Está en la página 1de 21

Brecha salarial en la Región Metropolitana: un

asunto de género

Curso Estadística Multivariada


Profesores: Juan Carlos Castillo y Alejandro Plaza

Diego Esturillo Sáez Gabriela Guerra Garrido


21 de mayo de 2019
Abstract

En materia de igualdad de género, se ha planteado el conflicto de la brecha salarial entre


hombres y mujeres, el cual está lejos de acabarse. La presente investigación propone un
marco empírico para el estudio de la desigualdad de ingresos, añadiendo las variables de
edad, cantidad de hijos y años educacionales. Se utilizan datos de la Encuesta de
Caracterización Socioeconómica Nacional del 2017 (N= 15.100), los cuales indican que
efectivamente existe la brecha salarial en desmedro de las mujeres, y al agregar las variables
independientes al modelo, la distancia entre ingresos se acrecienta. Con esta investigación
se podrían impulsar nuevas líneas de investigación estudiando los factores de la inequidad
de género, como también la evaluación de obras públicas en busca de disminuir estas
diferencias.

Introducción

El aumento de mujeres en el trabajo remunerado ha ido al alza en Latinoamérica durante las


últimas décadas, sin embargo, aún no se puede hablar de igualdad porcentual entre hombres
y mujeres, ni mucho menos sobre igualdad salarial. En Chile, si bien ha disminuido la brecha
salarial entre géneros, sigue siendo positiva, de manera que cabe preguntarse qué es lo que
puede explicar esta tendencia.

La presente investigación se enfocará en comparar los salarios entre hombres y mujeres de


la Región Metropolitana y su relación con la educación, edad y cantidad de hijos. La pregunta
central de esta investigación se puede plantear como: ¿qué relación existe entre la variación
del salario y la educación, edad y cantidad de hijos de hombres y mujeres de la Región
Metropolitana? ¿existen diferencias de género entre estas variables?

La relevancia de esta investigación radica en encontrar si se siguen reproduciendo los roles


de género plasmados en el ingreso, y si esto tiene que ver con el nivel educativo, la edad y
nociones de maternidad y paternidad. De esta manera, se aportaría con una modesta y
recatada radiografía de un grupo de la sociedad chilena actual, que podría actuar como base
para trabajos futuros y líneas de investigación.

2
Se trabajará con los datos facilitados por la Encuesta de Caracterización Socioeconómica
Nacional (CASEN) del 2017 realizada por el Ministerio de Desarrollo Social. De acuerdo
con los objetivos de esta investigación, la variable dependiente corresponde a los ingresos
que obtienen hombres y mujeres de la Región Metropolitana. Por otro lado, las variables
predictoras en torno a los ingresos serán la edad, el sexo, los años de escolaridad, el número
de hijos y la región como variable de segmentación para focalizar el área geográfica de
análisis.

Marco referencial

Roles de género en la ocupación y el salario

Hasta el 2017, un 48,5% de las mujeres estaban insertas en el mercado laboral, mientras que
el caso de los hombres es de 71,2% (INE, 2018). Esto puede explicarse por la cantidad de
mujeres que sí tienen un trabajo, mas no es remunerado, por lo que no se integran en los
índices. Bizuela y Tumini (2008) plantean que las mujeres ocupan puestos de trabajo
relacionados al cuidado, a la salud, educación y a labores administrativas, no son puestas en
altos cargos jerárquicos que impliquen mayor cualificación técnica y profesional.

Educación y especialización

niveles de educación tienen una relación positiva en los ingresos, puesto que tiende a
aumentar la productividad (Cortés y Flórez, 2016): a mayor especialización, mayor
productividad laboral, por ende, mayor salario. Con la educación, se amplían las
posibilidades de lograr mayores retribuciones, ya sean en cargos de mayor jerarquía o con
mayores salarios (Schultz, 1961).

Araújo (2015) explica que parte de la brecha salarial por género se explica por dos partes:
primero, por factores discriminatorios y; la diferencia en escolaridad y experiencia. Sin
embargo, sobre este último punto, Atal, Ñopo y Winder (2009) encontraron una tendencia
desigual en América Latina: si bien las mujeres presentan mayores niveles de educación que
los hombres, finalmente ellas reciben un salario menor que ellos. Es decir, la especialización
no opera ni se valora de igual manera entre géneros.

3
Lo tradicional versus las nuevas generaciones

Debido a que actualmente los roles de género han estado siendo cuestionados, las
generaciones más jóvenes han adoptado prácticas que no se corresponden a las tradicionales,
entendiéndolas como las tareas dedicadas únicamente al ámbito privado. En este sentido, las
mujeres tienen la doble función de trabajar por las labores del hogar y el desarrollo
profesional (Hernández, 2008), siendo ésta última la que generalmente resulta postergada
por asuntos del hogar. Sin embargo, en la actualidad, y con el recambio generacional
femenino, los intereses en el ámbito del mercado laboral han experimentado cambios
sustanciales (Gómez y Royo, 2015), priorizándolos por sobre los intereses de formar una
familia bien constituida y tradicional.

El factor edad, relacionado con la experiencia en el mundo profesional o de formación, tiene


su impacto en el desempeño laboral y, por lo tanto, en los ingresos de los sujetos (Cortés y
Flórez, 2016). En este sentido, la literatura indica que a medida aumenta la experiencia, el
salario también aumenta. Sin embargo, Atal, Ñopo y Winder (2009) indican que, en el caso
femenino, si bien a medida que aumenta la edad, también lo hace el salario, llega un punto
en que no aumenta significativamente, incluso algunas veces suele disminuir.

Crianza y cuidado

Para las mujeres hay un mayor conflicto entre trabajo y familia a medida que se tengan más
hijos, esto se explica por la cantidad de tiempo dedicado a labores domésticas (Jiménez,
Concha y Zúñiga, 2012). Quienes estén más concentrados y concentradas en desarrollar una
carrera laboral, son quiénes están menos involucrados en las labores domésticas, y esta
tendencia se agudiza más en función de la cantidad de hijos o hijas que se tengan (Jiménez y
Gómez, 2015). De esta manera, asociando estas tendencias y la diferenciación por género,
son las mujeres quiénes tienden a posponer su carrera profesional por dedicarle más tiempo
al trabajo no remunerado del hogar.

Sobre esto, Becker (1985) dice que esta mayor responsabilidad de las mujeres en la crianza
y el cuidado de los hijos es la que provoca su exclusión en los trabajos formales más exigentes
o de mayor calificación. Tenjo, Ribero y Bernat (2005), por su parte, afirman que los
empleadores consideran como un factor de riesgo la tenencia de hijos para sus trabajadores,

4
especialmente en las mujeres, por lo tanto, se las penaliza con un salario más bajo que el de
los hombres.

Pregunta, objetivos e hipótesis

Pregunta investigación:

¿Cómo influye la educación, la edad y cantidad de hijos en el ingreso, y cómo es la relación


según hombres y mujeres?

Objetivo general:

Analizar la influencia de la educación, la edad y cantidad de hijos en el ingreso, y cómo se


comportan según género.

Objetivos específicos:

1. Caracterizar el comportamiento del ingreso según la cantidad de años de educación y


oficio, comparándolo entre hombres y mujeres.
2. Caracterizar el comportamiento del ingreso según la edad, comparándolo entre hombres y
mujeres.
3. Caracterizar el comportamiento del ingreso según la cantidad de hijos, comparándolo entre
hombres y mujeres.

Hipótesis General:

A pesar de que los factores educación, edad, y cantidad de hijos influyan en ambos géneros,
las mujeres siempre tenderán a aumentar su ingreso de manera menos intensa que los
hombres.

Hipótesis específicas:

1. En comparación a los hombres, el ingreso femenino aumentará con menor intensidad a


medida que los años de educación sean mayores.
2. En comparación a los hombres, el ingreso femenino aumentará con menor intensidad a
medida que la edad también aumente.
5
3. En comparación a los hombres, el ingreso femenino disminuirá con mayor intensidad a
medida que la cantidad de hijos aumente.

Metodología
Para lograr aproximarse a este fenómeno, como ya se ha mencionado, se utilizará la base de
datos de la Encuesta de Caracterización Socioeconómica Nacional (CASEN) del año 2017.
La muestra, obtenida mediante un muestreo estratificado por conglomerados, se compone de
216 439 personas en hogares, de las cuales se reducen a 42 601 ubicadas en la región
metropolitana, correspondientes a la zona geográfica objetivo de este estudio. Además, posee
carácter representativo de la población, tanto a nivel nacional como regional, siendo esto
último relevante al momento de reducir el lugar de análisis conformado. Para fines de algunas
pruebas de hipótesis y de mantener un n muestral constante (ya que hay variables que poseen
mayor nivel de respuesta/blancos/NS-NR), se quedaron finalmente 15 100 casos,
manteniendo igualmente el carácter representativo a nivel paramétrico.

El análisis estadístico que se ha realizado, debido a que la variable dependiente es intervalar


(ingresos) es un modelo de regresión lineal múltiple. Para este fin en particular, la variable
no fue tratada, por lo que será presentada de manera continua para los cálculos
correspondientes.

Por otra parte, las variables predictoras que comportan este modelo serán sexo (hombre y
mujer para este caso), edad, número de hijos, años de escolaridad, oficio u ocupación y región
como variable de segmentación. Edad, número de hijos y años de escolaridad comportan un
nivel de medición intervalar y no serán mayormente tratadas para el análisis. Solamente sexo
y oficio serán recodificadas porque poseen un nivel de medición nominal. Casen identifica
hombre con valor 1 y mujer con valor 2, por lo que, para fines del cálculo, se cambiaron a 0
y 1 respectivamente.

Pese a estar centrado en el análisis del modelo de regresión lineal múltiple, no se excluirán
del presente informe otro tipo de estadísticos uni o bivariados como promedios, intervalos
de confianza, correlaciones entre variables, con tal de hacer un poco más robusta la
interpretación y discusión final del caso.

6
Análisis

Tabla 1
Ingresos promedio por total y sexo
Media Intervalo de
confianza (99,9%)
Total $621 920 [$598 827 – 645 013]
Hombres $685 720 [$649 608 – 721 833]
Mujeres $545 948 [$519 586 – 572 311]

Fuente: elaboración propia en base a Casen 2017.

De acuerdo al objetivo principal de la presente investigación, cabe presentar a modo general


la situación salarial entre hombres y mujeres en la Región Metropolitana. El promedio de
ingreso mensual a nivel país es de $621 920 pesos. De esta manera, los hombres reciben un
ingreso mayor a esta cifra, siendo de $685 720 pesos. Caso contrario al de las mujeres,
quienes no sólo reciben un ingreso inferior a la media nacional, sino que también al de los
hombres, con un promedio de $545 948 en sueldo.

En términos generales, debido a que los intervalos no se solapan, se puede rechazar con
99,9% de confianza la hipótesis nula de igualdad de promedios en ingresos entre hombres y
mujeres. Así, los parámetros poblacionales se encontrarían dentro de los intervalos
correspondientes.

Tabla 2

Oficios u ocupaciones por sexo


Oficios u ocupaciones Hombres Mujeres
Miembros del poder 7,36% 5,10%
ejecutivo y cuerpo
legislativo
Profesionales, científicos e 16,15% 18,10%
intelectuales
Técnicos profesionales de 9,52% 14,07%
nivel medio
Empleados de oficina 6,36% 11,91%

7
Trabajadores de servicios y11,10% 23,53%
vendedores de comercio
Agricultores y trabajadores2,73% 0,33%
agropecuarios calificados
Oficiales, operarios y18,61% 4,01%
artesanos de artes mecánicas
Operadores de instalaciones y 12,47% 1,91%
máquinas y montadores
Trabajo no calificado 15,71% 21,03%

Fuente: elaboración propia en base a Casen 2017.

Cabe mencionar, de modo preliminar, que tanto en estas categorías de respuesta como en la
clasificación internacional (ISCO-08), existe un gran número de respuestas en blanco, por lo
que los porcentajes no provienen de la muestra total correspondiente a la región
metropolitana.

A modo de caracterizar y ver el tipo de actividad de los hombres y las mujeres de esta
muestra, es que se abordará el tipo de ocupación u oficio por género. En general, se puede
afirmar que en las ocupaciones de mayor calificación no existen grandes diferencias
porcentuales entre ambos géneros, mientras que la diferencia tiende aumentar a medida la
ocupación es de menor calificación.

Respecto a los roles de género en las ocupaciones u oficios, se puede afirmar que aún los
trabajos que requieren de mayor fuerza física, como los trabajadores de artes mecánicas y
operadores de máquinas y montadores, son predominantemente masculinos. En cambio,
tanto como en el rubro de servicios y comercio, como en el trabajo no calificado, son áreas
que están mayoritariamente compuestas por mujeres.

8
Tabla 3

Correlación entre variables

Años de Número de
Variables Edad escolaridad hijos Ingresos
Edad 1 -0.25 0.52 0.07
Años de
escolaridad -0.25 1 -0.25 0.39
Número de hijos 0.52 -0.25 1 0.02
Ingresos 0.07 0.39 0.02 1
Fuente: elaboración propia a partir de Casen 2017.

A partir de la tabla 3 se da un panorama general de la correlación entre variables. Se puede


ver que para tanto para ingresos con edad, como también ingresos y número de hijos, no
existe mayor correlación. Ahora, en cuanto a correlaciones positivas más fuertes, se
encuentra el ingreso con los años de escolaridad, que, según la revisión bibliográfica, se
relaciona a la cualificación y especialización recompensada en el sueldo. También se
encuentra una relación positiva, pero con mayor intensidad, entre las variables edad y número
de hijos.

La única correlación negativa corresponde a las variables edad y año de escolaridad. A partir
de esto, se puede intuir desde la ampliación de oportunidades educacionales actuales en
comparación a generaciones anteriores. De esta forma, las personas de mayor edad no
tuvieron la opción de continuar con la carrera educacional, mientras que ahora, los más
jóvenes, sí pueden hacerlo.

9
Primer acercamiento al modelo de regresión

Modelo 1

Modelo de regresión lineal simple: ingresos por sexo


===========================
Modelo 1
---------------------------
(Intercept) 684986.09 ***
(9549.61)
sexoMujer -139549.25 ***
(14116.77)
---------------------------
R2 0.01
R2 ajustado 0.01
Num. obs. 15100
RMSE 864226.81
===========================
*** p < 0.001, ** p < 0.01, * p < 0.05
Fuente: elaboración propia en base a Casen 2017.

Este primer modelo de regresión lineal simple nos permite dar un primer atisbo a la
problemática de la variación de ingresos en torno a sexos y demás variables que inciden en
la misma. Resulta un poco más descriptivo que los modelos siguientes, pero da cuenta de un
primer momento del análisis.

Se indica que las mujeres, en comparación con los hombres, perciben $139 772 menos que
los hombres en promedio, con un nivel de confianza de 99,9%. A su vez, el modelo compete
un R2 de 0,006, ergo, la variación de sexo explica en un 0,6% la varianza de los ingresos.

10
Modelo 2
Modelo de regresión lineal múltiple: ingresos por sexo y años de escolaridad
================================================

Modelo 1 Modelo 2

------------------------------------------------

(Intercept) 684986.09 *** -504800.44 ***

(9549.61) (23462.08)

sexoMujer -139549.25 *** -187026.18 ***

(14116.77) (12928.90)

años_escolaridad 92963.60 ***

(1701.69)

------------------------------------------------

R2 0.01 0.17

R2 ajustado 0.01 0.17

Num. obs. 15100 15100

RMSE 864226.81 789715.62

================================================

*** p < 0.001, ** p < 0.01, * p < 0.05

Fuente: Elaboración propia en base a Casen 2017.

Ahora bien, el siguiente modelo de regresión lineal múltiple considera, en su defecto, la


variable años de escolaridad y sexo en torno a los ingresos. En referencia al modelo anterior
que sólo consideraba la variable sexo, existe una diferencia si se controla por años de

11
escolaridad, generando un ingreso de $187 428 menos, con un 99,9% de confianza, en
comparación con los hombres. A su vez, el ingreso aumenta en $92 956 por cada año de
escolaridad. Por otro lado, el R2 ajustado aumenta de un 0,6% a un 17%, agregando una
mayor capacidad explicativa de la varianza de los ingresos.

Modelo 3
Modelo de regresión lineal múltiple: ingresos por sexo, años de escolaridad y edad
=================================================================
Modelo 1 Modelo 2 Modelo 3 .
-----------------------------------------------------------------
(Intercept) 684986.09 *** -504800.44 *** -1156853.72 ***
(9549.61) (23462.08) (34082.28) .
sexoMujer -139549.25 *** -187026.18 *** -188550.33 ***
(14116.77) (12928.90) (12651.72) .
años_escolaridad 92963.60 *** 104313.75 ***
(1701.69) (1721.95) .
edad 12350.45 ***
(477.10)
-----------------------------------------------------------------
R2 0.01 0.17 0.21 .
R2 ajustado 0.01 0.17 0.21 .
Num. obs. 15100 15100 15100 .
RMSE 864226.81 789715.62 772776.55 .
=================================================================
*** p < 0.001, ** p < 0.01, * p < 0.05
Fuente: elaboración propia en base a Casen 2017.

En el Modelo 3 de regresión lineal múltiple se considera la variable edad, años de escolaridad


y sexo en torno a los ingresos. En comparación al Modelo 2, no se produce una gran
diferencia en la variable sexo controlando por año de escolaridad y edad, teniendo un ingreso

12
de $188 550 menos que los hombres, con un 99% de confianza. En el caso del nuevo predictor
agregado, se ve que por cada año adicional, el ingreso aumenta en $12 350. El R2 ajustado
aumenta en comparación al Modelo 2, pasando de 17% a 21%, sumando a la capacidad
explicativa de la varianza de los ingresos.

Modelo 4
Modelo de regresión lineal múltiple: ingresos por sexo, años de escolaridad, edad y número
de hijos
=================================================================
Modelo 1 Modelo 2 Modelo 3 Modelo 4
----------------------------------------------------------------------------------
(Intercept) 684986.09 *** -504800.44 *** -1156853.72 *** -1156835.49 ***
(9549.61) (23462.08) (34082.28) (34025.82)
sexoMujer -139549.25 *** -187026.18 *** -188550.33 *** -190364.91 ***
(14116.77) (12928.90) (12651.72) (12633.31)
años_escolaridad 92963.60 *** 104313.75 *** 106153.02***
(1701.69) (1721.95) (1738.23)
edad 12350.45 *** 10436.77 ***
(477.10) (546.34)
numero_hijos 35766.44 ***
(5001.58)
----------------------------------------------------------------------------------
R2 0.01 0.17 0.21 0.21
R2 ajustado 0.01 0.17 0.21 0.21
Num. obs. 15100 15100 15100 15100
RMSE 864226.81 789715.62 772776.55 771496.45
=================================================================
*** p < 0.001, ** p < 0.01, * p < 0.05
Fuente: elaboración propia en base a Casen 2017.
Siguiendo con el Modelo 4, se agrega el nuevo predictor número de hijos. En este sentido, y
comparándolo con el Modelo 3, tampoco se produce una gran diferencia en la variable sexo

13
controlando por las otras tres variables. De este modo, las mujeres reciben $190 364 menos
de ingreso en comparación a los hombres, controlando por año de escolaridad, edad y número
de hijos. El R2 ajustado en este modelo no varía en comparación al Modelo 3, manteniéndose
en un 21%, por lo tanto, la variable número de hijos no agrega mayor capacidad explicativa
a la varianza de los ingresos.

Análisis de sensibilidad

Dentro del modelo de regresión lineal múltiple, es menester cumplir con varios supuestos
para que este muestre a cabalidad lo que se está tratando de explicar, con tal de que logre ser
lo más robusto posible, y en caso de que uno de estos supuestos no se esté cumpliendo,
existen opciones para solucionarlo.

En primer lugar, debe cumplirse el supuesto de linealidad, donde los residuos deben ser
independientes de los valores predichos. Para este caso, se detectó que la variable edad podría
no tener un comportamiento lineal, por lo que se realizó una prueba F de comparación de
modelos y se rechazó la hipótesis nula, con un p-valor menor a 2.2e-16 y un nivel de
confianza de 99,9%, de que el modelo original explica el mismo monto de variación de la
variable dependiente (VD) que el expandido con la variable independiente (VI) en cuestión.

14
Modelo 5
Estimación del modelo 4 con variable edad al cuadrado
================================================================
Modelo 1 Modelo 2 Modelo 3 Modelo 4
----------------------------------------------------------------------------------
(Intercept) 684986.09 *** -504800.44 *** -1156835.49 *** -1634570.85 ***
(9549.61) (23462.08) (34025.82) (60783.48)
sexoMujer -139549.25 *** -187026.18 *** -190364.91 *** -198570.01 ***
(14116.77) (12928.90) (12633.31) (12626.09)
años_escolaridad 92963.60 *** 106153.02 *** 103310.34 ***
(1701.69) (1738.23) (1758.93)
edad 10436.77 *** 37425.54 ***
(546.34) (2900.81)
numero_hijos 35766.44 *** 29180.14 ***
(5001.58) (5035.19)
I(edad^2) -309.43 ***
(32.67)
----------------------------------------------------------------------------------
R2 0.01 0.17 0.21 0.21
R2 ajustado 0.01 0.17 0.21 0.21
Num. obs. 15100 15100 15100 15100
RMSE 864226.81 789715.62 771496.45 769239.03
=================================================================
*** p < 0.001, ** p < 0.01, * p < 0.05
Fuente: elaboración propia en base a Casen 2017.
Otro supuesto que debe cumplirse es que las variables independientes no deben estar alta o
perfectamente correlacionadas (multicolinealidad). Para este modelo, se realizó una
estimación mediante el factor de inflación de la varianza (VIF en inglés) y arrojó valores
cercanos a 1 para cada predictor. Específicamente: 1,004 para sexo, 1,09 para años de
escolaridad, 1,40 para edad y 1,40 para número de hijos.

15
Un tercer supuesto corresponde a la homocedasticidad, donde se asume que la varianza del
error debe permanecer constante a través de todas las observaciones. En el modelo en
cuestión, mediante tanto la prueba de Breush-Pagan como el de Cook-Weisberg, se rechazó
la hipótesis nula de varianza de error constante, con un p-valor menor a 2,2e-16.

Para nuestro análisis, se encontraron casos que tenían una excesiva influencia dentro de la
estimación de los coeficientes. Se volvió a estimar el modelo excluyendo estos, encontrando
cambios en los coeficientes y en los R2, pero sin perder significación.

Modelo 6
Estimación del modelo 4 sin casos influyentes
=================================================
Modelo 1 Modelo 2
-------------------------------------------------
(Intercept) -1156835.49 *** -661428.86 ***
(34025.82) (18475.62)
sexoMujer -190364.91 *** -105634.35 ***
(12633.31) (6606.44)
años_escolaridad 106153.02 *** 72031.45 ***
(1738.23) (959.82)
edad 10436.77 *** 6989.61 ***
(546.34) (290.54)
numero_hijos 35766.44 *** 11994.90 ***
(5001.58) (2728.85)
-------------------------------------------------
R2 0.21 0.29
R2 ajustado 0.21 0.29
Num. obs. 15100 14547
RMSE 771496.45 394887.02
=================================================
*** p < 0.001, ** p < 0.01, * p < 0.05
Fuente: elaboración propia en base a Casen 2017.

16
Finalmente, el último supuesto a considerar es el de normalidad de distribución de residuos.
Si bien el teorema de Gauss-Markov no requiere de este supuesto, las inferencias basadas en
t o en z sí lo hacen. Para esta muestra no fue posible realizar la prueba Shapiro-Wilks, debido
a que es mayor a 5000 casos. En caso de que no se cumpliera, existe la posibilidad de que,
dado el teorema del límite central, los estimadores de OLS pueden seguir asintóticamente
normales, cuando la muestra es lo suficientemente grande (15 100 casos). Con ello, se puede
ignorar la normalidad.

Discusiones y conclusiones

Considerando las tablas y modelos de regresión lineal múltiple anteriores, el resultado más
visible y constante es el comportamiento del ingreso según el sexo: las mujeres siempre
reciben un ingreso inferior que los hombres. A pesar de que se incluyan las variables años
de escolaridad, edad o cantidad de hijos, el ingreso para las mujeres siempre se comportará
de la misma manera. Esto puedo responder lo expuesto en la revisión de literatura, en que la
discriminación y brecha salarial en desmedro de las mujeres se sigue perpetuando en la
práctica.

Sin distinción entre sexos, las variables independientes presentaron los siguientes resultados:
al aumentar en un año la educación, el ingreso aumenta en $187 023; la edad, en este caso,
se tuvo que realizar una transformación de polinomio cuadrático, que indica que si bien al
inicio al aumentar la edad, también lo hace el ingreso, llega un momento en que la relación
se convierte en negativa; la cantidad de hijos, por último, indica que cuando se tiene un hijo
más, el ingreso aumenta en $35 766, que se podría explicar, por una parte, por las
subvenciones estatales para las familias.

Por otro lado, al momento de eliminar los casos influyentes, disminuye notoriamente la
diferencia de ingresos entre hombres y mujeres, pasando de $190 364 menos para las
mujeres, ceteris paribus, a $105 634, dadas las mismas condiciones.

La relevancia que contiene este trabajo es que logra capturar, dentro de lo intuitivo que suena
para el contexto chileno (y fuera de este), mediante un análisis estadístico con un modelo de
regresión lineal múltiple, algunas de las variables que inciden en la inequidad de ingresos

17
entre hombres y mujeres. El foco está puesto en comparar (tomando como referencia a los
hombres) los ingresos por sexo, controlando por las demás variables.

Bajo esta lógica, es pertinente seguir el mismo derrotero para investigaciones futuras
agregando más variables (y eliminando otras en su defecto) para lograr una mejor
comprensión del fenómeno en cuestión, incluso utilizando otros métodos estadísticos con
ello. Así, podría replicarse en otras regiones del país, o en un nivel más local, provincias o
comunas.

Con esto, se ha dado una aproximación somera a la cuestión de la inequidad de ingresos entre
hombres y mujeres, una constante en la palestra y en el debate sobre políticas públicas en
tanto los últimos años se ha tensionado más el papel de las mujeres (y otras disidencias) en
la esfera pública, teniendo aún mucho que progresar para llegar a una condición óptima fuera
de desigualdades.

18
Bibliografía

Araújo, A. (2015). La desigualdad salarial de género medida por regresión cuantílica: el


impacto del capital humano, cultural y social. Revista mexicana de ciencias políticas y
sociales, 60(223), 287-315.

Arceo, E., Campos, R., Medina, E., & Vélez, R. (2018). Negociación y preferencias
económicas por género: evidencia experimental en México. El trimestre económico, 85(339),
645-678.

Armijo, L. (2016). Ciudadanía y cuidado en España: El dilema trabajo/familia según las


madres trabajadoras. Psicoperspectivas, 15(3), 87-100.

Atal, J., Ñopo, H. & Winder, N. (2009). New century, old disparities: gender and ethnic wage
gaps in Latin America. IDB Working Papers.

Azmat, G., & B. Petrongolo (2014), “Gender and the Labor Market: What Have We Learned
from Field and Lab Experiments?”, Labour Economics, 1 (30), 32-40.

Becker, G. (1985). Human capital, effort, and the sexual division of labor. Journal of Labor
Economics, 3(1), 33-58.

Brizuela, S. & Tumini, L. (2008). Inequidades de género en el mercado de trabajo de la


Argentina: las brechas salariales. Revista de Trabajo, 4(6).

Cortés, A, & Flórez, M. (2016). Diferencias salariales por género en el departamento de


Santander, Colombia. Apuntes del Cenes, 35(61), 267-302.

Ferrada, L., & Montaña, V. (2014). ¿Existe una Ventaja de Salario para los Habitantes de la
Región de Magallanes?: Análisis a Partir de un Enfoque por Género. Magallania (Punta
Arenas), 42(1), 93-109.

Fuentes, J., Palma, A. & Montero, R. (2005) “Discriminación salarial por género en Chile:
una mirada global.” Estudios de Economía 32 (2), pp. 133–57.

19
Gómez, V., & Royo, P. (2015). Nuevas subjetividades y proyecto de vida: jóvenes
universitarios de la VII región del Maule, Chile. Revista de Estudios Sociales, (53), 90-101.

Gómez, V., & Jiménez, A. (2015). Corresponsabilidad familiar y el equilibrio trabajó familia:
medios para mejorar la equidad de género. Polis (Santiago), 14(40), 377-396.

Gómez, V., Arellano, O. & Valenzuela, O. (2017). Negociaciones en familia: género, trabajo
y cuidado en Chile. Revista Estudios Feministas, 25(2), 661-682.

Hernández, A. (2008). Expectativas de la vida familiar y laboral de una muestra de


estudiantes de Publicidad y Relaciones Públicas. Tesis Doctoral. Universidad de Alicante.

INE. (5 de marzo de 2018). 48,5% de las mujeres participa en el mercado laboral chileno
durante 2017, menor al 71,2% de participación de los hombres. Recuperado de
<https://www.ine.cl/prensa/detalle-prensa/2018/03/05/solo-un-48-5-de-las-
mujeresparticipa-en-el-mercado-laboral-chileno-durante-2017-menor-al-71-2-
departicipaci%C3%B3n-de-los-hombres>.

Jiménez, A., & Moyano, E. (2008). Factores laborales de equilibrio entre trabajo y familia:
medios para mejorar la calidad de vida. Universum (Talca), 23(1), 116-133.

Jiménez, A., Concha, M., & Zúñiga, R. (2012). Conflicto trabajo-familia, autoeficacia
parental y estilos parentales percibidos en padres y madres de la ciudad de Talca, chile. Acta
colombiana de psicología, 15(1), 57-65.

Jiménez, A., & Gómez, V. (2015). Conciliando trabajo-familia: análisis desde la perspectiva
de género. Diversitas: Perspectivas en Psicología, 11(2), 289-302

Mendoza, J., & García, K. (2009). Discriminación salarial por género en México. Problemas
del desarrollo, 40(156), 78-99

Navarro, A. (2010). ¿Mujeres proveedoras y jefas de familia? ...Nuevas realidades rurales en


localidades de la región zamorana. La ventana. Revista de estudios de género, 4(31), 139171.

20
Paredes, R. & Rivero, L. (1994). Gender Wage Diferentials in Chile, 1958-1990, Santiago
de Chile, mimeo.

Santelices, M., Besoain, C, & Escobar, P. (2015). Monoparentalidad, trabajo materno y


desarrollo psicomotor infantil: Un estudio chileno en niños que asisten a salas cuna en
contexto de pobreza. Universitas Psychologica, 14(2), 675-684.

Schultz, Theodore, (1961) “Investment in Human Capital” en The American Economic


Review. Vol. 51, (1), 1-17.

Tenjo, J., Ribero, R. & Bernat, L. (2005). Evolución de las diferencias salariales por sexo en
seis países de América Latina: un intento de interpretación. Bogotá: CEDE, Facultad de
Economía, Universidad de los Andes.

21