ha existido

un crecimiento constante: entre los periodos 2005 – 2007 y 2009 - 2011 se observa una
disminución. En contraste, a partir del año 2011 la trayectoria fue sido ascendente, hasta
llegar a un 3.98% en el 2015 (Figura 2.14).
Si bien el aumento en el gasto público en educación ha sido considerable, en

comparación a las inversiones realizadas en otros países el Perú sigue rezagado: según
información del Banco Mundial, de un grupo de 129 países la inversión peruana en
educación ocupa el puesto 49. Los países ubicados en posiciones superiores no
corresponden a una región o a un nivel de ingresos específicos. Asimismo, Ñopo (2018)
concluye que el PBI en el país no hubiese presentado un incremento, el gasto en educación
se hubiese mantenido constante; en otras palabras, el aumento en inversión educativa se
debió principalmente al crecimiento de la economía del país. Otros países con resultados
más favorables basaron su incremento no solo en ello, sino también en una mayor
participación relativa del sector educativo en el PBI.
49
Figura 2.13
Gasto público destinado al sector educación (% del PBI), Perú 2005 - 2015
4.50
4.0
4.00 3.7
3.50 3.3
3.1
2.8 2.9 2.9 2.9
3.00 2.7 2.6 2.7
2.50
2.00
1.50
1.00
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
b) Acceso a la educación
Uno de los indicadores principales con los que el INEI mide el grado de acceso a la
educación en la población es la tasa neta de matrícula escolar, la cual se explica como los
individuos matriculados a educación inicial, primario y/o secundaria respecto al total de
la población, según su grupo de edad (INEI, 2017).
Realizando una comparación entre los años 2005 y 2015, se evidencia que para
los niveles inicial y secundario ha existido un incremento en las tasas netas de matrícula
de 21% y 12% respectivamente. Caso contrario ocurrió para el nivel primario, en el que
en lugar de existir un incremento, la tasa promedio disminuyó en 3%. Sin embargo, es
válido resaltar que el nivel primario cuenta con el mayor porcentaje de matrícula escolar
respecto a los demás, siendo mayor al 90% (Figura 2.15). Según Guadalupe, León,
Rodriguez y Vargas (2017), el avance en la universalización del nivel primario en el país
ha sido significativo, incluso desagregando a nivel de zonas urbanas y rurales, esta última
donde se presentaba el mayor rezago. Lo afirmado es resultado de las políticas educativas
implementadas en la última década, así como una mayor concientización acerca de la
importancia de la educación básica para acceder al mercado laboral.
50
Figura 2.14
Tasa neta de matrícula escolar por nivel educativo, Perú 2005 – 2015
100
90
80
70
60
50
40
30
20
10
0
2005 2015 2005 2015 2005 2015
Nivel Inicial Nivel Primario Nivel Secundario
Hombres Mujeres Total
A nivel de género, la diferencia porcentual entre hombres y mujeres para esta

medición es mínima, siendo menor a 1.5% en todos los años de estudio. En conclusión,
al nivel de acceso a la educación basado en la tasa neta de matrícula escolar, no se puede
hablar de una brecha de género.
La evidencia internacional demuestra cómo la educación temprana es favorable

para el desarrollo futuro del individuo, tanto a nivel de competencias cognitivas su
inserción en el mercado laboral (OECD, 2016).
La tasa neta de matrícula escolar representa una medida importante respecto al

acceso a la educación; sin embargo, no toma en consideración un factor negativo: el
porcentaje de alumnos que abandonan los estudios. El número de años de estudios
culminados nos puede brindar una aproximación a ello, lo que se explicará en el siguiente
apartado.
c) Promedio de años de estudio
Junto con el aumento del acceso a la educación provenientes de las mayores tasas de
matrícula escolar, el promedio de años de estudio alcanzado por la población de 15 y más
años de edad es un indicador del logro educativo de la población (INEI, 2018). En efecto,
el promedio de años de educación recibida por la población fue 10.1 en el año 2015, con
51
un aumento de 0.8 años en una década (véase Figura 2.16). Ello significa que, en
promedio, la población en el país estudia hasta el primer año de secundaria, ello
considerando 3 años de educación inicial, 6 años de educación primaria y 5 años de
secundaria.
Figura 2.15
Promedio de años de estudio alcanzado por la población de 15 y más años de edad, Perú
2005 – 2015
10.4
10.2
10
9.8
9.6
9.4
9.2
9
8.8
8.6
8.4
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Hombre Mujer Total
A nivel de igualdad de género, la diferencia entre hombres y mujeres es más

notoria para este indicador. Según se observa en la Figura 2.16, en el periodo 2005 –
2010, la brecha promedio respecto al logro educativo equivale a 3.5 meses.
Analizando los motivos que generan la deserción de estudios escolares, el Minedu

(2016) los divide en intra escolares y extra escolares: en el primer grupo se encuentra el
bajo rendimiento escolar, evidenciado en las tasas de repitencia y atraso escolar; el
segundo grupo incluye la pronta necesidad de inserción en el mercado laboral, así como
el embarazado adolescente, lo cual explicaría un menor promedio de años de estudio para
el género femenino.
2.4.2 Empleo e ingresos: autonomía económica de la mujer
a) Participación laboral de la mujer
La participación de la mujer en el mercado del trabajo se puede medir a través de la brecha

entre las tasas de actividades entre ambos géneros. Este indicador se define como la
52
división resultante de la población económicamente activa (PEA) y la población en edad
de trabajar (PET) (INEI, 2018).
A nivel general, las tasas de actividad no han presentado una variación

significativa en el periodo 2005 – 2010, siendo un promedio de 73% para los años
mencionados (véase Figura 2.17) A nivel de brechas de género, a pesar de que se
manifestó una disminución en el periodo 2005- 2010 entre las tasas de actividades de
hombres y mujeres (de 32% a 26%), para el año 2015 la diferencia pasó a ser de 30%
respecto al género femenino.
Lo descrito evidencia que, a pesar de los cambios en la estructura del mercado

laboral y la mayor oferta de empleos, la relación entre la población en edad de trabajar y
aquella que efectivamente labora, sigue manteniéndose constante.
Figura 2.16
Tasa de actividad económica de hombres y mujeres, Perú 2005 - 2015
90
80
70
60
50
40
30
20
10
0
2005 2006 2008 2009 2010 2011 2012 2013 2014 2015
Hombre Mujer Total
Para los países de Latinoamérica, la tasa de actividad promedio es de 64.3% en el

año 2015, existiendo una brecha a favor de los hombres con un 78.7% respecto al 51.2%
de las mujeres. Perú, junto a Paraguay son los países con las tasas de actividades más altas
con un 72% y 70.6% respectivamente. El escenario opuesto se presenta en Chile y
Argetina, donde la tasa de actividad económica es de 58% y 58.4% para cada país
(CEPAL, 2017).
b) Remuneración económica de la mujer
53
A nivel del ingreso promedio mensual proveniente del trabajo, entre el 2005 y 2015 ha
habido una evolución ascendente. En la Figura 2.18 se observa que el salario promedio
mensual en el 2005 fue de S/674, aumentando en 93% para el año 2015 (S/1305). Para
los países con economías en desarrollo, el salario medio real ha tenido una tendencia
creciente a un ritmo más rápido que aquellos países desarrollados. En Latinoamérica,
Brasil y México fueron los que más influenciaron en el aumento a nivel regional de los
niveles de salario, a pesar de un experimentar un estancamiento en el periodo 2012-2013.
Cabe resaltar que la menor disponibilidad de datos relativos a economías emergentes
(respecto a economías más desarrolladas) genera dificultad para realizar comparaciones
acerca de tendencias en el salario y, de este modo, hallar patrones que puedan servir para
futuros análisis (OIT, 2015).
Figura 2.17
Ingreso promedio mensual proveniente del trabajo de hombres y mujeres, Perú 2005 –
2015
3000
2500
2000
1500
1000
500
0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Mujeres Hombres Total
Respecto a los factores que determinaron la evolución del salario en el Perú para
el periodo mencionado, resalta la evidencia de una fuerza laboral más experimentada y
educada, así como un mayor gasto público y educación. Todo ello en línea con el
crecimiento del PBI. Cabe resaltar, sin embargo, que los ingresos per cápita no se
incrementaron en la misma medida (solo un 0.5% en promedio), lo que es resultado
principalmente de la presencia de heterogeneidad entre los grupos a nivel de edad y
escolaridad (Céspedes, Lavado, y Ramírez, 2016).
54
A nivel de brechas de género, en el periodo analizado el salario correspondiente
al género masculino fue siempre mayor al percibido por las mujeres. Bajo una base
porcentual, la remuneración de las mujeres representó el 70% del salario recibido por los
hombres. Gráficamente, en los años de estudio el salario de las mujeres es siempre menor
al promedio nacional (véase Figura 2.18).
Según CEPAL (2017), la brecha salarial de género es resultado de la

discriminación y desigualdad en el mercado del trabajo presente en Latinoamérica. El
hecho de que las mujeres perciban un salario igual al de los hombres, considerando el
mismo trabajo realizado, es un derecho que beneficia a la autonomía económica de la
mujer.
c) Autonomía económica de la mujer
La autonomía económica, según INEI (2017), se define como la capacidad de las mujeres
para generar ingresos propios como producto del trabajo remunerado, considerando las
mismas condiciones que los hombres. Existen dos indicadores: Población sin ingresos
propios y Distribución de la carga total de trabajo.
 Población sin ingresos
El cociente resultante entre la población sin ingresos propios y la población total ha

permanecido estable para el periodo 2007 – 2015 en el Perú, fluctuando entre 22% y 23%.
Si desagregamos este indicador por género (metodología que se estableció a partir del año
2007), las mujeres estuvieron en clara desventaja frente al género masculino: mientras
que el porcentaje de hombres sin ingresos propios fue un promedio de 12% en los años
de análisis, para las mujeres esta porcentaje fue de 33%. (Figura 2.19). A nivel de
Latinoamérica, los hombres sin ingresos propios representaron un 12.4% del total de la
población frente a un 27.9% de las mujeres (CEPAL, 2017).
Lo mencionado demuestra los obstáculos que enfrenta el género femenino en el

Perú para acceder a una remuneración por el trabajo realizado, sumado a las barreras de
acceso al crédito y la propiedad. Asimismo, la falta de autonomía refleja una mayor
pobreza individual (INEI, 2018).
55
Figura 2.18
Mujeres y hombres sin ingresos propios, Perú 2007 - 2015
40
35
30
25
20
15
10
5
0
2007 2008 2009 2010 2011 2012 2013 2014 2015
Hombres Mujeres Total
 Carga total de trabajo
La riqueza de una persona está influenciada no solo por el ingreso percibido o el consumo
realizado, sino además por el modo cómo distribuya su trabajo en el tiempo.
Considerando al tiempo como un recurso limitado, la insuficiencia de tiempo para el
descanso y ocio causada por una mayor carga de trabajo remunerado o no remunerado
origina “pobreza de tiempo” (Bardasi y Wodon, 2006).
Si se realiza una división del tiempo total de horas semanales dedicadas al trabajo
en el Perú, se obtiene que en el 2010 la carga total para el género masculino fue de 66
horas en promedio, mientras que para el género femenino equivale a 75 horas. Vale
resaltar que la carga total laboral contienen las horas dedicadas al trabajo remunerado, así
como la actividad doméstica no remunerada. Mientras que para las mujeres el trabajo
doméstico representa un 58% de su carga laboral, para los hombres la misma actividad
equivale a un 21% (Figura 2.20). Ello significa que poco más de la mitad de la carga
laboral de la mujer corresponde a actividades domésticas, tales como el cuidado de otros
miembros de la familia, la mantención del hogar y las tareas relacionadas a la
reproducción (INEI, 2017).
56
Figura 2.19
Carga total de trabajo de mujeres y hombres, Perú 2010
Actividad Doméstica no Remunerada

Hombres
Actividad Remunerada
Carga Total
Actividad Doméstica no Remunerada

Mujeres
Actividad Remunerada
Carga Total
0 10 20 30 40 50 60 70 80
Situación similar se experimenta en Latinoamérica; por ejemplo, en México las

horas dedicadas a actividades domésticas fueron 54 para las mujeres, frente a un 45 de
los hombres en el 2014 (CEPAL, 2018).
Mención aparte merece la valorización económica en Latinoamérica del trabajo

no remunerado de los hogares en relación al PBI, realizado por iniciativa del CEPAL. En
el Perú, el trabajo doméstico no remunerado equivale a un 20.4% del PBI, el cual brinda
un peso de 14.1% a las mujeres y solo un 6.3% a los hombres. De manera equivalente, en
Colombia el trabajo femenino equivale a un 16.3% frente a un 4.1% del masculino; así
como en México esta división es de 18% y 6.2% (CEPAL, 2018).
2.5 Relación entre educación, experiencia laboral, ingresos, pobreza y desigualdad
2.5.1 Educación y experiencia laboral: determinantes del ingreso
a) Educación e Ingresos
Bajo una perspectiva microeconómica, la función de Mincer (1958) estima el crecimiento

del ingreso salarial en base a la inversión en educación (también se incluye la variable
experiencia laboral). Se define, asimismo, a la educación como el stock de conocimientos,
57
capacidades y habilidades de los empleados; se emplea el término “capital humano” para
englobar lo mencionado anteriormente. Un mayor grado de educación, conlleva a
mayores ingresos y, por ende, crecimiento económico. Del mismo modo, este crecimiento
incentiva a la población a obtener un mayor logro educativo, haciendo que el efecto
positivo en la economía sea aún mayor (Parodi, Ramírez, y Thompson, 2017).
Al realizar un análisis de dispersión entre las variables “Salario por hora” y “Nivel
de Escolaridad”, medido en soles y años respectivamente (véase Figura 2.21) , se
evidencia una relación positiva entre ambas variable. Esto, acorde a la función minceriana
del ingreso, significa que un mayor grado de escolaridad conlleva a obtener mayores
ingresos provenientes del trabajo. Para la elaboración del diagrama se emplearon
observaciones de la Encuesta Nacional de Hogares Perú 2011-2015, de tipo datos de
panel.
Figura 2.20
Relación salario por hora (S/) y nivel de escolaridad (años), Perú 2011 - 2015
80
60
Salario por Hora (S/)
40
20
0
0 5 10 15 20
Nivel de Escolaridad (años)
Fuente: Encuesta Nacional de Hogares, ENAHO Panel (2015)
Los estudios empíricos realizados en diversos países explican que las diferencias en
capital humano son un factor relevante que explica la diferencia salarial entre individuos.
Sin embargo, en la última década, para las economías desarrolladas la ponderación que
se le daba a la educación para determinar el ingreso ha disminuido.
En térmicos educativos, dividiendo a la población en percentiles según el salario

percibido por el trabajo realizado, los deciles superiores están conformados por un gran
porcentaje de individuos con estudios superiores. Por ejemplo, en Argentina, el percentil
58
100° está conformado por más de 75% de personas con estudios de tercer nivel o de grado
superior. En China, por otro lado, el mismo percentil posee un 25% de individuos con
grado superior, 45% de estudios secundarios y 30% con primaria completa. En Sudáfrica
la división del percentil 100° entre los estudios superiores, secundario y primario es de
55%, 30% y 15%. Todo ello evidencia el cumplimiento de la ley de Mincer, si solo se
realiza un enfoque en la relación educación – ingresos: a mayor grado de escolaridad,
mayor es el salario percibido producto de las actividades laborales (OIT, 2014).
b) Experiencia laboral e ingresos
Luego de realizar un análisis de dispersión entre las variables “Salario por hora” y
“Experiencia laboral”, medido en soles y años respectivamente, se evidencia una relación
positiva entre ambas variables (Figura 2.22). Sin embargo, se puede observar también
que, lejos de ser ascendente, los datos presenta una distribución con curva. Ello, conforme
a lo explicado en capítulo anterior, se debería a la teoría edad – ingreso, que señala un
rendimiento decreciente de los ingresos conforme aumentan los años de experiencia
laboral (Lemieux, 2006).
Figura 2.21
Relación salario por hora (S/) y experiencia laboral (años), Perú 2011 - 2015
80
Salario por Hora (S/)
60
40
20
0
0 20 40 60
Experiencia Laboral (años)
59
2.5.2 Ingresos, pobreza y desigualdad
La evolución del sueldo mínimo en el Perú para el periodo 2005 – 2015, en relación a las
líneas de pobreza muestran para el primero el crecimiento ha sido a un ritmo más
acelerado. Se debe tener en consideración que, mientras la medición de pobreza monetaria
depende de factores como el ingreso y la capacidad de los individuos para adquirir los
bienes y servicios necesarios para su subsistencia, el sueldo mínimo vital es determinado
directamente por el Estado (Céspedes, 2005).
Figura 2.22
Evolución del sueldo mínimo y líneas de pobreza, Perú 2005 - 2015
800
700
600
500
400
300
200
100
0
2007 2008 2009 2010 2011 2012 2013 2014 2015
Sueldo Mínimo Línea de Pobreza Extrema Línea de Pobreza
2.6 Análisis estadístico de las variables
Teniendo en consideración la variable endógena (Salario por hora) y las variables

exógenas (Nivel de escolaridad y Experiencia Laboral) se realizaron análisis estadísticos
para evaluar la naturaleza de las mismas:
a) Salario por hora (S/.)
A partir del histograma realizado, se evidencia que el gran porcentaje de las observaciones
se encuentra en el primer quintil de las observaciones totales. De este modo, teniendo un
salario por hora máximo de S/.86 en promedio y uno mínimo de S/.0.13, el valor que más
se repite en las observaciones (moda) es de aproximadamente S/.7 por hora.
60
Tabla 2.6
Estadística descriptiva - salario por hora (S/)

Elaboración Propia
Figura 2.23
Histograma del salario por hora (S/)
800
600
Frecuencia
400
200
0
0 20 40 60 80
Salario por hora (S/)

Elaboración Propia
61
En promedio, teniendo en consideración la distribución de los datos, el promedio
del salario por hora percibido por la muestra es de S/8.3, valor que se ve altamente
influenciado por la presencia de salarios mucho mayores a la media. Adicionalmente, la
mediana de las observaciones tiene el mismo valor que la moda, es decir, S/7 por hora.
Respecto al grado de Kurtosis la variable presenta un valor de 28.97, lo que

significa una distribución de tipo leptocúrtica en la que los datos están concentrados
alrededor de la media. Ello influye en el gráfico observado, mostrando una curva
apuntada. El grado de asimetría o Skewness para los datos observados presenta un valor
negativo de 3.79, lo cual significa que los elementos de la muestra estarán sesgados hacia
valores más bajos que la media.
b) Nivel de escolaridad (en años)
Al elaborar el histograma para esta variable, se observa que los datos que más se repiten
son 11 y 16 años respectivamente, lo que significa que para la muestra analizada existe
gran cantidad de individuos con nivel secundario en proceso o culminado. La moda
hallada dentro de las observaciones es 11 años, valor que corresponde a individuos que
cursan segundo año de secundaria. Respecto a los valores límite, el valor máximo fue de
18 años de escolaridad, lo que representaría a un individuo con estudios superiores. Por
otro lado, el valor mínimo fue 0, es decir, una persona sin estudios.
Tabla 2.7
Estadística descriptiva - nivel de escolaridad (años)
Fuente: Encuesta Nacional de Hogares, Enaho Panel (2015)

Elaboración Propia
62
Figura 2.24
Histograma de nivel de escolaridad (años)
600
400
Frecuencia
200
0
0 5 10 15 20
Nivel de escolaridad (años)
Fuente: Encuesta Nacional de Hogares (ENAHO Panel), 2015

Elaboración Propia
De manera similar a la variable salario por hora la mediana hallada resultó mayor
a la moda: la muestra en promedio posee 12.3 años de escolaridad, mientras que la
mediana fue de 13 años.
El relación al grado de Kurtosis, la variable posee un valor de 4.36. Tal como lo

mencionado anteriormente, las observaciones se encuentran distribuidas alrededor del
promedio aritmético de los datos (aunque en menor medida que la variable salario por
hora). El grado de asimetría o Skewness para las observaciones presenta un valor negativo
de -1.25, lo cual significa que la distribución presenta una cola asimétrica y los valores
tienden a reunirse a la derecha de la media.
c) Experiencia laboral (en años)
La distribución de la variable experiencia laboral, a comparación de las demás, manifiesta

observaciones menos agrupadas en torno a un solo valor. De este modo, gráficamente la
63
mayor parte de datos estaría fluctuando entre 20 y 35 años de experiencia laboral. De
acuerdo a ello, la moda hallada es de 27 años.
Tabla 2.8
Estadística descriptiva - experiencia laboral (años)
Elaboración Propia
Figura 2.25
Histograma de experiencia laboral (años)
80
60
Frecuencia
40
20
0
0 20 40 60
Experiencia laboral (años)
Fuente: Encuesta Nacional de Hogares, ENAHO (2010-2015)

Elaboración Propia
64
A diferencia de las variables presentadas anteriormente, para el caso de la
experiencia laboral, la media hallada resulta menor que la moda, debido a la menor
presencia de observaciones en el quintil superior de la muestra. En promedio, los
individuos poseen una experiencia laboral de 24.2 años y una mediana de 24 años.
Asimismo, la variable experiencia laboral tiene un grado de Kurtosis equivalente

a 2.47, siendo leptocúrtica como las demás variables analizadas. De modo similar, su
grado de Skewness es de 0.17, es decir, existe menor asimetría pero los datos siguen
agrupados hacia valores más bajos.
Principales hechos estilizados
A modo de síntesis, en el presente capítulo se realizó una revisión empírica de las

variables a emplearse en las estimaciones econométricas, las que incluyen salario, nivel
educativo y experiencia laboral; además de su posterior efecto en la pobreza y
desigualdad.
A nivel global, las mujeres tienen en promedio solo tres cuartos de los derechos
que poseen los hombres. Asimismo, a nivel de logros económicos, salud reproductiva y
participación en el mercado laboral, existe una desigualdad de 44%, considerando 100%
como una situación de total desigualdad entre géneros. Se mostró, asimismo, las
diferentes iniciativas a nivel institucional elaboradas por la ONU, WEF y OIT a favor de
la igualdad de género; así como los planes hacia la igualdad de género en diversos países
latinoamericanos.
A continuación, se describió la situación del Perú respecto a sus iniciativas

políticas a favor de la igualdad de género: el Plan Nacional de Igualdad de Género y su
posición frente a los Objetivos de Desarrollo Sostenible. Más adelante, respecto a los
indicadores de pobreza y desigualdad, el Perú disminuyó su índice de pobreza
multidimensional aproximadamente 4.3% del 2004 al 2012. En relación a la pobreza
monetaria, esta disminuyó un 33% del 2001 al 2015. De manera similar, el coeficiente de
Gini se redujo de 54% a 44% entre los años 2002 y 2015.
Los principales resultados para los indicadores educativos muestran que el gasto
público en educación duplicó su valor, aunque persista una brecha de 70% entre el sector
privado y público. Como porción del PBI, el gasto público destinado al sector educación
65
se ha mantenido en ascenso hasta tener un valor de 4% en 2015. Respecto a la tasa de
matrícula escolar, solo en el nivel primario no hubo un incremento considerable, y
tampoco existe evidencia de una brecha de género. Sin embargo, en relación al promedio
de años estudio, sí existe una diferencia de género correspondiente a un año en favor de
los hombres.
Por otro lado, para los indicadores de empleo e ingresos se obtiene que las tasas
de actividad de la población para el periodo 2005 - 2015 se mantuvieron constantes, la
brecha de género de 20% para este indicador tampoco presentó mayores modificaciones.
Asimismo, mientras que el ingreso promedio mensual tuvo una tendencia ascendente en
el periodo, las mujeres siguieron percibiendo solo el 70% del salario masculino. Ello
guarda relación con el modo en que dividen su carga laboral total: las mujeres dedican la
mitad de su tiempo a actividades no remuneradas.
La relación entre ingresos y educación es positiva, es decir, a más nivel de

escolaridad se espera percibir mayores ingresos. Situación distinta sucede con la
experiencia laboral, puesto que el aporte de un año adicional de trabajo en la
determinación del ingreso es cada vez menor.
Finalmente, la problemática encontrada al realizar pruebas estadísticas en las

variables incluye un salario promedio sesgado por valores muy altos, un nivel de
escolaridad sobreestimado debido a un grado negativo de Skewness y observaciones
sobre experiencia laboral agrupadas a valores muy bajos.
66
CAPÍTULO III: EFECTO DE LA DISCRIMINACIÓN
SALARIAL DE GÉNERO SOBRE LA POBREZA Y
DESIGUALDAD EN EL PERÚ 2011-2015
En el presente capítulo se brinda una explicación de la metodología y estimaciones a

emplearse a fin de comprobar la hipótesis de la discriminación salarial de género en contra
de las mujeres, pertenecientes a los trabajadores del sector asalariado del país, incrementa
los niveles de pobreza de los hogares y la desigualdad de los ingresos familiares.
A partir de la hipótesis general se desglosan las siguientes hipótesis específicas,

cuya comprobación permitirá analizar el resultado final de la afirmación inicial:
1. La brecha salarial de género beneficia a los hombres, puesto que perciben un

salario por hora en promedio 30% mayor que las mujeres dentro del conjunto de
trabajadores asalariados del total de sectores de la economía del país en el periodo
2011 – 2015.
2. La influencia positiva del nivel de escolaridad y los años de experiencia laboral
en la determinación del salario por hora es mayor en los hombres que en las
mujeres del sector asalariado del país.
3. La eliminación hipotética de la discriminación salarial de género en contra de las
mujeres tendría como consecuencias una disminución del porcentaje de personas
bajo la línea de pobreza y línea de pobreza extrema, y un descenso en el
coeficiente de Gini calculado para medir la desigualdad en los ingresos del país.
Para la realización de las pruebas y estimaciones correspondientes se emplea

como fuente base la Encuesta Nacional de Hogares (ENAHO), la cual es planificada,
elaborada y aplicada por el INEI. Se toma como periodo de análisis los años
comprendidos entre 2011 – 2015, mientras que los datos presentan periodicidad anual.
La metodología inicia con una estimación por el método de mínimos cuadrados

ordinarios, a lo que se adicionan una serie de pruebas estadísticas que permiten determinar
la forma correcta funcional de la ecuación.
A continuación, se procede a realizar la corrección de Heckman (1977), de manera

que se elimina el efecto de la no observabilidad de los individuos que no se encuentran
67
en el mercado laboral. Posterior a ello, se efectúa la descomposición Oaxaca – Blinder
(1973), la que nos permite cuantificar la brecha salarial de género.
Finalmente, con los resultados obtenidos se estiman dos escenarios: el primero se

mantiene invariable (con discriminación salarial de género) y, en el segundo se suprime
el efecto discriminación para hallar sus consecuencias en el ingreso per cápita, incidencia
de pobreza monetaria y desigualdad en los ingresos.
3.1 Metodología
En el presente apartado se explica la metodología empleada para la comprobación de las

hipótesis mencionadas. En primer lugar, se presentan las variables que conforman el
modelo econométrico. A continuación, se especifican las técnicas de estimación y
econométricas elegidas para cuantificar la discriminación salarial de género. Finalmente,
se muestra el procedimiento utilizado para el cálculo del efecto de la eliminación de la
discriminación en la pobreza y desigualdad de los ingresos del país.
3.1.1 Fuente
La fuente empleada para la obtención de las variables corresponde a la Encuesta Nacional

de Hogares (ENAHO) para los años comprendidos en el periodo 2011 – 2015.
3.1.2 Especificación de variables
A continuación, se brindará una explicación detallada de cada una de ellas:
a) Ingreso por hora
La variable “Ingreso por hora” corresponde al logaritmo del retorno por hora de la
ocupación principal del individuo. Se encuentra expresada en soles (S/). Para su
determinación se recurrió a cuatro preguntas, las dos primeras a manera de filtro y las
siguientes dos para su cálculo:
 “Ud. se desempeñó en su ocupación principal como…”
68
Evidencia si el trabajador es empleado, empleador, independiente, trabajador no
remunerado u otro. Para la muestra escogida, se seleccionó únicamente a los individuos
que respondieron “empleado”.
 “El tipo de pago o ingreso que Ud. recibe en su ocupación principal es…”
Hace referencia al tipo de pago recibido: sueldo, salario, comisión, honorarios, entre
otros. Se seleccionó para la muestra aquellos individuos que perciben sueldo o salario.
 “En su ocupación principal, A Ud., le pagan…”
Alude a la periodicidad de los ingresos, los cuales podían ser mensual, quincenal, semanal
o diario.
 “¿Cuánto fue su ingreso total en la frecuencia anterior, incluyendo horas extras,

bonificaciones, pago por refrigerio, movilidad, comisiones, etc.?”.
Representa el ingreso en unidades monetarias de acuerdo a la periodicidad mencionada

anteriormente.
Cabe resaltar que para la presente investigación solo se considera los ingresos de
personas asalariadas del sector formal, es decir, no se toma en cuenta aquellos
trabajadores que se desempeñan de manera independiente. Por tanto, las cifras calculadas
respecto a la brecha salarial estarían subestimando la verdadera magnitud de las
diferencias de ingreso en el país. En Latinoamérica, el trabajo por cuenta propia
representa en promedio una tercera parte de la población ocupada. Tan solo en el Perú,
en el 2017 los trabajadores independientes representaron un 37% de la población ocupada
(Heintz, Razavi, Seck, Staab y Turquet, 2015).
En adición, no se considera a los trabajadores correspondientes al sector informal.

En el sector formal, existen regulaciones en distintos países que buscan la igualdad
remunerativa; lo cual no existe en el sector informal. Sin embargo, el sector formal ofrece
beneficios no monetarios a los trabajadores (por ejemplo, licencia de maternidad) que
representan un costo para las empresas, mientras que en el sector informal ello es
inexistente. Ambos factores influyen en que la brecha salarial de género en el sector
informal., si bien no pueda ser cuantificada, se estime sea menor que en el sector formal.
A pesar de ello, se sabe un empleo formal representa mayores salarios para las mujeres
que uno informal (Ben Yahmed, 2016).
69
b) Escolaridad
La variable representa los años de educación formal completa que recibió el individuo.
Al respecto, en el país se considera educación formal a los niveles primario, secundario,
superior universitario, superior no universitario y postgrado. Se excluye, por tanto, la
educación inicial. Sobre la duración de cada uno, se asumen cinco años para el nivel
primario, seis para secundario, tres para el superior no universitario y cinco para el
superior universitario. De manera similar, para la determinación de la variable se recurre
a dos preguntas del cuestionario:
 ¿Cuál es el último grado de estudios que aprobó?
Especifica el nivel de estudios alcanzado (sin nivel, primaria completa o incompleta,

secundaria completa o incompleta, superior universitario completa o incompleta, superior
no universitario completa o incompleta y postgrado).
 ¿Cuál es el último grado de estudios que aprobó?
Representa los años de estudios culminados, ligados al nivel de estudios alcanzado de la

pregunta anterior.
c) Experiencia laboral
Se refiere a los años de experiencia potencial en el mercado laboral. Al no existir una

pregunta en el cuestionario que aluda a la experiencia laboral, según la ecuación de
Mincer (1974) se halla a partir de la edad del individuo, menos el nivel de escolaridad,
menos seis (edad en que formalmente comienza la educación primaria). Se encuentra
expresado en años.
d) Experiencia laboral (2)
Se incluye la variable experiencia laboral en forma cuadrática teniendo en consideración

la teoría de perfiles edad-ingresos. Ello significa que, si bien cada año de experiencia
laboral incrementa los ingresos individuales, el efecto de cada año sobre estos ingresos
es menor que el anterior. (Gómez, Huapaya, Rojas, y Salinas, 2017)
Asimismo, se añaden tres variables a fin de comprobar y corregir el sesgo de

selección muestral (tema que se profundizará más adelante) como consecuencia de la no
observabilidad de la oferta salarial de aquellos individuos que no se encuentran trabajando
70
al momento de realizar la encuesta, además de las variables originales del modelo de
Mincer se incluye la variable “edad” (en años), “casado” (variable dicotómica con valor
1 cuando el individuo es casado y 0 para el resto de opciones) y “Lima” (variable
dicotómica con valor 1 cuando el individuo reside en Lima Metropolitana y 0 para el resto
de ciudades del país).
Las hipótesis que respaldan la inclusión de las variables de control se resumen del
siguiente modo:
 La edad de un individuo influye en la probabilidad de participar en el mercado

laboral. Dentro del género femenino, la literatura indica que a determinada edad
un gran porcentaje de mujeres optar por dedicarse a las labores domésticas, lo que
incluye cuidar de los hijos y/o personas ancianas. Ello influye en que la
probabilidad de una mujer de pertenecer al mercado laboral sea menor a la de los
hombres (Lee y Wie, 2017).
 El residir en la ciudad de Lima aumenta la probabilidad de pertenecer a la fuerza
laboral, al contener la mayor cantidad de áreas urbanas del Perú. La OIT (2016)
afirma que en las zonas rurales “se observa un menor porcentaje de asalariados,
una menor proporción de empresas medianas y grandes, la virtual ausencia de
contratos de trabajo escritos y una menor tasa de sindicalización y organización
gremial” (p.65).
 El estar casado es un factor que influye también en la probabilidad de ser un
trabajador. Sin embargo, ello afecta principalmente a las mujeres, pues gran parte
de las mismas luego de contraer matrimonio optan por dedicarse a las labores
domésticas. En otras palabras, la probabilidad de las mujeres casadas de
mantenerse en el mercado laboral es menor (Lee y Wie, 2017).
Otras variables de control que se han incluido en la literatura son número de hijos
(la presencia de hijos se asocia a reducciones menores de salario), sector público o privado
(donde el segundo presenta mayor salario), antigüedad en el empleo (a más años en un
puesto, mayor salario) y jornada completa (asociada a una mayor remuneración)
(Novella, Rucci, y Vazquez, 2015). En adición, se ha analizado cómo los límites
regionales contribuyen a la brecha salarial de género, tomando en cuenta las diferencias
socioeconómicas entre estados o regiones (Chapman y Benis, 2017).
71
3.1.3 Técnica de estimación
Para la aplicación del Modelo de Mínimos Cuadrados Ordinarios (MCO) se realizaron

las siguientes pruebas (Wooldridge, 2010):
 Prueba de significancia: Permite corroborar que el valor de los coeficientes de las

variables independientes es distinto de cero.
 Prueba de multicolinealidad: Se comprueba que en la muestra (y en consecuencia
en la población) no existen relaciones lineales exactas entre las variables no
dependientes
 Prueba de normalidad de los errores: El término de error µ posee media con un
valor de cero y varianza con valor de uno.
 Test de variables omitidas (Ramsey): Determina si la regresión en general posee
especificación incorrecta de formas funcionales.
 Prueba de heterocedasticidad: Permite comprobar que el error µ posee la misma
varianza independientemente del valor de las variables explicativas.
De manera introductoria, se emplearon datos tipo panel (ENAHO Panel 2011 –

2015) y se procedió a dividir la muestra de acuerdo con la variable género.
Posteriormente, se empleó la prueba de Hausman (1978) para cada una de las muestras,
la que permitió corroborar cuál fue la estimación a emplearse. A continuación, se
compararon los coeficientes obtenidos en las estimaciones para determinar el grado de
influencia de las variables para cada género en la determinación del salario.
Posterior a ello, y empleando datos de corte transversal (se extrae para cada año
una muestra) se estimaron las variables mediante el método de Mínimo Cuadrados
Ordinarios y se realizó el procedimiento denominado corrección de la selección muestral
o “Método Heckit” en honor a Heckman (Newton y Cox, 2007).
Finalmente, para descomponer las diferencias medias en los salarios entre dos
grupos, se empleó la metodología llamada “Descomposición de Oaxaca – Blinder”
(Newton y Cox, 2008). De manera general, la descomposición Oaxaca – Blinder se ha
empleado en la literatura para dividir el diferencial salarial entre dos grupos, en el que
uno se ve más favorecido que el otro. De este modo, divide la brecha salarial en dos
componentes: efecto dotación y efecto estructural. El efecto dotación captura diferencias
de niveles en factores como educación, acceso al crédito, número de hijos, estado civil,
72
entre otros. El efecto dotación puede ser disminuido mediante políticas y programas. Por
otro lado, el efecto estructural corresponde a la diferencia de retornos proveniente de los
mismos niveles de educación, acceso crediticio y los otros factores mencionados
anteriormente. La discriminación, las normas sociales y las instituciones originan y
perpetúan al efecto estructural (Buehren, et al., 2019).
3.1.4 Cálculo del efecto sobre la pobreza
Para realizar el cálculo de cómo la eliminación de la discriminación salarial de género

afecta los niveles de pobreza se procedió a realizar los siguientes pasos:
a) Determinación del ingreso per cápita en escenario con discriminación
A partir de la primera regresión MCO ajustada se determina el nivel promedio de ingresos

anuales de los individuos.
b) Determinación del ingreso per cápita en escenario sin discriminación
En base al resultado obtenido luego de la descomposición Oaxaca – Blinder, se calculó

el aumento en el nivel promedio de ingresos anuales, teniendo en consideración que la
eliminación de la discriminación salarial incrementa el sueldo del grupo desfavorecido.
c) Cálculo del ingreso por hogar ambos escenarios
Se determinó el ingreso anual por cada hogar de la muestra analizada. El procedimiento

se realizó con los ingresos antes y después de la eliminación de la discriminación.
d) Determinación de la incidencia de la pobreza en ambos escenarios
En base a la información del INEI, se halló la incidencia de pobreza, es decir, el porcentaje

de individuos cuyos hogares perciben un ingreso menor a la canasta básica de consumo
(CBC) para los años 2011 – 2015 (INEI, 2017). Adicionalmente se realizó el mismo
procedimiento para la incidencia de pobreza extrema, para la cual se empleó la canasta
básica de alimentos (CBA).
3.1.5 Cálculo del efecto sobre la desigualdad
Para el cálculo de la desigualdad en los ingresos se calculó el coeficiente de Gini para los
dos escenarios mencionados anteriormente. La comparación entre los valores resultantes
73
permitió medir la variación de la desigualdad al eliminar el efecto de la discriminación
salarial de género.
3.2 Especificación del modelo
En el siguiente apartado se realizará una explicación de las ecuaciones correspondientes

al modelo empleado en la investigación:
3.2.1 Función de salario de Mincer
Para la cuantificación de las diferencias salariales entre hombres y mujeres basadas en las
características que definen la productividad y las que no, se realiza una comparación entre
las funciones de salario estimados por la función de salario de Mincer (1958). Se inicia
por la ecuación base, estimada por mínimo cuadrados ordinarios (MCO):
𝑙𝑛(𝑤ℎ𝑖 ) = 𝑍𝑖 ∗ 𝛽 + 𝜇𝑖
Donde 𝑤ℎ𝑖 representa el salario por hora del i-ésimo trabajador dependiente y 𝜇𝑖
es el término de error o perturbación aleatoria. En adición, se define a 𝑍𝑖 como el vector
de características a partir de las siguiente variables independientes:
𝑍𝑖 = 𝑓(𝐸𝑠𝑐𝑜𝑙𝑎𝑟𝑖𝑑𝑎𝑑, 𝐸𝑥𝑝𝑒𝑟𝑖𝑒𝑛𝑐𝑖𝑎, 𝐸𝑥𝑝𝑒𝑟𝑖𝑒𝑛𝑐𝑖𝑎2 , 𝑆𝑒𝑥𝑜)
𝑙𝑛(𝑤ℎ𝑖 ) = 𝛽0 + 𝛽1 ∗ 𝐸𝑠𝑐𝑜𝑙𝑎𝑟𝑖𝑑𝑎𝑑 + 𝛽2 ∗ 𝐸𝑥𝑝𝑒𝑟𝑖𝑒𝑛𝑐𝑖𝑎 + 𝛽3 ∗ 𝐸𝑥𝑝𝑒𝑟𝑖𝑒𝑛𝑐𝑖𝑎2 + 𝜇𝑖
La variable “Escolaridad” son los años de estudio considerando estudios

primarios, secundarios, superior no universitario, superior universitario y postgrado. La
variable “Experiencia”, referida a los años de experiencia potencial en el mercado laboral,
se calcula restando el nivel de la escolaridad de la edad menos seis (Mincer, 1974).
Finalmente, se incluye la variable dicotómica “Sexo”, que asigna un valor de 1 para las
mujeres y 0 para los hombres, ellos con la finalidad de definir dos ecuaciones
diferenciadas por sexo:
(1) Funcion de salarios de Mincer (hombres)
𝑙𝑛(𝑤ℎℎ𝑖 ) = 𝑍ℎ𝑖 ∗ 𝛽ℎ + 𝜇ℎ𝑖
(2) Función de salarios de Mincer (mujeres)
𝑙𝑛(𝑤ℎ𝑚𝑖 ) = 𝑍𝑚𝑖 ∗ 𝛽𝑚 + 𝜇𝑚𝑖

74
3.2.2 Corrección por sesgo de selección
El problema del sesgo de selección se basa en la ausencia de aleatoriedad al momento de

determinar la muestra que se va a estimar. Consiste en que una muestra obtenida de cierto
grupo poblacional sesgará los resultados estimados de la variable dependiente a partir del
grupo que se encuentre mayor representado. Este problema es usual en las investigaciones
acerca de las diferencias de ingresos y/o remuneraciones de los individuos, porque se
excluye de manera indirecta al porcentaje de personas que, sin trabajar en el momento de
la encuesta, representan una oferta laboral en el mercado del trabajo (Newton y Cox,
2007). Al estimar brechas salariales, debe incluirse una corrección en la selección de la
muestra analizada; de lo contrario, la brecha se encontraría sesgada (Lee y Wie, 2017).
Al incluir la corrección del sesgo de selección se añade a los resultados la

probabilidad de pertenecer al mercado laboral de manera activa. Para la estimación
realizada se optó por emplear la corrección de Heckman (1977) o método Heckit, la que
consiste en estimar dos regresiones. La primera de ella es la siguiente:
𝑝𝑖 = 𝛽0 + 𝑧𝑖𝜑 + 𝜇𝑖
Se interpreta como la probabilidad (𝑝𝑖) de que el individuo sea partícipe del

mercado del trabajo, incluyendo los factores que influyen en su elección. Se incluye en
"𝑧𝑖" las siguiente variables:
𝑧𝑖 = 𝑓(𝐸𝑠𝑐𝑜𝑙𝑎𝑟𝑖𝑑𝑎𝑑, 𝐸𝑥𝑝𝑒𝑟𝑖𝑒𝑛𝑐𝑖𝑎, 𝐸𝑑𝑎𝑑, 𝐸𝑠𝑡𝑎𝑑𝑜 𝐶𝑖𝑣𝑖𝑙 , 𝑅𝑒𝑠𝑖𝑑𝑒𝑛𝑐𝑖𝑎)
Donde la probabilidad de pertenecer al mercado laboral depende de los años de

escolaridad y la experiencia laboral, considerando que cada individuo selecciona el nivel
de educación que maximice su beneficio, tomando en cuenta sus habilidades y,
posteriormente elige si desea o no participar en el mercado del trabajo y en qué ocupación
desempeñarse (Lavado, Velarde, y Yamada, 2014). En añadidura, se agregan las variables
“Edad”, “Estado civil” (dicotómica con un valor de 1 para las personas casadas y 0 para
las demás) y “Residencia” (dicotómica con un valor de 1 para las personas que residen en
Lima y 0 para el resto de departamentos).
75
El método de Heckman (1977) asume que ciertas variables, a pesar de no
determinar directamente el ingreso percibido, sí pueden influir en la probabilidad de que
una persona trabaje o no. Por lo tanto, en la ecuación de salarios original
𝑙𝑛(𝑤ℎ𝑖 ) = 𝑍𝑖 ∗ 𝛽 + 𝜇1
El ingreso "𝑤ℎ" será observable sí o solo sí:
𝛾0 + 𝛾1 ∗ 𝐸𝑠𝑐𝑜𝑙𝑎𝑟𝑖𝑑𝑎𝑑 + 𝛾2 ∗ 𝐸𝑥𝑝𝑒𝑟𝑖𝑒𝑛𝑐𝑖𝑎 + 𝛾3 ∗ 𝐸𝑑𝑎𝑑 + 𝛾4 ∗ 𝐸𝑠𝑡𝑎𝑑𝑜 𝐶𝑖𝑣𝑖𝑙 +
𝛾5 ∗ 𝑅𝑒𝑠𝑖𝑑𝑒𝑛𝑐𝑖𝑎 + 𝜇2 > 0
Donde 𝜇1 y 𝜇2 tienen una correlación 𝜌.
3.2.3 Descomposición Oaxaca – Blinder
Para demostrar cómo se realiza la descomposición de Oaxaca – Blinder (1973), se parte

de las funciones de salario mincerianas para hombres y mujeres, ya explicadas
anteriormente:
𝑙𝑛(𝑤ℎℎ𝑖 ) = 𝑍ℎ𝑖 ∗ 𝛽 + 𝜇𝑖
𝑙𝑛(𝑤ℎ𝑚𝑖 ) = 𝑍𝑚𝑖 ∗ 𝛽 + 𝜇𝑖
Podemos expresar la variable 𝑙𝑛(𝑤ℎℎ ) en ambos casos como 𝑌ℎ 𝑜 𝑌𝑚 . Además,

sabiendo que Z es un vector compuesto por las variables independientes y 𝛽 el vector de
parámetros a emplearse en la estimación, se tienen las ecuaciones:
𝑌̅ℎ = ̅𝑋̅̅ℎ̅′ ∗ 𝛽ℎ
̅̅̅̅
𝑌𝑚 = ̅̅̅̅
𝑋𝑚 ′ ∗ 𝛽𝑚
Restando la segunda ecuación de la primera se obtiene:
𝑌̅ℎ − 𝑌
̅̅̅̅ ̅̅̅̅′ ̅̅̅̅
𝑚 = 𝑋ℎ ∗ 𝛽ℎ − 𝑋𝑚 ′ ∗ 𝛽𝑚
Sumamos y restamos el término ̅̅̅̅

𝑋𝑚 ′ ∗ 𝛽ℎ en el lado derecho de la ecuación. Luego
de agrupar y ordenar queda expresado de la siguiente forma:
𝑌̅ℎ − 𝑌
̅̅̅̅ ̅̅̅̅′ ̅̅̅̅′ ̅̅̅̅
𝑚 = (𝑋ℎ − 𝑋𝑚 ) ∗ 𝛽ℎ + (𝛽ℎ − 𝛽𝑚 ) ∗ 𝑋𝑚 ′
Se tiene así la forma original de la ecuación Oaxaca – Blinder (1973), en donde la

diferencia en ingresos se divide en componente de diferencias en dotación (primer
término) y un componente de discriminación total (el segundo término); en otras
76
palabras, se refiere al efecto dotación y el efecto estructural (Novella, Rucci, y Vazquez,
2015).
3.2.4 Cálculo de brecha salarial de género: enfoques
 Organización para la Cooperación y el Desarrollo Económicos (OECD)
La OECD (2018) define a la brecha salarial de género en el ingreso laboral per cápita
(GGLI, por sus siglas en inglés) como la brecha entre el ingreso laboral total de los
hombres y el ingreso laboral total de las mujeres. Es una de las medidas más relevantes
para cuantificar, comparar y analizar las brechas existentes respecto al género en el
mercado laboral. Para su cálculo, se emplea la brecha de empleo (EG), la brecha horaria
(HG) y la brecha salarial por hora (HWG).
La brecha de empleo (EG) se define como la diferencia entre la tasa de empleo

masculina y femenina, dividida por esta última. Por otro lado, la brecha horaria (HG) es
la contribución del menor número de horas de trabajo femenino a la brecha de ingresos
entre hombres y mujeres. Para el cálculo de la brecha salarial por hora (HWG), la OECD
utiliza la descomposición Oaxaca Blinder, cuya aplicación se explica a continuación:
En la descomposición Oaxaca se emplean cuatro componentes: Las características

individuales de los trabajadores (IND), el mismo que incluyen edad y educación
(expresado en años de escolaridad); las características individuales del trabajo (JOB), que
abarcan el tamaño de la empresa y el tipo de contrato; y un componente que adiciona la
ocupación y sector en el que se desempeña el trabajador (OCCSET). Finalmente, se añade
un factor residual (UNEXP) que considera los elementos no observable. De este modo,
la brecha salarial por hora se expresa de la siguiente forma:
HWG = IND+JOB+OCCSET+UNEXP
Adicionando la brecha horaria (HG) al término hallado, se obtiene la Brecha de

Ingresos totales, la cual permite el cálculo de la brecha salarial de género en el ingreso
laboral per cápita (GGLI) de la siguiente manera:
GGLLI = EG + (1-EG)*(HG+IND+JOB+OCCSET+UNEXP)
La aplicación de esta descomposición permite una evaluación global del lugar y

el papel de la mujer en el mercado laboral, y proporciona una guía de acción política. La
OECD describe la metodología empleada en tres características: Integral, porque mide
77
los ingresos y el empleo en sus distintas dimensiones. Inclusiva, porque abarca a todos
los hombres y mujeres que trabajan o no a jornada completa. Y finalmente, analítico,
puesto que permite la comparación de los tres componentes para que los formuladores de
política distingan cuál tiene mayor relevancia acorde a los objetivos que se planteen
(OECD, 2018).
El cálculo de la brecha salarial de género según la OECD demuestra la importancia

de incluir variables que expliquen los factores que influyen en la conformación del salario
de los empleados. Para hallar la brecha salarial por hora, al igual que en la presente
investigación, la OECD emplea el método Oaxaca Blinder, lo cual refuerza la validez de
la descomposición para realizar análisis de brechas salariales en base al género que
permitan cuantificar, evaluar y, finalmente, proponer acciones que reduzcan su
incidencia.
 Oficina Europea de Estadística (Eurostat)
La Oficina Europea de Estadística (Eurostat) define la brecha salarial en dos dimensiones:

ajustada y no ajustada. La brecha no ajustada se define como la diferencia relativa entre
los ingresos promedios entre hombres y mujeres. Para ello, toma en consideración las
diferencias de características entre ambos géneros. Por otro lado, la brecha salarial
ajustada considera el resto de variables que se asumen tienen incidencia en el salario, pero
no pueden ser explicadas y tienen un componente discriminatorio.
Eurostat emplea la descomposición Oaxaca Blinder para el cálculo de la brecha

salarial de género no ajustada (GPG, por sus siglas en inglés). La metodología Oaxaca,
según lo explicado anteriormente, consta de dos etapas: En primer lugar, se estiman
regresiones Mincer (en versión extendida) separadas por género, donde la variable
dependiente es el logaritmo del ingreso por hora trabajada. Las variables independientes
se dividen en dos grupos: la edad, educación y experiencia laboral; el tipo de trabajo; y el
tipo y sector de la empresa en que trabajan (Leythienne y Ronkowski, 2018).
Las características personales y del trabajo incluyen edad, educación, ocupación,

experiencia laboral, contrato de empleo y jornada laboral. Las características de la
empresa comprenden actividad económica y control empresarial.
La segunda etapa consiste en la descomposición de la fórmula minceriana. Se

establece el ingreso masculino como el punto de referencia, a partir del cual se halla el
78
ingreso femenino empleando los coeficientes masculinos, lo que se denomina como una
ecuación "contrafactual. La diferencia de las medias de ingresos por hora de hombres y
mujeres se descompone en dos componentes: explicado y no explicado.
El componente explicado mide el componente de la brecha basado en diferencias

de características entre ambos géneros, a partir de los coeficientes masculinos. Por otro
lado, el componente no explicado mide la parte de la brecha originada por los diferentes
rendimientos que perciben las mujeres frente a los hombres a partir de cada variable de
la ecuación (Leythienne y Ronkowski, 2018).
De manera similar a la metodología que utiliza la OECD para el cálculo de la

brecha salarial de género, Eurostat considera que las características personales, del trabajo
y de la industria a la que pertenecen los trabajadores son aquellas que determinan el
ingreso laboral de los empleados. Sin embargo, aclara que existe un componente de
variables no observables que también tienen incidencia en la conformación del mismo.
En la presente investigación se realiza una aproximación de los métodos empleados por
la OECD y Eurostat, los cuales tienen como misma base a la ecuación Mincer en su
versión extendida.
3.3 Presentación de resultados
En la siguiente sesión se exponen los resultados obtenidos luego de realizar las pruebas,
estimaciones y procedimientos explicados en los apartados anteriores.
3.3.1 Pruebas y análisis previos
Para realizar un modelo por el método de mínimos cuadrados ordinarios es indispensable

realizar una serie de pruebas, a fin de determinar A continuación se realiza un resumen
de las mismas (se mostrarán resultados para las observaciones correspondientes al año
2015, puesto que no se presentaron diferencias significativas al realizar el mismo
procedimiento para el periodo 2011 – 2014):
a) Prueba de significancia:
Para medir la significancia estadística de los coeficientes, se observa el P-value obtenido

a partir de la prueba t-student. La hipótesis nula es que el valor del coeficiente de cada
variable es igual a cero, es decir, que el coeficiente no es significativo.
79
Con un P-Value de 0.00 no se acepta la hipótesis nula; por lo tanto, se comprueba
la significancia individual de los coeficientes:
Tabla 3.1
Test de significancia estadística
t P>|t|
Escolaridad 76.83 0.000
Experiencia 49.47 0.000
Experiencia2 -33.07 0.000
Constante 22.68 0.000
Elaboración propia
Se puede comprobar, del mismo modo, la significancia conjunta de los

coeficientes del modelo a través del test de Fisher:
Tabla 3.2
Test de Fisher
F(1, 23948) = 4996.26

Prob > F = 0.000
Elaboración propia
La hipótesis nula de que los coeficientes en conjunto no son significativos no se

acepta.
b) Prueba de multicolinealidad:
El test de multicolinealidad buscar corroborar que no exista una relación lineal perfecta o
exacta entre dos o más variables. Si el valor del VIF (Factor inflación de la varianza) es
mayor a 10, existe un problema de multicolinealidad.
80
Tabla 3.3
Test de multicolinealidad
VIF 1/VIF
Variable
escolaridad 1.19 0.843650
experiencia 10.13 0.098761
experiencia2 9.77 0.102381
Mean VIF 7.03
Elaboración propia
Para la muestra analizada no existen problemas de multicolinealidad.
c) Prueba de normalidad de los errores:
Para medir la distribución normal de los errores se realizan las pruebas de Skewness y
Kurtosis:
Tabla 3.4
Test de normalidad de errores
Variable Obs Pr(Skewness) Pr(Kurtosis)

Residuos 23,952 0 0
Elaboración propia
A pesar de no aceptar la hipótesis de que los residuos tengan una distribución

normal, gráficamente la muestra no se desvía significativamente de lo esperado:
81
Figura 3.1
Histograma de residuos de la función de ingresos de Mincer
.6
.4
Densidad
.2
0
-4 -2 0 2 4
Residuos
Elaboración propia
Por lo tanto, la omisión de este problema no genera un sesgo significativo.
d) Test de variables omitidas (Ramsey):
Al realizar el test de Ramsey (1969) no se acepta la hipótesis de que el modelo tenga

variables omitidas debido a que el P-Value es 0.
Tabla 3.5
Test de Ramsey
F(3,23945)= 242.76
Prob > F = 0
Elaboración propia
e) Prueba de heterocedasticidad:
Luego de realizar el test de heterocedasticidad, cuya hipótesis nula es que la varianza de

las perturbaciones es constante, se obtiene un P-Value que impide aceptarla.
82
Tabla 3.6
Prueba de heterocedasticidad
chi2(3) = 11084.41
Prob > chi2 = 0.000
Elaboración propia
Por tanto, se concluye que las perturbaciones presentan heterocedasticidad, y por

en consecuencia, se debe corregir el problema.
3.3.2 Funciones de salario en base a datos tipo panel
Para realizar una primera aproximación de cómo las variables escolaridad y experiencia
laboral afectan de manera diferenciada el salario que perciben los hombres y mujeres, se
dividió la muestra en ambos géneros. Posterior a ello, se realizó la prueba de Hausman
(1978), donde la hipótesis nula a comprobar es si la diferencia entre coeficientes no es
sistemática.
Tabla 3.7
Prueba de Hausman
Mujeres Hombres
Chi 2 (3) = 73.65 63.73
P-Value = 0.0000 0.000
Elaboración propia
A partir de los resultados se obtuvo que lo correcto es emplear estimación panel

de efecto fijo. Posterior a ello, se procedió a realizar la estimación de mínimos cuadrados
ordinarios para cada género:
83
Tabla 3.8
Resultados de función de salarios Mincer para datos tipo panel, 2011- 2015
Mujeres Hombres
F – Value F(3,1153) = 39.59 F(3,748) = 46.62
Prob > F 0.0000 0.0000
Coeficientes P – Value Coeficientes P – Value
Escolaridad 0.0428826 0.0000 0.0702129 0.0000
Experiencia 0.0396555 0.0000 0.0676475 0.0000
Experiencia2 -0.0002074 0.0000 -0.0002052 0.0000
Constante -0.2884999 0.0000 -0.1433731 0.0000
Elaboración propia
En base a los coeficientes obtenidos, y corroborando que se cumplen las pruebas

de significancia en todos los casos, se puede concluir lo siguiente:
1. El aumento de un año en el nivel de escolaridad en las mujeres significa un

incremento de 4.23% en el salario por hora que percibe. Por otro lado, este mismo
aumento sería de 7.02% en el caso de los hombres. Todo ello manteniendo en
ambos casos constante los años de experiencia laboral.
2. De manera similar, el aumento de un año en la experiencia laboral en las mujeres
significa un incremento de 3.97% en el salario por hora que percibe. Este mismo
aumento sería de 6.76% en el caso de los hombres. De manera similar, se mantiene
constante el nivel de escolaridad.
3. El efecto de rendimiento decreciente que presenta los años de experiencia laboral
son mayores para las mujeres que para los hombres, lo que influye en la menor
determinación de su salario.
En síntesis, con los resultados anteriormente mostrados, podemos concluir que

tanto la variable escolaridad como la experiencia en el trabajo afecta positivamente en
mayor medida al salario que perciben los hombres por el salario realizado, en
comparación de las mujeres.
84
3.3.3 Funciones de salario corregidas por sesgo de selección
Al realizar la estimación de las ecuaciones de salarios con de tipo transversal, corrigiendo

el problema de heterocedasticidad e identificado en cada uno de los años de estudio, se
obtienen los siguientes coeficientes y sus respectivos P-Value:
Tabla 3.9
Resultados de función de salarios Mincer para datos tranversales, 2011- 2015
2015 2014 2013 2012 2011 Promedio
N°
27,916 26,925 25,934 24,943 23,952 25,394
observaciones
Escolaridad 0.0617 0.0616 0.0616 0.0615 0.0614 0.0615

Experiencia 0.0510 0.0509 0.0508 0.0507 0.0506 0.0508
Coeficientes 2
Experiencia -0.0007 -0.0007 -0.0007 -0.0007 -0.0007 -0.0007
Constante 0.3697 0.3741 0.3789 0.3842 0.3899 -0.3794
Escolaridad 0 0 0 0 0
Experiencia 0 0 0 0 0
P - Value 2
Experiencia 0 0 0 0 0
Constante 0 0 0 0 0
Elaboración propia
Teniendo en consideración un número promedio de observaciones de 25,394 por

cada año analizado, se pueden analizar los coeficientes de las variables del modelo.
Debido a que la forma de la funcional de la ecuación es de tipo “log-nivel”, su
interpretación se realiza de la siguiente manera:
 Ante un aumento de un año en el nivel de escolaridad de la población,

manteniendo constante el nivel de experiencia laboral, el ingreso por hora
proveniente del trabajo se incrementa en un promedio de 6.15%.
 Frente a un incremento de un año en el nivel de experiencia laboral de la
población, manteniendo constante el nivel de escolaridad, el ingreso por hora
 Por otro lado, el efecto “rendimientos decrecientes” que se asigna a la variable
“experiencia” en su forma cuadrática es de -0.07%. Es decir, por cada año
85
adicional de experiencia laboral, el aumento del salario por hora es 0.07% menor
al año anterior.
Finalmente, todos los P-Value obtenidos en las estimaciones para el periodo de

estudio resultaron ser de valor cero. Por tanto, se rechaza la hipótesis de que las variables
no sean significativas para el modelo.
A partir de ello, y tras lo mencionada anteriormente, es necesario realizar la

corrección de Heckman (1977), a fin de eliminar el problema de sesgo de selección
maestral. De modo similar, se realizan los procedimientos correspondientes para el
periodo comprendido entre los años 2011-2015.
Tabla 3.10
Resultados de corrección de Heckman , 2011 – 2015
2015 2014 2013

MCO Heckit MCO Heckit MCO Heckit
Escolaridad 0.0617 0.0542 0.0616 0.0539 0.0616 0.0537
Experiencia 0.0510 0.0461 0.0509 0.0460 0.0508 0.0459
Experiencia2 -0.0007 -0.0006 -0.0007 -0.0006 -0.0007 -0.0006
Constante 0.3697 0.6629 0.3741 0.6742 0.3789 0.6863
2012 2011 Promedio

MCO Heckit MCO Heckit MCO Heckit
Escolaridad 0.0615 0.0534 0.0614 0.0530 0.0615 0.0536
Experiencia 0.0507 0.0458 0.0506 0.0457 0.0508 0.0459
Experiencia2 -0.0007 -0.0006 -0.0007 -0.0006 -0.0007 -0.0006
Constante 0.3842 0.6991 0.3899 0.7127 0.3794 0.6870
Elaboración propia
La descomposición de Heckman (1977) permite hallar los coeficientes de la

ecuación corrigiendo el problema de selección muestral, es decir, permite analizar la
relación subyacente entre las variables del modelo y la variable dependiente, agregando
factores que podrían influenciar en la probabilidad de que una condición no observable
de esta última se cumpla.
En la estimación realizada se asumió que el salario por hora es una función de la

educación y la experiencia laboral; mientras que la probabilidad de que el salario sea
86
observable (es decir, que la persona se encuentre trabajando) depende de factores
adicionales como la edad, estado civil y lugar de residencia.
En base a ello, y adicionando las variables de control en el análisis, los nuevos

coeficientes de la función salarial se interpretan de la siguiente manera:
 Frente a un aumento de un año en el nivel de escolaridad de la población,

manteniendo constante el nivel de experiencia laboral, el ingreso por hora
 Un incremento de un año en el nivel de experiencia laboral de la población,
manteniendo constante el nivel de escolaridad, significa que el ingreso por hora
proveniente del trabajo se ascienda en un promedio de 4.59%.
 Asimismo, el efecto “rendimientos decrecientes” que se asigna a la variable
“experiencia” en su forma cuadrática es ahora de -0.06%. Es decir, por cada año
adicional de experiencia laboral, el aumento del salario por hora es 0.06% menor
al año anterior.
3.3.4 Aplicación de la descomposición de Oaxaca – Blinder
La aplicación de la descomposición de Oaxaca – Blinder permite diferenciar la función

salarial en dos grupos para determinar el diferencial de salario explicado por las variables
independientes incluidas en el modelo y la parte que no se explica por ello. A partir de
los resultados, y luego de realizar la corrección de selección maestral, se procede a dividir
las observaciones según el sexo. El primer grupo corresponde a los resultados para los
hombres (sexo=0), mientras que el segundo grupo compete al género femenino (sexo=1).
Los resultados finales de la descomposición muestran las predicciones de la media

de los salarios por cada grupo, y su diferencia final:
87
Tabla 3.11
Resultados de descomposición Oaxaca - Blinder, 2011 – 2015 (en escala logarítmica)
Ingreso por hora 2011 2012 2013 2014 2015 Promedio
Predicción 1 1.8242 1.8177 1.8117 1.8060 1.8006 1.8120

Predicción 2 1.4465 1.4424 1.4386 1.4351 1.4319 1.4389
Diferencial 0.3778 0.3754 0.3730 0.3708 0.3687 0.3731
Descomposición
Dotaciones -0.0768 -0.0757 -0.0746 -0.0736 -0.0727 -0.0747
Coeficientes 0.4261 0.4234 0.4209 0.4185 0.4162 0.4210
Interacción 0.0285 0.0276 0.0268 0.0260 0.0255 0.0269
Elaboración propia
El primer panel de resultados nos muestra que la predicción del salario por hora
(en escala logarítmica) para el grupo masculino es de 1.8120 soles, mientras que para las
mujeres se tiene un valor de 1.4389 soles. Ello genera, en consecuencia, una brecha
salarial de 0.3731 a favor de los hombres. A nivel porcentual, el salario femenino
representa un 79% del salario masculino, es decir, la brecha salarial de género
corresponde a un 21%.
El segundo panel nos permite realizar un análisis más exhaustivo respecto a la

diferencia salarial entre ambos grupos. Se divide a la brecha en tres grupos: el primer
elemento “dotaciones”, refleja el aumento en la media de los salarios de las mujeres si
tuvieran las mismas características que los hombres. Del mismo modo, el elemento
“coeficientes” cuantifica el cambio en el ingreso percibido por las mujeres cuando se
aplican los mismos coeficientes del primer grupo (los hombres) a sus características. Será
este elemento el que se empleará más adelante para medir el efecto de la eliminación de
la discriminación en el ingreso. El último término mide el efecto simultáneo de la
diferencia tanto en dotaciones como en coeficientes, es decir, es una combinación de los
dos primeros.
Cabe resaltar que, al estar expresado el salario en su forma logarítmica los

resultados podrían resultar negativos y, por tanto, dificultar la interpretación de los
elementos mencionados anteriormente. Por tanto, para un correcto análisis se debe
transformar a su escala original, donde se obtendrían los siguientes resultados:
88
Tabla 3.12
Resultados de descomposición Oaxaca - Blinder, 2011 – 2015
Ingreso por hora 2011 2012 2013 2014 2015 Promedio
Predicción 1 6.1980 6.1580 6.1207 6.0858 6.0532 6.1231

Predicción 2 4.2481 4.2308 4.2149 4.2002 4.1866 4.2161
Diferencial 1.4590 1.4555 1.4522 1.4489 1.4458 1.4523
Descomposición
Dotaciones 0.9261 0.9271 0.9281 0.9290 0.9299 0.9281
Coeficientes 1.5312 1.5272 1.5233 1.5197 1.5162 1.5235
Interacción 1.0289 1.0280 1.0271 1.0263 1.0255 1.0272
Elaboración propia
La predicción del salario medio de los hombres tiene un valor de 6.1231 soles por
hora, mientras que para las mujeres se predice un ingreso medio de 4.2161. La brecha
salarial tendría entonces un valor de 1.4523 soles por hora. La brecha salarial
generalmente se expresa dando el salario femenino como porcentaje del salario
masculino, a menudo, señalando el pago por hora trabajada. (Brynin, 2017) Con los
resultados obtenidos, las brecha salarial de género para el periodo 2011-2015 sería en
promedio de 31%. En otras palabras, las mujeres estarían percibiendo un salario
correspondiente al 69% del salario masculino.
Con los resultados en su forma natural, se puede realizar el análisis del segundo
panel. El aumento en la media de los salarios por hora percibidos por las mujeres tendría
un valor de 0.9281 si estas tuvieran los mismos niveles de escolaridad y experiencia
laboral que los hombres, lo cual representa un 22% más. Asimismo, si empleáramos los
coeficientes de la ecuación salarial masculina para los individuos de sexo femenino, el
salario de las mujeres presentaría un incremento de 1.5235 soles por hora. Finalmente, si
se cumplieran ambas condiciones de manera simultánea, el salario de las mujeres
manifestaría un incremento de 1.0272 soles por hora.
89
3.4 Interpretación económica
3.4.1 Análisis de la estimación
En el presente apartado se realiza un análisis de los resultados provenientes de las distintas

estimaciones y pruebas realizadas previamente. Se inicia con una explicación de los
coeficientes obtenidos en la función de salarios Mincer luego de aplicar la corrección de
Heckman (1977) y la descomposición Oaxaca Mincer. Posteriomente, y a partir de las
ecuaciones planteadas se calcula el efecto de la eliminación de la discriminación salarial
en el ingreso per cápita, los niveles de pobreza y desigualdad del ingreso.
a) Funciones salariales de Mincer
Los resultados de las estimaciones demostraron que los coeficientes de la variable

escolaridad tuvieron el signo esperando en todos los años de análisis, esto es, la tasa de
rendimiento media de un año adicional de estudio fue positiva para la determinación del
salario ofrecido por el mercado laboral. Ello se cumplió para las regresiones realizadas
para ambos géneros.
Por otro lado, considerando la teoría de los perfiles de edad-ingresos, se observó

que a medida que se incrementa la experiencia laboral, los ingresos aumentaron; sin
embargo, cada año adicional de experiencia tuvo un retorno sobre los ingresos menor al
año anterior. En consecuencia, la estimación de la variable experiencia fue positiva,
mientras que su valor al cuadrado presentó signo negativo.
Adicionalmente, analizando el valor de las constantes halladas se obtuvo que el

piso salarial , entendido como el ingreso percibido por una persona sin nivel educativo ni
experiencia laboral (Heckman, Lochner, y Todd, 2003), es mayor en los hombres que en
las mujeres
b) Corrección del sesgo de selección
La inclusión de tres variables de control en las ecuaciones mincerianas para ambos

géneros en la corrección de selección de Heckman (1977) evita llegar a conclusiones
erróneas respecto al tamaño de la brecha calculada, así como su evolución en el periodo
estudiado. Los análisis de brechas salariales por género deben incluir el sesgo de selección
proveniente de la decisión endógena de participar en el mercado laboral (Rubli, 2012).
90
Los resultados de la corrección de Heckman (1977), en comparación a las
estimaciones iniciales, demuestran que la no inclusión de variables que influyan en la
probabilidad de ingresar al mercado del trabajo significaría una subestimación de los
coeficientes de escolaridad y experiencia, los que conllevan a una estimación sesgada del
ingreso individual (Rubli, 2012). En consecuencia, una comparación de salarios entre
géneros sin corregir el sesgo de selección es errónea, ya que conlleva a que la brecha
parezca mayor o menor a su tamaño real. En las estimaciones realizadas en el presente
estudio, la brecha salarial por género sin corrección de Heckman (1977) resultó un 10%
menor a lo posteriormente calculado.
c) Descomposición Oaxaca - Blinder
Luego de realizar la corrección de Heckman (1977) es viable la aplicación del método de

descomposición de Oaxaca Blinder (1973). La descomposición Oaxaca Blinder es un
método estadístico que explica la diferencia de medias de una variable dependiente entre
dos grupos (por ejemplo, hombres y mujeres). Además, divide la brecha hallada en dos
grupos: componente explicado y componente no explicado (Buehren et al., 2019).
En el presente estudio se buscó determinar las diferencias salariales si los hombres

y las mujeres tuvieran los mismos retornos provenientes de sus características
individuales. Las estimaciones concluyen que el valor de la brecha de género salarial en
la muestra analizada tiene un valor de 31%. En consecuencia, los hombres estarían
percibiendo en promedio un tercio más de ingresos provenientes del trabajo que las
mujeres.
En adición, los resultados arrojan que las variables escolaridad y nivel de

experiencia laboral tienen un mayor efecto positivo en la determinación del salario
masculino que el femenino. Mientras que para las mujeres un año adicional de escolaridad
representa un incremento de 5.6% en el salario por hora, para los hombres ello representa
un 6.7%. Del mismo modo, un aumento de un año en la experiencia laboral significa 5.2%
más de salarios por hora para las mujeres, mientras que para los hombres el incremento
es de 6.2%. Inclusive, el efecto de rendimientos decreciente de los años de experiencia
laboral para las mujeres es mayor que para los hombres, siendo de 0.07% frente a un
0.06% respectivamente. Considerando los distintos efectos que poseen las variables
escolaridad y nivel de experiencia laboral en el salario que perciben los individuos de la
91
muestra en análisis, la diferencia entre hombres y mujeres no alcanza un valor que pueda
explicar la brecha salarial de género calculada posteriormente.
d) Efectos de la eliminación de la discriminación salarial en el ingreso per cápita
Para el cálculo del efecto de la eliminación de la discriminación se plantearon dos

escenarios para el análisis. El primero (Escenario 1) consistió en un mercado laboral
donde existe discriminación salarial en contra de las mujeres. Ello significa que las
características que determinan el ingreso percibido proveniente del trabajo no afectan en
igual medida a los hombres y mujeres. Por otro lado, se planteó el segundo caso
(Escenario 2), en el que se suprime el efecto de la discriminación para hallar un nuevo
ingreso promedio en la totalidad de la muestra.
A partir de las estimaciones realizadas con las observaciones de las encuestas

ENAHO 2011 al 2015, se pudo obtener el ingreso promedio de los individuos incluidos
en la muestra para los años de estudio. Se tuvo en consideración solo a aquellos
trabajadores empleados (se excluye empleadores, independientes, no remunerados, etc.)
cuyo tipo de pago que reciben de su ocupación principal es sueldo o salario. Asimismo,
al observarse diferente periodicidad de los ingresos, se convirtieron los resultados a
ingresos por hora a fin de obtener homogeneidad en los resultados. El ingreso por hora
resultó de emplear los coeficientes escolaridad, experiencia (y su componente cuadrático)
luego de aplicar la corrección de Heckman (1977) en la ecuación de Mincer (1974). Todo
ello constituye el Escenario 1.
Para el cálculo de los ingresos por hora correspondientes al Escenario 2 o

Escenario Estimado, se tomó como base la misma muestra analizada para el Escenario 1.
Sin embargo, para el cálculo de los ingresos por hora se realizó una variación para la
muestra de género femenino: se adicionó la brecha salarial hallada a partir de la
descomposición Oaxaca-Blinder (1973). De este modo, el ingreso por hora estimado
resulta del promedio de los ingresos masculinos y femeninos, eliminando el efecto
discriminatorio de la brecha salarial.
Los ingresos por hora (per cápita) de la población para los años de estudio 2011 –
2015, y correspondientes a los Escenarios 1 y 2, se encuentran representados en la Tabla
3.13. Se incluye, además, la variación porcentual anual y los resultados promedios de los
años de estudio.
92
Tabla 3.13
Ingresos por hora (per cápita) de la población en escenarios 1 y 2, Perú 2011 – 2015
Escenario 2
Año Escenario 1 Δ%
(Estimado)
2011 S/ 6.13 S/ 6.82 11%
2012 S/ 6.26 S/ 6.85 10%
2013 S/ 7.05 S/ 7.94 13%
2014 S/ 7.09 S/ 8.03 13%
2015 S/ 7.13 S/ 8.04 13%
Promedio S/ 6.73 S/ 7.53 12%
Elaboración propia
El ingreso per cápita para los individuos en el Escenario 1 es de S/6.73 por hora,
lo que equivale a un salario mensual de S/1,077 o S/12,924 anuales. Por otro lado, en el
Escenario 2, la media del ingreso para los individuos incrementa a un valor de S/7.53 por
hora, es decir, un salario mensual de S/1,205 o S/14,467 al año.
A nivel porcentual, se observa que el efecto de la eliminar la discriminación

salarial de género representa aproximadamente un aumento del 12% del ingreso per cápita
en el periodo 2011 – 2015.
A partir de los valores hallados se puede determinar cómo la discriminación tiene

influencia sobre dos indicadores sociales: la incidencia de pobreza monetaria y el
coeficiente de Gini.
e) Efectos de la eliminación de la discriminación salarial en los niveles de pobreza
Para el cálculo del efecto negativo de la discriminación sobre los niveles de pobreza se
procedió a realizar un ejercicio similar al anterior. Se plantearon dos escenarios y se
determinó el porcentaje de personas bajo la línea de pobreza en cada uno de ellos. La
diferencia entre los valores hallados representó en cuánto disminuyó la incidencia de la
pobreza monetaria al suprimir el efecto de la discriminación salarial de género en el
trabajo.
Se tuvo en cuenta que el INEI actualiza cada año los valores de la canasta básica
de bienes y servicios, así como la canasta alimentaria, debido al nivel de precios que estos
productos presentan anualmente y teniendo en cuenta las necesidades y preferencias de
93
la población. A partir de las mismas, el INEI determina las Líneas de Pobreza Monetaria
Total y Monetaria Extrema (ver Tabla 3.14):
Tabla 3.14
Evolución de las líneas de pobreza monetaria total y monetaria extrema, Perú 2011 -
2015
2011 2012 2013 2014 2015

Línea de Pobreza S/ 272 S/ 284 S/ 292 S/ 303 S/ 315
Línea de Pobreza
S/ 134 S/ 143 S/ 151 S/ 155 S/ 161
Extrema
En la Tabla 3.15 se observa el porcentaje de la población bajo la Línea de Pobreza

Monetaria Total en los Escenarios 1 y 2 para el periodo 2011 – 2015. Para su cálculo, se
transformaron los ingresos por hora (hallados en las estimaciones anteriores) a una
periodicidad mensual, de manera que permitió determinar la proporción de individuos
cuyos ingresos sean menores la Línea de Pobreza Monetaria Total.
Tabla 3.15
Población bajo la línea de pobreza monetaria total en escenarios 1 y 2, Perú 2011 –
2015
Escenario 2
Año Escenario 1 Variación
(Estimado)
2011 30.50% 25.70% -4.8%
2012 28.80% 24.10% -4.7%
2013 26.50% 23.50% -3.0%
2014 24.40% 20.40% -4.0%
2015 23.00% 18.30% -4.7%
Promedio 26.70% 22.40% -4.3%
Elaboración propia
En el Escenario 1, donde existe discriminación salarial de género, el porcentaje de

individuos que percibieron ingresos mensuales menores a la canasta básica de bienes y
servicios fue un 26.7% de la población. Al eliminar la brecha salarial de género
(Escenario 2), el porcentaje disminuyó a 22.40%. Por lo tanto, el porcentaje de personas
bajo la Línea de Pobreza Monetaria Total (esto es, la incidencia de la pobreza) se redujo
en promedio en un 4.3%.
94
De modo similar, se realizó el ejercicio para hallar el porcentaje de la población
bajo la Línea de Pobreza Monetaria Extrema, cuyos resultados se encuentran expresados
en la Tabla 3.16.
Tabla 3.16
Población bajo la línea de pobreza monetaria extrema en escenarios 1 y 2, Perú 2011 –
2015
Escenario 2
Año Escenario 1 Variación
(Estimado)
2011 7.30% 5.90% -1.4%
2012 7.00% 5.50% -1.5%
2013 5.70% 4.60% -1.1%
2014 5.30% 4.20% -1.1%
2015 5.10% 4.00% -1.1%
Promedio 6.08% 4.84% -1.2%
Elaboración propia
En el Escenario 1, el porcentaje de personas con ingresos menores al valor de una

canasta básica de alimentos fue un 6.08% de la población. En contraste, en el Escenario
2, los individuos bajo la Línea de Pobreza Extrema fueron un 4.84% del total. Por tanto,
al eliminar la discriminación de género en el ingreso que ofrece el mercado del trabajo,
la incidencia de pobreza monetaria extrema disminuyó en promedio en 1.2%.
Es válido resaltar la disminución en los niveles de pobreza en el periodo señalado;

lo cual ocurre en ambos escenarios. Sobre ello, Larrañaga y Rodríguez (2015) indican
que la reducción de la pobreza tendría su origen en el crecimiento económico sostenido
de gran parte de los países latinoamericanos en los últimos 20 años; sin embargo, ello no
habría tenido un papel fundamental en la determinación de menor desigualdad de los
ingresos.
f) Efectos de la eliminación de la discriminación salarial en los niveles de

desigualdad
Para la medición de los niveles de desigualdad en los ingresos se empleó el coeficiente

de Gini, el cual es un valor entre 0 (o 0%) y 1 (o 100%). Como se ha mencionado en el
primer capítulo, el valor de 0 corresponde a una perfecta igualdad (es decir, todos los
individuos perciben los mismos ingresos); por otro lado, el valor de 1 significa una
95
perfecta desigualdad, lo que representaría que una sola persona tenga el ingreso total de
un país y el resto no perciba ingresos (Ceriani y Verme, 2015).
De acuerdo con la ONU (ONU Mujeres, 2015) un coeficiente de Gini mayor a

0.40 tiene significancia social negativa porque representa una polarización entre
individuos de ingresos altos y bajos. Se debe tener en consideración que este índice no
divide a la población en rural y/o urbana, por tanto, al momento de realizar comparaciones
entre países con distinta estructura geográfica podría llegar a conclusiones erróneas.
Para el cálculo del coeficiente de Gini en los Escenarios 1 y 2, se empleó la

muestra analizada previamente para hallar los ingreso per cápita y los niveles de pobreza
monetaria. En la Tabla 3.17 se evidencian los resultados obtenidos para el periodo 2011
– 2015; en adición, se muestra la variación porcentual anual.
Tabla 3.17
Evolución del coeficiente de Gini en escenarios 1 y 2, Perú 2011 – 2015
Año Escenario 1 Escenario 2 Variación

2011 0.5761 0.4758 -0.1003
2012 0.5466 0.4790 -0.0676
2013 0.5240 0.4492 -0.0748
2014 0.5247 0.4615 -0.0632
2015 0.5148 0.4540 -0.0608
Promedio 0.5372 0.4639 -0.0733
Elaboración propia
Se evidencia que el coeficiente de Gini promedio para el periodo 2011 – 2015

tiene un valor de 0.5372 (o 53.72%) en el escenario con discriminación salarial de género.
Por otro lado, en un escenario libre de discriminación, el valor de coeficiente es en
promedio 0.4639 (46.39%). La supresión del fenómeno discriminatorio tiene un efecto
positivo en el coeficiente de Gini (y por tanto en la igualdad) de 0.07 puntos o de 7%.
Diversos estudios internacionales continúan planteando formas cómo reducir los

niveles de pobreza de los países, al mismo tiempo que se busca que esta reducción
concuerde con una menor desigualdad de los ingresos. Algunos de los estudios han
incorporado la perspectiva de género en sus mediciones de pobreza y desigualdad; es
decir, no solo se enfocan en proveer a los individuos de los bienes y servicios que
satisfagan sus necesidades básicas, sino que toman en cuenta cómo la pobreza afecta de
96
manera distinta a hombres y mujeres. Se ha planteado un concepto integral e de la
pobreza, el mismo que reconoce su multidimensionalidad y heterogeneidad (CEPAL,
2004). La mayoría de autores coincide en que es fundamental identificar qué factores
intervienen para que las mujeres se encuentren económicamente subordinadas.
Asimismo, se propone la incorporación de mediciones de pobreza no monetarias que
incluyan la medición del uso del tiempo y la violencia de género (Ndinda y Ndhlovu,
2018).
3.4.2 Análisis de sensibilidad
En el siguiente apartado se realizará un análisis de sensibilidad, basado en el resultado de

los cambios en las variables empleadas en la regresión: escolaridad y experiencia laboral,
sobre el salario percibido por hora. Para ello, se realizará una estandarización de variables
y se hallará la semielasticidad de las variables.
a) Coeficientes beta
Se conoce como coeficientes beta a aquellos correspondientes a una variable

estandarizada, la misma que se halla al restar su media y dividir entre su desviación
estándar. Los coeficientes beta permiten comparar el efecto de las variables
independientes no en términos de sus unidades originales, sino en unidades de desviación
estándar. De este modo, vuelve irrelevante la escala original de las variables y las coloca
en igualdad de condiciones para su comparación (Wooldridge, 2010).
En la Tabla 3.18 se muestran los resultados en la regresión analizada al

estandarizar los coeficientes para los datos correspondientes a la Encuesta Nacional de
Hogares del año 2015.
Los resultados indican que un aumento de la escolaridad es una desviación

estándar hace que los ingresos por hora aumenten en 0.068 desviaciones estándar;
mientras que un incremento de la experiencia laboral en una desviación estándar hace que
aumenten en 0.056. Se puede concluir que una variación relativa de la escolaridad tiene
mayor efecto sobre los ingresos que la experiencia laboral.
97
Tabla 3.18
Estandarización de coeficientes
Coeficiente
Variable Prueba t P-Valor
Beta
Escolaridad 72.067 0.000 0.068
Experiencia 43.983 0.000 0.056
Experiencia2 -30.223 0.000 -0.001
Constante 21.527 0.000 .
Elaboración propia
b) Semielasticidad de coeficientes
Cuando se emplean formas funcionales logarítmicas en las regresiones, la interpretación

de los coeficientes incluye los términos elasticidad y/o semielasticidad. Por ejemplo,
cuando la variable dependiente y las independientes presentan forma logarítmica, los
coeficientes de estas últimas se denominan elasticidad de “x” respecto a “y”. Ello implica
que por cada aumento en 1% de “x”, hay un incremento aproximado de β% en “y”
(Wooldridge, 2010). Para analizar la regresión empleada en el presente estudio,
tomaremos en cuenta los coeficientes hallados anteriormente, para el año 2015:
Tabla 3.19
Coeficientes robustos con corrección de Heckman
Coeficiente
Variable Prueba t P-Valor
(Robusto)
Escolaridad 58.39 0.00 0.053
Experiencia 39.41 0.00 0.046
Experiencia2 -25.33 0.00 -0.001
Constante 38.08 0.00 0.713
Elaboración propia
A partir de los resultados, cuando los años de escolaridad se incrementan en uno,

el ingreso por hora aumenta aproximadamente 5.3%, ello suele conocerse como la
semielasticidad del ingreso respecto al nivel de escolaridad. De manera similar, un
aumento de los años de experiencia laboral en uno, representa un incremento de 4.6% en
los ingresos percibidos por una hora de trabajo. Similar a los resultados presentados en el
98
inciso anterior, se puede concluir que los años de escolaridad tienen mayor efecto sobre
el ingreso que el grado de experiencia laboral.
Principales hallazgos
En síntesis, en el presente capítulo se explicó la metodología utilizada en el estudio

para comprobar que la discriminación salarial de género aumenta los niveles de pobreza
y desigualdad en el Perú. A partir de la Encuesta Nacional de Hogares se procedió a
modelar las variables, de modo que se obtuvo una aproximación de la ecuación
minceriana del salario. Basado en la literatura económica, se añadieron variables de
control como edad, residencia y estado civil.
A partir de la descomposición Oaxaca Blinder, se obtuvo una brecha salarial de

31%. En adición, se determinó que tanto los años de escolaridad y el nivel de experiencia
laboral afectan positivamente en mayor medida a los hombres: esto es, un año adicional
de educación y/o experiencia representa un mayor incremento en el salario de los hombres
que de las mujeres.
Finalmente, al eliminar el efecto discriminación en el salario, la incidencia de

pobreza se ve reducida en 4.3%, mientras que la desigualdad de los ingresos presenta una
disminución de 7.3% a nivel nacional.
99
CONCLUSIONES
 La predicción del salario por hora que percibe un hombre por su trabajo, en base
a las estimaciones realizadas en el periodo 2011-2015, es de 6.1231 soles por hora,
mientras que para las mujeres el salario por hora es 4.2161 soles: la brecha salarial tendría
entonces un valor de 1.4523 soles por hora. En consecuencia, porcentualmente, las
mujeres percibirían un 69% del sueldo que reciben los hombres por participar en el
mercado laboral, lo cual equivale a una brecha salarial por género de 31%. Para el cálculo
se tiene en cuenta además, el porcentaje de hombres y mujeres que no se encuentran
trabajando en el momento de realizar la encuesta pero que se encuentran buscando trabajo
activamente.
 En base a las estimaciones realizadas, considerando el vector de probabilidades

de que un individuo se encuentre o no en el mercado laboral, se concluye que el aumento
de un año en el nivel de escolaridad de la población (manteniendo constante el nivel de
experiencia laboral) incrementa el salario por hora proveniente del trabajo en un promedio
de 5.36%. De modo similar, un incremento de un año en el nivel de experiencia laboral
de la población (sin variar sus años de escolaridad) significa que el salario por hora
trabajada ascienda en un promedio de 4.59%. Se concluye entonces que la escolaridad es
un factor más significativo para la determinación del salario. Al dividir las observaciones
según el género, los porcentajes correspondientes a cada variable difieren: mientras que
un incremento en escolaridad representa un aumento del 6.7% del salario por hora para
los hombres, para las mujeres este porcentaje es de 5.6%; asimismo, para los años de
experiencia laboral, los hombres ven incrementado su salario por hora en 6.2% frente a
un 5.2% de las mujeres. A partir de ello, se concluye que ambas variables afectan
positivamente en mayor medida al salario por hora que perciben los hombres.
 Eliminando la discriminación salarial de género en el periodo de análisis se

obtiene un incremento en el ingreso per cápita, así como en los niveles de pobreza y
desigualdad. Por un lado, el ingreso por individuo se incrementa en aproximadamente un
12%; lo que significa un salario promedio por hora de S/6.73 frente a uno de S/7.53. Por
100
otro lado, la incidencia de la pobreza se vería reducida en 4.3% y las personas bajo la
línea de pobreza extrema en 1.24%. Finalmente el nivel de desigualdad en el país, medido
a través del coeficiente de Gini, presenta una reducción del 7.3%.
 En conclusión, la brecha salarial de género para el periodo 2011-2015 entre los

trabajadores asalariados y dependientes en el Perú es de un 31%. Se obtuvo además que
las variables nivel de escolaridad y años de experiencia laboral tienen un efecto positivo
mayor en la determinación del salario por hora para el género masculino que el femenino.
Finalmente, al eliminar la brecha salarial se logra un incremento del ingreso per cápita en
un 12%; en adición, se logra disminuir la pobreza, pobreza extrema y desigualdad en los
ingresos en un 4.3%, 1.24% y 7.3% respectivamente.
101
RECOMENDACIONES
 Con la finalidad de reducir y/o impedir el crecimiento de la brecha de género

salarial, se recomienda que mediante la Superintendencia Nacional de Fiscalización
Laboral (Sunafil) y las gerencias regionales de trabajo se fiscalice el cumplimiento de la
Ley N° 30709 que Prohíbe la Discriminación Remunerativa entre Hombres y Mujeres,
acorde con el mandato constitucional de igualdad de oportunidades sin discriminación en
el entorno laboral, establecido en la ley N° 28983. Ello incluye que los empleadores
tengan por obligación informar a sus colaboradores la política salarial del centro de
trabajo. La Sunafil, además se comunicar la sanción monetaria por incumplimiento de la
mencionada ley, debe informar a las empresas acerca los factores de control necesarios
para su cumplimiento. En adición, se recomienda indicar a las organizaciones y/o
instituciones los beneficios externos (a nivel competitivo) e internos (a nivel de empresa)
que su cumplimiento conlleva, tales como el reconocimiento de la marca empleadora así
como la promoción de una gestión transparente.
 A fin de suprimir las diferencias que presentan las mujeres respecto a cómo influye
su grado de instrucción y su experiencia en el trabajo para determinar su salario, se
recomienda que el Ministerio de Educación continúe implementando en el Plan Educativo
Anual el Enfoque de Igualdad de Género, donde subraye la importancia de igualdad de
acceso a la educación entre hombres y mujeres, así como igualdad de oportunidades para
la obtención de un empleo. Por ello, se debe concientizar a alumnos, padres, profesores y
directores educativos acerca de cómo el salario que perciban los individuos de un país
debe ser en base a habilidades y méritos, y sin discriminación por motivo género. Se debe
promover la transformación del país en uno donde no se subordine a las mujeres sino que
se les brinde todas las oportunidades y derechos para que se desarrolle plenamente a nivel
educativo y en el mercado del trabajo, garantizando la posibilidad de realizar la vida que
deseen.
 La Política Nacional de Igualdad de Género, además de reiterar el compromiso

del país para suprimir la violencia y la discriminación contra la mujer, debe considerar
102
cómo la brecha de género tiene un impacto en los niveles de pobreza y los índices de
desigualdad del país, especialmente en aquellas mujeres que viven en situación de
carencia extrema y sufren mayor discriminación. De este modo, se debe considerar que
los planes nacionales y otros instrumentos de política pública para garantizar la igualdad
de oportunidades educativas y laborales para las mujeres tendrían como beneficiarios no
solo al género femenino, sino al país en conjunto.
 En síntesis, acorde a la Ley N° 30709 se debe comunicar a la organizaciones e

instituciones los factores de control para su cumplimiento, así como sus beneficios y
potenciales sanciones. En adición a ello, el enfoque de igualdad de género en el plan
educativo, a cargo del MINEDU, debe recalcar la importancia del igual acceso a la
educación de ambos géneros, sumado a la igualdad de oportunidades en el empleo.
Finalmente, en la Política Nacional de Igualdad de Género, se recomienda hacer énfasis
en el efecto negativo de la brecha salarial para los niveles de ingreso, pobreza y
desigualdad del país.
103
REFERENCIAS
Anderson, J. (1998). Formas de la pobreza y estrategias municipales. Género y pobreza.

Nuevas dimensiones, 26, 1-20.
Arriagada, I. (2005). Dimensiones de la pobreza y políticas desde una perspectiva de

género. Revista de la CEPAL, 85, 101 - 113. Recuperado de
http://hdl.handle.net/11362/37486
Banco Interamericano de Desarrollo. (s.f). Índice de mejores trabajos. Recuperado de

http://mejorestrabajos.iadb.org/es/indice
Baquero, J., Guataqui, J., y Sarmiento, L. (2000). Un Marco Analítico de la

Discriminación Laboral. Teorías, modalidades y estudios para Colombia.
Borradores de Investigación, 8, 1-31.
Bardasi, E., y Wodon, Q. (2006). Measuring Time Poverty and Analyzing its
Determinants: Concepts and Application to Guinea. Economics Bulletin, 10(12),
1-7.
Bareiro, L. (2018). Entre la igualdad legal y la discriminación de hecho. Santiago:

Comisión Económica para América Latina y el Caribe. Recuperado de
http://hdl.handle.net/11362/43220
Becker, G. (1964). Human Capital: A Theoretical and Empirical Analysis with Special
Reference to Education. New York: The National Bureau of Economic Research
Becker, G. (1985). Human Capital, Effort, and the Sexual Division of Labor. Journal of
Labor Economics, 3(1), 33-58. Recuperado de
http://www.jstor.org/stable/i323118
Becker, G., Murphy, K., y Tamura R. (1990). Human Capital, Fertility, and Economic
Growth. Journal of Political Economy, 98(5), 12-36. Recuperado de
104
Ben Yahmed, S. (2016). Formal but less equal: Gender wage gaps in formal and informal
jobs in Brazil. ZEW Discussion Papers, 16, 73-87.
http://dx.doi.org/10.1016/j.worlddev.2017.08.012
Blau, F., y Kahn, L. M. (2016). The Gender Wage Gap: Extent, Trends, and Explanations.
Journal of Economic Literature, 55(3), 789-865.
http://dx.doi.org/10.3386/w21913
Blinder, A. (1973). Wage Discrimination: Reduced Form and Structural Estimates. The
Journal of Human Resources, 8(4), 436-455. http://dx.doi.org/ 10.2307/144855
Bravo, R. (2000). Pobreza y desigualdad de género: una propuesta para el diseño de

indicadores. Sexto Taller Regional sobre Indicadores sobre el Desarrollo Social
- CEPAL, 253-291. Recuperado de http://hdl.handle.net/11362/20000
Brynin, M. (2017). The gender pay gap. Manchester: Equality and Human Rights
Commission.
Buehren, N., Goldstein, M., Gonzalez, P., Hailemicheal, A., Kirkwood, D., Paskov, P.,
Poulin, M., Raja, C., Tarter, A. (2019). Ethiopia Gender Diagnostic Report :
Priorities for Promoting Equity. Washington, D.C.: World Bank Group.
Cardoso, A., Guimaraes, P., y Portugal, P. (2016). What drives the gender wage gap? A
look at the role of firm and job-title hjeterogeneity. Oxford Economic Papers,
68(2), 506–524. http://dx.doi.org/10.1093/oep/gpv069
Ceriani, L., y Verme, P. (2015). Individual diversity and the Gini decomposition. Social
Indicators Research, 121(3), 637-646. http://dx.doi.org/10.1007/s11205-014-
0656-0
Céspedes, N. (2005). Efectos del salario mínimo en el mercado laboral. Lima: Banco
Central de Reserva del Perú.
Céspedes, N., Lavado, P., y Ramírez, N. (2016). Productividad en el Perú: Medición,

determinantes e implicancias. Lima: Universidad del Pacífico.
105
Chapman, S. J., y Benis, N. (2017). Ceteris non paribus: The intersectionality of gender,
race, and region in the gender wage gap. Women's Studies International Forum,
65, 78-86. http://dx.doi.org/10.1016/j.wsif.2017.10.001
Comisión Económica para América Latina y el Caribe. (2004). Entender la pobreza desde
la perspectiva de género. Santiago: Serie Mujer y Desarrollo, CEPAL.
Comisión Económica para América Latina y el Caribe. (2017). Anuario Estadístico de

América Latina y el Caribe. Santiago: División de Estadísticas, CEPAL.
Comisión Económica para América Latina y el Caribe. (2017). Planes de igualdad de

género en América Latina y el Caribe - Mapas de ruta para el desarrollo.
Santiago de Chile: Observatorio de Igualdad de Género en América Latina y el
Caribe, CEPAL.
Comisión Económica para América Latina y el Caribe. (2018). Panorama Social de

América Latina. Santiago: Comisión Económica para América Latina y el Caribe,
CEPAL
Conde-Ruiz, I., y Marra de Artiñano, I. (2016). Brechas Salariales de Género en España.

FEDEA Estudios de Economía Española, 6, 1- 27.
Figuereido, H., Rocha, V., Biscacia, R., y Teixeria, P. (2015). Gender pay gaps and the
restructuring of graduate labour markets is Southern Europe. Cambridge Journal
of Economics, 39(2), 565 - 598. http://dx.doi.org/10.1093/cje/bev008
Foster, J., Greer, J., Thorbecke, E. (1984). A Class of Decomposable Poverty Measures.
Econometrica, 52(3), 761-766. http://dx.doi.org/10.2307/1913475
Fuentes, J., Palma, A. y Montero, R. (2005). Discriminación salarial por género en Chile:
una mirada global. Estudios de Economía, 32(2), 133-157. Recuperado de
http://repositorio.uchile.cl/handle/2250/127768
Galarza, F., Kogan, L., y Yamada, G. (2011). ¿Existe discriminación en el mercado

laboral limeño? Un análisis experimental. Lima: Centro de Investigación de la
Universidad del Pacífico. Recuperado de http://hdl.handle.net/11354/375
106
Gobierno de la República del Perú. (2017). Informe Nacional Voluntario sobre la
Implementación de la Agenda 2030 para el Desarrollo Sostenible. Lima: Centro
Nacional de Planteamiento Estratégico (CEPLAN).
Gómez, R., Huapaya, M., Rojas, J., y Salinas, E. (2017). Diferencia salarial por género
en ejecutivos peruanos en Lima Metropolitana (tesis de maestría). Recuperado de
http://tesis.pucp.edu.pe/repositorio/handle/20.500.12404/8100
Griliches, Z. (1977). Estimating the Returns to Schooling: Some Econometric Problems.

Econometrica, 45(1), 1-22. http://dx.doi.org/10.1093/cje/bev008
Guadalupe, C., León, J., Rodriguez, J., y Vargas, S. (2017). Estado de la Educación en el
Perú. Análisis y perspectivas de la educación básica. Lima: FORGE
Hausman, J. (1978). Specification Tests in Econometrics. Econometrica, 46(6), 1251-

1271. http://dx.doi.org/10.2307/1913827
Heckman, J. (1977). Sample Bias As A Specification Error. Econométrica, 47(1), 153-

162. http://dx.doi.org/10.2307/1912352
Heckman, J., Lochner, L., y Todd, P. (2003). Regressions, Fifty Years of Mincer
Earnings. National Bureau of Economic Research, 9732, 1-73. http://dx.doi.org/1
0.3386/w9732
Heintz, J., Razavi, S., Seck, P., Staab S., y Turquet L. (2015). El progreso de las mujeres
en el mundo 2015–2016: Transformar las economías para realizar los derechos.
New York: ONU Mujeres
Horbarth, J., y Gracia, A. (2014). Discriminación laboral y vulnerabilidad de las mujeres

frente a la crisis mundial en México. Economía, Sociedad y Territorio, 14(45),
465-495.
Instituto Nacional de Estadística e Informática. (2000). Metodología para el Cálculo de

los Niveles de Empleo. Metodologías Estadísticas, 4, 1–9.
Instituto Nacional de Estadística e Informática. (2011). ENDES Continua 2010 -

Principales Resultados. Lima: Instituto Nacional de Estadística e Informática.
107
Instituto Nacional de Estadística e Informática. (2011). Estadísticas con enfoque de
género. Lima: Instituto Nacional de Estadística e Informática.
Instituto Nacional de Estadística e Informática. (2014). Evolución de los Indicadores de

Empleo e Ingresos por Departamento, 2004 - 2013. Lima: Instituto Nacional de
Estadística e Informática.
Instituto Nacional de Estadística e Informática. (2015). Encuesta Nacional de Hogares

2011 – 2015. Lima: Instituto Nacional de Estadística e Informática.
Instituto Nacional de Estadística e Informática. (2016). Evolución de la Pobreza

Monetaria 2009 - 2015. Lima: Instituto Nacional de Estadística e Informática.
Instituto Nacional de Estadística e Informática. (2017). Evolución de la Pobreza

Monetaria 2007 - 2016. Lima: Instituto Nacional de Estadística e Informática.
Instituto Nacional de Estadística e Informática. (2017). Perú, Brechas de Género 2017.

Lima: Instituto Nacional de Estadística e Informática.
Instituto Nacional de Estadística e Informática. (24 de abril de 2018). Pobreza monetaria

afectó al 21.7% de la población del país durante el año 2017. Recuperado de
https://www.inei.gob.pe/media/MenuRecursivo/noticias/nota-de-prensa-n-063-
2018-inei.pdf
Juhn, C., Murphy K., Pierce B. (1993). Wage Inequality and the Rise in Returns to Skill.
Journal of Political Economy, 101(3), 410-442. Recuperado de
Larrañaga, O., y Rodríguez, M. (2015). Desigualdad de Ingresos y Pobreza en Chile 1990

a 2013. Santiago: Programa de las Naciones Unidas para el Desarrollo.
Lavado, P., Velarde, L., y Yamada, G. (2014). Cognitive and Sociemotional Skills and
Wages: The role of latent abilities on the gender wage gap in Peru. Lima: Centro
de Investigación de la Universidad del Pacífico
108
Lee, J.W., y Wie, D. (2017). Wage Structure and Gender Earnings Differentials in China
and India. World Development, 97, 313-329.
http://dx.doi.org/10.1016/j.worlddev.2017.04.016
Lemieux, T. (2006). The “Mincer Equation” Thirty Years After Schooling, Experience,
and Earnings. Center for Labor Economics University of California Working
Paper, 62, 127-145. http://dx.doi.org/10.1007/0-387-29175-X_11
Leythienne, D., y Ronkowski, P. (2018). A decomposition of the unadjusted gender pay

gap using Structure of Earnings Survey data. Luxemburgo: Unión Europea
Macera, D. (16 de abril del 2018). Desigualdad: ¿Cuál es la situación en el Perú? El

Comercio. Recuperado de https://elcomercio.pe/economia/dia-1/desigualdad-
situacion-peru-noticia-512568
Mankiw, N. (2012). Principios de economía (6.a ed.). México D.F.: Cengage Learning.
Mincer, J. (1958). Investment in Human Capital and Personal Income Distribution. The
Journal of Political Economics, 66(4), 281-302. Recuperado de
https://www.jstor.org/stable/i304778
Mincer, J. (1974). Schooling, Experience and Earnings. New York: National Bureau of
Economic Research.
Ministerio de Economía y Finanzas. (s.f.). Glosario del Presupuesto Público. Recuperado

de https://www.mef.gob.pe/es/glosario-sp-5902
Ministerio de Educación. (2016). Currículo Nacional de la Educación Básica. Lima:

Ministerio de Educación.
Ministerio de Educación. (2016). Edudatos N° 24: Deserción escolar: evolución, causas

y relación con la tasa de conclusión de educación básica. Recuperado de
https://escale.minedu.gob.pe/documents/10156/5232292/Edudatos+24+agosto+2
016.pdf
109
Ministerio de la Mujer y Poblaciones Vulnerables. (2011). Elecciones Regionales y
Municipales 2010 - Cumplimiento de Cuotas Electorales. Lima: Ministerio de la
Mujer y Poblaciones Vulnerables.
Ministerio de la Mujer y Poblaciones Vulnerables. (2014). Plan Nacional de Igualdad de

Género 2012 - 2017. Lima: Ministerio de la Mujer y Poblaciones Vulnerables.
Naciones Unidas. (2019). La Agenda 2030 y los Objetivos del Desarrollo Sostenible: una
oportunidad para América Latina y el Caribe. Santiago: Naciones Unidas.
Ndinda, C., y Ndhlovu, T. ( 2018). Gender, Poverty and Inequality: Exploration from a
Transformative Perspective. Journal of International Women's Studies, 19(5), 1-
12. Recuperado de http://vc.bridgew.edu/jiws/vol19/iss5/1
Newton, J., y Cox, N. (2007). Maximum likelihood and two-step estimation of an

ordered-probit selection model. The Stata Journal, 7(2), 167-182.
http://dx.doi.org/10.1177/1536867X0700700202
Newton, J., y Cox, N. (2008). The Blinder–Oaxaca decomposition for linear regression
models. The Stata Journal, 8(4), 453-479.
http://dx.doi.org/10.1177/1536867X0800800401
Nicholson, W. (2008). Teoría Microeconómica. Principios básicos y ampliaciones (9.a

ed.). México D.F.: Cengage Learning.
Novella, R., Rucci, G., y Vazquez, C. (2015). Porque no quiero o porque no puedo
¿Cuánto no sabemos del trabajo femenino en Chile? Santiago de Chile: Banco
Interamericano de Desarrollo.
Ñopo, H. (2018). Análisis de la Inversión Educativa en el Perú desde una mirada

comparada. Lima: FORGE
Oaxaca, R. (1973). Male-Female Wage Differentials in Urban Labor Markets.

International Economic Review, 14(3), 693–709.
http://dx.doi.org/10.2307/2525981
110
Oaxaca, R. L., y M. Ransom. (1998). Calculation of approximate variances for wage
decomposition differentials. Journal of Economic and Social Measurement, 24(1),
55–61. http://dx.doi.org/10.3233/JEM-1998-0143
ONU Mujeres (2011). Convención sobre la Eliminación de todas las Formas de

Discriminación contra la Mujer, CEDAW. México, D.F.: ONU Mujeres
ONU Mujeres. (2015). Desigualdad y género en América Latina y el Caribe. La Paz:

Organización de las Naciones Unidas
Organización Internacional del Trabajo. (s.f.). Tesauro de la OIT. Recuperado de

http://ilo.multites.net/defaultes.asp
Organización Internacional del Trabajo. (2003). La hora de la igualdad en el trabajo.

Ginebra: Organización Internacional del Trabajo
Organización Internacional del Trabajo. (2014). Informe Mundial sobre Salarios.

Ginebra: Oficina Internacional del Trabajo.
Organización Internacional del Trabajo. (2015). Panorama Laboral 2015 América Latina
y el Caribe. Lima: Oficina Regional de la OIT para América Latina y el Caribe.
Organización Internacional del Trabajo. (2016). Las mujeres en el trabajo. Ginebra:

Organización Internacional del Trabajo
Organización Internacional del Trabajo. (2016). Panorama Temático Laboral. Trabajar

en el campo en el siglo XXI: Realidad y perspectivas del empleo rural en América
Latina y el Caribe. Ginebra: Organización Internacional del Trabajo
Organización Internacional del Trabajo. (2017). Hacia un futuro mejor para las mujeres
en el trabajo: la opinión de las mujeres y de los hombres. Ginebra, Suiza:
Organización Internacional del Trabajo
Organización Internacional del Trabajo. (2019). La iniciativa relativa a las mujeres en el

trabajo: Impulso en favor de la igualdad. Ginebra: Organización Internacional
del Trabajo.
111
Organización para la Cooperación y el Desarrollo Económico. (s.f.). OECD Data -
Gender wage gap. Recuperado de https://data.oecd.org/earnwage/gender-wage-
gap.htm
Organización para la Cooperación y el Desarrollo Económico. (2016). Avanzando hacia

una mejor educación para el Perú. Lima: Centro de Desarrollo de la OCDE.
Organización para la Cooperación y el Desarrollo Económico. (2018). OECD

Employment Outlook 2018. Paris: OECD Publications
Orhan, K. (2006). Occupational gender wage discrimination in Turkey. Journal of

Economic Studies, 33, 130 – 143. http://dx.doi.org/10.1108/01443580610666082
Parkin, M., Lora, E. (2010). Microeconomía. Versión para Latinoamérica (9.ª ed.)
México D.F.: Pearson Education.
Parodi, S., Ramírez, I., y Thompson, J. (2017). Tasas de retorno de la inversión en

República Dominicana (2000 - 2015). Washington, D.C.: Banco Interamericano
de Desarrollo.
Pastore, F., Sattar, S., Sinha, N., Tiongson, E. (2016). When do gender wage differences
emerge? a study of Azerbaijan's labor market. Washington, D.C.: World Bank
Group.
Programa de las Naciones Unidas para el Desarrollo. (2016). Human Development Report
2016. New York: United Nations Development Programme.
Programa de las Naciones Unidas para el Desarrollo. (2019). Gender Inequality Index
(GII). Recuperado de http://hdr.undp.org/en/content/gender-inequality-index-gii
Programa de las Naciones Unidas para el Desarrollo. (2019). Inequality-adjusted Human

Development Index (IHDI). Recuperado de
http://hdr.undp.org/en/content/inequality-adjusted-human-development-index-
ihdi
112
Ramsey, J. (1969). Tests for Specification Errors in Classical Linear Least Squares
Regression Analysis. Journal of the Royal Statistical Society, 31(2), 350-371.
Recuperado de https://www.jstor.org/stable/2984219
Rodriguez-Chamussy, L., Sinha, N., y Atencio, A. (2018). The economics of the gender
wage gap in Armenia. Washington, D.C.: World Bank Group.
Rodríguez-Perez, R., y Castro-Lugo, D. (2014). Discriminación salarial de la mujer en el

mercado laboral de México y sus regiones. Economía, Sociedad y Territorio,
14(46), 655 - 686. http://dx.doi.org/10.22136/est002014392
Rubli, A. (2012). La importancia de corregir por el sesgo de selección en el análisis de

las brechas salariales por género: un estudio para Argentina, Brasil y México.
Ensayos Revista de Economía, 31(2), 1-36.
Santos Simäo , R., y Monsueto, S. (2008). Impactos de la discriminación por género sobre
la pobreza brasileña. Revista de la CEPAL, 95, 141 - 155. Recuperado de
https://econpapers.repec.org/RePEc:ecr:col070:11257
Schäfer, A., y Gottschall, K. (2015). From wage regulation to wage gap: how wage-
setting institutions and structures shape the gender wage gap across three
industries in 24 European countries and Germany. Cambrigde Journal of
Economics, 39(2), 467-496. http://dx.doi.org/10.1093/cje/bev005
Schultz, T. (1961). Investment in Human Capital. The American Economic Review, 51(1),
1-17. Recuperado de http://www.jstor.org/stable/1818907
Schulze, U. (2015). The gender wage gap among PhDs in the UK. Cambrigde Journal of
Economics, 39(2), 599-629. http://dx.doi.org/10.1093/cje/bev001
Stiglitz, J. (1973). Approaches to the Economics of Discrimination. The American

Economic Review, 63(2), 287-295. Recuperado de
https://www.jstor.org/stable/1817088
Udo, E., y Moyes, P. (2002). A Simple Axiomatization of the Foster, Greer and
Thorbecke Poverty Orderings. Journal of Public Economic Theory, 4(4), 455-473.
http://dx.doi.org/10.1111/1097-3923.00105
113
UN Women. (2018). Turning promises into action: Gender equality in the 2030 Agenda
for Sustainable Development. New York: UN Women.
University of Oxford. (2017). Oxford Poverty and Human Development Initiative, ODID.
Oxford: Oxford Department of International Development.
Wooldridge, J. (2010). Introducción a la econometría: Un enfoque moderno (5.a ed.).

México, D.F.: Cengage Learning.
World Bank. (s.f.) Datos del Banco Mundial. Recuperado de

https://datos.bancomundial.org/
World Bank. (2014). Introduction to poverty analysis. Washington, D.C.: World Bank
Group.
World Bank. (2019). Women, Business and the Law 2019: A Decade of Reform.
Washington, D.C.: World Bank Group
World Economic Forum. (2016). Shaping the Future of Education, Gender and Work.
Suiza: World Economic Forum
World Economic Forum. (2016). The Global Gender Gap Report 2016. Suiza: World
Economic Forum.
World Economic Forum. (2018). The Global Gender Gap Report 2018. Suiza: World
Economic Forum.
114
BIBLIOGRAFÍA
Calónico, S., Ñopo, H. (2008). Gender Segregation in the Workplace and Wage Gaps:
Evidence from Urban Mexico 1994-2004. IDB Working Paper, 636, 1-23.
http://dx.doi.org/10.1108/S1049-2585(2009)0000017015
Chong, A., Moro, A., y Ñopo, H. (2010). Discrimination in Latin America. An Economic
Perspective. Washington, D.C.: World Bank.
Gonzales, C., Jain-Chandra, S., Kochhar, K., Newiak, M., y Zeinullayev, T. (2015).
Catalyst for Change: Empowering Women and Tackling Income Inequality.
Washington, D.C.: International Monetary Fund
Ñopo, H. (2009). The Gender Wage Gap in Peru 1986-2000: Evidence from a Matching
Comparisons Approach. IDB Working Paper, 562, 1-32.
http://dx.doi.org/10.2139/ssrn.1821913
Ñopo, H. (2012). New century, Old Disparities: Gender and Ethnic Earnings Gaps in
Latin America and The Caribbean. Washington, D.C.: World Bank.
115
ANEXOS
116
Anexo 1:Estimación MCO para datos tipo panel, 2011 - 2015
(mujeres)
Anexo 2:Estimación MCO para datos tipo panel, 2011 - 2015

(hombres)
Estimación MCO con corrección de heterocedasticidad (2015)
117
Anexo 3:Estimación MCO con corrección de
heterocedasticidad, 2011
Anexo 4:Estimación MCO con modelo de selección de

Heckman, 2011
118
Anexo 5:Descomposición Oaxaca – Blinder con modelo de
selección muestral en escala logarítmica, 2011

119
Anexo 7:Estimación MCO con corrección de
Anexo 8: Estimación MCO con modelo de selección de

Heckman, 2012
120
Anexo 9: Descomposición Oaxaca – Blinder con modelo de

selección muestral en escala no logarítmica, 2012
121
Anexo 11: Estimación MCO con corrección de

Heckman, 2013
122

123

Heckman, 2014
124

125

Heckman, 2015
126

127

Coronado Reyes Eliana Carolina

Cargado por

Copyright:

Formatos disponibles

Coronado Reyes Eliana Carolina

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Coronado Reyes Eliana Carolina

Cargado por

Copyright:

Formatos disponibles

Universidad de Lima

Facultad de Ciencias Empresariales y Económicas

Eliana Carolina Coronado Reyes

Ricardo Manuel Padilla Casaverde

Octubre del 2019

CAPÍTULO I: MARCO TEÓRICO ...................................................................................4

1.1 Revisión de la literatura .......................................................................... 4

1.2 Mercado del trabajo ................................................................................ 6

1.2.1 Demanda y oferta del trabajo .................................................................. 6

1.2.2 Estructura del mercado del trabajo ......................................................... 7

1.2.3 Discriminación en el mercado del trabajo .............................................. 9

1.2.4 Tipos de discriminación por género ....................................................... 13

1.3 Teorías sobre el capital humano ............................................................. 15

1.3.1 Inversión en capital humano: Theodore W. Schultz ............................... 15

1.3.2 El capital humano y la inversión en educación: Gary Becker ................ 15

1.3.3 Función de ingresos: Jacob Mincer ........................................................ 16

1.4 Pobreza y desigualdad ............................................................................ 18

1.4.1 Indicadores de pobreza monetaria .......................................................... 18

1.4.2 Indicadores de desigualdad en los ingresos ............................................ 20

1.4.3 Relación entre género, pobreza y desigualdad ....................................... 21

CAPÍTULO II: LA BRECHA DE GÉNERO EN EL PERÚ .........................................24

2.1 Revisión de la literatura empírica ........................................................... 25

2.2 Contexto global ....................................................................................... 27

2.2.1 Principales indicadores de género .......................................................... 27

2.2.2 Contexto institucional ............................................................................. 33

2.3 Perú: género, pobreza y desigualdad ...................................................... 37

2.3.1 Políticas para la igualdad de género ....................................................... 37

2.3.2 Perú: pobreza y desigualdad ................................................................... 41

2.4 Perú: educación, empleo, ingresos.......................................................... 48

2.4.1 Educación: clave para la igualdad de género .......................................... 48

2.4.2 Empleo e ingresos: autonomía económica de la mujer .......................... 52

2.5 Relación entre educación, experiencia laboral, ingresos, pobreza y

2.5.1 Educación y experiencia laboral: determinantes del ingreso .................. 57

2.5.2 Ingresos, pobreza y desigualdad ............................................................. 60

2.6 Análisis estadístico de las variables ........................................................ 60

CAPÍTULO III: EFECTO DE LA DISCRIMINACIÓN SALARIAL DE GÉNERO

3.1 Metodología ............................................................................................ 68

3.1.1 Fuente ..................................................................................................... 68

3.1.2 Especificación de variables..................................................................... 68

3.1.3 Técnica de estimación............................................................................. 72

3.1.4 Cálculo del efecto sobre la pobreza ........................................................ 73

3.1.5 Cálculo del efecto sobre la desigualdad.................................................. 73

3.2 Especificación del modelo ...................................................................... 74

3.2.1 Función de salario de Mincer ................................................................. 74

3.2.2 Corrección por sesgo de selección .......................................................... 75

3.2.3 Descomposición Oaxaca – Blinder ......................................................... 76

3.2.4 Cálculo de brecha salarial de género: enfoques ...................................... 77

3.3 Presentación de resultados ...................................................................... 79

3.3.2 Funciones de salario en base a datos tipo panel ..................................... 83

3.3.3 Funciones de salario corregidas por sesgo de selección ......................... 85

3.3.4 Aplicación de la descomposición de Oaxaca – Blinder.......................... 87

3.4 Interpretación económica........................................................................ 90

3.4.1 Análisis de la estimación ........................................................................ 90

3.4.2 Análisis de sensibilidad .......................................................................... 97

Tabla 2.1 Indicadores del índice mujeres, empresa y derecho ........................................................... 28

Tabla 2.2 Metas del objetivo 5 de desarrollo sostenible ..................................................................... 34

Tabla 2.3 Planes de igualdad de América Latina, 2013 - 2019.......................................................... 37

Tabla 2.4 Dimensiones e indicadores del índice de pobreza multidimensional............................... 41

Tabla 2.6 Estadística descriptiva - salario por hora (S/) ...................................................................... 61