Julio, 2000

LA EVOLUCIÓN DE LA DISCRIMINACIÓN SALARIAL POR GÉNERO EN CHILE:

1987-1998.

(Versión preliminar – no citar)

Renato Aguilar1 y Jorge Dresdner2

1 Departamento de Economía, Universidad de Gotemburgo. 2 Departamento de Economía, Universidad de Concepcion .

2

LA EVOLUCIÓN DE LA DISCRIMINACIÓN SALARIAL

POR GÉNERO EN CHILE: 1987-1998. Renato Aguilar3 y Jorge Dresdner4

INTRODUCCIÓN. Durante la década de los noventa el diferencial de salarios entre hombres y mujeres ocupados en Chile tendió a decrecer de acuerdo a la información recogida por las Encuestas de Caracterización Nacional (Encuestas CASEN). Sin embargo, la relación de los niveles de escolaridad entre hombres y mujeres, medida por la cantidad de años de estudio finalizados, no mostró igual tendencia. De hecho, de acuerdo a la misma fuente de información, esta relación se mantuvo relativamente constante en el período. De igual forma, la experiencia laboral potencial entre hombres y mujeres tampoco ha mostrado una tendencia similar a la de los ingresos laborales (ver Gráfico 1).

GRÁFICO 1.

Fuente: Encuesta CASEN Nota: Wm/Wf = Salario Relativo, ESCm/ESCf = Nivel de Escolaridad Relativa, EXPm/EXPf = Nivel de Experiencia Potencial Relativa. Los subíndices m y f denotan genero masculino y femenino respectivamente.

3 Universidad de Gotemburgo. 4 Universidad de Concepcion .

Salarios y Capital Humano Relativo en Chile: 1987-1998

0,800,90

1,001,101,20

1,301,40

1987 1990 1992 1994 1996 1998

Año

Wm/Wf

ESCm/ESCf

EXPm/EXPf

3

Esta disociación en la evolución de estas series genera interrogantes sobre los factores que explican la caída en el diferencial de salarios entre hombres y mujeres. De acuerdo al enfoque de capital humano, que probablemente es el enfoque más utilizado en Economía para explicar la evolución del ingreso laboral, el acervo de conocimientos, experiencias y habilidades de los individuos deberían determinar la evolución de sus remuneraciones. Individuos con mayor capital humano mostrarán una productividad laboral mayor, que el mercado laboral debería premiar con remuneraciones más altas. En este sentido, la información presentada indicaría, en una primera aproximación, que los estudios formales y la experiencia laboral no estarían explicando la caída observada en el diferencial de salarios, a menos que los niveles de capital humano se remuneren de distinta forma entre hombres y mujeres. Tampoco es probable que las habilidades hayan evolucionado en forma muy distinta como para poder explicar parte importante de la reducción en el diferencial de salario mostrado en las cifras. Por tanto, ello plantea la interrogante sobre qué factores pueden explicar la evolución relativa en los salarios por género. Una hipótesis distinta a la del capital humano, enfatiza que existe un componente en la determinación de salarios que no es explicada por diferencias en la productividad entre hombres y mujeres. Este enfoque agrupa los posibles factores que generan diferenciales de salario aparte del capital humano de las personas, bajo el nombre genérico de discriminación. En este sentido, es posible hipotetizar que una caída en el grado de discriminación en el mercado laboral chileno durante la década de los noventa podría explicar la reducción observada en el diferencial de salarios. Es el objetivo de este trabajo investigar la validez de esta hipótesis. En lo que sigue primero presentamos un marco teórico básico que permite analizar el problema de la discriminación salarial. Posteriormente, discutimos el problema de sesgo de selección que surge generalmente cuando se estiman ecuaciones de salario como las nuestras. A continuación presentamos el modelo empírico estimado, para luego analizar los datos utilizados y los resultados obtenidos. Finalmente, resumimos algunas conclusiones. Un apéndice con resultados se adjunta. MARCO TEÓRICO BÁSICO. El análisis empírico del problema de discriminación se ha basado, en forma principal, en la estimación de funciones de ingreso á la Mincer (Mincer, 1974)

4

separadas para hombres y mujeres5. La función de ingresos de Mincer determina el efecto que las variables de capital humano tienen, como determinantes de la productividad del individuo, sobre el ingreso laboral individual. Considere las siguientes ecuaciones:

(1) ln W = X + mi mi|

mi miββ νν

(2) ln W = X + fi fi|

fiββ ννfi donde X corresponde a un vector de variables de capital humano (Kx1), lnW es el logaritmo natural del ingreso laboral por hora (o tasa salarial), β es el vector de coeficientes (Kx1) y v es un término estocástico. Los subíndices m y f indican variables para el genero masculino y femenino respectivamente, e i indica el individuo, donde i = 1,...,N. Por medio del método de Mínimos Cuadrados Ordinarios (MCO), se puede, en principio, estimar estas ecuaciones de ingresos. Una de las propiedades de la estimación con MCO es que podemos escribir

(3) ln $Wm m = Xmββ

(4) ln $Wf f = Xf ββ donde una barra sobre el término indica el valor promedio y un sombrero el valor estimado. De tal manera, que el diferencial de ingresos se puede plantear como la diferencia entre (3) y (4). Aplicando la descomposición de Oaxaca (1973) - Blinder (1973) obtenemos6

(5) ln ln $ $ $W Wm f−− = (X - X ) + X ( - )m f m f m fββ ββ ββ El sentido de la descomposición es distinguir entre diferenciales de ingreso que se generan por diferencias en las características de capital humano entre hombres y mujeres valoradas a la tasa de rentabilidad estimada de estas características de los 5 Revisiones de la literatura sobre discriminación salarial puede encontrarse en Caín (1986) y Gunderson (1989) y González (1992).

6 Donde el diferencial de salarios libre de discriminación se define que W

m

Wf

ex

mx

f m*

( ) $

=− β

y Wf* representa el

ingreso medio, recibido por la mujer en ausencia de discriminación.

5

hombres (βm) y el diferencial que se genera como consecuencia de una diferente retribución entre hombres y mujeres para iguales características de capital humano, evaluadas en el promedio femenino (Xf). El primer término del lado derecho de la ecuación (5) refleja este primer componente que denominaremos diferencial por capital humano. El segundo término del lado derecho de esta ecuación denota lo que se ha llamado el diferencial por discriminación7. Sin embargo, esta descomposición no es única. También se puede elegir descomponer el diferencial en la forma alternativa

(6) ln $ $ $ ) W - ln W = (X - X ) + X ( -m f m f f m m fββ ββ ββ La diferencia estriba que en esta descomposición alternativa se utiliza la rentabilidad estimada de las características femeninas para ponderar las diferencias en capital humano y las características promedio de los hombres para ponderar los diferenciales de rentabilidad. Cualquiera de las descomposiciones ((5) ó (6)) es posible calcularla con los resultados de las regresiones para las ecuaciones (1) y (2)8. SESGO DE SELECCIÓN. Un problema que se encuentra al estimar las ecuaciones de salario por mínimos cuadrados ordinarios es la potencial existencia de un sesgo de selección. Este sesgo se puede producir al incluir en la muestra utilizada en las estimaciones de ecuaciones de salario o ingreso sólo a los ocupados y excluir a los desempleados e inactivos. Ello porque sólo existe información de salarios para la población ocupada. Sin embargo, este procedimiento puede implicar que la muestra elegida no sea aleatoria, ya que los individuos que están desocupados o fuera de la fuerza de trabajo pueden poseer (en promedio) características distintas a los que están ocupados. El sesgo que se genera en los coeficientes estimados es equivalente al que se produce al omitir variables relevantes del análisis. (Heckman, 1979). Este sesgo, al estar potencialmente presente tanto en las ecuaciones de salario de los hombres como de las mujeres, podría distorsionar las estimaciones de discriminación salarial. 7 Esta interpretación es discutible tanto porque implícitamente asume que cualquier diferencia de ingreso que no es capturada por las variables de capital humano es producto de la discriminación salarial, como porque no es claro que todas las variables de capital humano sean exógenas al proceso discriminador. El primer punto se puede intentar resolver controlando por una serie de otras variables que permitan acercarse a medir “igual pago para igual trabajo por igual trabajador”. Sin embargo este procedimiento tiende a exacerbar aún más el segundo punto. Para una revisión de esta discusión ver Cain (1987). En lo que sigue nosotros mantenemos la interpretación utilizada en la literatura. Sin embargo, una interpretación más exacta de este diferencial es que recoge efectos en los ingresos no provocados por diferencias en el stock de capital humano. 8 Esto corresponde al problema de números índice que se produce siempre cuando hay que sumar bienes heterogéneos con precios distintos. En el trabajo empírico hemos tenido el cuidado de controlar que los resultados no varíen en forma significativa por el tipo de descomposición utilizado.

6

Para resolver este problema se utilizó el método propuesto por Heckman (op.cit), que consiste en estimar el modelo en dos etapas. Una forma de conceptualizar el sesgo de selección es que se ha excluido de la ecuación de salarios una variable relevante, que llamaremos λ. Esta variable corresponde al inverso de la razón de Mills y refleja la probabilidad de que un individuo sea seleccionado en la muestra. Para corregir este problema se ha propuesto estimar de forma separada una variable que aproxime a λ y que elimine el sesgo (Heckman, 1974 & 1979). El procedimiento de Heckman, establece realizar primero una regresión de la probabilidad de estar ocupado, usando un modelo Probit. De esta estimación se puede calcular λ. Enseguida se determina la función salarial utilizando la estimación de λ, mediante MCO, obteniendo estimaciones consistentes de todos los parámetros.

(7) ln $ W = X + + fi fi|

i iβ β λ ωλ donde ωi es un error aleatorio. Aunque los valores de λi sean observables la estimación anterior por MCO de β y βλ nos entrega estimadores, si bien insesgados, ineficientes. La ineficiencia es una consecuencia de la heterocedasticidad que se genera en el termino de error ω. El procedimiento utilizado para estimar las funciones de ingreso, corrige el valor de las desviaciones estándares utilizando el procedimiento de White (1980) y por lo tanto las inferencias basadas en estos resultados son válidos, ya que los parámetros estimados son eficientes y consistentes. EL MODELO EMPÍRICO. Se estimó una función de participación (a través del método Probit) para hombres y mujeres. La ecuación específica estimada fue:

(8) Li=γγ0+ γγ1 Edadi+ γγ2 Edad2i+ γγ3 Expi+γγ4 Exp2i + γγ5 ECi+ γγ6 Jefei+ γγ6 NPi + εεi donde se obvia el subíndice por género y donde la variable dependiente, L, corresponde a una variable dicotómica que toma valor 0 cuando el individuo no participa en la fuerza laboral ocupada y 1 cuando sí participa en ella; Edad representa los años de vida del individuo; Exp representa la variable experiencia potencial; EC representa el estado civil del individuo, y es una variable muda que adquiere el valor 1 cuando el individuo está casado (o conviviente) y 0 en cualquier otro caso; Jefe es una variable muda que adquiere valor de 1 para todos aquellos individuos que son jefes de núcleo familiar y valor 0 en otro caso; NP representa el número de personas en el hogar. Las variables cuadráticas permiten

7

captar relaciones no lineales entre la probabilidad de participación y estas variables. Los signos de los coeficientes estimados de la ecuación de participación se esperan que sean positivos para aquellos parámetros que aumentan el costo del ocio, ya que implican un aumento en el costo de oportunidad de no trabajar. Entre estos están los de capital humano (Edad y Exp) y la variable Jefe. La variable “número de personas” es una variable aproximada de la cantidad de cargas en el hogar. En este sentido se puede esperar una respuesta diferenciada para hombres y mujeres. Para los hombres puede constituir una medida del grado de responsabilidad que tiene, y en este sentido, aumentar el costo alternativo del ocio e incentivar su participación. Para la mujer el efecto puede ser contrario, en la medida que un mayor número de cargas puede aumentar su salario de reserva y por tanto impulsarla a quedarse en casa. La variable EC, justifica su inclusión ya que puede afectar los gustos de la mujer y sus decisiones de trabajo, tomados en conjunto con su marido. Puede suceder que la mujer sacrifique su salario por realizar las labores del hogar, lo cual será determinante en su decisión de participar. Por su parte, esta variable en el hombre puede asociarse a un grado distinto de responsabilidad, lo que hace esperar un signo positivo en ella. Después de realizar la estimación de la función anterior, tanto para hombres como para mujeres, se obtienen los valores estimados del inverso de la razón de Mills, con los cuales se corrige el sesgo de selección que se produce al estimar la función de ingresos para hombres y mujeres, según lo propuesto por Heckman. Las funciones de ingreso específicas, tanto para los hombres como para las mujeres, tienen la siguiente forma9:

(9) LnWi=ββ0+ββ1Esci+ββ2Esc2i+ββ3Expi+ββ4Exp2i +ββ5λλi+ννi

Con estas regresiones se obtiene, una estimación del logaritmo del ingreso (salario) por hora (LnW) para hombres y mujeres. Esc son los años de escolaridad completados y λλ representa la probabilidad (estimada) ajustada de que el individuo i participe en el mercado del trabajo; además ννi representa un error aleatorio. En la función de ingreso, tanto para mujeres como para hombres, las derivadas de las variables escolaridad y experiencia deberían tener signos positivos. Una vez obtenidas las estimaciones para las ecuaciones de ingreso se puede calcular el diferencial de ingreso entre hombres y mujeres y utilizar los coeficientes

9 Esta función está basada, al igual que la función de participación, en la literatura empírica previa sobre América Latina y especialmente sobre Chile, sujeta a la base de datos disponible en este caso.

8

estimados y los valores promedios de las variables independientes para calcular la descomposición de Oaxaca - Blinder. DESCRIPCIÓN DE DATOS Y RESULTADOS. Los datos utilizados fueron obtenidos de las encuestas CASEN para los años 1987, 1990, 1992, 1994, 1996 y 199810. Para construir la base de datos excluímos a todas las personas bajo quince años, que de acuerdo a la definición de fuerza laboral en Chile, no pertenecen a ésta. Además, también dejamos fuera a los habitantes de las comunas rurales para obtener una muestra más homogénea.11. Alguna información básica sobre la muestra, organizada por año y para ciertas variables centrales se presenta en el Cuadro 1.

La muestra anual fluctúa entre un poco menos de 35.000 individuos en 1996 y casi 60.000 individuos en 1998 en edad de trabajar. De estos aproximadamente la mitad se encuentra ocupado. Mientras que la distribución entre hombres y mujeres es relativamente similar en la muestra total, la distribución en la ocupación es altamente desigual . La participación femenina en la ocupación total es aproximadamente un tercio. Excluyendo del análisis el año 1996, la tasa de participación masculina se ha mantenido estable en torno al 70%, mientras que la femenina ha mostrado una tendencia a aumentar en el tiempo. Estas tendencias concuerdan con la información para la economía chilena obtenida de otras fuentes. Como además puede observarse en el Cuadro 1, los datos de las encuestas CASEN indican un diferencial total de salarios por hora de 33% en 1987, diferencial que cae paulatinamente a 18% en 1998. También es posible observar que las diferencias en escolaridad y experiencia para el período se mantienen relativamente constantes.

10 La Encuesta de Caracterización Socio-Económica Nacional (Encuesta CASEN) es aplicada por el Ministerio de Planificación Nacional (MIDEPLAN) cada dos años, con excepción del año 1987, y está orientada a la medición y estudio de la pobreza en Chile. Existe una muestra para el año 1985, pero por la baja calidad de los datos contenidos preferimos no incluirla. 11 De acuerdo a Gill (1991) la inclusión de la fuerza laboral rural en la estimación de modelos de capital humano en Chile afecta fuertemente la estabilidad de los resultados. Para seleccionar la muestra elegimos todas las comunas que muestran una proporción de población rural inferior al 15%, de acuerdo al Censo de Población de 1992. Este porcentaje fue elegido para asegurar la representatividad de todas las regiones a nivel nacional en la muestra.

9

CUADRO 1.

Los resultados de las regresiones de las funciones de participación y de salarios se presentan en un apéndice. La estimación controló por la presencia de heterocedasticidad de acuerdo al procedimiento de White (1980). Además, las observaciones se ponderaron por los factores de expansión relevantes. En general, la mayoría de los resultados para la función de participación son significativos al 1% y con los signos teóricos esperados para todos los años. El efecto promedio de la variable edad sobre la probabilidad de estar ocupado es positivo, aunque no lineal. En cambio, para la experiencia este efecto es negativo. Por otra parte, se observa que el estado civil tiene un impacto diferenciado sobre la probabilidad de participar de hombres y mujeres como se podía esperar. Mientras que en el primer caso el hecho de que el individuo esté casado o conviviendo aumenta la probabilidad de participar en la fuerza laboral, en el segundo casado esta misma situación tiene un efecto opuesto. Ello podría indicar, desde una perspectiva teórica, que el costo de oportunidad de no trabajar se reduce para la mujer y aumenta para el hombre una vez casado/conviviente. Desde otra perspectiva, este resultado probablemente refleja los roles tradicionales que comúnmente se asume que deben tener hombre y mujer en una familia, donde el primero debe velar por el sustento familiar y la segunda debe hacerse cargo de los quehaceres del hogar.

INFORMACIÓN BÁSICA SOBRE LA MUESTRA

1987 1990 1992 1994 1996 1998Variable Promedio Promedio Promedio Promedio Promedio Promedio

N°Observac.total 40360 41357 47785 49698 34504 59796

hombre 18859 19568 22661 23599 16456 28527mujer 21501 21789 25124 26099 18048 31269

Ocupadostotal 19121 20223 24789 25379 19867 29757

hombre 12859 13622 16660 16822 13266 19026mujer 6262 6601 8129 8557 6601 10731

Tasa Part.total 0,47 0,49 0,52 0,51 0,58 0,50hombre 0,68 0,70 0,74 0,71 0,81 0,67mujer 0,29 0,30 0,32 0,33 0,37 0,34Diferenciales

Wm/Wf 1,33 1,25 1,28 1,24 1,25 1,18ESCm/ESCf 1,06 1,05 1,05 1,05 1,02 1,04EXPm/EXPf 0,94 0,94 0,94 0,94 0,96 0,92Fuente: Encuesta CASEN 1987, 1990, 1992, 1994, 1996, 1998Notas:m= hombre, f= mujer, Wm/Wf=diferencial salarial por género ESCm/ESCf=diferencial de escolaridad por géneroEXPm/EXPf = diferencial de experiencia potencial por géneroTasa Part.: Tasa de participación laboral

10

De ser correcta esta interpretación, los resultados obtenidos indican que estos roles tradicionales aún se encuentran arraigados en la fuerza laboral en Chile. Por otra parte, la calidad de ser jefe de hogar aumenta la probabilidad de participar en el mercado laboral tanto para hombres como mujeres. Finalmente, el número de personas en el hogar, que es una variable “proxy” para el número de cargas, afecta negativamente la participación de la mujer durante todo el período, y negativamente en los primeros dos años al hombre para luego volverse no significativa. Para la ecuación de salarios por hora los resultados, en general, también resultaron ser altamente significativos y con los signos teóricos esperados. Los coeficientes estimados indican que existiría una relación no lineal entre salarios y las variables de capital humano, escolaridad y experiencia. Para la mejor visualización de este resultado se ha calculado, a modo de ejemplo, el “perfil” de ingresos promedio para 1998 para los hombres generado por distintos años de escolaridad. Este puede observarse en el Gráfico 1. Como es posible observar, los resultados indican que la tasa de rentabilidad de la educación para los hombres no es constante a través de los años. Es más, estos indican claramente que esta rentabilidad es positiva en la cantidad de años de estudio. Ello indicaría que el mercado laboral chileno no sólo premia la educación formal, sino que además discrimina por el tipo de estudios realizado, entregando un fuerte premio a los estudios más avanzados.

GRÁFICO 1.

Fuente: Resultados propios.

Perfil de Rentabilidades de la Escolaridad:1998

-0,10

0,10,20,30,4

1 3 5 7 9 11 13 15 17 19

Años

Tas

a

Hombres

11

Las “rentabilidades” marginales de la escolaridad y la experiencia pueden calcularse en forma tradicional de los resultados obtenidos12. En los Gráficos 2 y 3 se muestran los resultados de este cálculo para cada año de la muestra para hombres y mujeres.

GRÁFICO 2.

Fuente: Resultados Propios.

GRÁFICO 3.

Fuente: Resultados Propios.

12 Por ejemplo, para la escolaridad la tasa de rentabilidad se calcula δ(lnW)/δESC = β1+2β2ESC*, donde ESC se evalua en su valor promedio (ESC*).

TASA DE RENTABILIDAD DE LA ESCOLARIDAD: 1987-1998

10,0%

12,0%

14,0%

16,0%

1987 1990 1992 1994 1996 1998

AÑOS

TA

SA Hombres

Mujeres

TASA DE RENTABILIDAD DE LA EXPERIENCIA POTENCIAL: 1987-1998

1,0%

2,0%

3,0%

1987 1990 1992 1994 1996 1998AÑOS

TA

SA HOMBRES

MUJERES

12

Los valores obtenidos concuerdan con resultados obtenidos en otros estudios para el caso chileno (Ver por.ej. Paredes, 1982 y Paredes y Riveros, 1994). Se observa que la tasa de rentabilidad a la escolaridad es muy superior a la de la experiencia, lo cual indica que los estudios formales se remuneran relativamente bien en Chile. Desde otra perspectiva, es posible observar que no existe un patrón claro de evolución en el tiempo en ninguna de las series. Además, la relación entre las rentabilidades entre hombres y mujeres es ambigua. Es decir, no se puede observar que la rentabilidad de la escolaridad o experiencia sea claramente mayor para mujeres que hombres o viceversa. A excepción de la tasa para la experiencia para los hombres en el año 1987, que se encuentra un poco fuera de rango, el resto de los resultados son similares para ambos géneros. Ello, como una primera aproximación, debería indicarnos que dadas tasas de rentabilidad similares, las diferencias de salarios deberían ser explicadas fundamentalmente por diferencias en las dotaciones de capital humano. Para profundizar este punto, realizamos las pruebas de significancia para los parámetros individuales . Es decir testeamos la hipótesis nula si βmi=βfi, para i= 1,...k, donde k es el número de parámetros de la ecuación de salarios. Los resultados se presentan en el Cuadro 2.

CUADRO 2.

Fuente: Resultado Propios. Nota: * significativa al 1%, ** significativa al 5%, ***significativa al 10%.

En la mayoría de los casos, los parámetros son significativamente distintos, y en general altamente significativos. Para profundizar en el análisis de los cambios observados en el diferencial de salarios calculamos el diferencial discriminatorio que surge de nuestros resultados de cada año, con ayuda de las ecuaciones (5) y (6). Este se muestra en el Cuadro 3.

Parámetro 1987 1990 1992 1994 1996 1998b1 (Esc) 0,7346 -2,1332 ** -2,8158 * -3,0504 * 1,3758 -2,0615 *b2 (Esc2) 2,5177 ** 2,4820 ** 3,6290 * 4,7256 * -1,7945 *** 1,8346 ***b3 (Exp) 11,1711 * -3,0824 * -1,3973 -3,3173 * -2,1669 ** -3,5735 *b4 (Exp2) -7,2843 * 4,7913 * 3,5477 * 5,8611 * 3,7234 * 4,2721 *b5 (l) -3,9765 * -12,3716 * -12,1169 * -10,4985 * -10,6675 * -10,0564 *

Pruebas de Significancia para diferencia de parámetros estimadosH0:ββm=ββf

13

CUADRO 3.

El diferencial indica el cuociente entre el salario promedio de los mujeres si no existiera discriminación y el salario promedio efectivo de las mujeres. Se observa de esta manera en que medida los salarios femeninos se encuentran bajo el nivel que tendrían en un mercado laboral libre de discriminación. Los resultados indican que en cada año ha existido discriminación salarial en contra de las mujeres. El grado de discriminación más elevado, ponderado por las características de los hombres13, se observa en el año 1990 donde el salario sin discriminación es un 79% más alto de lo que efectivamente fue. También es posible detectar , a partir de este año, una tendencia a la caída en el grado de discriminación salarial en el mercado laboral chileno. Sin embargo, cabe preguntarse si el coeficiente de discriminación estimado, dado que es una combinación ponderada de coeficientes aleatorias, es significativamente distinto de cero. Para ello se calculó la varianza de este coeficiente y se aplicó una prueba de significancia para cada año. Los resultados de este procedimiento se muestran en el Cuadro 414.

13 En general los resultados no varían mucho con el cambio de ponderadores, como puede observarse en este Cuadro. 14 Los resultados del coeficiente de discriminación en el Cuadro 4, a diferencia de los del Cuadro 3 están expresados en logaritmos.

Año Ponderado c/Xm Ponderado c/Xf

1987 1,630082 1,6094761990 1,785569 1,7787751992 1,717024 1,7054391994 1,587240 1,5840751996 1,611197 1,6033491998 1,475995 1,472815Fuente: Cálculos propios

DIFERENCIAL DISCRIMINATORIO

14

CUADRO 4.

Como es posible observar, la hipótesis nula de ausencia de discriminación salarial es rechazada en todos los casos a cualquier nivel de significancia tradicional. Por tanto es posible concluir que los resultados indican la presencia de discriminación significativa en todos los años para el mercado laboral chileno. Para profundizar en estos resultados, descompusimos el logaritmo del diferencial de salarios en sus componentes discriminatorio, de capital humano, y en un residuo. Estos resultados se presentan en el Cuadro 5.

CUADRO 5.

Como es posible observar en la primera columna de este cuadro, la diferencia entre el salario promedio del hombre y el de la mujer fluctúa entre 32% en 1987 y 18% en 1998. En todo el período el diferencial por capital humano (tercera columna ) ha sido negativo. Efectivamente, de acuerdo a estos resultados sólo por el diferencial de capital humano las mujeres deberían haber recibido un ingreso laboral superior (en promedio) al de los hombres. Sin embargo, ello se ha visto anulado por el

Año Diferencial Comp.Discrim Comp.Cap.Hum Residuo

1987 1,32 1,61 0,97 0,84

1990 1,25 1,78 0,93 0,751992 1,28 1,71 0,96 0,781994 1,25 1,58 0,96 0,821996 1,23 1,60 0,97 0,791998 1,18 1,47 0,95 0,84

Fuente: Cálculos Propios

Descomposición del Diferencial Total

C O E F IC IENTE DE D ISCRIMINACIÓN

P R U E B A D E S IGNIFICANCIA

Año Coef ic iente Desv.Estánd t-estadíst ico

1987 0,489 0,029 16,7421990 0,580 0,038 15,1201992 0,541 0,029 18,7371994 0,462 0,030 15,6301996 0,477 0,033 14,300

1998 0,389 0,032 12,332Fuente: Cálculos Propios.Nota: Corresponde a los resul tados ponderados conel vector de promedios de los hombres

15

efecto de signo contrario y cuantitativamente superior del diferencial discriminatorio, que ha tendido a reducir el salario femenino. De hecho, el diferencial de capital humano no ha variado mayormente en el período, y por tanto no cabe buscar aquí una explicación para la caída observada en el diferencial total de salarios. Por otra parte, el residuo también ha tendido a aumentar el salario relativo de la mujer, pero este efecto también ha sido contrapesado por el del diferencial discriminatorio. Por otra parte, este mismo cuadro nos indica que el componente que explica la reducción en el diferencial total a lo largo del período es precisamente la reducción en el grado de discriminación en el mercado laboral chileno. CONCLUSIONES. En este trabajo se ha investigado la reducción en el diferencial de salarios observado entre hombres y mujeres en la economía chilena entre 1987 y 1998. Específicamente se ha intentado identificar la fuente de esta reducción, básicamente distinguiendo en la contribución que el componente de capital humano y el componente “discriminatorio” (no de capital humano) han realizado para esta evolución. Para ello se han estimado dos ecuaciones de salario para hombres y mujeres para cada año, corrigiendo por el potencial sesgo de selección, mediante la técnica denominada “Heckman en dos etapas”. Luego se ha utilizado la descomposición de Oaxaca-Blinder para identificar los distintos efectos. Los resultados indican que el mercado laboral chileno premia la educación formal y la experiencia, siendo al rentabilidad bastante mayor para la primera. Es más, los resultados muestran que la rentabilidad de la educación formal no es constante, sino que crece con el nivel de estudios. Este resultado de ser confirmado por otros estudios puede ser importante para explicar la distribución de ingresos laborales en el país. Las pruebas de significancia para cada par de parámetros hombre-mujeres indican en forma generalizada que los parámetros de capital humano son distintos para hombres y mujeres. Ello sugiere que los procesos de fijación de remuneraciones al capital humano podrían ser distintos entre géneros. Se calcula el diferencial discriminatorio y se concluye que este es significativamente distinto de cero para cada uno de los años en estudio. Se observa, sin embargo, que existe una tendencia decreciente en el tiempo en este diferencial. En 1998, el diferencial salarial (estimación puntual) entre lo que deberían ganar en un mercado sin discriminación y lo que efectivamente ganaron

16

las mujeres en promedio era una brecha de 47%. Esta cifra se compara favorablemente con la de un 61% en 1987, pero indica que todavía existe un grado importante de discriminación salarial en el mercado laboral chileno. Al descomponerse el diferencial salarial para cada año se concluye que el componente de capital humano se ha mantenido relativamente estable en el tiempo. Es más, este componente indica que en ausencia de discriminación las mujeres deberían obtener una remuneración en promedio superior a los hombres. El componente que explica la caída en el diferencial total de salarios es claramente el componente discriminatorio. Es decir, de acuerdo a los resultados obtenidos, el diferencial de ingresos laborales entre hombres y mujeres ha disminuido en el período básicamente porque el “grado de discriminación salarial” ha disminuido en Chile en el período. Ello naturalmente, genera una siguiente pregunta y que es cuáles son los factores que explican esta reducción en la discriminación. Esta pregunta, naturalmente, no se responde en este estudio.

17

REFERENCIAS BIBLIOGRÁFICAS Blinder, A.(1973): “Wage Discrimination: Reduced Form and Structural Estimates”, Journal of Human Resources 8 (Fall) pp. 436-55. Cain, G. (1986): “The Economic analysis of the Labour Market Discrimination: A Survey”, En Handbook of Labor Economics, volumen I pp.693-781. CASEN 1996, Manual Para el Trabajo de Campo, Noviembre- Diciembre de 1996 Gill, I (1991): “Is There Sex Discrimination in Chile? Evidence from the CASEN Survey.” en Psacharopoulos, G y Z.Tzannatos (eds), Women’s Employment and Pay in Latin America, Report Nº 10, Latin America and the Caribbean Technicakl Department, Regional Studies Program, The World Bank, Washington D.C., Chapter 10, pp. 10.1- 10.29. González, P (1992): “Diferenciales de Ingreso entre Hombres y Mujeres: Teoría, Evidencia e Implicaciones de Política”, Colección de Estudios CIEPLAN, volumen Nº 34, Junio, pp. 101-152. Gunderson, M (1989): “Male- Female Wage Differentials and Policy Responses”, En Journal of Economic Literature, Vol. XXVII, March, pp. 46-72. Heckman, J. (1979): “Sample Selection Bias as a Specification Error”, Econometrica, volumen Nº 47, Enero, pp. 153-161. Heckman, J (1974): “Shadow Prices, Market Wages, and Labour Supply”, En “Econométrica”, pp. 679-694 Mincer, J (1974): “Schooling, Experience and Earnings”, NBER, New York. Oaxaca, R (1973): “Male- Female Wage Diferentials In Urban Labour Market”, En International Economic Review, vol. 14, Nº 3, Octubre, pp. 693- 709. Paredes, R. (1982) : “Diferencias de Ingreso entre Hombres y Mujeres en el Gran Santiago 1969 y 1981”, Estudios de Economía Nº 18, pp.pp. 99-121. Paredes, R. y L. Riveros (1994): “Gender Wage Gaps in Chile. A Long Term View: 1958 -1990”, Estudios de Economía Vol. 21, número especial, (Noviembre), pp. 211-30. White, H (1980): “A Heteroskedasticity Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity”, En Econométrica, Noviembre, pp.817-838.

18

APÉNDICE.

Cuadro Resultados PROBIT

Ecuación Prob(part=1)= α0+α1Εdad+α2Εdad2+α3Exp+α4Exp2+α5Εcivil+α6Jefe+α7Numpe

1987 Hombres Mujeres CONSTANTE -2.178177* -4.113847* (-17.455) (-30.638) EDAD 0.136913* 0.245321* (16.728) (27.118) EDAD2 -0.18018E-02* -0.002298* (-18.898) (-20.551) EXP 0.34360E-01* -0.068086* (-7.114) (-13.687) EXP2 -0.6127E-03* 0.000154*** (-7.745) (1.701) ECIVIL 0.426859* -0.728084* (12.500) (-30.049) JEFE 0.280258* 0.199484* (7.382) (5.671) NUMPE -0.151379E-01* -0.033812* (-2.987) (-7.092) X2 6170.802 3739.264 N° Observaciones 18,859 21,501

1990 Hombres Mujeres

CONSTANTE -2.387073* -4.474810* (-18.793) (-32.941) EDAD 0.157508* 0.266004* (18.960) (29.796) EDAD2 -0.001878* -0.002359* (-20.068) (-22.287) EXP 0.0066104 -0.092437* (1.336) (-18.496) EXP2 -0.000332* 0.0003932* (-4.275) (4.595) ECIVIL 0.396795* -0.566835* (9.732) (-21.773) JEFE 0.404238* 0.336136* (9.083) (11.703) NUMPE -0.028692* -0.0338714* (-5.550) (-6.969) X2 6274.878 4142.098 N° Observaciones 19,568 21,789 Cont.

19

1992 Hombres Mujeres

CONSTANTE -2.309664* -4,268352* (-18,999) (-33,731) EDAD 0,1514113* 0,259623* (19,114) (31,033) EDAD2 -0,0018475* -0,002388* (-21,103) (-24,183) EXP 0,0136167* -0,089608* (2,840) (-18,996) EXP2 -0,0003942* 0,0004659* (-5,432) (5,844) ECIVIL 0,302504* -0,572981* (8,098) (-23,688) JEFE 0,605816* 0,428988* (14,693) (16,150) NUMPE -0,007617 -0,035742* (-1,475) (-7,913) X2 7665,998 4999,221 N° Observaciones 22,661 25,124

1994 Hombres Mujeres

CONSTANTE -3,135008* -4,824846 (-25,323) (-37,280) EDAD 0,197095* 0,292323* (24,373) (34,201) EDAD2 -0,002173* -0,0026718* (-24,654) (-26,932) EXP -0,010580** -0,103542* (-2,124) (-21,471) EXP2 -0,0002031* 0,000644* (-2,734) (8,097) ECIVIL 0,388624* -0,569350* (11,252) (-24,357) JEFE 0,490652* 0,405526* (13,078) (16,193) NUMPE -0,006307 -0,040579* (-1,270) (-9,140) X2 8603,985 5398,842 N° Observaciones 23,599 26,099 Cont.

20

1996 Hombres Mujeres

CONSTANTE -2,818457* -4,221872 (-15,543) (-22,727) EDAD 0,195806* 0,267461* (15,923) (21,403) EDAD2 -0,002449* -0,002536* (-16,257) (-16,567) EXP 0,006343 -0,092935* (0,879) (-13,676) EXP2 -0,000300** 0,0006066* (-2,395) (4,970) ECIVIL 0,307898* -0,691013* (7,003) (-24,529) JEFE 0,466224* 0,307389* (10,073) (9,991) NUMPE -0,011299*** -0,037870* (-1,790) (-7,144) X2 3268,654 2722,155 N° Observaciones 16,456 18,048

1998 Hombres Mujeres

CONSTANTE -3,352736 -4,762353* (-31,575) (-40,802) EDAD 0,197648* 0,283281* (29,029) (37,446) EDAD2 -0,002072* -0,002557* (-27,332) (-29,472) EXP -0,012035* -0,090548 (-2,908) (-20,951) EXP2 -0,000218* 0,0004358* (-3,447) (6,227) ECIVIL 0,454708* -0,517272* (16,531) (-26,027) JEFE 0,326100* 0,260992* (10,614) (9,563) NUMPE -0,0069980 -0,037700* (-1,458) (-8,659) X2 10331,59 6362,781 N° Observaciones 28,527 31,269

Nota * significancia al 1% ** significancia al 5% *** significancia al 10%

21

Cuadro Resultados OLS

Ecuación LnW= β0+β1Esc+β2Esc2+β3Exp+β4Exp2+λ

1987 Hombres Mujeres CONSTANTE 4,837503* 4,886684* (95,711) (69,185) Esc -0,012667** -0,018398*** (-1,985) (-1,819) Esc2 0,007909* 0,006959* (24,745) (14,647) EXP 0,066441* 0,037562* (24,010) (17,357) EXP2 -0,000890* -0,0005323* (-16,885) (-13,069) Lambda 0,077212** 0,216030* (1,951) (9,622) R2 0,37993 0,26906 N° Observaciones 12,859 6,262

1990

CONSTANTE 6,303473* 5,647000* (114,091) (67,660) Esc -0,040964* -0,023699** (-6,021) (-2,311) Esc2 0,008085* 0,007131* (24,078) (15,191) EXP 0,027436* 0,035755* (10,137) (13,327) EXP2 -0,0001933* -0,000440* (-3,886) (-7,983) Lambda -0,292801* 0,191530* (-7,200) (5,349) R2 0,30090 0,25323 N° Observaciones 13,622 6,601 Cont.

22

1992

CONSTANTE 6,605704* 6,047245* (140,824) (90,054) Esc -0,064756* -0,044907* (-10,699) (-5,135) Esc2 0,009797* 0,008538* (32,038) (20,307) EXP 0,037211* 0,040401* (15,701) (19,298) EXP2 -0,00036074* -0,000511* (-8,332) (-12,358) Lambda -0,172055* 0,220650* (-4,987) (7,985) R2 0,35704 0,29390 N° Observaciones 16,660 8,129

1994

CONSTANTE 6,901946* 6,413967* (138,882) (91,576) Esc -0,051798* -0,0285857* (-8,156) (-2,973) Esc2 0,009019* 0,007325* (29,544) (16,438) EXP 0,031390* 0,038809* (13,562) (18,711) EXP2 -0,000254* -0,000499* (-6,103) (-12,007) Lambda -0,174674* 0,165911* (-5,119) (5,752) R2 0,33801 0,26112 N° Observaciones 16,822 8,557 Cont.

23

1996

CONSTANTE 5,576766* 5,140186 (90,363) (58,339) Esc 0,036053* 0,022278*** (4,225) (1,787) Esc2 0,0036131* 0,004484* (8,484) (7,640) EXP 0,0241139* 0,0306291* (7,699) (11,191) EXP2 -0,0000888 -0,0003116* (-1,450) (-5,441) Lambda -0,292510* 0,178483* (-5,977) (5,499) R2 0,18955 0,15476 N° Observaciones 13,266 6,601

1998

CONSTANTE 6,024382 5,502732* (115,554) (75,871) Esc -0,048947* -0,034646* (-8,125) (-4,168) Esc2 0,008570* 0,007963* (29,376) (20,379) EXP 0,0234361* 0,0316685* (9,813) (14,759) EXP2 -0,0001262* -0,000303* (-3,046) (-7,331) Lambda -0,220962* 0,106079* (-6,722) (3,326) R2 0,32767 0,28686 N° Observaciones 19,026 10,731

Nota: * significancia al 1% ** significancia al 5% *** significancia al 10%