evolución y análisis de la discriminación salarial por

EL TRIMESTRE ECONOacuteMICO vol LXXXVIII (1) nuacutem 349 enero-marzo de 2021 pp 39-75

39

Artiacuteculo recibido el 25 de agosto de 2019 y aceptado el 23 de junio de 2020 Se agradece a los revi-sores de El Trimestre Econoacutemico que me aconsejaron coacutemo enriquecer el trabajo y a Joseacute Luis Silva (acadeacutemico del Departamento de Ingenieriacutea Comercial Universidad de Atacama Chile) por su cons-tante apoyo en mis trabajos de investigacioacuten y la motivacioacuten para seguir adelante Los errores u omisio-nes son responsabilidad del autor

Felipe Salce Diacuteaz Universidad de Atacama Copiapoacute Chile (correo electroacutenico felipesalceudacl)

doi 1020430etev88i349984

Evolucioacuten y anaacutelisis de la discriminacioacuten salarial por geacutenero en Chile

Evolution and analysis of salary discrimination by gender in Chile

Felipe Salce Diacuteaz

AbstrAct

Discrimination in the labor market is an important issue in most countries of the world In such a context this paper uses nationally representative data from the 1990-2017 National Socio-Economic Characterization Survey to explore the gender wage gap and discrimination in Chile Different versions of the well-known decomposition of Blinder and Oaxaca are applied to measure the wage gap and to decompose its possible causes and the variables involved Finally wage estimates are corrected for selection bias and decomposition by income quantum is studied The results of the different methodologies show a decrease in wage discrimination when we look at the full 1990-2017 period but the decrease was mainly in the 1990-2003 period and then has remained relatively constant until 2017 Wage dis-crimination reached 497 in 2017 where 452 corresponded to womenrsquos sub- payments and 45 to menrsquos overpayments a structure that is maintained through-out the period studied On the other hand it shows that estimating uncorrected wage discrimination due to selection bias underestimates the wage discrimination suffered by women in Chile Finally it proves that a large part of wage discrimina-tion occurs mainly in the extremes of lower and higher income distribution This

EL TRIMESTRE ECONOacuteMICO 34940

work also adds evidence to the fact that women who are active in the labor market have more years of education than men but for reasons that classical theory cannot explain they obtain a lower wage

Keywords Gender discrimination wage differentials labor market discrimination gap decomposition Latin America Chile jel codes J16 J31 J70 J71

resumen

La discriminacioacuten en el mercado laboral es un tema importante en la mayoriacutea de los paiacuteses del mundo En tal contexto este trabajo usa datos representativos a nivel nacional de la Encuesta de Caracterizacioacuten Socioeconoacutemica Nacional en el periodo de 1990 a 2017 con el fin de explorar la brecha y la discriminacioacuten salarial por geacutenero en Chile Se aplican distintas versiones de la conocida descomposicioacuten de Blinder y Oaxaca para medir la brecha salarial y descomponer sus posibles causas y las variables involucradas Finalmente se corrigen las estimaciones de salarios por sesgo de seleccioacuten y se estudia la descomposicioacuten por cuantiles de ingreso Los resultados de las distintas metodologiacuteas muestran una disminucioacuten en la discrimi-nacioacuten salarial cuando observamos el periodo completo (1990-2017) la cual ocurrioacute principalmente entre 1990 y 2003 y tras ella la discriminacioacuten se ha mantenido re la-tivamente constante hasta 2017 La discriminacioacuten salarial llegoacute a ser de 497 en 2017 cuando 452 correspondioacute al subpago de las mujeres y 45 al sobre pago a los hombres estructura que se mantiene en todo el periodo estudiado Por otro lado se muestra que calcular la discriminacioacuten salarial sin corregir por sesgo de seleccioacuten subestima dicha discriminacioacuten que sufren las mujeres en Chile Finalmente se observa que gran parte de eacutesta se da principalmente en los extremos de menores y mayores ingresos de la distribucioacuten Este trabajo tambieacuten agrega evidencia al hecho de que las mujeres activas en el mercado laboral tienen maacutes antildeos de edu cacioacuten respecto de los hombres pero por motivos que la teoriacutea claacutesica no puede explicar obtienen un salario menor

Palabras clave discriminacioacuten por geacutenero diferencias de salario discriminacioacuten en el mercado de trabajo descomposicioacuten de brecha Ameacuterica Latina Chile Clasi-ficacioacuten jel J16 J31 J70 J71

Salce Evolucioacuten y anaacutelisis de la discriminacioacuten salarial por geacutenero en Chile 41

IntroduccIoacuten

El estudio de la determinacioacuten de los salarios es abundante en la bibliografiacutea sobre economiacutea laboral En general de acuerdo con la teoriacutea econoacutemica los salarios de las personas deberiacutean ser determinados uacutenicamente por su pro-ductividad (Becker 1964 Mincer 1974) Sin embargo no siempre es faacutecil establecer la productividad de cada trabajador Por otro lado existe una liacutenea de pensamiento que establece que los salarios son en realidad un reflejo del capital humano debido a un asunto de sentildealizacioacuten y no de su produc-tividad (Spence 1973)

Empiacutericamente se ha observado que existen razones adicionales a la pro-ductividad marginal y a la sentildealizacioacuten de por queacute los salarios difieren en el mercado laboral Entonces estas diferencias que no corresponden a las capa-cidades o la productividad de las personas nos indican que estamos en pre-sencia de discriminacioacuten salarial (Fuentes Palma y Montero 2015)

Si bien estudiar la desigualdad y la brecha salarial entre hombres y mujeres asiacute como realizar esfuerzos por disminuirlas mdashpuesto que ello tiene efectos positivos en la productividadmdash es importante para reducir la pobreza tam-bieacuten es necesario por respeto a los derechos y armoniacutea social (Organizacioacuten Internacional del Trabajo [oit] 2018) Por otro lado asimismo se tienen implicaciones econoacutemicas En particular la igualdad de geacutenero en educacioacuten y empleo contribuye al crecimiento econoacutemico y al des arrollo pero el efecto variacutea entre paiacuteses seguacuten su nivel de ingresos y la estructura de su economiacutea (Kabeer y Natali 2013) En el trabajo de Kabeer y Natali (2013 20) en cuanto a la igualdad salarial los autores llegan al siguiente resultado ldquoA medida que los paiacuteses ascienden en la cadena de valor y se desarrollan los mercados nacionales la lsquobrecha salarial oacuteptimarsquo deberiacutea comenzar a disminuir y conver-ger finalmente hacia cerordquo

Ademaacutes si el retorno esperado a la inversioacuten de capital humano (educa-cioacuten y experiencia entre otras variables relevantes) es menor para un grupo mdashen este caso las mujeresmdash cuando eacuteste decida cuaacutento invertir en su capital humano escogeraacute un nivel inferior al del resto lo cual en el largo plazo reduciraacute su capacidad de generar ingresos de forma autoacutenoma y ocasionaraacute un retraso importante en su propio desarrollo y el de la sociedad en su con-junto Esto constituye una barrera importante para la asignacioacuten eficiente de recursos dentro de una economiacutea (Fuentes et al 2015) Cabe destacar que la


discriminacioacuten como concepto puede surgir por diversas razones por ori-gen social etnia raza idiomas u otras En Chile el fenoacutemeno que ha llamado la atencioacuten en los uacuteltimos antildeos es la discriminacioacuten salarial por geacutenero la cual se estudia en este documento

En este trabajo se utilizan datos de la Encuesta de Caracterizacioacuten Socioeconoacutemica Nacional (Casen) para el periodo de 1990 a 2017 con el fin de explorar y cuantificar la brecha de geacutenero en los salarios por hora de los trabajadores ademaacutes de estudiar queacute parte de esta brecha corresponde a discriminacioacuten salarial mediante el meacutetodo original de descomposicioacuten de Blinder-Oaxaca asiacute como por medio de distintas versiones de esta metodo-logiacutea las cuales separan la brecha salarial en un componente asociado con dotaciones caracteriacutesticas o conocimientos (la parte explicada de la brecha salarial) y otro con coeficientes (la parte no explicada de la brecha salarial) que puede indicar discriminacioacuten Puesto que se usaraacuten ecuaciones de sala-rios es importante considerar que se estaraacute incurriendo en un sesgo de seleccioacuten ya que el grupo de la poblacioacuten que no trabaja y no recibe un salario no se considera en la estimacioacuten Para solucionar este problema se utilizaraacute el meacutetodo desarrollado por Heckman (1977) Finalmente se usa la metodologiacutea de Melly (2006) para estimar la descomposicioacuten de Blinder-Oaxaca pero por cuantil de ingreso y asiacute observar no soacutelo la discrimi-nacioacuten salarial en el valor promedio sino a lo largo de toda la distribucioacuten de ingresos Esto con el fin de responder una pregunta importante en la literatura del uacuteltimo tiempo sobre la discriminacioacuten salarial de geacutenero iquestlas mujeres enfrentan un ldquotecho de cristalrdquo o un ldquopiso pegajosordquo (Deshpande Goel y Khanna 2018)

Este trabajo contribuye a la literatura al mostrar la brecha salarial de Chile y queacute parte de eacutesta se puede explicar debido a discriminacioacuten salarial pura Este tema no habiacutea sido actualizado en la uacuteltima deacutecada mediante control por diferencias regionales y diferencias entre el aacutembito rural y urbano entre otras Ademaacutes se muestra la comparacioacuten de cuatro versiones distintas del modelo original de Blinder-Oaxaca con y sin correccioacuten por sesgo de seleccioacuten para mostrar sus diferencias y evaluar queacute tan sobresti-mada o subestimada estaacute la discriminacioacuten salarial cuando no corregimos este problema Finalmente este trabajo detalla un poco maacutes la brecha de geacutenero sin centrarse uacutenicamente en la brecha salarial sino tambieacuten en la brecha en el acceso al mercado del trabajo y en el nivel educativo ademaacutes de detallar con mayor precisioacuten sus componentes y consecuencias


Los resultados maacutes importantes de este trabajo muestran que la primera gran brecha de geacutenero se encuentra en la participacioacuten laboral la cual muestra que los hombres teniacutean 557 maacutes de participacioacuten laboral que las mujeres en 2017 (747 de los hombres frente a 48 de las mujeres) Si bien es una brecha muy alta es importante mencionar que ha disminuido considerable-mente en los uacuteltimos antildeos Por otro lado la brecha salarial siempre ha estado en favor de los hombres en Chile situaacutendose en 98 en 2017 En cuanto a los antildeos de educacioacuten se visualiza que es muy diferente cuando se observan las personas con empleo y las desempleadas Para 2017 los hombres con empleo teniacutean 89 antildeos menos de estudios que las mujeres con empleo En el caso de los desempleados para el mismo antildeo se observa que los hom-bres sin empleo teniacutean 43 maacutes antildeos de educacioacuten que las mujeres en una situacioacuten similar Esto indica que las mujeres requieren maacutes antildeos de educacioacuten que los hombres para obtener un empleo pero reciben un salario menor al de ellos Al corregir por sesgo de seleccioacuten se observa que la estimacioacuten de la discriminacioacuten salarial sin correccioacuten por este problema lo subestimaba en gran medida Se estima que la discriminacioacuten para 2017 alcanzoacute 497 que se puede separar en 45 relacionado con el favoritismo de los hombres y 452 relacionado con la discriminacioacuten pura contra las mujeres

En cuanto a una perspectiva histoacuterica hasta 2003 la discriminacioacuten sala-rial veniacutea disminuyendo casi ininterrumpidamente desde 1990 y para las investigaciones de esa eacutepoca era faacutecil pensar que la brecha seguiriacutea cayendo (Fuentes et al 2015) En este trabajo se muestra que tal conclusioacuten es errada puesto que entre 2003 y 2017 la discriminacioacuten salarial se estancoacute en Chile prueba de esto es que en 2017 se obtuvieron casi los mismos resul-tados que en 2003 (803 en 1990 526 en 2003 y 497 en 2017) Por otro lado en todo el periodo estudiado se observa que el mayor compo-nente de la brecha salarial es el subpago que reciben las mujeres tambieacuten llamado discriminacioacuten pura y en mucha menor medida el sobrepago asimismo llamado favoritismo que reciben los hombres

Finalmente este trabajo aunque de manera maacutes superficial muestra que casi toda la discriminacioacuten salarial se encuentra en los extremos maacutes pobres y maacutes ricos cuando separamos por cuantiles de ingreso Especiacuteficamente la discriminacioacuten estaacute presente principalmente en 10 de la poblacioacuten de menores y 10 de mayores ingresos Ademaacutes muestra que la variable maacutes relevante que compone la discriminacioacuten salarial es la experiencia laboral mientras que los antildeos de educacioacuten ayudan a disminuirla


El trabajo se organiza de la siguiente manera en la seccioacuten I se realiza una breve revisioacuten de la literatura la seccioacuten II explica las teacutecnicas de descompo-sicioacuten de las diferentes metodologiacuteas y coacutemo se corrige por sesgo de selec-cioacuten la seccioacuten III describe los datos y presenta estadiacutesticas descriptivas separadas por geacutenero y las brechas laboral y salarial presentes en Chile la seccioacuten IV contiene los resultados de las descomposiciones y finalmente en la seccioacuten V se concluye

I revIsIoacuten de lA lIterAturA

La literatura sobre la brecha y la discriminacioacuten salarial en Chile no es tan amplia como en otros paiacuteses maacutes desarrollados

En el contexto de las brechas salariales es importante mencionar que un factor relevante en temas de geacutenero es la carencia de poliacuteticas puacuteblicas que den soporte al trabajo familiar como guarderiacuteas o lugares puacuteblicos para el cuidado de adultos mayores El informe de la Organizacioacuten de las Naciones Unidas (onu 2018) muestra que un primer paso hacia la igualdad en este sentido son las leyes y las poliacuteticas Asiacute Bosch Garciacutea Manriacutequez y Valenzuela (2018) encuentran que un aumento de conciliacioacuten familiar usando como indicador el acceso a las guarderiacuteas facilitado por el gobierno tiene importantes efectos positivos en la participacioacuten laboral femenina e incluso incrementos en el pro-ducto interno bruto (pib) El informe de la oit (2018) muestra que el principal motivo de la brecha salarial es que las mujeres cuentan con mayor tasa de empleo parcial y empleos socialmente menos valorados

En Chile trabajos como el de Meller Valdeacutes y Lara (2011) analizaron la brecha salarial con una base de datos del Ministerio de Educacioacuten aunque solamente para profesionales y sin mayores detalles de descomposicioacuten En este trabajo los autores realizan una regresioacuten claacutesica de Mincer con la que usan una variable binaria para indicar el geacutenero de la persona y las claacutesicas variables de control y encuentran una brecha salarial de 22 en contra de la mujer

Por otro lado como se mencionoacute en la seccioacuten anterior la discrimina-cioacuten puede ser por motivos distintos a la diferencia de geacutenero e incluso en otros aspectos diferentes al salario ademaacutes es posible que no toda la brecha salarial se deba a la discriminacioacuten en el mercado laboral por lo cual es importante realizar una descomposicioacuten de dicha brecha si se quiere hablar seriamente de discriminacioacuten en este contexto En tal sentido Ferrada y


Montantildea (2014) usaron la encuesta Casen entre 1990 y 2009 y la descompo-sicioacuten original de Blinder-Oaxaca como metodologiacutea corrigiendo por sesgo de seleccioacuten Ellos 1) estudian la brecha salarial entre dos regiones de Chile la de Magallanes considerada ldquozona extremardquo (lo cual aumenta sus salarios mediante bonificaciones gubernamentales) y la Regioacuten Metropolitana (capital del paiacutes) y 2) comparan si la estructura de las brechas regionales de las mujeres es igual a las de los hombres Encuentran que hay una brecha en contra de las mujeres en Magallanes de 167 86 corresponde a las dife-rencias en dotacioacuten y 81 a las diferencias en rendimiento Para los hom-bres hay una brecha a favor en esta regioacuten de 13 ndash23 corresponde a las diferencias en dotacioacuten y 36 a las diferencias en rendimiento Otro trabajo importante en el contexto de Chile es el de Montero y Garceacutes (2009) en el cual los autores descomponen la brecha salarial en contra de la pobla-cioacuten indiacutegena con datos de la encuesta Casen entre 1996 y 2006 la meto-dologiacutea de Blinder-Oaxaca y versiones posteriores corrigiendo por sesgo de seleccioacuten Encuentran que en el periodo estudiado la discriminacioacuten total sufrida por la poblacioacuten indiacutegena ha pasado de 15 en 1996 a 125 en 2006 y que el mayor componente se encuentra en la discriminacioacuten pura Siguiendo esta misma idea Zapata y Cid (2009) estudian la brecha salarial y la discriminacioacuten de salarios especiacuteficamente en contra de la etnia mapuche en Chile mediante la metodologiacutea de Blinder-Oaxaca tambieacuten corrigiendo por sesgo de seleccioacuten y usando la Casen entre 2000 y 2006 como fuente de datos Ellos encuentran que existe discriminacioacuten salarial para hombres de esta etnia la cual no aumentoacute en el periodo estudiado pero no se en-cuentran resultados significativos para mujeres

Si nos centramos en el estudio y la descomposicioacuten de la brecha salarial entre hombres y mujeres en Chile Fuentes et al (2015) realizan un tra-bajo similar a eacuteste solamente con el modelo original de Blinder-Oaxaca y el trabajo de Oaxaca y Ransom (1994) que incorpora la correccioacuten por sesgo de seleccioacuten Los autores tambieacuten usan los datos de la encuesta Casen pero uacutenicamente de 1990 a 2003 Hasta ese antildeo se encuentran resultados consistentes con este trabajo Ellos concluyeron que la dismi-nucioacuten salarial se daba desde 1990 En este trabajo al actualizar la infor-macioacuten hasta la encuesta de 2017 se muestra que la discriminacioacuten salarial no continuoacute cayendo luego de 2003 sino que se estancoacute en estos niveles es decir en Chile en 2017 eacutesta es aproximadamente la misma que habiacutea en 2003


Perticaraacute y Astudillo (2010) agregan la metodologiacutea de descomposiciones por cuantiles de ingreso tambieacuten para el caso chileno pero estiman la bre-cha salarial de Chile de 2002 a 2006 con la Encuesta Nacional de Proteccioacuten Social de Chile en lugar de la Casen Los autores encuentran que el efecto de las caracteriacutesticas en la brecha (su parte explicada) es muy pequentildeo y estadiacutesticamente no significativo hasta la mediana donde se hace favorable a las mujeres y crece de forma constante hasta llegar a alrededor de 12 en el percentil 90 Por otro lado el efecto de los coeficientes (la parte no ex pli-cada) es siempre en favor de los hombres en toda la distribucioacuten sin encon-trar un ldquotechordquo para este efecto Por uacuteltimo muestran que las mayo res brechas se hallan entre los trabajadores del comercio y los agriacutecolas calificados

En el contexto de Ameacuterica Latina para la descomposicioacuten por cuantiles Arceo-Goacutemez y Campos-Vaacutezquez (2014) estudian la descomposicioacuten de la brecha salarial para Meacutexico de 1990 a 2010 mediante datos censales Los autores se centran principalmente en la descomposicioacuten por cuantiles de ingreso controlando por sesgo de seleccioacuten y muestran las diferencias entre los cuantiles altos y bajos en aacutereas urbanas y rurales Concluyen que la brecha salarial ha disminuido para el periodo estudiado usando la correc-cioacuten pero esta disminucioacuten se centra en la parte alta de la distribucioacuten de ingresos y no en la baja Encuentran evidencia de un ldquopiso pegajosordquo en las personas con baja escolaridad y un efecto ldquotecho de cristalrdquo en la parte alta de la distribucioacuten salarial las mismas personas que tienen alta escolaridad Para Ecuador en 2010 Anglade Useche y Deere (2017) estiman la brecha de riqueza por cuantiles entre hombres y mujeres Encuentran que en los pri-meros cuantiles la brecha de geacutenero se asocia principalmente con diferentes rendimientos de las covariables en cambio en los cuantiles medios y supe-riores las diferencias de geacutenero se centran en las dotaciones propiedad de las cuentas de ahorro educacioacuten y edad Finalmente Yahmed (2018) estudia coacutemo la brecha salarial por geacutenero difiere entre trabajadores formales e informales para las zonas urbanas de Brasil en 2015 Con las metodologiacuteas de descomposicioacuten de brechas salariales al corregir por sesgo de seleccioacuten encuentra que las brechas salariales para ambos grupos trabajadores forma-les e informales es de 76 y 5 respectivamente Ademaacutes separa su estudio por nivel educativo primario o menos secundario y terciario Encontroacute que las mujeres con empleo tienen menores caracteriacutesticas observables mdashpor ejemplo nivel de estudiosmdash que los hombres con empleo Luego de


controlar por las caracteriacutesticas observables la brecha aumenta a 242 en el empleo formal y a 207 en el informal

II metodologiacuteA

1 La descomposicioacuten de Blinder-Oaxaca y sus extensiones

La descomposicioacuten de Blinder-Oaxaca claacutesica (B-O de ahora en adelante) propuesta originalmente por Blinder (1973) y Oaxaca (1973) descompone la diferencia de la media aritmeacutetica del logaritmo de los salarios en dos gru-pos en este caso hombres y mujeres

Esta descomposicioacuten utiliza una regresioacuten semilogariacutetmica separada en ambos grupos

ln(wsi) = Xsi βs + μsi (1)

donde s isin H M (hombre o mujer respectivamente) wsi es el salario de la persona i en el grupo s X es el vector de los distintos controles (educacioacuten experiencia laboral etc) y βs es el vector de coeficientes del grupo s Como es costumbre asumimos E(μsi | Xsi) = 0 con una varianza σsμ Dado esto pode-mos obtener la regresioacuten muestral

ln(ws)=Xs βs (2)

Finalmente la brecha salarial se puede expresar como

ln(wH)minusln(wM)=XH βH minusXM βM (3)

Una simple operacioacuten matemaacutetica aplicada en el lado derecho de la ecua-cioacuten (3)1 nos lleva a la descomposicioacuten de Oaxaca-Blinder

ln(wH)minusln(wM)=(XHminusXM) βH +(βH minus βM) XM (4)

Podemos explicar esta ecuacioacuten de la siguiente forma

1 Sumar y restar XM βH


ln(w) = XβH+ β XM

Brecha salarial Explicado No explicado

∆∆ ∆(5)

donde el teacutermino del lado izquierdo es la diferencia total en el salario que surge de las diferentes caracteriacutesticas y los rendimientos por estas caracteriacutes-ticas que recibe cada grupo2

En este modelo 1) la parte explicada el primer teacutermino del lado derecho de la ecuacioacuten (5) representa la diferencia en el logaritmo de los salarios que se debe a los diferentes niveles de caracteriacutesticas de ambos grupos 2) la parte no explicada el segundo teacutermino del lado derecho de la ecuacioacuten (5) se debe a la diferencia en los coeficientes y se asocia con discriminacioacuten ya que con-duce a una diferencia salarial entre ambos grupos incluso si ambos poseen exactamente las mismas caracteriacutesticas en promedio (Deshpande et al 2018)

Despueacutes de la descomposicioacuten B-O Masters (1974) mostroacute una extensioacuten de eacutesta nuevamente partiendo de la ecuacioacuten (3)3 se puede llegar a su descomposicioacuten4

βln(w) = XβM+ β XM + XBrecha salarial Explicado No explicado Interaccioacuten

∆∆ ∆ ∆ ∆(6)

donde un signo positivo en el coeficiente de interaccioacuten indica que los retor-nos de los hombres tienden a ser mayores para aquellas caracteriacutesticas para las cuales eacutestos tienen medias maacutes altas y viceversa

Volviendo al modelo general de la descomposicioacuten B-O expresado en la ecuacioacuten (5) podemos generalizarlo de la siguiente manera

ln(w) = XH(βH minus β) + XM( βMminusβ)+ Xβ∆ ∆ (7)

donde β es el vector de coeficientes estimado para una estructura salarial libre de discriminacioacuten es decir que incluye a hombres y mujeres

β =Ω βH+(IminusΩ)βM(8)

expresioacuten en la cual I representa la matriz identidad y Ω una matriz diago-nal de ponderaciones Es faacutecil notar que en el modelo B-O inicial Ω = I y asiacute

2 El siacutemil de este modelo es ln(w)= XβM + β XH∆ ∆ ∆

XβM + β XH

3 Sumar y restar XM βH +XH β M+XM βM

XM βH +XH β M+XM βH

en el lado derecho4 Usada por ejemplo en Bloch y Smith (1977) Daymont y Andrisani (1984) y Kiefer y Smith (1977)


el primer teacutermino del lado derecho de la ecuacioacuten (7) desaparece (o en su siacutemil cuando Ω = 0 desaparece el segundo teacutermino del lado derecho de la ecuacioacuten [7])

El modelo de Reimers (1983) usa Ω = 05 mientras que el modelo de Cotton (1988) elige Ω = cI donde c denota el tamantildeo relativo en la muestra del grupo mayoritario Posteriormente Neumark (1988) y Oaxaca y Ran-som (1994) asumen que la estructura salarial en ausencia de discriminacioacuten corresponde a los coeficientes estimados con la muestra completa es decir obtienen β de la estimacioacuten en la muestra con hombres y mujeres En estos uacuteltimos modelos no se elimina ninguacuten teacutermino en la ecuacioacuten (7)

Podemos interpretar el lado derecho de la ecuacioacuten (7) de la siguiente manera 1) el primer teacutermino del lado derecho corresponde al sobrepago salarial de los hombres favoritismo 2) el segundo teacutermino representa el subpago salarial de las mujeres discriminacioacuten pura 3) finalmente el uacuteltimo teacutermino denota las diferencias en caracteriacutesticas tambieacuten llamadas diferen-cias de dotacioacuten o productividad (Oaxaca y Ransom 1994)

2 Correccioacuten por sesgo de seleccioacuten

A pesar de la evolucioacuten que ha tenido la descomposicioacuten B-O en el tiempo eacutesta no es ajena a problemas economeacutetricos Al estimar cualquier ecuacioacuten de salarios se estaacute incurriendo en un sesgo de seleccioacuten ya que la muestra utilizada debido a su naturaleza se encuentra uacutenicamente construida con personas que estaacuten trabajando en el momento de la recoleccioacuten de datos

La solucioacuten para este problema fue dada por Heckman (1977) y consiste en estimar un modelo probit previo para calcular la probabilidad de estar trabajando luego de dicha estimacioacuten se calcula la inversa del ratio de Mills la cual se incluye en la regresioacuten de salarios original Esta correccioacuten es incluida por Reimers (1983) y Oaxaca y Ransom (1994)5

Se estima un modelo de probabilidad de participacioacuten laboral separado por grupo

Psi = Hsiγs + εsi (9)

donde Psi es una variable latente asociada con la decisioacuten de participacioacuten de

la persona i del grupo s H representa los distintos controles (edad educa-5 Ademaacutes eacutesta es la metodologiacutea usada por los trabajos de la seccioacuten I cuando corrigen por sesgo de

seleccioacuten


cioacuten etc) y γs es el vector de coeficientes del grupo s ademaacutes HsubX Finalmente y al igual que usi E(εsi | Hsi) = 0 con una varianza σsε

Con esto

E(ln(wsi)|Psigt0) = Xsi βs+E ( μsi|εsi gt minusHsiγs)

E(ln(wsi)|Psigt0) = Xsi βs +θs λsi(10)

donde θs = ρsdegσsμ con ρs la covarianza entre σsμ y σsε y λsi la inversa del ratio de Mills que se define de la siguiente manera

λsi =φ(Hsi γs)φ(Hsi γs)


Φ (11)

donde φ(∙) es la funcioacuten de densidad normal estaacutendar y Φ(∙) la funcioacuten de distribucioacuten acumulada normal estaacutendar

Finalmente se llega a la descomposicioacuten de la brecha salarial

∆ln(w) = XH ( βHminusβ ) + XM ( βM minusβ ) + ∆Xβ + (θH λHminusθM λM) (12)

donde el uacuteltimo teacutermino del lado derecho de la ecuacioacuten (12) corresponde a la correccioacuten que se debe hacer por la presencia de sesgo de seleccioacuten

3 Meacutetodo de descomposicioacuten por cuantiles

Las metodologiacuteas de regresioacuten por cuantil (qr de ahora en adelante) son otro tipo extensioacuten de la descomposicioacuten B-O claacutesica en este caso aplicada a los distintos cuantiles de ingreso En este trabajo se usa el refinamiento que hace Melly (2006) a la metodologiacutea de Machado y Mata (2005) (mmm de ahora en adelante)6

La metodologiacutea qr supone que la variable dependiente (logaritmo de los salarios) del cuantil α es lineal en las variables X Entonces la distribucioacuten condicional del cuantil α viene dada por

Qα(ln(wsi)|Xsi) = Xsi βsαα isin (01) (13)

donde el estimador de βsα se obtiene mediante el siguiente problema

6 Este trabajo utiliza el comando propuesto por Chernozhukov Fernaacutendez-Val y Melly (2013)

Salce Evolucioacuten y anaacutelisis de la discriminacioacuten salarial por geacutenero en Chile 51In(ws)=Xs βs

min 1n

ni=1sum δα (ln(wsi)minusXsiβsα) (14)

donde

In(ws)=Xs βs

min 1n

ni=1sum

δα =αmiddotmicro ge 0(1minusα)middotmicro lt 0 (15)

Las regresiones por cuantil nos permiten estimar al igual que la descom-posicioacuten B-O el efecto marginal de las variables que afectan al salario pero en este caso por cada cuantil de ingreso

Finalmente tenemos la descomposicioacuten de los salarios similar a la des-composicioacuten B-O pero esta vez para cada cuantil de ingreso

QH (α) minus QM (α) =[QH (α) minus Qc f (α)]+[Qc f (α)minusQM (α)]

Coecientes Caracteriacutesticas

(16)

Donde QS (α)α

Qc f (α)

es el logaritmo natural de los salarios del cuantil α del grupo s y

QS (α)α

Qc f (α) es el cuantil α contrafactual estimado del logaritmo natural de los salarios para hombres con los coeficientes de las mujeres (el siacutemil en la des-composicioacuten B-O seriacutea In(w) = XH βM )

Es importante hacer notar que esta metodologiacutea se basa en la descompo-sicioacuten B-O original y no en sus versiones maacutes detalladas Ademaacutes este meacutetodo no corrige por sesgo de seleccioacuten mostrado en la seccioacuten anterior Como solucioacuten a este problema con base en Buchinsky (2001) se ha agre-gado la inversa del ratio de Mills al vector X previamente calculado con el modelo de probabilidad de participacioacuten laboral Esto es una aproximacioacuten a la correccioacuten por sesgo de seleccioacuten propuesta por Heckman (1977)

III dAtos y estAdiacutestIcAs descrIptIvAs

En este trabajo se han utilizado datos chilenos de la encuesta Casen desde 1990 hasta 2017 con intervalos de dos o tres antildeos entre cada encuesta7 La Casen provee entre mucha otra informacioacuten relevante para otras aacutereas datos de ingresos totales ingresos autoacutenomos e ingresos por el trabajo prin-

7 Se han utilizado todas las encuestas realizadas hasta 2017 eacutestas corresponden a los antildeos 1990 1992 1994 1996 1998 2000 2003 2006 2009 2011 2013 2015 y 2017

αμ μ ge 0(1minusα) μ lt 0


cipal de los individuos asiacute como las horas trabajadas en dicho empleo edu-cacioacuten estado civil geacutenero etc Nosotros usaremos los ingresos por hora uacutenicamente de la ocupacioacuten principal y el logaritmo de eacutestos asiacute como datos de educacioacuten edad geacutenero entre otros controles8

Como una manera de trabajar con una poblacioacuten homogeacutenea se decidioacute incluir solamente a hombres de entre 18 y 64 antildeos de edad y mujeres de entre 18 y 59 antildeos9 trabajadores dependientes que se encuentran en la cate-goriacutea de empleados y obreros puacuteblicos o privados con jornada completa10 Ademaacutes se considera a las personas en dicho rango de edad que estaacuten sin empleo para corregir por sesgo de seleccioacuten

Para la experiencia laboral eacutesta se ha conformado de la manera usual es decir la experiencia laboral de una persona se construye como la experiencia laboral potencial la edad de la persona menos los antildeos de educacioacuten menos seis11 Heckman (1977) propone restarle a esta variable una unidad por cada hijo para el caso de las mujeres A pesar de estar de acuerdo con este criterio no se ha procedido de esta manera en el presente trabajo debido a que no se tiene informacioacuten de los hijos para todos los antildeos de la base de datos

Otros trabajos critican abiertamente el supuesto de usar la experiencia laboral potencial ya que diverge mucho de la experiencia laboral efectiva sobre todo en grupos afectados por discriminacioacuten afrodescendientes muje-res inmigrantes etc Esto se debe a que la experiencia laboral como factor limitante y discriminatorio estaacute muy condicionada a las interrupciones que tienen las mujeres en su vida laboral (Perticaraacute y Astudillo 2010) En Chile la uacutenica fuente de informacioacuten capaz de calcular una experiencia laboral efectiva con mayor certeza es la Encuesta de Proteccioacuten Social pero con una muestra mucho menor a la de la Casen y solamente disponible de 2002 a 2015

Por uacuteltimo los ingresos de la ocupacioacuten principal por hora trabajada (que de ahora en adelante llamaremos salarios por hora) se han pasado a pesos chilenos de 2017 mediante datos del Iacutendice de Precios al Consumidor (ipc) de Chile y tambieacuten se ocupa la Tasa de Desempleo Regional de cada antildeo12 En el cuadro 1 se muestran estadiacutesticas descriptivas de las variables maacutes rele-

8 Nuacutemero de nintildeos menores de seis antildeos en el hogar nuacutemero de nintildeos de entre siete y 17 antildeos en el hogar y variables binarias como si es zona sur o norte del paiacutes si se es jefe de hogar y si la zona es rural o urbana

9 Esto considerando que seguacuten la legislacioacuten actual en Chile la mujer se jubila a los 60 antildeos y el hombre a los 65 antildeos

10 Al menos 40 horas trabajadas a la semana y no maacutes de 84 horas por la presencia de valores atiacutepicos11 Edad en la que se ingresa a la educacioacuten formal en Chile12 Fuente Banco Central de Chile


vantes en este estudio y las usadas posteriormente en las estimaciones para 2017 por geacutenero y por situacioacuten de empleo ademaacutes de la brecha porcentual entre hombres y mujeres13

El cuadro 1 muestra para 2017 una gran brecha en favor de las mujeres en cuanto a antildeos de educacioacuten para la poblacioacuten empleada pero esta brecha casi desaparece en la poblacioacuten sin trabajo Por otro lado los hombres pre-sentan una gran ventaja en variables relevantes como los antildeos de experiencia laboral los salarios y la condicioacuten de ser jefe de hogar

Finalmente se presentan estadiacutesticas descriptivas de las variables maacutes relevantes en este estudio a lo largo del periodo estudiado la participacioacuten laboral los salarios por hora el nivel de educacioacuten y el nivel de experien-cia laboral

13 La brecha porcentual fue calculada como (xHxM ndash 1) middot 100

Cuadro 1 Estadiacutesticas descriptivas de variables relevantes 2017a

Con empleo Sin empleo

Mujeres Hombres Brecha Mujeres Hombres Brecha

Antildeos de educacioacuten 134 122 ndash89 116 121 43

Experiencia laboral 188 221 173 187 14 ndash25

Salario por hora $2 940 $3 229 98

Soltero 393 308 ndash217 406 744 832

Casado 253 381 507 338 132 ndash611

Zona sur 317 339 68 39 375 ndash39

Zona norte 202 212 49 249 246 ndash11

Zona rural 8 117 463 15 113 ndash242

Nintildeos menores de 6 antildeos 03 03 ndash3 04 02 ndash575


Jefe de hogar 363 555 527 163 188 153

Ingreso familiar per caacutepita $246 259 $187 931 ndash237 $224 918 $238 678 61

a Salarios por hora en pesos chilenos de 2017 Nintildeos menores de 18 antildeos son tambieacuten mayores de seis antildeos El ingreso familiar per caacutepita no considera el ingreso de la persona en caso de estar trabajando medido en pesos chilenos de 2017

Fuente elaboracioacuten propia con base en datos de la Casen


1 Participacioacuten en la fuerza laboral

En la graacutefica 1 se puede observar la evolucioacuten de la participacioacuten laboral por geacutenero y la brecha que deja eacutesta Si bien la brecha ha disminuido considera-blemente situaacutendose en una tercera parte de lo que era hasta hace 27 antildeos auacuten la cifra es alta llegoacute a 55 en 201714

Entre 1990 y 2017 la tasa de participacioacuten laboral de las mujeres ha aumentado dramaacuteticamente de 304 en 1990 a 48 en 2017 Mientras tanto la de los hombres ha tenido una leve caiacuteda en dicho periodo de 762 en 1990 a 747 en 2017 como muestra la graacutefica 1a

Si calculamos la brecha en la participacioacuten laboral en todos los antildeos estaacute en favor de los hombres pero ha caiacutedo draacutesticamente en los uacuteltimos de 1508 en 1990 a 557 en 2017 como se observa en la graacutefica 1b15

Seguacuten el estudio de la Comisioacuten Econoacutemica para Ameacuterica Latina y el Caribe (cepal 2019) la participacioacuten laboral en personas de 15 antildeos o maacutes representoacute una brecha de 259 puntos porcentuales (pp) en promedio en

14 Para las estimaciones de participacioacuten laboral se ha usado toda la muestra de trabajadores es decir dependientes independientes y fuerzas armadas incluidas que declararon trabajar en tiempo completo dentro del rango de edad mencionado Se ha calculado como la divisioacuten de las personas de la muestra que estaacuten trabajando entre el total de personas en la muestra de cada antildeo

15 Se ha realizado el mismo procedimiento con trabajadores de cualquier tipo de jornada en edad de trabajar y los resultados son similares alcanzan una brecha de 1198 en 1990 y de 382 en 2017

Graacutefica 1 Evolucioacuten de la participacioacuten laboral 1990-2017

a) Evolucioacuten de la participacioacuten laboral por geacutenero b) Evolucioacuten de la brecha en la participacioacuten laboral

Mujeres Hombres

80

60

40

201990 1999 2008 2017

150

100

501990 1999 2008 2017



Ameacuterica Latina en favor de los hombres (equivalente a una brecha de 499) en 2018 En Ameacuterica Latina y el Caribe esta brecha es liderada por Guatemala (45 pp) Meacutexico (34 pp) y Honduras (333 pp) mientras que Chile apenas supera 20 pp pero auacuten estaacute lejos de los uacuteltimos lugares en este aacutembito (Peruacute Uruguay y Bolivia con valores en torno a 15 pp)

2 Salarios por hora

En la graacutefica 2 se observan la evolucioacuten en los salarios por hora por geacutenero y la brecha de eacutesta Se muestra que si bien ambos salarios han crecido en el tiempo el de los hombres en promedio siempre ha estado sobre el de las mujeres16

Entre 1990 y 2017 los salarios por hora de hombres y mujeres han aumen-tado considerablemente En el caso de las mujeres eacutestos pasaron de $1 270 en 1990 a $2 940 en 2017 Por otro lado para los hombres aumentaron de $1 459 en 1990 a $3 229 en 2017 como muestra la graacutefica 2a

La graacutefica 2b demuestra que la brecha salarial entre hombres y mujeres es bastante variable entre 6 y 16 de 1990 a 2017 cuando alcanza un valor de 98 por ciento

16 Solamente se han considerado las personas que trabajan y se usan en las regresiones posteriores y por ende se encuentran trabajando en tiempo completo en la categoriacutea de obrero en el rango de edad mencionado

Graacutefica 2 Evolucioacuten de los salarios por hora en pesos chilenos de 2017 (1990-2017)

a) Evolucioacuten de los salarios por hora por geacutenero b) Evolucioacuten de la brecha en los salarios

1990 1999 2008 2017

Mujeres Hombres

$4000

$2500

$10001990 1999 2008 2017

16

11

6



3 Antildeos de educacioacuten y de experiencia laboral

Finalmente en la graacutefica 3 se muestra la evolucioacuten de las dos variables maacutes relevantes cuando se estima una ecuacioacuten de salarios estilo Mincer (1974) los antildeos de educacioacuten y los antildeos de experiencia laboral17

17 Solamente se han tomado datos de las personas que trabajan y se usan en las regresiones posteriores y por ende se encuentran trabajando en tiempo completo en la categoriacutea de obrero en el rango de edad mencionado

Graacutefica 3 Evolucioacuten de los antildeos de educacioacuten y los antildeos de experiencia laboral 1990-2017

a) Evolucioacuten en los antildeos de educacioacuten por geacutenero y por situacioacuten de empleo

b) Evolucioacuten de la brecha en los antildeos de educacioacuten por situacioacuten de empleo

14

11

8

Mujeres con empleoMujeres sin empleo

Hombres con empleoHombres sin empleo



1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017

Brecha de empleadosBrecha de desempleados

1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017

c) Evolucioacuten en los antildeos de experiencia laboral por geacutenero y por situacioacuten de empleo

d) Evolucioacuten de la brecha en los antildeos de experiencia laboral por situacioacuten de empleo

14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017



En la graacutefica 3a se muestra la evolucioacuten de los antildeos de educacioacuten por geacutenero y por situacioacuten de empleo cuando se observa un aumento sostenido tanto para hombres como para mujeres con y sin empleo Sin embargo quizaacute lo maacutes relevante es que para todo el periodo entre 1990 y 2017 las mujeres empleadas en promedio presentan maacutes antildeos de educacioacuten que los hombres desempleados y empleados lo cual va en contra de la teoriacutea de Mincer considerando que los hombres obtienen un mayor salario que las mujeres como se mostroacute en el cuadro 1

Ademaacutes se observa que no hay diferencias significativas en hombres empleados y desempleados salvo en los uacuteltimos antildeos Si bien la brecha por geacutenero en antildeos educacioacuten para personas tanto empleadas como desemndashpleadas ha disminuido en las uacuteltimas deacutecadas mdashcomo se muestra en la graacute-fica 3bmdash auacuten en 2017 se observa que los hombres con empleo tienen estudios inferiores a las mujeres con empleo en 89 mientras que los hombres desempleados tienen estudios superiores a las mujeres desemplea-das en 43 por ciento

Por otro lado en la graacutefica 3c se muestra la evolucioacuten de los antildeos de expe-riencia laboral potencial por geacutenero y por situacioacuten de empleo se observa un ligero aumento en el tiempo de la experiencia de las personas empleadas y una leve disminucioacuten de las personas desempleadas hasta 2017 Finalmente en la graacutefica 3d se muestra que los hombres empleados tienen entre 20 y 30 maacutes experiencia laboral que las mujeres empleadas En cambio los hombres desempleados tienen entre 10 y 30 menos experiencia laboral que las mujeres desempleadas hasta 2017

Iv resultAdos

En esta seccioacuten se muestran los resultados de las principales estimaciones de las metodologiacuteas de descomposicioacuten de la brecha salarial propuestas en la seccioacuten II Ademaacutes se mostraraacuten los resultados de estimaciones de la proba-bilidad de observar salarios positivos (probabilidad de estar trabajando) y estimaciones de salarios con y sin correccioacuten por sesgo de seleccioacuten para 2017 Luego se mostraraacuten los resultados de las estimaciones de descompo-sicioacuten para todo el periodo entre 1990 y 2017 con el fin de observar la evo-lucioacuten de la brecha salarial y la posible discriminacioacuten en Chile Finalmente se presentaraacuten los resultados de las descomposiciones por cuantil


1 Modelo probit

En este apartado especiacuteficamente en el cuadro 2 se muestran los resultados de la estimacioacuten de probabilidad de estar trabajando para 201718

Como se muestra en el cuadro 2 los signos de los coeficientes se mantie-nen en la mayoriacutea de las variables cuando observamos las estimaciones sepa-radas por hombres mujeres y la muestra completa Los resultados maacutes interesantes muestran que un antildeo maacutes de educacioacuten beneficia mucho maacutes a las mujeres que a los hombres en la posibilidad de tener un empleo De la misma manera el desempleo regional afecta mucho maacutes a las mujeres que a los hombres al igual que pertenecer a la zona sur o la zona norte del paiacutes19 Tambieacuten tener nintildeos pequentildeos en el hogar afecta negativamente a la mujer mientras que el hombre trabaja maacutes cuando hay nintildeos presentes Por uacuteltimo ser divorciada o soltera afecta positivamente a las mujeres y negativamente a los hombres en las posibilidades de estar trabajando20

2 Regresiones de salarios

En este apartado se muestran los resultados de las estimaciones de salarios para 2017 se distingue entre mujeres y hombres y al mismo tiempo se comparan la estimacioacuten sin correccioacuten por sesgo de seleccioacuten y la estima-cioacuten cuando se corrige por este meacutetodo con la metodologiacutea propuesta en la seccioacuten II para 201721

Como muestran los cuadros 3 y 4 no hay gran variacioacuten en los signos ni en la magnitud de los coeficientes cuando observamos a mujeres y hombres e incluso cuando observamos regresiones sin la inversa del ratio de Mills y luego agregando esta variable

La mayor diferencia se observa en las variables binarias de zona norte y zona sur del paiacutes donde para 2017 al antildeadir la inversa del ratio de Mills pertenecer a la zona norte reduce en promedio el salario de los hombres en 49 y el de las mujeres en 131 En la zona sur se reduce el salario de los hombres en 116 y el de las mujeres en 197 por ciento

18 Esta estimacioacuten mantiene los signos de los coeficientes y su significancia para todos los antildeos estudiados19 En comparacioacuten con la zona central y capital de Chile (Regioacuten Metropolitana)20 Variable binaria que incluye a divorciados separados y viudos21 Esta estimacioacuten mantiene los signos de los coeficientes y su significancia para todos los antildeos estu-

diados ademaacutes de magnitudes similares a lo largo del tiempo

Cuadro 2 Estimacioacuten de probabilidad de observar salarios positivos 2017a

Variables(1) (2) (3)

Hombres Mujeres Muestra completa

Ingreso familiar per caacutepita ndash001 ndash001 ndash001

(000) (000) (000)

Nintildeos menores de 6 antildeos 012 ndash008 ndash002

(002) (002) (001)

Nintildeos menores de 18 antildeos ndash005 ndash008 ndash008

(001) (001) (001)

Jefe de hogar 048 053 082

(003) (003) (002)

Divorciado ndash032 018 ndash019

(004) (003) (002)

Soltero ndash065 020 ndash009

(003) (003) (002)

Desempleo regional ndash429 ndash558 ndash443

(084) (073) (053)

Antildeos de educacioacuten 002 010 006

(000) (000) (000)

Antildeos de experiencia 010 010 008

(000) (000) (000)

Antildeos de experiencia2 ndash020 ndash021 ndash015

(001) (001) (000)

Zona rural 012 ndash012 ndash002

(003) (003) (002)

Zona norte ndash020 ndash026 ndash024

(003) (003) (002)

Zona sur ndash022 ndash024 ndash024

(003) (003) (002)

Constante 026 ndash177 ndash080

(009) (008) (006)

Observaciones 44 856 47 208 92 064

a Nintildeos menores de 18 antildeos son tambieacuten mayores de seis antildeos El ingreso familiar per caacutepita no considera el ingreso de la persona en caso de estar trabajando medido en cientos de miles de pesos chilenos de 2017 Errores estaacutendar robustos en pareacutentesis p lt 001 p lt 005 p lt 01



3 Descomposiciones

En esta seccioacuten se muestran los resultados de las descomposiciones de brecha salarial para 2017 mediante las cuatro metodologiacuteas propuestas con base en Blinder (1973) y Oaxaca (1973) 1) descomposicioacuten de Masters (1974) 2) descom posicioacuten de Reimers (1983) 3) descomposicioacuten de Cotton (1988) y 4) descomposicioacuten de Oaxaca y Ransom (1994) En todos los casos

Cuadro 3 Estimacioacuten de salarios sin correccioacuten por sesgo de seleccioacuten 2017a




(043) (045) (039)


(000) (000) (000)

Experiencia laboral 002 001 002

(000) (000) (000)

Experiencia laboral2 ndash002 ndash001 ndash001

(000) (000) (000)

Zona rural ndash001 ndash000 000

(001) (002) (001)


(001) (002) (001)


(001) (002) (001)

Constante 625 605 621

(005) (005) (004)

Observaciones 31 134 19 166 50 300

R-squared 036 038 035

a Al ser un modelo semilogariacutetmico el efecto marginal del coeficiente seraacute exp(β) ndash 1 Errores estaacuten-dar en pareacutentesis p lt 001 p lt 005 p lt 01



se ha estimado sin correccioacuten por error de seleccioacuten y corrigiendo por este problema22

Como muestran los cuadros 5 y 6 el logaritmo natural de los salarios por hora promedio de los hombres alcanza 781 (2 465 pesos chilenos de 2017)

22 En la seccioacuten siguiente se muestran los resultados para el total del periodo estudiado aunque las magnitudes de los coeficientes cambian su signo y su nivel de significancia no lo hacen

Cuadro 4 Estimacioacuten de salarios con correccioacuten por sesgo de seleccioacuten 2017a




(043) (046) (039)


(000) (000) (000)


(000) (000) (000)

Experiencia laboral2 002 ndash004 002

(000) (001) (000)

Zona rural ndash003 ndash003 ndash000

(001) (002) (001)


(001) (002) (001)


(001) (002) (001)

Mills ndash035 018 ndash028

(002) (003) (001)


(005) (008) (004)

Observaciones 31 134 19 166 50 300

R-squared 037 038 036

a Mills es la inversa del ratio de Mills Al ser un modelo semilogariacutetmico el efecto marginal del coeficiente seraacute exp(β) ndash 1 Errores estaacutendar en pareacutentesis p lt 001 p lt 005 p lt 01



mientras que el de las mujeres solamente llega a 775 (2 327 pesos chilenos de 2017) para 2017 Esto genera una brecha de 59 pero en el momento de corregir por sesgo de seleccioacuten se observa que la diferencia ajustada alcanza 377 por ciento

En todos los modelos se observa que el coeficiente asociado con conoci-mientos (tambieacuten llamado productividad y dotaciones) tiene signo negativo de aproximadamente ndash10 Es decir al tener las mujeres mejores caracteriacutes-ticas (por ejemplo mayor educacioacuten) la brecha salarial se ve disminuida

Cuadro 5 Estimacioacuten de descomposiciones sin correccioacuten por sesgo de seleccioacuten 2017a

Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)

Oaxaca y Ransom (1994)

Prediccioacuten hombres 781 781 781 781

(001) (001) (001) (001)

Prediccioacuten mujeres 775 775 775 775

(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)

Interaccioacuten 002

(000)

Productividad ndash012 ndash011 ndash011

(001) (001) (001)

Favoritismo 009 007 006

(000) (000) (000)

Discriminacioacuten pura 008 010 010

(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300

a Al ser un modelo con variable dependiente logariacutetmica los coeficientes deben ser transformados usando la funcioacuten exponencial para obtener los salarios reales y las brechas porcentuales Errores estaacutendar en pareacutentesis p lt 001 p lt 005 p lt 01



Esto implica que si las mujeres tuvieran las mismas caracteriacutesticas que los hombres (mismo nivel educativo por ejemplo) recibiriacutean un salario auacuten menor al que reciben actualmente

Por otro lado en el modelo de Masters (1974) se puede observar que el efecto de la interaccioacuten es bastante bajo en comparacioacuten con el efecto de los coeficientes (que puede ser leiacutedo como la discriminacioacuten salarial en este

Cuadro 6 Estimacioacuten de descomposiciones con correccioacuten por sesgo de seleccioacuten 2017a

Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Diferencia ajustada 032 032 032 032

(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300

a Al ser un modelo con variable dependiente logariacutetmica los coeficientes deben ser transformados con la funcioacuten exponencial para obtener los salarios reales y las brechas porcentuales Errores estaacutendar en pareacutentesis p lt 001 p lt 005 p lt 01



modelo) Ademaacutes se observa que al no corregir por sesgo de seleccioacuten se subestima la discriminacioacuten salarial debido a que se subestima la diferencia de ambos grupos Cuando no se corrige por sesgo de seleccioacuten se observa que la discriminacioacuten alcanza 177 mientras que al corregir por sesgo de seleccioacuten llega a 52 para 2017

Finalmente en el resto de los modelos se observa que tanto el favoritismo como la discriminacioacuten pura se subestiman al no corregir por sesgo de selec-cioacuten y que ambos juntos pueden explicar la discriminacioacuten salarial Seguacuten el modelo de Oaxaca y Ransom (1994) al corregir por sesgo de seleccioacuten la discriminacioacuten alcanzoacute 497 en 2017 cuando 452 correspondioacute a la discriminacioacuten pura en contra de la mujer y 45 al favoritismo en favor del hombre Por otro lado cuando no se corrige por sesgo de seleccioacuten la dis-criminacioacuten alcanzoacute 171 en 2017 cuando 105 correspondioacute a la discri-minacioacuten pura y 66 al favoritismo de los hombres lo cual muestra que la discriminacioacuten se subestima si no se corrige por sesgo de seleccioacuten

4 Resultados para todo el periodo de 1990 a 2017

En este apartado se muestran los resultados de las descomposiciones de brecha salarial para la totalidad del periodo estudiado mediante las cuatro metodologiacuteas propuestas como en la seccioacuten anterior En todos los casos se ha realizado la estimacioacuten sin y con correccioacuten por sesgo de seleccioacuten En la graacutefica 4 se muestran los resultados sin correccioacuten por sesgo de seleccioacuten mientras que en la graacutefica 6 siacute se corrige por este problema23

Como se muestra en todos los modelos sin correccioacuten por sesgo de selec-cioacuten en la graacutefica 4 la brecha ocasionada por las caracteriacutesticas o la produc-tividad siempre es negativa es decir tener mejores caracteriacutesticas ayuda a la mujer a disminuir la brecha existente en los salarios Si ambos grupos tuvie-ran las mismas caracteriacutesticas la brecha salarial subiriacutea entre 10 y 20 puntos porcentuales a lo largo del periodo estudiado

Como se comentoacute en el punto anterior esto implica que si las mujeres tuvieran las mismas caracteriacutesticas que los hombres recibiriacutean un salario auacuten menor al que obtienen actualmente lo cual se puede constatar en la graacutefica 5 donde se simula el salario que tendriacutean las mujeres si tuviesen las

23 En ambas figuras los coeficientes mostrados de las descomposiciones ya estaacuten transformados mediante la funcioacuten exponencial [exp(β) ndash 1]100


caracteriacutesticas de los hombres ln(w)=XH βM Se puede observar que si las mujeres tuviesen las mismas caracteriacutesticas que los hombres (nivel de educa-cioacuten experiencia entre otras) tendriacutean un salario mucho menor al que reciben actualmente Si bien la brecha en pesos chilenos no ha cambiado a lo largo del tiempo en la graacutefica 5b se muestra que la brecha porcentual ha disminuido sistemaacuteticamente en todo el periodo estudiado

Seguacuten el modelo Masters (1974) el efecto de la interaccioacuten es bastante bajo en comparacioacuten con el de los coeficientes (discriminacioacuten) el cual bor-dea 20 en el periodo estudiado

Graacutefica 4 Evolucioacuten de la estimacioacuten de los componentes de la brecha salarial sin correccioacuten por sesgo de seleccioacuten 1990-2017

a) Masters (1974) b) Reimers (1983)

1990 1999 2008 2017

20

10

0

ndash10

ndash20

DiferenciaCoeficientes

CaracteriacutesticasInteraccioacuten

10

0

ndash10

ndash201990 1999 2008 2017

DiferenciaFavoritismo

ProductividadDiscriminacioacuten

1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017

c) Cotton (1988) d) Oaxaca y Ransom (1994)

1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017



Finalmente en el resto de los modelos mostrados en los paneles 4b 4c y 4d si no se corrige por sesgo de seleccioacuten se observa cierta estabilidad en el favo ritismo y la discriminacioacuten pura aunque hay un ligero aumento en el favoritismo de los hombres mdash51 en 1990 y 66 en 2017 con base en el modelo de Oaxaca y Ransom (1994)mdash y una caiacuteda en la discriminacioacuten pura hacia las mujeres mdash14 en 1990 y 105 en 2017 con base en el modelo de Oaxaca y Ransom (1994)mdash

Por otro lado en el momento de corregir por sesgo de seleccioacuten como se muestra en la graacutefica 6 la primera conclusioacuten importante es que la estima-cioacuten sin correccioacuten por sesgo de seleccioacuten subestima la discriminacioacuten sala-rial En todos los modelos al igual que en los casos anteriores la brecha ocasionada por las caracteriacutesticas o la productividad siempre es negativa y estable entre 10 y 20 a lo largo del periodo Sin embargo es importante mencionar que ha tenido un leve aumento en el tiempo mdashcon ndash154 en 1990 y ndash92 en 2017 con base en el modelo de Oaxaca y Ransom (1994)mdash lo cual favorece a las mujeres ya que este componente hace disminuir la brecha salarial Esto ocurre debido a que las mujeres tienen mejores caracte-riacutesticas laborales que los hombres como ya se ha mostrado

Finalmente se observa que en todos los modelos la discriminacioacuten sala-rial ha venido disminuyendo desde 1990 pero es desde principios de los antildeos 2000 que esta caiacuteda estaacute estancada

Graacutefica 5 Estimacioacuten del salario por hora de las mujeres con una simulacioacuten con las caracteriacutesticas observables de los hombres 1990-2017

(en pesos chilenos de 2017)

a) Comparacioacuten b) Brecha porcentual

1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500

Real Simulacioacuten

1990 1999 2008 2017

45

30

15

0



5 Discriminacioacuten salarial por variable

En este apartado se muestra el detalle de las variables involucradas en los resultados de la descomposicioacuten seguacuten el modelo de Oaxaca y Ransom (1994) al corregir por sesgo de seleccioacuten

Como se muestra en el cuadro 7 en la descomposicioacuten para 2017 se mues-tra que la mayor diferencia en productividad (caracteriacutesticas) estaacute en la variable educacioacuten la cual llega a 12 en favor de las mujeres

En el caso de la discriminacioacuten el favoritismo hacia los hombres se debe principalmente a la experiencia laboral mientras que la discriminacioacuten pura hacia la mujer se debe principalmente a la variable experiencia laboral y al desempleo regional

Graacutefica 6 Evolucioacuten de la estimacioacuten de los componentes de la brecha salarial al corregir por sesgo de seleccioacuten 1990-2017


Diferencia ajustadaCoeficientes


1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20

Diferencia ajustadaFavoritismo




1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017



c) Cotton (1988) d) Oaxaca y Ransom (1994)Diferencia ajustadaCoeficientes


1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017




Cuadro 7 Descomposicioacuten de Oaxaca y Ransom (1994) por variable 2017a

Coeficiente Valor p Intervalo de confianza (95)

General

Prediccioacuten de hombres $2 46513 0 $2 42662 $2 50424

Prediccioacuten de mujeres $2 32729 0 $2 28115 $2 37435

Diferencia 106 0 104 108


Productividad

Desempleo regional ndash001 022 ndash003 001

Antildeos de educacioacuten ndash1199 0 ndash187 ndash1111

Experiencia laboral 052 020 ndash027 131

Experiencia laboral2 295 0 205 385

Zona rural ndash001 077 ndash010 008

Zona norte ndash006 002 ndash012 ndash001

Zona sur ndash025 0 ndash037 ndash013

Total ndash924 0 ndash1008 ndash840

Favoritismo

Desempleo regional 052 064 ndash165 273

Antildeos de educacioacuten 035 076 ndash190 266

Experiencia laboral ndash286 035 ndash862 326

Experiencia laboral2 137 045 ndash211 496

Zona rural ndash028 0 ndash041 ndash015

Zona norte 028 008 ndash003 059

Zona sur 027 026 ndash019 072

Constante 496 005 ndash008 1027

Total 453 0 319 588

Discriminacioacuten pura

Desempleo regional 1097 0 676 1535


Experiencia laboral ndash37 0 ndash4271 ndash3071


Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202

a Los coeficientes mostrados ya estaacuten transformados mediante la funcioacuten exponencial Salarios por hora en pesos chilenos de 2017



Por otro lado en el cuadro 8 se muestra la parte de la discriminacioacuten salarial asociada con la discriminacioacuten pura seguacuten el modelo de Oaxaca y Ransom (1994) por variable y por antildeo para todo el periodo estudiado Se observa que en la totalidad del periodo el mayor componente de la discrimi-nacioacuten es la experiencia laboral ademaacutes en los uacuteltimos antildeos tambieacuten el desempleo regional se ha convertido en una variable importante de este componente Finalmente es importante mencionar que las variables bina-rias por zona tambieacuten aumentan la discriminacioacuten salarial aunque mucho menos que otras variables

6 Discriminacioacuten salarial por cuantil de ingreso

En este uacuteltimo apartado se muestran los resultados de la descomposicioacuten de brecha salarial por cuantil incluyendo la inversa del ratio de Mills como una aproximacioacuten a la solucioacuten para el problema de sesgo de seleccioacuten de Heckman (1977)

Cuadro 8 Discriminacioacuten pura hacia la mujer seguacuten el modelo de Oaxaca y Ransom (1994) 1990-2017a

Desem Educacioacuten Exper Exper2 Rural Norte Sur Const Total

1990 ndash554 ndash2908 ndash1795 1363 ndash024 268 266 17158 7838


1994 635 ndash2330 ndash889 758 ndash020 173 110 8396 5097

1996 ndash1526 ndash2922 ndash1433 840 ndash046 175 ndash010 17966 5760


2000 ndash577 ndash3116 ndash1405 934 011 150 ndash050 14663 52

2003 ndash345 ndash3711 ndash1835 1134 011 183 145 16184 4948



2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517

a Los coeficientes mostrados de las descomposiciones ya estaacuten transformados mediante la funcioacuten exponencial Desem es desempleo regional



Como se muestra en la graacutefica 7a la diferencia salarial se observa princi-palmente en los extremos es decir aproximadamente en 10 maacutes pobre y en 15 maacutes rico de la poblacioacuten de Chile Para los valores intermedios la brecha salarial disminuye y se hace muy cercana a cero Finalmente la dis-criminacioacuten (diferencia asociada con coeficientes) tambieacuten se da sobre todo en los extremos (en las proporciones 5 de la poblacioacuten maacutes pobre y 5 maacutes rica) y en tramos maacutes intermedios esta discriminacioacuten es praacutecticamente cero

Por otro lado en la graacutefica 7b se puede observar que han habido gran-des cambios entre 1990 y 2017 principalmente en la mitad con menores ingresos En dicha mitad se presenta en 1990 una discriminacioacuten menor que en los antildeos posteriores en el antildeo 2000 eacutesta se eleva para casi la totali-dad de este tramo y en 2009 vuelve a disminuir Por uacuteltimo en 2017 la discriminacioacuten fue mayor en el extremo maacutes pobre de la poblacioacuten pero luego volvioacute a reducirse en comparacioacuten con los otros antildeos para valores intermedios

En cambio en la mitad de mayores ingresos la discriminacioacuten es bastante similar en 1990 2000 y 2009 mientras que en 2017 fue menor que en los antildeos anteriores en los cuantiles intermedios pero maacutes alta en los extremos En todos los casos eacutesta se concentra principalmente en la deacutecima parte de la poblacioacuten con mayores ingresos

Graacutefica 7 Descomposicioacuten por decil de ingreso seguacuten modelo de Melly (2006)

a) Descomposicioacuten por cuantil de ingreso 2017

b) Efecto de los coeficientes por cuantil de ingreso 1990-2017

0 20 40 60 80 100

100

80

60

40

20

0

Diferencia Caracteriacutesticas Coeficientes

0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017



v dIscusIoacuten y conclusIones

Existe un amplio debate en la literatura acerca de si la desigualdad salarial entre hombres y mujeres alimenta o perjudica el crecimiento econoacutemico y el desarrollo de los paiacuteses (Kabeer y Natali 2013) Este trabajo con base en datos de la Casen de Chile para el periodo 1990-2017 analiza y desglosa la brecha salarial entre hombres y mujeres con el fin de estudiar cuantificar y ver la evolucioacuten en el tiempo de la discriminacioacuten salarial por geacutenero en Chile

La primera observacioacuten importante es que la brecha en la participacioacuten laboral ha ido disminuyendo en las uacuteltimas deacutecadas cuando llegaba a 1508 en 1990 y en 2017 llegoacute a 557 se redujo en 631 en este lapso de 27 antildeos Por otro lado para todo el periodo se ha observado una brecha salarial en favor del hombre aunque bastante inestable entre 6 y 16 Finalmente quizaacutes el resultado maacutes importante de esta seccioacuten es que la brecha en antildeos de educacioacuten es muy distinta cuando comparamos a las personas con empleo y a las desempleadas Se observa para todo el periodo que los hombres con empleo tienen menos antildeos de educacioacuten que las mujeres en la misma situa-cioacuten (entre 10 y 20 en todo el periodo) mientras que los hombres sin empleo tienen maacutes antildeos de educacioacuten que las mujeres en esta condicioacuten aunque este valor se ha ido reduciendo en el tiempo Esto quiere decir que ademaacutes de la discriminacioacuten salarial que estudia este trabajo existe otro tipo de discriminacioacuten maacutes silenciosa Este simple resultado nos indica que las mujeres deben tener maacutes antildeos de educacioacuten para obtener un empleo con menor salario que un hombre lo cual refleja que la discriminacioacuten hacia las mujeres tambieacuten estaacute presente en el acceso al empleo lo cual entre otros temas provoca la discriminacioacuten en los salarios

En esta investigacioacuten se han usado cuatro metodologiacuteas distintas para ana-lizar y descomponer la brecha salarial en Chile todas indican que el compo-nente asociado con productividad (sus caracteriacutesticas) estaacute en favor de la mujer y ayuda a disminuir la brecha salarial entre 10 y 20 puntos porcentuales mdash105 en 2017 con el modelo de Oaxaca y Ransom (1994)mdash aunque ha ido disminuyendo lentamente desde 1990 Esto quiere decir que si comparamos a una mujer con un hombre con las mismas caracteriacutesticas igualmente califi-cados la mujer recibiraacute un sueldo 101 menor al del hombre en promedio

Por otro lado la discriminacioacuten salarial llega a 171 en 2017 cuando se puede nuevamente descomponer entre el favoritismo hacia los hombres


(66) y la discriminacioacuten pura hacia las mujeres (105) mediante el modelo de Oaxaca y Ransom (1994)

Sin embargo estas claacutesicas ecuaciones de salarios presentan un sesgo de seleccioacuten ya que por la naturaleza del tema solamente podemos incluir personas que se encuentran trabajando y tienen un salario es decir no observamos a los desempleados Es por esto que se debe corregir la estima-cioacuten mediante la metodologiacutea de Heckman (1977)

Se corrobora ademaacutes la importancia de corregir por sesgo de seleccioacuten ya que las estimaciones son muy sensibles a dicha correccioacuten Cuando realiza-mos esto nos damos cuenta de que la estimacioacuten anterior subestima la dis-criminacioacuten salarial Donde antes se calculaba que la discriminacioacuten salarial llegaba a 171 una nueva estimacioacuten con correccioacuten por sesgo de seleccioacuten muestra que eacutesta ha estado entre 50 y 80 de 1990 a 2017 cuando lo maacutes preocupante es que iba disminuyendo desde 1990 hasta 2003 (823 en 1990 y 526 en 2013) pero se ha estancado en estos niveles (497 en 2017) Finalmente se descompone la discriminacioacuten salarial y se muestra que 45 estaacute asociado con el favoritismo y 452 con la discriminacioacuten pura en 2017 Estos resultados nos muestran que la magnitud de la discriminacioacuten salarial estaacute fuertemente subestimada cuando no se corrige por sesgo de seleccioacuten

Desde una perspectiva histoacuterica evaluamos coacutemo ha evolucionado la discriminacioacuten salarial en Chile Nos centramos en el modelo de Oaxaca y Ransom (1994) con correccioacuten por sesgo de seleccioacuten y asiacute se muestra que la discriminacioacuten laboral en el periodo de 1990 a 2003 disminuyoacute significa-tivamente pero luego esta disminucioacuten se frenoacute y se mantuvieron valores constantes hasta la fecha de la uacuteltima encuesta 2017 Eacutesta es una conclusioacuten preocupante ya que se muestra que en temas de discriminacioacuten salarial Chile casi no ha mejorado en los uacuteltimos 15 antildeos cuando en la uacuteltima deacutecada del siglo pasado siacute habiacutea una mejoriacutea

Finalmente aunque de manera maacutes superficial este documento muestra que casi toda la brecha salarial se encuentra en los extremos maacutes pobres y maacutes ricos cuando separamos por cuantiles de ingreso Ademaacutes este trabajo estudia la descomposicioacuten en salarios pero por variable en la que se muestra que la mayor parte de la discriminacioacuten salarial ocurre en la experiencia laboral asimismo se observa que los antildeos de educacioacuten ayudan a disminuir la discriminacioacuten salarial Esto ocurre debido a que las mujeres con empleo tienen maacutes antildeos de educacioacuten que los hombres con empleo es decir les cuesta maacutes tiempo de estudios obtener un trabajo peor pagado


referencIAs bIblIograacutefIcAs

Anglade B Useche P y Deere C D (2017) Decomposing the gender wealth gap in Ecuador World Development 96 19-31 Recuperado de httpsdoiorg101016jworlddev201702003

Arceo-Goacutemez E y Campos-Vaacutezquez R (2014) Evolucioacuten de la brecha salarial de geacutenero en Meacutexico El Trimestre Econoacutemico 81(323) 619-653 Recuperado de httpdxdoiorg1020430etev81i323125

Becker G S (1964) Human Capital A Theoretical and Empirical Analysis with Special Reference to Special Education (2a ed) Nueva York nber

Blinder A S (1973) Wage discrimination Reduced form and structural estimates The Journal of Human Resources 8(4) 436-455 Recuperado de httpsdoiorg102307144855

Bloch F E y Smith S P (1977) Human capital and labor market employment The Journal of Human Resources 12(4) 550-560 Recuperado de httpsdoiorg102307145376

Bosch M J Garciacutea C J Manriacutequez M y Valenzuela G (2018) Macroeconomiacutea y conciliacioacuten familiar el impacto econoacutemico de los jardines infantiles El Trimestre Econoacutemico 85(339) 543-582 Recuperado de httpsdoiorg1020430etev85i339316

Buchinsky M (2001) Quantile regression with sample selection Estimating womenrsquos return to education in the U S Empirical Economics 26(1) 87-113 Recuperado de httpsdoiorg101007s001810000061

cepal (2019) Coyuntura laboral en Ameacuterica Latina y el Caribe Evolucioacuten y perspectivas de la participacioacuten laboral femenina en Ameacuterica Latina (nuacutem 21) Santiago de Chile onuoit Recuperado de https wwwiloorgsantiagopublicacionescoyuntura-laboral-amC3 A9rica-latina-caribeWCMS_725432lang--esindexhtm

Chernozhukov V Fernaacutendez‐Val I y Melly B (2013) Inference on counterfactual distributions Econometrica 81(6) 2205-2268 Recuperado de httpsdoiorg103982ECTA10582

Cotton J (1988) On the decomposition of wage differentials The Review of Economics and Statistics 70(2) 236-243 Recuperado de httpsdoiorg1023071928307

Daymont T N y Andrisani P J (1984) Job preferences college major


and the gender gap in earnings The Journal of Human Resources 19(3) 408-428 Recuperado de httpsdoiorg102307145880

Deshpande A Goel D y Khanna S (2018) Bad karma or discrimination Male-female wage gaps among salaried workers in India World Development 102 331-344 Recuperado de httpsdoiorg101016jworlddev201707012

Ferrada L M y Montantildea V (2014) iquestExiste una ventaja de salario para los habitantes de la regioacuten de Magallanes Anaacutelisis a partir de un enfoque por geacutenero Magallania (Punta Arenas) 42(1) 93-109 Recuperado de httpsdoiorg104067S0718-22442014000100006

Fuentes J Palma A y Montero R (2015) Discriminacioacuten salarial por geacutenero en Chile Una mirada global Estudios de Economiacutea 32(2) 113-157

Heckman J (1977) Sample Selection Bias as a Specification Error (with an Application to the Estimation of Labor Supply Functions) (documento de trabajo w0172) Cambridge Mass nber Recuperado de httpsdoiorg103386w0172

Kabeer N y Natali L (2013) Gender equality and economic growth Is there a win‐win ids Working Papers 2013(417) 1-58 Recuperado de httpsdoi101111j2040-0209201300417x

Kiefer N M y Smith S P (1977) Union impact and wage discrimination by region The Journal of Human Resources 12(4) 521-534 Recuperado de httpsdoiorg102307145373

Machado J A F y Mata J (2005) Counterfactual decomposition of changes in wage distributions using quantile regression Journal of Applied Econometrics 20(4) 445-465 Recuperado de httpsdoiorg101002jae788

Masters S H (1974) The effect of educational differences and labor-market discrimination on the relative earnings of black males The Journal of Human Resources 9(3) 342-360 Recuperado de httpsdoiorg102307144691

Meller P Valdeacutes G y Lara B (2011) Female discrimination at the professional level in Chile Interciencia 36(11) 823-230

Melly B (2006) Estimation of Counterfactual Distributions Using Quantile Regression (discussion paper) University of St Gallen

Mincer J (1974) Schooling Experience and Earnings Nueva York nberMontero R y Garceacutes P (2009) iquestExiste discriminacioacuten salarial contra la


poblacioacuten indiacutegena en Chile El Trimestre Econoacutemico 76(303) 645-669 Recuperado de httpdxdoiorg1020430etev76i303492

Neumark D (1988) Employersrsquo discriminatory behavior and the estimation of wage discrimination The Journal of Human Resources 23(3) 279-295 Recuperado de httpsdoiorg102307145830

Oaxaca R (1973) Male-female wage differentials in urban labor markets International Economic Review 14(3) 693-709 Recuperado de httpsdoiorg1023072525981

Oaxaca R y Ransom M (1994) On discrimination and the decomposition of wage differentials Journal of Econometrics 61(1) 5-21 Recuperado de httpsdoiorg1010160304-4076(94)90074-4

oit (2018) Informe Mundial sobre Salarios 201819 iquestQueacute hay detraacutes de la brecha salarial de geacutenero Ginebra oit Recuperado de httpswwwiloorgglobalresearchglobal-reportsglobal-wage-reportWCMS_650653lang--esindexhtm

onu (2018) Las leyes son el primer escaloacuten para la igualdad onu Mujeres Recuperado de httpslacunwomenorgesdigitecapublicaciones2018 10las-leyes-son-el-escalon-para-la-igualdad

Perticaraacute M y Astudillo A (2010) Do wage breaches exist for the people in Chile Decomposition of the wage differences between men and women in the context of quantile regressions Latin American Research Review 45(2) 191-215

Reimers C W (1983) Labor market discrimination against hispanic and black men The Review of Economics and Statistics 65(4) 570-579 Recuperado de httpsdoiorg1023071935925

Spence M (1973) Job market signaling The Quarterly Journal of Economics 87(3) 355-374 Recuperado de httpsdoiorg1023071882010

Yahmed S (2018) Formal but less equal Gender wage gaps in formal and informal jobs in urban Brazil World Development 101 73-87 Recuperado de httpsdoiorg101016jworlddev201708012

Zapata G Z y Cid J D (2009) Diferenciales y discriminacioacuten de salarios contra la etnia mapuche en Chile El Trimestre Econoacutemico 76(3) 965-989 Recuperado de httpsdoiorg1020430etev76i304507


work also adds evidence to the fact that women who are active in the labor market have more years of education than men but for reasons that classical theory cannot explain they obtain a lower wage

Keywords Gender discrimination wage differentials labor market discrimination gap decomposition Latin America Chile jel codes J16 J31 J70 J71

resumen

La discriminacioacuten en el mercado laboral es un tema importante en la mayoriacutea de los paiacuteses del mundo En tal contexto este trabajo usa datos representativos a nivel nacional de la Encuesta de Caracterizacioacuten Socioeconoacutemica Nacional en el periodo de 1990 a 2017 con el fin de explorar la brecha y la discriminacioacuten salarial por geacutenero en Chile Se aplican distintas versiones de la conocida descomposicioacuten de Blinder y Oaxaca para medir la brecha salarial y descomponer sus posibles causas y las variables involucradas Finalmente se corrigen las estimaciones de salarios por sesgo de seleccioacuten y se estudia la descomposicioacuten por cuantiles de ingreso Los resultados de las distintas metodologiacuteas muestran una disminucioacuten en la discrimi-nacioacuten salarial cuando observamos el periodo completo (1990-2017) la cual ocurrioacute principalmente entre 1990 y 2003 y tras ella la discriminacioacuten se ha mantenido re la-tivamente constante hasta 2017 La discriminacioacuten salarial llegoacute a ser de 497 en 2017 cuando 452 correspondioacute al subpago de las mujeres y 45 al sobre pago a los hombres estructura que se mantiene en todo el periodo estudiado Por otro lado se muestra que calcular la discriminacioacuten salarial sin corregir por sesgo de seleccioacuten subestima dicha discriminacioacuten que sufren las mujeres en Chile Finalmente se observa que gran parte de eacutesta se da principalmente en los extremos de menores y mayores ingresos de la distribucioacuten Este trabajo tambieacuten agrega evidencia al hecho de que las mujeres activas en el mercado laboral tienen maacutes antildeos de edu cacioacuten respecto de los hombres pero por motivos que la teoriacutea claacutesica no puede explicar obtienen un salario menor

Palabras clave discriminacioacuten por geacutenero diferencias de salario discriminacioacuten en el mercado de trabajo descomposicioacuten de brecha Ameacuterica Latina Chile Clasi-ficacioacuten jel J16 J31 J70 J71


IntroduccIoacuten




























II metodologiacuteA






ln(ws)=Xs βs (2)








ln(w) = XβH+ β XM


∆∆ ∆(5)





∆∆ ∆ ∆ ∆(6)








XβM + β XH















seleccioacuten



Con esto






Φ (11)












min 1n


donde

In(ws)=Xs βs

min 1n

ni=1sum






(16)

Donde QS (α)α

Qc f (α)


QS (α)α



























Soltero 393 308 ndash217 406 744 832

Casado 253 381 507 338 132 ndash611

Zona sur 317 339 68 39 375 ndash39

Zona norte 202 212 49 249 246 ndash11

Zona rural 8 117 463 15 113 ndash242



Jefe de hogar 363 555 527 163 188 153














Mujeres Hombres

80

60

40

201990 1999 2008 2017

150

100

501990 1999 2008 2017




2 Salarios por hora







1990 1999 2008 2017

Mujeres Hombres

$4000

$2500

$10001990 1999 2008 2017

16

11

6









14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017



14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017






Iv resultAdos



1 Modelo probit













(000) (000) (000)


(002) (002) (001)


(001) (001) (001)


(003) (003) (002)


(004) (003) (002)


(003) (003) (002)


(084) (073) (053)


(000) (000) (000)


(000) (000) (000)


(001) (001) (000)


(003) (003) (002)


(003) (003) (002)


(003) (003) (002)


(009) (008) (006)

Observaciones 44 856 47 208 92 064




3 Descomposiciones






(043) (045) (039)


(000) (000) (000)


(000) (000) (000)


(000) (000) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(005) (005) (004)

Observaciones 31 134 19 166 50 300

R-squared 036 038 035











(043) (046) (039)


(000) (000) (000)


(000) (000) (000)


(000) (001) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(002) (003) (001)


(005) (008) (004)

Observaciones 31 134 19 166 50 300

R-squared 037 038 036







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)


(000)


(001) (001) (001)


(000) (000) (000)


(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017





















































IntroduccIoacuten




























II metodologiacuteA






ln(ws)=Xs βs (2)








ln(w) = XβH+ β XM


∆∆ ∆(5)





∆∆ ∆ ∆ ∆(6)








XβM + β XH















seleccioacuten



Con esto






Φ (11)












min 1n


donde

In(ws)=Xs βs

min 1n

ni=1sum






(16)

Donde QS (α)α

Qc f (α)


QS (α)α



























Soltero 393 308 ndash217 406 744 832

Casado 253 381 507 338 132 ndash611

Zona sur 317 339 68 39 375 ndash39

Zona norte 202 212 49 249 246 ndash11

Zona rural 8 117 463 15 113 ndash242



Jefe de hogar 363 555 527 163 188 153














Mujeres Hombres

80

60

40

201990 1999 2008 2017

150

100

501990 1999 2008 2017




2 Salarios por hora







1990 1999 2008 2017

Mujeres Hombres

$4000

$2500

$10001990 1999 2008 2017

16

11

6









14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017



14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017






Iv resultAdos



1 Modelo probit













(000) (000) (000)


(002) (002) (001)


(001) (001) (001)


(003) (003) (002)


(004) (003) (002)


(003) (003) (002)


(084) (073) (053)


(000) (000) (000)


(000) (000) (000)


(001) (001) (000)


(003) (003) (002)


(003) (003) (002)


(003) (003) (002)


(009) (008) (006)

Observaciones 44 856 47 208 92 064




3 Descomposiciones






(043) (045) (039)


(000) (000) (000)


(000) (000) (000)


(000) (000) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(005) (005) (004)

Observaciones 31 134 19 166 50 300

R-squared 036 038 035











(043) (046) (039)


(000) (000) (000)


(000) (000) (000)


(000) (001) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(002) (003) (001)


(005) (008) (004)

Observaciones 31 134 19 166 50 300

R-squared 037 038 036







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)


(000)


(001) (001) (001)


(000) (000) (000)


(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017











































































II metodologiacuteA






ln(ws)=Xs βs (2)








ln(w) = XβH+ β XM


∆∆ ∆(5)





∆∆ ∆ ∆ ∆(6)








XβM + β XH















seleccioacuten



Con esto






Φ (11)












min 1n


donde

In(ws)=Xs βs

min 1n

ni=1sum






(16)

Donde QS (α)α

Qc f (α)


QS (α)α



























Soltero 393 308 ndash217 406 744 832

Casado 253 381 507 338 132 ndash611

Zona sur 317 339 68 39 375 ndash39

Zona norte 202 212 49 249 246 ndash11

Zona rural 8 117 463 15 113 ndash242



Jefe de hogar 363 555 527 163 188 153














Mujeres Hombres

80

60

40

201990 1999 2008 2017

150

100

501990 1999 2008 2017




2 Salarios por hora







1990 1999 2008 2017

Mujeres Hombres

$4000

$2500

$10001990 1999 2008 2017

16

11

6









14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017



14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017






Iv resultAdos



1 Modelo probit













(000) (000) (000)


(002) (002) (001)


(001) (001) (001)


(003) (003) (002)


(004) (003) (002)


(003) (003) (002)


(084) (073) (053)


(000) (000) (000)


(000) (000) (000)


(001) (001) (000)


(003) (003) (002)


(003) (003) (002)


(003) (003) (002)


(009) (008) (006)

Observaciones 44 856 47 208 92 064




3 Descomposiciones






(043) (045) (039)


(000) (000) (000)


(000) (000) (000)


(000) (000) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(005) (005) (004)

Observaciones 31 134 19 166 50 300

R-squared 036 038 035











(043) (046) (039)


(000) (000) (000)


(000) (000) (000)


(000) (001) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(002) (003) (001)


(005) (008) (004)

Observaciones 31 134 19 166 50 300

R-squared 037 038 036







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)


(000)


(001) (001) (001)


(000) (000) (000)


(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017





















































ln(w) = XβH+ β XM


∆∆ ∆(5)





∆∆ ∆ ∆ ∆(6)








XβM + β XH















seleccioacuten



Con esto






Φ (11)












min 1n


donde

In(ws)=Xs βs

min 1n

ni=1sum






(16)

Donde QS (α)α

Qc f (α)


QS (α)α



























Soltero 393 308 ndash217 406 744 832

Casado 253 381 507 338 132 ndash611

Zona sur 317 339 68 39 375 ndash39

Zona norte 202 212 49 249 246 ndash11

Zona rural 8 117 463 15 113 ndash242



Jefe de hogar 363 555 527 163 188 153














Mujeres Hombres

80

60

40

201990 1999 2008 2017

150

100

501990 1999 2008 2017




2 Salarios por hora







1990 1999 2008 2017

Mujeres Hombres

$4000

$2500

$10001990 1999 2008 2017

16

11

6









14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017



14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017






Iv resultAdos



1 Modelo probit













(000) (000) (000)


(002) (002) (001)


(001) (001) (001)


(003) (003) (002)


(004) (003) (002)


(003) (003) (002)


(084) (073) (053)


(000) (000) (000)


(000) (000) (000)


(001) (001) (000)


(003) (003) (002)


(003) (003) (002)


(003) (003) (002)


(009) (008) (006)

Observaciones 44 856 47 208 92 064




3 Descomposiciones






(043) (045) (039)


(000) (000) (000)


(000) (000) (000)


(000) (000) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(005) (005) (004)

Observaciones 31 134 19 166 50 300

R-squared 036 038 035











(043) (046) (039)


(000) (000) (000)


(000) (000) (000)


(000) (001) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(002) (003) (001)


(005) (008) (004)

Observaciones 31 134 19 166 50 300

R-squared 037 038 036







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)


(000)


(001) (001) (001)


(000) (000) (000)


(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017































































seleccioacuten



Con esto






Φ (11)












min 1n


donde

In(ws)=Xs βs

min 1n

ni=1sum






(16)

Donde QS (α)α

Qc f (α)


QS (α)α



























Soltero 393 308 ndash217 406 744 832

Casado 253 381 507 338 132 ndash611

Zona sur 317 339 68 39 375 ndash39

Zona norte 202 212 49 249 246 ndash11

Zona rural 8 117 463 15 113 ndash242



Jefe de hogar 363 555 527 163 188 153














Mujeres Hombres

80

60

40

201990 1999 2008 2017

150

100

501990 1999 2008 2017




2 Salarios por hora







1990 1999 2008 2017

Mujeres Hombres

$4000

$2500

$10001990 1999 2008 2017

16

11

6









14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017



14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017






Iv resultAdos



1 Modelo probit













(000) (000) (000)


(002) (002) (001)


(001) (001) (001)


(003) (003) (002)


(004) (003) (002)


(003) (003) (002)


(084) (073) (053)


(000) (000) (000)


(000) (000) (000)


(001) (001) (000)


(003) (003) (002)


(003) (003) (002)


(003) (003) (002)


(009) (008) (006)

Observaciones 44 856 47 208 92 064




3 Descomposiciones






(043) (045) (039)


(000) (000) (000)


(000) (000) (000)


(000) (000) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(005) (005) (004)

Observaciones 31 134 19 166 50 300

R-squared 036 038 035











(043) (046) (039)


(000) (000) (000)


(000) (000) (000)


(000) (001) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(002) (003) (001)


(005) (008) (004)

Observaciones 31 134 19 166 50 300

R-squared 037 038 036







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)


(000)


(001) (001) (001)


(000) (000) (000)


(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017






















































Con esto






Φ (11)












min 1n


donde

In(ws)=Xs βs

min 1n

ni=1sum






(16)

Donde QS (α)α

Qc f (α)


QS (α)α



























Soltero 393 308 ndash217 406 744 832

Casado 253 381 507 338 132 ndash611

Zona sur 317 339 68 39 375 ndash39

Zona norte 202 212 49 249 246 ndash11

Zona rural 8 117 463 15 113 ndash242



Jefe de hogar 363 555 527 163 188 153














Mujeres Hombres

80

60

40

201990 1999 2008 2017

150

100

501990 1999 2008 2017




2 Salarios por hora







1990 1999 2008 2017

Mujeres Hombres

$4000

$2500

$10001990 1999 2008 2017

16

11

6









14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017



14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017






Iv resultAdos



1 Modelo probit













(000) (000) (000)


(002) (002) (001)


(001) (001) (001)


(003) (003) (002)


(004) (003) (002)


(003) (003) (002)


(084) (073) (053)


(000) (000) (000)


(000) (000) (000)


(001) (001) (000)


(003) (003) (002)


(003) (003) (002)


(003) (003) (002)


(009) (008) (006)

Observaciones 44 856 47 208 92 064




3 Descomposiciones






(043) (045) (039)


(000) (000) (000)


(000) (000) (000)


(000) (000) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(005) (005) (004)

Observaciones 31 134 19 166 50 300

R-squared 036 038 035











(043) (046) (039)


(000) (000) (000)


(000) (000) (000)


(000) (001) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(002) (003) (001)


(005) (008) (004)

Observaciones 31 134 19 166 50 300

R-squared 037 038 036







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)


(000)


(001) (001) (001)


(000) (000) (000)


(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017





















































min 1n


donde

In(ws)=Xs βs

min 1n

ni=1sum






(16)

Donde QS (α)α

Qc f (α)


QS (α)α



























Soltero 393 308 ndash217 406 744 832

Casado 253 381 507 338 132 ndash611

Zona sur 317 339 68 39 375 ndash39

Zona norte 202 212 49 249 246 ndash11

Zona rural 8 117 463 15 113 ndash242



Jefe de hogar 363 555 527 163 188 153














Mujeres Hombres

80

60

40

201990 1999 2008 2017

150

100

501990 1999 2008 2017




2 Salarios por hora







1990 1999 2008 2017

Mujeres Hombres

$4000

$2500

$10001990 1999 2008 2017

16

11

6









14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017



14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017






Iv resultAdos



1 Modelo probit













(000) (000) (000)


(002) (002) (001)


(001) (001) (001)


(003) (003) (002)


(004) (003) (002)


(003) (003) (002)


(084) (073) (053)


(000) (000) (000)


(000) (000) (000)


(001) (001) (000)


(003) (003) (002)


(003) (003) (002)


(003) (003) (002)


(009) (008) (006)

Observaciones 44 856 47 208 92 064




3 Descomposiciones






(043) (045) (039)


(000) (000) (000)


(000) (000) (000)


(000) (000) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(005) (005) (004)

Observaciones 31 134 19 166 50 300

R-squared 036 038 035











(043) (046) (039)


(000) (000) (000)


(000) (000) (000)


(000) (001) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(002) (003) (001)


(005) (008) (004)

Observaciones 31 134 19 166 50 300

R-squared 037 038 036







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)


(000)


(001) (001) (001)


(000) (000) (000)


(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017








































































Soltero 393 308 ndash217 406 744 832

Casado 253 381 507 338 132 ndash611

Zona sur 317 339 68 39 375 ndash39

Zona norte 202 212 49 249 246 ndash11

Zona rural 8 117 463 15 113 ndash242



Jefe de hogar 363 555 527 163 188 153














Mujeres Hombres

80

60

40

201990 1999 2008 2017

150

100

501990 1999 2008 2017




2 Salarios por hora







1990 1999 2008 2017

Mujeres Hombres

$4000

$2500

$10001990 1999 2008 2017

16

11

6









14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017



14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017






Iv resultAdos



1 Modelo probit













(000) (000) (000)


(002) (002) (001)


(001) (001) (001)


(003) (003) (002)


(004) (003) (002)


(003) (003) (002)


(084) (073) (053)


(000) (000) (000)


(000) (000) (000)


(001) (001) (000)


(003) (003) (002)


(003) (003) (002)


(003) (003) (002)


(009) (008) (006)

Observaciones 44 856 47 208 92 064




3 Descomposiciones






(043) (045) (039)


(000) (000) (000)


(000) (000) (000)


(000) (000) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(005) (005) (004)

Observaciones 31 134 19 166 50 300

R-squared 036 038 035











(043) (046) (039)


(000) (000) (000)


(000) (000) (000)


(000) (001) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(002) (003) (001)


(005) (008) (004)

Observaciones 31 134 19 166 50 300

R-squared 037 038 036







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)


(000)


(001) (001) (001)


(000) (000) (000)


(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017






























































Mujeres Hombres

80

60

40

201990 1999 2008 2017

150

100

501990 1999 2008 2017




2 Salarios por hora







1990 1999 2008 2017

Mujeres Hombres

$4000

$2500

$10001990 1999 2008 2017

16

11

6









14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017



14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017






Iv resultAdos



1 Modelo probit













(000) (000) (000)


(002) (002) (001)


(001) (001) (001)


(003) (003) (002)


(004) (003) (002)


(003) (003) (002)


(084) (073) (053)


(000) (000) (000)


(000) (000) (000)


(001) (001) (000)


(003) (003) (002)


(003) (003) (002)


(003) (003) (002)


(009) (008) (006)

Observaciones 44 856 47 208 92 064




3 Descomposiciones






(043) (045) (039)


(000) (000) (000)


(000) (000) (000)


(000) (000) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(005) (005) (004)

Observaciones 31 134 19 166 50 300

R-squared 036 038 035











(043) (046) (039)


(000) (000) (000)


(000) (000) (000)


(000) (001) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(002) (003) (001)


(005) (008) (004)

Observaciones 31 134 19 166 50 300

R-squared 037 038 036







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)


(000)


(001) (001) (001)


(000) (000) (000)


(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017






















































2 Salarios por hora







1990 1999 2008 2017

Mujeres Hombres

$4000

$2500

$10001990 1999 2008 2017

16

11

6









14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017



14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017






Iv resultAdos



1 Modelo probit













(000) (000) (000)


(002) (002) (001)


(001) (001) (001)


(003) (003) (002)


(004) (003) (002)


(003) (003) (002)


(084) (073) (053)


(000) (000) (000)


(000) (000) (000)


(001) (001) (000)


(003) (003) (002)


(003) (003) (002)


(003) (003) (002)


(009) (008) (006)

Observaciones 44 856 47 208 92 064




3 Descomposiciones






(043) (045) (039)


(000) (000) (000)


(000) (000) (000)


(000) (000) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(005) (005) (004)

Observaciones 31 134 19 166 50 300

R-squared 036 038 035











(043) (046) (039)


(000) (000) (000)


(000) (000) (000)


(000) (001) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(002) (003) (001)


(005) (008) (004)

Observaciones 31 134 19 166 50 300

R-squared 037 038 036







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)


(000)


(001) (001) (001)


(000) (000) (000)


(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017



























































14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017



14

11

8





1990 1999 2008 2017

20

10

0

minus10

minus20

1990 1999 2008 2017


1990 1999 2008 2017

22

20

18

16

14

40

20

0

ndash20

ndash40


1990 1999 2008 2017






Iv resultAdos



1 Modelo probit













(000) (000) (000)


(002) (002) (001)


(001) (001) (001)


(003) (003) (002)


(004) (003) (002)


(003) (003) (002)


(084) (073) (053)


(000) (000) (000)


(000) (000) (000)


(001) (001) (000)


(003) (003) (002)


(003) (003) (002)


(003) (003) (002)


(009) (008) (006)

Observaciones 44 856 47 208 92 064




3 Descomposiciones






(043) (045) (039)


(000) (000) (000)


(000) (000) (000)


(000) (000) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(005) (005) (004)

Observaciones 31 134 19 166 50 300

R-squared 036 038 035











(043) (046) (039)


(000) (000) (000)


(000) (000) (000)


(000) (001) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(002) (003) (001)


(005) (008) (004)

Observaciones 31 134 19 166 50 300

R-squared 037 038 036







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)


(000)


(001) (001) (001)


(000) (000) (000)


(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017
























































Iv resultAdos



1 Modelo probit













(000) (000) (000)


(002) (002) (001)


(001) (001) (001)


(003) (003) (002)


(004) (003) (002)


(003) (003) (002)


(084) (073) (053)


(000) (000) (000)


(000) (000) (000)


(001) (001) (000)


(003) (003) (002)


(003) (003) (002)


(003) (003) (002)


(009) (008) (006)

Observaciones 44 856 47 208 92 064




3 Descomposiciones






(043) (045) (039)


(000) (000) (000)


(000) (000) (000)


(000) (000) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(005) (005) (004)

Observaciones 31 134 19 166 50 300

R-squared 036 038 035











(043) (046) (039)


(000) (000) (000)


(000) (000) (000)


(000) (001) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(002) (003) (001)


(005) (008) (004)

Observaciones 31 134 19 166 50 300

R-squared 037 038 036







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)


(000)


(001) (001) (001)


(000) (000) (000)


(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017





















































1 Modelo probit













(000) (000) (000)


(002) (002) (001)


(001) (001) (001)


(003) (003) (002)


(004) (003) (002)


(003) (003) (002)


(084) (073) (053)


(000) (000) (000)


(000) (000) (000)


(001) (001) (000)


(003) (003) (002)


(003) (003) (002)


(003) (003) (002)


(009) (008) (006)

Observaciones 44 856 47 208 92 064




3 Descomposiciones






(043) (045) (039)


(000) (000) (000)


(000) (000) (000)


(000) (000) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(005) (005) (004)

Observaciones 31 134 19 166 50 300

R-squared 036 038 035











(043) (046) (039)


(000) (000) (000)


(000) (000) (000)


(000) (001) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(002) (003) (001)


(005) (008) (004)

Observaciones 31 134 19 166 50 300

R-squared 037 038 036







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)


(000)


(001) (001) (001)


(000) (000) (000)


(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017
























































(000) (000) (000)


(002) (002) (001)


(001) (001) (001)


(003) (003) (002)


(004) (003) (002)


(003) (003) (002)


(084) (073) (053)


(000) (000) (000)


(000) (000) (000)


(001) (001) (000)


(003) (003) (002)


(003) (003) (002)


(003) (003) (002)


(009) (008) (006)

Observaciones 44 856 47 208 92 064




3 Descomposiciones






(043) (045) (039)


(000) (000) (000)


(000) (000) (000)


(000) (000) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(005) (005) (004)

Observaciones 31 134 19 166 50 300

R-squared 036 038 035











(043) (046) (039)


(000) (000) (000)


(000) (000) (000)


(000) (001) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(002) (003) (001)


(005) (008) (004)

Observaciones 31 134 19 166 50 300

R-squared 037 038 036







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)


(000)


(001) (001) (001)


(000) (000) (000)


(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017





















































3 Descomposiciones






(043) (045) (039)


(000) (000) (000)


(000) (000) (000)


(000) (000) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(005) (005) (004)

Observaciones 31 134 19 166 50 300

R-squared 036 038 035











(043) (046) (039)


(000) (000) (000)


(000) (000) (000)


(000) (001) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(002) (003) (001)


(005) (008) (004)

Observaciones 31 134 19 166 50 300

R-squared 037 038 036







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)


(000)


(001) (001) (001)


(000) (000) (000)


(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017




























































(043) (046) (039)


(000) (000) (000)


(000) (000) (000)


(000) (001) (000)


(001) (002) (001)


(001) (002) (001)


(001) (002) (001)


(002) (003) (001)


(005) (008) (004)

Observaciones 31 134 19 166 50 300

R-squared 037 038 036







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)


(000)


(001) (001) (001)


(000) (000) (000)


(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017
























































Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)

Dotaciones ndash013

(001)

Coeficientes 016

(001)


(000)


(001) (001) (001)


(000) (000) (000)


(000) (000) (000)

Observaciones 50 300 50 300 50 300 50 300







Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017
























































Variables

(1) (2) (3) (4)

Masters (1974)

Reimers (1983)

Cotton (1988)



(001) (001) (001) (001)


(001) (001) (001) (001)

Diferencia 006 006 006 006

(001) (001) (001) (001)


(003) (003) (003) (003)

Dotaciones ndash015

(001)

Coeficientes 042

(003)


(001)


(001) (001) (000)


(001) (001) (001)


(001) (002) (002)

Observaciones 50 300 50 300 50 300 50 300
















1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017

































































1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017


1990 1999 2008 2017

20

10

0

ndash10

ndash20



10

0

ndash10

ndash201990 1999 2008 2017



1990 1999 2008 2017

20

10

0

ndash10

ndash20





20

10

0

ndash10

ndash201990 1999 2008 2017









1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017



























































1990 1999 2008 2017

$2500

$2000

$1500

$1000

$500


1990 1999 2008 2017

45

30

15

0











1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017





























































1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017





1990 1999 2008 2017

80

60

40

20

0

ndash201990 1999 2008 2017

60

40

20

0

ndash20





1990 1999 2008 2017

60

40

20

0

ndash20

80

60

40

20

0

ndash201990 1999 2008 2017






General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017






















































General





Productividad









Favoritismo









Total 453 0 319 588






Zona rural 020 004 001 039

Zona norte 159 0 115 204

Zona sur 2 0 138 262

Constante 13047 0 10285 16186

Total 4517 0 3863 5202


















2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017



































































2011 1086 ndash3744 ndash3900 3120 002 202 221 17955 6180

2013 1529 ndash3639 ndash4204 3522 011 163 207 17184 6223

2015 1327 ndash3405 ndash3945 3162 020 181 195 14527 5187

2017 1097 ndash3258 ndash3700 2869 020 159 2 13047 4517










0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017



























































0 20 40 60 80 100

100

80

60

40

20

0


0 20 40 60 80 100

100

60

0

ndash50

ndash10 0

1990 2000 2009 2017




















































evolución y análisis de la discriminación salarial por

Documents