https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
112
Artículo de revisión
Análisis de la brecha salarial de género en Bolivia: Encuesta de
hogares 2024
Analysis of the gender wage gap in Bolivia: 2024 household survey
María Castro Calisaya*
Universidad Técnica de Oruro
Oruro - Bolivia
mpanozo57@gmail.com
https://orcid.org/0009-0004-4718-3745
Dante Ayaviri Nina
Universidad Nacional de Chimborazo
Riobamba - Ecuador
dayaviri@unach.edu.ec
https://orcid.org/0000-0002-3078-1771
*Correspondencia:
mpanozo57@gmail.com
Cómo citar este artículo:
Castro, M., & Ayaviri, D. (2026). Análisis de
la brecha salarial de género en Bolivia:
Encuesta de hogares 2024. Esprint
Investigación, 5(Esp.1), 112-129.
https://doi.org/10.61347/ei.v5iEsp.1.304
Recibido: 14 de abril de 2026
Aceptado: 19 de mayo de 2026
Publicado: 3 de junio de 2026
Resumen: La presente investigación tuvo como objetivo identificar las variables más
relevantes que explican la brecha salarial de género en Bolivia, utilizando la Encuesta de
Hogares 2024. Se partió de la premisa de que, a pesar de los avances en educación y
participación laboral femenina, persisten desigualdades estructurales que afectan los
ingresos de las mujeres en comparación con los hombres. Se analizaron factores como el
nivel educativo, la experiencia laboral, la segregación ocupacional, la penalización por
maternidad y otras variables socioeconómicas que influyen en la determinación de los
salarios. La investigación adoptó un enfoque cuantitativo, aplicando la descomposición
de Oaxaca-Blinder y el modelo de regresión cuantílica, lo que permitió evaluar la
contribución de las características observables y no observables a la brecha salarial. Los
resultados evidenciaron que la brecha responde tanto a factores estructurales como a
elementos discriminatorios, subrayando la necesidad de políticas públicas que reduzcan
las desigualdades, promuevan la equidad laboral y garanticen igualdad de
oportunidades entre hombres y mujeres.
Palabras clave: Brecha salarial de género, Descomposición de Oaxaca-Blinder,
discriminación, mercado laboral, regresión cuantílica.
Abstract: This study aimed to identify the most relevant variables explaining the gender wage
gap in Bolivia, using data from the 2024 Household Survey. Despite advances in education and
female labor force participation, structural inequalities persist, affecting women’s earnings
compared to men. The analysis considered factors such as educational attainment, work
experience, occupational segregation, motherhood penalty, and other socioeconomic variables
influencing wage determination. A quantitative approach was adopted, applying the Oaxaca-
Blinder decomposition and quantile regression models, allowing the assessment of both observable
and unobservable characteristics contributing to the wage gap. Results indicated that the gender
wage gap is influenced by both structural and discriminatory factors, highlighting the urgent
need for public policies to reduce inequalities, promote labor equity, and ensure equal
opportunities for men and women.
Keywords: Discrimination, gender pay gap, labor market, Oaxaca-Blinder decomposition,
quantile regression.
Copyright: Derechos de autor 2026 María
Castro Calisaya, Dante Ayaviri Nina.
Esta obra está bajo una licencia internacional
Creative
Commons Atribución-
NoComercial 4.0.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
María Castro Calisaya
, Dante Ayaviri Nina
113
1. Introducción
La brecha salarial de género, definida como la diferencia en los ingresos brutos promedio entre
hombres y mujeres, tiene antecedentes estructurales profundamente arraigados en prejuicios
culturales y en una mayor carga de trabajo no remunerado para las mujeres, particularmente en tareas
relacionadas con el hogar. Esta disparidad se mantiene en un promedio mundial de aproximadamente
20 %, según la Organización Internacional del Trabajo (International Labour Organization [OIT], 2024).
Históricamente, esta situación se ha visto reforzada por la menor valoración de empleos
desempeñados mayoritariamente por mujeres, así como por interrupciones en las carreras
profesionales debido a la maternidad o al cuidado de adultos mayores, lo que las conduce a aceptar
trabajos a tiempo parcial peor remunerados.
A pesar de los esfuerzos legislativos en diversos países, especialmente en Latinoamérica, la
implementación de políticas de igualdad salarial es lenta. Según Pal et al. (2024), la región se ubica en
el tercer lugar a nivel mundial con un índice de paridad de género del 74,2 %. Además, se ha registrado
un avance significativo desde 2006, reduciendo la brecha general en 8,3 puntos porcentuales,
alcanzando un índice de paridad económica de 65,7 %, lo que representa un ligero aumento de 0,5
puntos porcentuales respecto a 2023, impulsado por la paridad en la participación laboral y roles
profesionales.
En la literatura contemporánea sobre economía laboral, se identifican factores determinantes que
explican la persistencia de las desigualdades salariales. Uno de los más relevantes es la penalización
por maternidad, que afecta significativamente las perspectivas salariales y de ascenso. Este fenómeno
reduce la disponibilidad de horas laborales y limita la posibilidad de acceder a trabajos compatibles
con los horarios requeridos por las empresas. Goldin (2023), galardonada con el Nobel, demuestra que
la brecha se exacerba por la estructura de los llamados "trabajos codiciosos" (greedy jobs), que
recompensan la disponibilidad absoluta y penalizan la flexibilidad horaria, requisito frecuente para las
mujeres.
Los factores que agravan la brecha salarial incluyen la segregación laboral y los estereotipos de
género. Las mujeres históricamente han sido relegadas a sectores con salarios inferiores o a puestos de
menor jerarquía, persistiendo esta desigualdad incluso cuando superan la formación académica de los
hombres. Los cuidados familiares afectan la inserción laboral femenina y dificultan su ascenso
jerárquico, aun en presencia de políticas gubernamentales de igualdad salarial, persistiendo factores
culturales que contribuyen a la discriminación per se. Ciminelli et al. (2021) cuantifican el impacto de
los “pisos pegajosos” frente al “techo de cristal”, evidenciando que las normas sociales y la
discriminación en niveles bajos explican parte de la brecha salarial.
Los techos de cristal representan barreras invisibles que impiden a las mujeres acceder a altos cargos
directivos, mientras que los pisos pegajosos son mecanismos socioculturales y cargas familiares que
las mantienen en puestos inferiores o de baja remuneración desde el inicio. Estos fenómenos se
complementan con la segregación vertical, limitando el acceso femenino a puestos de alta dirección y
toma de decisiones (Alonso & Ruiz, 2023). La segregación horizontal, por su parte, contribuye al
problema al concentrar a la fuerza laboral femenina en sectores tradicionalmente menos valorados
económicamente, como los cuidados y la educación. Verino (2019) sostiene que el trabajo reproductivo
y de cuidados, mayoritariamente no remunerado y feminizado, constituye la base invisible del sistema
económico, dificultando la competencia en igualdad de condiciones en el mercado laboral formal.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
María Castro Calisaya
, Dante Ayaviri Nina
114
En Bolivia, la situación refleja estas dinámicas. Antes de 2020, se observaron avances significativos
en la reducción de la brecha durante las dos décadas previas, pero la desigualdad salarial basada en
género persistía debido a factores propios de las mujeres, sin eliminarse antes de la crisis sanitaria
global (Comisión Económica para América Latina y el Caribe [CEPAL], 2025). Posterior a esta crisis,
muchas personas perdieron su empleo formal debido al cierre de factorías, derivando en trabajos
informales o de subsistencia. La mayoría de las mujeres asumieron un rol central en el sustento de los
hogares y, aunque contaban con educación superior, su inserción laboral se limitó a empleos mal
remunerados y sin posibilidades de ascenso, situación documentada por Depalo et al. (2015). Según el
Instituto Boliviano de Comercio Exterior ([IBCE], 2023), la brecha salarial en el sector privado alcanzó
el 9 %, menor al promedio nacional, sugiriendo que los mayores “pisos pegajosos” se concentran fuera
del sector formal.
Por tanto, altos niveles educativos no aseguran ingresos equitativos, ya que las mujeres deben
cumplir requisitos adicionales y enfrentar responsabilidades familiares. Esto genera una brecha salarial
frente a los hombres, incluso cuando ellas poseen mayores niveles educativos, reflejando
discriminación por factores no explicados, como estereotipos de género, infravaloración social del
trabajo femenino y sesgos culturales. Por lo descrito, el objetivo del presente estudio es identificar si
las brechas salariales de género en Bolivia son más significativas en los ingresos laborales
correspondientes a los pisos pegajosos o techos de cristal, considerando la Encuesta de Hogares 2024
publicada por el Instituto Nacional de Estadísticas.
2. Desarrollo
La segregación ocupacional se refiere a la concentración desigual de hombres y mujeres en ciertas
ocupaciones o sectores de la economía (Oliver & Sard, 2020). Guzmán (2021) señala que el sector
tecnológico genera la mayor brecha salarial en cargos directivos. De manera similar, Mota y Farias
(2019) indican que las instituciones continúan reproduciendo patrones sociales que limitan la
participación femenina en estudios de ciencias tecnológicas, restringiendo el desarrollo de sus
capacidades. Como resultado, las mujeres se ven relegadas a sectores poco remunerados, con escasa
movilidad laboral (Depalo, 2015). Díaz (2019) añade que la clasificación de industrias con predominio
femenino constituye un factor discriminatorio para las mujeres que desean emprender en ciertos
sectores.
Por otro lado, Buligescu et al. (2020) sostienen que las ocupaciones mixtas tienden a pagar mejor
que aquellas dominadas por un solo género, aunque en ocupaciones con alta proporción femenina los
salarios pueden superar a los de las mixtas. Cuando las mujeres ocupan cargos directivos, la brecha
salarial disminuye respecto a niveles inferiores de mando (Santero-Sánchez & Castro, 2025). Esto
coincide con Gradín (2020), quien observa que la segregación laboral afecta tanto a hombres como a
mujeres, particularmente en sectores mal remunerados, y que factores como educación y estado civil
exacerban la desventaja para las mujeres. Minimizar la brecha salarial de género debe ser prioridad de
las políticas públicas, promoviendo medidas que reduzcan estas desigualdades (Gontero & Ravest,
2025).
Según ONU Mujeres (2024), las mujeres tienen menores oportunidades de acceder a empleos de
alto nivel y desarrollo profesional, siendo la maternidad un factor determinante de discriminación.
Aunque se implementan iniciativas para promover la participación femenina en sectores
tradicionalmente masculinos y mejor remunerados, la penalización por maternidad persiste (Pepping
& Maniam, 2020). Landivar (2020) indica que las mujeres en altos cargos tienden a retrasar la
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
María Castro Calisaya
, Dante Ayaviri Nina
115
maternidad para mantener sus ingresos, mientras que las mujeres en cargos segregados optan por ser
madres, lo que finalmente contribuye a la brecha salarial. En países con natalidad controlada, la
decisión de tener hijos afecta negativamente los ingresos femeninos, especialmente en los grupos de
bajos ingresos (Gao & Tian, 2022).
La penalización salarial por maternidad es más severa cuando las mujeres tienen múltiples hijos
menores de edad. Maldonado & Peña (2019) evidencian que madres con hijos menores de 6 años
perciben menores salarios que aquellas con hijos de 6 a 12 años. Este efecto se agrava cuando la pareja
trabaja por cuenta propia o cuando la mujer labora en empresas pequeñas con bajos niveles educativos
(Herrarte & Urcelay, 2022; Warunsiri & Liao, 2019).
La brecha salarial de género se atribuye en gran medida al nivel educativo y la experiencia laboral
de las mujeres (Arellano & Bonhomme, 2017; Becker, 1964). Esta brecha es mayor en los quintiles
inferiores de la distribución de ingresos, donde las mujeres suelen encontrarse estancadas (Becker,
1983). Incluso con iguales niveles educativos, las mujeres jóvenes perciben salarios inferiores a los
hombres jóvenes con características productivas equivalentes, reflejando discriminación salarial
(Alwago, 2024; Combet & Oesch, 2019).
La diferencia de ingresos se acentúa con la experiencia laboral, generalmente a favor de los hombres,
y es menos pronunciada para quienes poseen posgrados, aunque las mujeres recién graduadas
enfrentan la mayor penalización salarial (Stokke, 2021; Park, 2021). Esta brecha persiste en el sector
privado y en áreas urbanas, donde las mujeres reciben menores ingresos que los hombres, incluso con
altos niveles educativos (Rattsø & Stokke, 2020; Couceiro & Dolado, 2023).
El análisis de la brecha salarial mediante variables no observables se realiza frecuentemente con la
descomposición de Oaxaca-Blinder. Mora & Herrera (2025) muestran que informalidad, tamaño de la
empresa y sector generan una brecha a favor del género masculino, con un componente explicado del
-3,5 % y uno no explicado del 18,7 %. Li & Villegas (2014), mediante regresiones cuantílicas, evidencian
que en sectores estratégicos como el energético, la discriminación persiste a pesar de la educación y la
experiencia, especialmente en grupos de salarios medios y bajos. Gallardo et al. (2025) indican que la
parte no explicada de la descomposición refleja principalmente la edad y la experiencia laboral,
aumentando la brecha salarial en cargos inferiores.
Otros factores como la etnicidad generan discriminación salarial. Stabridis & Salgado-Viveros (2023)
muestran que trabajadoras indígenas perciben menores salarios que los hombres y enfrentan
estancamiento laboral. Además, el sector laboral influye en la desigualdad: el trabajo femenino en el
sector informal y formal se encuentra en desventaja, con mayor brecha en el sector privado
competitivo. La descomposición de Oaxaca-Blinder evidencia estos resultados (Akbar, 2022; Ahmed &
Maitra, 2015; Gutiérrez, 2023).
3. Metodología
Los datos considerados en el presente estudio provienen de la Encuesta de Hogares (EH) de Bolivia,
realizada por el Instituto Nacional de Estadística (INE). El objetivo de esta encuesta fue generar
indicadores demográficos, sociales, económicos, habitacionales, sanitarios y asistenciales actualizados
de manera anual para evaluar las condiciones de vida de la población.
La muestra utilizada para el modelo de inserción laboral consistió en 5.677 individuos,
seleccionados únicamente entre personas de 18 a 60 años que se encontraban ocupadas y generando
ingresos laborales. Para la modelación de la brecha salarial de género mediante regresiones cuantílicas,
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
María Castro Calisaya
, Dante Ayaviri Nina
116
se contó con 1.716 mujeres y 2.115 hombres, integrantes de los hogares incluidos en la encuesta. Todas
las muestras correspondieron a personas residentes en áreas urbanas de los departamentos de Oruro,
Potosí, Chuquisaca, Tarija, Beni y Pando.
Las variables dependientes consideradas para el análisis de la brecha salarial mediante la
descomposición de Oaxaca-Blinder fueron dos: inserción laboral y salarios. En el primer modelo, la
variable dependiente se codificó como dicotómica, asignando valor uno si la persona estaba inserta en
el mercado laboral y cero en caso contrario. Para el modelo cuantílico, se utilizó la distribución de
ingresos laborales en los percentiles 10, 30, 50, 70 y 90, con el fin de identificar evidencia de
discriminación hacia las mujeres, considerando los extremos correspondientes a pisos pegajosos y
techos de cristal.
Las variables independientes para ambos modelos fueron cuantitativas y cualitativas, relacionadas
con las dimensiones: educacional (años de estudio, experiencia, educación del jefe de hogar), familiar
(niños de edad temprana, adultos mayores), social (edad, tipo de hogar, estado civil, idioma,
capacidades diferentes), geográfica (zona de residencia, departamentos periféricos) y laboral (sector
ocupacional, formalidad, horas trabajadas).
Para aplicar la metodología de Oaxaca (1973) y Blinder (1973), se utilizaron regresiones cuantílicas
según Firpo et al. (2009). Esta regresión permitió evaluar el impacto de los cambios en la distribución
de las variables explicativas sobre los cuantiles de la distribución marginal de la variable dependiente.
El método econométrico facilitó la estimación de distintas rectas de regresión para diferentes cuantiles,
reduciendo el sesgo que se genera al analizar únicamente los efectos promedio de la variable de interés.
La descomposición de Oaxaca-Blinder permitió separar la brecha salarial en dos componentes
principales: uno explicado por diferencias observables (educación, experiencia, ubicación geográfica)
y otro no explicado, generalmente interpretado como discriminación. Para corregir posibles sesgos de
selección, se aplicó el método propuesto por Heckman et al. (2013), implementando un modelo
probabilístico de participación laboral en primera etapa y, posteriormente, un modelo de ingresos
cuantílicos que incorporó como regresor la probabilidad de estar trabajando, conocida como Ratio de
la Inversa de Mills.
Análisis de la Brecha salarial de género en Bolivia
Considerando la Encuesta de Hogares correspondiente a la gestión 2024, se presentó un análisis
estadístico de las variables que permitieron evaluar la hipótesis de trabajo. En primera instancia, se
analizaron las variables Mincerianas, incluyendo ingreso laboral, años de educación y experiencia, de
las personas que se encontraban insertadas en el mercado laboral.
La tabla 1 muestra las estadísticas descriptivas de las variables Mincerianas, destacando el ingreso
promedio, la distribución por percentiles y la dispersión de la educación y experiencia laboral. Este
análisis permitió identificar patrones centrales y extremos dentro de la población empleada, lo que
facilitó la estimación de los modelos de regresión cuantílica y la descomposición de Oaxaca-Blinder.
Considerando la Encuesta de Hogares de la gestión 2024, se realizó un análisis estadístico de las
variables que permitieron evaluar la hipótesis de trabajo. En primera instancia, se analizaron las
variables Mincerianas, incluyendo ingreso laboral, años de educación y experiencia de las personas
insertadas en el mercado laboral.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
María Castro Calisaya
, Dante Ayaviri Nina
117
Tabla 1
Estadísticas descriptivas variables Mincerianas
Variables Media P10 P30 P50 P70 P90
Ingreso laboral (Bs) 5.457,6 900 2.006,7 2.814,5 3.897 6.279,7
Edad (años) 36,7 21 28 36 44 54
Años de estudio 11,6 5 11 12 14 17
Experiencia (años) 19,1 2 9 17 27 40
Nota. Elaboración propia en base a Encuesta de Hogares 2024
El ingreso laboral promedio fue de 5.457,6 Bs, y la mitad de los individuos percibió 2.814,5 Bs o
menos. En el percentil 10, los ingresos alcanzaron apenas 900 Bs, mientras que el 10 % superior percibió
6.279,7 Bs o más. Respecto a la educación, el 10 % tenía únicamente 5 años de estudio, equivalente a
primaria incompleta, mientras que la mayoría (percentiles 30 a 50) contaba con entre 11 y 12 años de
educación, correspondiente a secundaria completa. Solo el 10 % más educado alcanzó 17 años de
estudio, equivalente a educación universitaria o posgrado.
En términos de experiencia, el 10 % más joven tenía 21 años y únicamente 2 años de experiencia
laboral, mientras que el trabajador típico contaba con 36 años y 17 años de experiencia. Las personas
con mayor experiencia tenían 40 años o más, lo que se tradujo en mayores ingresos. Por el contrario,
quienes tenían menos educación percibían 900 Bs, muy por debajo del promedio, lo que indica que sin
completar la educación primaria es difícil alcanzar ingresos promedio del grupo.
Para analizar la brecha salarial de género, se aplicó un modelo de regresión cuantílica, el cual
permitió descomponer y entender la desigualdad de ingresos en distintos puntos de su distribución.
Esto posibilitó observar que la brecha podía ser mayor en los estratos salariales superiores o inferiores,
y que variaba según factores como educación, experiencia y género, mostrando cómo ciertas
características influían de manera diferente en hombres y mujeres a lo largo de la escala salarial.
Esta técnica econométrica se complementó con la descomposición de Oaxaca-Blinder, que permitió
estimar la diferencia en salarios atribuible a causas observables y no observables. Los factores no
observables fueron de interés principal para identificar posibles variables de discriminación hacia las
mujeres en el mercado laboral.
La descomposición de Oaxaca-Blinder se dividió en dos componentes: uno explicado por
diferencias en las variables observables entre grupos, y otro no explicado, correspondiente a
diferencias en los parámetros de ambos grupos, interpretado como discriminación (Oaxaca, 1973;
Blinder, 1973). La variable dependiente fue el salario, mientras que las independientes incluyeron
educación, experiencia, ubicación geográfica y características sociodemográficas.
Para corregir posibles sesgos de selección, se aplicó el método de Heckman et al. (2013). Este consistió
en un modelo en dos etapas: primero, un modelo probabilístico de participación en el mercado laboral;
segundo, un modelo de ingresos cuantílicos que incorporó como regresor la probabilidad de estar
trabajando, conocida como Ratio de la Inversa de Mills, estimada en la primera etapa.
En el modelo de inserción laboral, se consideraron personas de 18 a 60 años de áreas urbanas de los
departamentos de Oruro, Potosí, Chuquisaca, Tarija, Beni y Pando. La muestra total de la Encuesta de
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
María Castro Calisaya
, Dante Ayaviri Nina
118
Hogares 2024 incluyó 39.497 individuos; tras aplicar los filtros de análisis, la muestra utilizada fue de
5.677 individuos. La variable de inserción laboral fue dicotómica, indicando si la persona participaba
en el mercado laboral, mientras que las variables independientes incluyeron dimensiones familiares,
sociales, demográficas, educativas, geográficas y de capacidades diferentes. En la tabla 2 se observa 19
variables que permiten explicar la decisión de inserción al mercado laboral del grupo poblacional que
se considera como objeto de análisis.
Tabla 2
Efectos marginales del modelo de inserción
Variable Indicador Efecto Marginal
Educación Años de estudio 0,0059*
Género Mujer -0,2187*
Cuidados de infancia temprana y adulta
Niños menores de 5 años 0,0111*
Niños entre 6 y 12 años 0,0038*
Adultos mayores -0,0225*
Estado civil
Casado 0,0328*
Conviviente 0,1168*
Educación del jefe de hogar Secundaria 0,1700*
Idioma
Castellano 0,4336*
Aymara 0,2107*
Quechua 0,2303*
Capacidad diferente Caminar -0,1486*
Tipo de hogar
Monoparental 0,0552*
Hogar compuesto 0,0428*
Hogar extendido 0,1678*
Cohortes de edad
18 a 21 -0,4696*
22 a 26 -0,2341*
45 a 49 0,0923*
50 a 54 0,0729*
Nota. Elaboración propia en base a EH-INE, * nivel de confianza de 99%.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
María Castro Calisaya
, Dante Ayaviri Nina
119
Para una persona con características promedio, dadas las variables consideradas, la probabilidad
de estar insertada en el mercado laboral fue del 77 %. El resultado de la prueba estadística Goodness
of Fit mostró que había indicios para aceptar la hipótesis nula, ya que el valor de p fue superior a 0,05,
lo que permitió inferir que el modelo estaba ajustado de manera conjunta.
La tabla de clasificación indicó que el 78 % de las variables consideradas explicaron la decisión de
inserción laboral de personas de 18 a 60 años residentes en áreas urbanas de seis departamentos de
Bolivia, excluyendo La Paz, Cochabamba y Santa Cruz. La variable educación mostró resultados
esperados: mientras mayor era el número de años de estudio, mayor era la probabilidad de estar
trabajando. En contraste, el hecho de ser mujer disminuyó significativamente dicha probabilidad.
Respecto a las variables familiares, la presencia de niños en la infancia temprana aumentó la
probabilidad de estar trabajando, mientras que la presencia de adultos mayores redujo esta
probabilidad, reflejando los sacrificios adicionales que implica cuidar a personas de la tercera edad,
una práctica socialmente común en los hogares bolivianos.
Las variables relacionadas con el estado civil reflejaron probabilidades positivas, asociadas a la
responsabilidad familiar. Además, el nivel educativo del jefe de hogar actuó como incentivo,
aumentando la probabilidad de inserción laboral. El conocimiento de idiomas adicionales al principal
también incrementó significativamente la probabilidad de generar ingresos, dado que en Bolivia
existen varios idiomas relevantes que afectan la empleabilidad.
Aunque la existencia de capacidades diferentes no debería limitar el acceso a empleo según
normativa vigente, el modelo indicó que estas redujeron la probabilidad de tener un trabajo. La
composición del hogar también influyó: los hogares monoparentales o compuestos por familiares y no
familiares mostraron mayor probabilidad de inserción laboral.
En cuanto a las cohortes de edad, los individuos en los percentiles inferiores presentaron menor
probabilidad de inserción, debido a que se encontraban en edades típicas de formación universitaria.
Por el contrario, los individuos en las cohortes superiores mostraron mayor probabilidad, reflejando
la experiencia acumulada y las responsabilidades adquiridas.
En el modelo cuantílico de salarios, se estimaron ecuaciones para los percentiles 10, 30, 50, 70 y 90,
considerando el género y las variables de la ecuación de Mincer (1974) ampliada. Estas variables
permitieron identificar evidencia de discriminación salarial, particularmente en los segmentos
denominados pisos pegajosos y techos de cristal. La muestra para mujeres incluyó 1.716 individuos y
para hombres 2.115 individuos. La tabla 3 presenta los coeficientes estimados de la ecuación de salarios
para mujeres en diferentes percentiles.
Tabla 3
Ecuación de salarios por percentil para Mujeres
Variable P10 P30 P50 P70 P90
Años de estudio 0,1980 0,4926** 0,9120* 1,1192* 0,5328
Experiencia 0,2447 0,8794* 1,2291* 1,3434* 1,1800**
Experiencia al cuadrado -0,0040 -0,0145* -0,0189* -0,0193* -0,0177***
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
María Castro Calisaya
, Dante Ayaviri Nina
120
Empleo formal 16,6356* 24,2477* 23,2314* 19,4816* 11,9364*
Cohorte 18–21 4,3962 4,6490 0,7367 0,4605 -6,9395
Cohorte 22–26 -0,3227 1,2519 -0,3442 -0,6353 -5,2391
Cohorte 45–49 4,1030 -0,3158 -2,2920 -1,9791 -3,2961
Cohorte 50–54 -1,7997 -1,7953 -1,5224 -1,0245 -1,3430
Director administrativo 35,1704* 28,5065* 35,8602* 32,5377* 22,4785**
Profesional 20,6225* 27,3571* 24,5946* 21,2712* 14,4239*
Técnicos 2,3249 5,7937*** 13,0224* 11,3564* 7,9753
Servicio de ventas -4,4477** -3,2065*** -1,7857 0,5180 6,3481***
Agricultura -9,0250 -9,7409*** -9,5822 -7,8088 -1,8016
Construcción -6,0903** -6,4826** -7,3328* -4,1618 -6,9446
Horas trabajadas al mes 0,0378* 0,0623* 0,0945* 0,1236* 0,0998*
Constante (_cons) 2,3680 -3,3567 -9,0591 -3,4180 31,7171
R-pseudo 0,1924 0,2887 0,3243 0,3006 0,1683
Nota. Elaboración propia en base a EH-INE, * nivel de confianza de 99%, ** nivel de confianza 95% y *** nivel de confianza al 90%.
La educación mostró significancia en los percentiles 30, 50 y 70, con un efecto progresivo y positivo
sobre los salarios de las mujeres, lo que evidencia que el mercado laboral recompensó los mayores
niveles de formación. Sin embargo, en el percentil 90, el efecto de la educación disminuyó a la mitad
respecto al percentil 70, sugiriendo que, para las mujeres en la cima de la distribución salarial, el éxito
ya no dependía únicamente de su educación, sino de otras barreras estructurales. Esta tendencia se
relacionó con la experiencia laboral, que tuvo mayor impacto en el percentil 70 cuando las mujeres
contaban con un año adicional de experiencia.
El sector y la categoría ocupacional resultaron determinantes para los ingresos salariales. Las
mujeres que trabajaban como directoras administrativas o profesionales incrementaron sus salarios en
todos los percentiles, con los mayores incrementos en el percentil 50 y 30, respectivamente.
Particularmente, el cargo de directora administrativa mostró un coeficiente de 35,86 en el percentil 50,
que se redujo a 22,47 en el percentil 90, evidenciando que las mujeres enfrentaron un límite salarial en
puestos de élite.
Los cargos técnicos también aumentaron los salarios, aunque en menor medida que los puestos
directivos y profesionales. Esto sugiere que los retornos a la educación se encuentran estrechamente
vinculados al tipo de ocupación, de manera que incluso mujeres altamente formadas pueden verse
obligadas a aceptar trabajos con perfiles inferiores a su nivel académico.
En los percentiles extremos, los efectos variaron. Para las mujeres en el percentil 10, tener más
educación no se tradujo en mayores salarios, lo que indica que estaban atrapadas en un nivel donde el
mercado no valoraba su formación. Los principales determinantes de este "piso salarial" fueron la
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
María Castro Calisaya
, Dante Ayaviri Nina
121
formalidad del empleo, que incrementó el salario en 16,6 unidades, y las ocupaciones de alta
calificación (directivas y profesionales), que aumentaron los ingresos en 20,62 unidades. Por cada hora
adicional trabajada, las mujeres recibieron menos incremento salarial que los hombres, sugiriendo la
existencia de brecha de género incluso en niveles bajos de ingresos.
La segregación ocupacional también afectó los salarios. Las mujeres en el sector construcción,
altamente masculinizado, sufrieron penalizaciones salariales, mientras que aquellas en servicios o
ventas percibieron ingresos consistentemente bajos. En este percentil, los salarios dependieron más de
características observables del empleo, como la formalidad y los cargos profesionales, que, de factores
no observados, aunque los retornos por horas trabajadas fueron menores que los de los hombres.
En el percentil 90, el capital humano basado en la experiencia comenzó a generar beneficios. Para
las mujeres en la cima salarial, cada año adicional de experiencia aportó 1,17 unidades de salario.
Ocupar cargos superiores incrementó los ingresos en 22,47 unidades, un efecto menor que en el
percentil 10, lo que indica que los cargos directivos funcionaron como un "ascensor social" inicial,
mientras que en la cúspide salarial la competencia se niveló, permitiendo que las mujeres monetizaran
su tiempo de trabajo de manera más eficiente que en otros segmentos. La tabla 4 presenta los
coeficientes estimados de la ecuación de salarios para hombres en distintos percentiles de la
distribución salarial
Tabla 4
Ecuación de salarios por percentil para Hombres
Variable P10 P30 P50 P70 P90
Años de estudio -0,4485 -0,2972 0,1676 0,1313 0,0762
Experiencia 0,2753 1,2484* 1,5268* 0,9793* 0,4254
Experiencia al cuadrado -0,0108 -0,0246* -0,0279* -0,0173* -0,0058
Empleo formal 18,4207* 23,7311* 19,4898* 16,7676* 6,9581*
Cohorte 18–21 4,3270 11,8783*** 5,2899 -2,0947 -12,0322**
Cohorte 22–26 2,1077 4,6546 2,5810 -1,7284 -3,9850
Cohorte 45–49 0,4960 -2,1317 0,9675 0,9791 -0,8943
Cohorte 50–54 3,6844 -0,6716 1,9109 -1,0214 -1,1427
Director administrativo 34,5929* 32,2996* 23,0933* 13,9574* 3,5754
Profesional 9,5518* 21,9538* 14,7189* 7,5425* 0,9499
Técnicos 0,3713 6,0450*** 6,0220** 0,7853 -0,9968
Servicio de ventas -5,3342** -4,8103*** -7,0673* -4,4970** -0,4112
Agricultura -16,5891* -14,8556* -17,5894* -18,6260* -2,8391
Construcción 1,8277 4,3347** 2,8059 -3,0122*** -6,9510*
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
María Castro Calisaya
, Dante Ayaviri Nina
122
Horas trabajadas al mes 0,0758* 0,0931* 0,0751* 0,0521* 0,0064
Constante (_cons) 15,1831 13,3834 22,7462 49,8293 84,2615
R-pseudo 0,1497 0,1884 0,1998 0,1780 0,1071
Nota. Elaboración propia en base a EH-INE, * nivel de confianza de 99%, ** nivel de confianza 95% y *** nivel de confianza al 90%.
Los resultados de la ecuación salarial para los hombres en el percentil más bajo de ingresos
indicaron que el capital humano (educación y experiencia) fue irrelevante para determinar su salario.
Los ingresos en este segmento dependieron casi exclusivamente de la formalidad laboral y del sector
de actividad. Esto sugiere la existencia de un mercado laboral segmentado, donde los hombres más
pobres permanecieron en empleos donde sus capacidades personales no eran remuneradas y
dependían totalmente de la protección institucional (formalidad) o del esfuerzo físico (horas
trabajadas).
En este modelo, los títulos o años de oficio no explicaron la posición de un hombre en el tope de la
distribución. Los altos salarios observados en el percentil 90 dependieron más de la jerarquía
ocupacional lograda o de factores no observados, lo que se relacionó con el efecto de la formalidad,
que disminuyó en relevancia entre ambos extremos de la distribución. La brecha salarial entre
trabajadores formales e informales fue más estrecha en la cúspide que en la base de la pirámide salarial.
Mientras que en el percentil 10 el salario dependió críticamente de la formalidad y de las horas
trabajadas, en el percentil 90 estos factores perdieron relevancia relativa. Un hallazgo transversal fue
la nula importancia de la educación formal, lo que sugiere que, en ambos extremos de la distribución,
el salario se determinó principalmente por estructuras sectoriales o características no observadas, y no
por la acumulación de capital humano tradicional.
Las ecuaciones salariales para ambos géneros sugirieron la existencia de un mercado laboral en el
que los títulos y años de estudio no dictan el salario, sino que lo hacen la formalidad y el tipo de cargo
ocupado. Se evidenció una clara brecha: para los hombres en el percentil 90, el salario pareció estar
garantizado por una constante muy alta, mientras que las mujeres en el mismo percentil debieron
validar su salario mediante experiencia y mayores horas de trabajo.
4. Resultados
La aplicación de la metodología de descomposición de Oaxaca-Blinder permitió observar dos
componentes: el explicado y el no explicado (o "efecto estructural"). En esta metodología, el
componente no explicado puede presentar valores negativos, lo que implica que, aun controlando por
características observables como educación y experiencia, el grupo de referencia (mujeres) podría
obtener menores ingresos. Por lo tanto, si se interpreta como discriminación (brecha salarial), un
componente no explicado negativo indicaría una "discriminación inversa" o que variables omitidas
afectan desproporcionadamente al grupo con mayores ingresos (hombres).
En la tabla 5 se presentan los resultados de la brecha salarial de género aplicando la descomposición
de Oaxaca-Blinder, considerando los ingresos laborales en los percentiles 10, 30, 50, 70 y 90. Los
resultados son consistentes con las estimaciones previas del modelo salarial. La tabla muestra los
valores para hombres y mujeres, así como la diferencia total, el componente explicado y el no
explicado, incluyendo los errores estándar entre paréntesis.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
María Castro Calisaya
, Dante Ayaviri Nina
123
Tabla 5
Descomposición de Oaxaca-Blinder por percentil
Grupo / Componente P10 P30 P50 P70 P90
Grupo 1: Hombre
22,218* 44,242* 61,062* 77,823* 94,473*
(0,86) (0,93) (0,95) (0,82) (0,58)
Grupo 2: Mujer
9,793* 24,008* 42,757* 66,543* 89,797*
(0,57) (0,83) (1,27) (1,44) (0,83)
Diferencia
12,425* 20,234* 18,304* 11,289* 4,676*
(1,03) (1,25) (1,59) (1,66) (1,01)
Componente explicado
2,258** 1,746 5,058** -4,303 -3,322
(1,16) (1,16) (2,45) (2,72) (1,68)
Componente no explicado
10,167* 18,488* 13,246* 15,592* 7,998*
(1,48) (1,94) (2,68) (2,85) (1,86)
Consecuente con los resultados obtenidos en los modelos salariales, la brecha más significativa se
encontró en los percentiles bajos, evidenciando la existencia de pisos pegajosos. La desigualdad de
ingresos entre hombres y mujeres fue más severa en quienes percibían menores salarios, mientras que,
al avanzar en los percentiles, los ingresos tendieron a aproximarse. El componente no explicado fue
significativamente mayor que el explicado, indicando que la mayor parte de la brecha no se atribuyó
a menor educación o experiencia, sino a factores como discriminación directa, segregación ocupacional
o penalización por maternidad y cuidados, integrados al modelo mediante la ratio de la inversa de
Mills.
Contrario a lo esperado, los resultados confirman la presencia de pisos pegajosos, ya que la brecha
fue máxima en los percentiles bajos y medios (P10-P50), donde el componente no explicado penalizó
fuertemente a las mujeres. Por otro lado, en los percentiles superiores, el capital humano mostró que
las mujeres estaban mejor preparadas que los hombres (componente explicado negativo), aunque esto
no les permitió superar los ingresos laborales masculinos, reflejando barreras estructurales persistentes
en los niveles más altos del mercado laboral.
5. Discusión
Los resultados de la descomposición por percentiles mostraron que la brecha salarial entre hombres y
mujeres no fue uniforme a lo largo de la distribución, presentando un patrón característico de "pisos
pegajosos". Es decir, la disparidad salarial fue más significativa en los niveles bajos y medios,
alcanzando su punto máximo en el percentil 30 (20,234) y disminuyendo hacia el percentil 90 (4,676),
lo que indica que las barreras para las mujeres fueron más severas al inicio y en la parte media de sus
ingresos laborales.
En los percentiles más altos (P70 y P90), el componente explicado presentó valores negativos (-4,303
y -3,322), lo que sugiere que las mujeres de los deciles superiores poseían mejores características
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
María Castro Calisaya
, Dante Ayaviri Nina
124
observables (como educación o experiencia) que los hombres. Sin embargo, esta ventaja fue
neutralizada por un componente no explicado persistente (7,998 en P90), impidiendo que su mayor
capital humano se tradujera en una ventaja salarial real en cargos jerárquicos.
Estos hallazgos implican que las mujeres no insertadas en la formalidad laboral permanecieron en
los denominados pisos pegajosos, desempeñándose en actividades informales por obligaciones
familiares y económicas, lo que limitó su acceso a ingresos más altos y oportunidades de progreso
económico. La evidencia coincide con Duraisamy & Duraisamy (2016), quienes indicaron que la brecha
bruta disminuye con el tiempo, pero que los suelos rígidos siguen siendo más pronunciados que los
techos de cristal en todos los segmentos del mercado laboral.
Tandrayen-Ragoobur & Pydayya (2015) también observaron que, mediante regresiones y
descomposición por cuantíles, los suelos rígidos predominan sobre los techos de cristal, y esta brecha
se explica principalmente por factores no observados que evidencian discriminación de género. De
forma complementaria, Deschacht et al. (2017) y Baert et al. (2016) resaltaron que las preferencias de
los empleadores y empleados contribuyen a los pisos pegajosos, limitando las oportunidades de
ascenso de las mujeres en comparación con los hombres.
Asimismo, Fuller & Kim (2024) aplicaron modelos con efectos fijos que mostraron que las mujeres
supervisoras asociadas a grupos de trabajo dominados por hombres presentaron menores brechas
salariales, especialmente entre los trabajadores menos favorecidos. Goy & Johnes (2015) corroboraron
que la brecha disminuye a medida que se asciende en la distribución salarial, lo que evidencia efectos
de suelo pegajoso persistentes en las mujeres, incluso para aquellas con niveles académicos avanzados.
A nivel empresarial, Hara (2018) indicó que la desigualdad salarial es más pronunciada dentro de
la misma empresa que entre diferentes empresas, con la presencia de suelos pegajosos y techos de
cristal en los extremos de la distribución. Por su parte, Akbar (2022) señaló que la brecha de género es
más evidente en el sector informal, donde las mujeres suelen estar en situaciones desfavorables y con
menores posibilidades de progresar.
Para los trabajadores asalariados, se observó que las mujeres con salarios bajos enfrentaron mayores
brechas discriminatorias, mientras que aquellas con ingresos altos experimentaron diferencias
menores, lo que confirma la persistencia de los pisos pegajosos y la necesidad de políticas que aborden
la discriminación de género en todos los niveles de la distribución salarial.
6. Conclusiones
La estimación del modelo de inserción laboral mostró que las mujeres presentaron menor probabilidad
de estar empleadas. Además, factores como la responsabilidad familiar (hijos menores de 5 años o
adultos a su cuidado), el idioma, las capacidades diferentes, el estado civil y el tipo de hogar fueron
significativamente determinantes para la participación en el mercado laboral. Esto evidencia que las
barreras sociales y familiares influyen de manera crucial en la inserción femenina.
Por otro lado, la aplicación de las regresiones cuantílicas y la descomposición de Oaxaca-Blinder
indicó que las mujeres se concentraron en los cuantiles inferiores de la distribución salarial, mostrando
que no lograron superar estos niveles de ingresos. El componente no explicado resultó
considerablemente mayor que el explicado, lo que sugiere que la brecha salarial no se debe únicamente
a diferencias en educación o experiencia, sino a factores como discriminación directa, segregación
ocupacional y penalización por maternidad o cuidado de personas adultas.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
María Castro Calisaya
, Dante Ayaviri Nina
125
Los resultados del análisis estadístico y de la modelación econométrica, mediante Oaxaca-Blinder,
respaldaron la hipótesis planteada, demostrando que el nivel educativo, la penalización materna y la
segregación ocupacional influyeron de manera significativa en la brecha salarial de género. Las
mujeres enfrentaron mayores obstáculos, primero para ingresar al mercado laboral y, segundo, para
que su educación y experiencia fueran reconocidas en términos de acceso a mejores salarios.
La descomposición de los resultados evidenció que las mujeres se encontraban en los pisos
pegajosos de la distribución salarial, según el tratamiento de las variables de la Encuesta de Hogares
2024. Esto confirma que las barreras estructurales y culturales impiden que las mujeres progresen en
igualdad de condiciones con los hombres, incluso cuando poseen niveles educativos y experiencia
laboral equivalentes.
Referencias
Ahmed, S., & Maitra, P. (2015). A distributional analysis of the gender wage gap in Bangladesh. The
Journal of Development Studies, 51(11), 1444–1458.
https://doi.org/10.1080/00220388.2015.1046444
Akbar, F. (2022). Gender wage gap: Evidence from employment in informal sector. The Journal of
Indonesia Sustainable Development Planning, 3(2), 104–117.
https://doi.org/10.46456/jisdep.v3i2.301
Alonso, N., & Ruiz, M. (2023). Introducción al semi-monográfico "Brecha salarial de género: análisis de
las desigualdades retributivas con enfoque multidisciplinar". Revista de Economía Crítica, 35, 38–
41. https://doi.org/10.46661/rec.8970
Alwago, W. (2024). Decomposing the gender wage gap in the urban labor market in Kenya. Studia
Universitatis „Vasile Goldis” Arad – Economics Series, 34(4), 1-33. https://doi.org/10.2478/sues-
2024-0016
Arellano, M., & Bonhomme, S. (2017). Quantile selection models with an application to understanding
changes in wage inequality. Econometrica, 85(1), 1–28. https://doi.org/10.3982/ECTA14030
Baert, S., De Pauw, A., & Deschacht, N. (2016). Do employer preferences contribute to sticky floors?
ILR Review, 69(3). https://doi.org/10.1177/0019793915625213
Becker, G. (1964). Human capital: A theoretical and empirical analysis with special reference to education.
National Bureau of Economic Research. https://n9.cl/aa94
Becker, G. (1983). El capital humano: Un análisis teórico y empírico referido fundamentalmente a la educación
(2ª ed.). Alianza Editorial. https://n9.cl/phy4u
Blinder, A. (1973). Wage discrimination: Reduced form and structural estimates. The Journal of Human
Resources, 8(4), 436–455. https://doi.org/10.2307/144855
Bonaccolto-Töpfer, M., Castagnetti, C., & Prümer, S. (2022). Understanding the public-private sector
wage gap in Germany: New evidence from a fixed effects quantile approach. Economic
Modelling, 116, 106037. https://doi.org/10.1016/j.econmod.2022.106037
Buligescu, B., Borghans, L., & Fouarge, D. (2020). The impact of occupational segregation on
occupational gender pay gap in the European Union. Journal of Community Positive Practices, 4.
https://doi.org/10.35782/JCPP.2020.4.05
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
María Castro Calisaya
, Dante Ayaviri Nina
126
Ciminelli, G., Schwellnus, C., & Stadler, B. (2021). Sticky floors or glass ceilings? The role of human
capital, working time flexibility and discrimination in the gender wage gap. OECD Economics
Department Working Papers. https://doi.org/10.1787/02ef3235-en
Combet, B., & Oesch, D. (2019). The gender wage gap opens long before motherhood: Panel evidence
on early careers in Switzerland. European Sociological Review, 35(3), 332–345.
https://doi.org/10.1093/esr/jcz009
Comisión Económica para América Latina y el Caribe [CEPAL]. (2025). Panorama social de América
Latina y el Caribe, 2025: Cómo salir de la trampa de alta desigualdad, baja movilidad social y débil
cohesión social. (CEPAL). https://n9.cl/8neqx9
Couceiro, A., & Dolado, J. (2023). Revisiting the public–private wage gap in Spain: New evidence and
interpretation. SERIEs, 14, 353–377. https://doi.org/10.1007/s13209-023-00277-z
Depalo, D., Giordano, R., & Papapetrou, E. (2015). Public–private wage differentials in euro-area
countries: Evidence from quantile decomposition analysis. Empirical Economics, 49, 985–1015.
https://doi.org/10.1007/s00181-014-0900-0
Deschacht, N., De Pauw, A., & Baert, S. (2017). Do gender differences in career aspirations contribute
to sticky floors? International Journal of Manpower, 38(4), 580–593. https://doi.org/10.1108/IJM-
10-2015-0171
Deshpande, A., Goel, D., & Khanna, S. (2018). Bad karma or discrimination? Male–female wage gaps
among salaried workers in India. World Development, 102, 331–344.
https://doi.org/10.1016/j.worlddev.2017.07.012
Díaz, M. (2019). Segregación ocupacional: Participación y reconocimiento de mujeres empleadas en
trabajos de dominación masculina. Sociología del Trabajo, 94, 147–153.
https://doi.org/10.5209/STRA.63487
Duraisamy, M., & Duraisamy, P. (2016). Gender wage gap across the wage distribution in different
segments of the Indian labour market, 1983–2012: Exploring the glass ceiling or sticky floor
phenomenon. Applied Economics, 48(43), 4098–4111.
https://doi.org/10.1080/00036846.2016.1150955
Firpo, S., Fortin, N., & Lemieux, T. (2009). Unconditional quantile regressions. Econometrica, 77(3), 953–
973. https://doi.org/10.3982/ECTA6822
Fuller, S., & Kim, Y. (2023). Women managers and the gender wage gap: Workgroup gender
composition matters. Work and Occupations, 51(3), 325–361.
https://doi.org/10.1177/07308884231178314
Gallardo, R., Ojeda, M., Montano, J., & Valdés, E. (2025). Wage discrimination by gender in Mexico:
The case of management and professional jobs. Contaduría y administración, 70(4), e524.
https://doi.org/10.22201/fca.24488410e.2025.5393
Gao, K., & Tian, Z. (2023). The effect of motherhood on wages: Are women’s wage penalties due to
lack of career aspirations? Applied Economics, 55(54), 6410–6426.
https://doi.org/10.1080/00036846.2022.2156469
Gardeazabal, J., & Ugidos, A. (2001). Measuring the gender gap at different quantiles of the wage
distribution. Studies on the Spanish Economy, 108. FEDEA.
https://ideas.repec.org/p/fda/fdaeee/108.html
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
María Castro Calisaya
, Dante Ayaviri Nina
127
Gardeazabal, J., & Ugidos, A. (2005). Gender wage discrimination at quantiles. Journal of Population
Economics, 18, 165–179. https://doi.org/10.1007/s00148-003-0172-z
Goldin, C. (2023). Why women won (NBER Working Paper No. 31762). National Bureau of Economic
Research. https://doi.org/10.3386/w31762
Gontero, S., & Ravest, J. (2025). Desigualdad salarial de género en América Latina: ¿Cuál es la brecha
relevante por cerrar? Informe técnico No. 51. Organización Internacional del Trabajo.
https://n9.cl/sn58jr
Goy, S., & Johnes, G. (2015). Differences in decline: Quantile regression of male–female earnings
differential in Malaysia. The Singapore Economic Review, 60(4), 1550054.
https://doi.org/10.1142/S021759081550054X
Gradín, C. (2020). Segregation of women into low-paying occupations in the United States. Applied
Economics, 52(17), 1905–1920. https://doi.org/10.1080/00036846.2019.1682113
Gutiérrez, I. (2023). Medición de la brecha salarial de género: Una aproximación a través de la revisión
de literatura. Revista de Economía Crítica, 35, 42–59. https://doi.org/10.46661/rec.8969
Guzmán, D. (2021). Brechas de género en la educación superior en Chile y su impacto en la segregación
laboral: Una revisión sistemática de la literatura. International Journal for 21st Century Education,
8(1). https://doi.org/10.21071/ij21ce.v8i1.13650
Hara, H. (2018). The gender wage gap across the wage distribution in Japan: Within- and between-
establishment effects. Labour Economics, 53, 213–229. https://doi.org/10.1016/j.labeco.2018.04.007
Heckman, J., Pinto, R., & Savelyev, P. (2013). Understanding the mechanisms through which an
influential early childhood program boosted adult outcomes. American Economic Review, 103(6),
2052–2086. https://doi.org/10.1257/aer.103.6.2052
Herrarte, A., & Urcelay, P. (2022). The wage penalty for motherhood in Spain (2009-2017): The role of
the male partner’s job characteristics. Hacienda Pública Española/Review of Public Economics,
241(2), 27–57. https://doi.org/10.7866/HPE-RPE.22.2.2
Icardi, R. (2021). Returns to workplace training for male and female employees and implications for
the gender wage gap: A quantile regression analysis. International Journal for Research in
Vocational Education and Training, 8(1). https://doi.org/10.13152/IJRVET.8.1.2
Instituto Boliviano de Comercio Exterior (IBCE). (2023). Salario en Bolivia (Boletín CIFRAS, Edición N°
1.178). Instituto Boliviano de Comercio Exterior. https://n9.cl/dixil7
International Labour Organization [OIT]. (2024). Perspectivas sociales y del empleo en el mundo:
Tendencias 2024 (1ª ed.). https://doi.org/10.54394/EIIX3179
Kim, M., & Park, K. (2023). Glass ceiling or sticky floor? Evidence from a distributional approach of
the gender wage gap among PhD holders in South Korea. Asian-Pacific Economic Literature.
https://doi.org/10.1111/apel.12379
Koenker, R. (2017). Quantile regression: 40 years on. Annual Review of Economics, 9, 155–176.
https://doi.org/10.1146/annurev-economics-063016-103651
Landivar, L. (2020). First-birth timing and the motherhood wage gap in 140 occupations. Socius:
Sociological Research for a Dynamic World. https://doi.org/10.1177/2378023120939424
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
María Castro Calisaya
, Dante Ayaviri Nina
128
Li, F., & Villegas, G. (2014). Sector de la economía laboral (SEL): una visión costarricense. Revista
Nacional de Administración, 4(2), 53–66. https://doi.org/10.22458/rna.v4i2.545
Mahadevan, R., & Suardi, S. (2012). Impact of socio-economic factors and social affiliation on living
standards: A quantile regression approach. Applied Economics Letters, 19(13), 1231–1236.
https://doi.org/10.1080/13504851.2011.619478
Maldonado, J., & Peña, C. (2019). Maternity and pay gap: Does the labor market penalize maternity?
Banco Central del Ecuador: Cuestiones Económicas, 30(2). e-ISSN: 2697-3367. https://n9.cl/zgflj
Mincer, J. (1974). Schooling, experience, and earnings. National Bureau of Economic Research.
https://www.nber.org/books/minc74-1
Mishra, S., & Trivedi, S. (2024). Gender wage disparity in urban India: An analysis using unconditional
quantile regression. Demography India, 53(2), 1231–1236. https://n9.cl/o4qf8g
Mora, J., & Herrera, D. (2025). Pseudo-panel decomposition of the Blinder–Oaxaca gender wage gap.
Econometrics, 13(3), 27. https://doi.org/10.3390/econometrics13030027
Mota, T., & & Farías, J. (2019). Segregación de las mujeres en rubros tecnológicos. Revista Scientific,
4(Ed. Esp.), 84–94. https://doi.org/10.29394/Scientific.issn.2542-2987.2019.4.E.5.84-94
Nguyen, B., Albrecht, J., Vroman, S., & Westbrook, D. (2003). A quantile regression decomposition of
urban-rural inequality in Vietnam. Journal of Development Economics, 83(2), 466-490.
https://ideas.repec.org/p/geo/guwopa/gueconwpa~03-03-31.html
Oaxaca, R. (1973). Male-female wage differentials in urban labor markets. International Economic Review,
14(3), 693–709. https://doi.org/10.2307/2525981
Oliver, X., & Sard, M. (2020). Gender wage gap in hospitality. Cornell Hospitality Quarterly, 45(2), 123–
135. https://doi.org/10.1177/1096348020909423
ONU MUJERES. (2024). Conoce más sobre brecha salarial: causas, cifras y por qué hay que combatirla. ONU
Mujeres América Latina y el Caribe. https://n9.cl/nfiwy
Ouédraogo, E., Dembélé, A., & Bationo, J. L. (2021). Quantile regression analysis of wage inequality in
West-African countries. Regional Economic Development Research, 2(2), 180–192.
https://doi.org/10.37256/redr.2220211008
Pal, K., Piaget, K., Zahidi, S., & Baller, S. (2024). Global Gender Gap Report 2024. World Economic Forum.
https://n9.cl/7t49w
Park, K. (2021). Education-job mismatch and gender wage gap: Evidence from recent college graduates
in Korea. Asian Women, 37(1), 1–24. https://doi.org/10.14431/aw.2021.3.37.1.1
Pepping, A., & Maniam, B. (2020). The motherhood penalty. Journal of Business and Behavioral Sciences,
32(2), 110–125. https://n9.cl/b5rn1
Rattsø, J., & Stokke, H. (2020). Private-public wage gap and return to experience: Role of geography,
gender and education. Regional Science and Urban Economics, 83, 103571.
https://doi.org/10.1016/j.regsciurbeco.2020.103571
Santero-Sánchez, R., & Castro, B. (2022). Pursuing equal pay for equal work: Gender diversity in
management positions and the gender pay gap throughout the wage distribution. Equality,
Diversity and Inclusion: An International Journal. Advance online publication.
https://doi.org/10.1177/23409444221125239
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° Esp.1, Edición Especial 2026 (112-129)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
María Castro Calisaya
, Dante Ayaviri Nina
129
Stabridis, O., & Salgado-Viveros, C. (2023). Efectos de género y etnicidad en la brecha salarial entre
jornaleros agrícolas del noroeste mexicano. Frontera Norte, 35, 1–24.
https://doi.org/10.33679/rfn.v1i1.2339
Stokke, H. (2021). The gender wage gap and the early-career effect: The role of actual experience and
education level. Labour Economics. Advance online publication.
https://doi.org/10.1111/labr.12191
Tandrayen-Ragoobur, V., & Pydayya, R. (2015). Glass ceiling and sticky floors: Hurdles for Mauritian
working women. Equality, Diversity and Inclusion: An International Journal, 34(5), 452–466.
https://doi.org/10.1108/EDI-08-2014-0064
Verino, C. (2019). Federici, Silvia (2018) El patriarcado del salario: Críticas feministas al marxismo.
Perspectivas Revista de Ciencias Sociales, 4(7), 269–272. https://doi.org/10.35305/prcs.v0i7.30
Warunsiri, S., & Liao, L. (2019 (2022). Parenthood penalty and gender wage gap: Recent evidence from
Thailand. Journal of Asian Economics, 78, 101435. https://www.pier.or.th/en/dp/102/
Transparencia
Conflicto de interés
Los autores declaran que no existen conflictos de interés de naturaleza alguna como parte de la
presente investigación.
Fuente de financiamiento
Los autores financiaron completamente la investigación.
Contribución de autoría
María Castro Calisaya: Conceptualización, metodología, validación, análisis formal, investigación,
gestión de datos, visualización, redacción - preparación del borrador original, redacción - revisión y
edición, financiamiento, administración del proyecto, recursos, supervisión.
Dante Ayaviri Nina: Conceptualización, metodología, software, validación, análisis formal,
investigación, visualización, redacción - preparación del borrador original, redacción - revisión y
edición, financiamiento.
Los autores contribuyeron activamente en el análisis de los resultados, revisión y aprobación del
manuscrito final.
