Recibido: 27 de noviembre de 2023
Aceptado: 01 de agosto de 2024
Objetivo: verificar las disparidades de ingresos salariales de género en Colombia entre jefes de hogar, considerando factores como el nivel educativo, la edad, la experiencia laboral y el estado civil. Además, buscó determinar cómo persistían las diferencias salariales entre hombres y mujeres, incluso cuando tenían un nivel educativo similar.
Diseño/Metodología: se desarrollaron modelos de regresión lineal múltiple que incluían interacciones entre las variables de género y nivel educativo. Además, se utilizaron microdatos recientes de la Encuesta de Calidad de Vida del Departamento Administrativo Nacional de Estadística (DANE) con el fin de proporcionar una base sólida y actualizada para el análisis.
Resultados: uno de los hallazgos más significativos de este estudio fue que en Colombia existía una disparidad salarial de género que aumentaba a medida que se incrementaba el nivel educativo. Este resultado subrayó la necesidad urgente de trabajar reducir esta diferencia y así mitigar su impacto socioeconómico en general.
Conclusiones: el estudio concluye que es imperativo implementar políticas y estrategias que aborden estas disparidades salariales para promover una mayor equidad de género en el ámbito laboral.
Originalidad: Esta investigación proporciona una visión integral de las disparidades salariales de género en Colombia, utilizando un enfoque cuantitativo robusto y datos actualizados. Su originalidad radica en identificar la creciente disparidad salarial con el aumento del nivel educativo, lo cual no solo refuerza la importancia de políticas de equidad de género, sino que también destaca la necesidad de intervenciones específicas en el ámbito educativo y laboral.
Palabras clave: disparidad salarial, capital humano, equidad de género, jefes de hogar.
Códigos JEL: C01, J01, J16.
Objective: To investigate gender wage disparities among household heads in Colombia, with a focus on the influence of factors such as education, age, work experience, and marital status. In addition, this study seeks to understand why wage differences persist between men and women, even when they have comparable educational backgrounds.
Design/Methodology: The analysis used multiple linear regression models that incorporated interactions between gender and education. Additionally, the study employed recent microdata from the Quality-of-Life Survey conducted by Colombia’s National Administrative Department of Statistics (abbreviated DANE in Spanish), providing a robust and up-to-date dataset for the analysis.
Findings: The results revealed a significant gender wage gap in Colombia, which becomes more pronounced at higher levels of education. This finding highlights the pressing need for initiatives aimed at reducing this gap and minimizing its socioeconomic impact.
Conclusions: The analysis underscores the importance of developing and implementing targeted policies and strategies to address wage inequality and advance gender equity in the workplace.
Originality: By employing a rigorous quantitative approach and recent data, this study offers an in-depth analysis of the gender wage gap in Colombia. Its novelty lies in identifying a widening wage gap that correlates with higher levels of educational attainment, stressing the urgent need for gender equity policies and specific interventions in the realms of education and labor.
Keywords: wage gap, human capital, gender equity, household heads.
JEL Codes: C01, J01, J16.
Diversos estudios sobre la disparidad salarial buscan explicar por qué las mujeres tienen menos retribuciones salariales que los hombres, y algunos se enfocan en indagar sobre el techo de cristal y la discriminación laboral (
En la región persiste un estancamiento en la incorporación de las mujeres en el mercado laboral, y aunque el porcentaje de mujeres empleadas se mantuvo alrededor del 45.8 % entre los años 2012 y 2017, cuando se mide el nivel de ingresos de hombres y mujeres en las mismas posiciones, son las mujeres quienes devengan menos dinero que los hombres y esto se acentúa todavía más cuando las mujeres acumulan más años de educación superior. A pesar de que las mujeres trabajan muchas horas más que los hombres, su ingreso promedio continúa siendo menor al de un hombre que trabaja menos horas (
Según la
En el caso concreto de Colombia, el panorama no dista mucho de las cifras que se dan en general en América Latina, ya que de acuerdo a la Gran Encuesta Integrada de Hogares (GEIH) presentada por el Departamento Administrativo Nacional de Estadística (DANE), en el primer trimestre de 2023 la tasa global de participación (TGP) ascendió en un 77 % para los hombres, mientras que en las mujeres aumentó solo un 53 %; respecto las tasas de ocupación, las cifras evidencian que estas son más altas en los hombres, donde el registro de ocupados es del 71.1 %, mientras que en las mujeres es de apenas el 46.8 %. Finalmente, respecto a la población sin empleo, sobresale de nuevo que las mujeres representan una mayor proporción con un registro del 58.4 % (
En los boletines de disparidad salarial del DANE, se tiene que antes y después de la pandemia, las disparidades salariales favorecen a los hombres, teniendo por ejemplo que, para el año 2019, fueron del 12.9 %, mientras que para el 2021 fue del 11 % y en el 2022 estuvo en cerca del 7 %, teniendo en cuenta que estas cifras se calculan para toda la fuerza laboral.
Las anteriores cifras demuestran que las disparidades salariales en América Latina y Colombia son persistentes. Estudios realizados sobre el tema reflejan cómo este fenómeno subsiste y que, a pesar de que las mujeres han aumentado su participación en el mercado laboral y cuentan con mayores niveles de escolaridad, siguen siendo los hombres quienes reciben una remuneración mayor que ellas (
Buscando explicaciones a esto, se empieza por indagar sobre la disparidad salarial de género, la cual se mide a través de la diferencia salarial entre hombres y mujeres (
Adicionalmente, puede existir discriminación en las diferencias de las oportunidades para acceder a un trabajo y ascender en él, pero este tipo de segregación es difícil de medir debido a la falta de indicadores. Es por lo que, al presentar diferencias considerables en la estimación de la disparidad salarial como evidencia empírica, estas se transforman en obstáculos, creando dificultades para los responsables de la formulación de políticas que buscan identificar los pasos apropiados que permiten ayudar a reducir esta brecha (OIT, 2018). Bajo este contexto, el objetivo principal de este artículo es hacer un análisis de la disparidad salarial de género en Colombia que permita verificar no solo si esta existe o no, sino también calcularla en diferentes niveles educativos, con el fin de demostrar que las personas con el mismo nivel educativo devengan más o menos salario según su género.
La disparidad salarial de género es una problemática global que ha sido expuesta por parte de organizaciones gubernamentales y académicas (
Otro estudio importante sobre este tema en Estados Unidos fue el realizado por
Cabe destacar, también, que un resultado significativo de los autores fue demostrar que la disparidad salarial entre hombres y mujeres aumenta cuando han transcurrido aproximadamente quince años, es decir, una vez terminada la formación educativa, y que esto se acentúa en las personas con formación universitaria que laboran en sectores específicos. De este modo, concluyen, hay una diferencia salarial cada año que favorece a los hombres, dadas sus habilidades para trasladarse a varios lugares, y conseguir empleos mejor remunerados, situación que no se da igual en las mujeres, debido a su rol crucial en las tareas del hogar. Lo anterior no significa que los hombres no tengan también sus propias obligaciones familiares (
Ahora bien, un estudio importante entregado por la
Por su parte, el
Con base en lo anterior, es importante citar que a la fecha hay varios estudios recientes que sobresalen en torno a la disparidad salarial en Latinoamérica, como el de
Otro trabajo importante en la región corresponde al de
En Argentina sobresale el trabajo de
México es otro país en el que con el paso de los años han tomado fuerza los estudios respecto al mercado laboral, y puntualmente, a las disparidades salariales. Es así como, en la literatura reciente, son significativos los resultados del trabajo de
Finalmente, en el caso de Chile se rescata el artículo de
En el caso de Colombia, destaca el trabajo de
Uno de los primeros estudios sobre disparidades salariales por género lo realizó
El estudio de
Por su parte,
A su vez,
Por su parte,
Por último, aparece el trabajo de
La metodología utilizada en este trabajo es de carácter cuantitativo con elementos descriptivos. Se revisó la literatura existente y se estimaron modelos de corte transversal, considerando un conjunto de variables explicativas para cuantificar el grado de discriminación salarial entre hombres y mujeres, que no puede atribuirse a factores de oferta y demanda. Para ello, se generaron variables dicotómicas para sexo y educación, y se añadieron interacciones entre estas variables, permitiendo realizar comparaciones detalladas. Dado que los jefes de hogar son quienes presentan valores numéricos en la variable de ingresos, se optó por filtrar la variable dependiente según los ingresos de los jefes de hogar, ya que la mayoría de los otros integrantes registran ingresos nulos en la base de datos.
Para el análisis del grado de discriminación salarial entre hombres y mujeres en Colombia, se usaron datos de la ECV realizada por el DANE en 2022. Tras analizar la base de datos obtenida, se revisó el formato de la encuesta para identificar las variables y se hizo uso de los factores descritos a continuación:
Estos elementos se utilizaron para analizar y cuantificar la discriminación salarial entre hombres y mujeres en Colombia. Se aplicaron varios filtros a los datos registrados en cada uno de los factores utilizados con el fin de seleccionar las variables necesarias para el modelo, incluyendo sexo, edad y estado civil. Posteriormente, se realizó otro filtro para eliminar los valores atípicos, y finalmente, se excluyeron las variables que no tenían un significado estadístico relevante. En total, se emplearon 12 877 observaciones antes de la eliminación de valores atípicos.
Para llevar a cabo el análisis, se crearon variables dicotómicas para las variables cualitativas, como sexo, educación, estado civil y tipo de contrato. Esto permitió realizar comparaciones y confirmar las diferencias salariales observadas. Además, se incluyeron interacciones entre las variables, como Hombre*Universidad y Hombre*Posgrado, con el fin de evaluar y entender mejor los efectos. Posteriormente, se ejecutaron los modelos para el conjunto de datos de todo el país y para ciertos departamentos específicos con el propósito de discernir posibles efectos regionales, los cuales se detallan en el análisis econométrico.
El propósito de este análisis es doble. Por un lado, busca identificar los principales factores que determinan los niveles de salario en Colombia, tanto en el ámbito nacional como en algunos de los departamentos más importantes, además de la capital, Bogotá. Por otro lado, se concentra en analizar las diferencias salariales relacionadas con el género (hombres versus mujeres), incorporando interacciones que involucran el género y los niveles de educación superior, desde formación técnica hasta estudios de posgrado.
Para llevar a cabo este análisis, se utilizan los microdatos de la ECV del DANE, correspondientes al año 2022. Se aplican modelos econométricos de datos de sección cruzada y se incluye un conjunto de variables explicativas que tienen como objetivo establecer una relación entre el salario y factores como el género y los diferentes niveles de educación superior, desde formación técnica hasta estudios de posgrado (Ver Tabla 1). Este enfoque proporciona una visión detallada de los determinantes salariales y las disparidades de ingresos en el contexto colombiano.
Cuantitativas:
Variable | Dicótoma |
Hombre | 1: hombre, 0: mujer |
Viudo | 1: viudo, 0: otro |
Divorciado | 1: divorciado, 0: otro |
Soltero | 1: soltero, 0: 0tro |
Casado | 1: casado, 0: otro |
Unión libre | 1: unión libre, 0: otro |
Técnico | 1: técnico, 0: otro |
Tecnológico | 1: tecnológico, 0: otro |
Universidad | 1: universidad, 0: otro |
Posgrado | 1: posgrado, 0: otro |
Tipo de contrato | 1: indefinido, 0: Fijo |
Universidad padres | 1: si el padre, la madre o ambos tienen educación universitaria, 0: no |
Utilizando estas variables, se pasó a estimar los salarios con el fin de medir los cambios porcentuales que generan las variables explicativas sobre los salarios de los jefes de hogar.

Siguiendo esta ecuación, se procede a estimar un modelo mediante regresiones robustas, lo que permite abordar problemas de heterocedasticidad. En este modelo, se analizan los salarios de los jefes de hogar en Colombia, teniendo en cuenta diversas variables determinantes, como el género, la edad, la estabilidad en el empleo, el estado civil, los niveles de educación, las horas de trabajo y la educación de los padres. Además, se incorporan interacciones entre el género y los niveles de educación universitaria y de posgrado, ya que esto forma parte de los objetivos de este trabajo.
Finalmente, es importante señalar que, como indica
El uso de ajustes log-lineales es particularmente relevante en estudios de economía laboral, donde las relaciones entre variables pueden presentar heterocedasticidad debido a la naturaleza intrínseca de los datos salariales y las diferencias individuales entre los trabajadores. Al aplicar este método, se logra una representación más precisa de las influencias de las variables independientes, lo que es crucial para formular políticas efectivas y estrategias de intervención. Además, esta técnica proporciona una base sólida para comparar los resultados con otros estudios similares, fortaleciendo así la validez y la comparabilidad de los hallazgos. Por ejemplo,
A continuación, se muestra la salida estimada del modelo previamente mencionado. En la Tabla 2 se presenta el cálculo de coeficientes junto con sus respectivos errores estándar y su significancia estadística. La Tabla consta de cuatro columnas. Las dos primeras, representan las estimaciones del modelo a través de mínimos cuadrados ordinarios, mientras que las dos últimas, son estimaciones robustas que corrigen el problema de heterocedasticidad verificados por la prueba Goldfeld-Quandt y causados por el gran tamaño de la muestra, lo que las hace más fiables que las estimaciones iniciales. Es importante resaltar que los modelos estimados no presentan problemas de multicolinealidad fuerte, lo cual se validó mediante el factor promedio de inflación de varianza (VIF). Esto garantiza que los coeficientes estimados son estables y que las relaciones entre las variables independientes y la dependiente son válidas y significativas.
Discriminación de salarios Colombia |
||||
Variable Dependiente |
||||
Salarios | Ln salarios | Salarios | Ln salarios |
|
MCO | MCO | Regresión robusta | Regresión robusta |
|
(1) | (2) | (3) | (4) |
|
| Experiencia | 2.059.09*** | 0.001*** | 1.618.34*** | 0.001*** |
(72.96) | (0.0000) | (45.10) | (0.0000) |
|
| Hombre | 57.443.96*** | 0.03*** | 35.778.20*** | 0.03*** |
(13.877.27) | (0.01) | (8.577.28) | (0.01) |
|
| Tipo_contrato | -25.736.95* | -0.05*** | -47.738.69*** | -0.05*** |
(15.069.33) | (0.01) | (9.314.06) | (0.01) |
|
| Unión libre | -43.446.57 | -0.02 | -29.584.45 | -0.02 |
(33.931.35) | (0.02) | (20.972.33) | (0.02) |
|
| Horas | 1.632.20*** | 0.001*** | 1.196.49*** | 0.001*** |
(425.72) | (0.0002) | (263.13) | (0.0002) |
|
| Universidad padres | 419.885.20*** | 0.16*** | 299.955.30*** | 0.16*** |
(31.618.07) | (0.02) | (19.542.53) | (0.02) |
|
| Casado | 52.144.92 | 0.02 | 19.900.42 | 0.01 |
(35.097.12) | (0.02) | (21.692.87) | (0.02) |
|
| Soltero | -3.520.00 | -0.02 | -25.944.58 | -0.03* |
(34.405.14) | (0.02) | (21.265.16) | (0.02) |
|
| Separado | -39.601.66 | -0.04** | -39.884.07* | -0.04** |
(35.593.55) | (0.02) | (21.999.70) | (0.02) |
|
| Viudo | -94.900.65** | -0.06*** | -77.925.38*** | -0.07*** |
(42.388.02) | (0.02) | (26.199.23) | (0.02) |
|
| Técnico | 300.898.70*** | 0.23*** | 243.581.10*** | 0.22*** |
(18.935.36) | (0.01) | (11.703.59) | (0.01) |
|
| Tecnológico | 475.498.00*** | 0.34*** | 375.044.60*** | 0.32*** |
(26.969.36) | (0.01) | (16.669.25) | (0.01) |
|
| Universidad | 1.169.127.00*** | 0.72*** | 1.028.837.00*** | 0.73*** |
(25.014.56) | (0.01) | (15.461.03) | (0.01) |
|
| Posgrado | 2.350.074.00*** | 1.18*** | 2.384.075.00*** | 1.19*** |
(41.641.43) | (0.02) | (25.737.78) | (0.02) |
|
| Hombre_universidad | 77.873.06** | 0.04** | 129.223.60*** | 0.05*** |
(32.662.66) | (0.02) | (20.188.17) | (0.02) |
|
| Hombre_posgrado | 740.560.50*** | 0.10*** | 562.589.00*** | 0.09*** |
(55.090.14) | (0.03) | (34.050.17) | (0.03) |
|
| Constante | 912.285.30*** | 13.73*** | 943.304.80*** | 13.74*** |
(41.272.68) | (0.02) | (25.509.86) | (0.02) |
|
| Observaciones | 12.877 | 12.514 | 12.877 | 12,514 |
| GQ test p-valor | 5.146e-10 | 2.2e-16 | ||
| VIF test (porcentaje) | 2.3478 | 4.5398 | 2.275 | 5.485 |
| R2 | 0.58 | 0.63 | ||
| R2Ajustado | 0.58 | 0.63 | ||
En cuanto a la Tabla 3, esta presenta las estimaciones para varios departamentos del país, lo que sirve para ilustrar los efectos regionales en las diferencias salariales de los jefes de hogar. En este caso, las estimaciones son estándar, ya que las muestras departamentales no muestran problemas de heterocedasticidad según la prueba de Goldfeld-Quandt, la cual se puede verificar debajo de cada uno de los modelos.
Variable Dependiente: Ln_salarios |
||||||
Bogotá | Cundinamarca | Antioquia | Valle | Atlántico | Boyacá |
|
(1) | (2) | (3) | (4) | (5) | (6) |
|
| Experiencia | 0.001*** | 0.001*** | 0.001*** | 0.001*** | 0.001*** | 0.001*** |
(0.0002) | (0.0002) | (0.0002) | (0.0001) | (0.0002) | (0.0002) |
|
| Hombre | 0.05* | 0.08*** | 0.06** | 0.06** | -0.04 | 0.07* |
(0.03) | (0.03) | (0.03) | (0.03) | (0.04) | (0.03) |
|
| Tipo contrato | -0.02 | 0.03 | -0.07** | -0.01 | 0.02 | 0.04 |
(0.04) | (0.03) | (0.03) | (0.03) | (0.05) | (0.03) |
|
| Unión | -0.13* | 0.01 | -0.01 | 0.01 | -0.02 | 0.10 |
(0.08) | (0.06) | (0.06) | (0.08) | (0.10) | (0.09) |
|
| Horas | 0.003** | 0.002* | 0.01*** | 0.003*** | 0.003** | 0.01*** |
(0.002) | (0.001) | (0.001) | (0.001) | (0.002) | (0.002) |
|
| Universidad padres | 0.28*** | 0.32*** | 0.34*** | 0.74*** | 0.40*** | 0.27*** |
(0.06) | (0.07) | (0.07) | (0.11) | (0.08) | (0.09) |
|
| Casado | -0.10 | 0.10 | -0.03 | 0.07 | 0.07 | 0.02 |
(0.08) | (0.07) | (0.06) | (0.08) | (0.11) | (0.09) |
|
| Soltero | -0.09 | -0.01 | 0.03 | -0.01 | -0.09 | 0.02 |
(0.08) | (0.06) | (0.06) | (0.08) | (0.11) | (0.09) |
|
| Separado | -0.15* | 0.01 | -0.03 | -0.03 | -0.07 | -0.01 |
(0.08) | (0.07) | (0.06) | (0.08) | (0.11) | (0.10) |
|
| Viudo | -0.06 | 0.01 | -0.13 | -0.003 | 0.08 | -0.01 |
(0.11) | (0.08) | (0.08) | (0.09) | (0.12) | (0.12) |
|
| Técnico | 0.15*** | 0.24*** | 0.23*** | 0.19*** | 0.14*** | 0.14*** |
(0.05) | (0.04) | (0.04) | (0.04) | (0.05) | (0.05) |
|
| Tecnológico | 0.27*** | 0.20*** | 0.50*** | 0.25*** | 0.25*** | 0.36*** |
(0.07) | (0.05) | (0.06) | (0.05) | (0.07) | (0.08) |
|
| Universidad | 0.81*** | 0.56*** | 0.79*** | 0.51*** | 0.59*** | 0.44*** |
(0.04) | (0.03) | (0.04) | (0.04) | (0.05) | (0.04) |
|
| Posgrado | 1.25*** | 1.44*** | 1.30*** | 1.11*** | 1.51*** | 0.89*** |
(0.05) | (0.07) | (0.07) | (0.08) | (0.15) | (0.07) |
|
| Constante | 13.82*** | 13.67*** | 13.58*** | 13.58*** | 13.64*** | 13.47*** |
(0.11) | (0.09) | (0.08) | (0.10) | (0.14) | (0.12) |
|
| Observaciones | 699 | 696 | 656 | 589 | 400 | 430 |
| GQ test p-valor | 0.1129 | 0.0545 | 0.8997 | 0.1591 | 0.8594 | 0.7131 |
| VIF test (porcentaje) | 8.54 | 3.45 | 6.21 | 2.39 | 3.29 | 4.67 |
| R2 | 0.63 | 0.55 | 0.62 | 0.50 | 0.54 | 0.51 |
| R2 Ajustado | 0.62 | 0.54 | 0.61 | 0.49 | 0.53 | 0.50 |
En términos de las interacciones entre género y nivel educativo, específicamente para las variables de hombre-universidad y hombre-posgrado, se encontró que estas son significativas al 10 %, 5 % y 1 % en todos los modelos considerados. Estos resultados reflejan una clara diferencia en los ingresos entre hombres y mujeres con niveles educativos equivalentes, destacando que los hombres con educación universitaria y de posgrado tienden a ganar significativamente más que sus contrapartes femeninas.
Esta significancia estadística en las interacciones sugiere que el género no solo es un factor determinante en los salarios, sino que su impacto se amplifica con niveles educativos más altos. En otras palabras, la disparidad salarial de género se ensancha a medida que aumenta el nivel educativo, lo cual es consistente con la literatura existente que documenta cómo las disparidades salariales se incrementan en los estratos más altos de educación y calificación profesional. Este hallazgo subraya la necesidad de políticas específicas que aborden estas inequidades en los niveles más avanzados de educación y en ocupaciones de alta calificación.
Con base en los resultados de las anteriores Tablas 2 y 3, se pueden observar los modelos para Colombia (Tabla 2) y los modelos para los departamentos seleccionados (Tabla 3). Estos departamentos se eligieron para realizar una discriminación espacial, y en ellos se encontraron significancias estadísticas al 1 %, 5 % y 10 %, respectivamente. Es relevante destacar que los modelos presentan un ajuste entre el 50 % y el 63 %, lo que indica una buena capacidad de los modelos para explicar la variabilidad de los datos en el contexto del análisis de disparidades salariales de género. Estos niveles de ajuste reflejan que los modelos son robustos y fiables para interpretar las diferencias salariales de género, tanto en el ámbito nacional, como en el regional. Además, la identificación de significancias estadísticas en los diferentes niveles de confianza resalta la importancia de considerar variaciones espaciales en el estudio de las disparidades salariales. Esto sugiere que las políticas y estrategias para abordar las disparidades salariales de género podrían necesitar ajustes específicos según las características regionales para ser más efectivas.
De acuerdo con los modelos nacional y departamental estimados, se destaca la presencia de discriminación salarial a favor de los hombres y en detrimento de las mujeres. Específicamente, el modelo log-lin estimado con corrección robusta para los jefes de hogar en todo el país revela un diferencial salarial de aproximadamente un 3 % a favor de los hombres.
Uno de los hallazgos más representativos es el incremento en el diferencial salarial para hombres con niveles de educación universitaria y posgrado. Los resultados muestran un diferencial adicional del 4 % para hombres con educación universitaria y un 10 % adicional para aquellos con posgrado. Estos resultados, que son estadísticamente significativos, demuestran que las diferencias salariales persisten incluso cuando hombres y mujeres tienen niveles de educación similares, siempre con una ventaja para los hombres.
Las otras variables, como la experiencia en el empleo actual, las horas de trabajo y la educación de los padres, muestran efectos consistentes. La mayor educación de los padres, especialmente universitaria, se correlaciona con salarios promedio más altos para los jefes de hogar. De igual manera, un mayor número de meses en el empleo actual, que actúa como indicador de la experiencia laboral, se asocia con salarios promedio más altos.
Las categorías de «separado» y «viudo» muestran salarios promedio más bajos en comparación con «casado» y «unión libre». Este hallazgo es consistente de manera general, aunque no es tan evidente en los modelos departamentales, siendo significativo solo para la categoría «separado» en Bogotá.
En cuanto a la educación, se observa un patrón coherente donde los salarios aumentan con el nivel educativo. Esto confirma que la educación desempeña un papel fundamental en la determinación de los niveles salariales de los jefes de hogar en Colombia. A medida que este aumenta, también lo hace el diferencial salarial, manteniéndose constante, tanto en los modelos generales de Colombia, como en los modelos específicos por departamentos.
Es importante destacar que todas las variables en el análisis presentan el signo esperado, indicando que la dirección del cambio en las variables concuerda con lo que se esperaba teóricamente. Los modelos nacionales muestran ajustes del 58 % y 62 %, sugiriendo un buen ajuste a los datos. Además, los modelos son estadísticamente significativos, como lo confirma la prueba de significancia global F de Fisher, respaldando la validez del modelo en la explicación de las disparidades salariales observadas.
Las estimaciones cuantitativas indican que:
Los resultados de este estudio indican que persisten disparidades salariales significativas entre hombres y mujeres en Colombia, incluso cuando se controlan variables como la educación, la experiencia laboral y el estado civil. El análisis de regresión mostró que los hombres ganan significativamente más que las mujeres, especialmente cuando poseen títulos universitarios o de posgrado. Este hallazgo refuerza la existencia de una discriminación salarial basada en el género que no se ve mitigada por la obtención de niveles educativos más altos. Es notable que la interacción entre género y educación universitaria resultó ser significativa, lo que sugiere que las mujeres, a pesar de alcanzar altos niveles de educación, no reciben las mismas recompensas salariales que sus pares masculinos.
Además, la comparación con otros estudios resalta coincidencias y divergencias. Por ejemplo, los hallazgos coinciden con los de
Los estudios de
Estos resultados coinciden con estudios como los de
Del análisis presentado se identificó que, en el año 2022, los hombres percibían en promedio un salario un 4 % superior al de las mujeres en el ámbito nacional. Sin embargo, estas disparidades salariales pueden ser más pronunciadas en regiones específicas, como en el departamento de Antioquia, donde la diferencia llega al 8 %. En comparación con investigaciones previas que reportaban una brecha del 9.8 % en años anteriores, se evidencia una reducción en la disparidad, lo que sugiere un posible cierre progresivo de la misma de forma general.
A pesar de estas mejoras en la equidad salarial nacional, persisten importantes variaciones regionales que requieren atención específica. La reducción de la disparidad salarial es un avance positivo, pero estos resultados subrayan la necesidad de continuar implementando políticas públicas que aborden las disparidades de género de manera integral. Es crucial promover la igualdad de oportunidades en todas las regiones del país, asegurando que los beneficios del desarrollo económico y social sean equitativamente distribuidos entre hombres y mujeres.
Es imperativo continuar trabajando en la reducción de las disparidades salariales de género en Colombia, especialmente donde, a pesar de la igualdad educativa, persisten notables desigualdades, particularmente en el campo universitario y de posgrado. Los análisis resaltan la necesidad de impulsar políticas públicas con perspectiva de género, dirigidas a mitigar la discriminación salarial en diferentes niveles educativos y regionales del país. Además, es esencial concienciar sobre las disparidades salariales y sus impactos socioeconómicos, tanto en lo laboral, como en la sociedad en general. Las políticas deben incluir programas de capacitación y desarrollo profesional que fomenten la equidad de género, así como mecanismos de monitoreo y evaluación para asegurar su efectividad.
El fortalecimiento de la legislación laboral y la implementación de incentivos para las empresas que promuevan la igualdad de género pueden contribuir significativamente a cerrar la disparidad salarial. Asimismo, es fundamental que las instituciones educativas promuevan la equidad, asegurando que los currículos y oportunidades de desarrollo estén alineados con los principios de igualdad de género.
Los autores declaran que no presentan conflictos de interés financiero, profesional o personal que pueda influir de forma inapropiada en los resultados obtenidos o las interpretaciones propuestas.
Para el desarrollo de este proyecto, todos los autores han realizado una contribución significativa, especificada a continuación:
Jenny E. Pérez Martínez: Idea inicial y generación de la estructura del artículo: concibió y desarrolló la idea principal del estudio, así como el esquema inicial del manuscrito, asegurando una estructura coherente y lógica. Revisión teórica y metodológica: realizó una exhaustiva revisión de la literatura existente y estableció las bases metodológicas del estudio, garantizando la validez y fiabilidad de los métodos utilizados. Complementó y validó los ajustes y sugerencias requeridos por revisores y editores de la revista.
Héctor Javier Fuentes López: Elaboración de los modelos econométricos: desarrolló y aplicó los modelos econométricos necesarios para el análisis de los datos, asegurando la precisión y robustez de los resultados obtenidos. Interpretación y discusión: analizó los resultados obtenidos a partir de los modelos econométricos, interpretándolos en el contexto del estudio y discutiendo sus implicaciones teóricas y prácticas. Gestión de la publicación ante la revista: coordinó el proceso de envío del manuscrito a la revista, manteniendo la comunicación con los editores y gestionando las respuestas a las revisiones. Correcciones solicitadas: se encargó de realizar las correcciones y ajustes requeridos por los revisores y editores, asegurando que todas las sugerencias fueran adecuadamente incorporadas.
Erika Alejandra Suárez Díaz: Elaboración del marco teórico final: redactó el marco teórico definitivo del artículo, integrando las revisiones y comentarios de los coautores y revisores para fortalecer la base conceptual del estudio. Ajustes solicitados por la revista: apoyó la implementación de los ajustes y modificaciones solicitadas por la revista, garantizando que el manuscrito cumpliera con los estándares y requisitos establecidos por la publicación.