2.1. Brechas en ingresos laborales

El derecho fundamental a la igualdad de remuneración por género es reconocido desde 1919 por la Organización Internacional del Trabajo y es uno de los Objetivos de Desarrollo Sostenible (ODS) adoptados en 2015¹. De acuerdo a la ^{Unión Europea (2014)}, la brecha en ingresos laborales de género es un indicador que informa acerca de las diferencias entre los ingresos de un hombre y una mujer en el mercado laboral, habitualmente expresada como un porcentaje sobre el ingreso laboral de los hombres o una diferencia porcentual entre ambos. Por tanto, existe una brecha de ingresos laborales cuando el valor-trabajo de un hombre y una mujer es el mismo pero la retribución no.

Las brechas salariales por género han sido extensamente estudiadas para saber si las diferencias en la distribución de los ingresos pueden ser explicadas por características observables o características no observables. Las primeras están relacionadas a diferencias en productividad, nivel educativo, experiencia u otros factores. Dentro de los factores observables se encuentran: (i) el número de horas dedicadas al trabajo laboral por las mujeres, (ii) diferencias en los niveles de educación y de experiencia laboral y (iii) el tipo de sector y de ocupación laboral (^{OIT, 2016}). Por otra parte, los factores no observables son aquéllos que no se capturan en los modelos debido a que su medición es dificultosa o su disponibilidad en los datos es escasa. Éstos engloban factores como características no cognitivas, variables de posición laboral, variables institucionales y la discriminación salarial² por sexo o raza (^{Pacheco y Del Pozo, 2019}).

Existen dos fenómenos o efectos que pueden llegar a explicar las brechas de ingresos laborales a lo largo de la distribución de ingresos. Estos efectos son los denominados: “suelos pegajosos” y “techos de cristal”, ambos conocidos en la literatura por limitar de diferentes maneras a las mujeres en ambos extremos de la distribución de ingresos por la condición de ser mujeres. Los conceptos de cada efecto son desarrollados desde los distintos puntos de vista de cada autor y algunos son detallados a continuación.

2.2. Efecto “suelos pegajosos”

La circunstancia denominada “suelos pegajosos” se refiere a la situación de las mujeres en los estratos más bajos de las jerarquías, con salarios muy bajos, empleos informales y de baja calidad, aspectos que mantienen a las mujeres como si estuvieran pegadas al piso y están relacionados con la existencia de posibles patrones de discriminación contra determinado grupo de trabajadoras por su condición (mujeres, indígenas, migrantes, etc.) (^{Ardanche y Celiberti, 2011}). Estos patrones se traducen en mantener a las mujeres en empleos de poco valor, en condiciones precarias, con limitada movilidad laboral y con presencia de barreras para el ascenso (^{Agrawal, 2013}).

Para ^{Guy (1994)}, el efecto “suelos pegajosos” implica que las mujeres en las organizaciones se concentran en labores de soporte, donde se encuentran “atascadas” en trabajos de menor nivel y enfrentan limitaciones en las posibilidades de promoción laboral. Incluso en las actividades consideradas feminizadas, la presencia de mujeres en cargos de alta responsabilidad y decisión es mínima (i.e., salud y educación). Por tanto, bajo este fenómeno las mujeres presentan barreras que no les permiten salir o transitar de trabajos con baja remuneración o precarios. Este fenómeno es tradicionalmente medido como la diferencia entre la brecha en la parte más baja de la distribución con la brecha existente en la parte mediana de la misma distribución; si la primera es superior, entonces existe un efecto de “suelos pegajosos”. ^{De la Rica et al. (2008)} describieron este fenómeno por primera vez en España, el cual fue denominado como un efecto de “suelos pegajosos”.

2.3. Efecto “techos de cristal”

El concepto de “techos de cristal” implica una desigualdad de género presente en los niveles más altos de las retribuciones que no puede explicarse por características laborales observables. Sugiere la existencia de barreras no observables que limitan el progreso laboral de las mujeres y desigualdades que incrementan a lo largo del tiempo y del progreso o ascenso laboral de las mujeres (^{Cotter et al., 2001}). En la literatura económica es tradicionalmente medido como la diferencia entre la brecha en la parte más alta de la distribución y la brecha existente en la parte mediana de la misma distribución; si la primera es superior, entonces existe un efecto de “techos de cristal”.

Por tanto, un efecto de “techos de cristal” describe la obstaculización en el acceso de las mujeres más capacitadas, con mayor calificación y experiencia, incluso más que los hombres, a los estratos superiores de la estructura jerárquica, por mecanismos de discriminación que no siempre son visibles (^{Ardanche y Celiberti, 2011}), limitando el progreso o ascenso laboral de las mujeres (^{Albrecht et al., 2009}).

Se reconoce que existen aspectos externos e internos que hacen posible la existencia de esta circunstancia. Los aspectos externos explican el limitado número de mujeres que ocupan cargos de alta responsabilidad, principalmente por un sesgo de los empleadores de contratar hombres sobre mujeres para estos cargos debido a que consideran que el liderazgo de las mujeres es menos efectivo que el de los hombres. Los aspectos internos tienen en cuenta el contexto cultural, las expectativas y las preferencias de cada individuo para conformar los roles sociales de género (^{De Garay, 2013}). Es decir, existe una tradición social y cultural donde se asume que las mujeres son las principales encargadas del cuidado y responsabilidades del hogar, lo que entra en conflicto con el tiempo necesario que deben dedicar a puestos de mayor responsabilidad y decisión. La relación de estos aspectos, factores sociales y actitudinales y estereotipos constituye un perjuicio en el desempeño y ascenso laboral de las mujeres.

^{Albrecht et al. (2003)} fueron de los primeros autores en evidenciar la presencia de este fenómeno al encontrar un patrón creciente de la brecha salarial a lo largo de la distribución en Suecia, lo cual fue descrito como un efecto “techos de cristal” que las mujeres no pueden superar en sus niveles salariales. Los avances hacia la igualdad de género en las últimas décadas fueron muy importantes, consiguiendo algunos progresos significativos direccionados a respetar los derechos de las mujeres y permitir el empoderamiento de las mismas en todo el mundo³.

5.1. Regresiones cuantílicas condicionales

Una aproximación especialmente popular es el modelo propuesto por ^{Machado y Mata (2005)} (método M-M), quienes usan regresiones cuantílicas condicionales para estimar distribuciones marginales de los ingresos laborales en diferentes escenarios contrafactuales. El método M-M puede ser visto como una generalización del método Oaxaca-Blinder¹² y como una extensión de la aproximación de descomposiciones de varianza (^{Firpo et al., 2009})¹³. La misma fue ampliada por ^{Albrecht et al., (2009)} mediante la aplicación de ^{Buchinsky (1998)}, la cual reconoce la existencia de una autoselección no aleatoria por parte de las mujeres. Sin embargo, el uso de esta metodología fue cuestionada por los autores ^{Huber y Melly (2015)}, quienes señalan que esta aproximación es válida sólo para los términos de regresión y errores que son condicionalmente independientes a las probabilidades de selección. A partir de esa crítica, los autores ^{Huber y Melly (2015)} desarrollan una prueba para comprobar la independencia condicional antes de aplicar la corrección de sesgo de autoselección de ^{Buchinsky (1998)}, la cual es aplicada por ^{Biewen et al. (2020)} al realizar una transformación al modelo de ^{Albrecht et al. (2009) 14}.

Dado que el objetivo de este trabajo es analizar el comportamiento de las brechas de ingresos laborales por género en la distribución de ingresos laborales, (WM) − (WF) donde WM y WF representan a los ingresos laborales de hombres y mujeres, respectivamente, se sigue la ampliación planteada por ^{Albrecht et al. (2009)} y transformada por ^{Biewen et al. (2020)}, la cual se basa en la transformación de la regresión cuantílica original bajo un análisis de sesgo de autoselección en la media, con presencia de heteroscedasticidad propuesta por los autores ^{Chen y Khan (2003)}, que permite pasar la crítica de ^{Huber y Melly (2015)}.

5.2. El modelo: una aproximación de descomposiciones cuantílicas

Para el modelo se consideran dos grupos, A y T. El primer grupo (A) representa a todas las mujeres, estén empleadas o no. El grupo T incluye a todas las mujeres que efectivamente tengan alguna ocupación en el mercado laboral. Debido a que sólo se observa la distribución de ingresos laborales de las mujeres ocupadas (T), ^{Buchinsky (1998)} añade una selección de muestras de correcciones, para las mujeres con empleo, para cada quintil, que se describe de la siguiente manera:

Donde z es un vector que debe contener todas las características x que determinan los ingresos laborales, más características adicionales que influyen en la selección, pero no a los ingresos laborales. Análogamente al modelo de corrección de autoselección de Heckman (1979), ^{Buchinsky (1998)} aproxima el término de corrección hθz′Tλcomo una función inversa del ratio de Mills, usando una serie de potencias de la forma:

Donde la inversa del ratio de Mills es representado por λ. ¹⁵. El parámetro λ puede ser estimado usando un modelo de selección binaria¹⁶.

Para resolver que el intercepto de la ecuación de ingresos laborales β0Aθ no esté definido, ^{Buchinsky (1998)} y ^{Albrecht et al. (2009)} proponen usar lo que se denomina un argumento de identificación al infinito, que implique que β0Aθ puede ser estimado en una submuestra de mujeres cuya probabilidad de participar en el mercado laboral es cercana a la probabilidad de la estimación sin corrección¹⁷. Siguiendo el método M-M y a ^{Biewen et al. (2020)}, se estiman diferentes distribuciones de los ingresos laborales contrafactuales, muestreando repetidamente θ con valores del intervalo (0,1) y valores x de la distribución empírica de las características.

Estos escenarios contrafactuales, denotados por F(y^A|xA, βA)^, se comparan con la distribución de ingresos laborales de las mujeres que participan en el mercado laboral FyTy, lo que resulta en el efecto total de la autoselección.

Basado en ^{Albrecht et al. (2009)} y ^{Biewen et al. (2020)}, este efecto puede separarse por las diferencias en las características observables y las diferencias de las características no observables.

5.3. Prueba de independencia condicional

^{Huber y Melly (2015)} demuestran que el modelo de ^{Buchinsky (1998)} asume independencia condicional en términos de densidad conjunta de los errores entre el modelo de autoselección y el de ingresos laborales fμ,e lo que implicaría que la selección del modelo es independiente de z, condicionado a la probabilidad de selección Pr(D=1|z). Los autores demuestran que esto es válido para cualquier quintil θ, implicando que el neto de los términos de selección, en todos los modelos de regresión cuantílica en la muestra seleccionada debe ser paralelo, bajo el supuesto de independencia condicional. En términos sustantivos, la independencia condicional descarta que la distribución de μ dependa directamente de z (es decir, es heteroscedástico en z), pero puede que dependa de la probabilidad de selección (es decir, puede ser heteroscedástico en el índice z'γ).

Para comprobar si se cumple la independencia condicional en el modelo realizado en este trabajo, se aplica la prueba ^{Huber/Melly (2015)}, que mide la igualdad de los coeficientes de las regresiones en la muestra elegida. La hipótesis nula de esta prueba es H0:βθ=β0.5 para todo θ∈ϕ contra la hipótesis H1:βθ=β0.5 para algunos θ∈ϕ ¹⁸. Tal como los autores demuestran, es suficiente que el modelo transformado pase el test de Huber/Melly para poder aplicar la corrección de sesgo de selección de ^{Buchinsky (1998)}.

5.4. Modelo transformado

^{Biewen et al. (2020)} proponen un ajuste al modelo original, de manera que esta independencia se cumpla, considerando una transformación por hz>0 .

Si la condición de independencia se cumple, puede aplicarse la corrección de sesgo de ^{Buchinsky (1998)} al modelo. Para este trabajo es necesario desarrollar la transformación del modelo con heteroscedasticidad multiplicativa expresado de la siguiente manera:

Donde gx>0 y v, que representa el término de error normalizado no observado, cumplen con la condición de independencia. Este modelo incluye dos elementos fundamentales: (i) la ubicación varía dependiendo de las características personales y (ii) la existencia de heteroscedasticidad depende del valor de x por medio de gx.

Similar al modelo de ^{Chen y Khan (2003)}, este modelo implica la elección de dos cuantiles α1,α2, en los que se supone que α1>α2, a partir de los cuales se construyen las regresiones cuantílicas Qα2(y|z,D=1), Qα1(y|z,D=1) de la población seleccionada y se calcula el rango intercuantílico predicho Δqz=Qα2y|z,D=1−Qα1y|z,D=1 y el rango intercuantílico del término de error Δvz′y=Δv¹⁹.

Donde la expresión Δqz puede ser estimada como una propagación intercuantílica para individuos con características z en la población elegida. La otra expresión, Δvz′γ, es en principio no observable. Sin embargo, un supuesto natural es que, en el modelo generado, v representa una perturbación estandarizada cuyos quintiles no dependen de z′γ. Una selección natural tendría una distribución normal para la variable v, por lo que se podrían calcular predicciones intercuantílicas Δv=∅−1α2−∅−1α1. En este caso se puede transformar el modelo por hz=Δqz/Δv*:

Se mantiene el supuesto de independencia condicional, porque el error transformado depende sólo de z′γ y no de z (^{Biewen et al., 2020}). En el presente trabajo se sigue esta transformación para construir los escenarios contrafactuales siguiendo a ^{Albrecht et al. (2009) 20} y la aproximación de ^{Buchinsky (1998)} para corregir la autoselección por parte de las mujeres. Se realiza esta corrección sólo para el caso de las mujeres, porque se reconoce que los niveles de participación laboral en el país para ellas son todavía bajos respecto a los niveles de los hombres²¹. Adicionalmente, las mujeres que trabajan y no trabajan poseen diferencias en características, como niveles de educación, experiencia y otras características personales, las cuales se capturan en los modelos planteados en este trabajo. Esta particularidad indicaría una posible existencia de autoselección por parte de las mujeres en el mercado laboral de una manera no aleatoria.

Siguiendo a ^{Biewen et al. (2020)}, la corrección por autoselección se realiza mediante la estimación de un modelo de autoselección, probit, que contiene todas las características que potencialmente afectan a la participación de la mujer en el mercado laboral (la variable dependiente es una variable dummy que toma el valor de uno si la mujer se encuentra ocupada, y cero en caso contrario). Las predicciones de este modelo se utilizan para calcular una serie de potencias del ratio de Mills, los cuales se introducen a las regresiones cuantílicas del modelo transformado que pasa la prueba de ^{Huber y Melly (2015)}.

7.1. Brechas brutas entre hombres y mujeres

En el Gráfico 1 se pueden apreciar las brechas de género brutas en las que se observa estos aspectos centrales: i) los hombres tienen una remuneración más alta en cada uno de los quintiles de la distribución en la parte baja y media, es decir, existe una brecha positiva; la brecha más baja se observa a partir del quintil 85, la cual sigue siendo positiva en el primer periodo y se torna negativa en los siguientes dos periodos, ii) en el extremo más bajo de la distribución la brecha es significativamente más alta que en los quintiles superiores (la brecha en los dos primeros periodos para los quintiles que se encuentran por debajo del décimo es superior al 50%, mientras que para el tercer periodo es de alrededor del 48%), iii) en el extremo más alto se observa un leve aumento de la brecha en comparación a los quintiles de la parte media-alta de la distribución en el primer periodo, iv) a medida que se transita en el tiempo, la brecha a lo largo de la distribución es menor, por lo que la diferencia promedio en retribuciones entre hombres y mujeres registrada en 2017-2019 es la menor de todo el periodo de estudio.

Estos datos indicarían que existen indicios del fenómeno de “suelos pegajosos” en Bolivia en los tres periodos analizados, y si bien esta brecha promedio disminuyó en el tiempo, la presencia de esta circunstancia se mantiene en el tiempo. En cambio, no se evidencia la existencia de “techos de cristal” en la parte superior de la distribución, dado que en los quintiles más altos se presentan retribuciones más similares entre hombres y mujeres. Este comportamiento diferenciado en la distribución posiblemente se debe a que en la parte más baja existe una mayor concentración de mujeres con menores dotaciones en educación y experiencia, que obtienen un menor ingreso laboral, muchas de ellas desempeñándose en trabajos inestables, como independientes, y con menores posibilidades de movilidad laboral. A medida que se transita a quintiles superiores, las dotaciones de las mujeres en estas características aumentan, y por lo tanto su señalización en el mercado laboral mejora, permitiéndoles ingresar a sectores mejor retribuidos y obtener mayores ingresos, incluso marginalmente mayores a los de los hombres en los quintiles superiores de los últimos dos periodos.

Gráfico 1: Brechas de género brutas Fuente: Elaboración propia con base en datos de las Encuestas de Hogares 2011-2019Nota: Intervalos de confianza al 90% estimados con bootstrap (200 repeticiones) 

7.2. Modelo de autoselección

Como siguiente punto, se muestran los resultados del modelo de autoselección, los cuales se obtienen a partir de un modelo probit donde la variable dependiente es la ocupación en el mercado laboral. Esta corrección por sesgo de autoselección sólo se realiza para la submuestra de mujeres, por las razones expuestas en la parte metodológica.

En el Cuadro 3 se muestran los coeficientes y los efectos marginales de la condición de ocupación de las mujeres, evidenciando los siguientes resultados: (i) el coeficiente de la variable de educación es positivo y significativo, lo que indica que las mujeres con mayor educación tienen una mayor probabilidad de trabajar, (ii) el coeficiente de la variable de estado civil es negativo y significativo, lo que significa que estar casada disminuye la probabilidad de trabajar, (iii) la variable de experiencia potencial implica una relación positiva y significativa, es decir, una mayor experiencia se traduce en una mayor probabilidad de trabajar, pero a una tasa decreciente (debido al signo negativo de la experiencia al cuadrado), (iv) la variable de etnicidad es positiva y significativa, lo que implica que las mujeres indígenas tienen mayor probabilidad de trabajar, (v) si la mujer es jefa de hogar, su probabilidad de trabajar aumenta, (vi) la presencia de hijos menores a 5 años en el hogar tiene un efecto negativo y significativo en la probabilidad de trabajar (a excepción del último periodo); en cambio, la presencia de hijos de entre 5 a 11 años es positiva y significativa. Finalmente, los hijos de 12 a 17 años dentro de un hogar sólo tienen un efecto significativo en el último periodo al 90%, (vii) si el ingreso del hogar es mayor, la probabilidad de trabajar de la mujer también es mayor, (viii) los controles regionales por departamento muestran una asociación positiva con la probabilidad de trabajar (participación laboral) y negativa en el caso de la tasa de desempleo. Además, se agregaron controles por años, los cuales no muestran una significancia en todos los periodos.

7.3. Brechas de género estimadas en los tres periodos

Una vez que se corrige por el sesgo de autoselección²³, se estiman las regresiones cuantílicas para los modelos de ingreso definido en la sección de datos y variables. Los resultados para mujeres (con y sin corrección por sesgo de autoselección)²⁴ se reportan en los cuadros de los anexos. Los resultados centrales de estas regresiones se detallan en los cuadros 6, 8 y 10 del Anexo 2. Muestran que, al corregir por sesgo de autoselección para las mujeres: (i) la educación tiene un impacto positivo en todos los quintiles de la distribución al igual que la variable de estado civil (casada/o), las regiones del valle y llano (a excepción de la variable de región del valle, que no es significativa en el último periodo). Estos resultados implicarían que las mujeres con mayor nivel educativo y que son casadas tienen una mayor ingreso, al igual que aquéllas que pertenecen a las regiones del valle y llano tienen un mayor ingreso laboral con respecto a las que pertenecen a la región altiplánica, (ii) los controles de años que también muestran un impacto positivo y significativo (a excepción del año 2012 en el primer periodo, el cual es negativo y no significativo) señalan que las mujeres en los últimos años de cada periodo analizado tendrían también un mayor ingreso, el cual reduciría la brecha promedio, (iii) ser mujer indígena se asocia a una relación negativa en todos los quintiles, al igual que la variable de trabajador independiente, lo que implica que las mujeres no indígenas y trabajadoras asalariadas ganarían más que las mujeres indígenas y trabajadoras independientes, respectivamente.

Adicionalmente, en la aproximación se desarrollan los resultados de las estimaciones de los escenarios contrafactuales, siguiendo el proceso propuesto por ^{Albrecht et al. (2009)} aplicando el modelo transformado propuesto por ^{Biewen et al. (2020)} expuesto en la sección metodológica. Como se detalla en los gráficos que se muestran más adelante, se presentan las brechas entre hombres y mujeres considerando distintos escenarios construidos con los ingresos estimados.

En el Gráfico 2 se presenta el primer escenario contrafactual donde se comparan los ingresos en logaritmo de hombres y mujeres con características de los hombres (características de las regresiones cuantílicas) pero manteniendo sus retornos (sus remuneraciones), es decir, muestra la brecha después de que se toma en cuenta la diferencia en la distribución de las características observables. Para los tres periodos establecidos se evidencia una brecha positiva, la cual es superior en los quintiles más bajos de la distribución y se reduce a medida que se transita hacia los quintiles más altos. Comparando con el Gráfico 1 de las brechas brutas, se observa que las brechas son idénticas con este escenario contrafactual. Si las mujeres mantienen sus características observables, pero son remuneradas como hombres, la brecha sería mucho más pequeña a la observada cuando se igualan hombres y mujeres en características. Por tanto, la brecha observada se explica más por diferencias en los retornos de las características observadas capturadas en los modelos (educación, estado civil, experiencia potencial, etnicidad, condición de actividad) entre hombres y mujeres. Este escenario refleja que, aunque las mujeres tengan la misma distribución de características observables de los hombres, las retribuciones que las mujeres perciben aún son más bajas, ocasionando que la brecha persista.

Del escenario mencionado anteriormente, se observa que estas características no son valoradas para poder reducir la brecha, y que podrían existir otros factores como el hecho de ser mujer, la raza, la condición jerárquica en la fuente laboral, el contexto cultural, la motivación, las habilidades cognitivas u otros no observados que influyen para que las mujeres, con iguales dotaciones observables que los hombres, sean retribuidas de manera inferior. Por un lado, la situación descrita tiene un mayor peso en la parte baja de la distribución, por lo que los hombres son mejor remunerados y las mujeres estarían “atrapadas” en trabajos de baja remuneración con menores posibilidades de una movilidad laboral que los hombres. Por otro lado, en la parte más alta se observa una brecha más pequeña e incluso una brecha negativa para los quintiles superiores, lo cual se hace más evidente en el segundo y tercer periodo. Esta última situación se puede atribuir a que en los últimos periodos las mujeres de estos segmentos poseen mayores dotaciones con respecto a mujeres de otros segmentos, pero iguales a las de los hombres, lo que podría dar lugar al acceso a cargos más altos, gerenciales o de toma de decisiones, y mejor remunerados que los hombres.

Gráfico 2: Hombres vs. mujeres con características de los hombres y retornos propios Fuente: Elaboración propia con base en datos de las Encuestas de Hogares 2011-2019Nota: Intervalos de confianza al 90% estimados con bootstrap (200 repeticiones) 

Siguiendo con los ejercicios de descomposición de la brecha, como siguiente paso se analiza el efecto del sesgo de autoselección sobre la distribución de ingresos laborales de las mujeres. El Gráfico 3 muestra la brecha entre los hombres que trabajan y la distribución de las mujeres resultante de la corrección por sesgo de autoselección. Dado que las mujeres que trabajan no representan una submuestra aleatoria de las mujeres, la brecha bruta subestima la brecha existente entre hombres y mujeres en las áreas urbanas de Bolivia. En los tres periodos establecidos se puede observar que la brecha sigue siendo positiva y el efecto de la autoselección también es positivo, lo cual indicaría: (i) las mujeres que actualmente trabajan tendrían un mayor ingreso laboral con respecto al ingreso potencial de las mujeres que no trabajan, pero que recibirían siendo parte del mercado laboral, (ii) el efecto en la distribución corregido por el sesgo de autoselección es mayor a la brecha bruta, principalmente en la parte baja de la distribución en los primeros dos periodos, (iii) esta brecha es significativamente superior al 20% en la parte baja para el primer periodo, entre 25% y 35% en el segundo periodo y menor al 10% para el tercer periodo, (iv) en las partes media y alta esta diferencia se reduce, siendo para el primer periodo inferior al 10%, entre 12% y 20%; en el segundo periodo y para el tercer periodo se mantiene inferior al 10%, (v) estos resultados dan indicios de una posible existencia de “suelos pegajosos” para las mujeres que trabajan.

En línea con los anteriores resultados mostrados en las regresiones cuantílicas, se puede concluir que existe el fenómeno de “suelos pegajosos”. Esto implica que las mujeres que se encuentran inmersas en esta circunstancia tienen una menor educación, no se encuentran casadas, se identifican como indígenas y son trabajadoras independientes. Al corregir por sesgo de autoselección, el efecto es más fuerte en los dos primeros periodos para el segmento más bajo de la distribución. La intuición detrás de este resultado es que las mujeres que potencialmente entrarían al mercado laboral generarían ingresos menores que aquéllas que efectivamente trabajan, y las diferencias tanto en características observables como no observables entre las mujeres que trabajan y las que no es más significativa en este segmento de la distribución. La brecha es especialmente subestimada en el segundo periodo, ya que después de la corrección muestra las brechas más altas de todo el periodo analizado, posiblemente debido a que en este periodo, caracterizado por el inicio de la desaceleración de la economía, las mujeres que potencialmente trabajarían obtendrían una retribución inferior a las que efectivamente trabajan y se insertarían a sectores más inestables y precarios debido a una falta de oportunidades para conseguir trabajos de mayor calidad y menor movilidad laboral caracterizada por la presencia de “suelos pegajosos”.

En línea con estos resultados, en la parte alta de la distribución el efecto del sesgo de autoselección, en los tres periodos, es casi nulo, lo que puede dar indicios de que las mujeres que actualmente no trabajan tienen en promedio características observables y no observables similares a las de aquéllas que están trabajando. Además, no se evidencian “techos de cristal” porque estas mujeres reciben remuneraciones similares a las de los hombres, e inclusive éstas son marginalmente mayores en los quintiles superiores. Finalmente, para el tercer periodo no se observan diferencias en el efecto del sesgo de autoselección, debido a que en promedio para todos los segmentos de la distribución las mujeres que no trabajan cuentan con características muy similares a las que ya se encuentran en el mercado laboral.

Gráfico 3: Hombres vs. mujeres después de la corrección por sesgo de autoselección Fuente: Elaboración propia con base en datos de las Encuestas de Hogares 2011-2019Nota: Intervalos de confianza al 90% estimados con bootstrap (200 repeticiones)  

El Gráfico 4 muestra si el sesgo de autoselección es explicado principalmente por características observables o por factores no observables: (i) en los tres periodos se aprecia que el efecto de sesgo de autoselección por características observables es negativo en la distribución aproximadamente hasta el quintil 70; a partir del mismo, este efecto se vuelve positivo (ver Gráfico 4a), (ii) en los primeros dos periodos el efecto de las características no observables es significativamente más alto en los quintiles inferiores hasta aproximadamente el quintil 70 de la distribución (ver Gráfico 4b), (iii) sin embargo, en el tercer periodo este efecto es más homogéneo a lo largo de la distribución.

La intuición detrás de este resultado, por un lado, es que en la parte superior de la distribución las mujeres que efectivamente trabajan cuentan con mejores características observables que las que se encuentran fuera del mercado laboral en los tres periodos. Por tanto, sus ingresos laborales son mayores al ingreso potencial de las que no trabajan. Por otro lado, los resultados de ambos efectos (por características observables y no observables) implican que las que no trabajan tienen mejores características observables; consecuentemente, la mayor parte del sesgo de autoselección positivo se explicaría por características no observables, principalmente en la parte baja de la distribución. Es decir que las mujeres en estos segmentos son más afectadas por otros factores no observables, entre los cuales se encuentran la discriminación por temas de raza o sexo, habilidades cognitivas, motivación u otros que no se pueden capturar con la información disponible para la construcción de los modelos, que impiden que las mujeres puedan tener una movilidad en sus empleos o que puedan ingresar al mercado laboral. En el tercer periodo, las características no observables tienen un peso similar a lo largo de la distribución, es decir, las mujeres de todos los segmentos son afectadas de igual manera por otros factores no capturados en los modelos.

Gráfico 4: Descomposición del efecto del sesgo de autoselección a) Características observables b) Características no observables Fuente: Elaboración propia con base en datos de las Encuestas de Hogares 2011-2019Nota: Intervalos de confianza al 90% estimados con bootstrap (200 repeticiones) 

Por último, en el Gráfico 5 se analiza qué proporción es explicada por las diferencias a los retornos a las características igualadas entre hombres y mujeres, y cuál se debe a las diferencias en las distribuciones de estas características. Al igual que en el caso sin corrección por autoselección, cuando se controla por las características observables (educación, estado civil, experiencia potencial, etnicidad, condición de actividad), la brecha observada se explica más por diferencias en los retornos a estas características entre hombres y mujeres. Es decir, incluyendo a las mujeres que potencialmente trabajarían, las retribuciones aún serían inferiores a las de los hombres, ocasionando que la brecha se mantenga, y este efecto es nuevamente más evidente en la parte más baja de la distribución.

Gráfico 5: Hombres vs. mujeres si todas trabajaran, tuvieran características de los hombres y fueran remuneradas como mujeres (ajustado por sesgo de autoselección) Fuente: Elaboración propia con base en datos de las Encuestas de Hogares 2011-2019Nota: Intervalos de confianza al 90% estimados con bootstrap (200 repeticiones)  

En el Cuadro 4 se pueden apreciar las brechas del modelo transformado para cada periodo para los quintiles seleccionados junto a sus diferencias, siguiendo a ^{Arulampalam et al. (2007)}. Este ejercicio permite conceptualizar de manera más clara la existencia de “suelos pegajosos” y/o “techos de cristal”. Siguiendo las definiciones tradicionales, existirá un efecto de “suelos pegajosos” si la diferencia entre el quintil 50 y el 10 es negativo; en el mismo sentido, existirá un efecto de “techos de cristal” si la diferencia entre el quintil 90 y el 50 es positivo.

Según los datos, existe un efecto de “suelos pegajosos” para las mujeres en el mercado laboral urbano boliviano en los tres periodos analizados, dado que la diferencia entre el quintil 50 y el 10 es negativa. Es decir, las brechas registradas en la parte más baja de la distribución son sistemáticamente mayores a las registradas en la media de la distribución y en la parte alta de la misma. Asimismo, no se evidencian “techos de cristal” debido a que en la parte más alta de la distribución la brecha es menor a la de la parte media de la misma. Estos resultados van en línea con la evidencia encontrada en la literatura para el país, y sugieren que las mujeres experimentan barreras mucho más marcadas en la parte baja de la distribución, lo que se puede asociar a una alta concentración de mujeres en trabajos precarios, con baja calificación y con una baja movilidad laboral; sin embargo, éstas pierden fuerza en el último periodo analizado.