Brecha salarial de género en el Estado peruano: un análisis desde la ciencia de datos
DOI:
https://doi.org/10.71701/revistaii.v.18.2024.91Palabras clave:
Brecha salarial de género, participación femenina, Ley de No discriminación por Género, valoración de puestos, limpieza e imputación de datos, regresión lineal, clustering, perfiles de brecha salarialResumen
El estudio tiene por objetivo analizar la existencia de la brecha salarial de género en el Estado peruano e identificar los perfiles de tales brechas a nivel de regiones con base a la información de datos abiertos proporcionada por la Autoridad Nacional del Servicio Civil (Servir), aplicando metodologías y técnicas de la ciencia de datos. La investigación fue de tipo aplicada cuantitativa, de nivel explicativo y de diseño no experimental longitudinal (2017-2021). La metodología de trabajo utilizada fue CRISP-DM (Cross Industry Standard). Durante el análisis exploratorio de datos, se encontró que a nivel nacional la participación de las mujeres está cerca de la paridad con un promedio del 47 %, en tanto que la brecha salarial de género en el Estado tenía una tendencia a la baja del 13 % (2017) a 11 % (2021) indicador mejor al promedio general de Latinoamérica que era de 14 % (2019 OIT), adicionalmente, cuando se revisan a nivel nacional pareciera que a mayor participación corresponde menor brecha, sin embargo, cuando se desagrega la información por regiones se evidencia heterogeneidad en participación y en la brecha salarial (rango intercuartílico para Apurímac de 25 % y Piura de 2 %) y de su evolución; en muchas regiones, la pandemia genera que se revierta o ralentice las mejoras en la brecha. Para determinar qué regiones tuvieron avances se utilizó un modelo de regresión lineal simple con base en el año, la pendiente negativa indicaría avances y la pendiente positiva retrocesos en el periodo bajo estudio. Las regiones que presentaron mejores avances fueron Moquegua, Huánuco y Áncash, en tanto que las que presentaron deterioro fueron Huancavelica, La Libertad y San Martín. Para determinar los perfiles de brecha, se utilizó el periodo 2021 y se añadieron variables obtenidas del INEI como el PBI per cápita y la cobertura por cada servidor público, el primer factor asociado al progreso de la región y el segundo asociado a los servicios del Estado, se determinaron dos clústeres con niveles medianos de brecha alto(12,7 %) y bajo (8,9 %). La prueba de hipótesis no paramétrica de Brown-Mood permite concluir que existe la brecha salarial de género en el Estado peruano a pesar de contar con un marco legal que prohíbe la discriminación salarial.
Descargas
Referencias
Aldas, J. & Uriel, E. (2017). Análisis multivariante aplicado con R. Paraninfo.
Autoridad Nacional del Servicio Civil (Servir). (30 de agosto de 2023). Plataforma de datos abiertos: Información sobre la cantidad de servidores civiles y sus ingresos promedio a nivel nacional periodo 2017-2021. https://www.datosabiertos.gob.pe/dataset/informaci%C3%B3n-sobre-la-cantidad-de-servidores-civiles-y-sus-ingresos-promedio-nivel-nacional
Autoridad Nacional del Servicio Civil (Servir) (2024). La mujer en el servicio civil peruano 2024. Autoridad Nacional del Servicio Civil (Servir).
Blume, I. (2023). Igualdad Salarial: Desarrollos actuales, perspectivas y debates. Laborem (27), 105-120.
Brock, G., Datta, S., Pihur, V. & Datta, S. (2008). clValid: An R Package for Cluster Validation. Journal of Statistical Software.
Chapman, P. C. (2000). CRISP-DM 1.0.
Congreso de la República. (15 de marzo de 2024). Archivo Digital de la Legislación del Perú. https://www.leyes.congreso.gob.pe/Documentos/2016_2021/ADLP/Normas_Legales/30709-LEY.pdf
Instituto Nacional de Estadística e Informática - INEI. (15 de marzo de 2024). Proyección población 2018-2022. https://www.gob.pe/institucion/inei/informes-publicaciones/3464927-peru-proyecciones-de-poblacion-total-segun-departamento-provincia-y-distrito-2018-2022
Instituto Nacional de Estadística e Informática - INEI. (2024, marzo 31). PBI por región. https://m.inei.gob.pe/estadisticas/indice-tematico/producto-bruto-interno-por-departamentos-9089/
Kassambara, A. (2017). Practical Guide to Cluster Analysis in R. STHDA.
Loayza Pacheco, L. (2019). Guía para igualdad. Igualdad salarial. Ministerio de Trabajo y Promoción del Empleo.
Organización Internacional del Trabajo (OIT). (2020). Panorama Laboral 2020. América Latina y el Caribe. OIT.
Organización Internacional del Trabajo (OIT). (2024). Panorama Laboral en América Latina y el Caribe 2024. Cerrar la brecha de género para impulsar la economía y la productividad en América Latina. OIT.
ONU Mujeres. (2023). ¿Qué es la brecha salarial? https://lac.unwomen.org/es/que-hacemos/empoderamiento-economico/epic/que-es-la-brecha-salarial
Soto, I. & Gamboa, J. (2021). Ciencia de Datos con R. Métodos estadísticos para la investigación experimental. Universidad Nacional Agraria La Molina.
The Royal Swedish Academy of Sciences. (15 de marzo de 2024a). Scientific background to the Sveriges Riksbank Prize in Economic Sciences in Memory of Alfred Nobel 2023. https://www.nobelprize.org/uploads/2023/10/advanced-economicsciencesprize2023.pdf
The Royal Swedish Academy of Sciences. (15 de marzo de 2024b). History helps us understand gender differences in the labour market. https://www.nobelprize.org/uploads/2023/10/popular-economicsciencesprize2023.pdf
Urquidi, M. (2023). Brecha de ingresos laborales por género en América Latina y el Caribe: un análisis de componentes. BID.
Zumel, N. & Mount, J. (2020). Practical data science with R. Manning Publications.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2024 Roberto León Leyva (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.