Determinantes de La Brecha Salarial Por Género en El

TESIS UNITRU Biblioteca Digital.
Dirección de Sistemas de Informática y Comunicación - UNT
UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE CIENCIAS ECONÓMICAS
ESCUELA PROFESIONAL DE ECONOMÍA
Determinantes de la brecha salarial por género en el

Perú urbano y rural, 2019-2020
TESIS
Para obtener el Título Profesional de:
ECONOMISTA
Rodas Ramírez, Angela Patricia

Bachiller en Ciencias Económicas
Asesor: Dr. Aguilar Delgado, José Luis
Trujillo – Perú
2023
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comecial-Compartir bajo la misma
licencia 2.5 Perú. Para ver una copia de dicha licencia, visite http://creativecommons.org/licenses/by-nc-sa/2.5/pe/
TESIS UNITRU Biblioteca Digital. Dirección de Sistemas de Informática y Comunicación - UNT
DEDICATORIA
A mi madre, quien es mi fortaleza.

A mi padre, quien es mi inspiración.
A la memoria de mi abuelito Ángel.
A mis hermanas, mis maestras de vida.
A mis abuelitas, ejemplos de responsabilidad.
A Carlos, quien es mi felicidad y paz.
AGRADECIMIENTO
A mi familia, por su amor incondicional, especialmente a mi padre, cuyo recuerdo me

empuja a seguir adelante y a mi abuelito José Ángel, quien me inculcó valores que regirán
el resto de mis días.
A los docentes de la Escuela Profesional de Economía, por brindarme herramientas,

actitudes y conocimientos para desarrollarme como persona y profesional.
A mi asesor, el Dr. José Luis Aguilar, por su apoyo durante el desarrollo del presente trabajo.
ii
PRESENTACIÓN
Señores Miembros del Jurado Dictaminador:
Conforme a lo dispuesto en el Reglamento de Grados y Títulos de la Facultad de Ciencias

Económicas, Escuela Profesional de Economía de la Universidad Nacional de Trujillo, me
dirijo a ustedes para presentar mi tesis titulada “Determinantes de la brecha salarial por
género en el Perú urbano y rural, 2019-2020”, elaborada con el fin de obtener el Título
Profesional de Economista.
La presente investigación ha seguido los lineamientos establecidos por la Universidad y ha

comprendido la aplicación de los conocimientos obtenidos en la Casa de Estudios. Dejo a
su disposición la evaluación del presente trabajo.
Trujillo, 22 de diciembre de 2022.
Angela Patricia Rodas Ramírez
Bachiller en Ciencias Económicas
iii
Resolución de Decanato de aprobación de Plan de tesis y nombramiento del asesor

iv
Resolución de Decanato de nombramiento del jurado examinador
vi
vii
ÍNDICE
DEDICATORIA ............................................................................................................. i
AGRADECIMIENTO......................................................................................................ii
PRESENTACIÓN......................................................................................................... iii
Resolución de Decanato de aprobación de Plan de tesis y nombramiento del asesor .......iv
Resolución de Decanato de nombramiento del jurado examinador ..................................vi
RESUMEN .................................................................................................................. x
ABSTRACT .................................................................................................................xi
I. INTRODUCCIÓN ................................................................................................. 1
1.1. Antecedentes del estudio................................................................................ 3
1.2. Justificación del problema ............................................................................. 11
1.2.1. Justificación metodológica ................................................................ 11

1.2.2. Justificación teórica .......................................................................... 11
1.2.3. Justificación práctica......................................................................... 12
1.3. Planteamiento del problema.......................................................................... 13
1.4. Marco teórico y conceptual ........................................................................... 13
1.4.1. Marco teórico ................................................................................... 13

1.4.2. Marco conceptual ............................................................................. 19
1.5. Formulación de hipótesis .............................................................................. 22
1.6. Objetivos generales y específicos ................................................................. 22
1.6.1. Objetivo general ............................................................................... 22

1.6.2. Objetivos específicos ........................................................................ 22
II. DISEÑO DE INVESTIGACIÓN ............................................................................ 23
2.1. Materiales, Métodos y Técnicas .................................................................... 23
2.1.1. Material ........................................................................................... 23

2.1.2. Métodos .......................................................................................... 24
2.1.3. Técnicas e instrumentos de recolección de datos ............................... 25
2.2. Estrategias metodológicas ............................................................................ 28
viii
III. RESULTADOS .................................................................................................. 32
3.1. Descripción del comportamiento de los determinantes y de la brecha salarial por

género de la PEA ocupada del Perú Urbano y del Perú rural por género, en el periodo
2019-2020. .......................................................................................................... 32
3.2. Estimar las ecuaciones de Mincer para la PEA ocupada del Perú urbano y del
Perú rural por género, en el periodo 2019-2020. .................................................... 47
3.3. Cuantificar el grado de influencia de los determinantes de la brecha salarial por

género en el mercado laboral del Perú Urbano y del Perú rural en el periodo 2019-
2020.................................................................................................................... 51
3.4. Describir los cambios en la brecha salarial por género del Perú Urbano y del
Perú rural del año 2020 respecto al año 2019. ....................................................... 55
IV. DISCUSIÓN....................................................................................................... 62
V. CONCLUSIONES .............................................................................................. 66
VI. RECOMENDACIONES....................................................................................... 68
VII. REFERENCIAS ................................................................................................. 69
VIII. ANEXOS ........................................................................................................... 74
Anexo N° 01: Recolección de información secundaria de la ENAHO anual de los años

2019 y 2020......................................................................................................... 74
Anexo N° 02: Matriz de consistencia ..................................................................... 78
Anexo N° 03: Especificaciones sobre Ecuaciones Mincerianas corregidas por sesgo

de selección ........................................................................................................ 79
Anexo N° 04: Especificaciones sobre Descomposiciones de Oaxaca-Blinder

corregidas por sesgo de selección ........................................................................ 84
Anexo N° 05: Acta de originalidad ......................................................................... 86
Anexo N° 06: Resultado de Turnitin....................................................................... 87
Anexo N° 07: Declaración Jurada ......................................................................... 88
Anexo N° 08: Autorización de publicación del trabajo en repositorio ....................... 89
ix
RESUMEN
El presente trabajo tuvo por objetivo identificar y analizar los determinantes de la brecha
salarial por género y su grado de influencia en la brecha salarial en el Perú urbano y el Perú
rural en el periodo 2019-2020. Se utilizaron los datos de las Encuestas Nacionales de
Hogares de dichos años para estimar Ecuaciones de Mincer corregidas por sesgo de
selección y aplicar la descomposición de Oaxaca-Blinder. Así, las cuatro brechas salariales
estimadas fueron Perú urbano y Perú rural para cada año. En los cuatro casos, la
educación, tipo de jornada, formalidad y ocupación fueron determinantes. No obstante, los
demás determinantes varían según el área de residencia y el año debido a los cambios en
el mercado laboral generados por la pandemia del Covid-19 y diferencias entre áreas en
niveles de informalidad, distribución entre ocupaciones y sectores económicos. En el caso
del Perú rural en 2020, se encontraron posibles penalidades a la maternidad y, en los cuatro
casos, a la informalidad. Finalmente, se encontró que las brechas pueden ser mayormente
atribuidas a la discriminación salarial por género, es decir, las mujeres percibirían menores
ingresos que los hombres incluso si tienen las mismas características.
Palabras clave: brecha salarial por género, Oaxaca-Blinder, Perú rural
ABSTRACT
The objective of this research was to identify and analyze the determinants of the gender
wage gap and its degree of influence on the wage gap in urban Peru and rural Peru in the
period 2019-2020. Using the data from the National Household Survey (ENAHO) for the
aforementioned years, this work calculates Mincer Equations with selection bias correction
and apply the Oaxaca-Blinder Decomposition. Thus, the four estimated wage gaps were
urban Peru and rural Peru for each year. In all four cases, education, working time, formality
and occupation were determinants. However, the other determinants vary according to the
area of residence and the year due to changes in the labor market generated by the Covid-
19 pandemic and differences between areas in levels of informality, distribution between
occupations and economic sectors. In the case of rural Peru in 2020, possible penalties for
maternity and, in the four cases, for informality were found for women. Finally, it was found
that the gaps can be mainly attributed to wage discrimination by gender, that is, women
would earn less than men even if they have the same characteristics.
Key words: gender wage gab, Oaxaca-Blinder, rural Peru
xi
I. INTRODUCCIÓN
El mercado laboral peruano presenta diferencias entre hombres y mujeres en el empleo,

la distribución entre ocupaciones y los ingresos salariales. En relación con las diferencias
en ingresos salariales, el Instituto Nacional de Estadística e Informática (INEI, 2019a;
INEI, 2022a) señala que el ingreso promedio de la mujer peruana representó 63.7% y
72% respecto al ingreso del hombre peruano en 2008 y 2021, respectivamente. Siendo
la brecha salarial por género la diferencia entre ingresos salariales por género, ello
implica una tendencia lenta y creciente en favor de los ingresos de las mujeres, pero la
brecha sigue siendo significativa.
La diferencia entre los ingresos por género puede ser generada por: (1) diferentes
características, como número de años de escolaridad o de experiencia laboral; o (2)
diferentes retornos de las mismas características, por ejemplo, que un año de
experiencia laboral adicional incremente en un porcentaje mayor el salario de un hombre
que el de una mujer, aun cuando son iguales en las demás características. Se denominan
“efecto de características” y “efecto de retornos”, respectivamente. Para el análisis de la
brecha salarial por género, es importante calcular cuánto de la brecha es atribuible al
efecto de las características y cuánto al efecto de los retornos, donde este último es
atribuible a la discriminación salarial por género.
La brecha salarial por género explicada por efecto de retornos produce ineficiencias en
el mercado laboral al evitar que se maximicen los beneficios de las empresas en el
momento de contratar hombres y/o mujeres y de asignarles un salario. Vaccaro et al.
(2022) establece que esta parte de la brecha implica problemas estructurales respecto a
estereotipos de género y normas sociales que afectan a los ingresos de manera
diferenciada.
Comprender y enfrentar este fenómeno es de suma relevancia para mejorar los ingresos,
oportunidades y condiciones de vida de las mujeres y sus familias mediante la
formulación e implementación de políticas adecuadas. En especial, considerando que se
han producido escasas investigaciones que analicen la brecha durante el año que inició
la pandemia de COVID-19 o posteriores, donde se tomen en cuenta las pérdidas de
empleo, reducciones de ingresos salariales y otros impactos socioeconómicos de la
pandemia de los que nos seguimos recuperando en la actualidad.
En ese sentido, la presente tesis tiene por objetivo identificar los determinantes de la
brecha salarial por género en el mercado laboral del Perú urbano y del Perú rural, durante
los años 2019-2020. Los determinantes vienen a ser las características que explican el
comportamiento de la brecha salarial por género. Se analiza los años de manera
separada para identificar los cambios producidos en la brecha salarial y sus
determinantes entre el año previo a la pandemia y el primer año de pandemia.
Se segmenta a la Población Económicamente Activa (PEA) ocupada en PEA ocupada

urbana y PEA ocupada rural debido a las diferencias en ambos mercados laborales
peruanos. De los datos presentados en Ministerio de Trabajo y Promoción del Empleo
(MTPE, 2021), se observa que la pobreza e informalidad en la PEA ocupada rural (41.8%
y 96.1%, respectivamente) es mayor a la urbana (19.5% y 68.4%, respectivamente).
Respecto al sector económico, el extractivo predomina en el área rural (82.3% de los
ocupados) y el sector servicios concentra al mayor número de ocupados en el área
urbana (43.5%), destacando la mayor diversificación económica de la segunda. En
relación con las ocupaciones, los vendedores, directores, profesionales y funcionarios
son los más numerosos en el área urbana (23.3%) y los agricultores, ganaderos,
pescadores y peones abarcan el 75.6% de la PEA rural.
Asimismo, el texto incorpora un análisis en salarios promedio para identificar los

determinantes de la brecha salarial, cuánto de la brecha salarial se debe al efecto
características y cuánto al efecto de los retornos, entre otros resultados.
De la revisión de la Teoría del Capital Humano, el Gusto por la Discriminación y Teoría

de la Discriminación Estadística, la investigación propone como hipótesis que los
determinantes de la brecha de género son: la educación, la experiencia laboral, el sector
económico, la ocupación, el tamaño de la empresa, el estado civil, tipo de jornada, el
empleo informal y la carga doméstica no remunerada para las poblaciones de interés.
El texto se organiza en las siguientes secciones: (1) antecedentes, justificación,

planteamiento del problema, marco conceptual y teórico, hipótesis y objetivos de la
investigación; (2) diseño de la investigación; (3) resultados; (4) discusión; (5)
conclusiones; (6) recomendaciones; (7) referencias; y, (8) anexos.
1.1. Antecedentes del estudio
En el ámbito internacional, encontramos artículos de investigación que brindan

evidencia empírica sobre los determinantes de la brecha salarial por género y su
comportamiento en el ingreso salarial promedio y a lo largo de la distribución del
mencionado ingreso.
El estudio más reciente es Salce (2021), donde se analiza la brecha y la

discriminación salarial en Chile durante los años 1990 y 2017. El autor utiliza: (1) las
extensiones de Masters, Reimers, Cotton y Oaxaca y Ransom a la descomposición
de Oaxaca-Blinder, con corrección con sesgo de selección por Heckman, para
considerar los retornos en salario de las interacciones de los retornos con
6características individuales; y (2) la extensión de Melly (2005) a la metodología de
Machado & Mata (2005), con corrección de sesgo de selección con la inversa de la
ratio de Mills como proxy. Se consideraron en el modelo los años de educación,
experiencia laboral, salario por hora, estado civil, variables demográficas y
geográficas.
En el texto, se entiende como discriminación salarial al sobrepago a los hombres,

respecto a una estructura sin discriminación salarial, sumado al subpago de las
mujeres, respecto a la misma estructura, controlando por las variables mencionadas.
El trabajo encuentra que estimar la discriminación salarial sin corrección del sesgo
de selección la subestima de manera significativa debido a que existe también una
gran brecha por género en la participación laboral. La discriminación salarial, a la
que se le atribuye el efecto de retornos, presentó una tendencia decreciente entre
los años 1990 y 2003, para luego estancarse hasta 2017. La discriminación salarial
en 2017 fue de 49.7%, atribuyendo 45.2% al subpago de las mujeres y 4.5% al
sobrepago de los hombres. El análisis a lo largo de la distribución permite identificar
mayores discriminaciones salariales en el cuantil 15% más rico y, en segundo lugar,
en el cuantil 10% más pobre y en el cuantil 15% más rico, donde la experiencia
laboral es el factor más relevante de éstas. En 2017, las discriminaciones salariales
en los cuantiles extremos aumentaron.
Antón et al. (2020) tuvo el objetivo de estimar y analizar la brecha salarial de género
del mercado de trabajo ecuatoriano, analizando por separado al sector público al
privado, mediante: un modelo de Mínimos Cuadrados Ordinarios (MCO) para estimar

los determinantes del salario mensual; la metodología de Oaxaca-Blinder para
cuantificar la brecha salarial por género en la media del salario mensual; y
descomposición por cuantiles siguiendo la metodología de (Koenker & Bassett,
1982). Menciona que las brechas de género en participación laboral se reducen a
mayores niveles de educación, pero no corrige los modelos por sesgo de selección.
Se escogieron variables sobre el capital humano, estado civil, características del
puesto de trabajo e interacción de variables para identificar mujeres con postgrado y
mujeres casadas.
Entre los determinantes obtenidos, resalta las correlaciones positivas entre el salario
y las variables de educación y ser mujer con postgrado. Respecto al estado civil,
existe una correlación negativa entre salario y ser una mujer casada, lo que puede
deberse a que ello tiene a implicar maternidad. La descomposición Oaxaca-Blinder
refuerza tales hallazgos. Asimismo, no encontró brecha salarial de género
significativa en el sector público, pero sí una brecha salarial en el sector privado igual
a 27.38% a favor de los hombres, donde el componente más alto es la discriminación
salarial por género (23.12%) y solo 2.94% es atribuible a la diferencia en
características individuales o efecto de características. El resto de la brecha
encontrada se debió a aspectos no considerados en el modelo. La descomposición
por cuantiles encuentra brechas salariales por género a lo largo de toda la
distribución salarial, con mayor valor en el tercer cuantil, para el sector privado. Por
otro lado, en el sector público, se encontró una relación positiva entre la mujer y su
salario en los cuantiles 0.25 y 0.50, mientras existió una correlación negativa en el
cuantil 0.75. Ello evidencia un ambiente regulado en el sector público a favor de la
igualdad salarial por género respecto al sector privado.
Por otra parte, Paz (2019) estimó los determinantes de las brechas salariales
argentinas por género dividiendo en tres grupos: los cónyuges, los unidos por
consenso y las personas sin pareja. Los datos analizados correspondieron al primer
cuatrimestre del 2018. Se utilizaron las descomposiciones de Oaxaca-Blinder y de
Juhn et al. (1993) para realizar las estimaciones en la media y a lo largo de la
distribución, respectivamente, del salario mensual y del salario por hora. Se
consideraron variables referentes al capital humano, concentración por género en
los sectores económicos, concentración por género entre los niveles jerárquicos;
variables demográficas y geográficas y horas trabajadas.
Gracias a la descomposición de Oaxaca-Blinder, se estimó una brecha salarial de

32.5%, a favor de los hombres, a pesar de que las mujeres superan en capital
humano a los hombres. Se obtuvo que más del 53% del efecto de las características
es atribuible al número de horas trabajadas, siendo seguida por la concentración
entre sectores económicos con más de 22% en los tres grupos analizados. Respecto
a los casados, los hombres tienden a trabajar más horas y las mujeres tienden a
trabajar en el mercado no formal. Ello puede deberse a la división de las tareas
domésticas y de cuidado entre hombres y mujeres y a la necesidad de las mujeres
de trabajos flexibles para realizarlas. Se encontraron interceptos diferentes por sexo,
lo que puede darse por discriminación o la existencia de factores no capturados. Con
relación al análisis a lo largo de la distribución salarial, se encontraron brechas con
mayores partes no explicadas por características a mayores los cuantiles: un techo
de cristal en contra de las mujeres. Posibles explicaciones son los diferentes salarios
para puestos altos según la gerencia en cuestión y que las mujeres ocupan cargos
más altos en empresas pequeñas con menores remuneraciones.
Un quinto estudio internacional fue Dueñas & Moreno (2018), que cuantificó la brecha
salarial de los España, Francia y Alemania durante el año 2015, utiliza las
descomposiciones de Oaxaca-Blinder y de Machado & Mata (2005), ambas
corregidos por sesgo de selección: Heckman y el uso de la Inversa de Mills,
respectivamente. Los modelos econométricos consideraron variables personales
como la edad, nacionalidad, nivel educativo y experiencia; variables familiares como
estado civil y número de hijos; y variables laborales como ocupación, sector
económico, tipo de contrato, entre otras.
Se encontró sesgo de selección significativo solo para hombres y mujeres alemanes

y se corrigió con el filtro de Heckman. En España, se encontró una brecha salarial
por género comprendida en su 98.29% por la parte no explicada por características,
o parte no explicada, de la brecha. Respecto a la distribución salarial, existe techo
de cristal para las mujeres, y, en los cuantiles más bajos, son las mujeres quienes
tienen mayores retornos frente a los hombres. Para Francia, el 72.84% de la brecha
salarial es la parte no explicada y la brecha favorece a los hombres en los cuantiles

más bajos. A partir del percentil 35, la brecha salarial comienza a verse incrementada
a mayor el cuantil, en gran parte siendo por la diferencia en retornos e implicando
techo de cristal para las mujeres. Para Alemania, solo son significativas las
diferencias de características individuales por género y presenta una parte no
explicada menor (58.43%) que los otros países. Las diferencias en características
son el mayor componente de la brecha en toda la distribución. Existe brecha en
contra de las mujeres, excepto en los percentiles más bajos, donde éstas tienen
retornos mayores a pesar de que los hombres tienen mejores características
individuales.
Respecto a los estudios relacionados al presente tema que analizaron al país

peruano, encontramos ocho investigaciones.
Vaccaro et al. (2022) propusieron estimar y analizar la brecha salarial por género en
el país durante los años 2007 - 2018 e identificar los factores que permiten explicarla.
Siguieron las metodologías de Oaxaca-Blinder con corrección de Heckman y la de
Machado & Mata (2005). Consideró estimar las heterogeneidades regionales con
efectos fijos. Su variable dependiente fue el logaritmo de salario por hora y sus
variables independientes fueron edad, zona de residencia, sector público o privado,
informalidad, años de escolaridad, lengua materna indígena y permanencia en su
ocupación principal. Consideró a los trabajadores dependientes de 18 a 65 años.
Se estimó que el efecto de las características osciló entre -6% y -15% a favor de las
mujeres. Es decir, las trabajadoras tienen mejores características individuales que
valora el mercado laboral. A partir del año 2011, la brecha salarial se mantuvo
alrededor de 12%, mientras que la brecha salarial no explicada por las diferencias
en características tomó valores cercanos al 17% durante el periodo de interés. Lo
último señalado puede implicar discriminación y normas sociales que afectan
negativamente a los retornos de las mujeres de manera diferenciada. Gracias a la
reducción de la brecha explicada y al estancamiento de la brecha no explicada, la
brecha salarial total por género disminuyó. Desde la perspectiva distribucional, se
encuentra un efecto de "piso pegajoso", donde la parte no explicada de las brechas
en los cuantiles más bajos se ha visto reducido. Puede deberse en mayores retornos
de las características de las mujeres o mayor capital humano de éstas.
En segundo lugar, Alva (2021) identificó los determinantes de la brecha salarial por
género en el departamento La Libertad durante los años 2019 y 2020, analizando
cada año de manera separada. Utilizó los datos recopilados en la ENAHO anualizada
de 2019 y 2020. Estimó una ecuación de Mincer para cada género y en cada año,
es decir, cuatro ecuaciones mincerianas con el método de MCO con corrección por
sesgo de selección de Heckman. La variable dependiente de las estimaciones es el
logaritmo natural del ingreso mensual. Respecto a la brecha salarial, pudo
cuantificarla mediante la descomposición de Oaxaca-Blinder. Las variables
consideradas en los modelos econométricos fueron años de educación, experiencia
laboral, área geográfica, estado civil, raza, jefatura de hogar, tamaño de empresa,
carga familiar, entre otras.
Los resultados fueron una brecha salarial por género de 61.42% y 39.47% en contra
de las mujeres en 2019 y 2020, respectivamente. De esta brecha, tan solo el 5.75%
y 10.83% fue explicado por diferencias en características individuales. Determina
que la residencia en un área rural, tener pareja, trabajar en una microempresa y
trabajar en el sector primario tiene una influencia positiva y significativa en la brecha
salarial. En tanto, la educación tiene una relación significativa y negativa con la
brecha salarial por género, a pesar de la diferencia en retornos por género del año
estudiado: un año adicional estudiado implica un incremento en 5.64% para el salario
mensual de los hombres y tan solo un incremento de 2.79% para las mujeres.
En tercer lugar, Higa et al. (2021) determinaron los efectos a corto plazo y los
persistentes de la pandemia de COVID-19 en dos variables: las horas trabajadas y
el ingreso laboral. Utilizó un modelo panel con datos del periodo enero 2019 - junio
2021 de la Encuesta Permanente de Empleo (EPE), encuesta con niveles de
inferencia a Lima Metropolitana y Callao, no a nivel nacional. Aplicó efectos fijos y
una variable dicotómica que señala si el individuo fue entrevistado en el trimestre
enésimo desde el trimestre en el que comenzó el confinamiento (2020-I).
Posteriormente, se utiliza un modelo panel de primeras diferencias donde la variable
dependiente es el porcentaje anual de variación de la variable de interés y se controla
por características individuales prepandemia. Se consideraron variables control

como edad, género y nivel educacional.
Respecto a los resultados relacionados con género, encuentra que, a un año de

pandemia, las trabajadoras con niños pequeños sufrieron mayores reducciones en
horas trabajadas y en ingreso laboral mensual. En tanto, los trabajadores hombres
con niños pequeños trabajaron más horas. Ello puede implicar una reasignación de
la oferta laboral dentro de los hogares.
La investigación desarrollada por Quijano (2021) tuvo como objetivo identificar

factores que puedan determinar la brecha en el salario por hora en hombres y
mujeres de Lambayeque, durante los años 2013 – 2019. La investigación utilizó
datos de la ENAHO y aplicó la corrección del sesgo de selección de Heckman, la
descomposición de Oaxaca-Blinder y, para corregir el problema de identificación, la
solución de Yun.
Las brechas salariales por género están relacionadas con el capital humano,
características laborales, personales y geográficas e incluso por la posible existencia
de discriminación explicada por los retornos del mercado laboral entre hombres y
mujeres. Esta discriminación hace que la diferencia salarial aumente en 20.05% a
favor de los hombres, lo cual significa que un hombre ganaría 2,519.25 soles al año
más que una mujer habiendo ambos trabajado las mismas horas. Esta brecha ha
tenido un comportamiento variable; sin embargo, en el 2016 se pudo notar una
tendencia decreciente. En términos generales se encontró una brecha salarial de
género de 6.68%, siendo los hombres los favorecidos. Además, otros factores que
explican un incremento de la brecha son la informalidad, ser jefe de familia, estar
casado, tener hijos y vivir en una zona rural. En contra parte, se pudo afirmar que la
educación ayuda a que la brecha salarial por género disminuya.
En quinto lugar, el artículo científico Quispe (2020) estimó, para el año 2018, las
brechas salariales del mercado laboral dividido en cuatro segmentos: formal público,
formal privado, informal público e informal privado. Aplica tres metodologías. La
metodología de Oaxaca-Blinder sirve para calcular brechas salariales en salarios
promedio. Por otro lado, las metodologías de Melly (2005) y de Firpo et al. (2009),
permiten calcular brechas salariales a lo largo de la distribución salarial. Utiliza las
variables de edad, experiencia, estado civil, formalidad, jornada completa o parcial,

zona urbana o rural, macrorregión, tipo de contracto, sector económico, ocupación y
sector privado o público. La variable dependiente es el logaritmo natural de salario
por hora.
Se determinó la existencia de techos de cristal en los segmentos formal público y

formal privado, donde las variables ocupación, sector, tamaño de compañía y
educación presentan las diferencias en retornos por género significativas. En el
segmento público formal, la brecha explicada por diferencias en características es a
favor de las mujeres, especialmente en los cuantiles más bajos, es decir, las mujeres
tienen mayores niveles de educación, experiencia, entre otras características
valoradas por el mercado, que los hombres. El sector informal presenta amplias
brechas salariales en contra de las mujeres a lo largo de la distribución, siendo el
segmento público informal el que tiene mayores brechas respecto al privado informal.
Con la descomposición Oaxaca-Blinder, se encontró una brecha en los ingresos
salariales promedio de 28.6% en el segmento público informal, 20.6% en el privado
informal y 17.9% en el privado formal en contra de las mujeres. El segmento público
formal es el único con una brecha salarial de 2.82% a favor de las mujeres. El autor
explica que ello se debe a que en el último segmento se valora más las habilidades
cognitivas que las físicas, siendo el factor educación el determinante más relevante
de dicha brecha en concreto.
Una sexta investigación es la de Huacho & Rosales (2019), quienes identificaron los
factores determinantes de la brecha salarial por género en el departamento de Junín
durante los años 2004-2017. Usaron la descomposición de Oaxaca (1973) y Blinder
(1973) a través de la ecuación de Mincer (1974), por lo cual se hizo uso de MCO con
datos obtenidos de la ENAHO de los años correspondientes.
En los resultados se mostraron que en el departamento hubo brecha salarial por

género, la cual se evidenció al estimar la diferencia entre los valores promedios de
los coeficientes de las variables explicativas de varones y mujeres. Dicha diferencia
fue de 0.36. Las variables independientes explicaron un 32%, y el 68% de la brecha
fue explicada por una posible discriminación y otras variables no explicadas.
Además, se pudo identificar que la brecha tiene una ligera tendencia al alza, lo cual
aumenta la evidencia de que la discriminación es un factor determinante en la brecha

salarial por género.
Por su parte, la investigación desarrollada por Defensoría del Pueblo (2019a)

cuantificó y analizó las brechas salariales por género para el año 2017, usando datos
del ENAHO, y calculó los costos de las brechas para el consumo y tributación
nacional. Para estimar la brecha salarial en la media, se utilizó un MCO y corrección
de Heckman para el sesgo de selección. Para estimar brechas salariales a lo largo
de la distribución salarial, se estimaron regresiones por cuantiles y se siguió la
metodología de comparaciones emparejadas de Ñopo (2007). Las variables
incluidas en los modelos econométricos son la edad, años de educación, estado civil,
formalidad, sector económico, ocupación, carga doméstica no remunerada, etc. Se
estimaron ocho modelos, donde el primero es el que considera el menor número de
variables independientes y el número ocho considera el mayor. Se estimó la
Propensión Marginal a Consumir para cuantificar el efecto de las brechas salariales
en el consumo.
Las brechas salariales por género fueron mayores en los niveles más bajos de la
distribución salarial, donde el cuantil más bajo tuvo una brecha de 59% y el cuantil
más alto tuvo una brecha igual a 39.4%. Con el análisis del ingreso promedio, se
encontró una brecha salarial por género igual a 65% para el modelo con mayor
número de variables control, donde 60% se debe a discriminación o diferencia en
retornos. La investigación destaca el hecho que, controlando por la carga doméstica
no remunerada que implica las labores de cuidado de hijos menores de 6 años y
personas mayores, la brecha salarial total y la brecha salarial explicada por
diferencias en retornos se ve incrementada respecto a modelos que no la
consideraron.
Finalmente, Ávila (2018) estimó la cuantía de la brecha y de la discriminación salarial

por género en los trabajadores dependientes e independientes del Perú en 2016. La
autora aplicó la ecuación de Mincer (1974) y la descomposición salarial de Oaxaca-
Blinder (Oaxaca, 1973; Blinder, 1973) con el propósito de identificar las variables que
explican las diferencias salariales. Se consideraron en el modelo el ingreso por hora,
el nivel educativo y los años de experiencia.
10
Las brechas salariales por género fueron determinadas por las variables de
educación y experiencia, dando como brecha un 28% en trabajadores dependientes,
de los cuales un 34.3% es explicada por posible discriminación, y un 53.1% en los
trabajadores independientes, de los cuales el 50% se explica por posible
discriminación. Del mismo modo, se comprobó que un aumento del nivel educativo
se traduce en un incremento de su ingreso. Así, si un trabajador dependiente culmina
estudios de post grado estaría aumentando sus ingresos en un 63.6%, mientras que
en los trabajadores independientes esto se traduce en un aumento del 33.6% en su
ingreso. Finalmente, en los resultados de la investigación se puede notar una posible
discriminación salarial entre hombres y mujeres, presentándose en mayor medida en
los trabajadores independientes.
1.2. Justificación del problema
1.2.1. Justificación metodológica
La presente investigación aporta resultados empíricos del mercado de trabajo

del Perú urbano y del Perú rural durante los años 2019 y 2020 mediante la
metodología de Oaxaca-Blinder con corrección de sesgo de selección de
Heckman (1979).
La metodología señalada permite analizar la brecha salarial por género en los

ingresos salariales promedio y cuantificar los efectos de sus determinantes.
La consideración de los dos años mencionados, analizados por separado,
posibilita identificar de los cambios en la brecha y sus determinantes entre
2019 y 2020.
En ese sentido, la segmentación entre Perú urbano y Perú rural es de especial

valor debido a las diferencias en características socioeconómicas entre los
individuos de ambas áreas. Los resultados del modelo econométrico serán
complementados con análisis estadístico descriptivo para elaborar las
conclusiones respectivas.
1.2.2. Justificación teórica
En la presente investigación se ha consolidado los diferentes enfoques y

teorías sobre capital humano, brechas salariales y discriminación en el
11
mercado de trabajo para facilitar el entendimiento de la realidad problemática

actual y las relaciones entre las variables en cuestión. En esa línea de
pensamiento, la investigación permitió contrastar los resultados obtenidos con
la teoría condensada para posibilitar la explicación del comportamiento de las
variables de interés. Las teorías revisadas son el Teoría del Capital Humano,
la Teoría del gusto por la discriminación y la Teoría de la discriminación
estadística.
1.2.3. Justificación práctica
La investigación permitirá comprender las brechas salariales por género y sus

determinantes para el Perú urbano y para el Perú rural. Los resultados
estimaron los retornos de determinantes como la educación, experiencia
laboral, sector económico, maternidad o paternidad, entre otros, de manera
más focalizada y diferenciada: para la mujer rural, el hombre rural, la mujer y
el hombre urbanos. Esta información permite a los individuos tomar decisiones
de manera informada sobre inversión en educación y en qué actividad
económica laborar. La investigación brindó una explicación sobre por qué
existen diferencias en las asignaciones de tiempo y de recursos entre
hombres y mujeres.
En conjunto con el análisis de la caracterización de los mercados de trabajo

urbano y rural, la investigación diagnosticó estos mercados y propuso
recomendaciones de política socioeconómica más focalizadas que estén
orientadas a la disminución o eliminación de las brechas salariales por género
en el país, en favor de la promoción del desarrollo profesional y de las
trabajadoras. Combatir la problemática de brecha entre ingresos salariales
equivale a evitar que las mujeres perciban menores ingresos familiares por los
mismos trabajos que los hombres, lo que evitaría menores ingresos, menor
consumo y bienestar para sus familias. Finalmente, la elaboración,
implementación y mejora continua de tales políticas coadyuvan en la eficiencia
de la implementación eficiente de leyes, como la Ley N° 30709 “Ley que
prohíbe la discriminación remunerativa entre varones y mujeres”, y en el logro
de la meta 8.5 del Objetivo de Desarrollo Sostenible 8 “Trabajo decente y
12
crecimiento económico”: lograr, al 2030, el trabajo decente e igualdad de

remuneración por trabajo de igual valor para todas las mujeres y los hombres
(Comisión Económica para América Latina y el Caribe [CEPAL], 2018).
1.3. Planteamiento del problema
¿Cuáles son los determinantes de la brecha salarial por género en el mercado

laboral del Perú urbano y del Perú rural durante el periodo 2019-2020?
1.4. Marco teórico y conceptual
1.4.1. Marco teórico
Teoría del Capital Humano
Según diferentes autores (Baah-Boateng, 2014; Ávila, 2018; Quispe, 2020),

la Teoría del Capital Humano es el modelo teórico más utilizado para explicar
las brechas salariales. Esta teoría señala que la selección de los individuos
para ser contratados y el salario que se les paga se basan en las disparidades
de productividad entre los trabajadores y en la tasa de retorno variante de las
habilidades individuales. De esta forma, se introducen variables relacionadas
con la productividad como la educación y la experiencia laboral en la
asignación de trabajadores, ya que ambos aspectos aumentan la
productividad y los ingresos obtenidos.
El modelo teórico postula una relación positiva entre la educación y tiempo de

permanencia en el mercado laboral y el salario, comprendiendo a la educación
como una inversión para acceder a mejores puestos de trabajo, ingresos más
altos y un mayor nivel de calidad de vida. Ambas variables son recogidas en
la “ecuación Minceriana” o “función de ingresos” (Mincer, 1974), cuyo objetivo
es estimar el rendimiento de características como éstas en el salario,
incluyendo el rendimiento decreciente de la experiencia laboral propuesto por
Becker (1964):
∆𝑙𝑛⁡(𝑤𝑖 ) = 𝛽0 + 𝛽1 𝑒𝑑𝑢𝑖 + 𝛽2 𝑒𝑥𝑝𝑖 + 𝛽3 𝑒𝑥𝑝𝑖2 + ⋯ + 𝜀

Donde la variable dependiente es el logaritmo del ingreso y las variables
independientes son la educación (edu) y la experiencia laboral (exp). Se
13
coloca a la experiencia al cuadrado como variable independiente por el

carácter decreciente de sus rendimientos marginales.
La inversión en capital humano es determinada por la habilidad del individuo,

el rendimiento de la inversión y el costo de la inversión. En ese sentido, ante
la decisión de una persona sobre realizar o no estudios superiores, la persona
comparará el valor presente del flujo de ingresos entre el caso donde no
invierte en capital humano más allá de la educación de nivel secundario (𝑉𝐸𝑆𝐶 )
y el caso donde sí realiza la inversión (𝑉𝐸𝑆𝑈𝑃 ):
𝑇
𝛺 (𝑆0 ) + 𝑤 [𝑆(𝑡)]
𝑉𝐸𝑆𝐶 = ∑ { }
(1 + 𝑖 )𝑡
0
𝑇 𝑇 𝑇
𝛺 (𝑆0 ) 𝐶 (𝑡) 𝑤 [𝑆𝑈𝑃 (𝑡)]
𝑉𝐸𝑆𝑈𝑃 =∑ 𝑡
−∑ (𝑇 sup −⁡𝑇𝑆)
+ ∑
(1 + 𝑖 ) (1 + 𝑖 ) ( 1 + 𝑖 )(𝑇−𝑇𝑠𝑢𝑝 )
0 𝑇𝑠 𝑇𝑠𝑢𝑝
El individuo decidirá realizar la inversión solo si el valor presente del flujo

donde lleva a cabo la inversión (𝑉𝐸𝑆𝑈𝑃 ) es mayor al valor presente en el caso
en el que no invierte en estudios superiores (𝑉𝐸𝑆𝐶 ). Todo ello se realiza
considerando los costos respectivos (𝐶(𝑡)) y que el salario que se gana con
estudios superiores es mayor al que se gana solo con secundaria completa
(𝑤[𝑆𝑈𝑃(𝑡)] > 𝑤[𝑆(𝑡)]). Los costos pueden ser directos, como las matrículas y
pensiones educativas, o indirectos, como el costo de oportunidad, en el
momento de decidir invertir en educación.
Del mismo modo, un individuo invertirá si el rendimiento marginal de la

inversión en capital humano es menor a la tasa interna de retorno de dicha
inversión, donde ambos valores presentes mencionados son iguales.
De esta manera, el modelo teórico del capital humano establece que un

individuo puede percibir un salario mayor debido a que es más productivo
porque invirtió más en educación o tiene mayor experiencia laboral que otra
persona en el mismo rubro. En otras palabras, la brecha salarial se encuentra
14
explicada, en este caso, por diferentes productividades entre los dos

individuos.
Por otro lado, en el caso de dos trabajadores con el mismo capital humano
donde uno de ellos percibe un mayor salario que el otro individuo, la presente
teoría establece diferentes retornos o precios a determinadas características
entre el grupo del primer individuo y el grupo del segundo individuo, sean estos
grupos divididos por etnia, idioma o género.
Borjas (2010) indica que la discriminación tiene lugar cuando los agentes del
mercado laboral toman en cuenta elementos como la raza o el género al
realizar transacciones económicas, lo que puede alterar los costos y
beneficios percibidos. Por tanto, la diferencia en el retorno de una
característica determinada entre dos grupos en su salario percibido tiende a
ser atribuido a la discriminación.
La Teoría del capital humano brinda causas teóricas para explicar la

discriminación salarial o los diferentes rendimientos de la educación en un
mercado de trabajo segmentado por género: (1) prácticas discriminatorias de
los empleadores; y, (2) preferencias de las mujeres por determinados puestos
de trabajo.
El primer escenario implica brechas salariales y segregación ocupacional por

género porque los empleadores ofrecen una menor remuneración a las
mujeres en relación con los hombres y tienen preferencias para contratarlas
en determinadas ocupaciones. Las consecuencias relacionadas a la
segregación serían que las mujeres se concentren en ciertas ocupaciones y
los hombres en otras (segregación ocupacional horizontal) y que se puedan
presentar barreras que mantienen a las mujeres en cargos bajos en la
jerarquía de una institución y no pueda ascender (segregación ocupacional
vertical). En otras palabras, por decisiones de contrato de la demanda laboral,
estas mujeres se desarrollarían en ocupaciones de bajo estatus y de un nivel
bajo de salarios, o, en el caso que logren ascender, lo hacen en
15
organizaciones de menores ingresos y productividades, que tienden a ser las

más pequeñas.
El segundo escenario se origina por diferentes decisiones de acumulación de

capital humano de la oferta laboral, ocasionando que las mujeres se confinen
en ciertas ocupaciones, es decir, incrementando la segregación ocupacional
horizontal. Por ejemplo, existe evidencia empírica de la concentración de las
mujeres en empleos de jornada parcial y en los sectores de comercio,
servicios y manufactura (Quijano, 2021; INEI; 2022b). En el caso de los
empleos de jornada parcial, estos permitirían a las mujeres poder organizar
su tiempo entre la carga laboral y la carga doméstica.
Los dos escenarios descritos suceden por caracteres sociales, al generarse

por constructos sociales atribuidos a cada género, es decir, la existencia de
diferentes características y conductas según el género del individuo que
influyen a este a seguir una profesión u ocupación determinada.
Respecto al papel de la demanda laboral en la brecha salarial, se pueden

encontrar otras dos teorías que lo desarrollan: la teoría del gusto por la
discriminación y la teoría de la discriminación estadística.
Gusto por la discriminación
Becker (1957) afirma que el gusto por la discriminación cambia la percepción

de los verdaderos costos monetarios relacionados a contratar a una mujer y a
un hombre. Así, cuando el empleador percibe que el costo de contratar a una
mujer es mayor al real, se impacta a ambos géneros al generar una brecha
salarial y una segregación ocupacional. En síntesis, en el caso de la
discriminación de los empleadores, estos no quieren contratar a un grupo de
trabajadores determinados.
La percepción de mayores costos monetarios relativos al contratar a una

mujer puede surgir ante el prejuicio de que las mujeres presentan mayores
indicadores de ausentismo, rotación en el trabajo y una menor disponibilidad
a trabajar horas extra debido, por ejemplo, a las tareas domésticas como el
16
cuidado de los hijos o de personas mayores que viven con ellas. El prejuicio
conlleva a pensar que se incurriría a mayores costos indirectos si contrata a
una mujer frente a un hombre, pues tendría que contratar a nuevos
trabajadores y capacitarlos.
En el caso de este tipo de discriminación, se representa la maximización de

la función de utilidad del empleador, dependiente directamente de sus
beneficios, de la siguiente manera:
𝑈 = 𝑈(𝜋) = 𝜋
Si el empleador discrimina al grupo B y “d” es su valoración monetaria de la
incomodidad de contratar trabajadores de dicho grupo, entonces:
𝑀𝑎𝑥⁡𝑈 = 𝑃𝑓 (𝐼 ) − 𝑤𝐴 𝑙𝐴 − 𝑤𝐵 𝑙𝐵 − 𝑑𝑙𝐵
𝑠. 𝑎.⁡⁡𝑙 = 𝑙𝐴 + 𝑙𝐵
Utilizando las condiciones de primer orden respecto a 𝑓(𝐼 ), 𝑙𝐴 y 𝑙𝐵 , se halla la
condición de equilibrio a cumplirse para maximizar la utilidad del empleador
en este modelo:
𝜕𝑓(𝑙)
𝑃 = 𝑤𝐴 = 𝑤𝐵 + 𝑑
𝜕𝑙
De esa manera, los trabajadores son igualmente productivos, pero el
empleador percibe que el grupo B es menos productivo que el otro grupo, por
lo que la tasa de salarios de este grupo B sea menor que la tasa de salarios
que la del grupo A: 𝑤𝐴 > 𝑤𝐵 .
Asimismo, el gusto por discriminación por parte de los clientes, que sucede
usualmente en servicios, se da cuando los consumidores no quieren recibir
dichos servicios de un grupo de trabajadores determinados. Esta
discriminación genera un costo adicional para el empleador pues ignorar los
prejuicios de los clientes implicaría pérdidas a éste. En el caso de servicios
independientes, los consumidores preferirían los servicios del grupo A y no
contratarían los servicios del grupo B. Dado que tal discriminación comprende
17
un precio percibido como mayor al recibir el servicio del grupo B, la demanda

de tal servicio sufriría una caída.
Una solución para el empleador es ocultar a sus trabajadores del grupo B, de

modo que no atiendan a los clientes y los coloque en actividades de menores
remuneraciones. Por tanto, este tipo de discriminación también podría generar
diferenciales salariales.
Teoría de la Discriminación Estadística
La presente teoría fue propuesta por Phelps (1972) y señala el uso de una
característica, como género, raza o religión, para segmentar en grupos a las
personas, asignar a dichos grupos un desempeño en una habilidad o una
cualidad y llenar vacíos de información sobre los participantes en el mercado.
Generándose tratos diferentes para trabajadores igualmente capacitados que
pertenecen a diferentes grupos, ello implica que la decisión de los
empleadores de reclutar a una persona posee una tendencia a verse influida
por el grupo al que pertenece dicha persona, independientemente de su
capacidad productiva.
La teoría en cuestión está ligada a la falta de información, ante un problema

de principal-agente en el momento de reclutamiento, y a prejuicios contra un
grupo determinado. Se llenan brechas de información sobre aspectos de
productividad y actitudes relacionadas con el puesto de trabajo.
Producto de la revisión de las teorías desarrolladas, la investigación

propondrá como hipótesis que los determinantes de la brecha de género son:
(1) la educación, la experiencia laboral y tipo de jornada por la Teoría del
Capital Humano; (2) sector económico, ocupación y tamaño de la empresa
por la segregación ocupacional horizontal y vertical desarrolladas en la Teoría
del Capital Humano y la Teoría del Gusto por la Discriminación; y (3) estado
civil, empleo informal y la carga doméstica no remunerada por la Teoría del
Gusto de la Discriminación.
18
1.4.2. Marco conceptual
Brecha salarial: diferencia entre los salarios percibidos de dos grupos. Se

compone por la brecha salarial explicada por las diferencias en características
valoradas por el mercado laboral (efecto de características) y brecha salarial
explicada por diferencias en retornos los retornos de dichas características
(efecto de retornos).
Brecha salarial explicada por diferentes características: o “efecto de

características”. Es la diferencia entre los salarios percibidos de dos grupos
debido a diferencias en características valoradas por el mercado laboral como,
por ejemplo, que un grupo tenga más experiencia laboral o mayor educación
que otro.
Brecha salarial explicada por diferencias en retornos: o “efecto de

retornos. Es la diferencia entre los salarios percibidos de dos grupos debido a
diferentes retornos o precios por las mismas características. Por ejemplo, que
un año más de experiencia laboral incremente en un porcentaje mayor a los
hombres que a las mujeres, teniendo ambos grupos las mismas
características a excepción del género.
Carga doméstica no remunerada: comprende la carga del trabajo doméstico

no remunerado y el trabajo de cuidado en el hogar. En ese sentido, engloba
actividades como cuidado de niños, cuidado de adultos mayores, preparación
de alimentos, limpieza del hogar, lavado de prendas, realización de trámites,
entre otros (Defensoría del Pueblo, 2019b).
Discriminación laboral: sucede cuando existen dos trabajadores con la

misma capacidad productiva, pero que difieren en una o más características
personales no relacionadas con tal capacidad, generando que uno reciba un
trato inferior en cuanto a posibilidades de obtener empleo, condiciones de
trabajo o educación (Baquero et al., 2000).
Discriminación salarial: es un tipo de discriminación que no es atribuida a

distintos niveles de productividad entre dos grupos. A pesar de estar
igualmente calificados y se desempeñen el mismo trabajo con la misma
19
productividad, implica que un grupo gane menor salario que el otro (Baquero
et al., 2000).
Educación: es el proceso mediante el cual se acumulan conocimientos y

competencias. Para fines prácticos, considerando las ecuaciones mincerianas
(Mincer, 1974), se considerará a la educación como la suma de los años de
escolaridad de un individuo en instituciones educativas formales de nivel
básico y superior.
Empleo informal: es aquel empleo donde (1) los patronos y cuenta propia
que poseen una unidad productiva perteneciente al sector informal, (2) los
asalariados que no cuentan con una seguridad social financiada por su
empleador y (3) los trabajadores familiares no remunerados (INEI, 2015).
Estado civil: es la situación de convivencia de una persona. Puede ser

soltero, casado, conviviente, viudo, separado o divorciado.
Experiencia laboral: comprende los conocimientos y habilidades adquiridos

de contextos concretos durante el tiempo en que un individuo ha ofrecido su
mano de obra disponible. Es cuantificada en años.
Género: término que engloba las diferencias sociales entre hombres y

mujeres que han sido aprendidas en un determinado contexto social,
económico, político y cultural. Comprende roles sociales para el hombre y la
mujer en base al sexo y pueden variar según la edad, etnia, entre otros.
Ingresos salariales: son aquellos ingresos monetarios y en especie

percibidos como pago por ofrecer su mano de obra disponible.
Ocupación: es un grupo de empleos cuyas tareas presentan una gran

similitud según la Organización Internacional del Trabajo (OIT, 2021). Se
considera el nivel de complejidad, la diversidad de tareas y la especialización
de competencias, donde la última engloba conocimientos exigidos para
realizar las tareas. Para su clasificación, se han considerado los cinco grupos
establecidos en el Lavado (2017, pág. 59) en base a la Clasificación
Internacional Uniforme de Ocupaciones (CIUO 88). Los cinco grupos son
ejecutivos y profesionales; técnicos y empleados; servicios profesionales y
20
vendedores; agricultores; y, obreros y ambulantes. Para mayor detalle, ir al

Anexo 1 "Recolección de información secundaria del ENAHO 2019 y 2020".
Ocupación principal: es aquella ocupación a la una persona dedica mayor

número de horas de trabajo.
Población Económicamente Activa: conformada por “aquellas personas de

14 años a más que ofrecen su mano de obra para la producción de bienes y/o
servicios durante un periodo de referencia determinado” (INEI, 2019b). En ese
sentido, comprende a las personas que estaban trabajando o buscaban un
trabajo de manera activa durante el periodo mencionado.
Población Económicamente Activa ocupada: conformada por (1) aquellas

personas de 14 años a más de edad que participaron en alguna actividad
económica; (2) trabajadores dependientes con empleo fijo, pero que no
trabajaron durante el periodo de referencia por motivo de vacaciones, huelga,
licencia por enfermedad, etc.; (3) trabajadores independientes que estuvieron
ausentes de manera temporal en el trabajo, pero la empresa o negocio siguió
funcionando; y (4) las personas que no estuvieron en ninguna de las tres
anteriores condiciones, pero sí trabajaron al menos una hora en el periodo y
recibirán pago en dinero y/o en especie (INEI, 2019b).
Sector económico: comprende la clasificación de la actividad económica de

un país o región, considerando los bienes o servicios producidos. Se toma la
agrupación de INEI (2017), realizada en base a la Clasificación Industrial
Internacional Uniforme (Revisión 4), en agropecuario y pesca, minería,
manufactura, construcción, comercio y servicios.
Segregación ocupacional por género: implica una distribución ocupacional

desigual entre hombres y mujeres a lo largo y dentro de las ocupaciones.
Puede dividirse en segregación ocupacional por género horizontal y vertical
(Baah-Boateng, 2014).
Segregación ocupacional horizontal por género: sucede cuando los

hombres y mujeres se encuentran trabajando de manera desproporcionada
en diferentes grupos de ocupaciones (Hakim, 1979).
21
Segregación ocupacional vertical por género: existe cuando un género

está trabajando en trabajos de mayor nivel jerárquico y el otro género se
mantiene en los trabajos de menor nivel dentro de una ocupación (Hakim,
1979).
Tamaño de la empresa: es el tamaño de la empresa según el número de

personas que trabajan en dicha institución.
1.5. Formulación de hipótesis
Los determinantes de la brecha salarial por género en el mercado laboral del Perú
urbano y del Perú rural en el periodo 2019-2020 son la educación, la experiencia
laboral, el sector económico, la ocupación, el tamaño de la empresa, el estado civil,
el empleo informal, el tipo de jornada y la carga doméstica no remunerada.
1.6. Objetivos generales y específicos
1.6.1. Objetivo general
Identificar y analizar los determinantes de la brecha salarial por género y su

grado de influencia en la brecha salarial por género en el Perú urbano y el
Perú rural, periodo 2019-2020.
1.6.2. Objetivos específicos
1. Describir el comportamiento de los determinantes y de la brecha salarial
por género de la PEA ocupada del Perú Urbano y del Perú rural por
género, en el periodo 2019-2020.
2. Estimar las ecuaciones de Mincer para la Población Económicamente
Activa ocupada del Perú urbano y del Perú rural por género, en el periodo
2019-2020.
3. Cuantificar el grado de influencia de los determinantes de la brecha
salarial por género en el mercado laboral del Perú Urbano y del Perú
rural en el periodo 2019-2020.
4. Describir los cambios en la brecha salarial del Perú Urbano y del Perú
rural por género del año 2020 respecto al año 2019.
22
II. DISEÑO DE INVESTIGACIÓN
2.1. Materiales, Métodos y Técnicas
2.1.1. Material
Objeto de estudio: Individuos que forman parte de la PEA ocupada que

percibieron ingresos monetarios y en especie de su ocupación principal en
la semana de referencia de la ENAHO correspondiente, durante los años
2019 y 2020.
Cabe resaltar que, en el presente trabajo, se diferencia a los individuos

mencionados según el área de residencia: área urbana y área rural. Según
la Ficha técnica de la ENAHO 2020 (INEI, 2021), el área rural comprende al
centro poblado de 500 a menos de 2 mil habitantes y a las Áreas de
Empadronamiento Rural. En tanto, el área urbana se compone de centros
poblados urbanos con 2 mil a más habitantes.
En ese sentido, se tendría cuatro segmentos de interés: hombres urbanos,

mujeres urbanas, hombres rurales y mujeres rurales.
Población: La población comprende a aquellos individuos que conforman la

PEA ocupada durante los años 2019 y 2020 que percibieron ingresos
salariales de su ocupación principal según la ENAHO del año 2019 y 2020,
es decir, 27,715,401 personas. La población se divide de la siguiente manera
por género y área de residencia:
2019 2020
Área urbana 12,324,358 10,096,443
• Hombres 6,894,063 5,926,111
• Mujeres 5,430,295 4,170,332
Área rural 2,769,776 2,524,824
• Hombres 1,879,670 1,783,698
• Mujeres 890,107 741,126
Total 15,094,134 12,621,267
Muestra: El tamaño de la muestra de la PEA ocupada que percibieron
ingresos salariales de su ocupación principal en la semana de referencia
23
durante los años 2019 y 2020 es igual a 99,743 personas. La muestra se

divide por área de residencia y por género de la forma siguiente:
2019 2020
Área urbana 35,843 28,529
• Hombres 19,315 15,959
• Mujeres 16,528 12,570
Área rural 18,731 16,640
• Hombres 11,990 11,259
• Mujeres 6,741 5,381
Total 54,574 45,169
Las Fichas Técnicas de la ENAHO 2019 y 2020 señalan que esta muestra
permite niveles de inferencia a Perú Urbano y Perú Rural con resultados
muestrales que cuentan con un nivel de confianza del 95%.
2.1.2. Métodos
La presente investigación sigue tres métodos: inductivo-deductivo, analítico-

sintético y estadístico.
Se utiliza el primero debido a que parte de una muestra para realizar análisis
descriptivos y estimar modelos econométricos que conlleven a elaborar
conclusiones sobre la población de interés: la PEA ocupada del Perú urbano
y del Perú rural durante el periodo 2019-2020, considerando solo aquellas
personas que percibieron ingresos.
El segundo se aplica mediante la revisión bibliográfica del acervo de
evidencia empírica y del marco teórico sobre el problema planteado.
En tercer lugar, se utiliza el método estadístico mediante los análisis de
estadística descriptiva, como cálculo de promedios y proporciones, y de
estadística inferencial mediante la estimación de correlaciones y elaboración
de pruebas para sus significancias estadísticas. En este texto, se estimarán
modelos MCO de dos etapas con corrección de Heckman.
24
2.1.3. Técnicas e instrumentos de recolección de datos
Se utilizará la técnica denominada revisión documental debido a uso que el

presente trabajo dará a la información de una fuente secundaria: la ENAHO
anualizada de los años 2019 y 2020. De manera más específica, se extraerá
información a nivel de individuos de tres módulos: características de los
miembros del hogar, educación y empleo.
La instrumentación y/o fuente de datos es la ENAHO anualizada de los años

2019 y 2020, elaboradas por el INEI.
A continuación, se detallan las variables independientes y dependiente de la
presente tesis:
25
Tabla 1: Operacionalización de variables

Variables Definición conceptual Definición operacional Indicadores Escala
Variable Brecha Diferencia entre los salarios percibidos Diferencia entre el ingreso Logaritmo natural del ingreso salarial por Razón
independiente salarial por de hombres y mujeres. Puede deberse monetario y en especie de la hora de la mujer rural
género a diferencias en características ocupación principal de hombres y Logaritmo natural del ingreso salarial por Razón
valoradas por el mercado laboral y/o a mujeres, ajustando por las hora del hombre rural
diferencias en retornos los retornos de variables dependientes.
Logaritmo natural del ingreso salarial por Razón
dichas características.
hora de la mujer urbana
Logaritmo natural del ingreso salarial por Razón
hora del hombre urbano
Variables Educación Es el proceso mediante el cual se Es igual al número de años Número de años de educación formal Razón
dependientes acumulan conocimientos y calculado por el último nivel de
competencias. Para fines prácticos, estudio alcanzado más el número
considerando las ecuaciones de años aprobados por el individuo
mincerianas (Mincer, 1974), se en el siguiente nivel.
considerará a la educación como la
suma de los años de escolaridad de un
individuo en instituciones educativas
formales de nivel básico y superior.
Experiencia Comprende los conocimientos y Se utiliza el proxy "experiencia Años de experiencia laboral potencial Razón
laboral habilidades adquiridos de contextos laboral potencial", que es igual a la
concretos durante el tiempo en que un edad del individuo menos los años
individuo ha ofrecido su mano de obra de escolaridad y menos sus
disponible. primeros 6 años de vida.
Sector Comprende la clasificación de la Se toma la agrupación de INEI Se consideran 5 dummies para los 6 Nominal
económico actividad económica de un país o (2017), realizada en base a la sectores económicos señalados. El caso
región, considerando los bienes o Clasificación Industrial base será "agropecuario y pesca". Las 5
servicios producidos. Internacional Uniforme - Revisión 4 dummies son: "Minería" (1 si el individuo
(CIIU – Revisión 4), en trabaja en el sector minería según su
agropecuario y pesca, minería, ocupación principal y 0 en caso
manufactura, construcción, contrario); "Manufactura",
comercio y servicios. "Construcción", "Comercio" y "Servicios".
26
Ocupación Es un conjunto de empleos cuyas Es la clasificación de los empleos Se consideran 5 dummies para las 6 Nominal
tareas presentan una gran similitud, en 6 grupos: cinco grupos ocupaciones señaladas. El caso base
considerando el nivel de complejidad, propuestos por Lavado (2017, pág. será "agricultores". Las 5 dummies son:
la diversidad de tareas y la 59) en base a la Clasificación "ejecutivos y profesionales" (1 si el
especialización de competencias, Internacional Uniforme de individuo trabaja en una ocupación
donde la última engloba a los Ocupaciones (CIUO 88). Para ejecutiva o profesional y 0 en caso
conocimientos exigidos para realizar mayor detalle, ir al Anexo 1 contrario); "técnicos y empleados",
las tareas. "Recolección de información "servicios profesionales y vendedores" y
secundaria del ENAHO 2019 y "obreros y ambulantes".
2020".
Tamaño de la Es la clasificación de las empresas Una empresa es microempresa si Se consideran 3 dummies para los 4 Nominal
empresa según el número de personas que posee de 1 a 10 trabajadores; tipos de empresas mencionados. El caso
trabajan en dicha institución. pequeña, de 11 a 100; mediana, de base será "microempresa". Las 3
101 a 250; y, gran empresa, de más dummies son: "pequeña empresa" (1 si
de 250 trabajadores. el individuo trabaja en una pequeña
empresa y 0 en caso contrario);
"mediana"; y, "grande".
Estado civil Es la situación de convivencia de una Con pareja (casado o conviviente) 1 si tiene pareja y 0 si no la tiene. Nominal
persona. Puede ser soltero, casado, o sin pareja (soltero, viudo,
viudo, separado o divorciado. separado o divorciado).
Empleo Es aquel empleo donde (1) los El individuo tiene empleo formal o 1 si tiene empleo informal y 0 caso Nominal
informal patronos y cuenta propia que poseen informal en su ocupación principal. contrario.
una unidad productiva perteneciente al
sector informal, (2) los asalariados que
no cuentan con una seguridad social
financiada por su empleador y (3) los
trabajadores familiares no
remunerados (INEI, 2015).
Tipo de Es la clasificación de la ocupación El individuo tiene un trabajo de 1 si tiene empleo de jornada parcial y 0 Nominal
jornada principal según el número de horas jornada parcial cuando labora 35 o caso contrario.
semanales que dedica el individuo. menos horas semanales.
Convivencia Comprende vivir en un hogar con Convive con niños menores de 6 1 si convive con niños menores de 6 Nominal
con niños miembros menores de 6 años, cuya años o no convive con niños años, 0 en caso contrario.
menores de 6 existencia implica trabajo de cuidado menores de 6 años.
años en el hogar.
Convivencia Comprende vivir en un hogar con Convive con adultos mayores o no 1 si convive con adultos mayores y 0 en Nominal
con adultos personas mayores de 65 años, lo cual convive con adultos mayores. caso contrario.
mayores podría implicar la necesidad de trabajo
de cuidado en el hogar.
Elaboración propia.
27
2.2. Estrategias metodológicas
Se obtuvieron los datos de la ENAHO anualizada del 2019 y del 2020 de la página
oficial del INEI. De manera específica, se hizo uso de los módulos de miembros del
hogar, educación e ingreso. Se procedió con la limpieza de datos en el programa
Stata 17 para conservar el objeto de estudio mencionado, es decir, la PEA ocupada
que reportó haber recibido ingresos en la semana de referencia de las encuestas
mencionadas. En ese sentido, personas que no percibieron ingresos en la
mencionada semana no fueron incluidas en la base de datos utilizada para la
presente investigación. Para fines prácticos, se denominará en el presente texto al
objeto de estudio como “PEA objetivo”.
Asimismo, se calcularon las variables independientes y dependiente a partir de los
datos obtenidos por la ENAHO 1.
Seguidamente, se analizó la muestra con estadística descriptiva, segmentando por
género, año y área de residencia (Perú urbano y Perú rural). El análisis se realizó
según el ingreso salarial mensual, edad y los propuestos determinantes de la
brecha salarial. Los mencionados determinantes fueron: la educación, la
experiencia laboral, sector económico, ocupación, tamaño de la empresa, estado
civil, tipo de jornada, empleo informal y la carga doméstica no remunerada.
Una vez culminado el inciso descriptivo, dado que existe evidencia empírica de
sesgos de selección para estudios del mercado laboral peruano (Defensoría del
Pueblo, 2019a; Alva, 2021; Vaccaro et al., 2022), se procedió directamente con la
estimación de ocho Ecuaciones Mincerianas corregidas por sesgo de selección. En
concreto, ocho modelos de MCO de dos etapas con corrección por sesgo de
selección con la metodología de Heckman.
Para ello, en primer lugar, se estimó cuatro modelos Probit para calcular la
probabilidad de que una persona de 14 a más años del 2019 se encuentre en el
mercado laboral y perciba ingresos salariales en especie y/o monetarios. Se estimó
cuatro modelos puesto que la PEA objetivo está segmentada en: mujeres rurales,
hombres rurales, mujeres urbanas y hombres urbanos. Estos cálculos se estimaron
de igual manera para el año 2020. Los ocho Probit en total permitieron calcular la
1
Para mayor detalle, acudir al Anexo 1 "Recolección de información secundaria de la ENAHO 2019 y 2020".
28
ratio de la Inversa de Mills para cada subgrupo e incorporarla como una variable
independiente en las ocho Ecuaciones de Mincer.
Se encontró que las ratios de la Inversa de Mills para las mujeres rurales de 2019
y las mujeres rurales de 2020 no fueron estadísticamente significativas, por lo que
se utilizaron las Ecuaciones de Mincer sin considerar las mencionadas ratios como
variable dependiente.
Las Ecuaciones Mincerianas son MCO corregidos por el sesgo de selección y
sirvieron como insumo para calcular la brecha salarial por género con la aplicación
de la metodología de la Descomposición de Oaxaca-Blinder. Gracias a esta
metodología, se cuantificó el grado de influencia de los determinantes en esta
brecha y se estimó cuánto de la brecha total se debe a la parte explicada o “efecto
de características” y cuánto a la parte no explicada o “efecto de retornos”.
Los resultados de los modelos econométricos fueron validados de manera
estadística y se comprobó la hipótesis planteada con nivel de significancia al 5%.
Para finalizar, se elaboraron las conclusiones y recomendaciones de política
socioeconómica orientadas a la disminución o eliminación de las brechas salariales
por género en favor de la igualdad salarial entre varones y mujeres.
A continuación, se detalla el proceso de estimación de las Ecuaciones de Mincer
con corrección de Heckman (1979) y el procedimiento de estimación de la brecha
comprendido en la metodología de la Descomposición de Oaxaca-Blinder.
MCO de dos etapas con corrección de sesgo de selección de Heckman (1979)
El sesgo de selección sucede cuando una variable independiente tiene correlación
con los errores en un modelo econométrico. En otras palabras, cuando la variable
es una variable endógena. Esto se debe a que una de las variables omitidas influye
tanto en la variable dependiente como en la independiente. Por lo tanto, la regresión
presentará estimadores sesgados e inconsistentes.
Por ello, la presente investigación, que utiliza datos obtenidos de la ENAHO, aplica
la metodología de Heckman (1979) para corregir el sesgo de selección. Esta
metodología consta de dos partes. En la primera se estima un modelo Probit con el
fin de poder calcular la probabilidad de que una persona tenga la disposición de
incorporarse al mercado laboral y percibir ingresos salariales. Con esto, se logra
obtener el estadístico conocido como la ratio de la inversa de Mills, la cual
29
representa el sesgo de selección. Si la ratio de la inversa de Mills resultara ser

significativa, se vuelve a estimar las Ecuaciones Mincerianas ajustadas
incorporando a la ratio de la inversa de Mills como una variable exógena adicional
en la ecuación.
Es así como la primera etapa de la metodología de Heckman vendría a estar
representada por el siguiente modelo Probit:
⁡𝑝𝑖 = ⁡𝜙(⁡𝛿0 + 𝛿1 𝑒𝑑𝑢 + 𝛿2 𝑝𝑎𝑟𝑒𝑗𝑎 + 𝛿3 𝑛𝑚𝑖𝑒𝑚𝑏𝑟𝑜𝑠 + 𝛿4 𝑗𝑒𝑓𝑒 + 𝑣𝑖 )
Donde:
𝑤 =⁡ingreso salarial por hora
𝑖 =⁡individuo
𝑔 =⁡grupo, puede ser mujer u hombre
𝑡 =⁡año, puede ser 2019 o 2020
𝑒𝑑𝑢 =⁡número de años de educación formal
𝑒𝑥𝑝 =⁡número de años de experiencia laboral potencial
𝑣 =⁡término de error
Con este modelo Probit se obtiene la ratio de la inversa de Mills y se estima la

segunda etapa, es decir, los MCO con las variables contenidas en la hipótesis de
la tesis y la ratio de inversa de Mills:
𝑙𝑛⁡𝑤𝑖,𝑔,𝑡 = 𝛽0 + 𝛽1 𝑒𝑑𝑢 + 𝛽2 𝑒𝑥𝑝 + 𝛽3 𝑒𝑥𝑝2 + 𝛽4 𝑝𝑎𝑟𝑐𝑖𝑎𝑙 + ⁡𝛽5 𝑚𝑖𝑛𝑎 + 𝛽6 𝑚𝑎𝑛𝑢𝑓
+ 𝛽7 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑐 + 𝛽8 𝑐𝑜𝑚𝑒𝑟𝑐𝑖𝑜 + 𝛽9 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜𝑠 + 𝛽10 𝑒𝑗𝑒𝑐𝑢𝑡𝑖𝑣𝑜
+ 𝛽11 𝑡𝑒𝑐𝑛𝑖𝑐𝑜 + 𝛽12 𝑠𝑒𝑟𝑣𝑝𝑟𝑜 + 𝛽13 𝑜𝑏𝑟𝑒𝑟𝑜 + 𝛽14 𝑝𝑒𝑞𝑢𝑒 + 𝛽15 𝑚𝑒𝑑𝑖𝑎𝑛𝑎
+ 𝛽16 𝑔𝑟𝑎𝑛𝑑𝑒 + 𝛽17 𝑝𝑎𝑟𝑒𝑗𝑎 + 𝛽18 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑙 + 𝛽19 𝑚𝑒𝑛𝑜𝑟 + 𝛽20 𝑚𝑎𝑦𝑜𝑟
+ γλ̂𝑖 + ε𝑖
Donde:
𝑤 =⁡ingreso salarial por hora
𝑖 =⁡individuo
𝑔 =⁡grupo, puede ser mujer u hombre
𝑡 =⁡año, puede ser 2019 o 2020
𝑒𝑑𝑢 =⁡número de años de educación formal
𝑒𝑥𝑝 =⁡número de años de experiencia laboral potencial
𝑝𝑎𝑟𝑐𝑖𝑎𝑙 =⁡indica si el individuo trabaja menos de 35 horas semanales
𝑚𝑖𝑛𝑎 =⁡indica si el individuo trabaja en el sector de minería
𝑚𝑎𝑛𝑢𝑓 =⁡indica si el individuo trabaja en el sector de manufactura
𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑐 =⁡indica si el individuo trabaja en el sector de construcción
𝑐𝑜𝑚𝑒𝑟𝑐𝑖𝑜 =⁡indica si el individuo trabaja en el sector de comercio
𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜𝑠 =⁡indica si el individuo trabaja en el sector de servicios
𝑒𝑗𝑒𝑐𝑢𝑡𝑖𝑣𝑜 =⁡indica si el individuo trabaja como ejecutivo o profesional
𝑡𝑒𝑐𝑛𝑖𝑐𝑜 =⁡indica si el individuo trabaja como técnico o empleado
30
𝑠𝑒𝑟𝑣𝑝𝑟𝑜 =⁡indica si el individuo trabaja brindando servicios profesionales o es vendedor

𝑜𝑏𝑟𝑒𝑟𝑜 =⁡indica si el individuo trabaja como obrero o ambulantes
𝑝𝑒𝑞𝑢𝑒 =⁡indica si el individuo trabaja en una empresa pequeña
𝑚𝑒𝑑𝑖𝑎𝑛𝑎 =⁡indica si el individuo trabaja en una empresa mediana
𝑔𝑟𝑎𝑛𝑑𝑒 =⁡indica si el individuo trabaja en una empresa grande
𝑝𝑎𝑟𝑒𝑗𝑎 =⁡indica si el individuo está casado o tiene conviviente
𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑙 =⁡indica si el individuo tiene empleo informal
𝑚𝑒𝑛𝑜𝑟 =⁡indica si el individuo convive con niños menores de 6 años
𝑚𝑎𝑦𝑜𝑟 =⁡indica si el individuo convive con adultos mayores
λ̂𝑖 =⁡ratio de la Inversa de Mills obtenida de la primera etapa
De las estimaciones realizadas, las ocho ratios de inversa de Mills resultaron

significativos. Por tanto, se pudo afirmar que los MCO, que vienen a ser Ecuaciones
Mincerianas fueron corregidas por el sesgo de selección.
Considerando las variables dicotómicas o dummies señaladas, el caso base fue un
individuo que labora en el sector “agropecuario y pesca”, con ocupación de
agricultor, en una microempresa, sin pareja, con empleo formal y sin convivir con
niños menores ni adultos mayores.
Descomposición de Oaxaca – Blinder
La descomposición de Oaxaca – Blinder permite dividir las desigualdades del
salario promedio de acuerdo con las características observables que influyen en
este salario (ya sea años de estudio, experiencia, entre otros factores) y un segundo
componente relacionado con las desigualdades salariales del trabajador debido a
que el mercado valora diferente, entre hombres y mujeres, a las mismas
características observables. Así, el segundo componente alude a diferentes
retornos y comprende la parte de la brecha que puede implicar discriminación
salarial por género.
Finalmente, como se expone en Quispe (2020) y Quijano (2021), se normalizaron
las variables dicotómicas según Yun (2005) al momento de aplicar la
descomposición para eliminar el problema de identificación, es decir, que los
coeficientes estimados cambien según el caso base. El procedimiento implica
promediar los efectos de ambos componentes (explicado y no explicado) de las
diferentes dummies pertenecientes a una categoría al momento de calcular la
descomposición de Oaxaca – Blinder.
31
III. RESULTADOS
El presente texto consideró como población objeto de estudio a la PEA ocupada que
percibió ingresos monetarios y en especie y que laboraron en su ocupación principal en
la semana de referencia de la ENAHO correspondiente, durante los años 2019 y 2020.
A este grupo se le denominó “PEA objetivo” para facilitar la referencia. La PEA objetivo
fue segmentada en cuatro, por cada año, en: hombres urbanos, mujeres urbanas,
hombres rurales y mujeres rurales.
3.1. Descripción del comportamiento de los determinantes y de la brecha salarial

por género de la PEA ocupada del Perú Urbano y del Perú rural por género, en
el periodo 2019-2020.
La PEA objetivo se vio disminuida en 17,23% en 2020 respecto al 2019. De igual

forma, se observan disminuciones de la PEA objetivo como porcentaje de la PEA
ocupada (85.7% en 2019 y 81.4% en 2020). Es decir, menor porcentaje de la PEA
ocupada percibió ingresos salariales. Entre aquellos que no perciben ingresos
salariales se encuentran los Trabajadores Familiares No Remunerados.
La PEA objetivo también disminuyó como porcentaje de la Población en Edad de
Trabajar (PET), lo cual puede deberse a la pérdida de empleos y vidas humanas
generada por la pandemia de Covid-19 y al retiro voluntario de la fuerza laboral de
las personas. Como se puede observar en la Tabla 2, la mayor caída en 2020
respecto al 2019 fue en el área urbana (más del 12%) y, en el caso del área rural,
el grupo de mujeres rurales fue el que disminuyó más (7.93%).
Tabla 2: PEA objetivo respecto a la PEA ocupada y la PET, según área de residencia
y año, 2019 - 2020 (porcentaje)
Perú Urbano Perú Rural
Total
Hombre Mujer Total Hombre Mujer Total
Respecto a PEA
ocupada
2019 94.9% 90.4% 92.8% 88.5% 58.7% 74.8% 85.7%
2020 93.6% 88.7% 91.3% 83.7% 49.7% 68.6% 81.4%
Respecto a PET
2019 70.8% 53.5% 61.6% 76.2% 42.1% 59.0% 60.7%
2020 58.1% 41.2% 49.2% 72.1% 34.2% 53.1% 50.6%
Elaboración propia con datos de las ENAHO 2019 y 2020.
32
Se realizó un análisis de promedios y proporciones para caracterizar a la PEA

objetivo según los propuestos determinantes de la brecha salarial, la edad y el
salario por hora.
En el año 2019, los años promedio de educación de las mujeres y hombres urbanos
superaron los 10 años, mientras que, en el área rural, los años promedio de las
mujeres fueron menores a 6 y, el de los hombres, de 8 años. La edad promedio de
la PEA objetivo rural es mayor a la su homóloga urbana y, dado que tienen menores
años de educación, es la PEA objetivo rural la que tiene mayor experiencia laboral
potencial. Se debe recordar que tal experiencia resulta de restar a la edad el número
de años de educación y seis años. En ambos casos, por ser los hombres quienes
más tiempo estudian, las mujeres tienen mayor experiencia laboral potencial.
En relación con la concentración en los sectores económicos, más del 75.8% de
los hombres urbanos se concentraron en servicios (46,7%), comercio (15%) y el
sector agropecuario y pesca (14.0%). Los sectores servicios y comercio son el
segundo y quinto mejor pagado (S/. 11.81 y S/ 8.85 por hora, respectivamente) para
este segmento, como se detalla en la Tabla 5. En tanto, las mujeres urbanas
presentan una mayor concentración (83.6%) en solo dos sectores: servicios
(54.6%) y comercio (29.0%). Para este segmento, el sector servicio es el segundo
mejor pagado (S/.10.80) y el sector comercio es el peor pagado (S/. 5.96). En el
área urbana, el sector con el mejor salario para ambos géneros es la minería, que
comprende el 2,3% de los trabajadores hombres y el 0,3% de las trabajadoras.
En el Perú rural, existe más concentración en los hombres que en las mujeres,
comprendiendo el sector agropecuario el 78.2% de los hombres y el 53.9% de las
mujeres. No obstante, los hombres (S/. 5.19) ganan más que las mujeres (S/. 4.31).
La ocupación “obreros y ambulantes” es donde laboran más de la mitad de los
hombres urbanos (54.2%). En cambio, el 33.5% de las mujeres se concentra en
esa ocupación y el 32.2% en “servicios profesionales y vendedores”. En el caso
rural, son agricultores más del 60% de los hombres y más del 40% de las mujeres,
siendo esta la ocupación peor pagada. El 23.0% de las mujeres prestan servicios
profesionales o son vendedoras y el 31.8% de los hombres son obreros y
ambulantes.
33
En ambas áreas de residencia, las ocupaciones mejor pagadas son “ejecutivos y

profesionales” y “técnicos y empleados”. En la zona urbana, concentran más del
27% de hombres y mujeres. En tanto, en la zona rural, menos del 4% de hombres
y mujeres laboran en dichas ocupaciones.
En relación con el tamaño de la empresa, poco menos del 80% de los trabajadores
hombres y mujeres urbanos laboran en micro o pequeña empresa. La cifra asciende
a más del 92% en ambos géneros del área rural. Otra diferencia entre áreas de
residencia es que dos de cada 10 trabajadores urbanos laboran en una empresa
grande, pero, en el área rural, es menos de 1 de cada 10 para ambos géneros.
Menos del 63% de los hombres urbanos están casados o tienen conviviente,
mientras que los hombres rurales con pareja representan el 72.5% de los
trabajadores varones rurales. Una menor proporción de trabajadoras tiene pareja
(50.1% en el área urbana y 53.6% en el área rural).
Diferencias de mayor magnitud se observan en la condición de formalidad o
informalidad por área. En el Perú urbano, poco más del 62% de los hombres y 67%
de las mujeres es informal. En el Perú rural, el 93.5% de los hombres y el 93.6% de
las mujeres tienen trabajos informales. Una diferencia de más de 20 puntos
porcentuales.
En los cuatro segmentos, menos del 26% de los hombres urbanos laboran jornadas
parciales, es decir, 35 horas semanales o menos, contrastando con el 40.8% de
mujeres urbanas. En el área rural, los trabajos de tiempo parcial en la ocupación
principal son más comunes en ambos géneros, comprendiendo al 44.5% de los
hombres rurales y el 62.7% de las mujeres rurales.
En ese sentido, existe una preferencia de las mujeres por laborar en puestos de
trabajo menos intensivos en tiempo, lo cual puede deberse a que tienden a asumir
la carga doméstica, es decir, los trabajos domésticos y de cuidado del hogar.
El número de niños menores de 6 años y adultos mayores con los que la PEA
objetivo convive es, en promedio, 0.4. Es decir, gran porcentaje de la PEA objetivo
no convive con ninguno de estos grupos.
34
Tabla 3: Promedios y proporciones del salario horario, edad y determinantes de

la brecha salarial de la PEA objetivo, 2019
Perú Urbano - 2019 Perú Rural - 2019

Hombres Mujeres Hombres Mujeres
Salario horario (ln) 1.96 1.69 1.32 1.04
Años de educación 11.24 10.78 7.10 5.78
Edad 42.90 43.07 46.74 47.04
Experiencia laboral potencial 25.66 26.30 33.64 35.26
Sector económico
Agropecuario y pesca 13.98 7.52 78.21 53.88
Minería 2.31 0.30 1.62 0.28
Manufactura 10.04 7.97 2.44 7.49
Construcción 11.87 0.66 4.83 0.30
Comercio 15.07 28.99 2.89 17.80
Servicios 46.72 54.56 10.01 20.25
Ocupación
Agricultores 8.04 4.19 62.59 41.48
Ejecutivos y profesionales 10.35 13.82 1.27 2.28
Técnicos y empleados 17.34 16.23 2.34 2.76
Servicios profesionales y vendedores 10.09 32.22 2.04 22.98
Obreros y ambulantes 54.18 33.54 31.76 30.50
Tamaño de la empresa
Microempresa 64.75 69.00 89.37 89.93
Pequeña empresa 11.42 8.54 4.48 3.03
Mediana 2.56 1.53 0.90 0.43
Grande 21.28 20.93 5.25 6.62
Tiene pareja 62.24 50.08 72.46 53.61
Empleo informal 62.02 67.31 93.47 93.56
Tipo de jornada 0.25 0.41 0.45 0.63
Niños menores de 6 años con los
0.39 0.37 0.42 0.37
que convive
Adultos mayores con los que convive 0.41 0.43 0.45 0.43
Elaboración propia con datos de la ENAHO 2019.
En 2020, se presentan un incremento en el número de años promedio de las

mujeres. Ello podría indicar que las mujeres urbanas y rurales menos educadas
dejaron de percibir ingresos sea porque perdieron sus empleos, comenzaron a
laborar como Trabajadores Familiares No Remunerados o porque decidieron
retirarse del mercado laboral.
El cambio más destacado en cuanto a ocupación en la distribución de los
trabajadores en sectores económicos es el aumento de proporción correspondiente
35
al sector agropecuario y pesca, que se vio incrementado para los hombres urbanos,
hombres rurales y mujeres rurales en más de 4%. El sector agropecuario y pesca
y la ocupación de agricultores fueron los que menor salario por hora recibieron en
sus respectivas categorías para los cuatro segmentos.
En la tabla 5, se resalta el decremento de los ingresos salariales por hora para
todos los sectores, salvo minería y servicios para las mujeres urbanas, mujeres
rurales y hombres rurales. En cuanto a la ocupación, se presentaron disminuciones
en el salario promedio para las tres ocupaciones con mayores proporciones de
trabajadores (servicios profesionales y vendedores, agricultores y obreros y
ambulantes), con excepción de las mujeres urbanas y rurales en servicios
profesionales y vendedores.
La informalidad creció significativamente en el área urbana y, en menor medida, en
el área rural. Esto último es debido a que los niveles de informalidad en las zonas
rurales ya son de gran magnitud (mayor al 93%).
Para los cuatro segmentos, se mantuvieron las proporciones de trabajadores que
laboran en trabajos de medio tiempo. Por otra parte, el porcentaje de mujeres
rurales y urbanas con pareja y que conviven con niños menores de 6 años
disminuyó en 2020 en comparación con el año anterior, lo cual podría implicar que
mujeres de ambas zonas de residencia se retiraron del mercado laboral o
comenzaron a laborar como TFNR ante el panorama de pandemia, las medidas
económicas restrictivas y de confinamiento y al incremento de labores domésticas
y de cuidado ante la educación a distancia desde los hogares.
36
Tabla 4: Promedios y proporciones del salario horario, edad y determinantes de

la brecha salarial de la PEA objetivo, 2020
Perú Urbano - 2020 Perú Rural - 2020

Hombres Mujeres Hombres Mujeres
Salario horario (ln) 1.83 1.66 1.20 1.01
Edad 43.12 42.94 46.26 46.89
Experiencia laboral potencial 25.85 25.86 32.93 34.77
Sector económico
Agropecuario y pesca 18.27 9.75 82.73 61.03
Minería 1.94 0.28 1.14 0.15
Manufactura 9.66 8.26 1.71 6.88
Construcción 11.98 0.52 3.66 0.15
Comercio 14.59 28.96 2.56 15.22
Servicios 43.56 52.24 8.20 16.58
Ocupación
Agricultores 10.03 4.94 66.39 46.59
Ejecutivos y profesionales 10.28 15.21 1.53 2.53
Servicios profesionales y vendedores 9.22 30.67 1.59 18.60
Microempresa 66.90 66.56 90.35 89.52
Pequeña empresa 9.91 7.49 3.69 3.05
Mediana 2.51 1.32 0.45 0.32
Grande 20.68 24.64 5.51 7.12
Tiene pareja 63.28 47.23 73.98 49.95
Empleo informal 64.38 64.51 94.28 93.50
Tipo de jornada 0.26 0.40 0.45 0.62
Niños menores de 6 años con los que
0.35 0.33 0.39 0.33
convive
Adultos mayores con los que convive 0.39 0.41 0.41 0.44
El segmento con mayor salario promedio por hora fue el hombre urbano en ambos
años con 10.5 y 9.7 soles, respectivamente. En cuarto lugar, se encuentra la mujer
rural con menos de 4.8 soles en los dos años.
Se observa que el salario se ve incrementado a mayor número de años de
educación tiene la persona. Para los ocho grupos, una persona que tiene de 15 a
18 años de educación obtuvo más del triple del salario horario que una persona sin
educación.
37
En el caso de la experiencia laboral potencial, se denota un crecimiento del salario

por hora hasta llegar a un punto máximo en entre los 10 y 29 años, para
posteriormente decrecer.
Respecto a la convivencia con menores de 6 años, las mujeres urbanas que no
conviven con este grupo ganan los mayores salarios por hora y las mujeres rurales
que conviven con un menor ganaron más en 2019 y, en 2020, las que convivieron
con más de dos menores. De igual manera sucede con los hombres urbanos y
rurales. En seis de los ocho grupos de interés, los trabajadores que ganan mayores
salarios son aquellos que no conviven con ningún adulto mayor.
Los salarios por hora de los individuos con pareja son mayores a los que tienen
pareja en 2019 y 2020, siendo mayor la diferencia para los hombres en 2019 y, en
el año siguiente, para los hombres urbanos y las mujeres rurales. Por su parte, los
trabajadores con empleo formal ganan más del doble que sus contrapartes
informales, en especial en el caso de las mujeres en 2019. Un aspecto relevante es
el incremento de la diferencia de salarios entre formales e informales en 2020
respecto a 2019 para los cuatro segmentos.
Tabla 5: Ingreso mensual promedio según edad y determinantes de la brecha
salarial de la PEA objetivo, 2019 – 2020 (soles)
Urbano 2019 Rural 2019 Urbano 2020 Rural 2020

Hombre Mujer Hombre Mujer Hombre Mujer Hombre Mujer
Ingreso por hora 10.49 8.68 5.76 4.70 9.73 8.61 5.13 4.51
Años de
educación
0 años 4.79 3.69 4.06 3.39 4.34 3.76 3.85 2.94
De 1 a 5 años 5.82 4.86 4.92 3.91 5.37 4.66 4.28 3.42
De 6 a 10 años 6.95 5.61 5.37 4.62 5.85 5.23 4.49 4.14
De 11 a 15 años 9.55 7.63 6.73 5.53 8.44 7.40 5.65 5.94
De 15 a 18 años 19.53 16.83 13.74 15.66 19.63 16.08 17.73 13.77
Edad
De 14 a 19 años 6.28 5.63 4.81 3.75 5.44 4.93 4.22 4.25
De 20 a 29 años 8.60 7.81 6.06 5.21 7.62 7.88 5.48 5.51
De 30 a 39 años 10.68 9.37 5.93 5.20 10.21 8.76 5.22 4.75
De 40 a 49 años 11.96 9.51 6.48 5.09 10.48 9.15 5.23 5.00
De 50 a 59 años 12.14 9.38 6.03 4.43 10.94 9.57 5.55 4.62
De 60 a 65 años 11.22 8.59 5.34 3.96 10.40 9.01 5.62 3.92
De 65 a más 8.68 5.81 4.76 4.20 9.70 5.88 4.17 3.03
38
Experiencia
laboral potencial
Hasta 9 años 8.71 8.25 5.63 4.90 8.10 8.15 5.04 5.22
De 10 a 19 años 11.05 9.98 6.37 5.90 10.81 9.66 5.95 5.77
De 20 a 29 años 12.35 9.97 6.41 5.38 10.60 9.58 5.28 5.15
De 30 a 39 años 11.97 9.59 6.18 4.85 10.63 9.60 5.77 4.91
De 40 a 49 años 10.23 7.06 5.79 3.98 9.88 7.05 4.84 3.99
De 50 a 59 años 7.74 5.07 4.67 3.66 6.99 4.91 4.36 3.20
De 60 a más 5.44 4.01 4.61 4.06 5.47 3.63 3.99 3.00
Tipo de jornada
Jornada completa 9.53 7.78 4.82 4.12 8.85 7.95 4.30 3.76
Jornada parcial 13.33 9.99 6.91 5.04 12.27 9.61 6.17 4.96
Sector económico
Agropecuario y
pesca 6.61 6.00 5.19 4.31 6.09 5.39 4.37 3.66
Minería 22.97 15.94 9.67 4.68 20.96 24.26 10.90 11.21
Manufactura 10.23 6.18 5.64 3.39 9.69 5.52 5.96 2.50
Construcción 9.74 10.61 6.73 7.73 8.43 10.93 6.66 5.24
Comercio 8.85 5.96 6.59 3.71 8.18 5.86 6.16 5.01
Servicios 11.81 10.80 8.83 7.05 11.65 11.13 10.92 7.94
Ocupación
Agricultores 6.37 6.11 5.21 4.40 5.82 5.08 4.27 3.55
Ejecutivos y
profesionales 21.97 18.21 18.00 17.62 23.20 18.19 24.73 18.26
Técnicos y
empleados 15.06 12.29 11.52 8.26 15.44 12.13 12.77 8.67
Servicios
profesionales y
vendedores 8.27 5.74 6.36 4.07 7.31 5.79 6.08 5.32
Obreros y
ambulantes 7.86 6.16 5.88 4.29 6.78 5.70 5.52 3.99
Tamaño de la
empresa
Microempresa 8.34 6.51 5.31 4.22 7.18 5.97 4.52 3.94
Pequeña empresa 11.48 9.24 7.39 5.24 11.16 9.27 6.86 5.01
Mediana 12.90 10.89 9.04 6.04 12.81 12.54 7.72 8.21
Grande 16.23 15.45 11.30 10.95 16.95 15.34 13.78 11.31
Tiene pareja 11.22 8.88 5.97 4.84 10.48 9.15 5.27 5.00
No tiene pareja 9.30 8.48 5.20 4.54 8.44 8.13 4.74 4.03
Empleo informal 7.38 6.10 5.37 4.25 6.47 5.58 4.60 4.00
Empleo formal 15.58 13.99 11.22 11.30 15.64 14.14 13.95 11.80
Convive con niños
menores de 6
años
0 10.80 8.87 5.56 4.61 9.92 8.69 5.05 4.54
39
1 9.83 8.35 6.37 5.06 9.45 8.68 5.23 4.42

2 9.83 8.07 5.52 4.32 8.50 7.22 5.59 4.41
Más de dos 8.78 6.39 6.04 4.19 8.81 8.13 5.60 4.65
Convive con
adultos mayores
0 10.73 8.79 6.00 4.78 9.76 8.60 5.27 4.78
1 10.07 8.54 5.18 4.59 9.43 8.56 4.81 4.00
2 9.42 8.46 5.08 4.36 10.48 9.21 4.72 3.75
Más de dos 10.32 7.26 5.89 4.35 8.69 7.54 4.52 3.81
Una vez analizadas los segmentos de la PEA objetivo y su relación con el salario
por hora promedio, se puede profundizar en la brecha salarial bruta por género, es
decir, en la diferencia de los logaritmos naturales del salario horario promedio entre
hombres y mujeres, según los determinantes postulados en la presente
investigación. Una brecha salarial bruta por género positiva implica que el logaritmo
natural del salario promedio de los hombres es mayor al de las mujeres.
Este inciso descriptivo permite analizar el comportamiento de la brecha salarial
bruta y, asimismo, examinar de manera preliminar la relación y dirección de cada
determinante con la brecha.
Las brechas salariales brutas disminuyen en 2020 respecto a 2019. La brecha
urbana tomó el valor de 27.4% en 2019 y de 16.8% en 2020, mientras que la brecha
rural fue de 27.6% y 19.7%, respectivamente. Las brechas urbanas son menores
que sus contrapartes rurales en ambos años, aumentando la diferencia en 2020.
Gráfico 1: Brecha salarial bruta por género de la PEA objetivo, 2019 – 2020
(porcentaje)
40
Las brechas salariales según grupos de años educación no presentan la misma

relación que el salario por hora con la educación, donde el salario se ve
incrementado a mayor la educación. En el área urbana, las mayores brechas se
presentan en los grupos de 6 a 15 años. En el área rural, el grupo de 1 a 5 años
cuentan con las mayores brechas (24.4% en 2019 y 22.8% en 2020). El único caso
donde la brecha se encuentra a favor de las mujeres, es decir, donde las mujeres
ganan más por hora, es en el grupo de 15 a 18 años en el Perú rural en 2019.
Gráfico 2: Brecha salarial bruta por género de la PEA objetivo, según años
de educación, 2019 – 2020 (porcentaje)
Las brechas salariales brutas urbanas se ven incrementadas a mayor la edad para
ambos años. En el caso del Perú Rural, las brechas del 2019 aumentaron hasta
alcanzar un punto máximo en el grupo etario de 50 a 59 años (37.4%), para luego
disminuir hasta 18.8% para el grupo de 65 años a más. En el año 2020, el pico se
alcanzó en el grupo de 60 a 65 años de edad (27.3%).
Para los siete grupos de edad, las brechas salariales fueron menores en 2020
respecto a 2019.
41
Gráfico 3: Brecha salarial bruta por género de la PEA objetivo, según grupos
de edad, 2019 – 2020 (porcentaje)
Las brechas salariales primero se ven incrementadas hasta llegar a un punto

máximo en el grupo de 40 a 49 años y, posteriormente, disminuyen.
Gráfico 4: Brecha salarial bruta por género de la PEA objetivo, según años
de experiencia laboral potencial, 2019 – 2020 (porcentaje)
En relación con el tipo de jornada, las brechas son mayores en los trabajos de
medio tiempo, siendo mayores en el área rural. Las diferencias salariales
disminuyeron en 2020 respecto a 2019.
42
Gráfico 5: Brecha salarial bruta por género de la PEA objetivo, según

tipos de jornada, 2019 – 2020 (porcentaje)
Según sector económico, las mayores brechas salariales (oscilan de 60% a 120%)
se presentan en el sector manufactura, donde más del 9% de los hombres urbanos,
7.5% de las mujeres urbanas, 1.5% de los hombres rurales y 6.8% de las mujeres
rurales se concentran. Las áreas rurales presentan mayores brechas en
comparación con las urbanas, a pesar de que el sector comprenda mayor
proporción de mujeres que hombres.
El sector agropecuario y pesca, que concentra el mayor porcentaje de trabajadores
y trabajadoras rurales, es uno de los sectores con menores brechas, que toman
valores desde 9.5% hasta 19.6%.
De igual modo, los sectores de comercio y servicios tienen brechas que oscilan
entre -0.1% y 63.3%. Las brechas según sector económico del 2020 son menores
a sus pares del 2019, salvo en manufactura para ambos géneros y construcción y
servicios para las mujeres rurales. Las brechas rurales son mayores que las
urbanas en todos los sectores, excepto por minería del 2020.
43

sector económico, 2019 – 2020 (porcentaje)
Desagregando por ocupación, dos de las tres que mayor PEA objetivo concentran
(obreros y ambulantes y técnicos y empleados) son las que poseen las mayores
brechas. Una excepción es la ocupación de agricultores, que comprende las
menores brechas, detrás de servicios profesionales y vendedores, y el mayor
porcentaje de PEA objetivo rural.
Las brechas en 2020 son menores a sus pares del año anterior, salvo por las
brechas rurales de ejecutivos y profesionales y agricultores y, en el caso del Perú
urbano, por obreros y ambulantes.
Gráfico 7: Brecha salarial bruta por género de la PEA objetivo,
según ocupación, 2019 – 2020 (porcentaje)
44
Se encuentra que las brechas son menores en las empresas de mayor tamaño. No
obstante, las brechas rurales aumentaron hasta llegar a un pico máximo en las
empresas medianas en 2019 y, en 2020, en las pequeñas. El único caso de brecha
a favor de las mujeres fue en las empresas medianas del 2020.
tamaño de empresa, 2019 – 2020 (porcentaje)
Las brechas salariales por género entre aquellas personas que están casados o
tienen convivientes son mayores que las brechas por género brutas entre los
individuos que no tienen pareja. En el área urbana, son más del doble y, en el área
rural, un 50% mayor que las brechas de aquellos sin pareja. Asimismo, las brechas
del año 2019 son mayores a sus pares del siguiente año.

tenencia de pareja, 2019 – 2020 (porcentaje)
45
Igualmente, los trabajadores informales presentan brechas con el doble de

magnitud que las de sus pares formales. Las primeras oscilan entre el 20% y el
28%, mientras las segundas entre 6% y 15%. También se presenta una disminución
interanual en las brechas, salvo en el caso formal rural.
condición de formalidad, 2019 – 2020 (porcentaje)
Se denota que, a mayor número de menores con los que se convive, mayor es la
brecha salarial por género bruta. Una excepción es el caso urbano del 2019, donde
el valor más alto fue alcanzado para el grupo que convive con dos menores en su
hogar. Persiste la disminución interanual de las brechas.
número de menores de 6 años con los que convive, 2019 – 2020 (porcentaje)
46
Las mayores brechas urbanas se presentan en aquellos que no conviven con

adultos mayores. Para el caso rural, se presenta en aquellos trabajadores que
conviven con más de dos adultos mayores.
número de adultos mayores con los que convive, 2019 – 2020 (porcentaje)
3.2. Estimar las ecuaciones de Mincer para la PEA ocupada del Perú urbano y del
Perú rural por género, en el periodo 2019-2020.
Dada la evidencia empírica de la existencia de sesgo de selección en estudios

sobre el mercado laboral peruano al utilizar la ENAHO, se consideró necesario
corregir este sesgo. Para ello, como se explicó en el acápite de estrategias
metodológicas, se estimaron ocho modelos probit para calcular la probabilidad de
que una persona de cada segmento trabaje y perciba ingresos salariales.
Las variables independientes fueron años de educación, tenencia de pareja,
número de miembros del hogar y condición de jefe del hogar. Se encontró que una
mayor educación, estar casado o ser conviviente y ser jefe del hogar incrementa
las probabilidades de trabajar y ganar un ingreso salarial para todos los grupos de
interés. En el caso del número de miembros del hogar, es significativa y positiva en
el caso del hombre urbano, significativa y negativa en el caso de la mujer rural y no
significativa en el caso de la mujer urbana y hombre rural.
47
Tabla 6: Estimación de probabilidad de participar en la fuerza laboral y obtener

salarios positivos de la PEA objetivo, 2019 – 2020
Hombre Mujer Hombre Mujer
Año 2019
Educación 0.061*** 0.055*** 0.031*** 0.049***
Pareja 0.599*** 0.351*** 0.626*** 0.374***
Número de miembros
0.016*** 0.003 0.003 -0.018**
del hogar
Jefe del hogar 0.434*** 0.721*** 1.233*** 1.705***
Constante -0.666*** -0.812*** -0.464*** -0.925***
Seleccionados 19,315 16,528 11,990 6,741
No seleccionados 7,982 14,351 3,735 9,256
Año 2020
Educación 0.043*** 0.056*** 0.01** 0.035***
Pareja 0.516*** 0.261*** 0.549*** 0.264***
Número de miembros
0.011** 0.006 0.012 -0.032***
del hogar
Jefe del hogar 0.454*** 0.762*** 1.381*** 1.728***
Constante -0.791*** -1.143*** -0.519*** -0.978***
Seleccionados 15,959 12,570 11,259 5,381
No seleccionados 11,521 17,964 4,347 10,348
Nota: * p<0.05; ** p<0.01; *** p<0.001.
Seguidamente, se estimaron las probabilidades de obtener salarios positivos para

cada individuo de la muestra y se procedió a estimar las ocho ecuaciones de
salarios o Ecuaciones Mincerianas agregando la ratio de la Inversa de Mills
calculada como una variable independiente denominada “lambda”, que es
significativa estadísticamente en seis de los ocho modelos. Los modelos donde
existía y se corrigió el sesgo de selección fueron los correspondientes a los
hombres urbanos, mujeres urbanas y hombres rurales.
Se encuentran retornos positivos de la educación y rendimientos positivos
decrecientes de la experiencia laboral potencial significativos estadísticamente, en
línea con lo postulado por la Teoría del Capital Humano y lo propuesto por Mincer
(Becker, 1964; Mincer, 1974). Los rendimientos de la educación oscilan desde 2.4%
hasta 4.6% en 2019 y desde 2.0% hasta 3.1% en 2020. Ello implica que, por cada
año más estudiado, el salario del individuo crecería al menos un 2.4% en 2019 y
2,0% en 2020. Los retornos educativos rurales son mayores a los urbanos y los de
las mujeres son mayores a los de los hombres en 2019. En otras palabras, existe
48
mayor retorno educativo en los segmentos donde se estudia durante menos años
de educación. En 2020, el mayor retorno lo tiene la mujer rural.
Los coeficientes de la experiencia laboral son mayores en los casos urbanos (de
1.1% a 2%) que en sus pares rurales (de 0.3% a 1.2%). Los hombres perciben
mayores retornos por un año más de experiencia laboral que las mujeres. Los
retornos de la experiencia laboral son menores en 2020 respecto a 2019.
La condición de informalidad disminuiría en más de 32% del salario en 2019 y en
30% en 2020, con retornos negativos y significativos en los ocho modelos. Ello
sucedería dado que la informalidad está relacionada a menor productividad,
menores ingresos para las empresas, menor estabilidad laboral y menores salarios.
En el área rural, las ocupaciones diferentes a los agricultores (caso base) perciben
mayores salarios. No obstante, en la ecuación de la mujer rural, ser "obrero y
ambulante" y “servicios profesionales y vendedores” implican una disminución del
salario respecto al caso base y, en 2020, ser "ejecutivo y profesional" implica un
incremento 28.5%, un retorno mucho menor al de su contraparte urbana, el hombre
rural y el hombre urbano.
El retorno de laborar en una empresa aumenta con el tamaño de ésta según su
número de trabajadores, puesto que una empresa más grande está asociada a
mayor productividad y salarios. El mayor retorno para el hombre urbano es en las
empresas grandes. En el resto de las estimaciones, es la empresa mediana la que
conlleva a un mayor incremento salarial respecto al caso base (microempresa).
En cuanto al sector económico, laborar en minería y construcción incidirían
positivamente en el salario respecto a un salario de un individuo que labora en el
sector agropecuario. El laborar en manufactura o servicios implicaría una
disminución del salario para las mujeres en 2019 y 2020.
El convivir con niños menores de 6 años tiene incidencia significativa solo en el
caso del hombre rural 2020, donde, por cada niño más con el que convive el
trabajador, el salario se ve incrementado en 3.2%. La convivencia con adultos
mayores es una variable no significativa para los ocho modelos.
El tener pareja solo es significativo y positivo en el Perú rural, aunque comprende
un menor retorno para las mujeres.
49
Tabla 7: Ecuaciones Mincerianas corregidas por sesgo de selección de la PEA

objetivo, 2019
Urbano 2019 Rural 2019
Años de educación 0.024*** 0.027*** 0.03*** 0.046***
Experiencia laboral potencial 0.02*** 0.016*** 0.012*** 0.005*
Experiencia laboral potencial al
cuadrado 0*** 0*** 0*** 0*
Convivencia con niños menores
de 6 años 0.001 0.006 0.006 0.01
Convivencia con adultos
mayores -0.02** -0.003 -0.023 -0.015
Jornada parcial 0.338*** 0.301*** 0.365*** 0.288***
Informalidad -0.343*** -0.463*** -0.322*** -0.628***
Tiene pareja -0.007 -0.023 0.188*** 0.081**
Pequeña 0.183*** 0.152*** 0.304*** 0.372***
Mediana 0.209*** 0.3*** 0.351*** 0.461*
Grande 0.255*** 0.29*** 0.326*** 0.4***
Sector económico
Minería 0.607*** 0.308** 0.427*** 0.188
Manufactura 0.08** -0.295*** -0.137* -0.538***
Construcción 0.266*** 0.078 0.21*** 0.543*
Comercio -0.018 -0.224*** 0.042 -0.183**
Servicios 0.001 0.045 0.062 0.218***
Ocupación
Ejecutivos y profesionales 0.79*** 0.489*** 0.619*** 0.052
Técnicos y empleados 0.598*** 0.367*** 0.571*** -0.022
Servicios profesionales y
vendedores 0.322*** 0.052 0.113 -0.174**
Obreros y ambulantes 0.272*** 0.111* 0.294*** -0.107*
Constante 1.314*** 1.41*** 0.836*** 1.119***
Lambda -0.375*** -0.2*** -0.108* -
Nota: * p<0.05; ** p<0.01; *** p<0.001.
50
Tabla 8: Ecuaciones Mincerianas corregidas por sesgo de selección de la PEA

objetivo, 2020
Años de educación 0.023*** 0.023*** 0.02*** 0.031***
Experiencia laboral potencial 0.014*** 0.011*** 0.01*** 0.003
Experiencia laboral potencial al
cuadrado 0*** 0*** 0*** 0
Convivencia con niños menores
de 6 años -0.003 0.012 0.032** -0.025
mayores -0.009 0.005 0.005 -0.02
Jornada parcial 0.368*** 0.328*** 0.389*** 0.419***
Informalidad -0.327*** -0.457*** -0.301*** -0.549***
Tiene pareja 0.041 0.028 0.165*** 0.064*
Pequeña 0.278*** 0.245*** 0.341*** 0.361***
Mediana 0.343*** 0.42*** 0.469*** 0.868***
Grande 0.416*** 0.4*** 0.437*** 0.518***
Sector económico
Minería 0.487*** 0.497*** 0.635*** 0.974**
Manufactura 0.064* -0.326*** 0.018 -0.78***
Construcción 0.22*** 0.145 0.291*** 0.4
Comercio -0.034 -0.181*** 0.076 -0.135*
Servicios -0.047* 0.073* 0.103** 0.233***
Ocupación
Ejecutivos y profesionales 0.844*** 0.551*** 0.857*** 0.285*
Técnicos y empleados 0.614*** 0.404*** 0.701*** 0.188
vendedores 0.263*** 0.111* 0.219** 0.018
Obreros y ambulantes 0.231*** 0.142** 0.355*** 0.006
Constante 1.223*** 1.255*** 0.72*** 0.991***
Lambda -4.16*** -0.129** -0.185 -
Nota: * p<0.05; ** p<0.01; *** p<0.001.
3.3. Cuantificar el grado de influencia de los determinantes de la brecha salarial

por género en el mercado laboral del Perú Urbano y del Perú rural en el periodo
2019-2020.
Las mujeres ganaron entre 21.3% y 30.7% menos que los hombres en cada año
del periodo estudiado. Estas brechas salariales estimadas están compuestas por
una parte no explicada y una parte explicada, donde la parte explicada de la brecha
51
está asociada a la diferencia en las características del individuo (“efecto de las

características”) y la parte no explicada a las diferencias en los retornos de dichas
características (“efecto de los retornos”). La parte no explicada es el componente
mayor e incrementa la brecha, mientras que el valor de la parte explicada disminuye
la brecha y comprende de 1% a 28% del valor de la brecha.
El segmento con la brecha salarial promedio más baja es el urbano del año 2019,
que asciende a 29.6%, donde la parte explicada o efecto de las características es
de -0.4% y no significativo estadísticamente. Es decir, casi la totalidad de la brecha
se debe a la parte no explicada (30.1%). El segmento rural del 2019 presentó una
brecha salarial por género similar de 30.1%, donde la parte explicada fue de -0.4%
y la parte no explicada de 31.2%.
En 2020, la mayor brecha salarial fue del área rural, que tomó el valor de 23.0%,
disminuyendo en gran medida por la parte explicada o efecto de características,
que disminuye la brecha en 6.4%. Las mujeres rurales tienen características, en
promedio, más atractivas que los hombres para el mercado. Por su lado, la brecha
urbana se redujo en más del 8% interanualmente, ascendiendo a 21.3% en 2020.
La parte explicada fue de -5.6% y la no explicada de 26.9%.
Tabla 9: Brechas salariales por género de la PEA objetivo, 2019 – 2020
2019 2020
Urbano Rural Urbano Rural
Promedio salarial por hora
estimado (ln)
Hombre 2.1254*** 1.3512*** 1.9923*** 1.238***
Mujer 1.8291*** 1.0434*** 1.7789*** 1.0082***
Composición de la brecha
Brecha total 0.2962*** 0.3078*** 0.2134*** 0.2298***
Efecto de características -0.0048 -0.004 -0.056*** -0.0637***
Efecto de retornos 0.301*** 0.3118*** 0.2694*** 0.2935***
Nota: * p<0.05; ** p<0.01; *** p<0.001.
La incidencia de cada variable en la parte explicada y no explicada se encuentra en

las Tablas 29 y 30 del Anexo 4. Para una mejor visualización, se han consolidado
las variables dicotómicas de cada categoría en una sola variable. En ese sentido,
se ha agrupado a las variables dummies de pareja, informalidad, tipo de jornada,
tamaño de la empresa, ocupación y sector económico. A continuación, se
52
presentan los coeficientes y significancia estadística de cada variable, según año y

área de residencia:
Tabla 10: Parte explicada y no explicada de los determinantes de la brecha
salarial por género de la PEA objetivo, versión normalizada y agrupada,
2019 – 2020
2019 2020
Parte explicada
Años de educación 0.0109*** 0.0394*** 0.0045** 0.0243***
Experiencia laboral -0.0129*** -0.0193*** -0.0001 -0.0184***
Experiencia laboral al cuadrado 0.0135** 0.0243*** -0.0009 0.0218***
Convivencia con menores de 6
0 0.0003 -0.0001 0.0021*
años
0.0004 -0.0003 0.0002 -0.0001
mayores
Tipo de jornada -0.0526*** -0.0664*** -0.0527*** -0.0695***
Condición de formalidad 0.0181*** 0.0003 0.0004 -0.0024
Estado civil -0.0009 0.0353*** 0.0065 0.0397***
Tamaño de la empresa 0.0083*** 0.0016 -0.0056* -0.0042
Sector económico 0.0462*** 0.0095 0.0432*** -0.0027
Ocupación -0.0357*** -0.0287 -0.0514*** -0.0543***
Parte no explicada
Años de educación -0.033 -0.0907** -0.0002 -0.066*
Experiencia laboral 0.1107* 0.2309* 0.0734 0.2261*
Experiencia laboral al cuadrado -0.0567* -0.1796** -0.0384 -0.1146
-0.0021 -0.0015 -0.0052 0.0185*
años
-0.0073 -0.0034 -0.006 0.0109
mayores
Tipo de jornada -0.0034* 0.0098* -0.004 -0.0036
Condición de formalidad 0.0208*** 0.1331*** 0.0189*** 0.1078**
Estado civil 0 0.0038* -0.0004 0
Tamaño de la empresa 0.0177 0.0556 0.0123 0.1175
Sector económico -0.1029*** -0.0244 -0.0678* -0.0071
Ocupación 0.0275** -0.1522*** 0.0053 -0.1583***
Constante 0.3296** 0.3304** 0.2815* 0.1624
Nota: * p<0.05; ** p<0.01; *** p<0.001.
De esa manera, se puede afirmar que los determinantes para la brecha salarial por
género son los siguientes:
53
Tabla 11: Determinantes de la brecha salarial por género de la PEA objetivo,

según área de residencia, 2019 – 2020
2019 2020
Años de educación Sí Sí Sí Sí
Experiencia laboral Sí Sí Sí
Experiencia laboral al cuadrado Sí Sí Sí
Sí
años
mayores
Tipo de jornada Sí Sí Sí Sí
Condición de formalidad Sí Sí Sí Sí
Estado civil Sí Sí
Tamaño de la empresa Sí Sí
Sector económico Sí Sí
Ocupación Sí Sí Sí Sí
En el año 2019, la brecha rural se diferenció de la brecha urbana al ser influenciada

por el tener pareja, es decir, el estado civil. La brecha urbana sí se ve influenciada
por el tamaño de empresa y el sector económico, los hacen alusión a la segregación
ocupacional horizontal.
En el año siguiente, existieron mayores diferencias entre las variables que
determinan la brecha salarial ante los cambios en el mercado laboral producidos
por la pandemia del Covid-19, como la disminución de salarios, retirada de
personas del mercado laboral (de la PEA) e incremento en las tasas de desempleo.
El área rural, durante 2020, tuvo una diferencia entre salarios por género explicada
por la experiencia laboral, la convivencia con menores de 6 años y el estado civil,
al contrario de la brecha urbana. Las dos últimas variables son explicadas por la
Teoría del Gusto de la Discriminación, que afirma prejuicios de los empleadores
ante características no relacionadas con la productividad, como la maternidad y el
estado civil, en las mujeres conlleva a que las perciban como menos productivas y
paguen a las trabajadoras menos que a los hombres.
La brecha urbana se diferenció, por su lado, al ser influenciada nuevamente por el
tamaño de la empresa y el sector económico.
54
En el acápite siguiente, se interpretaron los determinantes, el sentido de su

incidencia en las brechas salariales y los cambios interanuales por área de
residencia.
3.4. Describir los cambios en la brecha salarial por género del Perú Urbano y del
Perú rural del año 2020 respecto al año 2019.
Un primer indicio de la disminución de ambas brechas salariales entre los años 2019
y 2020 es la caída más pronunciada del salario de los hombres respecto a la
disminución de las mujeres, en especial en el área urbana. Además, como se
observó en la Tabla 2, más mujeres que hombres se retiraron del mercado laboral
y/o dejaron de percibir ingresos salariales (laborando, por ejemplo, como Trabajador
Familiar No Remunerado), especialmente las mujeres rurales.
El mayor retiro de mujeres rurales, probablemente de las mujeres menos educadas
como se observa en los promedios de años de estudio en las Tablas 3 y 4, podría
ser el motivo de que la parte explicada de la brecha rural del 2020 sea mayor en
magnitud a la parte explicada de la brecha urbana del mismo año.
Tabla 12: Variación del salario por hora y brechas salariales estimadas, según
área de residencia, 2019 – 2020
Evolución del salario por hora Brecha estimada
Hombres Mujeres 2019 2020
Área Urbana -7.2% -0.8% 29.62% 21.34%
Área Rural -10.8% -4.0% 30.78% 22.98%
En relación con los determinantes, se tiene en común en las cuatro brechas que la
educación incrementa la brecha en la parte explicada, mientras que el tipo de
jornada la disminuye. En la parte no explicada, la condición de informalidad
incrementa la brecha en los cuatro casos, lo que comprende una penalidad mayor
hacia la mujer cuando labora en un puesto informal.
En el caso del área urbana del año 2019, la experiencia laboral disminuye la brecha
por características, pero los retornos a favor de los hombres incrementan la brecha.
Por su parte, el tipo de jornada disminuye la brecha en la parte explicada.
En el caso de la formalidad, esta incrementa la brecha tanto por características
como por retornos. Es así como las mujeres perciben menor salario porque se
encuentran en mayor medida en empleos informales y porque existe una
55
penalización de la informalidad mayor en las mujeres que en los hombres, como se

puede observar en las Ecuaciones Mincerianas estimadas.
Por otro lado, el tamaño de la empresa y el sector económico incrementan la brecha
salarial, pudiéndose afirmar que la segregación ocupacional de las mujeres
incrementa la diferencia entre salarios. Las mujeres se encuentran más
concentradas y más mujeres laboran en microempresas que sus pares varones. La
ocupación disminuye la brecha, lo que implica que existe una segregación vertical
a favor de las mujeres en la parte explicada, pero gran parte de esa disminución es
contrarrestada por la diferencia de retornos en la ocupación.
Los determinantes de mayor importancia en magnitud son tipo de jornada y sector
económico en la parte explicada y, en la parte no explicada, la experiencia laboral y
el sector económico.
salarial por género de la PEA objetivo del área urbana, versión agrupada, 2019
Explicada No explicada
Años de educación 0.0109***
Experiencia laboral -0.0129*** 0.1107*
Experiencia laboral al cuadrado 0.0135** -0.0567*
Tipo de jornada -0.0526*** -0.0034*
Condición de formalidad 0.0181*** 0.0208***
Tamaño de la empresa 0.0083***
Sector económico 0.0462*** -0.1029***
Ocupación -0.0357*** 0.0275**
Constante 0.3296**
Nota: Se han colocado solo aquellas variables con significancia estadística individual, las cuales están señaladas con
* p<0.05; ** p<0.01; *** p<0.001.
En el caso del área urbana del año 2020, la educación incide nuevamente en la
brecha por efecto de las características, aumentándola, pero en menor medida
debido a la menor diferencia en años estudiados entre hombres y mujeres en dicho
año respecto al anterior. En tanto, la condición de formalidad aumenta la diferencia
salarial por diferencia de retornos.
La ocupación disminuyó en mayor medida la diferencia entre salarios en 2020 (-
5.1%) que en 2019 (-3.6%).
56
Se redujo la incidencia de la segregación ocupacional horizontal (tamaño de la

empresa y sector económico) en la brecha.
salarial por género de la PEA objetivo del área urbana, versión agrupada, 2020
Años de educación 0.0045**
Tipo de jornada -0.0527***
Condición de formalidad 0.0189***
Tamaño de la empresa -0.0056*
Sector económico 0.0432*** -0.0678*
Ocupación -0.0514***
Constante 0.2815*
* p<0.05; ** p<0.01; *** p<0.001.
Gráfico 13: Determinantes de la parte explicada de la brecha salarial de género

de la PEA objetivo urbana, 2019 – 2020 (porcentaje)
Elaboración propia con datos de las ENAHO 2019-2020.
57
Gráfico 14: Determinantes de la parte no explicada de la brecha salarial de

género de la PEA objetivo urbana, 2019 – 2020 (porcentaje)
En relación con el área rural, en el año 2019, el estado civil incrementa la brecha
salarial generada por el incentivo salarial a los hombres de tener pareja, el cual es
más del doble que el de las mujeres rurales. Como se ha mencionado, este hallazgo
está explicado por la Teoría del Gusto de la Discriminación.
En tanto, dado que las mujeres estudian menos y tienen mayor experiencia
potencial, la educación incrementa la brecha y la experiencia la disminuye. No
obstante, existe un mayor retorno de experiencia laboral para los hombres que para
las mujeres, lo cual incrementa la diferencia entre ingresos salariales.
Por su parte, el tipo de jornada disminuye la brecha. Asimismo, al igual que en el
área urbana, condición de informalidad incrementa la brecha por una penalidad
mayor a las mujeres al encontrarse en el segmento informal.
La segregación ocupacional vertical, operacionalizada por la ocupación, disminuye
la brecha salarial.
58

salarial por género de la PEA objetivo del área rural, versión agrupada, 2019
Años de educación 0.0394*** -0.0907**
Experiencia laboral al cuadrado 0.0243*** -0.1796**
Tipo de jornada -0.0664*** 0.0098*
Condición de formalidad 0.1331***
Estado civil 0.0353*** 0.0038*
Ocupación -0.1522***
Constante 0.3304**
* p<0.05; ** p<0.01; *** p<0.001.
Para el año 2020, además de los determinantes del área rural del 2019, la
convivencia con menores de 6 años sería considerado un determinante que
incrementa la brecha salarial. Ello parte del incentivo salarial a los hombres de tener
hijos, en tanto las mujeres no perciben tal incentivo, como se observa en las
Ecuaciones de Mincer.
En relación con el cambio de las magnitudes de los determinantes, la educación
aportó menos a la variable dependiente debido a que disminuyó la diferencia entre
años promedio que estudian los hombres y mujeres que perciben ingresos
salariales. Por su parte, la mayor concentración en la ocupación de los agricultores
por parte de ambos géneros, especialmente en los hombres rurales, disminuyó la
brecha en la parte explicada y en la parte no explicada.
59

salarial por género de la PEA objetivo del área rural, versión agrupada, 2020
Años de educación 0.0243*** -0.066*
Experiencia laboral al cuadrado 0.0218***
años 0.0021*
Tipo de jornada -0.0695***
Condición de formalidad 0.1078**
Estado civil 0.0397***
Ocupación -0.0543*** -0.1583***
* p<0.05; ** p<0.01; *** p<0.001.
Gráfico 15: Determinantes de la parte explicada de la brecha salarial de género

de la PEA objetivo rural, 2019 – 2020 (porcentaje)
60
Gráfico 16: Determinantes de la parte no explicada de la brecha salarial de

género de la PEA objetivo rural, 2019 – 2020 (porcentaje)
61
IV. DISCUSIÓN
Existieron brechas salariales en contra de las mujeres en las áreas urbana y rural
durante los años 2019 y 2020 que oscilaron entre 21.34% y 30.78%, siendo de mayor
magnitud en el año 2019 en comparación con el año siguiente. Las brechas
encontradas superan las halladas por Vaccaro et al. (2022) y Quijano (2021) para el
país, pero es menor a las encontradas por Huacho & Rosales (2019), Defensoría del
Pueblo (2019a), Alva (2021). A nivel internacional, las brechas son menores a las
presentadas por España, Francia y Alemania en Dueñas & Almudenas (2018) y por
Chile en Salce (2021), mayores a las estimadas para Argentina (Paz, 2019) y dentro
del rango de lo encontrado en Ecuador por Antón et al. (2020).
En la totalidad de estudios mencionados, la parte no explicada representa el mayor
porcentaje de la brecha salarial. La predominancia del “efecto de los retornos” o parte
no explicada implica que el retorno que perciben los varones por las mismas
características que las mujeres es mayor al retorno de las mujeres. Este efecto puede
ser atribuido a la discriminación salarial por género.
En Dueñas & Almudenas (2018), el “efecto de los retornos” comprende el 72,84% de la
brecha total para el caso francés, 58.4% para el caso alemán y 98,29% para España.
Para Perú, Alva (2021) encuentra que el componente no explicado engloba al 91% de
la brecha total y, en Quijano (2021), Vaccaro et al. (2022) y Quispe (2020), el
componente no explicado es mayor que la brecha total, siendo contrarrestado
parcialmente por la parte explicada negativa. Los resultados de esta tesis coinciden con
los tres últimos estudios, contando con unos componentes no explicados que
significaron más del 101% de la brecha total en 2019 y, en 2020, más del 126%. En
ambos años, la parte explicada o efecto de las características es negativo, pero solo en
2020 es estadísticamente diferente de cero.
En relación con los determinantes de la brecha salarial por género del año 2019, se
encontraron que fueron los años de educación, experiencia laboral, experiencia laboral
al cuadrado y ocupación en ambas áreas. Ello coincide con Antón et al. (2020), Quispe
(2020), Alva (2021) y Quijano (2021).
En relación con la modalidad de tiempo parcial o completo, Paz (2019), Quispe (2020)
y Quijano (2021) también consideran el tipo de jornada como determinante de la brecha
salarial, disminuyendo la diferencia entre salarios en la parte explicada. En el caso del
62
Perú rural del 2019, existe mayor retorno a los hombres que trabajan en esta modalidad
respecto a sus pares femeninos.
La formalidad está relacionada a una mayor brecha, como destaca Vaccaro et al. (2022)
y Quispe (2020). Se encuentra que incrementa la diferencia entre salarios tanto por
efecto de características en el Perú Urbano del 2019, por encontrarse más mujeres en
el segmento informal, y por efecto de retornos por la existencia de una penalidad mayor
a las mujeres cuando trabajan informalmente que en los hombres, lo cual se refleja en
la Ecuación de Mincer.
Respecto a los signos de los determinantes en la parte explicada, se encontró que la
educación incide positivamente en la brecha salarial, en línea con lo expuesto en Antón
et al. (2020), dado que las mujeres siguen estudiando menos que los varones. Este
hallazgo difiere de los resultados de Quispe (2020), Quijano (2021) y Alva (2021) puesto
que el presente texto segmenta en área urbana y área rural, mientras que los estudios
mencionados no lo hacen.
En concreto, el motivo es que los hombres y mujeres rurales estudian menos que sus
pares urbanos, pero los hombres rurales son una mayor proporción de la PEA
masculina objetivo (39.7% en los años 2019-2020) que las mujeres rurales de la PEA
femenina objetivo (29.4%). Por tanto, cuando se consideran promedios sin segmentar
(nacionales), el promedio masculino disminuye más que lo que disminuye el femenino
respecto a los promedios urbanos. Justamente resaltar las diferencias por género entre
áreas urbanas y rurales fue la razón de realizar esta investigación.
La experiencia disminuye la brecha, siendo que las mujeres tienen mayor experiencia
potencial que los hombres, lo cual coincide con Quijano (2021), pero los retornos a favor
de los hombres, en el componente no explicado, contrarrestan la disminución de la
brecha de la parte explicada, incrementando la brecha salarial en términos netos.
En la parte urbana, el tamaño de la empresa y el sector económico sí fueron
determinantes e incrementaron la brecha salarial por género. En ese sentido, se puede
afirmar la existencia de una segregación ocupacional horizontal por género: la mayor
concentración de mujeres en sectores peor pagados (como servicios) y en las
microempresas, donde se perciben menores ingresos que en empresas de mayor
tamaño.
63
Una diferencia resaltante en el área rural respecto al área urbana es que el estado civil,
en todo el periodo, y la convivencia con niños menores de 6 años, en el año 2020, sí
son un determinante que incrementa la brecha salarial. Esto es explicado por la Teoría
del Gusto de la Discriminación, donde los empleadores perciben como menos
productivos a un grupo de personas por una característica no relacionada a la
productividad, en este caso, la maternidad y el matrimonio en la mujer.
La convivencia con el número de niños menores es un proxy de número de hijos y la
significancia estadística que tiene en el año 2020 se puede deber a que la carga
doméstica aumentó en relación con los cuidados de los hijos debido a la educación a
distancia y confinamiento, por lo que los empleadores esperaban que esta mayor carga
doméstica sea asumida por las mujeres. En ese sentido, se coincide con Quijano (2021)
y Defensoría del Pueblo (2019a).
Al contrario de lo postulado por Defensoría del Pueblo (2019a), el número de adultos
mayores con los que el individuo convive no es tiene una incidencia significativa en las
cuatro brechas salariales estimadas.
En línea con lo encontrado en Alva (2021), la brecha salarial disminuye en 2020
respecto al año previo. Incluso, de acuerdo con la brecha bruta por área calculada en
el presente texto (Gráfico 1) y la variable dicotómica de área de Alva (2021), se
encuentra la brecha salarial rural es mayor que la urbana una vez se ha ajustado por
las características de los trabajadores mediante la estimación de Ecuaciones
Mincerianas y la Descomposición de Oaxaca-Blinder.
Del análisis descriptivo y las estimaciones de las Ecuaciones de Mincer, se resalta que,
a mayor nivel de educación, mayores son los salarios, lo cual coincide con la Teoría del
Capital Humano reflejada en Mincer (1974) y Becker (1964). Asimismo, un mayor nivel
educativo está relacionado a menores brechas salariales brutas por género en el Perú
rural.
De igual manera, se encuentra un rendimiento marginal decreciente de la experiencia
laboral en los salarios en el análisis descriptivo y en las Ecuaciones de Mincer. En el
caso del hombre urbano, el punto máximo se alcanza entre los 20 y 39 años de
experiencia. En cambio, en el hombre rural, la mujer y el hombre urbanos se alcanza el
punto máximo antes en su ciclo de vida, entre los 10 y 19 años de experiencia. Respecto
64
a su relación con la brecha salarial bruta, esta también presenta un incremento hasta
los 40 años de experiencia, para luego disminuir.
Otro hallazgo relevante es que los trabajadores con empleo formal ganan más de 1.5
veces que sus contrapartes informales, en especial en el caso de las mujeres. Lo cual,
sumado a la incidencia positiva de la informalidad en la brecha salarial tanto por efecto
de características como por efecto de retornos, resulta preocupante ante el incremento
sustancial de la informalidad presentado en 2020.
65
V. CONCLUSIONES
1. Los determinantes y su incidencia en la brecha salarial por género variaron según

el área de residencia y los años estudiados debido a los cambios en el mercado
laboral generados por la pandemia del Covid-19 y las diferencias entre áreas en
niveles de informalidad, distribución entre ocupaciones y sectores económicos. Las
cuatro brechas salariales estimadas fueron: Perú urbano 2019, Perú rural 2019,
Perú urbano 2020 y Perú rural 2020. Se encontró que la educación, el tipo de
jornada, la informalidad, y la ocupación fueron determinantes en los cuatro casos.
Existió una penalidad mayor hacia la mujer cuando labora en un puesto informal
respecto a los hombres, especialmente en el área rural, donde existen mayores
niveles de informalidad. La experiencia es un determinante salvo en el caso urbano
en 2020. En el área urbana, el tamaño de la empresa y sector económico, que
aluden a la segregación ocupacional horizontal, sí son determinantes. En tanto, en
el área rural, el estado civil sí es un determinante y, en 2020, también lo es la
convivencia con menores de 6 años, un proxy de la maternidad, implicando así una
penalidad en la maternidad para la mujer rural.
2. De la estadística descriptiva, se encontró que las mujeres ocupadas se diferencian
de los hombres en que tienen mayor experiencia laboral y menores años de
educación durante los años 2019 y 2020. En el área urbana, existe una mayor
concentración de mujeres, de las cuales, más del 89% trabajan en los sectores de
servicios, comercio y manufactura. En tanto, el 75% de los hombres urbanos se
concentraron en servicios, comercio y agricultura en ambos años. Es decir, se
observa una mayor diversidad económica en hombres urbanos. En el área rural,
existe una mayor concentración de hombres, lo cual se profundizó en 2020,
ocupándose para ese año el 82,7% de hombres rurales en agricultura. Las mujeres
rurales se concentraron en el sector agricultura y servicios. No obstante,
independientemente de la concentración, los hombres obtienen mayores salarios
por hora que las mujeres en todos los sectores, a excepción de la construcción, que
engloban menos del 1% de las mujeres en el periodo comprendido.
Por otra parte, al analizar el comportamiento de la brecha salarial bruta, se encontró
que se ve incrementada a mayor la experiencia laboral hasta llegar a un punto
máximo entre los 40 y 49 años para luego disminuir. De igual forma, las brechas
66
salariales brutas son mayores en los trabajos de jornadas parciales, en los sectores
de manufactura y minería, en las personas con pareja y en los empleos informales.
3. Respecto a las ocho Ecuaciones de Mincer estimadas, se denotó que la educación,
la experiencia, tener pareja y trabajar en una empresa de mayor tamaño
incrementan el salario por hora. Se verificó el cumplimiento de los rendimientos
marginales decrecientes de la experiencia laboral en el salario. En lo referente a la
educación y experiencia, se encuentra en línea con lo establecido con la Teoría del
Capital Humano. Igualmente, resalta la mayor penalización de la informalidad en
los salarios femeninos respecto a los salarios masculinos.
4. Mediante la metodología de la Descomposición de Oaxaca-Blinder, se estimaron
brechas salariales por género entre 21.3% y 30.7% a favor de los hombres, donde
podría asociarse a la discriminación salarial por género entre el 27% y 31.2%
(efecto de los retornos). Por su parte, el efecto de las características disminuye la
brecha entre 0.5% y 6.4%.
5. Los cambios en el mercado laboral durante el 2020 influyeron en que los
determinantes de las brechas del 2019 no sean los mismos en 2020. Destacan la
mayor disminución de los salarios masculinos respecto a los femeninos, la
redistribución de las personas entre ocupaciones y sectores económicos, el
surgimiento del prejuicio de los empleadores de que el incremento de la carga
doméstica por el confinamiento recaería en las mujeres haciéndolas menos
productivas, la retirada de las mujeres con menor educación del mercado y el
incremento generalizado de la informalidad.
67
VI. RECOMENDACIONES
1. Se recomienda al Ministerio del Trabajo y Promoción del Empleo y al Ministerio de

la Mujer y de Poblaciones Vulnerables elaborar políticas que fomenten una mayor
participación de las mujeres en el mercado de trabajo y una mayor educación en
las mujeres. Estas políticas públicas deben estar focalizadas de manera adecuada,
considerando las características socioeconómicas y, dada la existencia de
discriminación salarial, tomando en cuenta especialmente el bagaje cultural de la
población objetivo para asegurar su eficacia.
2. Se sugiere al Ministerio del Trabajo y Promoción del Empleo capacitar a las
empresas en el uso de metodologías para calcular de manera más objetiva los
salarios de los trabajadores y, también, para realizar procesos de selección que
aseguren una elección objetiva, independientemente del género. De esta forma, se
podría incrementar el cumplimiento de la Ley N° 30709 “Ley que prohíbe la
discriminación remunerativa entre varones y mujeres”.
3. Se recomienda a la Superintendencia Nacional de Fiscalización Laboral y las
gerencias regionales impulsar la fiscalización del cumplimiento de la Ley N° 30709
“Ley que prohíbe la discriminación remunerativa entre varones y mujeres”.
4. A la comunidad académica y estudiantil, se le recomienda producir más
investigaciones sobre las brechas salariales, corrigiendo por sesgo de selección,
tanto con un enfoque en valores medios como en regresiones por cuantiles.
68
VII. REFERENCIAS
7.1. Libros
Becker, G. (1957). The economics of discrimination. The Chicago University Press.
Becker, G. (1964). Human capital: a theoretical and empirical analysis, with special
reference to education. National Bureau of Economic Research.
Borjas, G. (2010). Labor economics (6 ed.). McGraw-Hill.
Mincer, J. (1974). Schooling, Experience, and Earnings. National Bureau of

Economic Research. Obtenido de https://www.nber.org/books-
andchapters/schooling-experience-and-earnings
7.2. Tesis
Alva, L. (2021). Factores determinantes de la brecha salarial por género en la región
La Libertad en el periodo 2019-2020. [Tesis de licenciatura, Universidad
Privada del Norte]. Obtenido de https://hdl.handle.net/11537/29445
Ávila, M. (2018). Discriminación y brecha salarial por género en el Perú, 2016.

[Tesis doctoral, Universidad Nacional del Altiplano]. Obtenido de
http://repositorio.unap.edu.pe/handle/UNAP/7964
Baquero-Melo, J., Guataquí, J., & Sarmiento, L. (2000). Un marco analítico de la

discriminación laboral. Teorías, modalidades y estudios para Colombia.
[Tesis doctoral, Universidad del Rosario]. Obtenido de
https://doi.org/10.48713/10336_10807
Huacho, D., & Rosales, A. (2019). Factores determinantes de la brecha salarial por
género en la Región Junín, 2004–2017. [Tesis de licenciatura, Universidad
Nacional del Centro del Perú]. Obtenido de
https://repositorio.uncp.edu.pe/handle/20.500.12894/5412
Quijano, D. (2021). Determinantes de la brecha salarial por género en la región

Lambayeque, periodo 2013–2019. [Tesis de licenciatura, Universidad
Nacional de Trujillo]. Obtenido de
https://dspace.unitru.edu.pe/handle/UNITRU/19283#:~:text=Con%20resulta
69
dos%2C%20la%20brecha%20salarial,ofrece%20a%20hombres%20y%20m
ujeres.
Quispe, R. (2020). An analysis of the gender wage gap in Peru in the formal and
informal sectors. [Trabajo Final de Maestría de Economía]. Obtenido de
http://diposit.ub.edu/dspace/handle/2445/172852
7.3. Revistas
Antón, J., Vera, J., Rodríguez, J., & Lara, N. (2020). Brecha Salarial de Género en
los Sectores Público y Privado del Ecuador. X-Pedientes Económicos, 4(9),
47-67. Obtenido de https://ojs.supercias.gob.ec/index.php/X-
pedientes_Economicos/article/view/49
Baah-Boateng, W. (2014). Empirical analysis of the changing pattern of sex

segregation of occupation in Ghana. International Journal of Social
Economics, 41(8), 650-663. doi:https://doi.org/10.1108/IJSE-04-2013-0099
Blinder, A. (1973). Wage Discrimination: Reduced Form and Structural Estimates.

The Journal of Human Resources, 8(4), 436-455.
Firpo, S., Fortin, N., & Lemieux, T. (2009). Unconditional Quantile Regressions.
Econometrica, 3, 953-973. Obtenido de https://doi.org/10.3982/ecta6822
Heckman, J. (1979). Sample selection bias as a specification error. Econometrica,

47(1), 153-161.
Higa, M., Ospino, C., & Aragon, F. (2021). The persistent effects of COVID-19 on
labour outcomes: evidence from Peru. Applied Economics Letters, 30(8),
1065-1076. Obtenido de
https://www.tandfonline.com/doi/full/10.1080/13504851.2022.2036319
Juhn, C., Murphy, K., & Pierce, B. (1993). Wage Inequality and the Rise in Returns
to Skill. The Journal of Political Economy, 101(3), 410-442. Obtenido de
https://uh.edu/~cjuhn/Papers/docs/2138770.pdf
Koenker, R., & Bassett, G. (1982). Robust Tests for Heteroscedasticity Based on
Regression Quantiles. Econometrica, 50(1), 43-61. Obtenido de
https://gib.people.uic.edu/Robust%20Tests%20for%20Heterscedasticity
70
Machado, J., & Mata, J. (2005). Counterfactual decomposition of changes in wage

distributions using quantile regression. Journal of Applied Econometrics,
20(4), 445-465. Obtenido de
https://onlinelibrary.wiley.com/doi/full/10.1002/jae.788
Melly, B. (2005). Decomposition of differences in distribution using quantile

regression. Labour Economic, 12(4), 577-590. Obtenido de
https://www.alexandria.unisg.ch/14991/
Oaxaca, R. (1973). Male-Female Wage Differentials in Urban Labor Markets.

International Economic Review, 14(3), 693-709.
Paz, J. (2019). La brecha salarial por género en Argentina: análisis acerca de la

segmentación laboral. Sociedade e Cultura, 22(1), 157-178. Obtenido de
https://www.revistas.ufg.br/fcs/article/view/57894
Phelps, E. (1972). The statistical theory of racism and sexism. American Economic
Review, 62(4), 659-661. Obtenido de http://www.jstor.org/stable/1806107
7.4. Compendios
Instituto Nacional de Estadística e Informática. (2015). Compendio Estadístico
Provincia Constitucional del Callao 2014. Obtenido de
https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/
Lib1268/index.html
Instituto Nacional de Estadística e Informática. (2017). Producción y empleo

informal en el Perú: Cuenta satélite de la economía informal 2007-2016.
Obtenido de
Lib1471/anexob.pdf
Instituto Nacional de Estadística e Informática. (2019a). Perú: Brechas de género

2019. Avances hacia la igualdad de mujeres y hombres. Obtenido de
Lib1716/Libro.pdf
71
Instituto Nacional de Estadística e Informática. (2019b). Participación de la

Población en la Actividad Económica, 2017. Obtenido de
Lib1676/libro.pdf
Instituto Nacional de Estadística e Informática. (2020). Ficha técnica de la Encuesta

Nacional de Hogares sobre condiciones de vida y pobreza, 2019. Obtenido
de http://iinei.inei.gob.pe/microdatos/
Instituto Nacional de Estadística e Informática. (2021). Ficha técnica de la Encuesta

Nacional de Hogares sobre condiciones de vida y pobreza, 2020. Obtenido
de http://iinei.inei.gob.pe/microdatos/
Instituto Nacional de Estadística e Informática. (2022b). Brechas de género 2021.

Obtenido de https://www.gob.pe/institucion/inei/informes-
publicaciones/2947246-peru-brechas-de-genero-2021-avances-hacia-la-
igualdad-de-mujeres-y-hombres
Ministerio del Trabajo y Promoción del Empleo. (2021). Informe anual del empleo
en el Perú, 2020. Obtenido de
https://cdn.www.gob.pe/uploads/document/file/2212427/IAE%20.pdf
7.5. Páginas Web

Organización Internacional del Trabajo. (2021). Marco conceptual de la
Clasificación Internacional Uniforme de 1998 - CIUO-88. Recuperado el 7 de
abril de 2022, de
https://www.ilo.org/public/spanish/bureau/stat/isco/isco88/index1.htm
7.6. Boletines
Instituto Nacional de Estadística e Informática. (2022a). Enfoque de género,
Octubre-Diciembre del 2021. Obtenido de
https://www.inei.gob.pe/media/MenuRecursivo/boletines/01-informe-
tecnico-enfoque-de-genero-oct-nov-dic-2021.pdf
72
7.7. Otros documentos

Comisión Económica para América Latina y el Caribe. (2018). La Agenda 2030 y
los Objetivos de Desarrollo Sostenible: Una oportunidad para América Latina
y el Caribe. Obtenido de
https://repositorio.cepal.org/bitstream/handle/11362/40155/24/S1801141_e
s.pdf
Defensoría del Pueblo. (2019a). El impacto económico de la brecha salarial por

razones de género. Defensoría del Pueblo. Obtenido de
http://repositorio.dpe.gob.ec/handle/39000/2540
Defensoría del Pueblo. (2019b). El impacto económico del trabajo doméstico no

remunerado y de cuidados en el desarrollo de las mujeres. Obtenido de
https://repositorio.dpe.gob.ec/handle/39000/2447
Dueñas, D., & Moreno, A. (2018). Descomposición del GAP salarial por género en
España, Francia y Alemania. Depósito de Investigación Universidad de
Sevilla. Obtenido de https://idus.us.es/handle/11441/80219
Hakim, C. (1979). Occupational segregation: a comparative study of the degree and

pattern of the differentiation between men and women’s work in Britain, the
United States and other countries. Departamento de Empleo.
Lavado, T. (2017). Penalizaciones salariales por maternidad: El costo de ser madre

en el Perú. Consorcio de Investigación Económica y Social. Obtenido de
https://cies.org.pe/wp-
content/uploads/2018/05/penalizaciones_salariales_por_maternidad_el_cos
to_de_ser_madre_en_el_peru_-_tamia_lavado.pdf
Ñopo, H. (2007). Una extensión de la descomposición de Blinder-Oaxaca a un

Continuo de grupos en comparación.
73
VIII.ANEXOS
Anexo N° 01: Recolección de información secundaria de la ENAHO anual de los

años 2019 y 2020
Teniendo en cuenta la hipótesis y la matriz de operacionalización de las variables, la

recolección de datos estará en función tanto de las variables independientes como de
la variable dependiente:
1. Recolectar los datos relacionados a los “Ingresos laborales por hora”,

variable que será calculada a partir de las variables “Ingreso monetario total
de la actividad principal de trabajadores dependientes” (con código I524a1),
“Pago en especie de la actividad principal de trabajadores dependientes”
(con código D529T), “Valor de los productos para su consumo de
trabajadores independientes” (con código D536), “Ingreso por actividad
principal independiente” (con código i530a) y “Ingreso extraordinario” (con
código D544t), de la PEA ocupada del Perú Urbano y del Perú Rural en el
año 2019 y en el año 2020.
2. Recolectar los datos relacionados a las “Tipo de jornada” de la PEA
ocupada del Perú Urbano y del Perú Rural en el año 2019 y en el año 2020,
que calcula a partir de las variables “Horas trabajadas en la ocupación
principal” (con código i513t) y “Horas trabajadas en la semana” (con código
i520).
3. Recolectar los datos relacionados a los “Años de Escolaridad” de la PEA
que se encuentra en la base de datos consultada bajo la denominación de
“Grado de estudios alcanzado” (con código P301a), el último año que
aprobó (con código P301b) y cuál es el último año o grados de estudios y
nivel que aprobó (con código P301c).
4. Recolectar los datos relacionados al “Sector Económico” de la PEA
que se encuentra en la base de datos consultada bajo la denominación de
“¿A qué se dedica el negocio, organismo o empresa en la que trabajaste
en tu ocupación principal, según la Clasificación Industrial Internacional
74
Uniforme o CIIU – Revisión 4?” (con código P506R4). Esta variable será
recodificada considerando la agrupación realizada por INEI (2017), pero
agrupando como “Servicios” a transporte y comunicaciones, restaurantes y
alojamiento y otros servicios:
Tabla 17: Clasificación de sectores económicos utilizada,

considerando INEI (2017)
Clasificación usada Secciones CIIU – Revisión 4
Agropecuario y pesca A
Minería B
Manufactura C
Construcción F
Comercio G
Servicios H, J, I, D, E, K, L, M, N, O, P, Q,
R, S, T y U
5. Recolectar los datos relacionados a la “Ocupación” de la PEA ocupada del

Perú Urbano y del Perú Rural en el año 2019 y en el año 2020, que se
encuentra en la base de datos consultada bajo la denominación de
“Ocupación principal según la Clasificación Internacional Uniforme de
Ocupaciones de 1988 o CIUO – 88” (con código P505). Esta variable fue
recodificada según la clasificación de Lavado (2017). No se ha considerado
al grupo de fuerzas armadas.
75
Tabla 18: Clasificación de ocupaciones usada considerando Lavado

(2017)
Clasificación usada Grandes grupos de CIUO 88

Ejecutivos y profesionales Gran grupo 1 y 2
Técnicos y empleados Gran grupo 3 y 4
Servicios profesionales y Gran grupo 5
vendedores
Agricultores Gran grupo 6
Obreros y ambulantes Gran grupo 7, 8 y 9
6. Recolectar los datos relacionados al “Tamaño de empresa” en la que labora

de la PEA ocupada del Perú Urbano y del Perú Rural en el año 2019 y en
el año 2020, que se encuentra en la base de datos consultada bajo la
denominación de “Cuántas personas laboraron en su trabajo, negocio o
empresa, incluyéndose usted” (con código P512b).
7. Recolectar los datos relacionados al “Estado Civil” de la PEA ocupada del
Perú Urbano y del Perú Rural en el año 2019 y en el año 2020, que se
encuentra en la base de datos consultada bajo la denominación de “¿Cuál
es su estado civil o conyugal?” (con código P209).
8. Recolectar los datos relacionados a la condición de “Empleo informal” de la
PEA ocupada del Perú Urbano y del Perú Rural en el año 2019 y en el año
2020, que se encuentra en la base de datos consultada bajo la
denominación de “Situación de informalidad” (con código OCUPINF).
9. Recolectar los datos relacionados al “Sexo” de la PEA ocupada del Perú
Urbano y del Perú Rural en el año 2019 y en el año 2020, que se encuentra
en base de datos consultada bajo la denominación de “Sexo” (con código
P207).
10. Recolectar los datos relacionados al “Edad” de la PEA ocupada del Perú
Urbano y del Perú Rural en el año 2019 y en el año 2020, que se encuentra
en base de datos consultada bajo la denominación de “Edad en años” (con
código P208a). Esta variable será utilizada para calcular la variable
“Experiencia laboral potencial”.
76
11. Recolectar los datos relacionados al número de miembros del hogar

menores de 6 años de la PEA ocupada del Perú Urbano y del Perú Rural
en el año 2019 y en el año 2020 como la “Edad en años” (con código P208a)
y el “Código de persona” (con código codperso), este último será
contabilizado por hogar con apoyo de las variables “año”, “mes”,
“conglome”, “vivienda” y “hogar”. Estas variables serán utilizadas para
calcular la variable “Convivencia con niños menores de 6 años”.
12. Recolectar los datos relacionados al número de miembros del hogar
mayores de 65 años de la PEA ocupada del Perú Urbano y del Perú Rural
en el año 2019 y en el año 2020 como la “Edad en años” (con código P208a)
y el “Código de persona” (con código codperso), este último será
contabilizado por hogar con apoyo de las variables “año”, “mes”,
“conglome”, “vivienda” y “hogar”. Estas variables serán utilizadas para
calcular la variable “Convivencia con niños menores de 6 años”.
77
Anexo N° 02: Matriz de consistencia
Título Problema Objetivos Hipótesis Variables Metodología

Determinantes ¿Cuáles son los Objetivo general: Los determinantes de la Variable Métodos: inductivo-
de la brecha determinantes de la Identificar y analizar los brecha salarial por dependiente: deductivo, analítico-
salarial por brecha salarial por determinantes de la brecha género en el mercado Brecha salarial sintético y estadístico.
género en el género en el salarial por género y su grado laboral del Perú urbano y por género
Perú urbano y mercado laboral del de influencia en la brecha del Perú rural en el
rural, 2019-2020 Perú urbano y del salarial en el Perú urbano y el periodo 2019-2020 son la Estrategia
Perú rural durante Perú rural, periodo 2019-2020. educación, la experiencia metodológica: se
Variables
el periodo 2019- Objetivos específicos: laboral, sector estimaron regresiones
independientes:
2020? • Descripción del económico, ocupación, MCO de dos etapas con
tipo de jornada, tamaño Educación corrección de Heckman y
comportamiento de los
determinantes y de la de la empresa, estado Experiencia regresiones por cuantiles
brecha salarial por género civil, empleo informal, laboral con datos de la ENAHO
de la PEA ocupada del Perú convivencia con hijos Sector económico anualizada 2019 y la
Urbano y del Perú rural por menores de 6 años y Ocupación ENAHO anualizada 2020
género, en el periodo 2019- convivencia con adultos Tamaño de la siguiendo la metodología
2020. mayores. empresa de la descomposición
• Estimar las ecuaciones de Estado civil Oaxaca-Blinder.
Mincer para la Población Empleo informal
Económicamente Activa Tipo de jornada
ocupada del Perú urbano y Técnicas: revisión
Convivencia con documental.
del Perú rural por género,
niños menores de
en el periodo 2019-2020.
6 años
• Cuantificar el grado de
Convivencia con
influencia de los
adultos mayores
determinantes de la brecha
salarial por género en el
mercado laboral del Perú
Urbano y del Perú rural en
el periodo 2019-2020.
• Describir los cambios en la
brecha salarial por género
del Perú Urbano y del Perú
rural del año 2020 respecto
al año 2019.
78
Anexo N° 03: Especificaciones sobre Ecuaciones Mincerianas corregidas por

sesgo de selección
Tabla 19: Coeficientes y desviaciones estándar de las Ecuaciones Mincerianas

de la PEA objetivo corregidas por sesgo de selección, 2019
Hombre Urbano Mujer Urbana Hombre Rural Mujer Rural

Coeficiente SD Coeficiente SD Coeficiente SD Coeficiente SD
Años de educación 0.02 0.00 0.03 0.00 0.03 0.00 0.05 0.00
Experiencia laboral
potencial 0.02 0.00 0.02 0.00 0.01 0.00 0.01 0.00
Experiencia laboral
potencial al cuadrado 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Convivencia con niños
menores de 6 años 0.00 0.01 0.01 0.01 0.01 0.01 0.01 0.02
Convivencia con
adultos mayores -0.02 0.01 0.00 0.01 -0.02 0.01 -0.01 0.02
Jornada parcial 0.34 0.01 0.30 0.01 0.37 0.02 0.29 0.03
Informalidad -0.34 0.01 -0.46 0.02 -0.32 0.04 -0.63 0.06
Tiene pareja -0.01 0.03 -0.02 0.01 0.19 0.03 0.08 0.03
Pequeña 0.18 0.02 0.15 0.03 0.30 0.04 0.37 0.07
Mediana 0.21 0.03 0.30 0.05 0.35 0.09 0.46 0.18
Grande 0.26 0.02 0.29 0.02 0.33 0.05 0.40 0.06
Sector económico
Minería 0.61 0.04 0.31 0.12 0.43 0.06 0.19 0.22
Manufactura 0.08 0.03 -0.29 0.04 -0.14 0.05 -0.54 0.05
Construcción 0.27 0.03 0.08 0.09 0.21 0.04 0.54 0.21
Comercio -0.02 0.03 -0.22 0.04 0.04 0.06 -0.18 0.06
Servicios 0.00 0.02 0.05 0.04 0.06 0.04 0.22 0.05
Ocupación
Ejecutivos y
profesionales 0.79 0.04 0.49 0.06 0.62 0.09 0.05 0.11
Técnicos y empleados 0.60 0.03 0.37 0.05 0.57 0.06 -0.02 0.09
Servicios profesionales
y vendedores 0.32 0.03 0.05 0.05 0.11 0.07 -0.17 0.06
Obreros y ambulantes 0.27 0.03 0.11 0.05 0.29 0.03 -0.11 0.04
Constante 1.31 0.08 1.41 0.07 0.84 0.08 1.12 0.10
Lambda -0.37 0.07 -0.20 0.04 -0.11 0.05 - -
79
Tabla 20: Coeficientes y desviaciones estándar de las Ecuaciones Mincerianas

de la PEA objetivo corregidas por sesgo de selección, 2020
Hombre Urbano Mujer Urbana Hombre Rural Mujer Rural

Coeficiente SD Coeficiente SD Coeficiente SD Coeficiente SD
Años de educación 0.02 0.00 0.02 0.00 0.02 0.00 0.03 0.00
Experiencia laboral
potencial 0.01 0.00 0.01 0.00 0.01 0.00 0.00 0.00
Experiencia laboral
potencial al cuadrado 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
menores de 6 años 0.00 0.01 0.01 0.01 0.03 0.01 -0.02 0.02
mayores -0.01 0.01 0.01 0.01 0.01 0.01 -0.02 0.02
Jornada parcial 0.37 0.01 0.33 0.02 0.39 0.02 0.42 0.03
Informalidad -0.33 0.02 -0.46 0.02 -0.30 0.05 -0.55 0.07
Tiene pareja 0.04 0.03 0.03 0.02 0.17 0.03 0.06 0.03
Pequeña 0.28 0.02 0.25 0.03 0.34 0.04 0.36 0.07
Mediana 0.34 0.04 0.42 0.07 0.47 0.12 0.87 0.22
Grande 0.42 0.02 0.40 0.03 0.44 0.05 0.52 0.07
Sector económico
Minería 0.49 0.05 0.50 0.14 0.63 0.07 0.97 0.31
Manufactura 0.06 0.03 -0.33 0.04 0.02 0.06 -0.78 0.06
Construcción 0.22 0.03 0.15 0.11 0.29 0.04 0.40 0.31
Comercio -0.03 0.03 -0.18 0.04 0.08 0.06 -0.13 0.07
Servicios -0.05 0.02 0.07 0.04 0.10 0.04 0.23 0.05
Ocupación
Ejecutivos y
profesionales 0.84 0.04 0.55 0.06 0.86 0.08 0.28 0.11
Técnicos y empleados 0.61 0.03 0.40 0.06 0.70 0.07 0.19 0.10
vendedores 0.26 0.04 0.11 0.05 0.22 0.08 0.02 0.07
Obreros y ambulantes 0.23 0.03 0.14 0.05 0.36 0.02 0.01 0.04
Constante 1.22 0.09 1.25 0.08 0.72 0.08 0.99 0.10
Lambda -0.26 0.06 -0.13 0.04 -0.10 0.04 - -
80
Tabla 21: Pruebas de Wald de la PEA objetivo, 2019 – 2020

Año 2019
Wald chi2 (20) 8955.81 7386.64 2679.97 80.95
Prob > chi2 0 0 0 0
Año 2020
Wald chi2 (20) 8356.76 6674.06 3141.47 84.05
Prob > chi2 0 0 0 0
Nota: En el caso de la Mujer Rural, se estimó una Ecuación Minceriana con un MCO y se aplicó la prueba F de
Fisher.
81
Tabla 22: Pruebas de Multicolinealidad de la PEA objetivo, 2019

(VIF o Factor de inflación de la varianza)

Experiencia laboral
potencial 14.04 12.69 19.82 16.69
Experiencia laboral
potencial al cuadrado 13.32 12.37 16.78 14.96
menores de 6 años 1.16 1.1 1.2 1.17
Convivencia con
adultos mayores 1.2 1.17 1.49 1.28
Tipo de jornada 1.15 1.2 1.09 1.14
Informalidad 1.91 1.84 1.96 1.67
Tiene pareja 7.02 1.14 2.77 1.29
Tamaño de la empresa 0 0 0 0
Pequeña 1.21 1.32 1.2 1.17
Mediana 1.11 1.09 1.14 1.06
Grande 1.78 2.12 2.06 1.92
Sector económico 0 0 0 0
Minería 1.4 1.1 1.14 1.03
Manufactura 2.49 3.25 1.16 1.54
Construcción 2.71 1.23 1.28 1.05
Comercio 3.56 8.27 1.68 3.92
Servicios 5.15 8.96 1.91 3.1
Ocupación 0 0 0 0
Ejecutivos y
profesionales 4.73 9.72 1.57 2.03
y vendedores 4.25 14.38 1.76 5.15
Lambda 9.11 1.88 3.83 0
VIF Promedio 4.56 5.33 3.32 3.37
82
Tabla 23: Pruebas de Multicolinealidad de la PEA objetivo, 2020

(VIF o Factor de inflación de la varianza)

Experiencia laboral
potencial 14.23 12.31 20.18 15.65
Experiencia laboral
potencial al cuadrado 13.28 12.08 17.01 14.09
menores de 6 años 1.15 1.1 1.18 1.14
Convivencia con
adultos mayores 1.18 1.14 1.43 1.29
Tipo de jornada 1.13 1.19 1.08 1.13
Informalidad 2.02 2.07 2.23 1.84
Tiene pareja 5.19 1.15 2.35 1.24
Tamaño de la empresa 0 0 0 0
Pequeña 1.23 1.31 1.16 1.15
Mediana 1.13 1.1 1.08 1.06
Grande 1.94 2.43 2.48 2.18
Sector económico 0 0 0 0
Minería 1.26 1.07 1.1 1.02
Manufactura 2.06 2.58 1.1 1.45
Construcción 2.25 1.13 1.21 1.02
Comercio 2.97 6.21 1.68 3.96
Servicios 4.01 6.61 2.05 2.79
Ocupación 0 0 0 0
Ejecutivos y
profesionales 4.08 8.76 1.78 2.13
y vendedores 3.45 11.03 1.7 4.94
Lambda 6.66 1.01 3.44 0
VIF Promedio 3.97 4.45 3.33 3.25
83
Anexo N° 04: Especificaciones sobre Descomposiciones de Oaxaca-Blinder

corregidas por sesgo de selección
Tabla 24: Parte explicada de la brecha salarial por género de la PEA objetivo,
según determinantes, 2019 – 2020
2019 2020
Años de educación 0.0109*** 0.0394*** 0.0045** 0.0243***
Experiencia laboral
-0.0129*** -0.0193*** -0.0001 -0.0184***
potencial
Experiencia laboral
0.0135** 0.0243*** -0.0009 0.0218***
potencial al cuadrado
0 0.0003 -0.0001 0.0021*
menores de 6 años
Convivencia con
0.0004 -0.0003 0.0002 -0.0001
adultos mayores
Jornada completa -0.0263*** -0.0332*** -0.0264*** -0.0347***
Jornada parcial -0.0263*** -0.0332*** -0.0264*** -0.0347***
Formalidad 0.0091*** 0.0001 0.0002 -0.0012
Informalidad 0.0091*** 0.0001 0.0002 -0.0012
Sin pareja -0.0004 0.0177*** 0.0033 0.0199***
Con pareja -0.0004 0.0177*** 0.0033 0.0199***
Microempresa 0.0069*** 0.0014 -0.0009 -0.0026
Pequeña 0.0006 0.0009 0.0005 0.0002
Mediana 0.0005 0.0005 0.001** 0.0002
Grande 0.0003 -0.0011 -0.0062*** -0.002*
Sector económico
Agricultura -0.0101*** -0.0245*** -0.0098*** -0.0406***
Minería 0.0091*** 0.0044*** 0.0062*** 0.0044***
Manufactura -0.0016*** 0.012*** -0.0007* 0.0087**
Construcción 0.0124*** 0.005** 0.0121*** 0.0037**
Comercio 0.0242*** 0.0087 0.0214*** 0.0141*
Servicios 0.0121*** 0.0039 0.0141*** 0.0071*
Ocupación
Agricultores -0.0152*** -0.0674*** -0.0199*** -0.0844***
Ejecutivos y
-0.0136*** -0.003** -0.0224*** -0.0043***
profesionales
Técnicos y empleados 0.0022** -0.001 -0.0015 -0.0017*
0.0165*** 0.0431*** 0.0274*** 0.0353**
y vendedores
Obreros y ambulantes -0.0256*** -0.0003 -0.035*** 0.0008
Nota: * p<0.05; ** p<0.01; *** p<0.001.
84
Tabla 25: Parte no explicada de la brecha salarial por género de la PEA objetivo,
según determinantes, 2019 – 2020
2019 2020
Años de educación -0.033 -0.0907** -0.0002 -0.066*
Experiencia laboral
0.1107*
potencial 0.2309* 0.0734 0.2261*
Experiencia laboral
-0.0567*
potencial al cuadrado -0.1796** -0.0384 -0.1146
-0.0021
menores de 6 años -0.0015 -0.0052 0.0185*
Convivencia con
-0.0073
adultos mayores -0.0034 -0.006 0.0109
Jornada completa 0.0075* 0.0242* 0.0081 -0.0091
Jornada parcial -0.0108* -0.0144* -0.0121 0.0055
Formalidad -0.0196*** -0.0098*** -0.0231*** -0.0081**
Informalidad 0.0405*** 0.143*** 0.0419*** 0.1159**
Sin pareja -0.0039 -0.0247** -0.0035 -0.0254**
Con pareja 0.0039 0.0286** 0.0031 0.0253**
Microempresa 0.0164 0.0567 0.0046 0.112
Pequeña 0.0047* -0.0002 0.003 0.0032
Mediana -0.001 -0.0002 -0.0009 -0.0009
Grande -0.0023 -0.0008 0.0056 0.0031
Sector económico
Agricultura -0.0128*** -0.0337 -0.0078 -0.0438
Minería 0.0004 0.0005 -0.0003 -0.0006
Manufactura 0.0163*** 0.0253*** 0.0256*** 0.0499***
Construcción 0.0001 -0.0012 0 -0.0003
Comercio 0.0103 0.029* 0.0193 0.0212
Servicios -0.1171*** -0.0443** -0.1045*** -0.0335*
Ocupación
Agricultores -0.0081*** -0.1533*** -0.0073** -0.1523***
Ejecutivos y
0.0151***
profesionales 0.0045* 0.022*** 0.0062*
Técnicos y empleados 0.0061 0.0062** 0.0097* 0.0048*
0.0248**
y vendedores -0.0189 0.001 -0.0234
Obreros y ambulantes -0.0104 0.0093 -0.0201** 0.0064
Constante 0.3296** 0.3304** 0.2815* 0.1624
Nota: * p<0.05; ** p<0.01; *** p<0.001.
85
Anexo N° 05: Acta de originalidad
86
Anexo N° 06: Resultado de Turnitin
87
Anexo N° 07: Declaración Jurada
88
Anexo N° 08: Autorización de publicación del trabajo en repositorio
Imagen
89

Determinantes de La Brecha Salarial Por Género en El - Rodas Ramirez - Angela

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Determinantes de La Brecha Salarial Por Género en El - Rodas Ramirez - Angela

Uploaded by

Copyright:

Available Formats

TESIS UNITRU Biblioteca Digital.

Dirección de Sistemas de Informática y Comunicación - UNT

UNIVERSIDAD NACIONAL DE TRUJILLO

Rodas Ramírez, Angela Patricia

Asesor: Dr. Aguilar Delgado, José Luis

A mi madre, quien es mi fortaleza.

A mi familia, por su amor incondicional, especialmente a mi padre, cuyo recuerdo me

A los docentes de la Escuela Profesional de Economía, por brindarme herramientas,

Señores Miembros del Jurado Dictaminador:

Conforme a lo dispuesto en el Reglamento de Grados y Títulos de la Facultad de Ciencias

La presente investigación ha seguido los lineamientos establecidos por la Universidad y ha

Trujillo, 22 de diciembre de 2022.

Angela Patricia Rodas Ramírez

Bachiller en Ciencias Económicas

Resolución de Decanato de aprobación de Plan de tesis y nombramiento del asesor

Resolución de Decanato de nombramiento del jurado examinador

Resolución de Decanato de aprobación de Plan de tesis y nombramiento del asesor .......iv

Resolución de Decanato de nombramiento del jurado examinador ..................................vi

1.1. Antecedentes del estudio................................................................................ 3

1.2. Justificación del problema ............................................................................. 11

1.2.1. Justificación metodológica ................................................................ 11

1.4. Marco teórico y conceptual ........................................................................... 13

1.4.1. Marco teórico ................................................................................... 13

1.6. Objetivos generales y específicos ................................................................. 22

1.6.1. Objetivo general ............................................................................... 22

2.1. Materiales, Métodos y Técnicas .................................................................... 23

2.1.1. Material ........................................................................................... 23

III. RESULTADOS .................................................................................................. 32

3.1. Descripción del comportamiento de los determinantes y de la brecha salarial por

3.3. Cuantificar el grado de influencia de los determinantes de la brecha salarial por

VII. REFERENCIAS ................................................................................................. 69

VIII. ANEXOS ........................................................................................................... 74

Anexo N° 01: Recolección de información secundaria de la ENAHO anual de los años

Anexo N° 02: Matriz de consistencia ..................................................................... 78

Anexo N° 03: Especificaciones sobre Ecuaciones Mincerianas corregidas por sesgo

Anexo N° 04: Especificaciones sobre Descomposiciones de Oaxaca-Blinder

Anexo N° 05: Acta de originalidad ......................................................................... 86

Anexo N° 06: Resultado de Turnitin....................................................................... 87

Anexo N° 07: Declaración Jurada ......................................................................... 88

Anexo N° 08: Autorización de publicación del trabajo en repositorio ....................... 89

Palabras clave: brecha salarial por género, Oaxaca-Blinder, Perú rural

Key words: gender wage gab, Oaxaca-Blinder, rural Peru

El mercado laboral peruano presenta diferencias entre hombres y mujeres en el empleo,

Se segmenta a la Población Económicamente Activa (PEA) ocupada en PEA ocupada

Asimismo, el texto incorpora un análisis en salarios promedio para identificar los

De la revisión de la Teoría del Capital Humano, el Gusto por la Discriminación y Teoría

El texto se organiza en las siguientes secciones: (1) antecedentes, justificación,

1.1. Antecedentes del estudio

En el ámbito internacional, encontramos artículos de investigación que brindan

El estudio más reciente es Salce (2021), donde se analiza la brecha y la

En el texto, se entiende como discriminación salarial al sobrepago a los hombres,

privado, mediante: un modelo de Mínimos Cuadrados Ordinarios (MCO) para estimar

Gracias a la descomposición de Oaxaca-Blinder, se estimó una brecha salarial de

Se encontró sesgo de selección significativo solo para hombres y mujeres alemanes

salarial es la parte no explicada y la brecha favorece a los hombres en los cuantiles

Respecto a los estudios relacionados al presente tema que analizaron al país

por características individuales prepandemia. Se consideraron variables control

Respecto a los resultados relacionados con género, encuentra que, a un año de

La investigación desarrollada por Quijano (2021) tuvo como objetivo identificar

variables de edad, experiencia, estado civil, formalidad, jornada completa o parcial,

Se determinó la existencia de techos de cristal en los segmentos formal público y

En los resultados se mostraron que en el departamento hubo brecha salarial por