Brecha Salarial GRUPO4

FACTORES QUE
INCIDEN EN LA
BRECHA SALARIAL
ENTRE FORMALES E
INFORMALES EN LA
MACRO REGIÓN
CENTRO: 2014 - 2019
Alumnos:
• Barzola De La Cruz, Jazmin
• Bueno Rodríguez, Alexandra
• Paucar Parco, Yessenia
• Perez Pino, Jheyson
• Pillpa de la Cruz, Alexandra
• Porras Rivas, Jhoselyn
GRUPO 4
RESUMEN
En el presente trabajo, se analiza la influencia de factores que se relacionen a la reducción

de las brechas de ingresos laborales entre la formalidad e informalidad del empleo. Así, se
encuentra que los ingresos laborales de los trabajadores informales vienen creciendo con
mayor velocidad que el de los trabajadores formales, lo cual se traduce en una reducción en
la brecha salarial, y ello podría dificultar la reducción de la tasa de empleo informal en el
país porque los retornos económicos en los empleos informales se están volviendo más
atractivos al pasar de los años. Al descomponer la brecha salarial entre ambos grupos de
trabajadores a partir de la metodología Oaxaca-Blinder, se encuentra evidencia de que
dicha brecha no es atribuible únicamente a factores observables asociados a las
características propias de los trabajadores, sino también a factores no observables asociados
a algún tipo de discriminación o segmentación en el mercado laboral.
Palabras clave: Brecha salarial de género entre formales e informales, Modelo Oaxaca-
Blinder, nivel educativo, discriminación laboral, ramas económicas.
SUMMARY
In this work, the influence of factors related to the reduction of labor income gaps between
formality and informality of employment is analyzed. Thus, it is found that the labor
income of informal workers has been growing faster than that of formal workers, which
translates into a reduction in the wage gap, and this could make it difficult to reduce the
informal employment rate in the country because the economic returns in informal jobs are
becoming more attractive over the years. When decomposing the wage gap between both
groups of workers using the Oaxaca-Blinder methodology, evidence is found that said gap
is not attributable only to observable factors associated with the workers' own
characteristics, but also to unobservable factors associated with some type of discrimination
or segmentation in the labor market.
Keywords: Gender wage gap between formal and informal, Oaxaca-Blinder Model,
educational level, employment discrimination, economic branches.
INTRODUCCIÓN
Un mercado de trabajo con alta presencia de empleo informal, como es el caso del Perú,
conlleva a que la gran mayoría de los trabajadores accedan a condiciones de ingresos
laborales bajos. De acuerdo al MTPE (2020), en el año 2019, un trabajador con empleo
informal percibió un ingreso laboral promedio mensual menor en 63,2% con respecto a lo
que percibe un trabajador con empleo formal. El objetivo del presente documento es
evidenciar la existencia de la brecha salarial entre trabajadores formales e informales según
diversas variables sociolaborales.
La generación de información estadística sobre la dinámica de las brechas en los niveles de

ingresos laborales entre el empleo formal y el empleo informal, según diversas variables de
interés, será de utilidad para comprender los retornos económicos que ofrece la
informalidad, a fin de que los trabajadores puedan realizar un balance con los beneficios
que ofrece la inserción hacia un empleo formal.
Asimismo, ayudará a las autoridades competentes contar con instrumentos para el diseño
y/o formulación de sus políticas públicas, a fin de mejorar los incentivos hacia la
formalización laboral de manera más focalizada. La definición de informalidad se
encuentra en línea con los conceptos planteados por la OIT en la XV y XVII Conferencia
Internacional de Estadísticos del Trabajo (CIET) del año 1993 y 2003 respectivamente. Así,
el empleo informal está referido a aquellos trabajadores que laboran en unidades
productivas no registradas en la administración tributaria; los trabajadores dependientes que
laboran en empresas inscritas en SUNAT, pero que no cuentan con beneficios sociales y
adicionalmente, a los trabajadores familiares no remunerados. Esta es la definición que se
tomará en cuenta el presente documento.
En ese entender, el trabajo analizará la influencia de algunos factores que interviene en la

reducción de la brecha salarial entre formales a nivel de la Macro Región Centro, así como
en la región Lima desde el año 2014:2019.
Planteamiento del problema
Problema General
- ¿Cómo se genera la brecha salarial entre géneros en la Macro región Centro, en el
periodo 2014 – 2019, para el tipo de empleo formales e informales?
Problemas Específicos
- ¿Cuál fue el efecto del tipo de empleo formal, en la brecha salarial entre géneros
para el periodo 2014 – 2019 y si está explicada principalmente por diferencias en
características observables como experiencia, escolaridad, sector económico y
experiencia?
- ¿Cuál fue el efecto del tipo de empleo informal, en la brecha salarial entre géneros
para el periodo 2014 – 2019 y si está explicada principalmente por factores
discriminatorios?
- ¿Cuál fue el comportamiento de la brecha salarial entre géneros en el periodo 2014
– 2019 entre el tipo de empleo formal e informal?
Objetivos
Objetivo General
- Analizar la brecha salarial entre géneros en la Macro región Centro, en el periodo
2014 – 2019, para el tipo de empleo formales e informales.
Objetivos específicos
- En el tipo de empleo formal, estimar la brecha salarial entre géneros para el periodo
2014 – 2019 y determinar si está explicada principalmente por diferencias en
características observables como experiencia, escolaridad, sector económico y
experiencia.
- En el tipo de empleo informal, estimar la brecha salarial entre géneros para el
periodo 2014 – 2019 y determinar si está explicada principalmente por factores
discriminatorios.
- Comparar el comportamiento de la brecha salarial entre géneros en el periodo 2014
– 2019 entre el tipo de empleo formal e informal.
Marco teórico
la presente investigación tomo como referencia el trabajo realizado por Sarra Ben Yahmed
(2016), que realiza un trabajo de corte transversal sobre las Brechas salariales de género en
las Empleos informales en Brasil.
Así también se realizó la revisión del trabajo de Actis y Atucha (2003), quienes reafirman
la división del diferencial salarial en un componente explicado y otro no explicado. El
componente explicado, se adecua a la hipótesis de capital humano (productividad de los
componentes) o a la hipótesis de la segregación (inserción ocupacional específica).
Mientras que el componente no explicado, se inserta mejor en la hipótesis de la
discriminación laboral y/o en la hipótesis de la autoselección muestral (comportamiento de
la oferta de trabajo).
Marco conceptual
a) Diferencias de ingreso explicada por características observables: Según la hipótesis
de capital humano (Becker, 1975), el nivel educativo, la experiencia en el mercado
laboral y la capacitación en el trabajo constituyen poderosos determinantes de la
productividad y, por ende, de los ingresos individuales. Según esta hipótesis, una
persona que posee un nivel de estudios más alto y una mejor formación es capaz de
ofrecer una cantidad mayor de esfuerzo productivo útil que una persona que posee
menos estudios y formación.
b) Diferencias de ingreso no explicada por características observables: Las
disparidades salariales no pueden ser explicadas solo por las teorías de capital
humano o segregación ocupacional, por lo que hay una parte que se le confiere a la
hipótesis de la discriminación. El tema de discriminación es amplio y se remonta a
muchas décadas atrás, como el caso de Becker (1957) quien propone una definición,
afirmando que existe discriminación cuando se otorgan “tasas salariales diferentes
para dos grupos con idéntica productividad”.
c) La versión de la descomposición de la brecha salarial desarrollada por Oaxaca
(1973) y Blinder (1973) que evita importantes problemas metodológicos discutidos
en Oaxaca y Ransom (1994) y Oaxaca y Ransom (1999). La metodología de
descomposición que sigue ha sido presentada en Fortin (2008) y no es sensible a la
elección de la estructura salarial de referencia. La estructura salarial de referencia se
toma de la estimación de una regresión salarial común en la muestra combinada de
hombres y mujeres donde la ventaja masculina es igual a la desventaja femenina
con respecto a la referencia. Calculo tres ecuaciones, dos ecuaciones salariales
separadas para hombres y mujeres y una ecuación salarial combinada con variables
ficticias de género y una restricción de identificación. Cada ecuación se estima por
separado para la formal y los segmentos informales indicados con el subíndice j = 2,
3.
ln w ipj =β opj +α pfj Fi +α pmj M i + X i β pj + μij con α pfj =−α pmj ;
ln w ifj= β0 fj + X i β fj + μ ifj ,
ln w imj =β 0 mj+ X i β mj + μimj ,
dónde X es un conjunto de variables de control que incluye el número de años de

educación, la edad y la edad al cuadrado, la antigüedad en el trabajo actual y su
cuadrado, si la persona es negra, si la persona vive en un área urbana, e indicadores
por regiones y sectores de actividad.
d) Una vasta literatura, que comenzó a fines de la década de 1970, ha estudiado el

efecto del sesgo de selección en la brecha salarial de género, centrándose
principalmente en los Estados Unidos. Entre los trabajos recientes, Blau y Kahn
(2006) muestran que la disminución de la brecha salarial de género durante la
década de 1980 fue exagerada, ya que se explica en gran medida por la muestra
selección. También muestran que la selección ha contribuido a una reducción más
lenta de la brecha salarial de género durante la década de 1990. Al observar los
países europeos y los Estados Unidos, Olivetti y Petrongolo (2008) señalan que la
selección no aleatoria explica por qué las brechas de género en el empleo están
correlacionadas negativamente con las brechas salariales de género en los países. En
promedio, las mujeres son seleccionadas positivamente para el empleo. Los países
con brechas laborales de género particularmente altas, como en el sur de Europa, se
caracterizan por una fuerte selección femenina positiva que a su vez reduce la
brecha salarial de género observada. Esta pequeña brecha salarial de género
observada es en realidad un artefacto del proceso de selección: las mujeres que
están empleadas tienen mejores habilidades que las mujeres no empleadas, lo que
sobreestima a las mujeres asalariadas. Estos estudios encuentran que la corrección
por selección tiene importantes consecuencias para la evaluación de las brechas
salariales de género. En este artículo, evalúo el efecto del sesgo de selección en las
estimaciones de la brecha salarial de género en un mercado laboral donde la
coexistencia de trabajos formales e informales modifica el proceso de selección.
Hipótesis
Hipótesis general
- Los hogares de la región Junín que cuentan con mayor acceso a los distintos tipos
de servicios públicos reducen su probabilidad de ser pobres, en comparación a los
hogares que tienen poco o ningún acceso a dichos servicios en el año 2018.
Hipótesis específicas
- El nivel de gasto en hogares urbanos es mayor en comparación a los hogares rurales
teniendo en cuenta la disponibilidad de servicios públicos
- Si existe diferencia estadística en el nivel de pobreza en los hogares rurales y
urbanos, según el nivel de servicios públicos.
- Los tipos de servicios públicos que impactan en mayor medida sobre la reducción
de la pobreza en los hogares de la región Junín son agua, desagüe, electricidad y
telefonía.
Diseño de la investigación
Material y métodos
Tipo de investigación:
- Esta investigación es explicativa con datos de panel.
Población
Para la presente investigación se tuvo como población a los hogares de la región
Junín que fueron encuestados en la Encuesta Nacional de Hogares del año 2018.
Técnicas e instrumentos de recolección de datos.

- Los datos fueron obtenidos de fuentes secundarias como de la Encuesta Nacional de
hogares (ENAHO).
RESULTADOS
1. ANÁLISIS DESCRIPTIVOXCuadro 01. Estadísticas descriptivas por género - Macro región: 2014-2019
2. 3. FORMAL 4. INFORMAL
6. (1)
7. (2) 8. (3) 9. (4)
Ho
M Ho M
m
uj mb uj
br
er re er
5. e
10. Demografía 11. 12. 13. 14.
16. 43 17. 42 19. 44
.6 .2 .9
15. Edad(media) 64 30 18. 43. 33
06 82 918 56
63 44 307 94
21. 0. 22. 0. 24. 0.
76 47 23. 0.6 52
20. Viviendo en
71 92 185 65
pareja
86 11 774 84
74 47 48 25
25. Educación 26. 27. 28. 29.
30. Analfabeto 31. 0. 32. 0. 33. 0.0 34. 0.
00 00 548 22
21 17 393 34
94 92 2 15
05 11 75
36. 0. 37. 0. 39. 0.
35. Años de 99 99 38. 0.9 77
escolaridad 78 82 451 65
(media) 05 07 606 84
95 89 8 25
40. Variables
relacionadas
con el trabajo 41. 42. 43. 44.
46. 0. 47. 0. 49. 0.
07 01 48. 0.1 00
45. Administrativos 41 54 101 61
10 12 817 80
19 19 5 99
52. 0. 54. 0.
51. 0. 04 53. 0.0 01
50. Agricultura 04 73 401 14
72 11 232 01
94 83 6 82
56. 0. 57. 0. 59. 0.
07 12 58. 0.0 21
55. Comercio 58 00 826 17
16 71 363 73
67 68 1 88
61. 0. 62. 0. 64. 0.
26 20 03
60. Construcción 59 25 63. 0.0 79
67 08 410 26
82 96 666 07
66. 0. 67. 0. 69. 0.
01 00 68. 0.0 00
65. Intelectuales 77 28 170 24
96 67 429 00
2 38 5 38
71. 0. 72. 0. 74. 0.
20 02 73. 0.6 63
70. Público y
11 36 715 41
privado
21 55 300 81
4 91 9 47
76. 0. 77. 0. 79. 0.
00 00 78. 0.0 00
75. Técnicos 34 07 061 23
12 16 631 40
97 85 3 37
81. 0. 82. 0. 84. 0.
01 01 83. 0.0 06
80. Terceros 19 39 183 39
45 78 007 10
39 49 4 23
86. 0. 87. 0. 89. 0.
30 57 88. 0.0 02
25 34 129 98
35 76 551 84
85. Transporte 35 7 6 78
90.
El cuadro 01 muestra las características demográficas, familiares y educativas de hombres y

mujeres que tienen trabajos formales e informales. Los empleados informales son en
promedio más jóvenes que los formales hombres y las mujeres que trabajan formalmente
tienen la misma edad en promedio, pero en trabajos informales las mujeres son un poco
mayores que los hombres. Las mujeres que tienen trabajos informales suelen ser jefas de
hogar y viven con menos frecuencia en parejas en comparación con las mujeres en trabajos
formales.
La ENAHO proporciona información sobre la composición del hogar. Se puede hacer una
casa de varias familias, p. ej. dos familias que comparten vivienda o una familia que
contrata a un empleado doméstico con o sin su familia. Los trabajadores formales viven en
hogares con una mayor proporción de trabajadores formales, que va en la dirección del
argumento de la red. La proporción de miembros formales del hogar es aproximadamente 4
puntos porcentuales más entre las trabajadoras formales en comparación con las
trabajadoras informales. La diferencia es de aproximadamente 6 puntos porcentuales entre
los trabajadores varones. Las mujeres tienden a vivir en hogares con familia, es decir con
pareja.
En cuanto a las características laborales, se muestra que dentro del sector formal existe una
participación del 7.41% de los hombres en cuanto a la rama laboral administrativa, a su vez,
existe una participación de 4.73% en la agricultura, un 7.58% en el sector comercio, una
participación de 26,59% en el sector construcción, una participación de 1.77% dentro del
grupo de científicos e intelectuales, una participación de 20.11% en cuanto a los
trabajadores públicos y privados, una participación de 0.34% de los técnicos, una
participación de 1.19% del sector servicios y un 30.25% del sector transporte. Mientras que
las mujeres dentro del ámbito formal tienen una participación de 1.54% en cuanto a la rama
laboral administrativa, a su vez, existe una participación de 4.73% en la agricultura, un 12%
en el sector comercio, una participación de 20.25% en el sector construcción, una
participación de 0.28% dentro del grupo de científicos e intelectuales, una participación de
2.36% en cuanto a los trabajadores públicos y privados, una participación de 0.07% de los
técnicos, una participación de 1.39% del sector servicios y un 57.34% del sector transporte.
Por otro lado, en cuanto a las características laborales, se muestra que dentro del sector
informal existe una participación del 11% de los hombres en cuanto a la rama laboral
administrativa, a su vez, existe una participación de 4% en la agricultura, un 8.26% en el
sector comercio, una participación de 4.1% en el sector construcción, una participación de
1.7% dentro del grupo de científicos e intelectuales, una participación de 67.15% en cuanto
a los trabajadores públicos y privados, una participación de 0.6% de los técnicos, una
participación de 1.83% del sector servicios y un 1.29% del sector transporte. Mientras que
las mujeres dentro del ámbito informal tienen una participación de 0.61% en cuanto a la
rama laboral administrativa, a su vez, existe una participación de 1.14% en la agricultura,
un 21.17% en el sector comercio, una participación de 3.79% en el sector construcción, una
participación de 0.24% dentro del grupo de científicos e intelectuales, una participación de
63.41% en cuanto a los trabajadores públicos y privados, una participación de 0.23% de los
técnicos, una participación de 6.39% del sector servicios y un 2.98% del sector transporte.
Análisis de la proporción de personas con educación entre los trabajadores formales e

informales y de la proporción de estadísticas descriptivas por grupos educativos y
géneros
Todo Formal Informal

Junín X Hombre Mujer Hombre Mujer Hombre Mujer
Educación técnica 2 7 2 7
posgrado 163 166 137 145 26 21
primaria 1302 1259 74 28 1228 1231
secundaria 1990 1147 387 82 1603 1065
sin nivel 86 380 1 3 85 377
superior 1340 1316 699 608 641 708
Cuadro 02. Proporción de personas con educación entre formales e informales en Junín
Fuente: INEI-ENAHO
Elaboración: Propia.
Tasa de participación Tasa de informalidad

Nivel educativo
Hombre Mujer Hombre Mujer
Educación tecnica 0.0002 0.0008 0.0004 0.0016
post-grado 0.0178 0.0181 0.0053 0.0049
primaria 0.1422 0.1375 0.2515 0.288
secundaria 0.2173 0.1252 0.3283 0.2491
sin nivel 0.0094 0.0415 0.0174 0.0882
superior 0.1463 0.1437 0.1313 0.1656
Cuadro 03. Estadísticas descriptivas por grupos educativos y género en Junín
Fuente: INEI-ENAHO
En el cuadro 02, se puede observar con mas detalle el logro educativo para diferentes
situaciones laborales (formales e informales). Eso revela que la distribución masculina del
rendimiento escolar domina la distribución femenina. En otras palabras, existen menos
hombres con bajo nivel educativo y hombres con más nivel educativo en la población del
departamento de Junín. Las diferencias de género en el nivel educativo son fuertes entre
ambos empleados (formales e informales). Esto es consistente con una clasificación de
hombres y mujeres donde el género es una señal para apego al mercado laboral y los
hombres trabajadores compensan un promedio más bajo apego al mercado laboral en su
grupo al tener un nivel de educación superior. La tabla también muestra que la población
informal es diversa. El 22% de los hombres, frente al 78% de las mujeres, tiene educación
tecnica, y al mismo tiempo, el 51% de los hombres y el 49% de las mujeres tienen
educación superior.
El cuadro 03 describe las diferencias por género y nivel educativo en las tasas de
participación y las tasas de informalidad del departamento de la región Junín. La tasa de
participación es más baja para las mujeres que para los hombres. Está en promedio 47%
para mujeres y 53% para hombres. La brecha de participación disminuye con el nivel
educativo. Entre las personas con educación tecnica, solo el 2% de las mujeres decide
participar en el trabajo mercado mientras que el 8% de los hombres lo hace, lo que
corresponde a una brecha de 6 puntos porcentuales. La participación la tasa aumenta con la
educación y más rápidamente para los hombres. Entre las personas con educación superior,
la brecha de participación también es de 6 puntos porcentuales
Análisis de la proporción de empleo e informalidad por género y sectores y de la

proporción de empleo y tasa de informalidad por género y ocupaciones.
Junín
Cuota de empleados Tasa de informalidad
Sector
Administrativos 3.00 0.22 6.65 0.37
Agricultura 1.58 0.66 3.09 1.02
Comercio 3.27 5.55 6.59 12.53
Construcción 2.97 1.75 2.56 1.99
Intelectuales 0.73 0.13 1.37 0.26
Público y privado 12.26 9.91 28.00 25.52
Técnicos 0.23 0.12 0.54 0.29
Terceros 0.59 1.70 1.36 4.23
Transporte 2.03 3.30 1.10 2.55
Cuadro 04. Proporción de empleo e informalidad por género y sectores en zonas urbanas en Junín
Fuente: INEI-ENAHO
Empleados Informalidad
Ocupación Cuota Tasa
Agricultores y trabajadores calificados agropecuarios,
3.16 1.31 3.09 1.02
forestales y pesqueros
Jefes y empleados administrativos 5.99 0.45 6.65 0.37
Miembros del Poder Ejecutivo, Legislativo, Judicial y
24.53 19.82 28.00 25.52
personal directivo de la administración pública y privada
Ocupaciones elementales 1.18 3.40 1.36 4.23
Operadores de maquinaria industrial, ensambladores y
4.06 6.61 1.10 2.55
conductores de transporte
Profesionales científicos e intelectuales 1.46 0.26 1.37 0.26
Profesionales técnicos 0.46 0.24 0.54 0.29
Trabajadores de la construcción, edificación, productos
5.94 3.49 2.56 1.99
artesanales, electricidad y las telecomunicaciones
Trabajadores de los servicios y vendedores de comercios y
6.54 11.11 6.59 12.53
mercados
Cuadro 05. Proporción de empleo y tasa de informalidad por género y ocupaciones en Junín
Fuente: INEI-ENAHO
Se observa del cuadro 04, la proporción de empleo femenino y masculino en todos los sectores
y a la tasa de informalidad dentro de los sectores en Junín, así, se muestra que el sector público
y privado emplea al 9.91% de la fuerza laboral femenina donde la tasa de informalidad de las
mujeres es del 25.52%. El 12.26% de los empleados varones trabajan en este sector y tienen una
mayor tasa de informalidad, 28%. La mayor tasa de informalidad se encuentra en el sector
público privado. En la agricultura, un sector que emplea respectivamente 3% y 0.22% de la
fuerza laboral urbana masculina y femenina, la tasa de informalidad femenina es menor que la
tasa de informalidad masculina en 2.78 puntos porcentuales.
El cuadro 05 muestra la distribución del empleo femenino y masculino entre ocupaciones y la
tasa de informalidad dentro de cada ocupación. La tasa de informalidad es la más baja entre
Profesionales técnicos para quienes, el 0.54% de los técnicos y el 0.29% de los técnicos
informan no tener un contrato registrado. El más alto nivel de informalidad para las mujeres se
encuentra en la ocupación de Miembros del Poder Ejecutivo, Legislativo, Judicial y personal
directivo de la administración pública y privada, donde el 25.52% de las mujeres son
informales. Esta ocupación emplea a casi la mayoría de las empleadas, para el caso de los
varones, es el 24.53% que trabajan ahí y el 28% de ellos tienen un empleo informal.
Huancavelica

Sector
Agricultura 0.47 0.06 1.06 0.13
Comercio 1.05 3.70 2.36 8.30
Construcción 0.74 0.82 1.66 1.84
Intelectuales 0.11 0.02 0.24 0.04
Técnicos 0.07 0.03 0.16 0.06
Terceros 0.13 0.88 0.30 1.97
Transporte 0.11 0.38 0.24 0.84
Cuadro 06. Proporción de empleo e informalidad por género y sectores en zonas urbanas en Huancavelica
Fuente: INEI-ENAHO
Agricultores y trabajadores calificados agropecuarios, forestales y
1.11 0.23 1.06 0.13
pesqueros
Miembros del Poder Ejecutivo, Legislativo, Judicial y personal
33.33 36.71 36.09 41.08
directivo de la administración pública y privada
2.86 3.53 0.24 0.84
3.34 2.55 1.66 1.84
2.37 7.82 2.36 8.30
mercados
Cuadro 07. Proporción de empleo y tasa de informalidad por género y ocupaciones en Huancavelica
Fuente: INEI-ENAHO
Se observa del cuadro 06, la proporción de empleo femenino y masculino en todos los
sectores y a la tasa de informalidad dentro de los sectores en Huancavelica, así, se muestra
que el sector público y privado emplea al 18.33% de la fuerza laboral femenina donde la
tasa de informalidad de las mujeres es del 41.08%. El 16.11% de los empleados varones
trabajan en este sector y tienen una mayor tasa de informalidad, 36.09%. La mayor tasa de
informalidad se encuentra en el sector público y privado. En la agricultura, un sector que
emplea respectivamente 1.06% y 0.13% de la fuerza laboral urbana masculina y femenina,
la tasa de informalidad femenina es menor que la tasa de informalidad masculina en 0.93
puntos porcentuales.
El cuadro 07 muestra la distribución del empleo femenino y masculino entre ocupaciones y

la tasa de informalidad dentro de cada ocupación. La tasa de informalidad es la más baja
entre Profesionales técnicos para quienes, el 0.16% de los técnicos y el 0.06% de las
técnicos informan no tener un contrato registrado. El más alto nivel de informalidad para
las mujeres se encuentra en la ocupación de Miembros del Poder Ejecutivo, Legislativo,
Judicial y personal directivo de la administración pública y privada, donde el 41.08% de las
mujeres son informales. Esta ocupación emplea a casi la mayoría de las empleadas, para el
caso de los varones, es el 33.33% que trabajan ahí y el 36.09% de ellos tienen un empleo
informal.
Ayacucho

Sector
Agricultura 0.98 0.39 1.67 0.45
Comercio 1.52 4.86 3.20 10.71
Construcción 1.94 1.29 1.80 1.72
Intelectuales 0.30 0.03 0.65 0.08
Técnicos 0.08 0.04 0.19 0.10
Terceros 0.35 1.00 0.67 2.16
Transporte 1.92 2.48 0.54 1.42
Cuadro 08. Proporción de empleo e informalidad por género y sectores en zonas urbanas en Ayacucho
Fuente: INEI-ENAHO
1.95182724 0.7751938 1.67 0.45
Miembros del Poder Ejecutivo, Legislativo, Judicial y personal
30.0941307 29.7619048 34.39 34.17
directivo de la administración pública y privada
3.83444075 4.95570321 0.54 1.42
3.87596899 2.58859358 1.80 1.72
3.03156146 9.71760797 3.20 10.71
mercados
Cuadro 09. Proporción de empleo y tasa de informalidad por género y ocupaciones en Ayacucho
Fuente: INEI-ENAHO
Se observa del cuadro 08, la proporción de empleo femenino y masculino en todos los
sectores y a la tasa de informalidad dentro de los sectores en Ayacucho, así, se muestra que
el sector público y privado emplea al 14.88% de la fuerza laboral femenina donde la tasa de
informalidad de las mujeres es del 34.17%. El 15.05% de los empleados varones trabajan
en este sector y tienen una mayor tasa de informalidad, 34.39%. La mayor tasa de
informalidad se encuentra en el sector público y privado. En la agricultura, un sector que
emplea respectivamente 0.98% y 0.39% de la fuerza laboral urbana masculina y femenina,
la tasa de informalidad femenina es menor que la tasa de informalidad masculina en 1.22
puntos porcentuales.
El cuadro 09 muestra la distribución del empleo femenino y masculino entre ocupaciones y

la tasa de informalidad dentro de cada ocupación. La tasa de informalidad es la más baja
entre Profesionales técnicos para quienes, el 0.19% de los técnicos y el 0.10% de las
técnicos informan no tener un contrato registrado. El más alto nivel de informalidad para
las mujeres se encuentra en la ocupación de Miembros del Poder Ejecutivo, Legislativo,
Judicial y personal directivo de la administración pública y privada, donde el 34.17% de las
mujeres son informales. Esta ocupación emplea a casi la mayoría de las empleadas, para el
caso de los varones, es el 30.09% que trabajan ahí y el 29.76% de ellos tienen un empleo
informal.
Huánuco

Sector
Agricultura 1.780 0.679 1.587 0.520
Comercio 4.306 10.282 4.007 10.955
Construcción 3.550 2.715 1.691 1.743
Intelectuales 0.645 0.122 0.690 0.130
Publico y privado 29.598 27.907 33.958 32.540
Técnicos 0.234 0.067 0.208 0.078
Terceros 1.113 3.049 1.184 3.539
Transporte 3.750 5.007 0.651 1.392
Cuadro 10. Proporción de empleo e informalidad por género y sectores en zonas urbanas en Huánuco
Fuente: INEI-ENAHO
Agricultores y trabajadores calificados
1.780 0.679 1.59 0.52
agropecuarios, forestales y pesqueros
Miembros del Poder Ejecutivo, Legislativo,
Judicial y personal directivo de la 29.598 27.907 33.96 32.54
administración pública y privada
Operadores de maquinaria industrial,
ensambladores y conductores de 3.750 5.007 0.65 1.39
transporte
Trabajadores de la construcción,
edificación, productos artesanales, 3.550 2.715 1.69 1.74
electricidad y las telecomunicaciones
Trabajadores de los servicios y vendedores
4.306 10.282 4.01 10.95
de comercios y mercados
Cuadro 11. Proporción de empleo y tasa de informalidad por género y ocupaciones en Huánuco.
Fuente: INEI-ENAHO
En el cuadro 10, se observa la distribución del empleo femenino y masculino en todos los
sectores y a la tasa de informalidad dentro de los sectores. De lo cual se evidencia que, el
29.59% de hombres laboran en el sector público y privado, donde la tasa de informalidad
de los hombres es del 33.95%. Asimismo, el 27.90% de mujeres labora este mismo sector,
en el cual la tasa de informalidad para las mujeres es del 32.54%, siendo ambas tasas de
informalidad las más altas respecto al género de las personas. Por otro lado, solo el 0.23%
de los varones trabajan en el sector técnico en el cual se obtuvo la menor tasa de
informalidad para los varones, la cual es del 0.20%. Además, se evidenció que, solo el
0.067% de las mujeres laboran en el sector técnico, en el cual la tasa de informalidad para
las mujeres es del 0.078, siendo esta la más baja.
El cuadro 11, muestra la distribución del empleo femenino y masculino entre ocupaciones y
la tasa de informalidad dentro de cada ocupación. La tasa de informalidad más baja para los
varones, se obtiene para los profesionales técnicos, en la cual la cuota de participación de
los varones es del 0.23%. También se evidencia que, la tasa de informalidad más baja para
las mujeres se obtuvo en este mismo sector, siendo esta el 0.08%, con una cuota de
participación igual a 0.067%.
Pasco

Sector
Agricultura 2.482 1.073 2.632 0.913
Comercio 3.747 9.736 3.893 12.114
Construcción 5.428 3.939 2.501 2.653
Intelectuales 1.457 0.080 1.392 0.087
Publico y privado 28.967 20.528 30.905 27.360
Técnicos 0.416 0.048 0.457 0.065
Terceros 0.913 3.763 0.913 4.850
Transporte 3.795 6.533 0.609 1.414
Cuadro 12. Proporción de empleo e informalidad por género y sectores en zonas urbanas en Pasco.
Fuente: INEI-ENAHO
2.482 1.073 2.63 0.91
28.967 20.528 30.90 27.36
personal directivo de la administración pública y privada
3.795 6.533 0.61 1.41
5.428 3.939 2.50 2.65
Trabajadores de los servicios y vendedores de comercios
3.747 9.736 3.89 12.11
y mercados
Cuadro 13. Proporción de empleo y tasa de informalidad por género y ocupaciones en Pasco.
Fuente: INEI-ENAHO
sectores y a la tasa de informalidad dentro de los sectores para la región Pasco. De lo cual
se evidencia que, los hombres tienen la cuota de participación más alta en el sector público
y privado, donde la tasa de informalidad de los hombres es del 30.90%. Asimismo, el
20.52% de mujeres labora este mismo sector, en el cual la tasa de informalidad para las
mujeres es del 27.36%, siendo ambas tasas de informalidad las más altas respecto al género
de las personas. Por otro lado, solo el 0.416% de los varones trabajan en el sector técnico en
el cual se obtuvo la menor tasa de informalidad para los varones, la cual es del 0.45%.
Además, se evidenció que, solo el 0.048% de las mujeres laboran en el sector técnico, en el
cual la tasa de informalidad para las mujeres es del 0.065%, siendo esta la más baja.
varones, se obtiene para los profesionales técnicos (0.46%), en la cual la cuota de
participación de los varones es del 0.41%. También se evidencia que, la tasa de
informalidad más baja para las mujeres se obtuvo en este mismo sector, siendo esta el
0.07%, con una cuota de participación igual a 0.048%.
Macro región Centro

Sector

Agricultura 23.470 9.083 1.959 0.583
Comercio 45.839 108.999 4.035 10.837
Construcción 49.196 33.766 2.005 1.941
Intelectuales 9.704 1.354 0.832 0.123
Técnicos 3.159 1.157 0.301 0.120
Terceros 9.591 31.142 0.894 3.270
Transporte 40.818 59.182 0.633 1.529
Cuadro 14. Proporción de empleo e informalidad por género y sectores en zonas urbanas en la Macro región Centro.
Fuente: INEI-ENAHO
2.109 0.816 1.96 0.58
personal directivo de la administración pública y 29.153 26.951 32.79 32.45
privada
3.667 5.317 0.63 1.53
4.420 3.034 2.01 1.94
Trabajadores de los servicios y vendedores de
4.118 9.793 4.04 10.84
comercios y mercados
Cuadro 15. Proporción de empleo y tasa de informalidad por género y ocupaciones en la Macro región Centro.
Fuente: INEI-ENAHO
sectores y a la tasa de informalidad dentro de los sectores para la región Pasco. De lo cual
se evidencia que, los hombres tienen la cuota de participación más alta en el sector público
y privado, donde la tasa de informalidad de los hombres es del 324.48%. Asimismo, el
299.97% de mujeres labora este mismo sector, en el cual la tasa de informalidad para las
mujeres es del 32.45%, siendo ambas tasas de informalidad las más altas respecto al género
de las personas. Por otro lado, solo el 3.15% de los varones trabajan en el sector técnico en
el cual se obtuvo la menor tasa de informalidad para los varones, la cual es del 0.30%.
Además, se evidenció que, solo el 1.15% de las mujeres laboran en el sector técnico, en el
cual la tasa de informalidad para las mujeres es del 0.12%, siendo esta la más baja.
varones, se obtiene para los profesionales técnicos (0.30%), en la cual la cuota de
participación de los varones es del 0.28%. También se evidencia que, la tasa de
informalidad más baja para las mujeres se obtuvo en este mismo sector, siendo esta el
0.12%, con una cuota de participación igual a 0.104%.
91. BRECHA SALARIAL ENTRE GÉNEROS PARA EL TIPO DE EMPLEO

FORMAL, EN EL PERIODO 2014 – 2019.
a. Estimación del Modelo Probit (Modelo de participación laboral) en tipo de

empleo formal
MACRO REGIÓN CENTRO
La regresión de participación laboral fue realizada considerando dos modelos, los cuales
fueron replicados de igual manera para cada tipo de empleo; el primer modelo incluyó a las
variables años de estudio, experiencia, experiencia al cuadrado, la ocupación, área de
residencia y edad, mientras que en el segundo modelo se tomó todas las variables del
primer modelo menos la variable escolaridad, porque en reemplazo a ésta se agregó siete
variables con niveles educacionales: nivel primaria completa, nivel secundaria incompleta,
nivel secundaria completa, nivel no universitario incompleto, nivel no universitario
completo, nivel universitario incompleto y nivel universitario completo y si los sectores de
ocupación independiente, asalariado, obrero, trabajador familiar no remunerado, empleado
del hogar u otro.
En el tipo de empleo formal, la variable logaritmo de salario, en ambos modelos tanto para
hombres y mujeres toma valores positivos, lo cual nos muestra que esta variable favorece la
probabilidad de pertenecer al mercado laboral. Dentro de la variable años de estudio, esta
muestra relación negativa en cuanto a la persona con 6 años de estudio, del mismo modo
cuando tiene 11 años de estudio y cuando posee 16 y 17 años de estudio; sin embargo,
cuando la persona posee 14 años de estudio muestra que dicha variable favorece al mercado
laboral formal respecto a los hombres dado el modelo 1; mientras que las mujeres poseen
una relación positiva en todos los años de estudio. Así mismo, se muestra que dentro del
modelo dos, tanto hombre como mujeres tienen una relación positiva en cuanto a los años
de estudio. Por otro lado, la variable ocupación muestra que existe para el modelo 1, una
relación positiva en cuanto a os hombres dentro de intelectuales, técnicos, comercio,
construcción, transporte y muestran una relación negativa en cuanto a administrativos y
terceros. Para las mujeres dentro del modelo uno, se muestra una relación positiva en
intelectuales, técnicos, administrativos, comercio, agricultura, construcción, transporte y
terceros. Dentro del modelo dos, para los hombres, se muestra una relación negativa en
cuanto a administrativos, agricultura y terceros. Así mismo, para las mujeres existe una
relación positiva en todos los campos de ocupación.
Dentro de área de residencia, se muestra que para los hombres dentro del tipo de empleo
formal con el modelo uno, existe una relación positiva con el área de residencia urbano,
esto mismo pasa con las mujeres pues también muestran una relación positiva con el área
urbano. Por otro lado, dentro del modelo dos, se muestra una relación positiva con el área
de residencia urbana tanto para hombres como para mujeres.
Por otro lado, dentro del modelo dos se muestra que la variable educación, en cuanto a los
hombres existe una relación positiva con superior universitaria completa, mientras que tiene
relaciones negativas con primaria incompleta, secundaria incompleta y superior no
universitaria incompleta; mientras que, para las mujeres existe una relación negativa en
cuanto a primaria incompleta, secundaria incompleta, superior no universitaria incompleta
y superior universitaria incompleta.
En cuanto al modelo dos, también se observo que para los hombres hay una relación
negativa con el trabajo independiente y existe relaciones positivas para aquellos que son
asalariados, obreros y empleados del hogar; mientras que, para las mujeres se observa una
relación negativa en cuanto a la independencia de trabajo, así como a los asalariados,
obrero y empleados del hogar.
Tabla 2: Tipo de empleo formal - Modelo de participación laboral en el periodo

2014-2019
Modelo 1 Modelo 2
Variable Formal hombre Formal mujer Formal hombre Formal mujer
lgsalario .84158885*** .66461316*** .75929072*** .59695456***
Años de estudio
6 -0.29405039 .38623254* -0.02990886 .62521828**
11 -0.04644488 .55667004** 0.28750911 .70243592***
14 0.08471744 .96203932*** 0.378572 1.1862038***
16 -0.20089983 .99926275*** 0.09771766 1.2121444***
17 -0.25272636 1.4844928*** 0.13920819 1.6596744***
ocupación
Intelectuales .32444674** .80720495** 0.03600997 .65796472*
Técnicos .34315535* 0.38305407 0.15793221 0.16500799
Administrativos -.16916967*** .86622555*** -.497919*** .71884595***
Comercio .23621762*** .84096519*** 0.08496552 .7790373***
Agricultura .17404583* 1.3820746*** -0.05866203 1.2207537***
Construcción .65243599*** 1.2063098*** .32078756*** 1.0564569***
Transporte 1.251039*** 1.5868363*** .83134162*** 1.3697021***
Terceros -0.17799632 0.13974862 -.42983288*** 0.24270454
área
Urbano .52436777*** .38963721*** .37984357*** .3465353***
edad .05319847*** .06188126*** .05623082*** .06166069***
exper (omitted) (omitted) (omitted) (omitted)
-.00066223** -.00062586**
exper2 -.00079271*** -.00066183***
* *
Educación
Primaria incompleta -.24876693** -.32261138**
Primaria completa (omitted) (omitted)
Secundaria
-.51192994*** -.29729834**
incompleta
Secundaria
(omitted) (omitted)
completar
-.63125101**
Técnico incompleto -0.09844472
*
Técnico completa (omitted) (omitted)
-.30988286**
Superior incompleta 0.08238571
*
Superior completa (omitted) (omitted)
Posgrado (omitted) (omitted)
Ocupación
-.53763805**
Independiente -.39195307***
*
Asalariado .70257306*** -.32758687*
Obrero .71772381*** -.36137699**
Trabajo familiar no
(empty) (empty)
remunerado
-
Empleado de hogar 0.81351314
1.0170824***
Otro (empty) (empty)
- -
_cons -8.1811359*** -8.3133443***
8.9367261*** 8.0489232***
N 19998 19442 19697 14515
chi2 11195.55 10491.884 11687.414 8891.0398
rank 18 18 26 26
aic 9135.2015 5536.0622 8519.9573 5368.7872
legend: *p<0.05; **p<0.01; *** p<0.001
HUANCAVELICA
del hogar u otro.
cuando tiene 11 años de estudio y cuando posee 14, 16 y 17 años de estudio respecto a los
hombres dado el modelo 1; mientras que las mujeres poseen una relación positiva en todos
los años de estudio. Así mismo, se muestra que dentro del modelo dos, los hombres tienen
una relación negativa en cuanto a 6, 11, 14 y 16 años de estudio; mientras que, las mujeres
tienen una relación positiva en cuanto a todos los años de estudio. Por otro lado, la variable
ocupación muestra que existe para el modelo 1, una relación positiva en cuanto a os
hombres dentro de administrativos, agricultura, comercio, construcción, transporte y
terceros muestran una relación positiva. Para las mujeres dentro del modelo uno, se muestra
una relación positiva en intelectuales, técnicos, administrativos, comercio, agricultura,
construcción, transporte y terceros. Dentro del modelo dos, para los hombres, se muestra
una relación negativa en cuanto a administrativos y agricultura. Así mismo, para las
mujeres existe una relación positiva en todos los campos de ocupación.
formal con el modelo uno, existe una relación negativa con el área de residencia urbano,
caso contrario pasa con las mujeres pues muestran una relación positiva con el área urbano.
Por otro lado, dentro del modelo dos, se muestra una relación positiva con el área de
residencia urbana para para mujeres; mientras que para los hombres hay una relación
negativa en cuanto al área de residencia urbana.
hombres existe una relación negativa con primaria incompleta, secundaria incompleta,
técnico incompleta y superior universitaria completa; mientras que, para las mujeres existe
una relación negativa en cuanto a primaria incompleta, superior no universitaria incompleta
y superior universitaria incompleta y muestra una relación positiva en cuanto a secundaria
incompleta.
En cuanto al modelo dos, también se observó que para los hombres hay una relación
asalariados y obrero; mientras que, para las mujeres se observa una relación negativa en
cuanto a la independencia de trabajo, así como a los asalariados y obreros.

2014-2019
Modelo 1 Modelo 2
lgsalario .88653879*** .91835919*** .70596044*** .89426948***
año_estu
0 (empty) (base) (empty) (base)
6 -0.36166623 0.28506817 -0.99170844 0.78036279
11 -0.34450444 0.54370256 -0.80968007 0.5891047
14 -0.28674609 0.75152971 -0.83982932 1.0907413
16 -0.57701261 0.90562699 -1.0218074 1.1547081
17 (omitted) 1.3009561 (omitted) 1.570387*
Ocupacion
Intelectuales (empty) (empty) (empty) (empty)
Técnicos (empty) (empty) (empty) (empty)
Administrativos 0.14820479 1.4210995* -.65827934*** 1.3106596*
Comercio .92883347*** 1.6191955*** .49105495** 1.6680228***
Agricultura .58081006* 2.5061004*** -0.23059619 2.6143582***
Construcción 1.1674057*** 1.6089799*** 0.23005301 1.6273634***
Transporte 2.3776402*** 2.3585698*** 1.312287*** 2.3925142***
Terceros .81220332* 0.5862414 0.11386303 0.81835003
Área
Urbano -0.07954552 .40605236** -0.21265924 .38173781**
Edad .04852175*** .08659708*** .06853946*** .08484028***
-.00079909**
exper2 -.0007887*** -.00084602*** -.00085833***
*
Educación
Sin nivel (empty) (base)
Primaria incompleta -0.08263098 -.72599965*
Secundaria
-.43593485** 0.18804356
incompleta
Secundaria
(omitted) (omitted)
completar
Técnico incompleto -0.00065408 -1.0484256*
Superior incompleta -0.23925776 -0.03424694
Ocupación
Independiente -0.50022795 -0.79180734
Asalariado 1.4947179*** -0.79907155
Obrero 1.3807624*** -0.50782176
Trabajo familiar no
(empty) (empty)
remunerado
Empleado de hogar (empty) (empty)
-
_cons -8.2888119*** -11.977898*** -7.656275***
11.231308***
N 3389 4141 3340 2564
chi2 1667.2841 1784.3173 1849.1864 1471.3395
rank 15 16 22 23
aic 1216.1903 584.28434 1032.3496 569.99599
legend: *p<0.05; **p<0.01; ***p<0.001
HUÁNUCO
del hogar u otro.
cuando tiene 16 y 17 años de estudio y cuando posee 11 y 14 años de estudio tiene
relaciones positivas respecto a los hombres dado el modelo 1; mientras que las mujeres
poseen una relación negativa en todos los años de estudio. Así mismo, se muestra que
dentro del modelo dos, los hombres tienen una relación positiva en cuanto a 6, 11, 14, 16 y
17 años de estudio; mientras que, las mujeres tienen una relación negativa en cuanto a todos
los años de estudio. Por otro lado, la variable ocupación muestra que existe para el modelo
1, una relación positiva en cuanto a los hombres dentro de administrativos, agricultura,
comercio, construcción, transporte y terceros muestran una relación positiva. Para las
mujeres dentro del modelo uno, se muestra una relación positiva en intelectuales,
administrativos, comercio, agricultura, construcción, transporte y terceros. Dentro del
modelo dos, para los hombres y mujeres, se muestra una relación positiva en todos los
campos de ocupación.
formal con el modelo uno, existe una relación positiva con el área de residencia urbano, del
mismo modo con las mujeres pues muestran una relación positiva con el área urbano. Por
otro lado, dentro del modelo dos, se muestra una relación positiva con el área de residencia
urbana para para mujeres y hombres.
hombres existe una relación negativa con primaria incompleta, secundaria incompleta;
mientras que, para las mujeres existe una relación negativa en cuanto a primaria
incompleta, secundaria incompleta, superior no universitaria incompleta y superior
universitaria incompleta.
asalariados y obrero; mientras que, para las mujeres se observa una relación negativa en

2014-2019
Modelo 1 Modelo 2
lgsalario .66317507*** .57856367*** .63860808*** .49912937***
Años de estudio
0 (base) (empty) (base) (empty)
6 -0.29763763 -1.3689291*** 0.02416731 -1.2529261***
11 0.08784417 -1.647777*** 0.33172403 -1.4982414***
14 0.14695015 -1.087734*** 0.28369025 -1.0604401***
16 -0.00071819 -1.0611159*** 0.06878341 -.9655216***
17 -0.027728 (omitted) 0.20675561 (omitted)
Ocupación
Intelectuales 0.55329965 1.5382048 0.38542613 1.5843902
Técnicos 1.2831839*** (empty) 1.1601682** (empty)
Administrativos .44738944*** 1.3609265*** 0.23349985 1.2450474***
Comercio .91983131*** 1.4253594*** .79643333*** 1.4343863***
Agricultura .76194697*** 1.7585988*** .61797588*** 1.649921***
Construcción 1.1909297*** 1.631785*** .92704388*** 1.4871782***
Transporte 1.7994881*** 2.1109921*** 1.5254136*** 1.869506***
Terceros 0.01350704 0.11294478 -0.20291818 0.44541781
Área
Urbano .39762683*** .40144271*** .3589276*** .36410784***
Edad .0605397*** .06499399*** .06321224*** .07146005***
exper2 -.00082335*** -.00075561*** -.00074963*** -.00078939***
Educación
Sin nivel (base) (empty)
Primaria incompleta -.49206439* -0.28165186
Secundaria
-.36227163** -.84109632**
incompleta
Secundaria
(omitted) (omitted)
completar
Técnico incompleto 0.13276011 -.53443779*
Superior incompleta 0.25977209 -.33703229*
Ocupación
Independiente -0.21045767 -.66485495*
Asalariado 0.39929475 -0.33056652
Obrero 0.31222766 -0.58517994
Trabajo familiar no
(empty) (empty)
remunerado
constante -7.8354578*** -6.9429252*** -8.038709*** -6.0174653***
N 4474 3593 4405 2550
chi2 2419.2296 2064.4913 2460.2547 1685.0551
rank 18 16 25 23
aic 1581.1762 1130.6883 1529.5454 1085.6346
legend: *p<0.05; **p<0.01; ***p<0.001
AYACUCHO
del hogar u otro.
En el tipo de empleo formal, la variable logaritmo de salario, tanto para hombres y mujeres
toma valores positivos en ambos modelos, lo cual nos muestra que esta variable favorece la
muestra relación negativa en cuanto a la persona con 6 años de estudio, sin embargo,
cuando posee 11, 14, 16 y 17 años de estudio tiene relaciones positivas respecto a los
hombres y mujeres dado el modelo 1. Así mismo, se muestra que dentro del modelo dos,
los hombres tienen una relación positiva en cuanto a 6, 11, 14 y 17 años de estudio mientras
que presentan una relacion negativa en cuanto a 16 años de estudios; asi mismo las mujeres
tienen una relación negativa en cuanto 6,14,16 y 17 años de estudio, pero presenta una
relacion negativa en cuanto se trata de 11 años de estudio. Por otro lado, la variable
ocupación muestra que existe para el modelo 1, una relación positiva en cuanto a los
hombres y mujeres dentro de Intelectuales, Técnicos, administrativos, agricultura,
comercio, construcción, transporte y terceros muestran una relación positiva. Ello también
se observa en el modelo 2, ya que esta también presenta una relación positiva con la
variable ocupación.
Asi también, dentro del modelo dos se muestra que la variable educación, en cuanto a los
hombres existe una relación negativa con primaria incompleta, secundaria incompleta y con
técnico incompleto; mientras que, para las mujeres existe una relación negativa en cuanto a
primaria incompleta, superior no universitaria incompleta y superior universitaria
incompleta, con respecto a los otros niveles de educación presenta una relacion positiva.
negativa con el trabajo independiente y con los obreros; por otra parte existe relaciones
positivas para aquellos que son asalariados; mientras que, para las mujeres se observa una
relación negativa en cuanto a las diferentes ocupaciones.

2014-2019
Modelo 1 Modelo 2
Formal Formal
Variable
hombre Formal mujer hombre Formal mujer
lgsalario .53452793*** .64758535*** .48855466*** .62577124***
Años de estudios
6 -0.12577849 -0.37579894 0.00924243 0.0417877
11 0.0984271 0.00710262 0.18550846 -0.03171461
14 0.30045892 0.63883848 0.18772687 0.68097436
16 0.13737489 0.43961562 -0.11788715 0.45310624
17 0.63775295 0.85147589 0.43935324 0.82567743
Ocupación
Intelectuales 1.0303821* (empty) 1.0169896* (empty)
Administrativos .90897387*** 1.453983** .77376352*** 1.5572301**
Comercio .94173754*** 1.4424193*** .72670276** 1.439069***
Agricultura 1.6049868*** 2.5941181*** 1.3686311*** 2.6077775***
Construcción 1.8503676*** 1.8284429*** 1.5609209*** 1.9064902***
Transporte 2.5181737*** 2.3529285*** 2.1928498*** 2.3763247***
Terceros 1.3337522*** 1.1318969** 1.0445316*** 1.2480803**
Área
Urbano .2647302* 0.13645504 .25349634* 0.13091023
Edad .07255645*** .08862091*** .07700104*** .08533605***

Experiencia (omitted) (omitted) (omitted) (omitted)
-.00096948** -.00091028**
Experiencia2
-.00087646*** * -.0008693*** *
Nivel de estudios
Primaria incompleta -0.31494086 -0.80907976
Secundaria
incompleta -.40023784* 0.18323724
Secundaria completa (omitted) (omitted)
Técnico incompleto -0.00444494 -0.34486485
Técnico completo (omitted) (omitted)
Superior incompleta 0.2291975 -0.13518638
Post-grado (omitted) (omitted)
Ocupación
Independiente -0.44560032 -0.62727326
Asalariado 0.25669826 -0.57611374
Obrero -0.14947952 -0.83065197
Trabajo (empty) (empty)
Empleado del hogar -0.95604094
- -
constante
-8.1836564*** 9.8599473*** -7.7684566*** 9.0353461***
N 3579 3621 3530 2648

chi2 1994.7412 1892.5507 2007.9297 1622.8642
rank 17 16 24 24
aic 1002.3805 734.23856 987.72351 738.0447
legend: *p<0.05; **p<0.01; ***p<0.001
JUNIN
del hogar u otro.
probabilidad de pertenecer al mercado laboral. Dentro de la variable años de estudio, dentro
del modelo 1 se muestra una relación negativa en cuanto a la persona con 17 años de
estudio tanto en hombres y en mujeres cuando son 6 años de estudio, con respecto a los
otros años de estudios se puede observar una relacion positiva tanto para hombres y
mujeres. Así mismo, se muestra que dentro del modelo dos, tanto hombres como mujeres
tienen una relación positiva en cuanto a 6, 11, 14,16 y 17 años de estudio; Por otro lado, la
variable ocupación muestra que existe para el modelo 1, en cuanto a los hombres una
relación negativa con técnicos, administrativos, agricultura y terceros, Sin embargo en
mujeres se observa que solo hay relacion negativa en relacion a técnicos, sin embargo, en el
modelo 2 cuando son mujeres presenta relacion positiva en relacion a las diversas
ocupaciones, pero en los hombres se observa que solo tiene relacion positiva con
construcción y transporte.
Asi también, se observa que para el modelo 1 y 2 la relacion que muestra con respecto a la
edad es positiva. En cuanto al modelo dos, también se observó que para los hombres hay
una relación negativa con el trabajo independiente y existe relaciones positivas para
aquellos que son asalariados y obrero; mientras que, para las mujeres se observa una
relación negativa en cuanto a la independencia de trabajo, así como a los asalariados y
obreros.

2014-2019
Modelo 1 Modelo 2
Formal
Variable
Formal hombre Formal mujer hombre Formal mujer
lgsalario .86342002*** .59107193*** .79710887*** .54155102***
Años de estudios
6 0.19919503 -0.03397255 0.33359208 0.12290759
11 0.2655264 0.09844186 0.47575482 0.18188969
14 0.42605895 0.38321922 0.62455005 0.55334355
16 0.17706837 0.43580866 0.37762429 0.57280183
17 -0.07873213 .86433465* 0.13821922 .97394166*
Ocupación
Intelectuales 0.13959079 0.57156739 -0.01291082 0.42040989
Técnicos -0.35174563 0.56013224 -0.39789709 0.32146603
-.69519701**
Administrativos -.55000925*** 0.50442653 0.37219753
*
Comercio -0.04121618 .62310999*** -0.07553376 .54353733***
Agricultura -0.20442553 1.059893*** -.29217134* .90632607***
Construcción .4178276*** 1.2183828*** .27864839** 1.0802978***
Transporte .58107556*** 1.2066132*** .38873749*** .99871797***
-.85759423**
Terceros -.73395686*** -0.080865 0.11353392
*
Área
Urbano .46648991*** .41140523*** .40190725*** .3660565***
Edad .05268758*** .05786739*** .04931504*** .05745484***

-.00068596** -.00063036**
Experiencia2 -.00086895*** -.00065677***
* *
Nivel de estudios
Primaria incompleta -0.25853894 -0.26050361
Secundaria -.48029374**
-0.2425643
incompleta *
Secundaria
(omitted) (omitted)
completa
Técnico incompleto -0.1932824 -.53521332**
Superior incompleta -0.01967769 -.26037155*
Ocupación
Independiente -.48148906* -.66848002*
Asalariado 0.25407022 -.521426*
Obrero 0.24216975 -.6388858*
Otro 0.92012938 -1.3310107**
Empleado del hogar (empty) (empty)
- -
constante -8.1916419*** -7.546002***
7.8991947*** 6.5273542***
N 4881 4268 4793 3581

chi2 2853.6629 2385.6509 2896.4393 2103.1635
rank 18 18 26 26
aic 2836.1719 1955.9399 2754.4021 1910.7283
legend:*p<0.05;**p<0.01;***p<0.001
PASCO
variables años de estudio, experiencia, experiencia al cuadrado, , área de residencia y edad,
mientras que en el segundo modelo se tomó todas las variables del primer modelo menos la
variable escolaridad, porque en reemplazo a ésta se agregó siete variables con niveles
educacionales: nivel primaria completa, nivel secundaria incompleta, nivel secundaria
completa, nivel no universitario incompleto, nivel no universitario completo, nivel
universitario incompleto y nivel universitario
muestra relación negativa en cuanto a la persona con 6, 11, 14, 16 y17 años de estudio, es
decir tiene una relacion negativa en cuanto a los distintos años de estudios. Lo mismo
ocurre en el modelo 2, ya que también presenta una relacion negativa en cuanto a varones y
mujeres. Por otro lado, la variable ocupación muestra que existe para el modelo 1, una
relación positiva en cuanto a los hombres dentro de intelectuales, técnicos, agricultura,
construcción, transporte y terceros, mientras que se ve una relacion negativa en torno a
administrativos y agricultura. Para las mujeres dentro del modelo uno, se muestra una
relación positiva en intelectuales, técnicos, administrativos, comercio, agricultura,
construcción, transporte y terceros. Dentro del modelo dos, para los hombres se observa
que solo presenta una relacion positiva con intelectuales, técnicos, trasporte y terceros, con
el resto de ocupaciones mantiene una relacion negativa, asi mismo en mujeres se muestra
una relación positiva en todos los campos de ocupación con excepción de terceros pues con
esta tiene relacion negativa.
hombres existe una relación negativa con secundaria incompleta y educación no
universitaria incompleta y presenta una relacion positiva con primaria incompleta y
superior incompleta; mientras que, para las mujeres existe una relación negativa en cuanto a
primaria incompleta, secundaria incompleta, superior no universitaria incompleta y superior
universitaria incompleta.
2014-2019
Modelo 1 Modelo 2
Formal Formal
Variable
hombre Formal mujer hombre Formal mujer
lgsalario 1.1423859*** .99777403*** 1.1234032*** .95293634***
Años de estudios
- -
6 -.98136543** -1.0239565**
1.0595095*** 1.0963099***
11 -.771037* -.53017697* -.67117278* -.50747337*
14 -.67732525* -0.29810169 -0.63751709 -0.11728703
16 -1.0665251** -0.18513759 -1.0555347** -0.0908871
17 -0.690769 (omitted) -0.65360267 (omitted)
Ocupación
Intelectuales 0.11572379 1.1380571 0.12396932 1.174431
Técnicos 0.60583808 (empty) .66607575* (empty)
Administrativos -.26061271** .89707824** -.25356793** .88214882**
Comercio -0.08171753 .4114275* -0.08163159 .44021429**
Agricultura -0.02559597 .95532563*** -0.02468449 .91934366***
Construcción .42682638*** .81126241*** .42124874*** .81692892***
Transporte 1.0965951*** 1.4768764*** 1.0880435*** 1.4118156***
Terceros 0.06611791 0.0000551 0.0716332 -0.01038303
Área
Urbano .71329895*** .54079893*** .6967537*** .52033685***
Edad .0460961*** .04309472*** .04705273*** .04109688***

Experiencia2 -.00068069*** -.00036645* -.00068678*** -0.00032024
Nivel de estudios
Primaria incompleta 0.11584847 -0.14889125
Secundaria -.45914682*** -.45805094*
incompleta
-.94133343**
Técnico incompleto -0.0206419
*
Superior incompleta 0.08083344 -.43859139*
- -
Constante -9.0898643*** -9.0101001***
9.0736571*** 8.6445668***
N 3357 2515 3357 2515

chi2 2181.6829 1742.1463 2194.9851 1771.5265
rank 18 16 22 20
aic 2033.6051 1034.749 2028.3029 1013.3688
legend: *p<0.05; **p<0.01; ***p<0.001
92. BRECHA SALARIAL ENTRE GÉNEROS PARA EL TIPO DE EMPLEO

INFORMAL, EN EL PERIODO 2014 – 2019.
a. Estimación del Modelo Probit (Modelo de participación laboral) en tipo

de empleo informal
MACRO REGIÓN CENTRO
del hogar u otro.
En el tipo de empleo informal, la variable logaritmo de salario, en ambos modelos tanto
para hombres y mujeres toma valores negativos, lo cual nos muestra que esta variable no
favorece la probabilidad de pertenecer al mercado laboral. Dentro de la variable años de
estudio, esta muestra relación negativa en cuanto a la persona con 6 años de estudio, del
mismo modo cuando tiene 14 años de; sin embargo, cuando la persona posee 6, 11, 16 y 17
años de estudio muestra que dicha variable favorece al mercado laboral formal respecto a
los hombres dado el modelo 1; mientras que las mujeres poseen una relación negativa en
todos los años de estudio. Así mismo, se muestra que dentro del modelo dos, los hombres
tienen una relación positiva en cuanto a 6 años de estudio; pero las mujeres tienen una
relación negativa en todo el año de estudio. Por otro lado, la variable ocupación muestra
que existe para el modelo 1, una relación positiva en cuanto a os hombres dentro terceros y
administrativos y muestran una relación negativa en cuanto a intelectuales, técnicos,
comercio, agricultura, construcción, transporte. Para las mujeres dentro del modelo uno, se
muestra una relación negativa en intelectuales, técnicos, administrativos, comercio,
agricultura, construcción, transporte y terceros. Dentro del modelo dos, para los hombres,
se muestra una relación positiva en cuanto a administrativos, agricultura y terceros. Así
mismo, para las mujeres existe una relación negativa en todos los campos de ocupación.
esto mismo pasa con las mujeres pues también muestran una relación negativa con el área
urbano. Por otro lado, dentro del modelo dos, se muestra una relación negativa con el área
hombres existe una relación positiva con primaria incompleta, secundaria incompleta,
técnico incompleto; mientras que tiene relaciones negativas con superior incompleta; para
las mujeres existe una relación positiva en cuanto a primaria incompleta, secundaria
incompleta, superior no universitaria incompleta y superior universitaria incompleta.
positiva con el trabajo independiente y existe relaciones negativas para aquellos que son
asalariados, obreros y empleados del hogar; mientras que, para las mujeres se observa una
relación positiva en cuanto a la independencia de trabajo, así como a los asalariados, obrero
y empleados del hogar.
Tabla 7: Tipo de empleo informal - Modelo de participación laboral en el periodo

2014-2019
Modelo 1 Modelo 2
Informal Informal
Variable Informal hombre Informal hombre
mujer mujer
-.66461316** -.59695456**
lgsalario -.84158885*** -.75929072***
* *
Años de estudio
6 0.29405039 -.38623254* 0.02990886 -.62521828**
-.70243592**
11 0.04644488 -.55667004** -0.28750911
*
-.96203932** -
14 -0.08471744 -0.378572
* 1.1862038***
-.99926275** -
16 0.20089983 -0.09771766
* 1.2121444***
- -
17 0.25272636 -0.13920819
1.4844928*** 1.6596744***
Ocupacion
Intelectuales -.32444674** -.80720495** -0.03600997 -.65796472*
Técnicos -.34315535* -0.38305407 -0.15793221 -0.16500799
-.86622555** -.71884595**
Administrativos .16916967*** .497919***
* *
-.84096519**
Comercio -.23621762*** -0.08496552 -.7790373***
*
- -
Agricultura -.17404583* 0.05866203
1.3820746*** 1.2207537***
- -
Construcción -.65243599*** -.32078756***
1.2063098*** 1.0564569***
- -
Transporte -1.251039*** -.83134162***
1.5868363*** 1.3697021***
Terceros 0.17799632 -0.13974862 .42983288*** -0.24270454
area
-.38963721**
Urbano -.52436777*** -.37984357*** -.3465353***
*
-.06188126** -.06166069**
edad -.05319847*** -.05623082***
* *
exper2 .00079271*** .00066223*** .00066183*** .00062586***
Educación
Primaria incompleta .24876693** .32261138**
Secundaria
.51192994*** .29729834**
incompleta
Secundaria
(omitted) (omitted)
completar
Técnico incompleto 0.09844472 .63125101***
Superior incompleta -0.08238571 .30988286***
Ocupación
Independiente .39195307*** .53763805***
Asalariado -.70257306*** .32758687*
Obrero -.71772381*** .36137699**
Trabajo familiar no
(empty) (empty)
remunerado
Empleado de hogar -0.81351314 1.0170824***
constante 8.1811359*** 8.9367261*** 8.3133443*** 8.0489232***
N 19998 19442 19697 14515
chi2 11195.55 10491.884 11687.414 8891.0398
rank 18 18 26 26
aic 9135.2015 5536.0622 8519.9573 5368.7872
legend: *p<0.05; **p<0.01; ***p<0.001
HUANCAVELICA
del hogar u otro.

estudio, esta muestra relación positiva con 6, 11, 14 y 16 años de estudio muestra que dicha
variable favorece al mercado laboral formal respecto a los hombres dado el modelo 1;
mientras que las mujeres poseen una relación negativa en todos los años de estudio. Así
mismo, se muestra que dentro del modelo dos, los hombres tienen una relación positiva en
cuanto a 6, 11, 14 y 16 años de estudio; pero las mujeres tienen una relación negativa en
todo el año de estudio. Por otro lado, la variable ocupación muestra que existe para el
modelo 1, una relación negativa en cuanto a administrativos, comercio, agricultura,
construcción, transporte y terceros. Para las mujeres dentro del modelo uno, se muestra una
relación negativa en intelectuales, técnicos, administrativos, comercio, agricultura,
construcción, transporte y terceros. Dentro del modelo dos, para los hombres, se muestra
una relación positiva en cuanto a administrativos y agricultura. Así mismo, para las mujeres
existe una relación negativa en todos los campos de ocupación.
formal con el modelo uno, existe una relación positiva con el área de residencia urbano,
caso contrario pasa con las mujeres pues muestran una relación negativa con el área urbano.
Por otro lado, dentro del modelo dos, se muestra una relación positiva con el área de
residencia urbana para hombres como negativa para mujeres.
hombres existe una relación positiva con primaria incompleta, secundaria incompleta,
técnico incompleto y superior incompleta; para las mujeres existe una relación positiva en
cuanto a primaria incompleta, superior no universitaria incompleta y superior universitaria
incompleta y una relación negativa en cuanto a secundaria incompleta.
asalariados y obreros; mientras que, para las mujeres se observa una relación positiva en

2014-2019
Modelo 1 Modelo 2
Informal Informal
Variable Informal mujer Informal hombre
hombre mujer
-.89426948**
lgsalario -.88653879*** -.91835919*** -.70596044***
*
Años de estudio
0 (empty) (base) (empty) (base)
6 0.36166623 -0.28506817 0.99170844 -0.78036279
11 0.34450444 -0.54370256 0.80968007 -0.5891047
14 0.28674609 -0.75152971 0.83982932 -1.0907413
16 0.57701261 -0.90562699 1.0218074 -1.1547081
17 (omitted) -1.3009561 (omitted) -1.570387*
Ocupación
Intelectuales (empty) (empty) (empty) (empty)
Administrativos -0.14820479 -1.4210995* .65827934*** -1.3106596*
-
Comercio -.92883347*** -1.6191955*** -.49105495**
1.6680228***
-
Agricultura -.58081006* -2.5061004*** 0.23059619
2.6143582***
-
Construcción -1.1674057*** -1.6089799*** -0.23005301
1.6273634***
-
Transporte -2.3776402*** -2.3585698*** -1.312287***
2.3925142***
Terceros -.81220332* -0.5862414 -0.11386303 -0.81835003
Área
Urbano 0.07954552 -.40605236** 0.21265924 -.38173781**
-.08484028**
Edad -.04852175*** -.08659708*** -.06853946***
*
exper2 .0007887*** .00084602*** .00085833*** .00079909***
Educación
Sin nivel (empty) (base)
Primaria incompleta 0.08263098 .72599965*
Secundaria
.43593485** -0.18804356
incompleta
Secundaria
(omitted) (omitted)
completar
Técnico incompleto 0.00065408 1.0484256*
Superior incompleta 0.23925776 0.03424694
Ocupación
Independiente 0.50022795 0.79180734
Asalariado -1.4947179*** 0.79907155
Obrero -1.3807624*** 0.50782176
Trabajo familiar no
(empty) (empty)
remunerado
Constante 8.2888119*** 11.977898*** 7.656275*** 11.231308***
N 3389 4141 3340 2564

chi2 1667.2841 1784.3173 1849.1864 1471.3395
rank 15 16 22 23
aic 1216.1903 584.28434 1032.3496 569.99599
legend: *p<0.05; **p<0.01; ***p<0.001
HUÁNUCO
del hogar u otro.

estudio, esta muestra relación negativa en cuanto a la persona con 11 y 14 años de estudio;
sin embargo, cuando la persona posee 6, 16 y 17 años de estudio muestra que dicha variable
favorece al mercado laboral formal respecto a los hombres dado el modelo 1; mientras que
las mujeres poseen una relación positiva en todos los años de estudio. Así mismo, se
muestra que dentro del modelo dos, los hombres tienen una relación positiva en cuanto a
todos los años de estudio; pero las mujeres tienen una relación positiva en todos los años de
estudio. Por otro lado, la variable ocupación muestra que existe para el modelo 1, una
relación negativa en cuanto a os hombres dentro terceros y administrativos, intelectuales,
técnicos, comercio, agricultura, construcción, transporte. Para las mujeres dentro del
modelo uno, se muestra una relación negativa en intelectuales, administrativos, comercio,
se muestra una relación positiva en cuanto a terceros. Así mismo, para las mujeres existe
una relación negativa en todos los campos de ocupación.
hombres existe una relación positiva con primaria incompleta, secundaria incompleta;
mientras que tiene relaciones negativas con técnico incompleto y superior incompleta; para
asalariados, obreros; mientras que, para las mujeres se observa una relación positiva en

2014-2019
Modelo 1 Modelo 2
Informal Informal
Variable Informal mujer Informal mujer
hombre hombre
lgsalario -.66317507*** -.57856367*** -.63860808*** -.49912937***
Años de estudio
6 0.29763763 1.3689291*** -0.02416731 1.2529261***
11 -0.08784417 1.647777*** -0.33172403 1.4982414***
14 -0.14695015 1.087734*** -0.28369025 1.0604401***
16 0.00071819 1.0611159*** -0.06878341 .9655216***
17 0.027728 (omitted) -0.20675561 (omitted)
Ocupación
Intelectuales -0.55329965 -1.5382048 -0.38542613 -1.5843902
Técnicos -1.2831839*** (empty) -1.1601682** (empty)
Administrativos -.44738944*** -1.3609265*** -0.23349985 -1.2450474***
Comercio -.91983131*** -1.4253594*** -.79643333*** -1.4343863***
Agricultura -.76194697*** -1.7585988*** -.61797588*** -1.649921***
Construcción -1.1909297*** -1.631785*** -.92704388*** -1.4871782***
Transporte -1.7994881*** -2.1109921*** -1.5254136*** -1.869506***
Terceros -0.01350704 -0.11294478 0.20291818 -0.44541781
Área
Urbano -.39762683*** -.40144271*** -.3589276*** -.36410784***
Edad -.0605397*** -.06499399*** -.06321224*** -.07146005***
exper2 .00082335*** .00075561*** .00074963*** .00078939***
Educación
Primaria incompleta .49206439* 0.28165186
Secundaria
.36227163** .84109632**
incompleta
Secundaria
(omitted) (omitted)
completar
Técnico incompleto -0.13276011 .53443779*
Superior incompleta -0.25977209 .33703229*
Ocupación
Independiente 0.21045767 .66485495*
Asalariado -0.39929475 0.33056652
Obrero -0.31222766 0.58517994
Trabajo familiar no
(empty) (empty)
remunerado
Constante 7.8354578*** 6.9429252*** 8.038709*** 6.0174653***
N 4474 3593 4405 2550
chi2 2419.2296 2064.4913 2460.2547 1685.0551
rank 18 16 25 23
aic 1581.1762 1130.6883 1529.5454 1085.6346
legend: *p<0.05; **p<0.01; ***p<0.001
AYACUCHO
del hogar u otro.

estudio, esta muestra relación negativa en cuanto a la persona con 11, 14, 16 y 17 años de
estudio; sin embargo, cuando la persona posee 6 años de estudio muestra que dicha variable
favorece al mercado laboral formal respecto a los hombres y mujeres dado el modelo 1. Así
mismo, se muestra que dentro del modelo dos, los hombres tienen una relación negativa en
cuanto a 6, 11, 14, y 17 años de estudio, mientras que cuando la persona presentan 16 años
de estudio la relacion es positiva; lo mismo ocurre en las mujeres, estas tienen una
relación negativa en 6, 14, 16 y 17 años de estudio, mientras que se ve una relación
positiva cuando las mujeres presentan 11 años de estudios. Por otro lado, la variable
ocupación muestra que existe para el modelo 1, una relación negativa en cuanto a los
hombres y mujeres en torno a todas las ocupaciones, lo mismo ocurre en el modelo dos; ya
que también se observa una relacion negativa con todos los campos de ocupación.
informal con el modelo uno, existe una relación negativa con el área de residencia urbano,
hombres existe una relacion negativa solo con superior incompleta, en relaciona a los otros
niveles se ve que tiene una relacion positiva; para las mujeres existe una relación positiva
en cuanto a primaria incompleta, educación no universitaria y superior universitaria
incompleta. Mientras que se observa una relacion negativa con secundaria incompleta.
En cuanto a la ocupación, en el modelo dos también se observó que para los hombres hay
una relación positiva con el trabajo independiente y obreros, pero existe relaciones
negativas para aquellos que son asalariados, mientras que, para las mujeres se observa una
relación positiva en cuanto a la independencia de trabajo, así como a los asalariados y
obreros

2014-2019
Modelo 1 Modelo 2
Informal Informal Informal Informal
Variable
hombre mujer hombre mujer
-.64758535** -.62577124**
lgsalario
-.53452793*** * -.48855466*** *
Años de estudios
6 0.12577849 0.37579894 -0.00924243 -0.0417877
11 -0.0984271 -0.00710262 -0.18550846 0.03171461
14 -0.30045892 -0.63883848 -0.18772687 -0.68097436
16 -0.13737489 -0.43961562 0.11788715 -0.45310624
17 -0.63775295 -0.85147589 -0.43935324 -0.82567743
Ocupación
Intelectuales -1.0303821* (empty) -1.0169896* (empty)
Administrativos -.90897387*** -1.453983** -.77376352*** -1.5572301**
-
Comercio 1.4424193**
-.94173754*** * -.72670276** -1.439069***
- -
Agricultura 2.5941181** 2.6077775**
-1.6049868*** * -1.3686311*** *
- -
Construcción 1.8284429** 1.9064902**
-1.8503676*** * -1.5609209*** *
- -
Transporte 2.3529285** 2.3763247**
-2.5181737*** * -2.1928498*** *
Terceros -1.3337522*** -1.1318969** -1.0445316*** -1.2480803**
Área
Urbano -.2647302* -0.13645504 -.25349634* -0.13091023
-.08862091** -.08533605**
Edad
-.07255645*** * -.07700104*** *
. .
Experiencia2
.00087646*** 00096948*** .0008693*** 00091028***
Nivel de estudios
Primaria incompleta 0.31494086 0.80907976
Secundaria
-0.18323724
incompleta .40023784*
Técnico incompleto 0.00444494 0.34486485
Superior incompleta -0.2291975 0.13518638
Ocupación
Independiente 0.44560032 0.62727326
Asalariado -0.25669826 0.57611374
Obrero 0.14947952 0.83065197
Empleado del hogar 0.95604094
9.8599473** 9.0353461**
constante
8.1836564*** * 7.7684566*** *
N 3579 3621 3530 2648

chi2 1994.7412 1892.5507 2007.9297 1622.8642
rank 17 16 24 24
aic 1002.3805 734.23856 987.72351 738.0447
legend: *p<0.05; **p<0.01; ***p<0.001
JUNIN
del hogar u otro.

favorece la probabilidad de pertenecer al mercado laboral.
Dentro de la variable años de estudio, esta muestra relación negativa en cuanto a la persona
con 11 y 14 años de estudio; sin embargo, cuando la persona posee 6, 16 y 17 años de
estudio muestra que dicha variable favorece al mercado laboral formal respecto a los
hombres dado el modelo 1; mientras que las mujeres poseen una relación positiva en todos
los años de estudio. Así mismo, se muestra que dentro del modelo dos, los hombres tienen
una relación positiva en cuanto a todos los años de estudio; pero las mujeres tienen una
relación positiva en todos los años de estudio. Por otro lado, la variable ocupación muestra
que existe para el modelo 1, una relación negativa en cuanto a os hombres dentro terceros y
administrativos, intelectuales, técnicos, comercio, agricultura, construcción, transporte.
Para las mujeres dentro del modelo uno, se muestra una relación negativa en intelectuales,
administrativos, comercio, agricultura, construcción, transporte y terceros. Dentro del
modelo dos, para los hombres, se muestra una relación positiva en cuanto a terceros. Así
mismo, para las mujeres existe una relación negativa en todos los campos de ocupación.

2014-2019
Modelo 1 Modelo 2
Informal Informal
Variable
Informal hombre Informal mujer hombre mujer
-.79710887** -.54155102**
lgsalario -.86342002*** -.59107193***
* *
Años de estudios
6 -0.19919503 0.03397255 -0.33359208 -0.12290759
11 -0.2655264 -0.09844186 -0.47575482 -0.18188969
14 -0.42605895 -0.38321922 -0.62455005 -0.55334355
16 -0.17706837 -0.43580866 -0.37762429 -0.57280183
17 0.07873213 -.86433465* -0.13821922 -.97394166*
Ocupacion
Intelectuales -0.13959079 -0.57156739 0.01291082 -0.42040989
Técnicos 0.35174563 -0.56013224 0.39789709 -0.32146603
Administrativos .55000925*** -0.50442653 .69519701*** -0.37219753
-.54353733**
Comercio 0.04121618 -.62310999*** 0.07553376
*
-.90632607**
Agricultura 0.20442553 -1.059893*** .29217134*
*
-
Construccion -.4178276*** -1.2183828*** -.27864839** 1.0802978**
*
-.38873749** -.99871797**
Transporte -.58107556*** -1.2066132***
* *
Terceros .73395686*** 0.080865 .85759423*** -0.11353392
Area
-.40190725**
Urbano -.46648991*** -.41140523*** -.3660565***
*
-.04931504** -.05745484**
Edad -.05268758*** -.05786739***
* *
.
Experiencia2 .00086895*** .00065677*** .00068596***
00063036***
Nivel_estu
Primaria 0.25853894 0.26050361
Primaria (omitted) (omitted)
Secundaria
.48029374*** 0.2425643
incompleta
Secundaria
(omitted) (omitted)
completa
Tecnico incompleto 0.1932824 .53521332**
Tecnico completo (omitted) (omitted)
Superior
0.01967769 .26037155*
incompleta
Ocupacion
Independiente .48148906* .66848002*
Asalariado -0.25407022 .521426*
Obrero -0.24216975 .6388858*
Otro -0.92012938 1.3310107**
Empleado del hogar (empty) (empty)
6.5273542**
] 8.1916419*** 7.546002*** 7.8991947***
*
N 4881 4268 4793 3581

chi2 2853.6629 2385.6509 2896.4393 2103.1635
rank 18 18 26 26
aic 2836.1719 1955.9399 2754.4021 1910.7283
legend:*p<0.05;**p<0.01;***p<0.001
PASCO
del hogar u otro.

estudio, esta muestra relación negativa en cuanto a la persona con 11 y 14 años de estudio;
sin embargo, cuando la persona posee 6, 16 y 17 años de estudio muestra que dicha variable
favorece al mercado laboral formal respecto a los hombres dado el modelo 1; mientras que
las mujeres poseen una relación positiva en todos los años de estudio. Así mismo, se
muestra que dentro del modelo dos, los hombres tienen una relación positiva en cuanto a
todos los años de estudio; pero las mujeres tienen una relación positiva en todos los años de
estudio. Por otro lado, la variable ocupación muestra que existe para el modelo 1, una
relación negativa en cuanto a os hombres dentro terceros y administrativos, intelectuales,
técnicos, comercio, agricultura, construcción, transporte. Para las mujeres dentro del
modelo uno, se muestra una relación negativa en intelectuales, administrativos, comercio,
se muestra una relación positiva en cuanto a terceros. Así mismo, para las mujeres existe
una relación negativa en todos los campos de ocupación.
cuanto a la independencia de trabajo, así como a los asalariados y obreros

2014-2019
Modelo 1 Modelo 2
Informal Informal Informal Informal
Variable
hombre mujer hombre mujer
lgsalario -1.1423859*** -.99777403** -1.1234032*** -.95293634**

* *
Años de estudios
1.0595095** 1.0963099**
6 .98136543** 1.0239565**
* *
11 .771037* .53017697* .67117278* .50747337*
14 .67732525* 0.29810169 0.63751709 0.11728703
16 1.0665251** 0.18513759 1.0555347** 0.0908871
17 0.690769 (omitted) 0.65360267 (omitted)
Ocupacion
Intelectuales -0.11572379 -1.1380571 -0.12396932 -1.174431
Técnicos -0.60583808 (empty) -.66607575* (empty)
Administrativos .26061271** -.89707824** .25356793** -.88214882**
Comercio 0.08171753 -.4114275* 0.08163159 -.44021429**
-.95532563** -.91934366**
Agricultura 0.02559597 0.02468449
* *
-.81126241** -.81692892**
Construccion -.42682638*** -.42124874***
* *
- -
Transporte -1.0965951*** 1.4768764** -1.0880435*** 1.4118156**
* *
Terceros -0.06611791 -0.0000551 -0.0716332 0.01038303
Area
-.54079893** -.52033685**
Urbano -.71329895*** -.6967537***
* *
-.04309472** -.04109688**
Edad -.0460961*** -.04705273***
* *
Experiencia2 .00068069*** .00036645* .00068678*** 0.00032024
Nivel_estu
Primaria -0.11584847 0.14889125
Primaria (omitted) (omitted)
Secundaria
.45914682*** .45805094*
incompleta
.
Tecnico incompleto 0.0206419
94133343***
Tecnico completo (omitted) (omitted)
Superior incompleta -0.08083344 .43859139*
9.0736571** 8.6445668**
Constante 9.0898643*** 9.0101001***
* *
N 3357 2515 3357 2515

chi2 2181.6829 1742.1463 2194.9851 1771.5265
rank 18 16 22 20
aic 2033.6051 1034.749 2028.3029 1013.3688
legend:*p<0.05;**p<0.01;***p<0.001
93. BRECHA SALARIAL ENTRE GÉNEROS SEGÚN EL TIPO DE EMPLEO

CON CORRECCIÓN POR SESGO DE SELECCIÓN, EN EL PERIODO
2014 – 2019.
La literatura revisada de Blau y Kahn (2006), señalan que el efecto del sesgo de selección
en la brecha salarial de género, centrándose principalmente en el tipo de empleo, muestran
que la disminución de la brecha salarial de género en un primer momento es exagerada, ya
que se explica en gran medida por la muestra selección. Así se muestran en los cuadros
siguientes por región y macro región las significancias y diferencias.
Tabla 13: Tipo de empleo formal – Evaluación salarial con corrección por sesgo de
selección en la macrorregión centro en el periodo 2014-2019
Formal
Modelo 1 Modelo 2
lgsalario .08895871*** .08464549*** .20587061*** .45038251***
Años de estudios
6 -.02735382* -.02873768** .23471195*** .56379305***
11 .07981466*** .06505509*** .48176904*** 1.0404089***
14 .20234197*** .17206296*** .74044425*** 1.4106395***
16 .20088648*** .15886358*** .85359851*** 1.5736167***
17 .27263626*** .22788869*** 1.0162778*** 1.6810783***
Ocupacion
Intelectuales .04605614** 0.00810477 .14439346*** .14449155***
Técnicos 0.00096774 -0.03442689 0.05699955 .12997768***
Administrativos -.04014108*** -.06911074*** .20561379*** .29944788***
Comercio .03265386*** -0.00508867 .16590643*** .30409232***
Agricultura .05132302*** 0.00946391 .39244156*** .54414257***
Construccion .27975887*** .24767589*** .39102706*** .57201926***
Transporte .42505699*** .4029736*** .56218716*** .73504679***
Terceros -.04248665** -.08217366*** .21784218*** .50141529***
Area
Urbano .09862224*** .22340926***
Edad
Experiencia .00897853*** .0083962*** .02060087*** .03793032***
Experiencia2 -.00011973*** -.00011366*** -.00021311*** -.00039744***
Imr2 .22731812*** .59110441***

Constante -.54239491*** -.52009051*** -2.4956091*** -5.7127146***
N 19998 19998 19442 19442

chi2
rank 17 18 18 19
aic 7260.4392 6891.0529 -3330.3015 -4809.8061
legend:*p<0.05;**p<0.01;***p<0.001
En la tabla 13 se observa que en el sector formal con 6 años de estudio (considerada sólo en
el modelo uno) es significativa para ambos géneros y tiene el signo negativo. Con 6 años de
estudio toma valores de -0.027 y -0.028 para hombres y mujeres respectivamente, lo cual
nos indica que esta variable influye de manera negativa en la decisión de pertenecer al
mercado laboral.
La variable experiencia, en el Modelo 1 toma valores de 0.0089 y 0.0083 para hombres y

mujeres respectivamente, mientras que en el Modelo 2 toma valores de 0.020 y 0.037 para
hombres y mujeres respectivamente, esto nos indica que esta variable influye de manera
positiva en la decisión de pertenecer al mercado laboral.
La variable ocupación en el Modelo 1, se observa que los técnicos tienen una relación
positiva con valores de 0.00096 y negativa para mujeres (-0.03) para hombres y mujeres
respectivamente, se observa que los administrativos tienen una relación negativa con
valores de -0.040 y -0.069 para hombres y mujeres respectivamente, además, se observa
que los terceros tienen una relación negativa con valores de -0.042 y -0.082 para hombres y
mujeres respectivamente, mientras que en el Modelo 2, se observa que los técnicos tienen
una relación positiva con valores de 0.056 y 0.129 para hombres y mujeres
respectivamente, se observa que los administrativos tienen una relación positiva con valores
de 0.205 y 0.299 para hombres y mujeres respectivamente, además, se observa que los
terceros tienen una relación positiva con valores de 0.217 y 0.501 para hombres y mujeres
respectivamente.
En el Modelo 1 de las Tablas 1 y 13, el sesgo de selección es significativo tanto en el sector

formal como en el informal, tanto para hombres como para mujeres. El coeficiente de
correlación nos da la dirección de las reglas de selección promedio para hombres y mujeres.
Los hombres son seleccionados positivamente en el empleo informal y seleccionados
negativamente en el empleo formal. Esto es consistente con las conclusiones de los trabajos
que encuentran que algunos trabajadores tienen una ventaja comparativa individual en el
sector informal y no les iría mejor en el sector formal (Gindling, 1991; Maloney, 1999,
2004).
Tabla 14: Tipo de empleo informal – Evaluación salarial con corrección por sesgo de
selección en la macrorregión centro en el periodo 2014-2019
Informal
Modelo 1 Modelo 2
lgsalario -.08895871*** -.08464549*** -.20587061*** -.45038251***
Años de estudios
6 .02735382* .02873768** -.23471195*** -.56379305***
11 -.07981466*** -.06505509*** -.48176904*** -1.0404089***
14 -.20234197*** -.17206296*** -.74044425*** -1.4106395***
16 -.20088648*** -.15886358*** -.85359851*** -1.5736167***
17 -.27263626*** -.22788869*** -1.0162778*** -1.6810783***
Ocupación
Intelectuales -.04605614** -0.00810477 -.14439346*** -.14449155***
Técnicos -0.00096774 0.03442689 -0.05699955 -.12997768***
Administrativos .04014108*** .06911074*** -.20561379*** -.29944788***
Comercio -.03265386*** 0.00508867 -.16590643*** -.30409232***
Agricultura -.05132302*** -0.00946391 -.39244156*** -.54414257***
Construccion -.27975887*** -.24767589*** -.39102706*** -.57201926***
Transporte -.42505699*** -.4029736*** -.56218716*** -.73504679***
Terceros .04248665** .08217366*** -.21784218*** -.50141529***
Area
Urbano -.09862224*** -.22340926***
Edad
Experiencia -.00897853*** -.0083962*** -.02060087*** -.03793032***
Experiencia2 .00011973*** .00011366*** .00021311*** .00039744***
Imr2 -.22731812*** -.59110441***

Constante 1.5423949*** 1.5200905*** 3.4956091*** 6.7127146***
N 19998 19998 19442 19442

chi2
rank 17 18 18 19
aic 7260.4392 6891.0529 -3330.3015 -4809.8061
legend:*p<0.05;**p<0.01;***p<0.001
el modelo uno) es significativa para ambos géneros y tiene el signo positivo. Con 6 años de
estudio toma valores de 0.027 y 0.028 para hombres y mujeres respectivamente, lo cual nos
indica que esta variable influye de manera positivamente en la decisión de pertenecer al
mercado laboral.
La variable experiencia, en el Modelo 1 toma valores de -0.0089 y -0.0083 para hombres y

mujeres respectivamente, mientras que en el Modelo 2 toma valores de -0.020 y -0.037 para
negativa en la decisión de pertenecer al mercado laboral.
negativa con valores de -0.00096 y positiva para mujeres (0.03) para hombres y mujeres
respectivamente, se observa que los administrativos tienen una relación positiva con valores
de 0.040 y 0.069 para hombres y mujeres respectivamente, además, se observa que los
terceros tienen una relación positiva con valores de 0.042 y 0.082 para hombres y mujeres
respectivamente, mientras que en el Modelo 2, se observa que los técnicos tienen una
relación negativa con valores de -0.056 y -0.129 para hombres y mujeres respectivamente,
se observa que los administrativos tienen una relación negativa con valores de -0.205 y
-0.299 para hombres y mujeres respectivamente, además, se observa que los terceros tienen
una relación negativa con valores de -0.217 y -0.501 para hombres y mujeres
respectivamente.

2004).
selección en el departamento de Ayacucho en el periodo 2014-2019
Formal
Modelo 1 Modelo 2
lgsalario .02911463*** .02839687*** .33365951*** .4154473***
Años de estudios
6 -0.00468089 -0.0042216 .5040683*** .63409245***
11 .05378179* .05283957* .95843719*** 1.1774083***
14 .1247499*** .12154206*** 1.3534038*** 1.60754***
16 .17580149*** .1681932*** 1.4691127*** 1.7365786***
17 .31480076*** .3085653*** 1.5982401*** 1.8410157***
Ocupacion
Intelectuales 0.06178673 0.05606888 0.09243882 0.07959515
Técnicos -0.01425588 -0.02116535 .16421691* .18902709*
Administrativos .03486717** .02803669* .31816099*** .3708252***
Comercio .04564045** .035915* .37894141*** .4478366***
Agricultura .1891039*** .17960719*** .79011247*** .87131605***
Construccion .43312242*** .42572073*** .6781463*** .7725842***
Transporte .65485712*** .6499834*** .91499226*** 1.0117447***
Terceros .09302272** .08384877* .6925469*** .83262665***
Area
Urbano .02142938* .09828679***
Edad
Experiencia .00661198*** .00649991*** .03824138*** .04567875***
Experiencia2 -.00007574*** -.00007435*** -.00039614*** -.00047419***
Imr2 .45466799*** .57988837***

Constante -.26489797*** -.26392587*** -4.747906*** -5.9472542***
N 3591 3591 3632 3632

chi2
rank 17 18 18 19
aic -680.88095 -684.605 -1982.9841 -2114.9908
legend:*p<0.05;**p<0.01;***p<0.001
el modelo uno) es significativa para ambos géneros y tiene el signo negativo. Con 6 años de
estudio toma valores de -0.0046 y -0.0042 para hombres y mujeres respectivamente, lo cual
mercado laboral.

negativa con valores de -0.014 y -0.021 para hombres y mujeres respectivamente, se
observa que los administrativos tienen una relación positiva con valores de 0.034 y 0.028
para hombres y mujeres respectivamente, además, se observa que los terceros tienen una
relación positiva con valores de 0.093 y 0.083 para hombres y mujeres respectivamente,
mientras que en el Modelo 2, se observa que los técnicos tienen una relación positiva con
valores de 0.16 y 0.18 para hombres y mujeres respectivamente, se observa que los
administrativos tienen una relación positiva con valores de 0.318 y 0.37 para hombres y
mujeres respectivamente, además, se observa que los terceros tienen una relación positiva
con valores de 0.132 y 0.436 para hombres y mujeres respectivamente.

2004).
Tabla 16: Tipo de empleo Informal – Evaluación salarial con corrección por sesgo de
selección en el departamento de Ayacucho en el periodo 2014-2019
Informal
Modelo 1 Modelo 2
lgsalario -.02911463*** -.02839687*** -.33365951*** -.4154473***
Años de estudios
6 0.00468089 0.0042216 -.5040683*** -.63409245***
11 -.05378179* -.05283957* -.95843719*** -1.1774083***
14 -.1247499*** -.12154206*** -1.3534038*** -1.60754***
16 -.17580149*** -.1681932*** -1.4691127*** -1.7365786***
17 -.31480076*** -.3085653*** -1.5982401*** -1.8410157***
Ocupacion
Intelectuales -0.06178673 -0.05606888 -0.09243882 -0.07959515
Técnicos 0.01425588 0.02116535 -.16421691* -.18902709*
Administrativos -.03486717** -.02803669* -.31816099*** -.3708252***
Comercio -.04564045** -.035915* -.37894141*** -.4478366***
Agricultura -.1891039*** -.17960719*** -.79011247*** -.87131605***
Construccion -.43312242*** -.42572073*** -.6781463*** -.7725842***
Transporte -.65485712*** -.6499834*** -.91499226*** -1.0117447***
Terceros -.09302272** -.08384877* -.6925469*** -.83262665***
Area
Urbano -.02142938* -.09828679***
Edad
Experiencia -.00661198*** -.00649991*** -.03824138*** -.04567875***
Experiencia2 .00007574*** .00007435*** .00039614*** .00047419***
Imr2 -.45466799*** -.57988837***

Constante 1.264898*** 1.2639259*** 5.747906*** 6.9472542***
N 3591 3591 3632 3632

chi2
rank 17 18 18 19
aic -680.88095 -684.605 -1982.9841 -2114.9908
legend:*p<0.05;**p<0.01;***p<0.001
En la tabla 16 se observa que en el sector informal con 6 años de estudio (considerada sólo
en el modelo uno) no es significativa para ambos géneros y tiene el signo positivo. Con 6
años de estudio toma valores de 0.0046 y 0.0042 para hombres y mujeres respectivamente,
lo cual nos indica que esta variable influye de manera positiva en la decisión de pertenecer
al mercado laboral.

positiva con valores de 0.014 y 0.021 para hombres y mujeres respectivamente, se observa
que los administrativos tienen una relación negativa con valores de -0.034 y -0.028 para
hombres y mujeres respectivamente, además, se observa que los terceros tienen una
mientras que en el Modelo 2, se observa que los técnicos tienen una relación negativa con
valores de -0.16 y -0.18 para hombres y mujeres respectivamente, se observa que los
administrativos tienen una relación negativa con valores de -0.318 y -0.37 para hombres y
mujeres respectivamente, además, se observa que los terceros tienen una relación negativa
con valores de -0.132 y -0.436 para hombres y mujeres respectivamente.
En el Modelo 1 de las Tablas 10 y 16, el sesgo de selección es significativo tanto en el

sector formal como en el informal, tanto para hombres como para mujeres. El coeficiente
de correlación nos da la dirección de las reglas de selección promedio para hombres y
mujeres. Los hombres son seleccionados positivamente en el empleo informal y
seleccionados negativamente en el empleo formal. Esto es consistente con las conclusiones
de los trabajos que encuentran que algunos trabajadores tienen una ventaja comparativa
individual en el sector informal y no les iría mejor en el sector formal (Gindling, 1991;
Maloney, 1999, 2004).
selección en el departamento de Huancavelica en el periodo 2014-2019
Formal
Modelo 1 Modelo 2
lgsalario .0473241*** .04730998*** .23732143*** .48886079***
Años de estudios
6 -0.01042494 -0.01036012 .236212*** .50849303***
11 0.03709747 0.03705646 .47667118*** .94592574***
14 .105681*** .10518384*** .73985942*** 1.2729865***
16 .0889446*** .08804656** .87934783*** 1.448042***
17 .2286049*** .22752373*** 1.0224192*** 1.5012924***
Ocupacion
Intelectuales -0.04068469 -0.04154869 0.10403974 0.09196596
Técnicos -0.05026381 -0.05149942 0.06680191 0.12795276
Administrativos 0.00651743 0.00563706 .17790127*** .34275991***
Comercio .06278891*** .06179047** .21337612*** .40209702***
Agricultura .06975326** .06833547* .6283356*** .82121986***
Construccion .38054675*** .37903834*** .42084289*** .66412793***
Transporte .69939031*** .69807112*** .69936052*** .91579483***
Terceros 0.07360241 0.07218377 .340169*** .71295164***
Area
Urbano 0.00310217 .227558***
Edad
Experiencia .0046952*** .00468515*** .02383744*** .04336779***
Experiencia2 -.00006259*** -.0000625*** -.00022799*** -.00041305***
Imr2 .22872486*** .52077658***

Constante -.28955492*** -.28944784*** -2.8688155*** -6.0130926***
N 3695 3695 4148 4148

chi2
rank 17 18 18 19
aic -224.62518 -222.69101 -3515.0828 -4022.6003
legend:*p<0.05;**p<0.01;***p<0.001
el modelo uno) no es significativa para ambos géneros y tiene el signo negativo. Con 6 años
de estudio toma valores de -0.0104 y -0.0103 para hombres y mujeres respectivamente, lo
cual nos indica que esta variable influye de manera negativa en la decisión de pertenecer al
mercado laboral.

observa que los administrativos tienen una relación positivo con valores de 0.006 y 0.005
2004).
selección en el departamento de Huancavelica en el periodo 2014-2019
Informal
Modelo 1 Modelo 2
lgsalario -.0473241*** -.04730998*** -.23732143*** -.48886079***
Años de estudios
6 0.01042494 0.01036012 -.236212*** -.50849303***
11 -0.03709747 -0.03705646 -.47667118*** -.94592574***
14 -.105681*** -.10518384*** -.73985942*** -1.2729865***
16 -.0889446*** -.08804656** -.87934783*** -1.448042***
17 -.2286049*** -.22752373*** -1.0224192*** -1.5012924***
Ocupacion
Intelectuales 0.04068469 0.04154869 -0.10403974 -0.09196596
Técnicos 0.05026381 0.05149942 -0.06680191 -0.12795276
Administrativos -0.00651743 -0.00563706 -.17790127*** -.34275991***
Comercio -.06278891*** -.06179047** -.21337612*** -.40209702***
Agricultura -.06975326** -.06833547* -.6283356*** -.82121986***
Construccion -.38054675*** -.37903834*** -.42084289*** -.66412793***
Transporte -.69939031*** -.69807112*** -.69936052*** -.91579483***
Terceros -0.07360241 -0.07218377 -.340169*** -.71295164***
Area
Urbano -0.00310217 -.227558***
Edad
Experiencia -.0046952*** -.00468515*** -.02383744*** -.04336779***
Experiencia2 .00006259*** .0000625*** .00022799*** .00041305***
Imr2 -.22872486*** -.52077658***
Constante 1.2895549*** 1.2894478*** 3.8688155*** 7.0130926***
N 3695 3695 4148 4148

chi2
rank 17 18 18 19
aic -224.62518 -222.69101 -3515.0828 -4022.6003
legend:*p<0.05;**p<0.01;***p<0.001
el modelo uno) no es significativa para ambos géneros y tiene el signo positivo. Con 6 años
de estudio toma valores de 0.0104 y 0.0103 para hombres y mujeres respectivamente, lo
mercado laboral.
La variable experiencia, en el Modelo 1 toma valores de -0.00469 y -0.00468 para hombres

y mujeres respectivamente, mientras que en el Modelo 2 toma valores de -0.023 y -0.043
para hombres y mujeres respectivamente, esto nos indica que esta variable influye de
manera negativa en la decisión de pertenecer al mercado laboral.
que los administrativos tienen una relación negativo con valores de -0.006 y -0.005 para

2004).
selección en el departamento de Huánuco en el periodo 2014-2019
Modelo 1 Modelo 2
Variable
Formal hombre Formal mujer Formal hombre Formal mujer
lgsalario .0564885*** .05525953*** .14697903*** .37555944***
año_estudio
6 -0.01802289 -0.0192678 .20076797*** .57632085***
11 .08112254*** .07236246*** .38852926*** 1.0297695***
14 .17024303*** .15365976*** .64358896*** 1.4194959***
16 .20467625*** .1797569*** .73694563*** 1.5826707***
17 .30583655*** .27609859*** .98971268*** 1.7613752***
experiencia .00817777*** .00776964*** .01772086*** .03931579***

experiencia2 -.00010013*** -.00009582*** -.00019069*** -.0004294***
ocupacion
Intelectuales 0.02350271 0.00193977 0.11416151 .1247889*
Técnicos .1604946** .13078263* -0.0056263 0.08633761
Administrativos .04195306** 0.02293336 .21085192*** .31349519***
Comercio .11355578*** .08938491*** .16086126*** .33257263***
Agricultura .11601069*** .08875684*** .32745686*** .51509638***
Construccion .34093309*** .3197582*** .35064296*** .58229876***
Transporte .52317157*** .50767912*** .55226665*** .77169456***
Terceros -0.01809518 -0.0446514 .18541614*** .53317119***
imr1 (omitted) (omitted)

edad (omitted) (omitted)
area
Urbano .05782158*** .24349987***
imr2 .1845509*** .5883372***

_cons -.40976705*** -.39931944*** -1.925639*** -5.2912172***
N 4474 4474 4510 4510

chi2
rank 17 18 18 19
aic 323.54416 292.52702 -1261.9675 -1648.9422
legend: * p<0.05; ** p<0.01; *** p<0.001

mercado laboral.

que los administrativos tienen una relación positiva con valores de 0.041 y 0.022 para
valores de -0.005 y 0.086 para hombres y mujeres respectivamente, se observa que los

2004).
Tabla 20: Tipo de empleo informal – Evaluación salarial con corrección por sesgo de
selección en el departamento de Huánuco en el periodo 2014-2019
Modelo 1 Modelo 2
Variable
Informal hombre Informal mujer Informal hombre Informal mujer
lgsalario -.0564885*** -.05525953*** -.14697903*** -.37555944***
año_estudio
6 0.01802289 0.0192678 -.20076797*** -.57632085***
11 -.08112254*** -.07236246*** -.38852926*** -1.0297695***
14 -.17024303*** -.15365976*** -.64358896*** -1.4194959***
16 -.20467625*** -.1797569*** -.73694563*** -1.5826707***
17 -.30583655*** -.27609859*** -.98971268*** -1.7613752***
experiencia -.00817777*** -.00776964*** -.01772086*** -.03931579***

experiencia2 .00010013*** .00009582*** .00019069*** .0004294***
ocupacion
Intelectuales -0.02350271 -0.00193977 -0.11416151 -.1247889*
Técnicos -.1604946** -.13078263* 0.0056263 -0.08633761
Administrativos -.04195306** -0.02293336 -.21085192*** -.31349519***
Comercio -.11355578*** -.08938491*** -.16086126*** -.33257263***
Agricultura -.11601069*** -.08875684*** -.32745686*** -.51509638***
Construccion -.34093309*** -.3197582*** -.35064296*** -.58229876***
Transporte -.52317157*** -.50767912*** -.55226665*** -.77169456***
Terceros 0.01809518 0.0446514 -.18541614*** -.53317119***

area
Urbano -.05782158*** -.24349987***
imr2 -.1845509*** -.5883372***

_cons 1.4097671*** 1.3993194*** 2.925639*** 6.2912172***
N 4474 4474 4510 4510

chi2
rank 17 18 18 19
aic 323.54416 292.52702 -1261.9675 -1648.9422
legend: * p<0.05; ** p<0.01; *** p<0.001
en el modelo uno) es significativa para ambos géneros y tiene el signo positivo. Con 6 años
de estudio toma valores de 0.018 y 0.019 para hombres y mujeres respectivamente, lo cual
mercado laboral.

negatiuva con valores de -0.16 y -0.13 para hombres y mujeres respectivamente, se observa
que los administrativos tienen una relación negativa con valores de -0.041 y -0.022 para
valores de 0.005 y -0.086 para hombres y mujeres respectivamente, se observa que los

2004).
selección en el departamento de Junín en el periodo 2014-2019
Modelo 1 Modelo 2
Variable
lgsalario .12427029*** .11919827*** .18575586*** .49665134***
año_estudio
6 0.00528222 -0.00109987 .18894782*** .61138997***
11 .10942988** .08837936* .40755648*** 1.1233556***
14 .24923492*** .21169691*** .62401371*** 1.4935852***
16 .24332624*** .19650361*** .7341171*** 1.6747874***
17 .27114131*** .22131552*** .90178643*** 1.8056563***
experiencia .01079279*** .01023969*** .02044061*** .04305879***

experiencia2 -.00015623*** -.00015131*** -.00022395*** -.00048258***
ocupacion
Intelectuales 0.02073462 -0.01516097 .16544611** .15808552**
Técnicos -.10832773* -.12557568* 0.06845 .16543748**
Comercio -0.01037462 -.04931305** .15375883*** .29389474***
Agricultura -0.01987918 -.05722612** .33083033*** .48351266***
Construccion .21426933*** .18566877*** .41060529*** .59781974***
Transporte .23826317*** .2156124*** .45592718*** .64121068***
Terceros -.12788155*** -.16645124*** .13287792*** .43641293***

area
Urbano .09697504*** .30663036***
imr2 .20754879*** .74650691***

_cons -.72948943*** -.70053243*** -2.169711*** -6.3327847***
N 4881 4881 4268 4268

chi2
rank 17 18 18 19
aic 2885.424 2815.568 1224.8647 917.60008
legend: * p<0.05; ** p<0.01; *** p<0.001
estudio toma valores de 0.005 y -0.001 para hombres y mujeres respectivamente, lo cual
mercado laboral.
mujeres respectivamente, mientras que en el Modelo 2 toma valores de 0.0204 y 0.0430
para hombres y mujeres respectivamente, esto nos indica que esta variable influye de
manera positiva en la decisión de pertenecer al mercado laboral.
observa que los administrativos tienen una relación negativa con valores de -0.127 y -0.148
2004).
selección en el departamento de Junín en el periodo 2014-2019
Modelo 1 Modelo 2
Variable
lgsalario -.12427029*** -.11919827*** -.18575586*** -.49665134***
año_estudio
6 -0.00528222 0.00109987 -.18894782*** -.61138997***
11 -.10942988** -.08837936* -.40755648*** -1.1233556***
14 -.24923492*** -.21169691*** -.62401371*** -1.4935852***
16 -.24332624*** -.19650361*** -.7341171*** -1.6747874***
17 -.27114131*** -.22131552*** -.90178643*** -1.8056563***
experiencia -.01079279*** -.01023969*** -.02044061*** -.04305879***

experiencia2 .00015623*** .00015131*** .00022395*** .00048258***
ocupacion
Intelectuales -0.02073462 0.01516097 -.16544611** -.15808552**
Técnicos .10832773* .12557568* -0.06845 -.16543748**
Comercio 0.01037462 .04931305** -.15375883*** -.29389474***
Agricultura 0.01987918 .05722612** -.33083033*** -.48351266***
Construccion -.21426933*** -.18566877*** -.41060529*** -.59781974***
Transporte -.23826317*** -.2156124*** -.45592718*** -.64121068***
Terceros .12788155*** .16645124*** -.13287792*** -.43641293***

area
Urbano -.09697504*** -.30663036***
imr2 -.20754879*** -.74650691***

_cons 1.7294894*** 1.7005324*** 3.169711*** 7.3327847***
N 4881 4881 4268 4268
chi2
rank 17 18 18 19
aic 2885.424 2815.568 1224.8647 917.60008
legend: * p<0.05; ** p<0.01; *** p<0.001
en el modelo uno) no es significativa para ambos géneros y tiene el signo negativo. Con 6
años de estudio toma valores de -0.005 y 0.001 para hombres y mujeres respectivamente, lo
mercado laboral.


Maloney, 1999, 2004).
selección en el departamento de Pasco en el periodo 2014-2019
Modelo 1 Modelo 2
Variable
lgsalario .16177336*** .14855918*** .24862619*** .47333158***
año_estudio
6 -.07505625* -.07683687* .19080897*** .40323622***
11 0.07518554 0.03786439 .4132678*** .76681483***
14 .1835015*** .12583347** .61508994*** 1.0371442***
16 .14030315** 0.07637297 .72865053*** 1.1754084***
17 .19815631*** .13708919* .80400138*** 1.2092935***
experiencia .01102667*** .01038128*** .01545168*** .02354995***

experiencia2 -.0001549*** -.00015052*** -.00015118*** -.00023251***
ocupacion
Intelectuales -0.02014929 -0.06800245 0.11406439 0.14049947
Técnicos -0.00519724 -0.06622279 -0.0804841 -0.08708438
Comercio -.05385203* -.0840314*** .11006802*** .1689489***
Agricultura 0.00489681 -0.04723063 .30555833*** .36910073***
Construccion .17379112*** .14179324*** .35245051*** .42404535***
Transporte .29599089*** .27651029*** .54654384*** .60740459***
Terceros -0.04875056 -0.08282996 .1358332*** .27315906***

area
Urbano .15983612*** .18272627***
imr2 .17890442*** .40932679***

_cons -.88288534*** -.8319014*** -2.4709873*** -4.9194307***
N 3357 3357 2884 2884

chi2
rank 17 18 18 19
aic 2373.1663 2242.4101 226.41565 66.197883
legend: * p<0.05; ** p<0.01; *** p<0.001
mercado laboral.

observa que los administrativos tienen una relación negativo con valores de -0.087 y
-0.1314 para hombres y mujeres respectivamente, además, se observa que los terceros
tienen una relación negativa con valores de -0.048 y -0.082 para hombres y mujeres
respectivamente, mientras que en el Modelo 2, se observa que los técnicos tienen una
relación negativa con valores de -0.080 y 0.087 para hombres y mujeres respectivamente,
se observa que los administrativos tienen una relación positiva con valores de 0.237 y 0.282
relación positiva con valores de 0.135 y 0.273 para hombres y mujeres respectivamente.

2004).
selección en el departamento de Pasco en el periodo 2014-2019
Modelo 1 Modelo 2
Variable
lgsalario -.16177336*** -.14855918*** -.24862619*** -.47333158***
año_estudio
6 .07505625* .07683687* -.19080897*** -.40323622***
11 -0.07518554 -0.03786439 -.4132678*** -.76681483***
14 -.1835015*** -.12583347** -.61508994*** -1.0371442***
16 -.14030315** -0.07637297 -.72865053*** -1.1754084***
17 -.19815631*** -.13708919* -.80400138*** -1.2092935***
experiencia -.01102667*** -.01038128*** -.01545168*** -.02354995***

experiencia2 .0001549*** .00015052*** .00015118*** .00023251***
ocupacion
Intelectuales 0.02014929 0.06800245 -0.11406439 -0.14049947
Técnicos 0.00519724 0.06622279 0.0804841 0.08708438
Comercio .05385203* .0840314*** -.11006802*** -.1689489***
Agricultura -0.00489681 0.04723063 -.30555833*** -.36910073***
Construccion -.17379112*** -.14179324*** -.35245051*** -.42404535***
Transporte -.29599089*** -.27651029*** -.54654384*** -.60740459***
Terceros 0.04875056 0.08282996 -.1358332*** -.27315906***

area
Urbano -.15983612*** -.18272627***
imr2 -.17890442*** -.40932679***

_cons 1.8828853*** 1.8319014*** 3.4709873*** 5.9194307***
N 3357 3357 2884 2884

chi2
rank 17 18 18 19
aic 2373.1663 2242.4101 226.41565 66.197883
legend: * p<0.05; ** p<0.01; *** p<0.001
estudio toma valores de 0.075 y 0.076 para hombres y mujeres respectivamente, lo cual nos
indica que esta variable influye de manera positiva en la decisión de pertenecer al mercado
laboral.


Maloney, 1999, 2004).
5. Modelo de Oaxaca según Tipo empleo por año (2014 – 2019)
Modelo de Oaxaca sin corrección por sesgo de selección en el Tipo empleo – Formal
(2014):
En el sector formal la brecha salarial es significativa y es igual a 0.090%, indicándonos que

en el año 2014 los hombres estuvieron ganando 9.01% más que las mujeres, mostrando
evidencias claras de que este problema aún sigue persistiendo. En el modelo uno, la parte
explicada fue de 4.80% y la parte no explicada fue de 4.20%, en cambio en el modelo dos
la parte explicada fue menor (4.77%) y la parte no explicada fue mayor (4.23%), la parte
explicada por diferencias en características es menor a la parte no explicada por diferencias
en características o componente discriminatorio.
Tabla 25. Empleo Formal - Brecha salarial sin corrección por sesgo de selección, en el periodo 2014.
Variable Modelo 1 Modelo 2

Differential
. .
Prediction_1 22835366** 22835366**
* *
. .
Prediction_2 13824885** 13824885**
* *
. .
Brecha 09010481** 09010481**
* *
Decomposición
. .
Explained 04806062** 04772697**
* *
. .
Unexplained 04204419** 04237785**
* *
Statistics
N 6535 6535
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001
Fuente: INEI - ENAHO
Elaboración: Propia
Modelo de Oaxaca con corrección por sesgo de selección en el Tipo empleo – Formal
(2014):
El modelo de Oaxaca con corrección por sesgo de selección incluye la variable del Ratio
inverso de Mills (imr) como un regresor más, el cual fue hallado con la ayuda del modelo
Probit. Este ratio, nos permitirá capturar las características de las personas que no se
encontraban laborando al momento de la entrevista y por ende no han sido consideradas
dentro del estudio, las características de estas personas pueden ser iguales o diferentes a los
que si se encontraban trabajando, por lo que si se diera el segundo caso se cometería el
error de sobrevalorar o infravalorar los salarios analizados.
En la tabla se observa las brechas salariales, en el sector formal siguen siendo las mismas
que en el modelo estimado sin el ratio inverso de Mills, el hecho de haber incluido este
ratio ayuda a tener una mejor descomposición y distribución tanto del componente
explicado cómo del no explicado.
Tabla 26. Empleo Formal - Brecha salarial con corrección por sesgo de selección, en el periodo 2014.

Differential
. .
Prediction_1 22835366*** 22835366***
. .
Prediction_2 13824885*** 13824885***
. .
Brecha 09010481*** 09010481***
Decomposición
. .
Explained 13160528*** 12870901***
-.04150046**
Unexplained * -.0386042***
Statistics
N 6535 6535
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001
En el sector formal se nota la diferencia al haber incluido el factor de corrección a ambos

modelos, ya que la parte explicada de la brecha salarial se elevó al 13.16%, en contraste la
parte no explicada para el primer modelo es 4.15%. Mientras que para el modelo dos, la
parte explicada de la brecha salarial es 12.87%, en contraste la parte no explicada es
-3.36%. Ello nos indica que sin incluir el ratio inverso de mills el modelo no estaba
capturando de manera adecuada el comportamiento de este sector, el cual tiene aún un alto
grado de discriminación.
Modelo de Oaxaca sin corrección por sesgo de selección en el Tipo empleo – Informal
(2014):
En el sector informal la brecha salarial es significativa y es igual a 0.090%, indicándonos
que en el año 2014 los hombres estuvieron ganando 9.01% más que las mujeres, mostrando
evidencias claras de que este problema aún sigue persistiendo y con valores bastante altos.
En el modelo uno, la parte explicada fue de 4.80% y la parte no explicada fue de 4.20%, en
cambio en el modelo dos la parte explicada fue menor (4.77%) y la parte no explicada fue
mayor (4.23%), la parte explicada por diferencias en características es menor a la parte no
explicada por diferencias en características o componente discriminatorio.
Tabla27. Empleo Informal - Brecha salarial sin corrección por sesgo de selección, en el periodo 2014.

Differential
.
Prediction_1 .77164634***
77164634***
.
86175115***
-.09010481**
-.09010481***
Brecha *
Decomposició

n
-.04772697**
Explained -.04806062***
*
-.04237785**
Unexplained -.04204419***
*
Statistics
N 6535 6535
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001
Modelo de Oaxaca con corrección por sesgo de selección en el Tipo empleo – Informal
(2014):
En la tabla se observa las brechas salariales, en el sector informal siguen siendo las mismas
Tabla28. Empleo Informal - Brecha salarial con corrección por sesgo de selección, en el periodo 2014.

Differential
.
77164634***
.
86175115***
-.09010481**
-.09010481***
Brecha *
Decomposició

n
-.16810474**
Explained -.16881196***
*
.
Unexplained .07870715***
07799993***
Statistics
N 6535 6535
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001
En el sector informal se nota la diferencia al haber incluido el factor de corrección a ambos

parte explicada de la brecha salarial es 16.81%, en contraste la parte no explicada es 7.79%.
Ello nos indica que sin incluir el ratio inverso de mills el modelo no estaba capturando de
manera adecuada el comportamiento de este sector, el cual tiene aún un alto grado de
discriminación.
A partir de los resultados obtenidos y centrándonos en los modelos corregidos por sesgo de
selección, en el sector formal e informal la brecha salarial promedio en el periodo 2014 es
de 9.10%. En cuanto a la descomposición de la brecha salarial corregida por sesgo de
selección para el sector informal, el componente explicado (por diferencias en
características) varía de -16.88% a -16.81% respectivamente, siendo su comportamiento
muy distinto dependiendo del tipo de empleo, En cuanto al componente no explicado o
discriminatorio en el presente trabajo la brecha oscila de 7.87% a 7.79% en el sector
Informal.
(2015):

Tabla29. Empleo Formal - Brecha salarial sin corrección por sesgo de selección, en el periodo 2015.

Differential
. .
Prediction_1 19952139** 19952139**
* *
. .
Prediction_2 14281355** 14281355**
* *
. .
05670784** 05670784**
Brecha * *
Decomposició

n
. .
Explained 03380712** 03371501**
* *
Unexplained .02290072** .02299283**
Statistics
N 6620 6620
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001
(2015):

Differential
Prediction_1 .19952139*** .19952139***
Prediction_2 .14281355*** .14281355***
Brecha .05670784*** .05670784***
Decomposició

n
Explained .13496325*** .13066373***
-.07825541** -.07395589**
Unexplained
* *
Statistics
N 6620 6620
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001
modelos, ya que la parte explicada de la brecha salarial se elevó al 13.49% en contraste la
parte explicada de la brecha salarial es 13.06%, en contraste la parte no explicada es 7.39%.
Ello nos indica que sin incluir el ratio inverso de mills el modelo no estaba capturando de
manera adecuada el comportamiento de este sector, el cual tiene aún un alto grado de
discriminación.
(2015):

explicada fue de 3.38% y la parte no explicada fue de -2.29%, en cambio en el modelo dos
la parte explicada fue menor (3.37%) y la parte no explicada fue (-2.29%), la parte
Tabla 31. Empleo Informal - Brecha salarial sin corrección por sesgo de selección, en el periodo 2015.

Differential
Prediction_1 .80047861*** .80047861***
Prediction_2 .85718645*** .85718645***
-.05670784** -.05670784**
Brecha * *
Decomposición
-.03380712** -.03371501**
Explained
* *
Unexplained -.02290072** -.02299283**
Statistics
N 6620 6620
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001
(2015):
Tabla 32. Empleo Informal - Brecha salarial con corrección por sesgo de selección, en el periodo 2015.

Differential
Prediction_1 .80047861*** .80047861***
Prediction_2 .85718645*** .85718645***
-.05670784** -.05670784**
Brecha * *
Decomposició

n
-.16941882** -.16891925**
Explained
* *
Unexplained .11271098*** .11221141***
Statistics
N 6620 6620
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001
11.22%. Ello nos indica que sin incluir el ratio inverso de mills el modelo no estaba
características) varía de 16.94% a 16.89% respectivamente, siendo su comportamiento muy
distinto dependiendo del tipo de empleo. En cuanto al componente no explicado o
Informal.
(2016):

Tabla 33. Empleo Formal - Brecha salarial sin corrección por sesgo de selección, en el periodo 2016.

Differential
. .
Prediction_1
19501385*** 19501385***
. .
Prediction_2
14859786*** 14859786***
. .
Brecha 04641599*** 04641599***
Decomposició

n
Explained .0297291*** .0282352***
Unexplained .01668689* .01818079*
Statistics
N 7069 7069
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001
(2016):

Differential
Prediction_1 .19501385*** .19501385***
Prediction_2 .14859786*** .14859786***
Brecha .04641599*** .04641599***
Decomposició

n
Explained .11747553*** .11247353***
Unexplained -.07105954*** -.06605754***
Statistics
N 7069 7069
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001
parte no explicada para el primer modelo es -0.71%. Mientras que para el modelo dos, la
-6.60%. Ello nos indica que sin incluir el ratio inverso de mills el modelo no estaba
(2016):

explicada fue de -2.97% y la parte no explicada fue de 1.66%, en cambio en el modelo dos
la parte explicada fue menor (-2.82%) y la parte no explicada fue mayor (-1.81%), la parte
Tabla 35. Empleo Informal - Brecha salarial sin corrección por sesgo de selección, en el periodo 2016.

Differential
Prediction_1 .80498615*** .80498615***
Prediction_2 .85140214*** .85140214***
-.04641599** -.04641599**
Brecha * *
Decomposición
Explained -.0297291*** -.0282352***
Unexplained -.01668689* -.01818079*
Statistics
N 7069 7069
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001
(2016):
Tabla 36. Empleo Informal - Brecha salarial con corrección por sesgo de selección, en el periodo 2016.

Differential
Prediction_1 .80498615*** .80498615***
Prediction_2 .85140214*** .85140214***
-.04641599** -.04641599**
Brecha * *
Decomposición
-.15337849** -.15184635**
Explained * *
Unexplained .1069625*** .10543036***
Statistics
N 7069 7069
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001

10.54%. Ello nos indica que sin incluir el ratio inverso de mills el modelo no estaba
características) varía de 15.33% a 15.18% respectivamente, siendo su comportamiento muy
distinto dependiendo del tipo de empleo, En cuanto al componente no explicado o
Informal.
Modelo de Oaxaca sin corrección por sesgo de selección en el Tipo empleo – Formal:
En el tipo de empleo informa, la brecha salarial es significativa y asciende a 5.4%, indicándonos que en el periodo del
2017 los hombres dentro del empleo formal vienen ganando 5.4% más que las mujeres, mostrando evidencias claras de
que este problema aún sigue persistiendo y con valores altos. En el modelo uno la parte explicada fue de 2.3% y la parte
no explicada fue 3.1%, en cambio en el modelo dos la parte explicada fue menor (2.2%) y la parte no explicada fue
mayor (3.2%), al igual que en el tipo de empleo la parte explicada por diferencias en características es mucho menor a la
parte no explicada por diferencias en características o componente discriminatorio.XTabla 37. Empleo Formal - Brecha
salarial sin corrección por sesgo de selección, en el periodo 2017

Diferencial
. .
20078502** 20078502**
Prediction_1 * *
. .
14619514** 14619514**
Prediction_2 * *
. .
05458989** 05458989**
Brecha * *
Decomposición
.
02216521**
Explained .0231414*** *
. .
03144849** 03242468**
Unexplained * *
Statistics
N 6479 6479
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001
Modelo de Oaxaca con corrección por sesgo de selección en el Tipo empleo – Formal:
El modelo de Oaxaca con corrección por sesgo de selección incluye la variable del Ratio inverso de Mills (imr) como un
regresor más, el cual fue hallado con la ayuda del modelo Probit. A partir de los resultados obtenidos y centrándonos en
los modelos corregidos por sesgo de selección, en el tipo de empleo formal e informal, la brecha salarial promedio en el
periodo 2017 es de 5 %, un trabajo similar (con respecto a metodología y base de datos usada, en este caso la Encuesta
Permanente de Empleo) es el de Castillo (2011), quien encontró que la brecha salarial para el Perú en el periodo 2017
oscila entre 8 % y 9 %, por lo que se puede afirmar que los porcentajes hallados en el presente trabajo guardan relación
con el de este investigador a pesar que se centra en todos los sectores en conjunto.XTabla 38. Empleo Formal - Brecha
salarial con corrección por sesgo de selección, en el periodo 2017

Diferencial
. .
Prediction_1 20078502*** 20078502***
. .
Prediction_2 14619514*** 14619514***
. .
Brecha 05458989*** 05458989***
Decomposición
. .
Explained 11090604*** 10975529***
-.05631616** -.05516541**
Unexplained * *
Statistics
N 6479 6479
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001
Elaboración: propia
Modelo de Oaxaca sin corrección por sesgo de selección en el Tipo empleo – Informal:
En el tipo de empleo informal, la brecha salarial es significativa y asciende a 5.4%, indicándonos que en el periodo del
parte no explicada por diferencias en características o componente discriminatorio.XTabla 39. Empleo Informal - Brecha

Diferencial
Prediction_1 .79921498*** .79921498***
Prediction_2 .85380486*** .85380486***
-.05458989**
Brecha -.05458989*** *
Decomposición
-.02216521**
Explained -.0231414***
*
-.03242468**
Unexplained -.03144849*** *
Statistics
N 6479 6479
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001

Modelo de Oaxaca con corrección por sesgo de selección en el Tipo empleo –

Informal:
con el de este investigador a pesar que se centra en todos los sectores en conjunto.XTabla 50. Empleo Informal - Brecha

Diferencial
.
Prediction_1 .79921498*** 79921498***
.
Prediction_2 .85380486*** 85380486***
-.05458989**
Brecha -.05458989*** *
Decomposición
-.14136626**
Explained -.14201358*** *
.
Unexplained .0874237*** 08677637***
Statistics
N 6479 6479
rank 3 3
legend: * p<0.05; ** p<0.01; ***
p<0.001

Diferencial
. .
Prediction_1 19784496*** 19784496***
Prediction_2 .1407453*** .1407453***
. .
Brecha 05709965*** 05709965***
Decomposición
. .
Explained 11289678*** 10983132***
-.05579713** -.05273167**
Unexplained * *
Statistics
N 6588 6588
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001
Modelo de Oaxaca Sin corrección por sesgo de selección en el Tipo empleo – Informal:
Variable Informal Informal1

diferencial
.
Prediction_1 .80215504***80215504***
Prediction_2 .8592547*** .8592547***
-.05709965**
Brecha -.05709965*** *
Decomposición
-.02320903**
Explained -.02346993*** *
-.03389062**
Statistics
N 6588 6588
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001

Informal:
Variable Informal2 Informal3

diferencial
Prediction_1 .80215504*** .80215504***
Prediction_2 .8592547*** .8592547***
-.05709965**
Brecha -.05709965*** *
Decomposición
-.14640648**
Explained -.14666656*** *
Unexplained .08956691*** .08930683***
Statistics
N 6588 6588
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001

En el tipo de empleo informa, la brecha salarial es significativa y asciende a 5.4%, indicándonos que en el
periodo del 2019 los hombres dentro del empleo formal vienen ganando 5.4% más que las mujeres, mostrando
evidencias claras de que este problema aún sigue persistiendo y con valores altos. En el modelo uno la parte
explicada fue de 2.3% y la parte no explicada fue 3.1%, en cambio en el modelo dos la parte explicada fue
menor (2.2%) y la parte no explicada fue mayor (3.2%), al igual que en el tipo de empleo la parte explicada por
diferencias en características es mucho menor a la parte no explicada por diferencias en características o
componente discriminatorio.XTabla 44. Empleo Formal - Brecha salarial sin corrección por sesgo de
selección, en el periodo 2019

diferencial
. .
21079692** 21079692**
Prediction_1 * *
. .
14422127** 14422127**
Prediction_2 * *
. .
06657564** 06657564**
Brecha * *
Decomposición
.
02267534**
Explained * .02142079**
. .
04390031** 04515485**
Unexplained * *
Statistics
N 6149 6149
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001
. Fuente: INEI - ENAHO
Modelo de Oaxaca con corrección por sesgo de selección en el Tipo empleo – Formal:
diferencial
. .
21079692** 21079692**
Prediction_1 * *
. .
14422127** 14422127**
Prediction_2 * *
. .
06657564** 06657564**
Brecha * *
Decomposición
.
12177765**
Explained .1202904*** *
-.05371475*
Unexplained ** -.055202***
Statistics
N 6149 6149
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001

Modelo de Oaxaca sin corrección por sesgo de selección en el Tipo empleo – Informal:
diferencial
.
Prediction_1 .78920308*** 78920308***
.
Prediction_2 .85577873*** 85577873***
-.06657564**
Brecha -.06657564*** *
Decomposición
Explained -.02267534***
-.02142079**
-.04515485**
Statistics
N 6149 6149
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001


Informal:

diferencial
.
Prediction_1 .78920308*** 78920308***
.
Prediction_2 .85577873*** 85577873***
-.06657564**
Brecha -.06657564*** *
Decomposición
-.13924028**
Explained -.13924227*** *
.
Unexplained .07266663*** 07266464***
Statistics
N 6149 6149
rank 3 3
legend: * p<0.05; ** p<0.01; *** p<0.001

Bibliografía
Actis, E; Atucha, A. 2003. Brechas salariales: discriminación o diferencias de

productividad. Momento Económico (126): 23-33. Disponible en
http://nulan.mdp.edu.ar/id/eprint/385.
Becker, G. 1975. Human capital: a theoretical and empirical analysis, with special
reference to education. 2 ed. Estados Unidos, NBER. p. 13-44. Disponible en
http://www.nber.org/chapters/c3733.
Gindling, T. H. (1991). Labor market segmentation and the determination of wages in the
public, private-formal, and informal sectors in san jose, costa rica. Economic
Development and Cultural Change, 39(3):585–605.
Maloney, W. F. (1999). Does informality imply segmentation in urban labor markets?

evidence from sectoral transitions in mexico. The World Bank Economic Review,
13(2):275–302.
Maloney, W. F. (2004). Informality revisited. World Development, 32(7):1159–1178.
Ben Yahmed, Sara (2006). Formal But Less Equal: Gender Wage Gaps in Formal and
Informal Jobs in Brazil, 32(7):16–085. Disponible en http://ftp.zew.de/pub/zew-
docs/dp/dp16085.pdf
Anexos
2014 2015 2016 2017 2018 2019

Variable Modelo 1 Modelo 2 Modelo 1 Modelo 2 Modelo 1 Modelo 2 Modelo 1 Modelo 2 Modelo 1 Modelo 2 Modelo 1 Modelo 2
Diferencial
Prediction_1 .22835366*** .22835366*** .19952139*** .19952139*** .19501385*** .19501385*** .20078502*** .20078502*** .19784496*** .19784496*** .21079692*** .21079692***
Prediction_2 .13824885*** .13824885*** .14281355*** .14281355*** .14859786*** .14859786*** .14619514*** .14619514*** .1407453*** .1407453*** .14422127*** .14422127***
Brecha .09010481*** .09010481*** .05670784*** .05670784*** .04641599*** .04641599*** .05458989*** .05458989*** .05709965*** .05709965*** .06657564*** .06657564***
Decomposición
`Parte
.04806062*** .04772697*** .03380712*** .03371501*** .0297291*** .0282352*** .0231414*** .02216521*** .02346993*** .02320903*** .02267534*** .02142079**
explicada
Parte no
.04204419*** .04237785*** .02290072** .02299283** .01668689* .01818079* .03144849*** .03242468*** .03362972*** .03389062*** .04390031*** .04515485***
explicada
Estadísticos
N 6535 6535 6620 6620 7069 7069 6479 6479 6588 6588 6149 6149
rank 3 3 3 3 3 3 3 3 3 3 3 3
Tipo de empleo formal - Brecha salarial sin corrección por sesgo de selección en el periodo 2014 – 2019.

Tipo de empleo formal - Brecha salarial con corrección por sesgo de selección en el periodo 2014 – 2019.

2014 2015 2016 2017 2018 2019

Diferencial
.
Prediction_1 .19952139*** .19952139*** .19501385*** .20078502*** .20078502*** .19784496*** .19784496*** .21079692*** .21079692***
.22835366*** .22835366*** 19501385***
.
Prediction_2 .14281355*** .14281355*** .14859786*** .14619514*** .14619514*** .1407453*** .1407453*** .14422127*** .14422127***
.13824885*** .13824885*** 14859786***
.
Brecha .05670784*** .05670784*** .04641599*** .05458989*** .05458989*** .05709965*** .05709965*** .06657564*** .06657564***
.09010481*** .09010481*** 04641599***
Decomposició

n
`Parte .
.13496325*** .13066373*** .11747553*** .11090604*** .10975529*** .11289678*** .10983132*** .1202904*** .12177765***
explicada .13160528*** .12870901*** 11247353***
Parte no -.04150046** -.07825541** -.07395589** -.07105954** -.06605754** -.05631616** -.05516541** -.05579713** -.05579713** -.05371475**
-.055202***
explicada * -.0386042*** * * * * * * * * *
Estadísticos
N 6535 6535 6620 6620 7069 7069 6479 6479 6588 6588 6149 6149
rank 3 3 3 3 3 3 3 3 3 3 3 3
Tipo de empleo informal - Brecha salarial sin corrección por sesgo de selección en el periodo 2014 – 2019.
2014 2015 2016 2017 2018 2019

Diferencial
. . . . . . . . . .
Prediction_1 .78920308*** .78920308***
77164634*** 77164634*** 80047861*** 80047861*** 80498615*** 80498615*** 79921498*** 79921498*** 80215504*** 80215504***
. . . . . . . .
Prediction_2 .8592547*** .8592547*** .85577873*** .85577873***
86175115*** 86175115*** 85718645*** 85718645*** 85140214*** 85140214*** 85380486*** 85380486***
-.09010481** -.09010481** -.05670784** -.05670784** -.04641599** -.04641599** -.05458989** -.05458989** -.05709965** -.05709965** -.06657564** -.06657564**
Brecha
* * * * * * * * * * * *
Decomposició

n
`Parte -.04806062** -.04772697** -.03380712** -.03371501** -.02216521** -.02346993** -.02320903** -.02267534**
-.0231414*** -.02142079**
explicada * * * * -.0297291*** -.0282352*** * * * *
Parte no -.04204419** -.04237785** -.03144849** -.03242468** -.03362972** -.03389062** -.04390031** -.04515485**
-.02290072** -.02299283**
explicada * * -.01668689* -.01818079* * * * * * *
Estadísticos
N 6535 6535 6620 6620 7069 7069 6479 6479 6588 6588 6149 6149
rank 3 3 3 3 3 3 3 3 3 3 3 3
2014 2015 2016 2017 2018 2019
Diferencial
Prediction_1 .77164634*** .77164634*** .80047861*** .80047861*** .80498615*** .80498615*** .79921498*** .79921498*** .80215504*** .80215504*** .78920308*** .78920308***
Prediction_2 .86175115*** .86175115*** .85718645*** .85718645*** .85140214*** .85140214*** .85380486*** .85380486*** .8592547*** .8592547*** .85577873*** .85577873***
-.09010481** -.09010481** -.05670784** -.05670784** -.04641599** -.04641599** -.05458989** -.05458989** -.05709965** -.05709965** -.06657564** -.06657564**
Brecha
* * * * * * * * * * * *
Decomposición
`Parte -.16881196** -.16810474** -.16941882** -.16891925** -.15337849** -.15184635** -.14201358** -.14136626** -.14666656** -.14640648** -.13924227** -.13924028**
explicada * * * * * * * * * * * *
Parte no
.07870715*** .07799993*** .11271098*** .11221141*** .0874237*** .08677637*** .08956691*** .08930683*** .07266663*** .07266464***
explicada .1069625*** .10543036***
Estadísticos
N 6535 6535 6620 6620 7069 7069 6479 6479 6588 6588 6149 6149
rank 3 3 3 3 3 3 3 3 3 3 3 3
Tipo de empleo informal - Brecha salarial con corrección por sesgo de selección en el periodo 2014 – 2019.


Brecha Salarial GRUPO4

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Brecha Salarial GRUPO4

Cargado por

Copyright:

Formatos disponibles

FACTORES QUE

• Barzola De La Cruz, Jazmin

• Bueno Rodríguez, Alexandra

• Paucar Parco, Yessenia

• Perez Pino, Jheyson

• Pillpa de la Cruz, Alexandra

• Porras Rivas, Jhoselyn

En el presente trabajo, se analiza la influencia de factores que se relacionen a la reducción

La generación de información estadística sobre la dinámica de las brechas en los niveles de

En ese entender, el trabajo analizará la influencia de algunos factores que interviene en la

ln w ipj =β opj +α pfj Fi +α pmj M i + X i β pj + μij con α pfj =−α pmj ;

ln w imj =β 0 mj+ X i β mj + μimj ,

dónde X es un conjunto de variables de control que incluye el número de años de

d) Una vasta literatura, que comenzó a fines de la década de 1970, ha estudiado el

Técnicas e instrumentos de recolección de datos.

El cuadro 01 muestra las características demográficas, familiares y educativas de hombres y

Análisis de la proporción de personas con educación entre los trabajadores formales e

Todo Formal Informal

Tasa de participación Tasa de informalidad

Análisis de la proporción de empleo e informalidad por género y sectores y de la

Cuota de empleados Tasa de informalidad

El cuadro 07 muestra la distribución del empleo femenino y masculino entre ocupaciones y

Cuota de empleados Tasa de informalidad

El cuadro 09 muestra la distribución del empleo femenino y masculino entre ocupaciones y

Cuota de empleados Tasa de informalidad

Cuota de empleados Tasa de informalidad

Macro región Centro

Cuota de empleados Tasa de informalidad

Administrativos 57.997 4.118 5.380 0.316

91. BRECHA SALARIAL ENTRE GÉNEROS PARA EL TIPO DE EMPLEO

a. Estimación del Modelo Probit (Modelo de participación laboral) en tipo de

Tabla 2: Tipo de empleo formal - Modelo de participación laboral en el periodo

Tabla 3: Tipo de empleo formal - Modelo de participación laboral en el periodo

lgsalario .88653879*** .91835919*** .70596044*** .89426948***

Tabla 4: Tipo de empleo formal - Modelo de participación laboral en el periodo

Tabla 4: Tipo de empleo formal - Modelo de participación laboral en el periodo

lgsalario .53452793*** .64758535*** .48855466*** .62577124***

Edad .07255645*** .08862091*** .07700104*** .08533605***

N 3579 3621 3530 2648

Tabla 5: Tipo de empleo formal - Modelo de participación laboral en el periodo

lgsalario .86342002*** .59107193*** .79710887*** .54155102***

Edad .05268758*** .05786739*** .04931504*** .05745484***

N 4881 4268 4793 3581

lgsalario 1.1423859*** .99777403*** 1.1234032*** .95293634***

Edad .0460961*** .04309472*** .04705273*** .04109688***

N 3357 2515 3357 2515

92. BRECHA SALARIAL ENTRE GÉNEROS PARA EL TIPO DE EMPLEO

a. Estimación del Modelo Probit (Modelo de participación laboral) en tipo

Tabla 7: Tipo de empleo informal - Modelo de participación laboral en el periodo

En el tipo de empleo informal, la variable logaritmo de salario, en ambos modelos tanto

Tabla 8: Tipo de empleo informal - Modelo de participación laboral en el periodo

N 3389 4141 3340 2564

En el tipo de empleo informal, la variable logaritmo de salario, en ambos modelos tanto

Tabla 9: Tipo de empleo informal - Modelo de participación laboral en el periodo

En el tipo de empleo informal, la variable logaritmo de salario, en ambos modelos tanto

Tabla 10: Tipo de empleo informal - Modelo de participación laboral en el periodo

N 3579 3621 3530 2648

En el tipo de empleo informal, la variable logaritmo de salario, en ambos modelos tanto

Tabla 11: Tipo de empleo informal - Modelo de participación laboral en el periodo

N 4881 4268 4793 3581

En el tipo de empleo informal, la variable logaritmo de salario, en ambos modelos tanto

Tabla 12: Tipo de empleo formal - Modelo de participación laboral en el periodo

lgsalario -1.1423859*** -.99777403** -1.1234032*** -.95293634**

lgsalario .88653879* .91835919* .70596044* .89426948*

lgsalario .53452793* .64758535* .48855466* .62577124*

Edad .07255645* .08862091* .07700104* .08533605*

lgsalario .86342002* .59107193* .79710887* .54155102*

Edad .05268758* .05786739* .04931504* .05745484*

lgsalario 1.1423859* .99777403* 1.1234032* .95293634*

Edad .0460961* .04309472* .04705273* .04109688*

lgsalario -1.1423859* -.99777403 -1.1234032* -.95293634

lgsalario .08895871* .08464549* .20587061* .45038251*

Imr2 .22731812* .59110441*

lgsalario -.08895871* -.08464549* -.20587061* -.45038251*

Imr2 -.22731812* -.59110441*

lgsalario .02911463* .02839687* .33365951* .4154473*

Imr2 .45466799* .57988837*

lgsalario -.02911463* -.02839687* -.33365951* -.4154473*

Imr2 -.45466799* -.57988837*

lgsalario .0473241* .04730998* .23732143* .48886079*

Imr2 .22872486* .52077658*

lgsalario -.0473241* -.04730998* -.23732143* -.48886079*

experiencia .00817777* .00776964* .01772086* .03931579*

imr2 .1845509* .5883372*

legend: * p<0.05; p<0.01; * p<0.001

experiencia -.00817777* -.00776964* -.01772086* -.03931579*

imr2 -.1845509* -.5883372*

experiencia .01079279* .01023969* .02044061* .04305879*

imr2 .20754879* .74650691*

experiencia -.01079279* -.01023969* -.02044061* -.04305879*

imr2 -.20754879* -.74650691*

experiencia .01102667* .01038128* .01545168* .02354995*

imr2 .17890442* .40932679*

experiencia -.01102667* -.01038128* -.01545168* -.02354995*

imr2 -.17890442* -.40932679*