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
Juan Carlos Perez Ticse 1
Marco Antonio Arroyo Yupanqui 2
Linford Kits Porta Chuquillanqui 3
Jasi Carla Osores Espinoza 4
Fecha de recepción: 19 de abril de 2024
Fecha de aceptación: 5 de agosto de 2024
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 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 (BO), 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 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.
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:
Dado un "período de inversión" en escolaridad para el trabajador, entonces después de completar la educación, los "ingresos" estarían representados de la siguiente manera:
Se validan las hipótesis que desarrolla la "función de ingresos de Mincer", entonces el "valor del coeficiente �1 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 β2 sea positiva y la de β3 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.
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 (Prob(y = 1)) y la probabilidad del individuo de participar en el mercado de trabajo del sector informal (Prob(y =1)).
Por tanto, dichas ecuaciones y considerando la ecuación (2) serían representadas de la siguiente manera:
Probabilidad de Emplearse en Sector Formal:
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 E(ui = 0), 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 βΑ= β* y βΒ = β*, 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:
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.
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.
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.
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.
1 Docente investigador de la Universidad Nacional del Centro del Perú. Huancayo. Perú Correo electrónico: jperezt@uncp.edu.pe. ORCID: https://orcid.org/0000-0003-0661-8381.
2 Docente investigador de la Universidad Nacional del Centro del Perú. Huancayo. Perú. Correo electrónico: marroyo@uncp.edu.pe. ORCID: https://orcid.org/0000-0003-0948-2256.
3 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
4 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
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 20072019, 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_sociodemograficas_y_socioeconomicas_mercado_laboral_y_discriminacion_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/2525981Accessed: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