2.1. Factores Asociados a la Desigualdad y el Mercado Laboral

La distribución del ingreso constituye uno de los temas centrales en el análisis del desarrollo económico, ya que refleja cómo los frutos del crecimiento se reparten entre los distintos grupos sociales. La desigualdad en el ingreso no solo tiene implicaciones económicas, sino también sociales y políticas, al influir en las oportunidades, la cohesión social y la estabilidad institucional.

El mercado laboral desempeña un papel clave en este proceso, ya que el ingreso laboral representa la principal fuente de recursos para la mayoría de los hogares, especialmente en países en desarrollo como Bolivia y otras economías latinoamericanas. Por ello, comprender los factores asociados a la distribución del ingreso requiere examinar tanto las características del mercado laboral como las políticas públicas que inciden sobre él.

2.2. Conceptualización de la distribución del ingreso

De acuerdo con ^{Kuznets (1955)ySen (1997)}, la distribución del ingreso puede analizarse desde dos perspectivas, la funcional cuyo enfoque está centrado en la distribución entre los factores de producción (trabajo, capital y tierra); y por otra, la personal o interpersonal, que consiste en la distribución del ingreso entre los individuos o los hogares. El análisis empírico suele centrarse en la distribución interpersonal, medida mediante indicadores como el coeficiente de Gini, el índice de Theil o las curvas de Lorenz. Una distribución más equitativa del ingreso suele estar asociada con mayores niveles de bienestar, cohesión social y crecimiento inclusivo ^{(CEPAL, 2022)}.

2.3. Enfoques teóricos sobre desigualdad y mercado de trabajo

Desde la teoría del capital humano ^{(Becker, 1964)}, las diferencias en el ingreso reflejan variaciones en la educación, la experiencia y las habilidades de los trabajadores. En este enfoque, los salarios se determinan por la productividad marginal, por lo que la desigualdad es consecuencia de las diferencias en la acumulación de capital humano, citado en ^{(Bernal, 2025)}. Autores como ^{Prebisch (1950)yFurtado (1976)} sostienen que la desigualdad en América Latina responde a estructuras productivas heterogéneas, donde coexisten sectores modernos con alta productividad y sectores informales de baja productividad. Esta segmentación laboral genera desigualdades persistentes, limitando la movilidad social.

El marco institucional destaca el papel de las políticas públicas, sindicatos, regulaciones laborales y salario mínimo en la configuración de los ingresos. Una regulación débil o la ausencia de instituciones redistributivas puede amplificar las brechas salariales y la precarización del empleo ^{(Stiglitz, 2012)}. ^{Piketty (2014)yAtkinson (2015)} plantean que la desigualdad resulta también de procesos históricos y de poder, donde las políticas fiscales, el acceso al capital y la concentración patrimonial determinan la distribución de la riqueza e ingresos.

2.4. Factores asociados a la distribución del ingreso

La literatura identifica diversos determinantes estructurales de la desigualdad en el ingreso, entre los que destacan a: Educación y capital humano: Es el factor más consistente en la explicación de los diferenciales de ingreso. A mayor nivel educativo, mayor productividad y salario ^{(Mincer, 1974)}. Estructura ocupacional y tipo de empleo: Las ocupaciones formales, profesionales y técnicas perciben mayores ingresos que las actividades informales o agrícolas. La informalidad laboral actúa como mecanismo de transmisión de la desigualdad ^{(CEPAL, 2023)}. Género y desigualdad salarial: Las brechas de ingresos entre hombres y mujeres persisten incluso a igual nivel educativo y ocupacional, evidenciando discriminación estructural en el mercado laboral ^{(Alarcón, 2020)}. Región y localización geográfica: En países como Bolivia, las zonas urbanas presentan mayores oportunidades laborales y salariales respecto a las zonas rurales, donde predomina el trabajo agrícola e informal. Crecimiento económico y productividad: Si el crecimiento no se acompaña de mejoras en la distribución funcional del ingreso, puede aumentar la desigualdad ^{(Kaldor, 1957)}. Políticas públicas y transferencias sociales: Los programas de transferencias condicionadas (como el Bono Juancito Pinto o la Renta Dignidad en Bolivia) pueden tener efectos redistributivos al mejorar los ingresos de los hogares más pobres.

2.5. Mercado de trabajo y segmentación laboral

El mercado laboral en América Latina se caracteriza por una alta segmentación entre el sector formal e informal. Según ^{Tokman (2007)}, el empleo informal no solo refleja precariedad, sino que constituye una estrategia de supervivencia ante la falta de empleos formales. La informalidad, junto con las brechas de productividad y la débil institucionalidad laboral, son factores que explican por qué la desigualdad en el ingreso laboral se mantiene elevada pese a periodos de crecimiento económico.

2.6. Evidencia empírica reciente

Estudios de la ^{CEPAL (2023)} y el Banco Mundial (2022) muestran que, en la región, la desigualdad disminuyó entre 2003 y 2015 gracias al aumento del empleo formal y las transferencias públicas, pero volvió a ampliarse desde 2016 por la desaceleración económica y el impacto de la pandemia de COVID-19. En el caso de Bolivia, la reducción del coeficiente de Gini de 0.61 (2005) a 0.42 (2018) estuvo asociada al aumento del salario real, la expansión de la educación y los programas de redistribución estatal; sin embargo, la desigualdad entre regiones y entre el sector formal e informal persiste.

2.7. Estado del arte. Factores asociados a la desigualdad y el mercado laboral

La distribución del ingreso y el funcionamiento del mercado laboral son temas centrales en el análisis económico contemporáneo, dado su impacto en la equidad, pobreza y desarrollo sostenible. En América Latina -una de las regiones más desiguales del mundo- las transformaciones en el mercado de trabajo, la educación, la tecnología y las políticas públicas han sido determinantes en la evolución de la desigualdad del ingreso durante las últimas décadas ^{(CEPAL, 2022;Lustig, 2019)}. Los primeros enfoques sobre la distribución del ingreso surgen con ^{Kuznets (1955)}, quien propuso la famosa ‘curva de Kuznets’, según la cual la desigualdad aumenta en las primeras etapas del crecimiento económico y luego disminuye a medida que las economías se industrializan. Posteriormente, los modelos de economía laboral y capital humano ^{(Becker, 1964;Mincer, 1974)} introdujeron el papel de la educación, experiencia y productividad como determinantes microeconómicos de los ingresos individuales. En las últimas décadas, el análisis se ha enriquecido con teorías del cambio tecnológico sesgado al trabajo calificado ^{(Autor, 2014)}, efectos de la globalización ^{(Goldberg & Pavcnik, 2007)}, instituciones laborales ^{(Fields, 2019)} y desigualdades de género, etnia y territorio ^{(Ñopo, 2012;Gasparini & Lustig, 2011)}. Los principales factores asociados a la distribución del ingreso son:

Algunos estudios en América Latina, se dieron entre el periodo 2000 y 2015, hubieron avances importantes en la reducción de la desigualdad, apoyados en políticas redistributivas, educación y expansión del empleo formal (Lustig et al., 2013). Desde 2015, sin embargo, la desigualdad ha mostrado signos de estancamiento o retroceso, influida por crisis económicas, la pandemia y cambios estructurales en el empleo. Investigaciones como las de Lustig, López-Calva y Ortiz-Juárez (2013) han documentado un proceso de reducción de la desigualdad entre 2000 y 2015 en varios países de la región, atribuido principalmente al aumento del salario mínimo, expansión del gasto social y mejoras en el acceso a educación. Sin embargo, esta tendencia se ha desacelerado o revertido tras la pandemia de COVID-19. Organismos como la CEPAL y el Banco Mundial han alertado sobre el impacto de la informalidad y la segmentación del mercado laboral como obstáculos estructurales para una distribución más equitativa de la riqueza en América Latina.

En el caso boliviano, existe estudios como de Escobar y Nina (2017) y ^{UDAPE (2023)}, donde muestran que, aunque el coeficiente de Gini disminuyó entre 2005 y 2014, esta mejora se estancó en años posteriores. El INE y entidades como UDAPE han documentado una reducción de la pobreza monetaria, pero la desigualdad del ingreso (medida por el Gini) se mantiene elevada. La expansión de programas sociales y el crecimiento económico fueron determinantes en ese período, pero no lograron transformar las bases estructurales de la desigualdad. Investigaciones de universidades y centros de análisis como el CEDLA han puesto énfasis en la persistencia de la informalidad laboral (que afecta a más del 60% de los trabajadores), así como las diferencias marcadas entre áreas urbanas y rurales, y entre regiones como el altiplano y el oriente boliviano.

Otros trabajos recientes señalan que la brecha de género, la discriminación étnica, y la desigualdad en el acceso a educación de calidad continúan afectando las oportunidades laborales y los ingresos en el país. Existen brechas persistentes por región, género y tipo de empleo. La informalidad supera el 70% en algunos sectores, lo que limita la efectividad de las políticas de inclusión social.

3.1. La Curva de Lorenz y el Coeficiente de Gini

De acuerdo a ^{Contreras (1998)}, las medidas de desigualdad más usadas son la Curva de Lorenz (CL), que permite apreciar toda la distribución y calcular el Coeficiente de Gini (CG), el cual es sensible especialmente a cambios en la parte media de la distribución, esto significa que variaciones en la distribución del ingreso en los segmentos más ricos (últimos percentiles), así como en los más pobres (primeros percentiles) no son capturados adecuadamente por este indicador. Tanto la CL como el CG suponen una función de bienestar social cóncava y usan como ponderaciones la posición ordinal de los distintos grupos de individuos respecto al ingreso, citado por ^{Bernal (2015)}.

Tal como señala Kakwani & Podder (1976), la CL muestra que porcentaje acumulado del ingreso es percibido por cada porcentaje acumulado de la población, es decir se construye a partir de las frecuencias acumuladas del ingreso y la población de forma que si la pendiente de la CL fuera 45°, estaríamos frente a una distribución perfectamente igualitaria, pues el X% de la población percibiría el X% del ingreso. Por otro lado, si la curva coincide con el eje de las abscisas, estaríamos frente a una perfecta desigualdad (total concentración del ingreso en un solo individuo).

Por su parte, el CG se basa en la CL y expresa a manera de un ratio en el área que se halla entre la línea de perfecta igualdad y la CL con respecto al área total (que se halla entre la línea de perfecta igualdad) y 1 (perfecta desigualdad). No obstante ser un indicador que trata de resumir los niveles de desigualdad existentes en la distribución, al hacerlo omite considerar la forma de la CL. En efecto, debemos ser conscientes que una distribución que concentra relativamente los ingresos entre los estratos altos de la población puede tener el mismo CG (la misma área) que otra distribución que se concentra entre los segmentos más pobres. De hecho, la única forma de saber si una distribución es más igualitaria (domina) que otra, es verificar si la CL de la primera esta siempre por encima de la otra ^{(Contreras, 1998)} citado por ^{(Bernal, 2015)}.

Siguiendo a Blackwood & Lynnch (1994) conviene destacar las limitaciones y ventajas (propiedades) que exhibe el uso de la CL como indicador de desigualdad:

Evidentemente, es deseable que todo indicador de desigualdad cumpla con las propiedades anteriores, sin embargo, es preciso destacar que al ser independiente de la escala de la distribución, la curva de Lorenz y con ella el Coeficiente de Gini, no consideran en impacto del nivel del ingreso medio en la estimación del bienestar de la población. De hecho, uno podría esperar que un indicador de desigualdad como estimador del nivel de bienestar contemple no solo la equidad también la eficiencia, pues la gente no solamente prefiere una distribución equitativa sino también con ingresos altos. Esto constituye una limitación a tener en cuenta, en la medida que, si tratamos de comparar las distribuciones de ingresos en dos momentos distintos del tiempo o entre dos grupos si ellas se cruzan, no es posible aseverar que una distribución sea superior a la otra (mejor), pero si se tiene en cuenta el ingreso medio de cada una, es posible salvar esta dificultad y concluir que una domina a la otra. Este método se conoce con el nombre de Curva de Lorenz Generalizada.

Adicionalmente, un tema de importancia constituye el hecho que para múltiples estimaciones e inferencias resulta necesario conocer la forma funcional específica de la CL, la que proviene de la función de densidad de la distribución del ingreso que no es conocida. Para salvar este obstáculo tradicionalmente la CL ha sido estimada paramétricamente. A lo largo de la literatura, han sido varias las formas funcionales (log normales, paretianas, elípticas, etc) y los métodos que se han escogido para realizar dicha tarea, sin embargo, a lo largo de las investigaciones, la que más se ha usado es la estimación propuesta por Kakwani & Polder (1976), que a pesar que tiene algunas deficiencias como por ejemplo la que señala Rasche, R & J. Gaffney, C, Koo. (1980) respecto a que el límite de la pendiente de la CL no tienda a 1 cuando se aproxima a los extremos (es decir, cuando el porcentaje acumulado de la población de referencia es 0% y cuando es 100%), el hecho de satisfacer las primeras propiedades que definen los lugares geométricos por donde pasa la CL (como por ejemplo que el porcentaje acumulado del ingreso sea 0% cuando el porcentaje respectivo en la población también lo sea, o que sea 100% cuando el otro es 100%, que el porcentaje acumulado de la población esté siempre por encima del respectivo valor del ingreso y que la CL no tenga pendiente negativa y sea monotonicamente creciente) le ha valido el reconocimiento de proveer una buen estimación de la verdadera CL, tal como lo afirma Kakwani (1980).

3.2. Estimación Kernel

La estimación por Kernel corresponde a un método estadístico no paramétrico que no requiere asumir una forma funcional específica para la distribución o relación entre variables. Su objetivo es reconstruir patrones en los datos basándose únicamente en las observaciones disponibles ^{(Silverman, 1986)}.

La técnica se basa en una función Kernel que asigna pesos decrecientes según la distancia entre observaciones. Se utilizan comúnmente funciones Kernel como Gaussiana, Epanechnikov y Uniforme debido a su buen comportamiento estadístico ^{(Härdle, 1990)}. El parámetro crucial es el ancho de banda (h), que determina el grado de suavizado. Una selección adecuada se obtiene mediante técnicas de validación cruzada o reglas automáticas de minimización de error ^{(Wand & Jones, 1995)}. Para la densidad de probabilidad, la estimación se define como:

Lo anterior resulta especialmente útil en el análisis de ingresos y pobreza, al capturar patrones de desigualdad y heterogeneidad sin imponer estructuras rígidas ^{(Deaton, 1997;Cameron & Trivedi, 2005)}. La combinación de explicabilidad mediante valores Shapley y métodos no paramétricos como kernel permite un diagnóstico robusto del comportamiento del modelo. Los hallazgos reflejan que:

3.3. Metodología Shapley

La metodología Shapley permite descomponer la predicción del modelo en aportes individuales de cada variable explicativa, atribuyendo una contribución marginal justa basada en su inclusión o exclusión en todas las combinaciones posibles del modelo. Esta aproximación facilita comprender la importancia y relevancia de los predictores sobre el resultado final ^{(Lundberg & Lee, 2017)}. Se basa en la teoría de juegos cooperativos para cuantificar la contribución individual de cada variable en la predicción de un modelo. Fue adaptada al análisis de modelos predictivos para asignar de manera justa la importancia de cada característica, considerando todas las posibles combinaciones de variables ^{(Shapley, 1953;Lundberg & Lee, 2017)}.

El valor de Shapley calcula la contribución marginal promedio de cada variable al resultado del modelo. Se evalúa cómo cambia la predicción al incluir una característica específica en todos los subconjuntos posibles de variables, asegurando que la importancia atribuida sea justa y aditiva. Shapley se define como:

4.1. Estimación del coeficiente de Gini y la curva de Lorenz para Bolivia

En la siguiente tabla 1, podemos observar que en Bolivia la desigualdad es más alta en las zonas rurales (0.4981) que en las urbanas (0.3787); y además el valor nacional (0.4158) refleja ese promedio ponderado.

Tabla 1. Bolivia: Coeficiente de Gini por área (2024) 

Fuente: Elaboración propia con base en la Encuesta de Hogares (EH) de 2024 realizada por el INE.

El coeficiente de Gini para Bolivia, estimado en 0.4158, muestra un grado de desigualdad moderada en la distribución del ingreso, lo cual es coherente con las tendencias históricas observadas en América Latina. Sin embargo, al separar el indicador por áreas de residencia, se observa una marcada desigualdad entre el entorno urbano (0.3787) y el rural (0.4981). Esta diferencia indica que la desigualdad de ingresos es notablemente más alta en las zonas rurales, donde aún existen limitaciones estructurales vinculadas a la concentración de la tierra, la baja productividad agrícola y el acceso restringido a la educación, infraestructura y servicios. En cambio, las áreas urbanas presentan una distribución del ingreso relativamente más equitativa, probablemente asociada con una mayor diversificación económica y mejores oportunidades laborales. En consecuencia, los resultados sugieren que las políticas públicas para reducir la desigualdad deberían enfocarse especialmente en el ámbito rural, donde las brechas son más grandes y deben priorizar la inclusión productiva y social de la población rural, a fin de promover un desarrollo más equilibrado y sostenible entre territorios.

El análisis de los coeficientes de Gini por departamento en Bolivia (tabla 2) permite identificar diferencias significativas, en la distribución del ingreso entre las distintas regiones del país. En términos generales, los valores reportados oscilan entre 0.37 y 0.483, lo que refleja una desigualdad que varía de baja a alta según el contexto departamental.

Tabla 2. Bolivia: Coeficiente de Gini por departamentos (2024) 

Fuente: Elaboración propia con base en la EH de 2024 realizada por el INE.

El departamento de Santa Cruz presenta el coeficiente más bajo (0,37), lo que sugiere una distribución del ingreso más equitativa, posiblemente asociada a una mayor diversificación económica y un mejor acceso a los servicios básicos. Potosí registra el valor más elevado (0.483), lo que evidencia una desigualdad considerable vinculada a factores estructurales como la pobreza persistente, la diversificación productiva limitada y la concentración de recursos.

El Departamento de Potosí presenta uno de los niveles más altos de pobreza en Bolivia entre departamentos. El año 2024, la incidencia de pobreza en Potosí es 48.15 % y la extrema pobreza 22.14% superior al promedio nacional 37.86% de pobreza y 11.98% de pobreza extrema. El departamento de Potosí presenta históricamente una estructura productiva concentrada, con fuerte dependencia de la minería y escasa articulación sectorial. Esto limita la generación de empleo formal, el encadenamiento productivo y la resiliencia ante shocks externos.

Chuquisaca (0.47) y Pando (0.45) también muestran niveles elevados de desigualdad, lo que indica brechas significativas en el acceso a ingresos y oportunidades. La Paz (0.41), Cochabamba (0.41), Oruro (0.415), Tarija (0.40) y Beni (0.40) se sitúan en un rango medio, con desigualdades moderadas relacionadas principalmente con contrastes entre zonas urbanas y rurales.

En conjunto, los resultados evidencian una heterogeneidad regional marcada en la distribución del ingreso. Por lo tanto, las políticas públicas orientadas a la reducción de la desigualdad deberían adoptar un enfoque territorial diferenciado y priorizar intervenciones en los departamentos con mayor desigualdad (especialmente en Potosí, Chuquisaca y Pando), con el fin de promover un desarrollo económico y social más equilibrado y sostenible.

Fuente: Elaboración propia, con base en la EH de 2024 realizada por el INE.

Figura 1. Bolivia: Curva de Lorenz (2024) 

Fuente: Elaboración propia con base en la EH de 2024 realizada por el INE.

Figura 2. Bolivia: Curva de Lorenz por área urbana y rural (2024) 

Fuente: Elaboración propia con base en la EH de 2024 realizada por el INE.

Figura 3. Bolivia: Curva de Lorenz a nivel Departamental (2024) 

4.2. Estimación no paramétrica de densidad. Distribución (Kernel Density Estimate, KDE).

Fuente: Elaboración propia con base en la EH de 2024 realizada por el INE.

Figura 4: Bolivia: Distribución de (Kernel Density Estimate, KDE) 

El bandwidth de 96,2385 indica el rango de vecindad (aproximadamente 96 unidades de la variable de análisis; por ejemplo, 96 bolivianos de ingreso) que el estimador utiliza para suavizar cada punto. Cada valor de ingreso contribuye a estimar la densidad de los valores cercanos dentro de ±96,24 unidades, citado ^{(Bernal, 2025)}.

Fuente: Elaboración propia con base en la EH de 2024 realizada por el INE.

Figura 5: Estimación por área urbana y rural de la distribución Kernel 

4.3. Estimación de Shapley, descomposición del Gini

Los valores de Shapley que se presentan en la tabla 4 muestran la contribución marginal de cada tipo de ingreso a la predicción del modelo. La magnitud indica qué tanto aporta cada tipo y el signo indica si este empuja la predicción hacia arriba o hacia abajo (en este caso ambos son positivos).

Tabla 4: Descomposición Shapley del Gini 

Fuente: Elaboración propia con base en la EH de 2024 realizada por el INE.

Tabla 5: Contribución marginal de los ingresos 

Fuente: Elaboración propia con base en la EH de 2024 realizada por el INE.

La descomposición Shapley del coeficiente de Gini muestra que el ingreso laboral explica el 94% de la desigualdad total en Bolivia en 2024. Este resultado evidencia que la estructura distributiva está fundamentalmente determinada por las disparidades del mercado laboral, mientras que otras fuentes de ingreso desempeñan un papel marginal en la configuración de la desigualdad agregada.