Retornos de la educación en los entornos laborales para los
trabajadores formales e informales en la región Junín: 2016 –
2021
Returns from education in labor income for formal and informal
workers in the Junín region: 2016 – 2021
Fecha de recepción: 19 de abril de 2024
Fecha de aceptación: 5 de agosto de 2024
1Docente investigador de la Universidad Nacional del Centro del Perú. Huancayo. Perú Correo electrónico:
jperezt@uncp.edu.pe. ORCID: https://orcid.org/0000-0001-9741-6851.
Docente investigador de la Universidad Nacional del Centro del Perú. Huancayo. Perú. Correo electrónico:
marroyo@uncp.edu.pe. ORCID: https://orcid.org/0000-0003-1380-1715.
2
1
Juan Carlos Perez Ticse
Marco Antonio Arroyo Yupanqui 2
Linford Kits Porta Chuquillanqui
Jasi Carla Osores Espinoza
3
4
Investigador de la Universidad Nacional del Centro del Perú. Huancayo. Perú. Correo electrónico:
e_20216200304B@uncp.edu.pe. ORCID: https://orcid.org/0009-0000-1869-5806.
3
Egresada de la Universidad Nacional del Centro del Perú. Huancayo. Perú. Correo electrónico:
e_2013200251G@uncp.edu.pe. ORCID: https://orcid.org/0009-0006-3803-0936.
4
1
Resumen
Este artículo tiene por objetivo identificar los principales determinantes en los
“retornos de la educación en los ingresos laborales para los trabajadores
formales e informales en la región Junín: 2016 -2021”. Para ello utilizamos la
base de datos de la ENAHO del periodo 2016 al 2021, donde empleamos el
modelo de Mincer, la metodología de Heckman y el modelo Oaxaca-Blinder.
Los resultados obtenidos indican que los varones ganan un 22 % más que las
mujeres en ambos sectores, destacando que la educación superior
universitaria tiene efectos positivos en ambos sectores (14 % en el formal y
14.7 % en el informal); la experiencia laboral beneficia al sector formal
(0.262 %) pero perjudica al informal (-0.006 %) y el lugar de residencia influye
positivamente en ambos sectores (8.83 % en el formal y 9.02 % en el informal).
Los resultados de este estudio evidencian que la educación continua siendo un
factor determinante en los ingresos laborales de los trabajadores en la región
Junín, tanto en el sector formal como en el informal.
Palabras clave: desigualdad, Heckman, Oaxaca-Blinder, Junín.
Abstract
The objective of this article is to identify the main determinants of the “returns
to education in labor income for formal and informal workers in the Junín region:
2016 -2021”. To do this, we use the ENAHO database for the period. 2016 to
2021, where we use the Mincer model, the Heckman methodology, and the
Oaxaca-Blinder model. The results obtained were that men earn 22 % more
than women in both sectors, highlighting that university higher education has
positive effects in both sectors (14 % in the formal and 14.7 % in the informal);
Work experience benefits the formal sector (0.262 %) but harms the informal
sector (-0.006 %) and the place of residence positively influences both sectors
(8.83 % in the formal sector and 9.02 % in the informal sector). The results of
this study show that education continues to be a determining factor in the labor
income of workers in the Junín region, both in the formal and informal sectors.
Keywords: inequality, Heckman, Oaxaca-Blinder, Junín.
1. Introducción
La capacidad de un país para innovar de manera productiva y poder adaptarse
a las tendencias del desarrollo en el mundo son cada vez más altas, teniendo
a la educación como principal impulsor del progreso económico y social de un
país(Zamora Rodríguez, 2023). “La educación vista como capital humano” tiene
un impacto favorable en los ingresos, inserción en el mercado laboral y en la
disminución de la pobreza (Mosquera, 2011). En tal sentido, la elección de
invertir en educación se fundamenta en factores viables para su elección, como
cubrir las necesidades propias, de la familia y por beneficios que puede
proporcionar en el trabajo. Recio (1997) señala que es crucial distinguir entre
el sector formal e informal en el que se decide participar, ya que la
remuneración laboral está estrechamente relacionada con el sector al que
pertenece el trabajador. No obstante, no es adecuado afirmar que el nivel
educativo esté directamente relacionado con el sector de empleo, No obstante,
no es adecuado afirmar que el nivel educativo esté directamente relacionado
con el sector de empleo, como también lo señalan estudios previos sobre las
dinámicas laborales en distintos sectores (Portes, 1998; Uribe y Ortiz,
2006).Desde una perspectiva teórica y matemática, se establece que una
mayor educación puede llevar a mejores oportunidades laborales y, por ende,
contribuir a la reducción de la brecha de desigualdad.
Al abordar el tema de retornos de la educación, es importante señalar que ha
tenido mayor relevancia en investigaciones internacional en comparación con
investigaciones en países en vías de desarrollo (Hinojosa Castro, 2022). En lo
que respecta a los estudios realizados en el Perú, se han llevado a cabo
importantes investigaciones con el objetivo de conocer los principales
determinantes del ingreso laboral, enfatizando la importancia de la educación
en el salario de los trabajadores y en los retornos a la educación (Layme, 2023);
además, es importante destacar la investigación de Yamada (2006), que se
centró en determinar si la educación es una opción rentable para los jóvenes.
Por su parte, en su investigación Huilca (2022) muestra las disparidades en los
3
ingresos laborales y el rol de la educación en Perú en 2020, así como la
discriminación de género, las disparidades regionales y los tipos de
remuneración. Estas investigaciones motivaron conocer los “retornos de la
educación en los trabajadores formales e informales en la región Junín”.
Respecto al nivel educativo alcanzado en la región Junín durante 2016 a 2021,
es necesario analizar si la fuerza laboral en la región Junín esta formalizada o
no, y conocer el grado del nivel de educación que tienen los trabajadores; de
acuerdo con la Encuesta Nacional de Hogares (ENAHO), se evidencio que los
ingresos promedios mensuales de trabajadores en el sector formal de la región
Junín se han incrementado en S/ 238.20, pasando de S/ 2334.70 en 2016 a
S/ 2572.90 en 2021; caso contrario sucedió para aquellos que se encuentran
dentro del sector informal, puesto que los ingresos promedios mensuales se
redujeron en S/ 37.00, es decir, de S/ 862.80 en 2016 a S/ 825.80 en 2021(INEI,
2020). Asimismo, la información proporcionada por el Ministerio de Trabajo y
Promoción del Empleo (MTPE) evidencia que en situación de informalidad el
número de trabajadores en la región Junín se incrementó en 80 000 en los
últimos 6 años, es decir, pasó de 557 000 en 2016 a 637 000 en 2021(MTPE,
2021).
Cuando se trata de determinar el ingreso de los individuos, la educación juega
un papel importante (Díaz y Aleman, 2008), puesto que, vista como capital
humano, tiene varias investigaciones a nivel mundial, siendo los pioneros en
dar una aproximación al tema de capital humano Adam Smith (1776), Becker
(1998) y Schultz (1961), teniendo a Mincer (1974) como uno de los pioneros
en analizar la “formación y consecuencias de la inversión en capital humano”,
quien explicó la “distribución de los ingresos adquiridos por las personas”, y
encontró que las divergencias en los ingresos recibidos se deben
principalmente a dos factores: nivel educativo alcanzado por los individuos y la
experiencia laboral (Ramírez, 2012).
A la fecha no se evidencia trabajos que analicen los principales determinantes
en las diferencias salariales en los trabajadores; por ello, esta investigación es
de vital importancia para identificar y conocer la relación de los principales
determinantes en los ingresos laborales que perciben los trabajadores en la
región Junín; para ello, las metodologías empleadas en esta investigación son
el modelo de Mincer (1984), con el fin de determinar los factores que repercuten
en la diferencia salarial por grupos de empleo en Perú, la metodología de
Heckman (1979), para poder resolver el problema de sesgo de selección en las
ecuaciones de ingreso laboral y, finalmente, la metodología Oaxaca-Blinder (B-
O), para analizar las diferencias salariales en los ingresos laborales.
2. Metodología
Instrumentos
Para este estudio se emplean datos de fuentes secundarias. La tabla 1
presenta información detallada sobre variables claves relacionadas con
ingresos, educación y características individuales para el periodo 2016-2021.
Incluye indicadores como el ingreso mensual laboral, la participación en el
sector formal e informal, años de educación y niveles educativos específicos.
También abarca características individuales como la experiencia laboral,
género, idioma y lugar de residencia. Estos datos son esenciales para analizar
patrones socioeconómicos y educativos, así como para comprender la
diversidad en términos de ingresos y empleo en la población estudiada. Se
destacan la variabilidad en la educación y la influencia de factores como el
género y la ubicación, brindando una base valiosa para investigaciones más
profundas sobre dinámicas laborales y educativas en el periodo especificado.
Procedimiento
Nuestra principal fuente de datos es la Encuesta Nacional de Hogares
(ENAHO), aplicada por el Instituto Nacional de Estadística e Informática (INEI),
como fuente solida de información estadística, en la que se utilizaron encuestas
para 2016 a 2021; esta selección de periodo busca ofrecer un análisis robusto
y significativo de la realidad social y económica del país, donde la educación
es un factor determinante para la generación de ingresos en los trabajadores
5
de ambos sectores (formal e informal); asimismo, es necesario contar con
información de la experiencia laboral, género, idioma y lugar de residencia, que
influyen en la desigualdad salarial que persiste entre el sector formal e informal.
El INEI es una entidad técnica especializada, vinculada al presidente del
Consejo de Ministros, con personalidad jurídica de derecho público interno.
Posee autonomía técnica y de gestión, y tiene la responsabilidad de recopilar y
difundir la información derivada de la ENAHO, constituyendo una institución
oficial en la generación de estadísticas, proporcionando información estadística
confiable y oportuna.
Los datos están respaldados por metodologías rigurosas, empleadas para la
recolección y procesamiento, y también cumplen con estándares
internacionales, utilizando procedimientos estadísticos sólidos para garantizar
la confiabilidad y la calidad de los datos. Es necesario mencionar que el INEI
publica informes detallados sobre las técnicas empleadas en la ENAHO, que
incluyen temas como el diseño de la muestra, la recopilación de datos, los
métodos de ponderación y otros, lo que facilita la evaluación de la eficacia de
los datos.
Tabla 1. Operacionalización de variables
Variable
Denominación
Indicador
Tipo de
variable
Periodo
Medida
Indicadores de ingreso
Ingreso
Ingreso mensual laboral
del trabajador formal e
informal
Dependiente
2016-
2021
Escalar
Si el individuo
trabaja en el
sector formal e
informal
1 = Trabaja; 0 = No
Trabaja
Dependiente
2016-
2021
Escalar
Indicadores de educación
Número de
años de
educación
Años de educación
Independiente
2016-
2021
Escalar
Niveles de educación
Nivel primario
1= Estudios primario;
0 = otros estudios
Independiente
2016-
2021
Escalar
Nivel
secundario
1= Estudios secundario;
0 = otros estudios
Nivel superior
no universitario
1= Estudios superior no
universitario; 0 = otros
estudios
Nivel superior
universitario
1= Estudios superior
universitario; 0 = otros
estudios
Independiente
2016-
2021
Escalar
Características individuales
Experiencia
laboral
exp = (edad - nivel de
educación - 6 años)
Independiente
2016-
2021
Escalar
7
Experiencia
laboral
cuadrado
exp = (edad - nivel de
educación - 6 años)
Independiente
2016-
2021
Escalar
Género
1= Hombre, 0 = Mujer
Control
2016-
2021
Escalar
Idioma
1= Castellano, 0 =
Quechua
Control
2016-
2021
Escalar
Lugar de
residencia
1= Rural, 0 = Urbano
Control
2016-
2021
Escalar
Fuente: elaboración propia. Datos obtenidos del ENAHO.
Análisis de datos
Para poder analizar los principales determinantes en el tema de estudio, se
utilizan datos del sector formal e informal y los ingresos laborales, con el
objetivo de evidenciar de qué manera influyen la educación, la experiencia
laboral, el género, el idioma y el lugar de residencia. Por ello, se utiliza la
metodología de Mincer, Heckman y Oaxaca-Blinder, las cuales permitirán
contrastar la relación de los principales determinantes en los ingresos laborales
de los trabajadores en ambos sectores.
Modelo de Mincer
El modelo de Mincer es una herramienta econométrica utilizada para analizar
la relación entre la educación y el salario. Se basa en la idea de que el salario
de un individuo es una función de su nivel de educación y la experiencia laboral
acumulada. Para simplificar el modelo y enfocarse exclusivamente en la
escolaridad, se pueden seguir estos pasos:
:
Ingresos anuales en el caso de un trabajador
sin educación.
:
Ingresos anuales en el caso de tener un nivel "t"
de educación.
:
Valor monetario de la inversión realizada en el
nivel “t” de educación.
:
Tasa de retorno a la inversión en el nivel “t” de
educación.
:
Inversión en el nivel “t” de educación como
proporción del ingreso anual potencial del
periodo anterior, si no se hubiese realizado el
total de la inversión en el nivel “t” de educación.
Dado un “período de inversión” en escolaridad para el trabajador, entonces
después de completar la educación, los “ingresos” estarían representados de
la siguiente manera:
Para dos periodos de inversión en educación sería la siguiente ecuación:
Usando el principio de inducción matemática, para el caso de “t” periodos de
inversión en educación:
Donde, “S” es el "número de años de escolaridad o niveles de educación
completados”. Turco (2013) asume dos valores para : para los años de
escolaridad (donde ya que todo el ingreso anual potencial estará
destinado a la inversión, y para los años posteriores de las inversiones en
capital humano.
Tomando logaritmos naturales a (4)
Si tienen valores pequeños, podemos aplicar la regla práctica del
logaritmo natural , si tiene valores pequeños. Entonces:
Se pueden estimar valores separados de para cada nivel de escolaridad
y postescolaridad, ya sea años individuales o grupos de años (nivel de grado).
Para simplificar la exposición, Mincer (1974a) supone que no varían con
los años de escolaridad y postescolaridad ( para todo “j” y para
todo “i”). Entonces:
Ben-Porath (1967), antes que Mincer (1974a), asume una tasa de reducción
lineal de la inversión posteducación (durante la vida laboral)
, donde es una fracción dedicada a la inversión, es la cantidad de años
de experiencia laboral (), T es la “duración de la vida
laboral” (periodo de inversión laboral), x es independiente de los años de
escolaridad. Teniendo estos supuestos, la relación entre los ingresos
potenciales, la escolaridad y la experiencia laboral es:
Desarrollando
donde
x
En podemos usar la fórmula de suma de los “n” primeros números enteros
, entonces:
Ahora se puede reemplazar en :
La ecuación (12) es la función de ingresos potenciales; de forma similar se
puede presentar de la siguiente forma:
De esta manera, se resuelve la ecuación de Mincer para los “ingresos
laborales”. En esta expresión, el “logaritmo de los ingresos” es lineal en los
“años de escolaridad ()”, lineal y cuadrático en los “años de experiencia laboral
”. De forma similar se puede expresar la función como:
Donde:
:
Logaritmo natural de los ingresos obtenidos por los
individuos con un determinado año de escolaridad y
experiencia.
:
Años de escolaridad o educación.
:
Años de experiencia laboral
Se validan las hipótesis que desarrolla la “función de ingresos de Mincer”,
entonces el “valor del coeficiente de los años de escolarización o educación
se interpreta como la tasa de retorno media de un año adicional de
escolarización de los individuos”. Del mismo modo, conforme aumenta la edad,
los ingresos se incrementan, pero tendrá una incidencia menor que el anterior
sobre los ingresos cada año de experiencia, porque la productividad de los
individuos se reduce conforme avanza su edad, por tanto, se espera que al ser
“la función cóncava con relación a la experiencia, la estimación de sea
positiva y la de sea negativa”.
Cabe resaltar que las especificaciones descritas en la ecuación (14) no siempre
pueden cumplirse para todos los países y en gran mayoría los “retornos de la
educación son analizados con la ecuación básica de Mincer”. Hoy por hoy,
existen diferentes formas de especificar esta ecuación, en la que se
introdujeron variables categóricas u otras variables para modificar la estructura
básica de la ecuación de Mincer.
Es así que, a partir de los trabajos de investigación descritos en el apartado
anterior, donde se expuso que existen variables de control que influyen en el
incremento del ingreso laboral del trabajador, se añadirán variables de control
como el género, idioma y lugar de residencia al modelo inicial de la “ecuación
de ingreso de Mincer”, con el fin de conocer los “principales determinantes de
los retornos de la educación sobre los ingresos laborales para trabajadores
formales e informales”, que puede ser medido por el “logaritmo natural de
ingreso mensual del individuo” el cual estará en función de los “años de
educación”; para nuestro análisis utilizaremos el aproximado por “niveles de
educación”, “experiencia laboral ()”, “experiencia laboral al cuadrado
)” y demás variables de control (ver tabla 1), que contribuirán a que el
modelo sea consistente; en ese sentido, la ecuación a utilizar será la siguiente:
Metodología Heckman
Heckman (1979) evidenció que la “función de ingreso de Mincer” presenta un
problema, específicamente un “sesgo de selección de muestra”; para poder dar
solución desarrolló un “modelo de variable dependiente continua”; introdujo un
“modelo probit” que calcula la probabilidad de todos los individuos que
pertenecen a la población económicamente activa, que para nuestro análisis
de estudio se realizará según condición del “sector formal e informal”.
En ese sentido, se tiene la ecuación de probabilidad del individuo de participar
en el mercado de trabajo del sector formal () y la probabilidad del
individuo de participar en el mercado de trabajo del sector informal (
).
Por tanto, dichas ecuaciones y considerando la ecuación (2) serían
representadas de la siguiente manera:
Probabilidad de Emplearse en Sector Formal:
…. (16)
Probabilidad de Emplearse en Sector Informal:
Modelo de descomposición Oaxaca
Esta técnica descompone las diferencias salariales promedio en dos partes: en
la primera parte encontramos la educación y la experiencia como las
particularidades innatas de los empleados, mientras que la segunda se atribuye
a las disparidades en las variables de control, como género, idioma o lugar de
residencia entre los grupos (López et al., 2009).
Para este estudio, la variable dependiente está representada por el logaritmo
de los salarios; aquellas variables que se encuentran relacionadas con el capital
humano representan el vector de variables independientes; el género es la
variable de control (Vicens, 2012). Finalmente, se busca percibir cómo afecta
el ingreso laboral de un individuo en el sector formal o informal.
Los grupos controlados serán A y B. Se busca determinar la diferencia entre el
valor esperado de los salarios:
Reemplazando 1 en 2 y se asume , se llega a la ecuación
Para comprender todos los efectos que se pueden obtener de la ecuación
anterior, se puede realizar la descomposición algebraica expuesta por Daymont
y Andrisani (1984):
La ecuación 7 representa una descomposición en tres partes que captura
“efectos de la interacción entre coeficientes, variables y valores de ingresos
esperados”. El primer término se relaciona con diferencias atribuibles a
predictores como capital humano. El segundo mide las diferencias en
coeficientes en función de los grupos de control, particularmente con respecto
a la discriminación salarial entre los sectores formal e informal. El tercer término
tiene en cuenta cómo interactúan los dos primeros (Medina y Portocarrero,
2019); un coeficiente hipotético β*, que se utiliza en la descomposición, se
presenta en la ecuación 8.
Por consiguiente, el análisis divide los efectos de los predictores, los
coeficientes y sus interacciones en los ingresos laborales. También incluye
ajustes para los coeficientes sesgados e hipotéticos (Jann, 2008).
Se pueden derivar dos efectos de la ecuación 9; la primera parte se refiere a
la desigualdad, que se explica por diferencias en las variables predictoras. La
unión de los dos términos anteriores produce el siguiente resultado:
La segunda descomposición aborda la parte que los predictores no logran
explicar, generalmente asociada a factores como la discriminación o efectos
que no se incluyen en el modelo (Fuentes et al., 2005). Este procedimiento
resulta más complejo porque requiere cálculos utilizando coeficientes β
hipotéticos. Oaxaca (1973) plantea una suposición en la que y
, alternando entre los grupos A (sí pertenece al empleo informal) y B (no
pertenece al empleo informal). Asimismo, sugiere que la discriminación solo
ocurre en el ámbito informal y no en ninguna otra dirección.
Entonces, se utiliza el método de descomposición Oaxaca - Blinder para
identificar las “brechas salariales entre el sector formal e informal”. La ecuación
fundamental de descomposición es:
(25)
Donde:
- A corresponde al grupo de “asalariados formales”
- B corresponde al grupo de “asalariados informales”
Por lo que el modelo es:
Función de ingreso de emplearse en el Sector Formal:
Función de ingreso de emplearse en el Sector Informal:
}
3. Resultados
Este estudio titulado “Retornos de la educación en los ingresos laborales para
los trabajadores formales e informales en la región Junín: 2016 - 2021” analiza
diversas variables económicas. En primer lugar, la variable “Género” presenta
un total de 18,402 observaciones, con una media muestral de 0.5364; lo que
refleja que las mujeres representan el 53.64 % de la muestra, superando a los
hombres, que constituyen el 46.36 %. Por otro lado, la variable “Años de
estudio”, basada en 17,253 observaciones, indica que en promedio un individuo
en la región Junín posee 3 años de educación, lo cual es un factor clave en la
determinación de los ingresos laborales dentro de los sectores formal e
informal.
Tabla 2. Análisis descriptivo
Variable
Observaciones
Media
Desviación
Estándar
Min
Max
Género
18,402
0.5364091
0.4986862
0
1
Años de estudio
17,253
2.756796
2.010515
0
7
Idioma
17,242
0.8292541
0.3762976
0
1
Nivel primario
18,400
0.3266848
0.4690136
0
1
Nivel secundario
18,400
0.3314674
0.4707534
0
1
Nivel superior no universitario
18,400
0.0997283
0.2996455
0
1
Nivel superior universitario
18,400
0.1222826
0.3276208
0
1
Lugar de residencia
18,402
0.5349962
0.4987873
0
1
Fuente: elaboración propia.
En la variable “Idioma”, con un total de 17,242 observaciones, se observa una
media muestral de 0.8292, lo que indica que la mayoría de las personas,
equivalente al 82.92 %, tiene el castellano como idioma predominante. En
cuanto a las variables relacionadas con la educación, que cuentan con 18,400
observaciones, se destaca que el “Nivel primario” ha sido completado por solo
el 32.66 % de la población, mientras que el 33.14 % ha alcanzado el “Nivel
secundario”. Sin embargo, los niveles de educación superior muestran
porcentajes significativamente más bajos: solo el 9.97 % ha culminado el “Nivel
superior no universitario”, que incluye mayormente estudios en institutos, y el
12.22 % ha completado el “Nivel superior universitario”. Estas cifras evidencian
que la población de la región Junín se concentra principalmente en la educación
básica, con una baja transición hacia niveles superiores de formación
académica, lo cual impacta directamente en su capital humano y, por ende, en
su potencial para mejorar los ingresos laborales. Finalmente, en la variable
“Lugar de residencia”, se observa que el 53.49 % de las observaciones
corresponden al área urbana. No obstante, el estudio otorga especial atención
al área rural, dada su relevancia en las dinámicas económicas de la región.
Tabla 3. Divergencias en la brecha salarial entre trabajadores formales e
informales basada en un modelo minceriano y Heckman
Mincer
Heckman
(1)
(2)
(1)
(2)
Asalariado
formal
Asalariado
Informal
Asalariado
formal
Asalariado
Informal
Número de años
de educación
0.0215***
0.0205***
0.0240**
0.0165*
(0.00544)
(0.00534)
(0.00956)
(0.00958)
Género
0.304***
0.305***
0.220***
0.200***
(0.0163)
(0.0161)
(0.025)
(0.0292)
Experiencia
0.0000989***
-
0.0000994***
0.0000262*
-
0.0000600***
(0.00000718)
(0.00000705)
(0.0000141)
(0.0000142)
Idioma
0.023
0.0139
0.0611
-0.107*
(0.0242)
(0.0237)
(0.0592)
(0.0559)
Nivel primario
-0.523***
-0.505***
-0.377***
0.273***
(0.0367)
(0.0367)
(0.137)
(0.0656)
Nivel secundario
-0.414***
-0.392***
-0.507***
-0.0094
(0.0367)
(0.0367)
(0.105)
(0.0614)
Nivel superior
no universitario
-0.110***
-0.0995**
0.329***
0.213***
(0.0404)
(0.0404)
(0.0519)
(0.0572)
Nivel superior
universitario
0.140***
0.147***
0.198***
0.248***
(0.0402)
(0.0404)
(0.0473)
(0.057)
Lugar de
residencia
0.414***
0.378***
0.0852
-0.530***
(0.0175)
(0.0172)
(0.129)
(0.0475)
Intercepto
6.480***
6.488***
7.563***
9.083***
(0.0441)
(0.0438)
(0.303)
(0.104)
N
15460
15625
15460
15625
Nota. Standard errors in parentheses. * p<0.1, ** p<0.05, *** p<0.01”.
Fuente: elaboración propia.
En la tabla 3 se muestran los modelos de Mincer y Heckman empleados en
este estudio. En cuanto al modelo de Mincer, se evidencia que los
determinantes en el tema de estudio son estadísticamente significativos en los
ingresos laborales del sector formal e informal, obteniendo como resultados
que al incrementar el “Número de años de educación”, se traduce en un
aumento en los ingresos del 2.15 y 2.05 %; además, las personas del género
especificado (varones) tienden a ganar más en promedio que las mujeres.
Según este modelo, la significación estadística de estos resultados respalda la
idea de que estas variables, en cuanto a la determinación de los ingresos de
los individuos en estos dos sectores laborales, desempeñan un rol
fundamental. Por su parte, en el modelo de Heckman se corrobora que la
educación tiene un efecto directo en los ingresos del asalariado formal e
informal, dado que aumenta la probabilidad en 2.4 y 1.65 %, respectivamente;
mientras que el género de las personas influye de manera directa y muy
significativa en 22 y 20 % en el salario formal e informal, respectivamente,
mientras que la experiencia laboral afecta directamente en 0.0026 % el salario
formal, pero disminuye en 0.006 % el grupo de asalariados informales, siendo
muy significativo para este estudio. Del mismo modo, el idioma afecta
positivamente el salario formal en 6.11 %, pero disminuye el sector informal en
10.7 % y, por último, el lugar de residencia impacta de manera positiva en los
asalariados formales en 8.52 % y disminuye en 53 % en el grupo de salariados
informales.
Para analizar las diferencias salariales entre trabajadores según su
informalidad, se emplea la metodología Oaxaca, que permite descomponer las
diferencias salariales entre ambas características, para identificar la
contribución de la educación y otros factores no cuantificables a las diferencias
salariales en la región Junín.
Tabla 4. Divergencias en la brecha salarial entre trabajadores formales e
informales basada en un modelo Oaxaca - Blinder
General
Diferencia
Asalariado formal
7.565***
(0.0124)
Asalariado informal
6.250***
(0.00874)
Difference
1.315***
(0.0152)
Endowments
0.152***
(0.0114)
Coefficients
1.157***
(0.0232)
Interaction
0.0058
(0.0211)
Endowments
Número de años de educación
0.00233
(0.0038)
Género
-0.00144
(0.00293)
Experiencia
0.0154***
(0.00285)
Idioma
-0.00622**
(0.00257)
Nivel primario
-0.00835
(0.0115)
Nivel secundario
-0.0247***
(0.00644)
Nivel superior no universitario
0.0229***
(0.0048)
Nivel superior universitario
0.0813***
(0.0123)
Lugar de residencia
0.0709***
(0.0071)
Coefficients
Número de años de educación
0.0560*
(0.0295)
Género
-0.0487***
(0.0162)
Experiencia
0.127***
(0.0178)
Idioma
0.0975**
(0.0444)
Nivel primario
-0.163***
(0.0259)
Nivel secundario
-0.264***
(0.0251)
Nivel superior no universitario
-0.0528***
(0.00625)
Nivel superior universitario
0.0813***
(0.0123)
Lugar de residencia
-0.0436**
(0.0206)
_cons
1.494***
(0.0899)
Interaction
Número de años de educación
0.0145*
(0.00767)
Género
0.000413
(0.000851)
Experiencia
-0.0122***
(0.00274)
Idioma
0.0128**
(0.00585)
Nivel primario
0.109***
(0.0176)
Nivel secundario
0.0985***
(0.0109)
Nivel superior no universitario
-0.0532***
(0.00732)
Nivel superior universitario
-0.129***
(0.0169)
Lugar de residencia
-0.0355**
(0.0168)
N
16229
Nota. Standard errors in parentheses. * p<0.1, ** p<0.05, *** p<0.01”.
Fuente: elaboración propia.
En la tabla 4, se presenta la comparación entre los ingresos salariales de los
trabajadores formales e informales. Se evidencia un índice positivo, resultado
de la diferencia entre ambas categorías, lo que permite concluir que los
ingresos generados en el empleo formal son superiores a los obtenidos en la
informalidad. Este análisis resalta la brecha salarial entre ambos sectores, un
factor relevante para comprender las dinámicas económicas del mercado
laboral.
Por otro lado, se tienen los resultados de la estimación del modelo Oaxaca-
Blinder aplicado a la población. En primer lugar, un aumento del 1 % en el
Número de años de educación incrementa en 5 % las disparidades salariales.
Esto se debe a que se necesitan más años de preparación para obtener un
trabajo aceptable e incluso superior al que se desempeña actualmente.
Asimismo, el índice de Género influye negativa y significativamente en la
brecha salarial entre formales e informales. El valor de las mujeres es del 4,87
% menor en la variable dependiente que el de los hombres. Así, la variable
Experiencia influye positiva y significativamente en la variable explicada, es
decir, ante un aumento del 1% del índice referido, estas diferencias aumentan
en 12,7 %, porque los empleadores suelen valorar la experiencia laboral,
debido a que implica que el trabajador ha adquirido habilidades y conocimientos
con el tiempo.
En cuanto a la variable Idioma, esta influye de manera positiva en la brecha
entre asalariados formales e informales, es decir, ante un aumento del 1% del
índice referido, aumentan en 9.75 %, porque quienes hablan el idioma
dominante en una región pueden acceder fácilmente a la educación formal, lo
que puede aumentar sus oportunidades de empleo y obtener salarios más
altos. Además, la variable Nivel primario tiene un impacto negativo; esto
significa que ante un aumento del 1 % del índice referido, estas diferencias
disminuyen en 16,3 %, porque la falta de educación de un mayor nivel puede
limitar las habilidades y conocimientos de un trabajador, lo que podría reducir
su valor para un trabajo formal. En cuanto a la variable Nivel secundario, esta
influye negativamente; esto se refiere a que ante un aumento del 1% del índice
referido, estas diferencias disminuyen en 26.4 %, lo cual puede deberse a que
algunos empleos formales requieren niveles educativos más altos que la
educación secundaria. Si la educación secundaria es el nivel más alto de
educación alcanzado, los trabajadores pueden tener acceso limitado a ciertos
trabajos bien remunerados. En cuanto al Nivel superior no universitario, se
observa que este tiene un impacto negativo en las disparidades salariales. Ante
un aumento del 1% del índice referido, estas diferencias disminuyen en 5 %.
Esto se explica porque cuando los individuos estudian carreras técnicas, sus
ingresos son más elevados que los que optan solo por estudiar primaria o
secundaria. En semejanza, ante el incremento del 1 % en el índice del Nivel
superior universitario, estas diferencias aumentan en un 8 %. Esto puede
deberse a que el mercado laboral de profesionales universitarios es más
exigente que el técnico, los estudiantes suelen egresar como desempleados y
para lograr aumentar sus ingresos deben formarse más años o trabajar en
empleos no formales por más tiempo para obtener experiencia laboral.
Finalmente, en cuanto al Lugar de residencia, este impacta positiva y
significativamente en la brecha salarial. Ante un aumento del 1 % de la variable
Lugar de residencia, las disparidades entre asalariados se incrementan. Esto
puede deberse a que la mayor proporción de población se concentra en
ciudades y distritos de clase media o pobres, por lo tanto, una mayor cantidad
de individuos son propensos a trabajar en la informalidad.
Para concluir, se tiene la interacción entre las variables, así como la diferencia.
Ambos resultados son significativos para varias características; entre ellas se
incluyen la educación, la experiencia, el idioma y el nivel de educación. Se
resalta la complejidad de las relaciones, así como su relevancia en la
determinación y explicación de las disparidades entre los asalariados formales
e informales.
4. Discusión
La educación juega un papel crucial en la determinación de los ingresos
laborales en la región Junín. Los resultados revelan que un 32.66 % de la
población no ha completado la educación primaria. Además, tanto la educación
primaria como la secundaria tienen un impacto negativo en los ingresos del
sector formal, con caídas significativas del 52.3 % y 41.4 %, respectivamente,
mientras que, en el sector informal, estos niveles educativos generan aumentos
del 50.5 % y 39.2 %. En cuanto a la educación no universitaria, aunque reduce
los ingresos en el sector formal en un 11 %, tiene un efecto positivo en el sector
informal, con un incremento del 9.95 %. Por su parte, la educación superior
universitaria impacta positivamente en ambos sectores, con incrementos del 14
% en el sector formal y del 14.7 % en el informal. Así mismo se evidencia cómo
el nivel educativo influye de manera diferenciada en los ingresos laborales,
según el tipo de empleo.
Los estudios realizados por Huilca (2022) resaltan la importancia de la
educación en la mejora de los ingresos laborales (Fukusaki y Castro, 2010),
subrayando que los retornos salariales son más bajos para los trabajadores con
solo educación primaria o secundaria incompleta en comparación con aquellos
que poseen grados de maestría o doctorado (Vega y Granda, 2020). Esto pone
en evidencia la relevancia de invertir en educación avanzada para lograr
mayores ingresos laborales (Mamani-Choque et al., 2020). En línea con lo
planteado por Ordóñez-Castaño y Sanabría-Domínguez (2014) y Roldán
Vásquez y Ospino Hernández (2022), se sostiene que la educación es un factor
clave para reducir la informalidad laboral, ya que los trabajadores formales
suelen tener niveles educativos más altos. Este hecho resalta la importancia de
asegurar la finalización de la educación secundaria e indica que los retornos
educativos son positivos en toda la distribución salarial, siendo especialmente
altos en el sector formal en comparación con el informal (Aldama Chávez et al.,
2022).
El estudio muestra que la experiencia laboral tiene un impacto relevante en los
ingresos laborales en la región Junín. En el sector formal, un incremento en la
experiencia laboral se traduce en un pequeño aumento del 0.00989 % en los
salarios, lo que indica un efecto positivo, aunque marginal, sobre los ingresos
en este sector. Por otro lado, según Quispe (2021), en el sector informal, la
experiencia laboral está asociada con una ligera disminución del 0.00994 % en
los salarios, sugiriendo un efecto negativo de la experiencia sobre los ingresos
informales.
Salinas et al. (2012) sostienen que la experiencia laboral juega un papel crucial
en la determinación de los ingresos de los trabajadores asalariados informales,
mientras que la educación tiene un impacto más significativo en los salarios de
los trabajadores formales (Ordóñez y Sanabría, 2014). Además, el estudio de
Arroyo y Cusi (2019) muestra que la experiencia laboral tiene un impacto
limitado y estadísticamente no significativo en los ingresos, representando una
influencia inferior al 1 %. Esto sugiere que, aunque la experiencia laboral podría
tener algún efecto sobre los ingresos, no es el factor principal en su
determinación.
Aunque los estudios mencionados resaltan el impacto de la educación en los
ingresos laborales, es fundamental tener en cuenta que existen otras variables
que también influyen en los salarios de los trabajadores, conocidas como
variables de control. Un ejemplo de ello es el género (Antón et al., 2020), que
tiene un impacto significativo en el sector formal, donde los hombres perciben
un 22 % más que las mujeres. Esto indica la presencia de una “brecha salarial
de género” en este sector (Chilán y Viscarra, 2005).
En relación con el lugar de residencia, se observa que en el sector formal, vivir
en un área urbana, en lugar de en una rural, está asociado con un aumento del
8.5 % en los ingresos laborales. Esto sugiere que, en promedio, los
trabajadores urbanos perciben salarios formales significativamente más altos
que aquellos en áreas rurales, lo que podría estar vinculado con la mayor
concentración de empleos formales en entornos urbanos (Siancas, 2021). En
el sector informal, también se presenta una tendencia similar, con un
incremento del 9.02 % en los ingresos de los trabajadores urbanos en
comparación con los rurales.
Este estudio es clave para entender la dinámica del mercado laboral en la
región Junín, ya que ofrece información crucial sobre factores como la
educación, la experiencia laboral y otras variables influyen en los ingresos. Esta
comprensión puede ser útil para diseñar políticas públicas orientadas a mejorar
las condiciones laborales y reducir las desigualdades salariales. Además, los
resultados pueden guiar a las instituciones educativas y a los programas de
capacitación profesional en la región, permitiéndoles enfocar sus esfuerzos en
las áreas que tienen un mayor impacto en los ingresos de los trabajadores.
Lo más destacado de este estudio es la identificación del impacto limitado de
la experiencia laboral en los ingresos, particularmente en el sector informal, y
la notable influencia de la educación en el sector formal. Estos hallazgos
podrían replicarse en otras regiones con características similares, lo que
permitiría a investigadores y responsables de políticas comparar resultados y
extraer conclusiones sobre la efectividad de las intervenciones educativas y
laborales en diferentes contextos. Asimismo, el análisis de la brecha salarial de
género y la variación de ingresos según el lugar de residencia puede ser valioso
para investigaciones futuras en diversas localidades, contribuyendo a una
comprensión más profunda de las desigualdades en el mercado laboral.
5. Conclusiones
Este estudio reveló que la educación tuvo un efecto positivo en los ingresos
laborales tanto en el sector formal como en el informal. En el sector formal, un
aumento en los años de educación se tradujo en un incremento del 2.15 % en
los ingresos, mientras que, en el sector informal, el aumento fue del 2.05 %. Sin
embargo, la baja tasa de culminación educativa en Junín con solo el 32.66 %
de la población completando la educación primaria y el 12.22 % alcanzando la
educación superior universitaria evidenció que muchos individuos no lograban
los niveles educativos necesarios para acceder a mejores oportunidades
laborales.
El género también desempeñó un papel significativo en las disparidades
salariales. Las mujeres ganaron menos que los hombres en ambos sectores,
con una brecha salarial del 22 % en el sector formal y del 20 % en el informal,
lo que reflejó una inequidad persistente entre géneros. Además, la experiencia
laboral tuvo un impacto variable: fue beneficiosa en el sector formal, mientras
que en el sector informal, la experiencia pareció tener un efecto negativo en los
ingresos. El dominio del idioma predominante, como el castellano, se asoció
con mayores ingresos en el sector formal, pero tuvo un impacto negativo en el
sector informal.
El lugar de residencia también afectó significativamente los ingresos. Los
trabajadores en áreas urbanas tendieron a tener ingresos más altos en el sector
formal, mientras que en las áreas rurales hubo una mayor proporción de
trabajadores informales. Esto resultó en una disparidad considerable: un
impacto negativo del 53 % en el sector informal y un aumento del 8.52 % en el
sector formal. La metodología Oaxaca-Blinder confirmó que los ingresos eran
mayores en el sector formal en comparación con el informal, y que tanto la
educación como la experiencia aumentaban la brecha salarial.
Por último, los niveles educativos superiores, como el universitario, tuvieron un
impacto positivo en la brecha salarial, mientras que los niveles primarios y
secundarios limitaron las oportunidades laborales bien remuneradas. Estos
hallazgos subrayaron la urgencia de implementar políticas para mejorar el
acceso a la educación y la capacitación laboral, con el fin de reducir las
disparidades salariales en Junín. Las estrategias debieron enfocarse en
aumentar el nivel educativo general y reducir las desigualdades de género para
mejorar las condiciones laborales y salariales en la región.
Referencias
Aldama Chávez, G. W., Huillcahuari Huamani, S. V., Larico Flores, J. A. y
Vargas Salazar, I. Y. (2022). Variación de los Determinantes del Ingreso
por Actividad Principal en el Perú, 2019-2020. Transdisciplinary Human
Education, 6(10), 1-12. https://doi.org/10.55364/the.Vol6.Iss10.114
Antón, J., Vera, J., Rodríguez, J. y Lara, N. (2020). Brecha salarial de género
en los sectores público y privado del Ecuador. X-Pedientes Económicos, 4(9).
http://portal.amelica.org/ameli/jatsRepo/392/3921939003/index.html
Arroyo, R. y Cusi, F. (2019). Determinantes del retorno de la educación en los
ingresos laborales de los trabajadores en la región Junín - 2016 [Tesis de
grado, Universidad Nacional del Centro del Perú].
https://repositorio.uncp.edu.pe/bitstream/handle/20.500.12894/5325/T010
_72326387_T.pdf?sequence=1&isAllowed=y
Becker, G. S. (1998). Human capital. IEEE Software, 15(6), 107-109.
https://doi.org/10.1109/52.730859
Ben-Porath, Y. (1967). The Production of Human Capital and the Life Cycle of
Earnings. Source: The Journal of Political Economy, 75(4), 352-365.
https://doi.org/10.1086/259291
Chilan, K. y Viscarra, S. (2005). Análisis comparativo de la discriminación
salarial por género entre el sector formal e informal del Ecuador 1995-2004
[Tesis de grado, Escuela Superior Politécnica del Litoral].
https://www.dspace.espol.edu.ec/bitstream/123456789/8311/3/8219.pdf
Daymont, T. N. y Andrisani, P. J. (1984). Job preferences, college major, and
the gender gap in earnings. https://doi.org/10.2307/145880
Díaz, T. y Aleman, P. (2008). La Educación Como Factor de Desarrollo.
Revista Virtual Universidad Católica del Norte, 23, 1-15.
https://revistavirtual.ucn.edu.co/index.php/RevistaUCN/article/view/149
Fuentes, J., Palma, A., & Montero, R. (2005). Discriminación salarial por género
en Chile: Una mirada global. Estudios de Economía, 32(2), 133-157.
https://estudiosdeeconomia.uchile.cl/index.php/EDE/article/view/40326
Fukusaki, G., & Castro, J. (2010). Educación superior e ingresos laborales:
estimaciones paramétricas y no paramétricas de la rentabilidad por niveles
y carreras en el Perú [Articulo de investigación, Universidad del Pacífico].
Repositorio Institucional Universidad del Pacífico.
https://repositorio.up.edu.pe/handle/11354/359?show=full
Heckman, J. (1979). Samples selection bias as a specification error.
Econometrica, 47(1), 153-161. https://www.jstor.org/stable/1912352
Hinojosa Castro, F. A. (2022). Retornos a la educación: Un análisis por sectores
económicos. Tesis para optar al título de Licenciado en Ciencias
Económicas y Administrativas, Universidad ESAN.
https://hdl.handle.net/20.500.12640/2946
Huilca, G. (2022). Diferencias en los ingresos laborales y el rol de la
educación, la discriminación de género, las disparidades regionales y los
tipos de remuneración, Perú 2020 [Tesis de grado, Universidad Nacional
de San Agustín de Arequipa].
https://repositorio.unsa.edu.pe/server/api/core/bitstreams/27d742cf-281d-
43a5-9067-c5ffc127f27a/content
Instituto Nacional de Estadística e Informática (INEI). (2020). Producción y
empleo informal en el Perú. Cuenta Satélite de la Economía Informal 2007-
2019, 7823-7830.
Layme, L. L. M. (2023). Eficiencia del gasto público en educación y su relación
con el rendimiento académico a nivel de primaria y secundaria, por
regiones en el Perú, 2014- 2018. Universidad Nacional de Juliaca.
https://doi.org/10.26867/se.2019.v08i2.91
López, C. A. V., Urrea, F. y Fonnegra, J. B. C. (2009). Desigualdades
sociodemográficas y socioeconómicas, mercado laboral y discriminación
étnico-racial en Colombia: análisis estadístico como sustento de acciones
afirmativas a favor de la población afrocolombiana.
https://www.researchgate.net/publication/336830075_Desigualdades_s
ociodemograficas_y_socioeconomicas_mercado_laboral_y_discriminac
ion_etnicoracial_en_Colombia_analisis_estadistico_como_sustento_de
_acciones_afirmativas_a_favor_de_la_poblacion_afrocolo
Mamani-Choque, E. E., Larico-Flores, J. B., Mendoza-Choque, Z. J. y
Calatayud-Mendoza, A. P. (2020). Returns of education in the labor market
of dependent and independent workers by educational level and place of
residence in Peru, 2010-2018. Revista Científica de La UCSA, 7(1), 12-22.
https://doi.org/10.18004/ucsa/2409-8752/2020.007.01.012-022
Medina, P. F., & Portocarrero, J. V. (2019). El impacto económico de la brecha
salarial por razones de género. Serie Igualdad y No Violencia, 12, 96.
http://repositorio.dpe.gob.ec/handle/39000/2540
Mincer, J. (1974). Schooling, Experience, and Earnings. Human Behavior &
amp. Social Institutions, 46,47-152. https://eric.ed.gov/?id=ED103621
Mincer, J. (1984). Human capital and economic growth. Economics of Education
Review, 3(3), 195-205.
https://doi.org/10.1016/0272-7757(84)90032-3
Ministerio de Trabajo y Promoción del Empleo (MTPE). (2021). Reporte del
empleo formal en la región Junín. Ministerio de Trabajo y Promoción del
Empleo, 1, 6.
Mosquera, A. B. (2011). La educación y su efecto en la formación de capital
humano y en el desarrollo económico de los países. Revista Apuntes del
CENES, 30(51).
Oaxaca, R. (1973). Male-female wage differentials in urban labor markets.
International Economic Review, 14 (Issue 3).
http://www.jstor.orgStableURL:http://www.jstor.org/stable/2525981Access
ed:30-03-
201505:34UTChttp://www.jstor.org/page/info/about/policies/terms.jsp
Ordóñez-Castaño, I. A. y Sanabría-Domínguez, J. A. (2014). Retornos de la
educación para los trabajadores formales e informales en Cali: una
aproximación con regresiones cuantílicas y splines lineales.
ENTRAMADO, 10(2), 12-22.
https://doi.org/10.18041/entramado.v10n2.20225
Portes, A. (1998). En torno a la informalidad ensayo sobre teoría y medición de
la economia no regulada. Perfiles Latinoamericanos, 13, 259-262.
https://www.redalyc.org/articulo.oa?id=11501310
Quispe Mamani, E. L. (2021). Retornos Económicos de la Educación Superior
Universitario en el Mercado Laboral Peruano, periodo 2018.
Ramírez, C. C. (2012). La Educación como factor determinante de los ingresos
laborales en el Perú. Universidad peruana Cayetano Heredia.
Recio, A. (1997). Trabajo, personas, mercados: Manual de economía laboral.
https://books.google.com.pe/books?id=FqckDVm9-
8kC&pg=PA3&hl=es&source=gbs_selected_pages&cad=1#v=onepage&q
&f=false
Roldán Vásquez, P. y Ospino Hernández, C. (2022). ¿Quiénes terminan en la
informalidad?: impacto de las características y el tiempo de búsqueda.
Revista de Economía del Caribe, 4, 149-180.
https://doi.org/10.14482/ecoca.04.417.007
Salinas, J. R. D., González, S. A. I. y Marín, L. J. (2012). Características de la
Población Ocupada en Colombia: Un análisis del perfil de los formales e
informales. Perfil de Coyuntura Económica, 20, 57-86.
Schultz, T. (1961). Investment in Human capital. American Economic
Association, 51(1), 1-17.
https://www.jstor.org/stable/1818907
Siancas, M. (2021). Retornos de la educación y experiencia laboral de los jefes
de hogar en la región de Piura, 2019 (pp. 21-24). Universidad Nacional de
Frontera.
http://repositorio.unf.edu.pe/handle/UNF/61
Smith, A. (1776). La riqueza de las naciones.
Turco, J. (2013). Retornos a la educación en la macro región centro del Perú:
2005 - 2012.
Uribe, J. I., & Ortiz, C. H. (2006). Informalidad laboral en Colombia 1988-2000:
Evolución, teorías y modelos. Perfiles de Economía, 13, 174-214
https://doi.org/10.25100/peu.307
Vega, P. y Granda, D. (2020). Descomposición de las brechas de ingresos
entre trabajadores del sector formal e informal en el periodo 2007 - 2016.
Revista Económica, 7(1), 11-17.
https://revistas.unl.edu.ec/index.php/economica/article/view/798
Vicens, J. (2012). Descomposición Oaxaca - Blinder en modelos lineales y no
lineales. (Centro Gauss, 20).
https:// www.uam.es/uam/media/doc/1606862171313/blinder-oaxaca.pdf
Yamada, G. (2006). Retornos a la educación superior en el mercado laboral:
¿Vale la pena el esfuerzo? http://hdl.handle.net/11354/309
Zamora Rodríguez, M. L. (2023). Capital humano: Actor clave para el desarrollo
de la innovación empresarial. Gecontec, 11(2), 90-118.
https://doi.org/10.5281/zenodo.10431438
