¿Cómo se modificarían la pobreza y la desigualdad de ingresos de los hogares si se cierran las brechas de género en el mercado laboral? Un estudio para cuatro países de América Latina
| Autor | Maira Colacce |
| Páginas | 11-60 |
11
DESARRO. SOC. 71, PRIMER SEMESTRE DE 2013, PP. X-XX, ISSN 0120-3584
Revista
Desarrollo y Sociedad
81
Segundo semestre 2018
PP. 11-60, ISSN 0120-3584
E-ISSN 1900-7760
¿Cómo se modificarían la pobreza y la desigualdad
de ingresos de los hogares si se cierran las brechas de
género en el mercado laboral? Un estudio para
cuatro países de América Latina
Effects of closing the labor gender market gaps
on poverty and inequality in four Latin American
countries.
Maira Colacce1
DOI: 10.13043/DYS.81.1
Resumen
Este artículo busca estimar el potencial efecto que tendría en la pobreza y en
la desigualdad de ingresos de los hogares en cuatro países de América Latina
(Bolivia, Brasil, Perú y Uruguay), la eliminación de las diferencias de género en
la participación e ingresos laborales. La simulación se basa en una técnica de
imputación múltiple de datos faltantes (Rubin, 1987) aplicada a ejercicios de
construcción de contrafactuales. Mientras que los efectos de la eliminación
de las diferencias de género en el mercado laboral en la pobreza son inequí-
vocos y siempre positivos, los efectos sobre la desigualdad del ingreso laboral
y del ingreso de los hogares no pueden ser generalizados, dependerán del país y
del escenario. Esto obedece a que, dependiendo de la situación de partida, se
generan modificaciones en diferentes partes de la distribución del ingreso,
reflejo de cómo se concentran las desigualdades de género en el mercado
laboral de cada país.
1 Consultora de la oficina de la Cepal en Montevideo. Correo electrónico: maira.colacce@gmail.com.
Treinta y Tres 1356, Piso 1, Montevideo, Uruguay.
Este artículo fue recibido el 12 de noviembre del 2016, evaluado el 05 de octubre del 2017 y finalmente
aceptado el 12 de diciembre del 2017.
12
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Palabras clave del autor: América Latina, método estadístico, discriminación
sexual, modelos de simulación.
Clasificación JEL: D31, I30, J16.
Abstract
The main objective of this paper is to estimate how the gender differences in
the labor market (participation and wage gap) affect both poverty and income
inequality, based on four Latin American countries (Bolivia, Brazil, Perú, Uru-
guay). The methodology is based on a multiple imputations technique (Rubin,
1987) applied to the construction of counterfactuals. While the effects on pov-
erty are always positive and strong, the effects of the elimination of the gen-
der differences on the labor market on labor and household income cannot be
generalized. They depend on the country, and the scenario since modifications
on different parts of the income distribution is observed, associated with the
starting point of each one. These results are in accordance with the differences
in the sort of inequalities between men and women observed among countries.
Key words by author: Latin America, statistical method, gender discrimina-
tion, simulation models.
JEL Classification: D31, I30, J16.
Introducción
Durante las décadas más recientes se han procesado cambios demográficos y
de las estructuras familiares en los países de América Latina, que tuvieron lugar
juntamente con un marcado aumento en la participación laboral femenina.
A partir de mediados de la década del 2000 se evidencia una desaceleración
en la tasa de crecimiento de esta, aun cuando los principales determinan-
tes de la actividad favorecerían mayores tasas de participación: las mujeres
están más educadas, tienen menos hijos y viven menos en pareja (Gasparini,
Marchionni, Badaracco y Serrano, 2015). Paralelamente, se mantienen en la
región importantes diferencias en los ingresos promedio mensuales que per-
ciben las mujeres y hombres ocupados, en especial en los países en los que la
participación laboral de las mujeres es alta. Parte de esta diferencia se debe a
que las mujeres trabajan menos horas en promedio que los hombres, aunque
Maira Colacce 13
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
la brecha de ingresos por hora también resulta significativa en la mayoría de
los países de la región (Cepal, 2014a).
Los efectos de estas desigualdades van más allá de la esfera individual. La incor-
poración de las mujeres al mercado de trabajo tiene efectos en el ingreso de
sus hogares y, por lo tanto, en la pobreza y distribución del ingreso de toda la
sociedad. Los impactos a escala nacional dependerán de quiénes son las muje-
res que participen en el mercado laboral y de la correlación entre el ingreso de
las mujeres y el de sus cónyuges (Atkinson, 2015). En este sentido, su incorpo-
ración puede atenuar o potenciar la desigualdad. Por ejemplo, en la posguerra
en Estados Unidos las mejoras de la desigualdad antes de 1970 surgieron de
la relativamente alta participación de mujeres casadas con hombres de bajos
salarios. Luego de 1970 el aumento de la participación se dio entre mujeres
con ingresos por encima del promedio, casadas con hombres de ingresos altos,
presionando al alza a la desigualdad (Maxwell, 1990). Analizando evidencia
más reciente, Harkness (2013) encuentra que el empleo femenino es un fac-
tor importante en la reducción de la desigualdad de ingresos2. Sus resultados
indican que el aumento del empleo femenino y el cierre de la brecha salarial
generarían reducciones de la desigualdad, aunque en el segundo caso los efec-
tos son menores e incluso negativos en dos de los países estudiados.
A escala regional, dos estudios recientes buscan dimensionar el impacto que
el aumento de la participación laboral de las mujeres tuvo sobre los indicado-
res de pobreza y desigualdad. El Banco Mundial (2012) encuentra que entre el
2000 y el 2010 los ingresos de las mujeres contribuyeron a un 30% de la reduc-
ción observada en la pobreza extrema, mientras que los masculinos explican
un 39% y los no laborales un 31%. Los resultados son similares para la pobreza
moderada, mientras que el aporte de las mujeres a la reducción de la desigual-
dad es algo menor (28%). Por otro lado, Gasparini y Marchionni (2015) conclu-
yen que entre principios de la década de 1990 y el entorno del 2012 la fuerte
incorporación de las mujeres al mercado laboral, en especial las más vulnera-
bles, permitió a sus hogares salir de la pobreza y reducir la brecha entre estos
hogares y los más favorecidos. Utilizando microsimulaciones, se encuentra que
el empleo de las mujeres contribuyó con uno de los 14 puntos en los que se
reduce la pobreza en el período, mientras que representa aproximadamente el
10% de la caída de la desigualdad.
2 La autora analiza exclusivamente los hogares encabezados por una pareja en edad de trabajar para 17
países industrializados entre el 2003 y el 2005.
14
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Otro estudio relevante, pero de una naturaleza prospectiva y no explicativa,
es el de Cepal (2014a) que estima los impactos en pobreza y desigualdad de
ingresos que tendría el cierre de las brechas de género en la participación labo-
ral e ingresos laborales para 18 países de América Latina. A diferencia de los
anteriores y en la misma línea del estudio de Harkness (2013), este trabajo no
busca entender qué ha sucedido en la región en la última década sino dimen-
sionar hasta dónde se podría avanzar en términos de reducción de la pobreza
y la desigualdad, en caso de que desaparecieran las diferencias de género en
el mercado laboral. Los resultados señalan que los indicadores de pobreza y
desigualdad mejorarían, aunque las magnitudes del cambio dependen signi-
ficativamente del punto de partida.
En este marco, este artículo se plantea analizar cómo afecta el empleo feme-
nino al ingreso de los hogares y su distribución, estimando el efecto que el
cierre de las brechas de género en la participación e ingresos laborales tendría
en la pobreza y en la desigualdad de ingresos de los hogares. Trabajando con
base en cuatro países de América Latina se realizan tres ejercicios: cierre de
la brecha en el ingreso por hora, cierre de la brecha de participación y cierre
de ambas brechas conjuntamente.
En primer lugar, se estudia el efecto que tendría el cierre de la brecha de ingre-
sos, manteniendo las diferencias que se observan en la participación laboral. El
segundo ejercicio consiste en la eliminación de las diferencias entre mujeres
y hombres en la participación laboral, tanto en la decisión de participar como
en las horas trabajadas, manteniendo las diferencias observadas en los ingre-
sos por hora. Por último, se realizan ambos ejercicios de forma conjunta. En
los tres escenarios se aplican los ingresos laborales u horas trabajadas de los
hombres, según corresponda, a mujeres de características similares. La meto-
dología utilizada se basa en una técnica de imputación múltiple de datos fal-
tantes (Rubin, 1987) aplicada a ejercicios de construcción de contrafactuales.
Este análisis constituye una profundización y un avance sustantivo en relación
con el presentado en Cepal (2014a). En primer lugar, este estudio se concentra
en cuatro países, lo que permite profundizar en los resultados obtenidos y en
los factores asociados a las modificaciones que se simulan. En segundo lugar, a
diferencia de Cepal (2014a), se consideran brechas en ingresos por hora (en vez
de mensuales), para poder modelizar los posibles efectos de cambios en el mar-
gen intensivo y extensivo de la oferta laboral. Por último, se utiliza una técnica
más robusta y refinada de microsimulación que brinda resultados más ajustados.
Maira Colacce 15
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Este aspecto resulta innovador, ya que se aplica de la metodología de imputación
múltiple a la simulación de un problema distributivo, lo que permite mejorar la
calidad de la simulación, así como estimar de forma más ajustada la varianza.
Se opta por trabajar con países con alta participación laboral femenina debido
a que son los que presentan con más claridad y conjuntamente los dos proble-
mas que se quieren analizar: la brecha de participación laboral y la de ingresos3.
Se selecciona a Brasil y Uruguay, donde la principal preocupación se centra en la
brecha de participación, pero en los que las brechas de ingresos son menores, y a
Bolivia y Perú, donde la brecha de ingresos es muy grande, manteniendo niveles
altos en la brecha de participación. Adicionalmente, los diferenciales entre hom-
bres y mujeres en las variables de interés a lo largo de la distribución d el ingreso
son diferentes entre los dos pares de países analizados.
El artículo continúa un dimensionamiento de las brechas de género en el mer-
cado laboral para los cuatro países analizados (sección 1), presentando luego
los aspectos metodológicos relevantes para realizar los ejercicios de simula-
ción (sección 2). En la sección 3 se discuten los principales resultados y en la
sección 4 se realizan los comentarios finales.
I. Descripción de los datos y de las brechas de
género observadas en el mercado laboral
Los datos surgen de las encuestas de hogares de cada país, relevadas por la
autoridad estadística nacional, Instituto Nacional de Estadística o equivalente.
Se utiliza la información de horas e ingresos laborales de la ocupación primaria,
secundaria, y la de otras ocupaciones en caso de contar con esa información. Se
consideran tanto los ingresos que surjan de una relación de dependencia como
las ganancias obtenidas por los independientes y se indaga por los ingresos en
efectivo y en especie. Respecto a las horas, se consideran las horas trabajadas
semanalmente4. Se eliminan los ocupados con horas trabajadas igual a cero
3 Existe una asociación negativa entre la tasa de participación femenina y la brecha de ingresos labo-
rales por sexo que se observa en los países de América Latina (Cepal, 2014b). Los países en los que se
observan menores tasas de participación laboral de las mujeres son también aquellos en los que las
brechas salariales son menores, o incluso favorables para las mujeres.
4 En Bolivia se registran los días a la semana trabajados regularmente en cada ocupación y las horas
promedio por día. En Brasil y Uruguay se pregunta por las horas semanales habituales y en Perú por las
trabajadas.
16
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
dado que no se les puede calcular el ingreso laboral por hora, y se truncan
en 90 las horas trabajadas por semana5. El cuadro A.1 resume las principales
características de las encuestas utilizadas.
El cuadro 1 resume los principales indicadores del mercado laboral para los
cuatro países analizados en este artículo.
Cuadro 1. Principales indicadores del mercado de trabajo. Personas de 15 a 65 años
Bolivia Perú
Total Mujeres Hombres Brecha Total Mujeres Hombres Brecha
Tasa de actividad 74,1% 64,4% 84,3% 76% 76,2% 68,2% 84,7% 80%
Tasa de ocupación 72,1% 62,3% 82,5% 75% 73,2% 65,0% 81,9% 79%
Tasa de desempleo 2,6% 3,3% 2,1% 158% 3,9% 4,6% 3,4% 136%
Formalidad 18,1% 15,4% 20,2% 76% 32,7% 24,8% 39,4% 63%
Ocupados no remunerados 18% 30% 9% 351% 11 % 17% 6% 315%
Horas semanales trabajadas 33,8 26,7 41,3 65% 32,3 26,5 38,5 69%
Horas semanales trabajadas
de los ocupados 46,9 43,0 50,0 86% 44,2 40,8 47,0 87%
Ingresos por hora 11,0 9,0 12,5 72% 6,0 4,7 7,1 66%
Ingresos mensuales 1.956 1.351 2.434 55% 999 726 1.228 59%
Brasil Uruguay
Total Mujeres Hombres Brecha Total Mujeres Hombres Brecha
Tasa de actividad 71,0% 60,3% 82,5% 73% 75,1% 66,7% 84,0% 79%
Tasa de ocupación 66,3% 55,1% 78,3% 70% 70,1% 61,1% 79,7% 77%
Tasa de desempleo 6,6% 8,6% 5,1% 170% 6,7% 8,4% 5,2% 162%
Formalidad 63,3% 64,3% 62,5% 103% 76,5% 76,7% 76,3% 101%
Ocupados no remunerados 2% 3% 1% 247% 1% 2% 1% 289%
Horas semanales trabajadas 26,6 20,3 33,5 61% 28,8 22,4 35,5 63%
Horas semanales trabajadas
de los ocupados 40,2 36,8 42,7 86% 41,0 36,7 44,6 82%
Ingresos por hora 11,0 9,8 11,9 82% 120,4 114,3 125,3 91%
Ingresos mensuales 1.496 1.216 1.706 71% 20.534 17.093 23.327 73%
Nota: la brecha es calculada como el porcentaje del indicador de los hombres que representa el de las mujeres.
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
5 Se eliminan observaciones para Bolivia (menos del 0,1% de los ocupados) y para Perú (aproximadamente
el 1% de los ocupados). No se eliminan observaciones en el caso de Brasil ni de Uruguay.
Maira Colacce 17
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Bolivia y Perú presentan mercados laborales con características similares: alta
tasa de participación laboral masculina y femenina y altos niveles de ocupa-
ción, con bajo desempleo. La brecha de género en participación es del 76% en
Bolivia y del 80% en Perú. Presentan diferencias algo mayores en los niveles
de formalidad, aunque en ambos casos los valores de registro son relativa-
mente bajos6. Una característica distintiva de estos mercados es la alta pro-
porción de mujeres que se desempeñan como trabajadoras no remuneradas.
Se entiende por trabajador no remunerado a quienes realizan un trabajo en
el ámbito del mercado, aun cuando no obtengan ingresos por ello. En Boli-
via, el 30% de las ocupadas pertenecen a esta categoría mientras que en Perú
representan el 17%. El trabajo no remunerado está asociado al medio rural:
la proporción mayoritaria de trabajadores no remunerados pertenecen a este
medio (el 72% de los trabajadores no remunerados son trabajadores rurales
en Bolivia y el 61% en Perú). A su vez, dentro de los trabajadores no remu-
nerados el peso de la población indígena es superior que en el resto. Esto es
muy relevante en el análisis de las brechas de ingresos laborales entre muje-
res y hombres, dado que una proporción importante de las mujeres ocupadas
presentan ingresos laborales iguales a cero.
Por su parte, Uruguay y Brasil presentan tasas de actividad y ocupación que
son altas para la región. La brecha de participación entre mujeres y hombres
se mantiene en valores altos: la tasa de actividad femenina es del 73% y el
79% de la masculina en Brasil y Uruguay, respectivamente. La tasa de forma-
lidad de los ocupados es sensiblemente mayor que para los países andinos,
en especial en Uruguay. A diferencia de Bolivia y Perú, el peso del empleo no
remunerado entre los ocupados no es significativo en ninguno de los dos casos
(2,2% en Brasil y 1,0% en Uruguay).
En los países andinos las horas trabajadas son sensiblemente superiores que
las de Brasil y Uruguay, aunque las diferencias entre sexos son relativamente
similares. Sin embargo, la brecha de ingresos laborales presenta importantes
diferencias entre países, aunque en todos los casos la brecha es mayor para
los ingresos laborales mensuales que para los horarios. En los países del Cono
Sur los ingresos laborales por hora de las mujeres son siempre superiores
al 80% del ingreso laboral de los hombres, mientras que en los países andi-
nos no supera el 72%.
6 En este trabajo se considera un enfoque legal de la formalidad, entendida como el no registro a la
seguridad social.
18
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Resulta de interés analizar las brechas por nivel educativo dado que es un buen
indicador de los ingresos esperados y por lo tanto del lugar que ocupan en la
distribución del ingreso. Las figuras 1 y 2 presentan las brechas de ocupación
e ingresos laborales por años de educación. En el anexo se presenta la brecha
de horas trabajadas de los ocupados (figura A.1).
Tanto los ingresos mensuales como los horarios aumentan a medida que crece
el capital humano, mientras que, salvo en Bolivia, la brecha absoluta aumenta
con el nivel educativo. La diferencia por sexo respecto a la ocupación presenta
importantes variaciones entre países. En Brasil y Uruguay la tasa de ocupa-
ción es creciente con los años de educación en tanto que Bolivia y Perú tiene
forma de U. Esto puede explicarse por la importancia que tiene en los países
andinos el trabajo rural que se refleja en altas tasas de ocupación entre los
menos educados. En países más urbanos, como Brasil y especialmente Uruguay,
la tasa de ocupación de las menos educadas es muy baja. Entre los ocupados,
las mujeres siempre trabajan una cantidad de horas menor que los hombres,
con la mayor brecha en Uruguay. Tanto en Brasil como en Uruguay, la brecha
disminuye a medida que aumenta el nivel educativo, mientras en los países
andinos no presenta importantes diferencias (figura A.1).
II. Aspectos metodológicos
Para realizar las microsimulaciones se utilizan imputaciones múltiples, consi-
derando la construcción de contrafactuales como un problema de datos fal-
tantes7. Esta técnica se encuentra ampliamente difundida y validada para la
imputación de datos faltantes en varias disciplinas, en especial, entre las cien-
cias sociales y médicas. En economía se han utilizado también para la impu-
tación de los ingresos en las fuentes de datos en las que los altos ingresos son
censurados para preservar la identidad (An y Little, 2007; Gartner y Rässler,
2005; Jenkins, Burkhauser, Feng y Larrimore, 2011). Por otro lado, Piesse, Álva-
rez-Rojas, Judkins y Shadish (2010) utilizan esta técnica para la construcción
de contrafactuales en la evaluación de impacto de un programa educativo
cuyo diseño no es aleatorio.
7 La descripción de la técnica de imputación múltiple está basada principalmente en Carpenter y Kenward
(2012).
Maira Colacce 19
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Figura 1. Ingresos laborales mensuales y horarios por años de educación y sexo. Personas de 15 a 65 años
0
5
10
15
20
25
30
0
1.000
2.000
3.000
4.000
5.000
6.000
Bolivia
Mensual mujeres Mensual hombres
Hora mujeres Hora hombres
0
10
20
30
40
50
60
0
1.000
2.000
3.000
4.000
5.000
6.000
7.000
8.000
9.000
Brasil
0
5
10
15
20
25
30
0
1.000
2.000
3.000
4.000
5.000
Perú
0
50
100
150
200
250
300
350
0
10.000
20.000
30.000
40.000
50.000
60.000
70.000
Uruguay
Mensual mujeres Mensual hombres
Hora mujeres Hora hombres
Mensual mujeres Mensual hombres
Hora mujeres Hora hombres
Mensual mujeres Mensual hombres
Hora mujeres Hora hombres
5
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 17 5
o menos 17
o más
6 7 8 9 10 11 12 13 14 15 16
5
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 175
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 17
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
20
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Figura 2. Tasa de ocupación por años de educación y sexo. Personas de 15 a 65 años
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Bolivia
Mujeres Hombres
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Brasil
Mujeres Hombres
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Perú
Mujeres Hombres
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Uruguay
Mujeres Hombres
5
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 17 5
o menos 17
o más
6 7 8 9 10 11 12 13 14 15 16
5
o menos 17
o más
6 7 8 9 10 11 12 13 14 15 16
5
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 17
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
Maira Colacce 21
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
La técnica de imputación múltiple, propuesta por Rubin (1987), consta de tres
etapas: imputación, en la que se generan K > 1 bases de datos completas (simu-
ladas), a partir de un modelo de imputación dado; análisis con datos completos,
calculando los indicadores de interés en cada una de las K bases construidas, y
agregación de los indicadores calculados en cada una de las K bases para obtener
una estimación puntal, siguiendo las reglas de Rubin8. De este modo se refleja la
incertidumbre adicional que surge de los datos faltantes. En el caso de la cons-
trucción de contrafactuales, este error es de particular relevancia dado que se
cuenta con una proporción importante de datos faltantes (Piesse et al., 2011).
En este artículo se escoge el predictive mean matching como modelo de impu-
tación, dado que permite replicar de forma muy ajustada la distribución de los
datos observados. Además, es el método sugerido cuando la normalidad del
modelo es cuestionable. Es un método parcialmente paramétrico que asimila
cada valor faltante con el valor observado que sea más cercano a su predic-
ción lineal.
Para clarificar la metodología se detalla la estrategia de imputación múltiple
univariada. Y es la variable con datos faltantes y X un conjunto de variables
que permiten la imputación. El primer paso consiste en estimar una regresión
lineal de Y sobre X:
YX
e
iii
=+ +
01
(1)
Se utiliza la técnica de bootstrap para la obtención de los parámetros dado
que la normalidad del modelo no está asegurada, obteniendo las estimaciones
ββσ
012
,, y los correspondientes residuos
e1
.
El segundo paso consiste en tomar k valores de 2
, considerando su distribu-
ción estimada en la muestra (obtenida a través de bootstrap), y se obtienen
valores de los parámetros
01kk
, correspondientes. Con estos valores se rea-
lizan las k predicciones lineales de Y:
YX
e
ik kk
iik
ɵ
ɵ
,,
=+ +
01 (2)
8 Las reglas de Rubin determinan que el parámetro de interés será la media de las estimaciones obtenidas y
la varianza incorpora la varianza de cada imputación y la varianza entre imputaciones. Las reglas de Rubin
deberían aplicarse para estimadores distribuidos normalmente, o al menos asintóticamente normales.
22
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Para cada una de las observaciones que presentan el dato faltante se identi-
fican las j observaciones completas cuya predicción,
Yik
,, sea más cercana a
la de la observación faltante. La imputación se toma aleatoriamente del con-
junto j de las observaciones más cercanas, imputando el valor observado de
Y. En este trabajo se utilizan las cinco observaciones más cercanas para selec-
cionar la imputación (j = 5).
Una vez que se obtienen las K bases imputadas se trabaja en cada una de ellas
como si fueran bases completas realizando las estimaciones necesarias. Luego
se agregan los resultados obtenidos siguiendo las reglas sugeridas por Rubin.
Para aplicar esta técnica se debe especificar la estructura que tienen los datos
faltantes, dado que modifica la cantidad de información que debe incluirse en
la imputación. Rubin (1976) establece tres posibles estructuras de los datos
faltantes: completamente aleatorios (missing completly at random [MCAR]),
aleatorios (missing at random [MAR]) y no aleatorios (missing not at random
[MNAR]). Estas estructuras dependen del problema que se esté analizando, no
de los datos en sí mismos.
Por lo general, se asume MAR, lo que implica que la distribución de probabi-
lidad de los datos faltantes, condicional en la información observada, no de-
pende de la información no observada (Rubin, 1976)9. Esto permite estimar el
modelo de imputación a partir de una regresión multivariada de la información
parcialmente observada sobre la completamente observada, o procedimientos
equivalentes. Para hacer inferencia bajo MNAR es necesario contar con una es-
pecificación explícita del mecanismo de selección o conocer cómo cambian las
distribuciones de probabilidad de las variables parcialmente observadas, dadas
las variables completamente observadas, entre individuos que tienen observa-
ciones completas y aquellos que no.
Las imputaciones multivariadas realizadas en este trabajo (escenarios dos y
tres) presentan un patrón conjunto de los datos faltantes monótono, es decir,
la variable Y1 solo presenta valores faltantes cuando la variable Y2 también
lo hace. En estos casos, la estimación se puede realizar de forma secuencial:
la imputación multivariada se realiza como una secuencia de imputaciones
9 Este supuesto es equivalente en sus consecuencias al supuesto de ignorabilidad necesario para la
construcción de contrafactuales válidos en un contexto de descomposición. Este supuesto asume que,
condicional en los observables, la distribución de los inobservables es independiente de la asignación
a cada grupo (en este caso hombres y mujeres).
Maira Colacce 23
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
univariadas. Esto es posible porque las variables se pueden ordenar de modo
tal que las observaciones no faltantes de la variable que se está imputando
también están completas en todas las variables usadas para predecirla10.
En este trabajo se utilizan 20 imputaciones, cantidad superior a la sugeren-
cia de Rubin (1987) de un mínimo de 5. Se selecciona un número mayor a la
recomendación mínima porque los indicadores de desigualdad estimados no
tienen varianza en cada imputación, por lo que se requiere un conjunto alto
de imputaciones para estimar correctamente su varianza entre imputaciones.
Las imputaciones son consistentes y estables, lo que confirma que la canti-
dad de imputaciones realizadas no debe aumentarse (véase subsección A, de
la sección III).
A lo largo de los tres escenarios estimados se opera con las horas trabajadas
y los ingresos laborales por hora de las mujeres. Se trabaja con personas entre
15 y 65 años, tramo etario en el que la participación laboral es mayoritaria.
Los nuevos vectores de horas trabajadas e ingresos laborales por hora para las
mujeres se basan en la estructura de trabajo de los hombres, recalculando con
ellos los ingresos laborales mensuales de las mujeres. Se construye un vector
contrafactual de ingresos del hogar que incorpore el ingreso laboral mensual
simulado de las mujeres y se recalculan los indicadores de pobreza y desigual-
dad. A continuación se describe en detalle cada uno de los escenarios y los
procedimientos necesarios para la aplicación de las imputaciones.
En el primer escenario (denominado igualdad de ingresos) se cierra la brecha
en el ingreso laboral existente entre mujeres y hombres, dadas sus caracte-
rísticas observables. Solamente se modifica el vector de ingresos laborales,
imputando el ingreso por hora de las mujeres ocupadas con base en el de los
hombres ocupados con similares características. El vector de horas trabajadas
permanece incambiado. Se opera exclusivamente con las mujeres ocupadas.
Se trabaja con un vector de ingresos laborales de los ocupados donde se
codifica como faltante el ingreso laboral de todas las mujeres. Las variables
utilizadas en el modelo de imputación son: edad, edad al cuadrado, años de
educación, presencia de niños de 0 a 5 años en el hogar, presencia de niños
10 Si el patrón no es monótono se requiere iterar entre la etapa de estimación y la de imputación hasta
que las estimaciones del modelo dependan exclusivamente de datos observados. Existen dos algoritmos
utilizados habitualmente: modelización conjunta (joint modeling [JM]) y especificación condicional (fully
conditional specification [FCS]). Se sugiere consultar Carpenter y Kenward (2012) para más detalles.
24
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
de 6 a 14 en el hogar, región11, ascendencia blanca y formalidad en la ocupa-
ción. En el anexo se presenta el resultado de la estimación de los determinan-
tes del ingreso laboral de los hombres para cada país (cuadro A.2).
Es ampliamente discutida en la literatura la existencia de un sesgo de selec-
ción al empleo en las mujeres, sesgo casi inexistente entre los hombres. Solo
las mujeres con características más favorables, aquellas que serán mejor
remuneradas en el mercado laboral, deciden trabajar mientras que entre los
hombres la participación es prácticamente universal. Esto implica que, aun
condicional a las características observables, los inobservables que determi-
nan el ingreso laboral de mujeres y hombres difieren, lo que equivale a consi-
derar que el patrón de datos faltantes es MNAR12. Sin embargo, el objetivo de
este escenario es simular que, condicional en las características observables,
los ingresos laborales de hombres (observados) y mujeres (faltantes) tienen la
misma distribución de probabilidad, que los retornos tanto de los observables
como de los inobservables sean iguales. Esto es equivalente a asumir que el
patrón de datos faltantes es MAR.
Otro elemento para tener en cuenta es que no se incluyen en el modelo de
imputación las variables asociadas a las características de la ocupación de la
persona como por ejemplo la rama y el tipo de ocupación. Esto implica que al
cerrar la brecha de ingresos laborales también se está eliminando la segrega-
ción laboral, tanto vertical como horizontal, que no dependa de las caracte-
rísticas de las personas13.
El segundo escenario (denominado igualdad de participación) simula el cierre
de la brecha de horas trabajadas entre hombres y mujeres, operando sobre la
11 Se considera región urbano-rural, salvo en el caso de Uruguay que se utiliza Montevideo-Interior dado
que la proporción de población rural es muy pequeña y las diferencias en el mercado laboral se registran
entre grandes regiones. Asimismo, la literatura revisada para el país utiliza esta tipología.
12 Esto también implica el incumplimiento del supuesto de ignorabilidad en el contexto de descomposiciones.
Como se discute en Fortin, Lemieux y Firpo (2011), el supuesto de ignorabilidad aún podría sostenerse
en la medida en que la distribución conjunta de los observables y los inobservables de las mujeres y
los hombres sean similares al ratio de probabilidades de pertenecer a cada grupo condicionadas en las
observables. En este trabajo se busca construir un salario contrafactual que elimine todas las diferencias
entre mujeres y hombres en los pagos y en los inobservables, lo que implica construir un salario para las
mujeres en el caso en que, entre otras cosas, el sesgo de selección no estuviera operativo.
13 En los siguientes escenarios tampoco se agregan las variables referentes a las características laborales,
lo que implica que se elimina la segregación laboral. Sin embargo, después estas variables no podrían
ser incorporadas en ningún caso porque no se cuenta con esta información para las personas que no
están ocupadas.
Maira Colacce 25
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
participación laboral en el margen extensivo e intensivo simultáneamente. Se
imputan las horas trabajadas de las mujeres, tanto ocupadas como no ocupa-
das, de modo que se asemejen a las que trabajan los hombres. Esto implica,
por un lado, que más mujeres participen en el mercado laboral y, por otro, que
las mujeres que ya trabajaban lo hagan una mayor cantidad de horas. Se cons-
truye un vector de horas en el que se codifican como faltantes las observa-
ciones de todas las mujeres y se mantienen las observaciones de los hombres,
identificando con horas trabajadas iguales a 0 a los que no trabajan; este es
uno de los vectores que se imputa.
Para obtener el ingreso de las mujeres se debe, además, imputar el salario de
las mujeres que cambian de condición de actividad. Dado que se pretende ais-
lar el efecto de las horas trabajadas, el ingreso laboral se imputa con base en
el de las mujeres ocupadas. Esto implica que esta imputación es condicional
a ser mujer. Puesto que los ingresos laborales solo son faltantes si las horas lo
son, se considera que el patrón de datos faltantes es monótono y se procede a
una imputación bivariada secuencial de horas trabajadas e ingresos laborales.
Las variables utilizadas para la imputación de las horas son edad, edad al cua-
drado, años de educación, asistencia a un centro educativo, presencia de niños
de 0 a 5 años en el hogar, presencia de niños de 6 a 14 en el hogar, quintil de
ingreso del hogar sin considerar el ingreso de la persona. Para el modelo de ingre-
sos laborales se utiliza edad, edad al cuadrado, años de educación, presencia de
niños de 0 a 5 años en el hogar, presencia de niños de 6 a 14 en el hogar, región
y ascendencia blanca. En el anexo se presenta el resultado de la estimación para
cada país (cuadro A.3 para las horas de los hombres y A.4 para los ingresos labo-
rales de las mujeres).
En este escenario se presenta un problema respecto a la estructura de los
datos faltantes en la variable de ingresos laborales. El sesgo de selección en el
empleo en las mujeres permite predecir que los ingresos laborales de aquellas
que no trabajan serán más bajos que los de las que lo hacen. Sin embargo, en
este escenario se simulan los ingresos laborales de las mujeres que no trabajan
con base en los ingresos laborales observados para aquellas que sí lo hacen,
introduciendo un potencial sesgo al alza. La estrategia de darle una estructura
a la imputación, asumiendo una estructura de datos faltantes MNAR, impli-
caría acercarse a modelos como los de corrección de sesgo de selección de
Heckman. Sin embargo, estos modelos tienen la gran dificultad de encontrar
una variable de exclusión que determine la participación en el mercado labo-
26
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
ral pero no los ingresos laborales percibidos. En la práctica es muy complejo
encontrar una variable que cumpla con estas condiciones, por lo que los resul-
tados no se diferencian de los que se obtienen si no se controla por el sesgo
de selección (véase, por ejemplo, Lee, 2009). Debido a estas observaciones, se
decide mantener la imputación asumiendo MAR, aun cuando se reconoce que
el supuesto no se ajusta a los datos.
Para el caso de las horas trabajadas, la argumentación es similar a la planteada
para los ingresos laborales en el primer escenario. Aun cuando la estructura de
datos faltantes no sea MAR, el ejercicio que se quiere realizar implica asumir
que lo es, dado que se quiere simular que las horas trabajadas de las muje-
res se rijan por los mismos patrones que las de los hombres, dadas similares
características observables.
Por último, el tercer escenario (denominado igualdad de género considera con-
juntamente el cierre de las dos brechas: la de ingresos laborales y la de horas
trabajadas. Para ello, se imputan las horas trabajadas del mismo modo que se
realiza en el escenario dos. El vector de ingresos laborales por hora de todas
las mujeres que resultan ocupadas del paso anterior se imputa con base en el
ingreso laboral por hora de los hombres ocupados.
El último escenario busca considerar de forma simultánea los dos anteriores,
al cerrar conjuntamente la brecha de ingresos laborales y la de horas traba-
jadas. Esto implica que tanto los ingresos laborales como las horas trabajadas
de mujeres y hombres sean similares, dadas las características observables.
Para realizar la imputación se construye un vector de horas trabajadas igual
al del segundo escenario, codificando como faltante las horas trabajadas
de las mujeres, manteniendo las horas de los hombres. Para los ingresos
laborales por hora se opera de forma similar al primer escenario, pero para toda
la población, codificando como faltante el ingreso laboral para las mujeres
y manteniendo el de los hombres. Para aquellos hombres que no trabajan se
codifica un ingreso laboral de 0. Así como en el segundo escenario, el patrón de
datos faltantes es monótono y se utiliza una imputación bivariada secuencial.
El modelo para la imputación de las horas es el mismo que el utilizado en el
escenario 2 (cuadro A.3). Para el ingreso laboral por hora la única diferencia
Maira Colacce 27
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
con el modelo del escenario uno es que no se utiliza la variable formal dado
que esta variable no es conocida para quienes no están ocupadas. La estima-
ción del modelo se presenta en el anexo (cuadro A.2).
En este caso, las justificaciones del supuesto de estructura de datos faltantes
MAR surgen de lo argumentado para los dos escenarios anteriores.
Se debe tener en cuenta que no se consideran efectos de equilibrio general,
lo que podría modificar los resultados de forma significativa. La participación
más equitativa de las mujeres y hombres en el mercado laboral requiere ajus-
tes para mujeres y hombres simultáneamente. Es esperable que los ingresos
laborales de los hombres reaccionen también al aumento de la oferta labo-
ral de las mujeres. Asimismo, gran parte de las mujeres que no se encuentran
en el mercado laboral realizan una proporción importante de las tareas no
remuneradas del hogar, que deberían redistribuirse si las mujeres trabajaran
igual que los hombres. Esto implica que las horas trabajadas de los hombres
también podrían reaccionar frente a un aumento de las de las mujeres. Es por
ello por lo que este ejercicio debe interpretarse como una cota superior de los
posibles efectos que podrían observarse14.
III. Resultados
En esta sección se presentan los principales resultados de la simulación del cierre
de brechas de género en el mercado laboral para los cuatro países. Se informa
primero de los resultados del ajuste de las imputaciones para luego analizar
el efecto que el cierre de las brechas tendría sobre los indicadores de pobreza,
la desigualdad de ingresos laborales y la desigualdad de ingreso de los hogares
en cada uno de los tres escenarios.
A. Ajuste de las imputaciones
Un primer aspecto que es necesario destacar es que las imputaciones resul-
tan altamente satisfactorias, ya que son al mismo tiempo estables y replican
adecuadamente las distribuciones de referencia en cada caso. Por razones de
14 El supuesto de inexistencia de efectos de equilibrio general es asimilable al supuesto de construcción
de un contrafactual simple para el caso de descomposiciones (véase Fortin et al., 2011).
28
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
simplicidad en la presentación de los resultados, no se reportan en el cuerpo
de texto los intervalos de confianza15.
Se debe tener en cuenta que la metodología aplicada para la construcción
de los contrafactuales se apoya (parcialmente) en la existencia de un soporte
común para las características observables de mujeres y hombres16. Puesto
que se utiliza como mecanismo para el emparejamiento el valor predicho de
un modelo lineal, este problema se resuelve parcialmente. De todos modos, se
podrían observar diferencias en las habilidades de las personas por sexo que no
están consideradas en las variables y que, por lo tanto, no se tienen en cuenta.
En la figura 3 se muestran los ingresos laborales promedio por hora de las
mujeres en relación con el ingreso observado de los hombres, y se indican las
variaciones importantes entre los escenarios. Estas diferencias se basan en la
construcción de estos: a quién se utiliza como referencia para la imputación
y a quiénes se incluye.
Cuando se imputan los ingresos siguiendo los determinantes de los hombres,
es decir cuando se cierra la brecha de ingresos (escenarios igualdad de ingre-
sos e igualdad de género), se obtienen ingresos mayores que el observado para
las mujeres. En estos casos, el ingreso femenino promedio alcanza o supera el
de los hombres. Esto se debe a que las mujeres tienen iguales (Bolivia y Perú)
o mejores (Brasil y Uruguay) características observables que los hombres,
en particular, la educación. Este es especialmente el caso entre las mujeres
ocupadas, lo que se refleja en el hecho de que el ingreso laboral por hora en el
escenario de igualdad de ingresos resulta mayor que el del escenario de igual-
dad de género. En el caso del escenario de igualdad de participación, se cierra
la brecha de participación, pero no la de ingresos, por lo que se imputan los
ingresos de las mujeres que ingresan al mercado laboral siguiendo el patrón
15 En el cuadro A.5 del anexo se presentan los resultados con intervalos de confianza. Las estimaciones
con intervalos de confianza restantes pueden solicitarse a la autora.
16 Ñopo, Atal y Winder (2010) encuentran que para 18 países de América Latina el soporte común es
muy alto cuando se utilizan solo variables asociadas a las características de las personas y no de su
empleo, que es similar a lo realizado en este trabajo. Los autores encuentran que el soporte común
es muy grande, mayor o cercano al 98% para las mujeres, cuando se considera educación, presencia
de niños en el hogar, presencia de otros adultos en el hogar y un identificador de zonas urbanas. La
diferencia en el soporte explica una parte muy pequeña de las diferencias salariales entre mujeres y
hombres, menor al 1% sumando el aporte de diferencia de soporte para hombres y para mujeres.
Maira Colacce 29
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
de ingresos de las mujeres ocupadas. Dado que las mujeres que ingresarían al
mercado laboral presentan peores características en promedio que las muje-
res ocupadas, su ingreso laboral promedio es menor. Esto también sucede en
el escenario igualdad de género, pero es compensando por el hecho de que se
cierra la brecha de ingresos, calculando sus ingresos laborales siguiendo los
de los hombres.
Figura 3. Ingresos laborales de las mujeres según escenario, como porcentaje de los
ingresos de los hombres ocupados
0%
20%
40%
60%
80%
100%
120%
140%
Bolivia Brasil Perú Uruguay
Observado mujeres Igualdad de ingresos Igualdad de participación Igualdad de género
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
En el caso de las horas trabajadas, también se logran replicar los resultados
observados para los hombres. Cuando se cierra la brecha de participación
(escenarios de igualdad de participación e igualdad de género) se obtienen
resultados promedio similares para mujeres y hombres en la tasa de ocupación
(figura 4) y las horas trabajadas de los ocupados (figura 5). Se logra una varia-
ción significativa de la tasa de ocupación de las mujeres17. En el escenario de
igualdad de ingresos solo se cierra la brecha de ingresos, manteniendo la par-
ticipación incambiada. Por lo tanto, las horas trabajadas y tasa de ocupación
son iguales a las observadas para las mujeres por construcción.
17 Se debe tener en cuenta que en los dos escenarios en los que se imputan horas (igualdad de participa-
ción e igualdad de género) se utiliza el mismo modelo para las mismas subpoblaciones. Representan
repeticiones adicionales del mismo procedimiento. Se podría haber utilizado la misma imputación de
las horas en ambos escenarios. Sin embargo, se procedió a realizar la imputación por separado en cada
uno. Por estas razones, los resultados son muy similares.
30
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Figura 4. Tasa de ocupación de las mujeres según escenario y observada para hombres
y mujeres
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
Bolivia Brasil Perú Uruguay
Observado mujeres / Igualdad de ingresos Igualdad de participación
Igualdad de género Observado hombres
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
En la figura 5 se presentan las horas trabajadas por los ocupados en cada
escenario. Se observa que las horas trabajadas por las ocupadas aumentan
significativamente al cerrar la brecha de participación, tanto en el escenario
de igualdad de participación como en el de igualdad de género. El stock de
horas trabajadas en la economía aumentaría de forma significativa en los dos
escenarios. En este artículo no se analiza la demanda de trabajo, mantenién-
dose constante la tasa de desempleo. Pero resulta evidente que la absorción de
esta oferta incrementada en el margen extensivo e intensivo sería un desafío
para los cuatro países. Es probable que tanto el desempleo, como los ingre-
sos laborales reaccionen frente a este aumento de la oferta laboral. Más aún,
también sería esperable que se modifique la tasa de ocupación de los hombres.
La figura 6 presenta las principales variables (tasa de ocupación e ingresos
laborales por hora) observadas para hombres y mujeres, y las imputadas para
mujeres en cada escenario por años de educación. El ingreso laboral mensual
surge de la multiplicación de las variables anteriores y se presenta en la figura
A.2 del anexo. Se presenta un panel para cada uno de los países. Por construc-
ción, la tasa de ocupación de las mujeres en el escenario de igualdad de ingre-
sos es exactamente igual a la observada, dado que esta variable no se modifica
en ese escenario. En el caso del ingreso laboral por hora en el escenario de
igualdad de participación, se logra seguir el patrón de las mujeres ocupadas
utilizado como base en la imputación. En los otros casos, la curva se acerca
a la observada para los hombres, cerrando la brecha de género en la variable
Maira Colacce 31
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
de interés. En términos generales, el ajuste es mejor para los menos educa-
dos, tanto en la tasa de ocupación como en los ingresos laborales por hora.
Figura 5. Horas trabajadas de las mujeres ocupadas según escenario y observadas de
hombres y mujeres
0
10
20
30
40
50
60
Bolivia Brasil Perú Uruguay
Observado mujeres / Igualdad de ingresos Igualdad de participación
Igualdad de género Observado hombres
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
En suma, se considera que las imputaciones fueron satisfactorias dado que son
estables y replican razonablemente la distribución condicional de las varia-
bles tomadas como referencia. Esto implica que se logra simular el cierre de
las brechas de género en el mercado laboral y que las pequeñas diferencias
que permanecen se explican por las diferencias en las características obser-
vadas entre mujeres y hombres o por problemas menores en la modelización.
B. Resultados de pobreza y desigualdad
Para el cálculo de la pobreza se utiliza el método absoluto, usando las líneas
de pobreza oficiales de los países, salvo en el caso de Brasil que se aplica la
línea calculada por Cepal18. El ingreso utilizado es el ingreso del hogar con
valor locativo para la pobreza dado que las líneas incorporan el gasto en ser-
vicios de vivienda, pero sin valor locativo para el cálculo de los indicadores
de desigualdad.
18 Brasil no cuenta con una línea de pobreza oficial. El Ministério do Desenvolvimento Social e Combate à
Fome calcula una línea de pobreza extrema de 70 reales del 2012 que actualiza por inflación, mientras
que el IPEA calcula otra línea, pero no divulga los valores. Por esta razón se utiliza la línea de Cepal
cuyo valor se publica en el Panorama Social de América Latina.
32
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Figura 6. Ingresos laborales por hora y tasa de ocupación de las mujeres según
escenario y observado para mujeres y hombres, por nivel educativo
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Bolivia - Tasa de ocupación
0,000
5,000
10,000
15,000
20,000
25,000
30,000
Bolivia - Ingresos laborales
Hombres observada
Mujeres observada
Mujeres escenario salarios
Mujeres escenario horas
Mujeres escenario total
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Brasil -Tasa de ocupación
Hombres observada
Mujeres observada
Mujeres escenario salarios
Mujeres escenario horas
Mujeres escenario total
0,000
10,000
20,000
30,000
40,000
50,000
60,000
Brasil -Ingresos laborales
Hombres observada
Mujeres observada
Mujeres escenario salarios
Mujeres escenario horas
Mujeres escenario total
Hombres - Observado
Mujeres - Observado
Mujeres - Igualdad de ingresos
Mujeres - Igualdad de participación
Mujeres - Igualdad de género
5
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 17
5
o menos 18
o más
6 7 8 9 10 11 12 13 1415 16 17
5
o menos 17
o más
6 7 8 9 10 11 12 13 14 15 16
5
o menos 17
o más
6 7 8 9 10 11 12 13 14 15 16
(Continúa)
Maira Colacce 33
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Figura 6. Ingresos laborales por hora y tasa de ocupación de las mujeres según escena-
rio y observado para mujeres y hombres, por nivel educativo (continuación)
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Perú - Tasa de ocupación
Hombres observada
Mujeres observada
Mujeres escenario salarios
Mujeres escenario horas
Mujeres escenario total
0,000
5,000
10,000
15,000
20,000
25,000
30,000
Perú -Ingresos laborales
Hombres observada
Mujeres observada
Mujeres escenario salarios
Mujeres escenario horas
Mujeres escenario total
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Uruguay - Tasa de ocupación
Hombres observada
Mujeres observada
Mujeres escenario salarios
Mujeres escenario horas
Mujeres escenario total
0,000
50,000
100,000
150,000
200,000
250,000
300,000
350,000
Uruguay - Ingresos laborales
Hombres observada
Mujeres observada
Mujeres escenario salarios
Mujeres escenario horas
Mujeres escenario total
5
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 17
5
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 17
5
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 17
5
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 17
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
Se analiza el indicador de pobreza y los principales indicadores de desigual-
dad considerando a toda la población. A diferencia de la subsección anterior
en la que se analizaban indicadores de personas de 15 a 65 años, en este caso
se analiza el ingreso per cápita de los hogares y a la población total buscando
34
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
reflejar el efecto macro de los cambios. Asímismo, se presenta el indicador de
desigualdad de ingresos laborales, que se calcula para las personas ocupadas
de entre 15 y 65 años y que contribuye a comprender los cambios en los indi-
cadores de los hogares. Los resultados de los principales indicadores se pre-
sentan en el cuadro A.5 del anexo.
La pobreza cae en los tres escenarios para los cuatro países. La figura 7 muestra
las variaciones porcentuales de la pobreza y la figura 8 muestra el porcentaje
de personas pobres por escenario en comparación con la pobreza observada
correspondiente al escenario base.
Figura 7. Variación porcentual del porcentaje de personas pobres según escenario
-60%
-50%
-40%
-30%
-20%
-10%
0%
Bolivia Brasil Perú Uruguay
Igualdad de ingresos Igualdad de participación Igualdad de género
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
Los mejores resultados se obtienen en el escenario igualdad de género, cuando
se cierran conjuntamente la brecha de ingresos y la de participación, con reduc-
ciones del entorno de entre el 49% y el 56% en la incidencia de la pobreza. En
los cuatro países la suma de la reducción de cada escenario parcial es menor
que el resultado obtenido en el de igualdad de género, lo que muestra que el
cierre de la brecha de participación y horas trabajadas, y de ingresos se poten-
cian mutuamente. Sin embargo, se observa un patrón diferenciado entre Boli-
via y Perú, y Brasil y Uruguay. Mientras que en los primeros la mayor reducción
se observa al cerrar la brecha de ingresos, en los últimos la mayor variación se
presenta al cerrar la de participación. Esto responde a dónde se concentra la
mayor desigualdad entre mujeres y hombres en el mercado laboral de cada
país. De todos modos, en Bolivia y Perú las diferencias entre los escenarios de
igualdad de ingresos e igualdad de participación son pequeñas en comparación
Maira Colacce 35
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
con las de Brasil y Uruguay. La reducción de la pobreza en el escenario de
igualdad de ingresos en los últimos es de aproximadamente el 11% y en el
escenario de igualdad de participación es de más del 30%, mientras que en
los primeros se ubica cerca del 20% para los dos escenarios. En otras pala-
bras, Bolivia y Perú obtienen ganancias similares por el cierre de cada una de
las brechas, mientras que Brasil y Uruguay tienen más para ganar en políticas
de incremento de la participación femenina.
Respecto a los niveles, la situación también es diferente para los dos grupos
de países. En Uruguay el cierre de las brechas de género en el mercado labo-
ral permitiría niveles de pobreza razonablemente bajos (menores al 15%), más
aún si se considera que se establecen umbrales absolutos. En Brasil, se logra
ese objetivo con el escenario de igualdad de participación, aunque no con el
de igualdad de ingresos. Sin embargo, en Bolivia y Perú los niveles de pobreza
continúan siendo altos, con la excepción del escenario de igualdad de género
en Perú. La situación de Bolivia es particularmente alarmante: cerrando las
brechas de ingresos y participación entre mujeres y hombres en el mercado
laboral la pobreza se mantiene en más del 20%. Los ingresos laborales per-
cibidos por los hombres son tan bajos que no alcanza con una participación
igualitaria en el mercado laboral para atenuar de forma significativa el pro-
blema de la pobreza, aun cuando se reduzca en casi el 50%.
Figura 8. Porcentaje de personas pobres según escenario y observado
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
Bolivia Brasil Perú Uruguay
Igualdad de ingresos Igualdad de participación Igualdad de género Observado
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
36
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Respecto a la desigualdad la comprensión de los resultados resulta más com-
pleja, aunque se mantiene la relación entre los escenarios similar a la seña-
lada para la pobreza: en Bolivia y Perú el escenario de igualdad de ingresos
presenta mejores resultados que el de igualdad de participación y lo contrario
sucede en Brasil y Uruguay. Sin embargo, del mismo modo que sucede en los
países desarrollados analizados por Harkness (2013), el cierre de las brechas
de género en el mercado laboral tiene efectos en la desigualdad que pueden
ir en diferentes sentidos, dependiendo de los puntos de partida de cada país.
Para analizar los efectos en desigualdad del cierre de la brecha de género en
el mercado laboral se construye un set de indicadores que sea capaz de infor-
mar sobre los movimientos que se producen en toda la distribución del ingreso.
Para entender el canal a través del que se procesan los cambios se presenta el
efecto de los diferentes escenarios analizados en la distribución de los ingre-
sos laborales horarios y mensuales, medido a través de la variación del índice
de Gini. Para la distribución del ingreso de los hogares se calcula un conjunto
amplio de indicadores: cocientes de percentiles (p90/p10, p75/p25, p25/p50,
p10/p50, p90/p50 y p75/p50) e indicadores sintéticos (índice de Gini, familia
de indicadores de Atkinson, con parámetro 0,5, 1 y 2, y familia de indicadores
basados en la entropía, con parámetro -1, 0 y 1).
En primer lugar, se analizan los indicadores de desigualdad del ingreso labo-
ral, que refieren a diferencias entre ingresos de las personas y no entre ingre-
sos de los hogares. Se considera exclusivamente a los ocupados para realizar
los cálculos, aunque se debe notar que los ocupados varían entre escenarios,
dado que en dos escenarios se cierra la brecha de participación.
La figura 9 muestra la variación porcentual del índice de Gini de los ingresos
laborales en cada escenario, en el panel de la izquierda los ingresos horarios
y en el de la derecha los mensuales. En el cuadro A.6 del anexo se presen-
tan los valores que toman los índices en cada caso. Tres elementos entran en
juego: cómo es la brecha de ingresos observada a lo largo de la distribución
del ingreso, quiénes son las mujeres que ingresan al mercado laboral al cerrar
la brecha de participación y cómo se distribuyen las horas trabajadas respecto
al ingreso, tanto de hombres como de mujeres.
La desigualdad de ingresos laborales por hora disminuye cuando se cierra la
brecha de ingresos, tanto en el escenario de igualdad de ingresos como en el
Maira Colacce 37
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
de igualdad de género, excepto en Brasil. Esto puede deberse, por un lado, a
que las mujeres y los hombres tendrían ingresos similares, por sus caracte-
rísticas observables, reduciendo la desigualdad entre grupos. Por otro lado,
debe analizarse cómo era la brecha de ingresos en la distribución del ingreso.
Bolivia y Perú presentan una brecha mayor en la parte baja de la distribución
(Carrillo, Gandelman y Robano, 2014; Ñopo, 2009) lo que implica que el cie-
rre de la brecha debería tener efectos igualadores. En Uruguay, la evidencia
muestra que la brecha aumenta con el nivel de ingresos, lo que presionaría al
aumento de la desigualdad. Sin embargo, el peso que tienen las diferencias de
ingresos laborales en los tramos medios explicaría la pequeña caída observada.
Figura 9. Variación porcentual del índice de Gini de los ingresos laborales de los
ocupados por escenario
-14%
-12%
-10%
-8%
-6%
-4%
-2%
0%
2%
Bolivia Brasil Perú Uruguay
Horario
Igualdad de ingresos Igualdad de participación Igualdad de género
-10%
-5%
0%
5%
10%
15%
Bolivia Brasil Pe rú Uruguay
Mensual
Igualdad de ingresos Igualdad de participación Igualdad de género
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
38
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Brasil es el único país analizado para el que aumenta la desigualdad de ingre-
sos laborales por hora al cerrar la brecha de ingresos. La brecha de género en
los ingresos laborales de Brasil es creciente con el nivel de ingresos (véase
Madalozzo, 2010; Madalozzo y Martins, 2007; Santos y Ribeiro, 2006), lo que
lleva a que el cierre de esta afecte en mayor medida a las mujeres ocupadas
más ricas. Esto explicaría al leve aumento en la desigualdad del ingreso laboral
que se observa, dado que aumenta el ingreso de las mujeres de mayor ingreso.
La desigualdad de ingresos laborales por hora apenas aumenta en el escena-
rio en el que solo se cierra la brecha de participación. Esto puede explicarse
entendiendo quiénes son las mujeres que ingresarían al mercado laboral en este
escenario. Es esperable que las mujeres de menores ingresos esperados sean
las que no participan en el mercado laboral, dado que sus retornos esperados
son muy bajos. Su ingreso al mercado laboral, con ingresos que responden a
los de las mujeres ocupadas implica que más personas tengan ingresos bajos,
lo que aumentaría la desigualdad de ingresos laborales por hora. Cuando se
cierran ambas brechas conjuntamente este efecto es neutralizado por el cierre
de la brecha de ingresos dado que los efectos distributivos son mayores en el
escenario de igualdad de género que en el de igualdad de ingresos.
Cuando se consideran los ingresos mensuales, los resultados empeoran en todos
los países y escenarios. Esto implica que la distribución de las horas trabaja-
das tiene efectos desigualadores en el mercado laboral.
Por último, se presentan los efectos del cierre de las brechas de género en el
mercado laboral en los indicadores de desigualdad del ingreso per cápita de
los hogares. Así como señala Atkinson (2015), el efecto de la incorporación
de las mujeres al mercado laboral en la desigualdad depende de quiénes se
incorporen y de la correlación entre sus ingresos y los de sus cónyuges. Al res-
pecto, en Cepal (2014a) se muestra que en la región la correlación entre los
ingresos de los cónyuges es muy variable entre países, pero se evidencia una
fuerte homogamia educativa, medida a través del coeficiente de correlación
entre los años de educación de las parejas. Esto podría llevar a que el cierre
de las brechas de género en el mercado laboral tenga efectos negativos sobre
la desigualdad. Asímismo, los efectos en la desigualdad dependerán de la des-
igualdad de ingresos laborales estudiada previamente.
Maira Colacce 39
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
El set completo de indicadores para los cuatro países y los tres escenarios se
presenta en el cuadro A.6 del anexo mientras que el cuadro 2 presenta las
variaciones porcentuales de los indicadores. Las celdas destacadas en gris impli-
can que la variación del indicador señala una distribución del ingreso menos
equitativa. La evidencia de los efectos distributivos es inequívoca en Bolivia y
Uruguay, con todos los indicadores mostrando efectos en la misma dirección.
En Brasil y Perú los indicadores muestran movimientos discordantes. En lo que
sigue se analizan los resultados por país.
En el caso de Bolivia, el escenario de igualdad de participación es menos equi-
tativo que la situación observada, mientras que los otros dos presentan mejo-
ras distributivas. Esto puede explicarse por los cambios en la desigualdad de
ingresos laborales. Bolivia es el único país en el que se observa que los ingre-
sos laborales mensuales tienen una distribución más equitativa cuando se
cierra la brecha de ingresos y cuando se cierran ambas brechas, lo que podría
explicar los efectos de estos dos escenarios al considerar el ingreso del hogar.
Sin embargo, cuando se cierra la brecha de participación empeora el índice
de Gini de los ingresos laborales (véase figura 9) debido a que participan en el
mercado laboral mujeres con ingresos laborales muy bajos o nulos. También,
es probable que las mujeres que ingresan al mercado laboral estén en pareja
con hombres de ingresos también bajos lo que refuerza el efecto de la des-
igualdad de ingresos laborales.
Para Brasil se observa que el escenario de igualdad de ingresos es el que tiene
los peores resultados distributivos: todos los indicadores resultan negativos
salvo el GE(-1) que da menor peso a los ingresos más altos y el At(2) que pre-
senta variaciones muy pequeñas. Esto puede deberse a que solo impacta a los
hogares que presentan mujeres ocupadas y al efecto desigualador de los ingre-
sos laborales. En el caso del escenario de igualdad de participación sucede lo
contrario: las variaciones son positivas salvo en los indicadores que ponderan
más la parte alta de la distribución. El escenario de igualdad de género indica
algo similar, con un empeoramiento de la distribución después de la mediana
del ingreso, medido a través del aumento de los cocientes p90/p50 y p75/p90.
Esto estaría indicando que en Brasil el cierre de las brechas de género en el
mercado laboral tiene efectos diversos en la distribución del ingreso, mostrando
efectos negativos en los indicadores que dan más importancia a la parte alta
de la distribución mientras que mejoran los que ponderan más a la parte baja,
en especial, en cuanto se cierra la brecha de participación.
40
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Cuadro 2. Variación porcentual de los indicadores de desigualdad según escenario
Bolivia Brasil
Igualdad de
ingresos
Igualdad de
participación
Igualdad de
género
Igualdad de
ingresos
Igualdad de
participación
Igualdad de
género
p90/p10 -21% 12% -30% 7% -17% -22%
p75/p25 -5% 6% -13% 5% -9% -10%
p25/p50 4% -5% 10% -2% 9% 14%
p10/p50 23% -10% 29% -1% 20% 33%
p90/p50 -3% 1% -10% 5% -1% 4%
p75/p50 -1% 1% -5% 3% -1% 3%
Índice de
Gini -3% 3% -8% 7% 2% 2%
GE(-1) -30% 19% -32% -8% -37% -58%
GE(0) -
Mean Log
Deviation
-11% 8% -20% 8% -7% -12%
GE(1) -
Índice de
Theil
-4% 7% -13% 30% 20% 23%
At (0.5) -7% 6% -15% 15% 5% 6%
At (1) -9% 6% -16% 6% -5% -9%
At (2) -12% 5% -13% -0,3% -2% -5%
Perú Uruguay
Igualdad de
ingresos
Igualdad de
participación
Igualdad de
género
Igualdad de
ingresos
Igualdad de
participación
Igualdad de
género
p90/p10 -8% 6% -15% -17% -28% -31%
p75/p25 -1% 2% -7% -6% -13% -15%
p25/p50 2% -2% 5% 4% 10 % 11%
p10/p50 8% -6% 11% 16% 30% 33%
p90/p50 -0,4% -1% -5% -4% -6% -8%
p75/p50 1% -0,3% -2% -2% -4% -5%
Índice de
Gini 1% 2% -1% -4% -10% -11%
GE(-1) 10% 18% -2% -25% -39% -38%
GE(0) -
Mean Log
Deviation
1% 5% -3% -13% -23% -26%
GE(1) -
Índice de
Theil
9% 6% 13% -7% -17% -19%
At (0.5) 4% 5% 2% -9% -19% -21%
At (1) 1% 4% -3% -11% -21% -23%
At (2) 3% 7% -1% -14% -24% -24%
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
Maira Colacce 41
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Respecto a Perú, solo se logran resultados que mejoran claramente la distribu-
ción del ingreso en el escenario de igualdad de género; el cierre de la brecha
de participación empeora la distribución del ingreso y se observan resultados
ambiguos en el escenario de igualdad de ingresos. En este último caso solo
mejoran los indicadores que hacen referencia al primer cuartil de la distribu-
ción, pero los indicadores que ponderan más la parte baja de la distribución
igual empeoran. De todos modos, cabe resaltar que las variaciones son de baja
magnitud. Se observa también que la distribución en la parte alta empeora
en los tres escenarios.
En Uruguay, los tres escenarios presentan mejoras en la distribución del ingreso.
El escenario de igualdad de participación tiene resultados más fuertes que el
de igualdad de ingresos. Esto implica que la ubicación de las mujeres no ocu-
padas en la distribución y la composición de los hogares logran revertir el
efecto desigualador que tienen los ingresos laborales mensuales. En los tres
escenarios las variaciones más fuertes se producen en los indicadores que dan
más importancia a la parte baja de la distribución: la variación de los indica-
dores de entropía se reduce a medida que aumenta el parámetro y la de los
de Atkinson aumenta con la aversión a la desigualdad.
Más allá de los matices, el cierre de ambas brechas conjuntamente logra mejo-
ras en la distribución del ingreso en Bolivia, Perú y Uruguay, y tiene resultados
ambiguos en Brasil. Sin embargo, se mantienen niveles altos de desigualdad:
el percentil 90 gana entre 5 (Uruguay) y 10 (Brasil) veces más que el 10 en el
escenario de igualdad de género (véase cuadro A.6).
Las diferencias entre los escenarios de igualdad de participación y de igual-
dad de ingresos entre estos dos pares de países (Bolivia y Perú, por un lado,
y Brasil y Uruguay, por el otro) tienen que ver con cómo se distribuyen las
mujeres ocupadas, cómo son sus ingresos laborales y sus diferencias con los
ingresos masculinos a lo largo de la distribución del ingreso. Mientras que en
Brasil y Uruguay las mujeres de menor nivel educativo tienen tasas de ocu-
pación bajas, en Bolivia y Perú están mayormente ocupadas, pero con ingre-
sos laborales muy bajos o cero. Esto implica que cuando las mujeres de los
países andinos equiparan sus ingresos a los de los hombres, las que viven en
hogares de menores recursos son las que presentan las mayores variacio-
nes de ingreso, produciendo mejoras en la distribución del ingreso. Esto va
en la línea de la regularidad observada por Carrillo et al. (2014) respecto a la
42
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
brecha salarial y la riqueza y desigualdad de los países: los países más pobres
y más desiguales tienen mayores brechas salariales en el percentil 10 mientras
que entre los más ricos y menos desiguales la brecha es mayor en el percentil
90 de la distribución salarial.
En suma, mientras que los efectos en pobreza son inequívocos y siempre posi-
tivos, los efectos del cierre de brechas de género en el mercado laboral en la
desigualdad no pueden ser generalizados, dependerán del país y del escenario,
dado que se generan modificaciones en diferentes partes de la distribución del
ingreso. En términos generales, se puede concluir que los efectos son mejores
en la parte baja de la distribución y que se mantiene la diferenciación obser-
vada en los efectos de pobreza de países respecto a los escenarios. Para Brasil
y Uruguay los mejores resultados se obtienen a través del cierre de la brecha
de participación mientras que en Bolivia y Perú se logran mejores resultados
con el cierre de la brecha de ingresos. Esto se explica por la diferencia en las
situaciones de partida de cada país, en especial, por la dimensión de las bre-
chas a lo largo de la distribución.
IV. Comentarios finales
La región presenta importantes diferencias respecto al nivel de las brechas de
género en el mercado laboral, así como en la importancia relativa de la bre-
cha de ingresos laborales y la de participación (véase Cepal, 2014a). Los paí-
ses seleccionados para este estudio presentan un nivel relativamente alto de
participación laboral entre las mujeres, aunque muestran dos tipologías dife-
rentes en relación con la brecha de ingresos y de participación. Por un lado,
se encuentran Brasil y Uruguay, que tienen una brecha importante de parti-
cipación, pero cuya brecha de ingresos laborales es menor; por otro, Bolivia
y Perú, donde la brecha de ingresos es muy grande, debido en parte a la gran
cantidad de ocupadas que no reciben remuneración, aunque la brecha de par-
ticipación se mantiene en niveles similares a los de Brasil y Uruguay. Asímismo,
se encuentran diferencias entre los dos grupos de países en cuanto a cómo se
distribuyen estas brechas por nivel educativo. Mientras que en Brasil y Uru-
guay las mayores diferencias de participación se dan entre las menos educa-
das, en Bolivia y Perú la relación entre la participación y los años de educación
presenta una forma de U. Además, estudios previos señalan que la brecha de
Maira Colacce 43
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
ingresos en Perú y Bolivia es mayor en la parte más baja de la distribución,
mientras que entre Brasil y Uruguay es mayor para los ingresos más altos.
El análisis de las diferencias entre las dos tipologías sugiere que podría mejo-
rar el ingreso de los hogares si se avanza hacia la equidad entre mujeres y
hombres en el mercado laboral, y que la importancia del efecto del cierre de
la brecha de ingresos y de la de participación podría ser diferencial en cada
una. Esto inspiró los tres ejercicios que se realizaron: cierre de la brecha de
ingresos por hora, manteniendo las diferencias que se observan en la parti-
cipación laboral; eliminación de las diferencias entre mujeres y hombres en
la participación laboral, tanto en la decisión de participar como en las horas
trabajadas, manteniendo las diferencias observadas en los ingresos por hora,
y ambos ejercicios de forma conjunta, cerrando la brecha de ingresos y la de
participación.
Los resultados obtenidos deben interpretarse con cautela, dado que tienen
varias limitaciones. En primer lugar, se debe tener en cuenta que los ejerci-
cios realizados en este trabajo no consideran los efectos de equilibrio general,
lo que podría modificar los resultados de forma significativa. La participación
más equitativa de las mujeres y hombres en el mercado laboral requiere de
ajustes para mujeres y hombres simultáneamente.
En este mismo sentido, la modificación de los ingresos de los hogares en la
parte baja de la distribución podría cambiar su elegibilidad para ciertas polí-
ticas públicas, en especial, las transferencias condicionadas. Esto implicaría
una pérdida de ingresos por parte del hogar y podría modificar las decisiones
de ocupación de las mujeres.
Por otro lado, el estudio no analiza las políticas necesarias para lograr el cie-
rre de la brecha de género en el mercado laboral. Las experiencias de los paí-
ses más exitosos muestran la necesidad de un papel activo del Estado (véase
Cepal, 2014a, para una reseña del caso de Noruega). Se requiere tanto de polí-
ticas específicas en el mercado laboral como de políticas de cuidado para inci-
dir conjuntamente en ambas brechas y hacerlo de forma sostenible. En este
sentido, cuáles sean las políticas que se implementen determinará el camino
hacia el cierre de las brechas, dado que diferentes mujeres (y hogares) serán
sensibles a diferentes políticas, modificando los efectos en el bienestar social,
pobreza y desigualdad.
44
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
También, debe discutirse si los escenarios de participación laboral presenta-
dos son deseables desde un punto de vista social. No es claro que un patrón
de trabajo similar al de los hombres sea el objetivo a conseguir, en particular,
si se pone en consideración que superan las 40 horas semanales de trabajo
promedio, llegando a las 50 en Bolivia.
Los resultados indican que los efectos en pobreza son inequívocos y siem-
pre positivos, mientras que los efectos del cierre de brechas de género en el
mercado laboral en la desigualdad no pueden ser generalizados, dependerán
del país y del escenario, puesto que se generan modificaciones en diferentes
partes de la distribución del ingreso. En términos generales, se puede con-
cluir que los efectos distributivos son mejores en la parte baja de la distribu-
ción y que Bolivia y Perú presentan mejores resultados al cerrar la brecha de
ingresos respecto a los del cierre de la brecha de participación, mientras que
se observa lo opuesto en Brasil y Uruguay. Esto se explica por la diferencia en
las situaciones de partida de cada país, principalmente, por la dimensión de las
brechas a lo largo de la distribución.
Agradecimientos
Este trabajo contó con el apoyo de la Beca para Finalización de Maestría otor-
gada por la Comisión Académica de Posgrados de la Universidad de la República
(Uruguay). Agradezco la excelente orientación de Verónica Amarante y la aseso-
ría de Graciela San Román, así como los comentarios de un evaluador anónimo.
Referencias
1. An, D., & Little, R. (2007). Multiple imputation: An alternative to top
coding for statistical disclosure control. Journal of the Royal Statistical
Society: Series A (Statistics in Society), 170(4), 923-940.
2. Atkinson, A. B. (2015). Inequality: what can be done? Cambridge, Massa-
chusetts: Harvard University Press.
3. Banco Mundial. (2012). The effects of women’s economic power in Latin
America and the Caribbean. Washington, D. C.: Banco Mundial.
Maira Colacce 45
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
4. Carpenter, J., & Kenward, M. (2012). Multiple imputation and its appli-
cation. Chichester: John Wiley & Sons.
5. Carrillo, P., Gandelman, N., & Robano, V. (2014). Sticky floors and glass
ceilings in Latin America. The Journal of Economic Inequality, 12(3),
339-361.
6. Cepal. (2014a). Panorama social de América Latina 2014. Santiago de
Chile: Cepal.
7. Cepal. (2014b). Pactos para la igualdad. Hacia un futuro sostenible. Trigé-
simo Quinto Período de Sesiones de la Cepal. Santiago de Chile: Cepal.
8. Fortin, N., Lemieux, T., & Firpo, S. (2011). Decomposition methods in
economics. Handbook of Labor Economics (4, pp. 1-102). Elsevier.
9. Gartner, H., & Rässler, S. (2005). Analyzing the changing gender wage
gap based on multiply inputed right censored wages (Discussion Paper
2005: 5). IAB.
10. Gasparini, L., & Marchionni, M. (2015). Implications of female labor force
participation. En L. Gasparini, & M. Marchionni (eds.), Bridging gender
gaps? The rise and deceleration of female labor force participation in
Latin America (pp. 261-306). La Plata: Universidad Nacional de La Plata.
11. Gasparini, L., Marchionni, M., Badaracco, N., & Serrano, J. (2015). Charac-
terizing female participation changes. En L. Gasparini, & M. Marchionni
(eds.), Bridging gender gaps? The rise and deceleration of female labor
force participation in Latin America (pp. 151-178). La Plata: Universidad
Nacional de La Plata.
12. Harkness, S. (2013). Women’s employment and household income
inequality. En J. Gornik & M. Jäntti (eds.), Income inequality: Economic
disparities and the middle class in affluent countries (pp. 207-233).
Stanford, California: Stanford University Press.
13. Jenkins, S., Burkhauser, R., Feng, S., & Larrimore, J. (2011). Measuring
inequality using censored data: A multiple-imputation approach to
estimation and inference. Journal of the Royal Statistical Society: Series
A (Statistics in Society), 174(1), 63-81.
46
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
14. Lee, D. (2009). Training, wages, and sample selection: Estimating sharp
bounds on treatment effects. Review of Economic Studies, 76(3), 1071-
110 2.
15. Madalozzo, R. (2010). Occupational segregation and the gender wage
gap in Brazil: An empirical analysis. Economía Aplicada, 14(2), 147-168.
16. Madalozzo, R., & Martins, S. (2007). Gender wage gaps: Comparing the
80s, 90s and 00s in Brazil. Revista de Economia e Administração, 6(2),
141-156.
17. Maxwell, N. (1990). Changing female labor force participation: Influences
on income inequality and distribution. Social Forces, 68(4), 1251-1266.
18. Ñopo, H. (2009). The gender wage gap in Peru 1986-2000: Evidence
from a matching comparisons approach (Working Paper 675). Banco
Interamericano de Desarrollo, Departamento de Investigación.
19. Ñopo, H., Atal, J., & Winder, N. (2010). New century, old disparities:
Gender and ethnic wage gaps in Latin America (Discussion Paper Series
5085). Forschungsinstitut zur Zukunft der Arbeit.
20. Piesse, A., Álvarez-Rojas, L., Judkins, D., & Shadish. W. (2010). Causal
inference using semi-parametric imputation. Proceedings of the Section
on Survey Research Methods of the American Statistical Association,
1085-1096.
21. Rubin, D. (1976). Inference and missing data. Biometrika, 63(3), 581-592.
22. Rubin, D. (1987). Multiple imputation for nonresponse in surveys . Nueva
York: Wiley.
23. Santos, R., & Ribeiro, E. (2006). Diferenciais de rendimentos entre homens
e mulheres no Brasil revisitado: Explorando O ‘teto de vidro’. Reporte
Técnico, Centro Universitario Newton Paiva, Universidade Federal do
Rio Grande do Sul.
Maira Colacce 47
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Anexos
Cuadro A.1. Principales características de las encuestas de hogares
Bolivia Brasil Perú Uruguay
Nombre Encuesta Continua
de Hogares
Pesquisa Nacional
por Amostra de
Domicilios
Encuesta
Nacional de Hogares
- Condiciones de Vida
y Pobreza
Encuesta
Continua de
Hogares
Año 2011 2013 2013 2013
Cobertura
geográfica Nacional Nacional Nacional Nacional
Número de
hogares 8.851 116.543 30.453 46.622
Número de
individuos 33.821 362.555 117.731 127.925
Número
de hogares
representativos
2.785.386 65.300.857 7.991.428 1.160.171
Número de
individuos
representativos
10.712.073 201.467.084 31.159.584 3.332.656
Fuente: elaborado sobre la base de las encuestas de hogares.
48
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Figura A.1. Horas trabajadas de mujeres y hombres ocupados por años de educación. Personas de 15 a 65 años
0,000
10,000
20,000
30,000
40,000
50,000
60,000
Bolivia
Mujeres Hombres
0,000
5,000
10,000
15,000
20,000
25,000
30,000
35,000
40,000
45,000
50,000
Brasil
Mujeres Hombres
0,000
10,000
20,000
30,000
40,000
50,000
60,000
Perú
Mujeres Hombres
0,000
10,000
20,000
30,000
40,000
50,000
60,000
Uruguay
Mujeres Hombres
5
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 17
5
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 17
5
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 17
5
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 17
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
Maira Colacce 49
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Cuadro A.2. Regresión de los ingresos laborales por hora de hombres ocupados. Escenarios 1 y 3. Personas de 15 a 65 años
Bolivia Brasil Perú Uruguay
Variables Con formalidad
(Escenario 1)
Sin formalidad
(Escenario 3)
Con formalidad
(Escenario 1)
Sin formalidad
(Escenario 3)
Con formalidad
(Escenario 1)
Sin formalidad
(Escenario 3)
Con formalidad
(Escenario 1)
Sin formalidad
(Escenario 3)
6.anoest 0.330 0.427 1.952** 2.098** 0.621 0.769 14.48*** 20.05***
(0.958) (0.959) (0.949) (0.949) (0.562) (0.562) (2.949) (2.961)
7.anoest 1.151 1.245 2.589*** 2.781*** 0.676 0.870 23.65*** 29.72***
(1.121) (1.122) (0.922) (0.922) (0.743) (0.743) (3.921) (3.942)
8.anoest 1.706* 1.821** 2.688*** 3.060*** 0.931 1.176* 25.26*** 31.95***
(0.897) (0.898) (0.612) (0.610) (0.630) (0.629) (3.387) (3.400)
9.anoest 2.245** 2.390** 3.158*** 3.513*** 1.186** 1.489** 29.98*** 39.62***
(1.019) (1.020) (1.007) (1.006) (0.593) (0.591) (3.177) (3.173)
10.anoest 2.294** 2.459*** 3.426*** 3.883*** 1.251* 1.535** 41.35*** 52.44***
(0.929) (0.930) (0.974) (0.972) (0.697) (0.696) (3.394) (3.384)
11.anoest 2.136** 2.362** 5.819*** 6.528*** 1.618*** 2.109*** 44.84*** 56.53***
(1.026) (1.026) (0.501) (0.488) (0.403) (0.396) (3.539) (3.528)
12.anoest 1.792*** 2.112*** 8.493*** 9.244*** 2.276*** 2.893*** 62.12*** 75.10***
(0.653) (0.651) (1.119) (1.113) (0.722) (0.716) (3.368) (3.344)
13.anoest 2.692** 3.465*** 10.15*** 10.92*** 5.515*** 6.188*** 62.03*** 75.24***
(1.272) (1.264) (1.356) (1.350) (0.750) (0.743) (4.324) (4.317)
(continúa)
50
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Cuadro A.2. Regresión de los ingresos laborales por hora de hombres ocupados. Escenarios 1 y 3. Personas de 15 a 65 años (continuación)
Bolivia Brasil Perú Uruguay
Variables Con formalidad
(Escenario 1)
Sin formalidad
(Escenario 3)
Con formalidad
(Escenario 1)
Sin formalidad
(Escenario 3)
Con formalidad
(Escenario 1)
Sin formalidad
(Escenario 3)
Con formalidad
(Escenario 1)
Sin formalidad
(Escenario 3)
14.anoest 2.571** 3.133** 15.90*** 16.68*** 3.506*** 4.369*** 73.09*** 86.37***
(1.225) (1.221) (1.321) (1.316) (0.556) (0.540) (4.163) (4.153)
15.anoest 3.358*** 4.285*** 18.97*** 19.83*** 5.416*** 6.110*** 98.27*** 112.6***
(1.171) (1.157) (0.822) (0.811) (1.077) (1.072) (4.126) (4.107)
16.anoest 5.966*** 6.992*** 32.81*** 33.65*** 6.300*** 7.387*** 138.0*** 152.3***
(1.461) (1.448) (1.015) (1.006) (0.563) (0.538) (4.320) (4.306)
17.anoest 7.263*** 8.600*** 42.41*** 43.31*** 10.09*** 11.32*** 210.9*** 226.1***
(0.833) (0.786) (1.622) (1.616) (1.213) (1.198) (4.673) (4.660)
18.anoest 13.97*** 15.52*** 18.17*** 19.47*** 226.8*** 242.3***
(1.373) (1.337) (1.189) (1.172) (4.978) (4.968)
edad 0.539*** 0.570*** 0.260*** 0.329*** 0.352*** 0.398*** 3.505*** 4.672***
(0.0924) (0.0923) (0.0863) (0.0856) (0.0544) (0.0539) (0.319) (0.317)
edad_2 -0.00513*** -0.00540*** -0.000215 -0.00103 -0.00337*** -0.00378*** -0.0223*** -0.0361***
(0.00118) (0.00118) (0.00109) (0.00108) (0.000691) (0.000689) (0.00396) (0.00394)
menores05h_bin 0.547 0.586 1.048** 1.037** 0.230 0.273 5.856*** 5.869***
(0.417) (0.418) (0.409) (0.409) (0.260) (0.261) (1.521) (1.533)
(continúa)
Maira Colacce 51
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Cuadro A.2. Regresión de los ingresos laborales por hora de hombres ocupados. Escenarios 1 y 3. Personas de 15 a 65 años (continuación)
Bolivia Brasil Perú Uruguay
Variables Con formalidad
(Escenario 1)
Sin formalidad
(Escenario 3)
Con formalidad
(Escenario 1)
Sin formalidad
(Escenario 3)
Con formalidad
(Escenario 1)
Sin formalidad
(Escenario 3)
Con formalidad
(Escenario 1)
Sin formalidad
(Escenario 3)
menores614h_
bin 0.615 0.645 0.504 0.461 0.205 0.203 5.985*** 5.281***
(0.405) (0.405) (0.365) (0.365) (0.251) (0.251) (1.367) (1.378)
region 3.534*** 3.721*** 2.856*** 3.432*** 1.487*** 1.745*** 9.771*** 11.35***
(0.488) (0.487) (0.497) (0.489) (0.289) (0.286) (1.329) (1.338)
blanco 1.586*** 1.603*** 2.093*** 2.256*** 0.333 0.368 10.73*** 12.70***
(0.441) (0.442) (0.357) (0.356) (0.312) (0.312) (2.653) (2.673)
formal 2.669*** 2.436*** 1.877*** 34.09***
(0.554) (0.385) (0.293) (1.530)
Constant -6.279*** -7.025*** -8.462*** -9.220*** -5.502*** -6.559*** -66.61*** -74.63***
(1.724) (1.719) (1.616) (1.612) (1.036) (1.023) (6.737) (6.781)
Observations 8,266 8,266 94,783 94,783 30,098 30,098 31,124 31,124
R-squared 0.076 0.073 0.031 0.031 0.033 0.032 0.237 0.225
Errores estándar entre paréntesis.
*** p<0.01, ** p<0.05, * p<0.1
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
52
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Cuadro A.3. Regresión de horas trabajadas semanales de hombres ocupados. Escenarios
2 y 3. Personas de 15 a 65 años
Variables Bolivia Brasil Perú Uruguay
6.anoest 2.912*** 1.565*** 2.272*** 6.337***
(1.009) (0.282) (0.537) (0.420)
7.anoest 2.718** 1.771*** 4.696*** 6.100***
(1.142) (0.270) (0.685) (0.554)
8.anoest 1.173 2.564*** 4.011*** 7.468***
(0.906) (0.183) (0.571) (0.478)
9.anoest -0.376 2.581*** 3.915*** 8.440***
(0.979) (0.282) (0.523) (0.449)
10.anoest -0.875 3.874*** 3.464*** 9.306***
(0.910) (0.282) (0.588) (0.480)
11.anoest -3.712*** 4.022*** 5.056*** 10.25***
(0.950) (0.149) (0.360) (0.505)
12.anoest -0.182 5.324*** 5.082*** 10.06***
(0.642) (0.346) (0.614) (0.483)
13.anoest -5.292*** 6.204*** 3.842*** 10.31***
(1.134) (0.424) (0.642) (0.628)
14.anoest -6.141*** 5.660*** 6.327*** 10.59***
(1.106) (0.419) (0.489) (0.612)
15.anoest -7.339*** 4.199*** 3.193*** 10.13***
(1.107) (0.264) (0.918) (0.613)
16.anoest -12.64*** 5.212*** 1.154** 8.410***
(1.319) (0.329) (0.497) (0.643)
17.anoest -7.664*** 7.058*** 3.090*** 10.82***
(0.791) (0.545) (1.136) (0.719)
18.anoest -5.609*** 1.765 14.73***
(1.401) (1.133) (0.773)
edad 3.098*** 2.510*** 1.983*** 3.098***
(0.100) (0.0263) (0.0551) (0.0455)
(continúa)
Maira Colacce 53
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Cuadro A.3. Regresión de horas trabajadas semanales de hombres ocupados. Escenarios 2 y 3.
Personas de 15 a 65 años (continuación)
Variables Bolivia Brasil Perú Uruguay
edad_2 -0.0374*** -0.0311*** -0.0230*** -0.0384***
(0.00124) (0.000328) (0.000675) (0.000553)
menores05h_bin 2.265*** 1.731*** 1.454*** 1.461***
(0.451) (0.131) (0.251) (0.236)
menores614h_bin -1.761*** 0.440*** -0.652*** 0.0975
(0.407) (0.114) (0.231) (0.205)
2.quintil_sin -2.509*** -1.482*** -0.406 -3.734***
(0.575) (0.161) (0.315) (0.261)
3.quintil_sin -4.599*** -3.518*** -1.285*** -5.627***
(0.632) (0.160) (0.336) (0.282)
4.quintil_sin -6.649*** -3.594*** -1.825*** -6.915***
(0.653) (0.162) (0.354) (0.296)
5.quintil_sin -6.595*** -4.640*** -3.547*** -8.504***
(0.634) (0.170) (0.382) (0.309)
asiste -14.12*** 5.583*** -16.03*** -14.26***
(0.665) (0.0971) (0.396) (0.339)
casado 7.585*** 0.672** 6.751*** 3.264***
(0.577) (0.277) (0.314) (0.232)
Constant -11.64*** -32.55*** -1.800* -22.16***
(1.824) (0.468) (1.044) (0.938)
Observations 10,062 121,648 36,235 39,361
R-squared 0.376 0.213 0.261 0.332
Errores estándar entre paréntesis.
*** p<0.01, ** p<0.05, * p<0.1
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
54
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Cuadro A.4. Regresión de los ingresos laborales por hora de mujeres ocupadas. Escenario
2. Personas de 15 a 65 años
Variables Bolivia Brasil Perú Uruguay
6.anoest 1.722 0.878 0.657** 16.01***
(1.054) (1.425) (0.257) (3.739)
7.anoest 0.852 1. 910 1.452*** 27.91***
(1.375) (1.378) (0.385) (4.839)
8.anoest 2.703*** 2.209** 1.391*** 28.86***
(1.014) (0.891) (0.323) (4.230)
9.anoest 3.978*** 2.785** 1.148*** 33.62***
(1.087) (1.414) (0.304) (3.945)
10.anoest 3.310*** 2.884** 1.615*** 41.09***
(1.079) (1.344) (0.366) (4.022)
11.anoest 2.613** 4.562*** 1.930*** 48.72***
(1.197) (0.684) (0.198) (4.141)
12.anoest 2.117*** 7.234*** 2.362*** 65.27***
(0.680) (1.297) (0.355) (3.908)
13.anoest 3.637*** 8.095*** 2.988*** 81.03***
(1.209) (1.528) (0.375) (4.445)
14.anoest 3.984*** 10.02*** 3.087*** 84.34***
(1.180) (1.388) (0.257) (4.231)
15.anoest 6.953*** 18.46*** 5.847*** 105.9***
(1.194) (0.871) (0.562) (4.225)
16.anoest 6.731*** 21.73*** 6.596*** 140.7***
(1.676) (1.180) (0.251) (4.002)
17.anoest 10.51*** 29.23*** 9.589*** 175.2***
(0.728) (1.801) (0.529) (4.637)
18.anoest 17.63*** 11.53*** 194.7***
(1.517) (0.521) (4.859)
edad 0.367*** 0.156 0.213*** 2.893***
(0.0954) (0.119) (0.0272) (0.341)
(continúa)
Maira Colacce 55
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Cuadro A.4. Regresión de los ingresos laborales por hora de mujeres ocupadas. Escenario
2. Personas de 15 a 65 años (continuación)
Variables Bolivia Brasil Perú Uruguay
edad_2 -0.00309** 7.00e-05 -0.00201*** -0.0164***
(0.00122) (0.00152) (0.000348) (0.00420)
menores05h_bin 0.420 0.940* 0.0201 5.838***
(0.426) (0.537) (0.127) (1.526)
menores614h_bin 0.529 0.306 -0.0782 2.225
(0.423) (0.476) (0.125) (1.368)
region 4.991*** 3.900*** 1.792*** 10.46***
(0.498) (0.706) (0.142) (1.263)
blanco 1.318*** 1.455*** 0.361** 10.04***
(0.456) (0.453) (0.150) (2.567)
Constant -7.683*** -6.460*** -4.153*** -55.30***
(1.762) (2.288) (0.514) (7.484)
Observations 6,548 71,202 25,092 26,770
R-squared 0.110 0.017 0.093 0.234
Errores estándar entre paréntesis.
*** p<0.01, ** p<0.05, * p<0.1
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
56
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Cuadro A.5. Indicadores de pobreza y desigualdad por escenario y observados
Bolivia
Pobreza personas Pobreza hogares p90/p10 Índice de Gini
Estimación
puntual
Intervalo de
confianza al 95%
Estimación
puntual
Intervalo de
confianza al 95%
Estimación
puntual
Intervalo de
confianza al 95%
Estimación
puntual
Intervalo de
confianza al 95%
Observado 42,6% 42,547% 42,553% 38,2% 38,2% 38,2% 11,5 - 0,459 -
Igualdad de
ingresos 32,0% 31,9601% 31,9693% 28,3% 28,3041% 28,3321% 9,0 8,9815 8,9854 0,448 0,44838 0,44849
Igualdad de
participación 33,0% 32,9455% 32,9563% 29,7% 29,6683% 29,6969% 13,3 13,3015 13,3077 0,478 0,47783 0,47791
Igualdad de
género 20,7% 20,7069% 20,7222% 18,5% 18,4697% 18,5044% 8,0 7,9685 7,9735 0,425 0,42504 0,42518
Brasil
Pobreza personas Pobreza hogares p90/p10 Índice de Gini
Estimación
puntual
Intervalo de
confianza
Estimación
puntual
Intervalo de
confianza
Estimación
puntual
Intervalo de
confianza
Estimación
puntual
Intervalo de
confianza
Observado 21,9% 21,9023% 21,9028% 18,2% 18,1616% 18,1632% 10,6 - 0,522 -
Igualdad de
ingresos 19,4% 19,3839% 19,3846% 16,3% 16,2565% 16,2582% 13,0 12,9951 12,9957 0,578 0,57785 0,57787
Igualdad de
participación 14,2% 14,1890% 14,1897% 11,8% 11,7938% 11,7953% 10,2 10,1938 10,1941 0,546 0,54604 0,54605
Igualdad de
género 10,1% 10,1180% 10,1187% 8,5% 8,5284% 8,5298% 9,7 9,6697 9,6699 0,551 0,55081 0,55082
(continúa)
Maira Colacce 57
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Cuadro A.5. Indicadores de pobreza y desigualdad por escenario y observados (continuación)
Perú
Pobreza personas Pobreza hogares p90/p10 Índice de Gini
Estimación
puntual
Intervalo de
confianza al 95%
Estimación
puntual
Intervalo de
confianza al 95%
Estimación
puntual
Intervalo de
confianza al 95%
Estimación
puntual
Intervalo de
confianza al 95%
Observado 22,7% 22,6744% 22,6760% 19,9% 19,9405% 19,9469% 8,3 - 0,436 -
Igualdad de
ingresos 17,1% 17,1179% 17,1206% 15,0% 14,9929% 14,9995% 7,7 7,6582 7,6592 0,443 0,44326 0,44330
Igualdad de
participación 18,8% 18,8283% 18,8307% 16,7% 16,6879% 16,6948% 8,9 8,9102 8,9109 0,448 0,44772 0,44774
Igualdad de
género 10,5% 10,5391% 10,5420% 9,4% 9,3968% 9,4034% 7,0 7,0236 7,0245 0,435 0,43465 0,43473
Uruguay
Pobreza personas Pobreza hogares p90/p10 Índice de Gini
Estimación
puntual
Intervalo de
confianza al 95%
Estimación
puntual
Intervalo de
confianza al 95%
Estimación
puntual
Intervalo de
confianza al 95%
Estimación
puntual
Intervalo de
confianza al 95%
Observado 12,9% 12,8879% 12,8891% 9,7% 9,7068% 9,7102% 7,4 - 0,406 -
Igualdad de
ingresos 11,4% 11,4386% 11,4402% 8,7% 8,7193% 8,7229% 6,2 6,1747 6,1751 0,392 0,39157 0,39159
Igualdad de
participación 7,7% 7,7359% 7,7379% 6,0% 6,0409% 6,0447% 5,3 5,2679 5,2684 0,367 0,36724 0,36726
Igualdad de
género 5,5% 5,4521% 5,4540% 4,4% 4,4199% 4,4233% 5,1 5,0862 5,0866 0,363 0,36273 0,36275
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
58
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Figura A.2. Ingresos laborales mensuales de las mujeres según escenario y observados para mujeres y hombres, por nivel educativo. Personas
ocupadas de 15 a 65 años
0,000
1.000,000
2.000,000
3.000,000
4.000,000
5.000,000
6.000,000
7.000,000
Bolivia
Hombres observada Mujeres observada
Mujeres escenario salarios Mujeres escenario horas
Mujeres escenario total
0,000
1.000,000
2.000,000
3.000,000
4.000,000
5.000,000
6.000,000
Perú
Hombres observada Mujeres observada
Mujeres escenario salarios Mujeres escenario horas
Mujeres escenario total
0,000
10.000,000
20.000,000
30.000,000
40.000,000
50.000,000
60.000,000
70.000,000
Uruguay
Hombres observada Mujeres observada
Mujeres escenario salarios Mujeres escenario horas
Mujeres escenario total
0,000
2.000,000
4.000,000
6.000,000
8.000,000
10.000,000
Brasil
Hombres observada Mujeres observada
Mujeres escenario salarios Mujeres escenario horas
Mujeres escenario total
5
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 17
5
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 17
5
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 17
5
o menos 18
o más
6 7 8 9 10 11 12 13 14 15 16 17
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
Maira Colacce 59
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Cuadro A.6. Indicadores desigualdad por escenario y observados. Total país. Bolivia 2011, Brasil, Perú y Uruguay 2013
Bolivia Brasil
Observado Igualdad de
ingresos
Igualdad de
participación
Igualdad
de género Observado Igualdad de
ingresos
Igualdad de
participación
Igualdad
de género
Índice de Gini de ingresos horarios 0,58 0,52 0,58 0,51 0,62 0,63 0,63 0,63
Índice de Gini de ingresos mensuales 0,54 0,52 0,58 0,51 0,54 0,60 0,59 0,60
p90/p10 11,90 9,38 13,34 8,34 12,19 13,04 10,09 9,55
p75/p25 3,23 3,05 3,43 2,80 3,33 3,50 3,02 2,99
p25/p50 0,54 0,56 0,51 0,59 0,52 0,51 0,57 0,60
p10/p50 0,24 0,30 0,22 0,31 0,26 0,26 0,32 0,35
p90/p50 2,89 2,81 2,92 2,61 3,22 3,40 3,19 3,36
p75/p50 1,73 1,71 1,76 1,65 1,74 1,79 1,72 1,79
Índice de Gini 0,47 0,46 0,48 0,43 0,53 0,57 0,54 0,55
GE(-1) 1,11 0,78 1,32 0,75 12,94 11,90 8,21 5,47
GE(0) - Mean Log Deviation 0,44 0,39 0,48 0,36 0,64 0,69 0,59 0,57
GE(1) - Índice de Theil 0,40 0,38 0,42 0,34 0,58 0,75 0,70 0,71
At (0.5) 0,19 0,17 0,20 0,16 0,25 0,29 0,26 0,26
At (1) 0,36 0,32 0,38 0,30 0,47 0,50 0,45 0,43
At (2) 0,69 0,61 0,73 0,60 0,96 0,96 0,94 0,92
(continúa)
60
DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 11-60, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.1
Cuadro A.6. Indicadores desigualdad por escenario y observados. Total país. Bolivia 2011, Brasil, Perú y Uruguay 2013 (continuación)
Perú Uruguay
Observado Igualdad de
ingresos
Igualdad de
participación
Igualdad
de género Observado Igualdad de
ingresos
Igualdad de
participación
Igualdad
de género
Índice de Gini de ingresos horarios 0,57 0,54 0,57 0,54 0,41 0,40 0,41 0,40
Índice de Gini de ingresos mensuales 0,54 0,54 0,56 0,54 0,43 0,44 0,44 0,43
p90/p10 8,59 7,90 9,08 7,34 7,34 6,11 5,29 5,07
p75/p25 2,95 2,91 2,99 2,74 2,69 2,53 2,34 2,29
p25/p50 0,56 0,57 0,55 0,59 0,60 0,63 0,66 0,67
p10/p50 0,32 0,34 0,30 0,35 0,35 0,40 0,45 0,46
p90/p50 2,72 2,71 2,69 2,58 2,55 2,46 2,39 2,34
p75/p50 1,66 1,67 1,65 1,62 1,62 1,59 1,56 1,54
Índice de Gini 0,45 0,45 0,45 0,44 0,41 0,39 0,37 0,36
GE(-1) 0,57 0,62 0,67 0,56 0,49 0,37 0,30 0,30
GE(0) - Mean Log Deviation 0,36 0,36 0,38 0,35 0,30 0,26 0,23 0,22
GE(1) - Índice de Theil 0,37 0,40 0,39 0,41 0,30 0,27 0,25 0,24
At (0.5) 0,16 0,17 0,17 0,17 0,14 0,13 0,11 0,11
At (1) 0,30 0,30 0,31 0,29 0,26 0,23 0,21 0,20
At (2) 0,53 0,55 0,57 0,53 0,50 0,43 0,38 0,38
Fuente: elaboración propia sobre la base de las encuestas de hogares de los respectivos países.
