Brechas salariales

¿E X I S T E N B R E C H A S S A L A R I A L E S POR GÉN ERO EN CH I LE? Descomposición de las diferencias salariales entre hombres y mujeres en el contexto de regresiones por cuantiles Marcela Perticara ILADES, Universidad Alberto Hurtado Alvaro Astudillo Instituto Nacional de Estadísticas (INE) de Chile Resumen: Este trabajo busca evaluar las brechas de salarios entre hombres y mujeres a partir de regresiones de cuantiles, utilizando los datos de la Encuesta de Protección Social 2002–2006. Las estimaciones realizadas toman en cuenta la potencial endogeneidad de la variable educación y se incluyen controles de experiencia laboral efectiva. Se encuentra que el efecto características es pequeño y estadísticamente no signiicativo hasta aproximadamente el quintil 50 (mediana), donde se hace positivo (favorable a las mujeres) y crece monotónicamente hasta llegar a 12 por ciento en el percentil 90. El efecto parámetro (o componente no explicado) es siempre negativo a lo largo de toda la distribución. Notablemente, no encontramos un efecto techo en el mercado laboral chileno una vez que controlamos por la potencial endogeneidad de la variable educación. Las estimaciones intra-ocupación revelan que las mayores brechas de salarios se encuentran entre trabajadores del comercio y obreros y trabajadores agrícolas caliicados. INTRODUCCIÓN Y MOTIVACIÓN Según reportes del Ministerio del Trabajo y Previsión Social de Chile (2005) en el año 2003 existe una brecha salarial promedio entre hombres y mujeres asalariados del 5 por ciento. Según Montenegro (2001) esta brecha ha tendido a reducirse durante toda la década del 90, pasando de 18 por ciento en el año 1990 a 5 por ciento en el año 1998. La magnitud y determinantes de la brecha salarial en Chile son temas de controversia sobre los cuales se ha generado una vasta literatura. Desde los trabajos pioneros de Paredes (1982) y Paredes y Rivero (1994), hasta el año 2007 poco se había avanzado en la aplicación de técnicas econométriLos autores agradecen el i nanciamiento del Fondo Nacional de Desarrollo Cientíico y Tecnológico (FONDECYT) de Chile a través del proyecto Nº 11060204 “Evaluación de las Brechas Salariales entre Hombres y Mujeres en Chile”. Latin American Research Review, Vol. 45, No. 2. © 2010 by the Latin American Studies Association. 192 Latin American Research Review cas más soisticadas para estudiar la magnitud de la brecha salarial por género y sus determinantes. Durante el año 2007 y 2008 Bravo, Sanhueza y Urzúa (2008a)1 y Ñopo (2006) publican trabajos que muestran avances en las metodologías utilizadas por la literatura previa. En particular estos estudios reportan, entre otras cosas, que la magnitud de la brecha salarial es mayor entre trabajadores de alta escolaridad y alta experiencia laboral, resultados que son consistentes con los obtenidos por Montenegro (2001) y Gill y Montenegro (2002) mediante regresiones por cuantiles. Estos hallazgos sugieren la existencia de un efecto techo, es decir, al comparar las distribuciones de salarios de hombres y mujeres la brecha salarial es mayor en los cuantiles más altos de ésta distribución. El propósito de este trabajo es contribuir a la literatura al evaluar cuánto de la brecha salarial puede atribuirse a un potencial efecto discriminación, en el contexto de estimación de regresiones por cuantiles.2 Para esto se aplica la técnica de descomposición propuesta por Melly (2005, 2006). La contribución de este trabajo con respecto a otros antes mencionados descansa en dos pilares. Primero, se utiliza el panel de la Encuesta de Protección Social (EPS) 2002–2006, base de datos hasta ahora poco explotada para evaluar brechas salariales. Esta base de datos posee la ventaja de tener variables de historial laboral autoreportada que permiten la construcción de una medida de experiencia laboral efectiva. Usualmente esta medida no ha sido utilizada en estudios de brechas salariales en Chile.3 Segundo, este trabajo amplía la metodología de Montenegro (2001) y Gill y Montenegro (2002) al descomponer la brecha salarial por género mediante la metodología propuesta por Melly (2005, 2006) y al instrumentar una variable crítica, años de educación. Trabajos como el de Bravo, Sanhueza y Urzúa (2008a) proponen un enfoque distinto al estimar un modelo multiecuacional que considera estimaciones para salarios, horas trabajadas, acumulación de experiencia laboral y educación. Aun cuando la metodología y los objetivos de este último trabajo son diferentes a los nuestros, existen conclusiones coincidentes que refuerzan los resultados entregados por este trabajo. La estructura de este trabajo es la siguiente. En la sección II se describe la metodología y se presentan los modelos a estimar. En la sección III se 1. Adicionalmente Bravo, Sanhueza y Urzúa (2008b) publican otro trabajo que evalúa las diferencias salariales en tres profesiones (médicos, abogados e ingenieros comerciales), utilizando una base de datos de egresados de la Universidad de Chile. 2. Ver Koenker y Bassett (1978), Koenker y Portnoy (1987), Buchinsky (1994) y Fitzenberger (2002) para aplicaciones de regresiones por cuantiles. En Albrecht et al (2006), Autor et al (2005) pueden encontrarse ejercicios de descomposición utilizando la técnica de Machado y Mata (2005). 3. Bravo, Sanhueza y Urzúa (2008a) utilizan la EPS 2002 y también presentan medidas de experiencia laboral efectiva. ¿EXISTEN BRECHAS SALARIALES POR GÉNERO EN CHILE? 193 describen los datos. En la sección IV se presentan los resultados y inalmente en la sección V se concluye. REGRESIONES POR CUANTILES Y DESCOMPOSICIÓN El enfoque de las regresiones por cuantiles provee un marco lexible para evaluar diferenciales de salarios entre dos o más grupos, debido principalmente a la posibilidad de capturar distintos efectos de las variables explicativas sobre una variable de interés, dependiendo del lugar en la distribución condicional asociada en que nos encontremos. Se asume que el cuantil u puede escribirse como Qu(y|x) = Xb(u) u ∊ (0,1) donde b(u) es un vector desconocido de parámetros del cuantil o percentil u; X es una matriz n x k de variables independientes e y es la variable dependiente, que en nuestro caso corresponde al logaritmo del salario horario. Siguiendo a Koenker y Bassett (1978) estos estimadores pueden ser obtenidos como la solución al siguiente problema de minimización: (1) bt(u) = argmin Snt ∑ ru (Yi – Xi b)T, –1 i:Ti=t donde t ∊ {H,M} y la función r está dada por ru(z) = z[u – I(z ≤ 0)] e I es la función indicador. Dado este supuesto de linealidad, el cuantil condicional de Y(t) puede ser estimado consistentemente por Xi bt(u). La extensión de métodos de variables instrumentales en este contexto ha sido estudiada por Amemiya (1982) y Powell (1983). El procedimiento de estimación consiste en utilizar como regresor las predicciones obtenidas tras modelar la variable educación como función de un conjunto de instrumentos y ajustar el error estándar de este estimador tomando en cuenta el error asociado a la primera etapa. Ahora bien, nuestro interés radica en poder descomponer el diferencial salarial por género en un efecto características y un efecto parámetro. Machado y Mata (2005) proponen una extensión de la metodología clásica de Oaxaca-Blinder (Blinder 1973; Oaxaca 1973) basada en técnicas de remuestreo. De igual manera, Melly (2005, 2006) propone un estimador alternativo al de Machado-Matta (MM), teóricamente más eiciente y más fácil de computar. Este estimador es numéricamente idéntico al estimador MM cuando el número de simulaciones usadas en el cómputo de este estimador tiendan a ininito (Melly 2006). La idea de Melly es simple. Para poder aplicar la descomposición de Oaxaca-Blinder a los cuantiles, debe ser posible estimar la distribución contrafactual de salarios que se hubiese observado entre las mujeres de haber tenido éstas las características y retornos observados para los hombres. Si se asume que los cuantiles condicionales en algún conjunto de variables explicativas (X) son lineales en X, es posible encontrar los cuantiles 194 Latin American Research Review no-condicionados invirtiendo la función de distribución condicionada de la variable de interés (en este caso salarios). La función de distribución no-condicionada de los salarios puede estimarse integrando la distribución condicional en el rango de las variables explicativas. Finalmente, uno puede recuperar los cuantiles no-condicionales invirtiendo la distribución no condicionada de salarios. En particular Melly (2006) propone estimar la distribución condicional de Y(t) dado Xi en q como J (2) F̂Y(t) (q/Xi) = ∑ Quj – uj–1RI QXi bt(uj) ≤ qR du, j=1 donde I es nuevamente la función indicador. Luego la distribución no condicional de salarios puede recuperarse como (3) F̂Y(t) (q/T = t) = nt ∑ F̂Y(t)(q/Xi). –1 i:T i=t Mientras que el cuantil no condicional se recupera como (4) q̂t(u) = inf Uq:nt ∑ F̂Y(t)(q/Xi) ≥ uV. –1 i:T i=t Nuestro interés es utilizar esta derivación para simular los cuantiles contrafactuales. Por ejemplo: (5) q̂c(u) = inf Uq:nt ∑ F̂Y(0)(q/Xi) ≥ uV. –1 i:T i=t Nos daría los cuantiles salariales de las mujeres de haber sido retribuidas como los hombres. Y entonces la diferencia en los cuantiles no-condicionales de salarios puede descomponerse como (6) q̂ 1(u) – q̂ 0(u) = [q̂ 1(u) – q̂c(u)] – [q̂c(u) – q̂ 0(u)], donde el primer corchete representa el efecto de los coeicientes y el segundo el efecto de las características. Bajo supuestos usuales en regresiones por cuantiles, los estimadores presentados son consistentes y asintóticamente normales.4 DATA Y MODELOS A ESTIMAR Los datos utilizados en este estudio provienen de la Encuesta de Protección Social, la cual tiene por objetivo recopilar información sobre el mercado laboral y el sistema de protección social chileno. Es una encuesta de carácter longitudinal, habiéndose aplicado hasta la fecha tres rondas en años 2002, 2004 y 2006. La cuarta ronda, realizada en diciembre del 2008, aún no está disponible. 4. Ver Chernozhukov, Fernandez Val y Melly (2008). Para las estimaciones se utiliza el software STATA MP 10.0, y en particular se utiliza el paquete rqdeco escrito por Melly. Estos programas debieron ser modiicados para poder instrumentar la variable educación. Estas modiicaciones están disponibles escribiendo a los autores. ¿EXISTEN BRECHAS SALARIALES POR GÉNERO EN CHILE? 195 La Encuesta de Protección Social incluye información de aproximadamente diecisiete mil individuos, de los cuales el 50 por ciento son mujeres. Los distintos módulos de la encuesta registran información tanto de los individuos seleccionados así como de los miembros de sus hogares. En particular se registra información general del entrevistado, información sobre su historia laboral, ingresos familiares, activos y patrimonio, protección social, salud, capacitaciones, historia personal, entre otras. Las historias laborales auto reportadas de la EPS contienen información relativamente detallada de los períodos de actividad (empleo y desempleo) e inactividad de los encuestados. Mediante este reporte pueden reconstruirse las historias laborales de hombres y mujeres cuyos trabajos reportados, entre enero del 2002 y la última encuesta, poseen información de salario. Las historias laborales auto reportadas sólo se remontan desde el año 1980. Por esta razón todas las estimaciones se presentan para hombres y mujeres menores a cincuenta años en el año 2006. Esta decisión se justiica al considerar que los entrevistados mayores a cincuenta años (al año 2006), tenían más de veinticuatro años en el año 1980, lo que nos hace presumir que sus historias laborales estarían censuradas. Tal como se ha expuesto, en una primera etapa, es necesario estimar modelos de salarios para hombres y mujeres a través de las regresiones por cuantiles. El modelo general a estimar se puede expresar como: 2 2 (7) LnYt = b0u + b1tuESCt + b2tuESCt + b3tuEXPt + b4tuEXPt + dtuX1t + mt, donde t ∊ {H,M},5 Y corresponde al salario hora de los individuos, ESC corresponde a la escolaridad del individuo, EXP es la variable que mide experiencia laboral, X1 corresponde a un set de variables de información personal tales como: si el individuo vive en la zona sur, norte o en la Región Metropolitana, si se encuentra casado, soltero o separado; si trabaja en una empresa pequeña, mediana o grande y si tiene contrato o no, entre otras.6 Los b y d son los vectores de parámetros ha estimar, los cuales dependen del cuantil en el cual nos encontremos. Se presentan estimaciones para el total de la muestra (asalariados y trabajadores independientes) y otras estimaciones para los asalariados privados que trabajan a tiempo completo.7 También se realizan estimaciones ocupación-especíica de acuerdo a seis grandes grupos ocupacionales: 5. H, hombres; M, mujeres. 6. En general estas variables son un conjunto de dummies que tienen como categoría base un individuo que vive en la Región Metropolitana, soltero, que trabaja en una empresa grande y sin contrato. Además, en una de las formulaciones del modelo se adicionan variables que miden el timing de experiencia laboral al considerar como distinta la experiencia adquirida hace diez y cinco años atrás. 7. Por un tema de espacio en este trabajo sólo se presenta algunas versiones de estos modelos. Todas las variantes de los modelos descritos pero no reportados en este trabajo pueden ser solicitados escribiendo a mperticara@uahurtado.cl. 196 Latin American Research Review profesionales y directivos, profesionales medios (técnicos), trabajadores del comercio o que atienden a clientes, administrativos, obreros y trabajadores agrícolas caliicados y trabajadores no caliicados. Se presentan especiicaciones distintas según las variables de experiencia laboral utilizadas y si se instrumentaliza o no la variable educación. En primer lugar se presentan los resultados correspondientes a los modelos que incluyen sólo experiencia potencial (edad del individuo menos los años de escolaridad menos seis). Estos modelos permiten comparar los resultados de nuestras estimaciones con resultados anteriormente reportados en la literatura. El segundo conjunto de modelos no sólo contiene medidas de experiencia laboral efectiva, sino que lexibiliza la forma funcional permitiendo que años de experiencia laboral reciente tengan un mayor impacto sobre los salarios. El tercer conjunto de estimaciones además instrumenta la variable educación utilizando información sobre nivel educativo y ocupación de los padres del entrevistado. Hay razones para esperar que los patrones de acumulación de experiencia laboral diieran entre hombres y mujeres. Las mujeres en general presentan un patrón de participación laboral mucho más intermitente que el de los hombres. El cuadro 1, permiten al lector evaluar en mejor medida hasta que punto diieren los patrones de acumulación de experiencia efectiva entre hombres y mujeres. En este cuadro se presentan las distribuciones empíricas de la fracción del tiempo trabajado durante los últimos cinco y diez años respectivamente para hombres y mujeres por nivel educativo y por tramos de edad. Si miramos a las mujeres con menos de doce años de escolaridad formal y entre cuarenta y cuarenta y nueve años, sólo el 16.3 por ciento ha trabajado más del 90 por ciento del tiempo en los últimos cinco años, mientras que sólo el 13.3 por ciento ha trabajado más del 90 por ciento del tiempo en los últimos diez años. Además, aproximadamente el 72.7 por ciento ha trabajado menos del 10 por ciento en los últimos cinco o diez años. Parecería que el empleo continuo está lejos de ser la norma entre las mujeres de nivel educativo bajo. Por otro lado, mujeres más educadas presentan patrones de empleo más continuos. El 66.1 por ciento (58.7 por ciento) de las mujeres con dieciséis o más años de educación ha trabajado más del 90 por ciento del tiempo en los últimos cinco (diez) años. Aún así, los patrones de empleo de las mujeres educadas siguen estando muy lejos de la norma de los hombres. En el grupo con dieciséis años o más de escolaridad y edades entre cuarenta y cuarenta y nueve años, aproximadamente el 85 por ciento de los hombres ha trabajando más del 90 por ciento en los últimos cinco o diez años. El cuadro 2 permite apreciar los promedios y las desviaciones estándar para hombres y mujeres de las principales variables que utilizamos para este estudio. En el gráico 1 se presentan estimaciones Kernel para la densidad de salarios de hombres y mujeres en dos grupos distintos: la muestra total y asalariados privados que trabajan tiempo completo. De los Cuadro 1 Continuidad en las historias laborales, hombres y mujeres, por tramos de edad y nivel educativo, al año 2006 (últimos cinco y diez años) % tiempo trabajado en los últimos 5 años Hombres 0–11 años educ. 20–29 30–39 40–49 12 años educ. 20–29 30–39 40–49 12–15 años educ. 20–29 30–39 40–49 16 años educ. 20–29 30–39 40–49 Mujeres 0–11 años educ. 20–29 30–39 40–49 12 años educ. 20–29 30–39 40–49 12–15 años educ. 20–29 30–39 40–49 16 años educ 20–29 30–39 40–49 % tiempo trabajado en los últimos 10 años Más del 10 Más del 50 Más del 90 Más del 10 Más del 50 Más del 90 91.7% 95.1% 96.7% 56.6% 84.3% 84.2% 16.5% 48.1% 47.5% 90.1% 95.5% 96.6% 44.2% 88.3% 87.7% 3.8% 44.6% 48.5% 93.1% 97.7% 99.0% 48.9% 90.2% 94.4% 13.1% 59.5% 66.7% 89.9% 97.9% 99.1% 51.5% 90.5% 96.6% 31.5% 53.9% 67.8% 70.3% 98.9% 99.3% 28.4% 89.8% 93.5% 9.4% 61.6% 72.8% 66.2% 99.2% 99.3% 11.7% 88.2% 94.4% 0.7% 47.7% 71.3% 66.2% 92.3% 99.0% 13.7% 78.6% 95.2% 5.7% 52.8% 84.0% 56.5% 94.0% 99.6% 6.2% 68.9% 96.8% 0.3% 29.0% 85.2% 61.9% 75.4% 72.7% 19.6% 35.0% 40.6% 3.3% 12.9% 16.3% 64.4% 79.2% 73.3% 12.4% 36.4% 39.2% 0.7% 9.2% 13.3% 81.5% 78.4% 81.1% 28.6% 45.2% 49.9% 6.9% 22.5% 26.1% 73.1% 83.8% 83.7% 42.0% 48.7% 47.5% 31.1% 15.9% 20.9% 79.5% 86.4% 85.9% 31.9% 65.5% 63.5% 5.0% 36.1% 43.0% 67.9% 93.1% 88.6% 7.9% 62.6% 68.2% 0.8% 29.8% 38.1% 54.1% 89.5% 95.0% 10.5% 64.5% 83.7% 2.0% 44.6% 66.1% 49.4% 90.9% 96.0% 4.0% 59.6% 82.0% 0.6% 26.4% 58.7% Fuente: Elaboración propia en base a EPS 2002–2006. 198 Latin American Research Review Cuadro 2 Promedios y desviaciones estándares de las principales variables para hombre y mujer Hombre Mujer Variable Promedio Desv. Est. Promedio Vive en Zona Norte Vive en Zona Sur Trabaja en empresa pequeña Trabaja en empresa mediana Trabaja en empresa grande Es casado Es separado Años de educación Años de educación al cuadrado Si tiene contrato Experiencia real Experiencia potencial Madre sabe leer Padre sabe leer Madre con ed. básica Madre con ed. media Madre con ed. técnia Madre con ed. superior Padre con ed. básica Padre con ed. media Padre con ed. técnia Padre con ed. superior Salario mensual delactado Salario horario delactado 0,104 0,398 0,440 0,140 0,348 0,714 0,069 10,065 114,013 0,557 16,515 22,789 0,833 0,866 0,480 0,221 0,009 0,008 0,285 0,244 0,014 0,014 294.640 6019 0,305 0,489 0,496 0,347 0,476 0,452 0,253 3,565 72,824 0,497 6,903 8,901 0,373 0,341 0,500 0,415 0,096 0,089 0,451 0,429 0,117 0,119 1.742.724 17781 0,079 0,320 0,406 0,101 0,386 0,539 0,163 11,248 139,270 0,506 12,781 21,189 0,886 0,899 0,529 0,262 0,013 0,015 0,210 0,307 0,025 0,033 215.126 5277 Desv. Est. 0,270 0,466 0,491 0,302 0,487 0,498 0,369 3,572 79,960 0,500 6,825 8,672 0,318 0,301 0,499 0,440 0,114 0,122 0,408 0,461 0,155 0,179 366.328 9487 Fuente: Elaboración propia en base a EPS 2002–2006. gráicos se desprende un claro patrón. La distribución de salarios de las mujeres está más corrida hacia la izquierda que la de los hombres. Este patrón se acentúa a medida que restringimos la muestra. Las diferenciales entre hombres y mujeres asalariados que trabajan a tiempo completo son más pronunciadas. RESULTADOS Los resultados de las estimaciones y descomposiciones se reportan en los gráicos 2 a 11 y cuadros 3 a 5. Por conveniencia de espacio los resultados de algunas estimaciones sólo se presentan en gráicos.8 En algunos de ellos se opta por suprimir los intervalos de conianza, para facilitar 8. Todas las variantes de los modelos, programas y bases de datos están disponibles escribiendo a los autores. ¿EXISTEN BRECHAS SALARIALES POR GÉNERO EN CHILE? 199 .6 .4 0 .2 Densidad .8 1 A- Muestra completa 4 6 8 10 12 Log salario Hombres Mujeres 0 .5 Densidad 1 1.5 B- Asalariados privados a tiempo completo 6 8 10 12 Log salario Hombres Mujeres Gráico 1 Distribución de los salarios, estimaciones kernel, hombres y mujeres Fuente: Elaboración propia en base a EPS 2002–2006. la comparación entre las distintas especiicaciones. Las regresiones por cuantiles y sus correspondientes descomposiciones se presentan para los cuantiles 10 a 90. En los gráicos 2 y 3 se presenta la estimación de las brechas de salarios por género para el modelo de experiencia potencial y el modelo de experiencia efectiva con controles por experiencia reciente. En esta primera instancia no se instrumenta la variable educación, para de esa forma hacer estos resultados comparables a los reportados por Montene- 200 Latin American Research Review 0 .2 .4 .6 Cuantil Total Coeficientes .8 1 Brecha Total Diferencial en log salario –.25 –.2 –.15 –.1 Diferencial en log salario –.3 –.2 –.1 0 .1 Descomposición Brecha Total 0 Caracter. .2 Diferencial en log salario .2 .4 .6 Cuantil 1 .8 .8 1 –.28 –.26 –.24 –.22 –.2 –.18 .12 .14 .1 0 .8 Coeficientes .04 .06 .08 Diferencial en log salario Caracteristicas .4 .6 Cuantil 1 0 .2 .4 .6 Cuantil Gráico 2 Descomposición de la brecha salarial por género: Modelo con experiencia potencial Fuente: Elaboración propia en base a EPS 2002–2006. gro (2001). El cálculo de la brecha salarial por género y su descomposición, para algunos cuantiles, se presenta en el cuadro 3. En todos los casos la brecha de salarios total estimada para hombres y mujeres es negativa, independientemente del cuantil donde hagamos la comparación. Existe un efecto parámetro (hombres y mujeres reciben pagos distintas por los mismos atributos, asociado usualmente a discriminación) que es negativo y aumenta a medida que nos movemos hacia cuantiles superiores. Esto se puede interpretar como un caso de efecto techo, resultado ya reportado para Chile por Montenegro (2001) y Ñopo (2006). Por otro lado, se encuentra un efecto características (diferencias salariales producto de que hombres y mujeres tienen características distintas) positivo (a favor de la mujer) y estadísticamente distinto de cero al menos a partir de la mediana. Ambos efectos, el parámetro y el características, se compensan causando que el tamaño de la brecha tienda a permanecer relativamente constante en torno a 14–16 por ciento a partir del cuantil 40 (gráico 3). El controlar por experiencia potencial y no por experiencia laboral efectiva, tiende a sobreestimar el efecto características (hacerlo más positivo, a favor de las mujeres) y a sobreestimar el efecto parámetro (lo hace más negativo, indicando mayor discriminación de la que existe). La inclusión ¿EXISTEN BRECHAS SALARIALES POR GÉNERO EN CHILE? Brecha Total .2 .4 .6 .8 1 Cuantil Caracter. Total Coeficientes Diferencial en log salario –.22 –.2 –.18 –.16 –.14 –.12 Diferencial en log salario –.2 –.15 –.1 –.05 0 .05 Descomposición Brecha Total 0 0 .2 .6 .8 1 Diferencial en log salario –.25 –.2 –.15 –.1 .4 .6 .8 1 .8 1 Coeficientes Diferencial en log salario –.2 0 .02 .04 .06 .08 .2 .4 Cuantil Caracteristicas 0 201 Cuantil 0 .2 .4 .6 Cuantil Gráico 3 Descomposición de la brecha salarial por género: Modelo con experiencia efectiva y controles por experiencia reciente Fuente: Elaboración propia en base a EPS 2002–2006. de controles por experiencia reciente, reduce en un par de puntos porcentuales el efecto parámetro (lo hace menos negativo), mientras que también reduce el efecto características (lo hace más positivo). En las regresiones que se incluyen controles por experiencia reciente se encuentra un alto retorno a años de la experiencia laboral reciente. En particular, para las mujeres, un año trabajado en los últimos cinco años puede tener una tasa de retorno entre dos y seis puntos porcentuales más alta, según el cuantil en el cual nos ubiquemos. Para las mujeres la tasa de retorno de años de experiencia laboral reciente es creciente a lo largo de la distribución de salarios. Para los hombres, por el contrario ésta se ubica en torno al 3–4 por ciento y se mantiene constante a lo largo de la distribución. Los gráicos 4 y 5 (y cuadro 4) son equivalentes al gráico 3 (y cuadro 3, modelo M2), pero considerando los asalariados privados que trabajan a tiempo completo para ambos casos y controlando por la potencial endogeneidad de la variable educación en el segundo. Nótese que, mientras que el efecto coeiciente tiene una forma de u-invertida en la muestra total, en la muestra de asalariados a tiempo completo el efecto coeicientes es monotónicamente decreciente a lo largo de la distribución de salarios. El efecto características también se reduce (menos favorable hacia las mu- Cuadro 3 Descomposición de la brecha salarial por género. Modelo con experiencia potencial (M1) y modelo con experiencia real y control por experiencia reciente (M2). Cuantiles seleccionados M1: Con exp. Potencial M2: Con exp. real y control exp. reciente Cuantil Total Ef. Caract. Ef. Parám. Total Ef. Caract. Ef. Parám. 0.1 –0.19 [–0.22 –0.17] –0.16 [–0.17 –0.14] –0.14 [–0.16 –0.13] –0.14 [–0.16 –0.13] –0.15 [–0.17 –0.13] –0.16 [–0.17 –0.14] –0.16 [–0.18 –0.14] –0.15 [–0.18 –0.13] –0.14 [–0.17 –0.11] 0.05 [0.04 0.05] 0.05 [0.04 0.05] 0.05 [0.04 0.06] 0.06 [0.05 0.07] 0.07 [0.06 0.08] 0.08 [0.06 0.08] 0.08 [0.07 0.09] 0.10 [0.08 0.11] 0.12 [0.10 0.14] –0.24 [–0.26 –0.22] –0.20 [–0.21 –0.19] –0.19 [–0.21 –0.18] –0.20 [–0.21 –0.19] –0.22 [–0.23 –0.20] –0.24 [–0.24 –0.22] –0.24 [–0.26 –0.23] –0.25 [–0.27 –0.23] –0.26 [–0.28 –0.23] –0.20 [–0.22 –0.17] –0.16 [–0.18 –0.15] –0.15 [–0.16 –0.14] –0.15 [–0.16 –0.13] –0.15 [–0.16 –0.14] –0.16 [–0.17 –0.14] –0.16 [–0.18 –0.14] –0.15 [–0.18 –0.13] –0.15 [–0.18 –0.11] –0.01 [–0.03 0.00] –0.02 [–0.03 0.00] –0.01 [–0.02 0.00] 0.00 [–0.02 0.01] 0.00 [–0.01 0.01] 0.02 [–0.01 0.02] 0.02 [ 0.00 0.03] 0.03 [ 0.02 0.05] 0.07 [ 0.04 0.09] –0.19 [–0.21 –0.16] –0.15 [–0.16 –0.13] –0.14 [–0.15 –0.13] –0.14 [–0.15 –0.13] –0.15 [–0.16 –0.14] –0.17 [–0.18 –0.15] –0.17 [–0.19 –0.16] –0.19 [–0.21 –0.17] –0.21 [–0.24 –0.18] 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Fuente: Elaboración propia en base a EPS 2002–2006 ¿EXISTEN BRECHAS SALARIALES POR GÉNERO EN CHILE? .2 .4 .6 .8 1 Cuantil Total Coeficientes –.15 –.2 Diferencial en log salario 0 –.25 –.1 0 .1 –.1 Brecha Total –.2 Diferencial en log salario Descomposición Brecha Total Caracter. 0 .2 .4 .6 Cuantil .8 1 .8 .8 1 –.05 –.1 –.15 –.2 –.25 Diferencial en log salario .06 .04 .02 0 .2 .6 Coeficientes –.02 0 .4 Cuantil Caracteristicas Diferencial en log salario 203 1 0 .2 .4 .6 Cuantil Gráico 4 Descomposición de la brecha salarial por género: Modelo con experiencia efectiva y controles por experiencia reciente, sólo asalariados privados a tiempo completo (más de cuarenta horas semanales) Fuente: Elaboración propia en base a EPS 2002–2006. jeres), generando que al combinarse con el efecto anterior, la brecha de salarios se reduzca a la izquierda del percentil 50, pero aumente para los percentiles superiores. Notablemente, al instrumentar la variable educación, las mayores brechas de salarios se encuentran en los percentiles medios. La brecha de salarios (aún cuando siempre negativa) se ve notablemente reducida en los percentiles más altos (en el percentil 90 es 13 por ciento versus 21 por ciento en el modelo anterior). Ciertamente, la estimación se torna mucho más imprecisa, pero bajo esta nueva especiicación la brecha total en salarios casi desaparece para los percentiles superiores. Similares estimaciones se realizan estratiicadas por grandes grupos ocupacionales. Nótese que las estimaciones en este caso no corrigen por autoselección, en el sentido de que la elección de la ocupación puede ser endógena, dado que no se considera dentro de los objetivos propuestos para este trabajo. Sin embargo sirven para hacer comparables los resultados con otros encontrados en la literatura. Para todos estos casos sólo se reportan los resultados para el modelo que incluye controles por expe- 204 Latin American Research Review Brecha Total 0 .2 .4 .6 .8 Cuantil Caracter. Total Coeficientes 1 Diferencial en log salario –.2 –.15 –.1 –.05 0 .05 Diferencial en log salario –.2 –.1 0 .1 Descomposición Brecha Total 0 .2 Cuantil .6 .8 1 .8 1 Coeficientes 0 .2 .4 Cuantil .6 .8 1 –.25 Diferencial en log salario –.2 –.15 –.1 –.05 Caracteristicas Diferencial en log salario –.05 0 .05 .1 .15 .4 0 .2 .4 Cuantil .6 Gráico 5 Descomposición de la brecha salarial por género: Modelo con experiencia efectiva y controles por experiencia reciente, sólo asalariados privados a tiempo completo (más de cuarenta horas semanales), variable educación instrumentada Fuente: Elaboración propia en base a EPS 2002–2006. riencia reciente y para el modelo que además instrumentaliza la variable educación. Todos los resultados se reieren a la muestra de asalariados a tiempo completo (gráicos 6 a 11). Pasaremos a comentar directamente los resultados del modelo con educación instrumentada. Claramente el efecto coeiciente gobierna el tamaño de la brecha total. Las mujeres parecen enfrentar claramente un techo en sus niveles de salarios en ocupaciones de mediana y baja caliicación. Este efecto techo no está presente en el grupo de profesionales y técnicos y entre los trabajadores administrativos. Notablemente, el efecto techo si está presente cuando no se instrumenta la variable educación. Las estimaciones con la muestra total (incluyendo independientes y cuenta propia)9 son similares a los encontrados con la muestra de asalariados a tiempo completo, con una única excepción. Primero, en la muestra total el efecto techo no es tan pronunciado para los trabajadores no-caliicados. Este hallazgo puede tener su origen en que en que las mujeres no caliicadas tienden a insertarse 9. Estos resultados no se presentan, pero están disponibles a pedido. Cuadro 4 Descomposición de la brecha de salarios por género. Modelo con experiencia real y controles por experiencia reciente (M2) y modelo con experiencia real, controles por experiencias reciente y variable educación instrumentalizada (M3). Sólo para asalariados que trabajan tiempo completo (más de cuarenta horas semanales) M2: Con exp. real y control exp. reciente M3: M2 + Educación instrumentalizada Cuantil Total Ef. Caract. Ef. Parám. Total Ef. Caract. Ef. Parám. 0.1 –0.19 [–0.22 –0.17] –0.16 [–0.17 –0.14] –0.14 [–0.16 –0.13] –0.14 [–0.16 –0.13] –0.15 [–0.17 –0.13] –0.16 [–0.17 –0.14] –0.16 [–0.18 –0.14] –0.15 [–0.18 –0.13] –0.14 [–0.17 –0.11] 0.05 [0.04 0.05] 0.05 [0.04 0.05] 0.05 [0.04 0.06] 0.06 [0.05 0.07] 0.07 [0.06 0.08] 0.07 [0.06 0.08] 0.08 [0.07 0.09] 0.10 [0.08 0.11] 0.12 [0.10 0.14] –0.24 [–0.26 –0.22] –0.20 [–0.21 –0.19] –0.19 [–0.21 –0.18] –0.20 [–0.21 –0.19] –0.22 [–0.23 –0.20] –0.23 [–0.24 –0.22] –0.24 [–0.26 –0.23] –0.25 [–0.27 –0.23] –0.26 [–0.28 –0.23] –0.16 [–0.20 –0.13] –0.17 [–0.20 –0.14] –0.18 [–0.21 –0.15] –0.18 [–0.21 –0.15] –0.18 [–0.22 –0.15] –0.17 [–0.21 –0.14] –0.15 [–0.19 –0.10] –0.10 [–0.16 –0.04] –0.01 [–0.11 0.08] –0.01 [–0.03 0.01] 0.00 [–0.02 0.01] 0.00 [–0.01 0.02] 0.01 [0.00 0.03] 0.02 [0.00 0.04] 0.03 [0.01 0.06] 0.05 [0.02 0.07] 0.07 [0.04 0.10] 0.12 [0.08 0.16] –0.15 [–0.19 –0.12] –0.17 [–0.20 –0.14] –0.18 [–0.21 –0.15] –0.19 [–0.22 –0.17] –0.20 [–0.23 –0.17] –0.21 [–0.24 –0.17] –0.20 [–0.24 –0.16] –0.18 [–0.23 –0.12] –0.13 [–0.21 –0.04] 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Fuente: Elaboración propia en base a EPS 2002–2006. Cuadro 5 Coeicientes seleccionados para cada cuantil. Modelos con experiencia real y controles por experiencia efectiva Muestra total Asalariados tiempo completo 10 30 50 70 90 10 30 50 70 90 Hombres Educación Educación al cuadrado Experiencia Experiencia al cuadrado Meses trabajados 5 años Meses trabajados 10 años Meses trabajados 15 años –0.0090 0.0032 0.0140 –0.0003 0.0025 0.0010 –0.0010 –0.0488 0.0056 0.0007 –0.0001 0.0030 0.0005 0.0004 –0.0605 0.0070 –0.0021 0.0001 0.0031 0.0011 0.0004 –0.0792 0.0086 –0.0062 0.0003 0.0036 0.0011 0.0005 –0.1080 0.0109 –0.0023 0.0002 0.0037 0.0008 0.0014 –0.0125 0.0026 –0.0039 0.0001 0.0027 0.0014 –0.0003 –0.0476 0.0053 –0.0070 0.0002 0.0033 0.0004 0.0007 –0.0642 0.0070 –0.0016 0.0001 0.0028 0.0009 0.0005 –0.0885 0.0088 –0.0048 0.0002 0.0030 0.0008 0.0007 –0.1168 0.0109 –0.0086 0.0003 0.0024 0.0012 0.0014 Mujeres Educación Educación al cuadrado Experiencia Experiencia al cuadrado Meses trabajados 5 años Meses trabajados 10 años Meses trabajados 15 años –0.0188 0.0037 –0.0104 0.0002 0.0026 0.0003 0.0012 –0.0493 0.0055 –0.0164 0.0004 0.0020 0.0009 0.0010 –0.0866 0.0078 –0.0159 0.0005 0.0026 0.0007 0.0009 –0.1040 0.0093 –0.0140 0.0005 0.0027 0.0005 0.0011 –0.0810 0.0087 –0.0142 0.0006 0.0053 –0.0016 0.0020 –0.0310 0.0037 0.0017 0.0000 0.0026 0.0009 –0.0001 –0.0687 0.0059 –0.0092 0.0003 0.0032 –0.0001 0.0009 –0.1015 0.0081 –0.0137 0.0006 0.0034 0.0005 0.0006 –0.1260 0.0099 –0.0090 0.0004 0.0034 0.0002 0.0010 –0.1042 0.0096 –0.0057 0.0006 0.0060 –0.0013 0.0012 Fuente: Elaboración Propia en base a EPS 2002–2004. Tecnicos –.6 –.6 Diferencial en log salario –.4 –.2 Diferencial en log salario –.4 –.2 0 0 Administrativos 0 .2 .4 .6 Cuantil .8 1 0 Comercio .2 .4 .6 Cuantil .8 1 –.6 –.6 Diferencial en log salario –.4 –.2 Diferencial en log salario –.4 –.2 0 0 Obreros/Trab.agric.calif 0 .2 .4 .6 Cuantil .8 1 0 .2 .4 .6 Cuantil .8 Gráico 6 Regresiones por cuantiles ocupación-especíica, descomposición de la brecha salarial por género: Modelo con experiencia efectiva y controles por experiencia reciente, efecto total e intervalo de conianza, sólo asalariados privados a tiempo completo (más de cuarenta horas semanales) Diferencial en log salario –.4 –.2 0 No-calificados Fuente: Elaboración propia en base a EPS 2002–2006. –.6 Nota: Este mismo gráico está disponible para las otras especiicaciones. 0 .2 .4 .6 Cuantil 1 .8 1 Administrativos –.15 –.15 Diferencial en log salario –.1 –.05 0 Diferencial en log salario –.1 –.05 0 .05 .05 Tecnicos 0 .2 .4 .6 Cuantil .8 0 1 .2 .4 .6 Cuantil .8 1 Obreros/Trab.agric.calif –.15 –.15 Diferencial en log salario –.1 –.05 0 Diferencial en log salario –.1 –.05 0 .05 .05 Comercio 0 .2 .4 .6 Cuantil .8 1 0 .2 .4 .6 Cuantil .8 1 Gráico 7 Regresiones por cuantiles ocupación-especíica, descomposición de la brecha salarial por género: Modelo con experiencia efectiva y controles por experiencia reciente, efecto características e intervalo de conianza, sólo asalariados privados a tiempo completo (más de cuarenta horas semanales) Diferencial en log salario –.1 –.05 0 .05 No-calificados Fuente: Elaboración propia en base a EPS 2002–2006. –.15 Nota: Este mismo gráico está disponible a pedido para las otras especiicaciones. 0 .2 .4 .6 Cuantil .8 1 Tecnicos –.5 –.5 Diferencial en log salario –.4 –.3 –.2 –.1 0 Diferencial en log salario –.4 –.3 –.2 –.1 0 Administrativos 0 .2 .4 .6 Cuantil .8 0 1 Comercio .2 .4 .6 Cuantil .8 1 –.5 –.1 –.2 –.3 –.4 –.5 Diferencial en log salario 0 Diferencial en log salario –.4 –.3 –.2 –.1 0 Obreros/Trab.agric.calif 0 .2 .4 .6 Cuantil .8 1 0 .2 .4 .6 Cuantil .8 1 Gráico 8 Regresiones por cuantiles ocupación-especíica, descomposición de la brecha salarial por género: Modelo con experiencia efectiva y controles por experiencia reciente, efecto coeiciente e intervalo de conianza, sólo asalariados privados a tiempo completo (más de cuarenta horas semanales) Diferencial en log salario –.4 –.3 –.2 –.1 0 No-calificados Fuente: Elaboración propia en base a EPS 2002–2006. –.5 Nota: Este mismo gráico está disponible a pedido para las otras especiicaciones. 0 .2 .4 .6 Cuantil .8 1 Administrativos –.6 –.6 Diferencial en log salario –.4 –.2 0 .2 Diferencial en log salario –.4 –.2 0 .2 Tecnicos 0 .2 .4 .6 Cuantil .8 0 1 .2 .4 .6 Cuantil .8 1 Obreros/Trab.agric.calif –.6 –.6 Diferencial en log salario –.4 –.2 0 .2 Diferencial en log salario –.4 –.2 0 .2 Comercio 0 .2 .4 .6 Cuantil .8 1 0 .2 .4 .6 Cuantil .8 Gráico 9 Regresiones por cuantiles ocupación-especíica, descomposición de la brecha salarial por género: Modelo con experiencia efectiva y controles por experiencia reciente, efecto total e intervalo de conianza, sólo asalariados privados a tiempo completo (más de cuarenta horas semanales), variable educación instrumentada Diferencial en log salario –.4 –.2 0 .2 No-calificados Fuente: Elaboración propia en base a EPS 2002–2006. –.6 Nota: Este mismo gráico está disponible para las otras especiicaciones. 0 .2 .4 .6 Cuantil 1 .8 1 Tecnicos –.3 –.3 Diferencial en log salario –.2 –.1 0 Diferencial en log salario –.2 –.1 0 .1 .1 Administrativos 0 .2 .4 .6 Cuantil .8 0 1 .4 .6 Cuantil .8 1 Obreros/Trab.agric.calif –.3 Diferencial en log salario –.2 –.1 0 Diferencial en log salario –.2 –.1 0 .1 .1 Comercio –.3 .2 0 .2 .4 .6 Cuantil .8 1 0 .2 .4 .6 Cuantil .8 1 Gráico 10 Regresiones por cuantiles ocupación-especíica, descomposición de la brecha salarial por género: Modelo con experiencia efectiva y controles por experiencia reciente, efecto características e intervalo de conianza, sólo asalariados privados a tiempo completo (más de cuarenta horas semanales), variable educación instrumentada Diferencial en log salario –.2 –.1 0 .1 No-calificados Fuente: Elaboración propia en base a EPS 2002–2006. –.3 Nota: Este mismo gráico está disponible a pedido para las otras especiicaciones. 0 .2 .4 .6 Cuantil .8 1 Administrativos –.6 –.6 Diferencial en log salario –.4 –.2 0 .2 Diferencial en log salario –.4 –.2 0 .2 .4 .4 Tecnicos 0 .2 .4 .6 Cuantil .8 0 1 Comercio .2 .4 .6 Cuantil .8 1 –.6 –.6 Diferencial en log salario –.4 –.2 0 .2 Diferencial en log salario –.4 –.2 0 .2 .4 .4 Obreros/Trab.agric.calif 0 .2 .4 .6 Cuantil .8 1 0 .2 .4 .6 Cuantil .8 1 Gráico 11 Regresiones por cuantiles ocupación-especíica. Descomposición de la brecha salarial por género. Modelo con experiencia efectiva y controles por experiencia reciente—Efecto coeiciente e intervalo de conianza. Sólo asalariados privados a tiempo completo (más de cuarenta horas semanales). Variable educación instrumentada Diferencial en log salario –.4 –.2 0 .2 .4 No-calificados Fuente: Elaboración propia en base a EPS 2002–2006. –.6 Nota: Este mismo gráico está disponible a pedido para las otras especiicaciones. 0 .2 .4 .6 Cuantil .8 1 ¿EXISTEN BRECHAS SALARIALES POR GÉNERO EN CHILE? 213 como asesoras de hogar, trabajos mucho mejor pagados en promedio que otros empleos no caliicados. CONCLUSIONES El propósito principal de este trabajo es evaluar la existencia de brechas de salarios entre hombres y mujeres a partir de regresiones de cuantiles. En particular en este trabajo se utiliza la técnica de descomposición de Melly (2006) para descomponer dichas diferencias en un efecto características (diferencias salariales producto de que hombres y mujeres tienen características distintas) y un efecto retornos o coeicientes (hombres y mujeres reciben pagas distintas por los mismos atributos). Para esto utilizamos los datos de la Encuesta de Protección Social 2002–2006. En las estimaciones se toma en cuenta la potencial endogeneidad de la variable educación y se incluyen controles de experiencia laboral efectiva. No se controla por la posible endogeneidad de la selección ocupacional ni el potencial sesgo de selección, aspectos que escapan a los objetivos planteados para este trabajo. No obstante, hasta ahora no existen trabajos realizados para Chile que consideren este tipo de controles. Se encuentra que el efecto características (brecha salarial atribuible a diferencias en características de hombres y mujeres) es pequeño y estadísticamente no signiicativo hasta aproximadamente el quintil 50 (mediana), donde se hace positivo (favorable a las mujeres) y crece en forma monótona hasta llegar a 13 por ciento en el percentil 90. Aún cuando el efecto parámetro es siempre negativo a lo largo de toda la distribución, no encontramos un efecto techo una vez que corregimos la estimación por la potencial endogeneidad de la variable educación. Esto es, ya no se encuentran las mayores brechas de salario en los cuantiles más altos de la distribución de salarios horarios. Por el contrario, la brecha salarial noexplicada es más alta al centro de la distribución de salarios (en torno a la mediana) y se ubica cerca del 13 por ciento en el percentil 90. Estudios anteriores para Chile, que no ajustan por la potencial endogeneidad de la variable educación, reportan un efecto techo importante en el mercado laboral chileno. Las estimaciones intra-ocupación revelan que las mayores brechas de salarios se encuentran entre trabajadores del comercio y obreros y trabajadores agrícolas caliicados. Por otra parte, las menores brechas de salarios se encuentran entre profesionales técnicos y trabajadores no caliicados, resultados similares a los encontrados en Bravo, Sanhueza y Urzúa (2008a). En todas las ocupaciones, el efecto coeicientes o componente atribuible a discriminación prima por sobre el componente características. Al considerar sólo trabajadores asalariados a tiempo completo, las brechas salariales se reducen en los primeros cuantiles y se amplían en los últimos. Notoriamente, el efecto techo, ausente entre los trabajadores no- 214 Latin American Research Review caliicados en la muestra completa, se hace muy evidente. Este hallazgo puede tener su origen en que las mujeres no caliicadas tienden a insertarse como asesoras de hogar, trabajos mucho mejor pagados en promedio que otros empleos no caliicados. REFERENCIAS Albrecht, James, Aico van Vuuren y Susan Vroman 2006 “Counterfactual Distributions with Sample Selection Adjustments: Econometric Theory and an Application to the Netherlands”. Mimeo, 52. Amemiya, Takeshi 1982 “Two Stage Least Absolute Deviations Estimators”. Econometrica 50 (3): 689–711. Autor, David, Lawrence Katz y Melissa Kearney 2005 “Rising Wage Inequality: The Role of Composition and Prices”. Working Paper, Massachusetts Institute of Technology. Blinder, Alan 1973 “Wage Discrimination: Reduced Form and Structural Estimates”. Journal of Human Resources 8 (4): 436–455. Bravo, David; Claudia Sanhueza y Sergio Urzúa 2008a “Ability, Schooling Choices and Gender Labor Market Discrimination: Evidence for Chile”. Washington, D.C.: IADB, Research Network Working Paper #R-558, 42. 2008b “Is There Labor Discrimination among Professionals in Chile? Lawyers, Doctors and Business-People”. Washington, D.C.: IADB, Research Network Working Paper #R-545, 32. Buchinsky, Moshe 1994 “Changes in US Wage Structure 1963–87: An Application of Quantile Regression”. Econometrica 62: 405–458. Chernozhukov, Victor, Ivan Fernandez Val y Blaise Melly 2008 “Inference on Contrafactual Distributions”. Mimeo, 50. Fitzenberger, Bernd, Roger Koenker y Jose Machado, eds. 2002 Economic Applications of Quantile Regressions. Heidelberg: Physica-Verlag. Gill, Indermit, y Claudio Montenegro 2002 “Responding to Earning Differentials in Chile”. En Crafting Labor Policy: Techniques and Lessons from Latin America, editado por Indermit Gill, Claudio Montenegro y Dorte Dormeland. Washington D.C.: World Bank. Koenker, Roger, y Gilbert Bassett 1978 “Regression Quantiles”. Econometrica 46 (1): 33–50. Koenker, Roger, y Stephen Portnoy 1987 “L-Estimation for Linear Models”. Journal of the American Statistical Association 82: 851–857. Machado, José, y José Mata 2005 “Counterfactual decomposition of changes in wage distributions using quantile regression”. Journal of Applied Econometrics 20 (4): 445–465. Melly, Blaise 2005 “Decomposition of Differences in Distribution Using Quantile Regression”. Labour Economics 12 (4): 577–590. 2006 “Estimation of Counterfactual Distributions Using Quantile Regression”. Swiss Institute for International Economics and Applied Economic Research (SIAW), University of St. Gallen, 50 p. Ministerio de Trabajo y Previsión Social de Chile (Chile) 2005 “Discriminación salarial contra la mujer: ¿un problema de segregación ocupacional y sectorial?” Observatorio Laboral: 11–15. Montenegro, Claudio 2001 “Wage Distribution in Chile: Does Gender Matter? A Quantile Regression Approach”. Washington, D.C.: World Bank, 35. ¿EXISTEN BRECHAS SALARIALES POR GÉNERO EN CHILE? 215 Ñopo, Hugo 2006 “The Gender Wage Gap in Chile 1992–2003 from a Matching Comparisons Perspective”. Interamerican Development Bank No. 2698. Oaxaca, R. L. 1973 “Male-Female Wage Differenctials in Urban Labor Markets”. International Economic Review 14: 693–709. Paredes, Ricardo. 1982 “Diferencias de ingreso entre hombres y mujeres en el Gran Santiago, 1969 y 1981”. Estudios de Economía 18: 99–121. Paredes, Ricardo, y Rivero, Luis 1994 “Gender Wage Gaps in Chile. A Long Term View: 1958–1990”. Estudios de Economía 21. Powell, James L. 1983 “The Asymptotic Normality of Two-Stage Least Absolute Deviations Estimators”. Econometrica 51 (5): 1569–1575. TRANSLATED ABSTRACTS 269 educação, saúde e participação na força de trabalho. O desenho e a implementação do Bolsa Família apresenta características que o distanciam de um programa “puro”de transferência condicionada de renda baseado no capital humano. Por este motivo, nós comparamos o impacto do Bolsa Família com o de outros programas de transferências condicionadas da América Latina, como aqueles do México, Colômbia, Equador e Chile. Nós mostramos que assim como outros programas, o Bolsa Família ajudou a reduzir a desigualdade e a extrema pobreza e teve impactos positivos sobre indicadores educacionais, sem apresentar resultados negativos sobre a participação na força de trabalho. Nas áreas onde resultados positivos não foram encontrados como saúde e nutrição, restrições da oferta parecem ser o principal problem.a ¿existen brechas salariales por género en chile? descomposición de las diferencias salariales entre hombres y mujeres en el contexto de regresiones por cuantiles Marcela Perticara and Alvaro Astudillo ABSTRACT: In this article, we use quantile regression decomposition methods to analyze the gender gap between men and women in Chile. The data used are drawn from the Social Protection Survey, 2002–2006. In our estimations, we control for actual labor market experience and use an instrumental variable to deal with the potential endogeneity bias in the education variable. Our decompositions show that most of the gender log wage gap is a result of differences between men and women in terms of the rates of return to labor market characteristics rather than a result of differences in those characteristics themselves. Moreover, the characteristics effect is small and not statistically different from zero until the 50th quantile, where the effect becomes positive and increases monotonically until it reaches 12 percent at the 90th quantile. However, the parameter effect is always negative throughout the distribution. Surprisingly, the glass-ceiling effect vanished after we used the instrumental variable for education. We also ind that the wage gaps are higher among sales workers and qualiied agricultural workers. NOTES ON THE CON TR IBU TOR S alvaro astudillo es egresado del programa de Master of Arts in Economics de la Universidad Alberto Hurtado que dicta en conjunto con Georgetown University. Desde ese mismo año se desempeña como coordinador del equipo de metodología del proyecto “Actualización de los índices de Precio al Productor y al por Mayor” desarrollado por el Instituto Nacional de Estadisticas de Chile. Sus áreas de interés son economía de la educación, economía laboral y desarrollo de políticas públicas. xóchitl bada is assistant professor in the Program of Latin American and Latino Studies at the University of Illinois at Chicago. She received her Ph.D. in sociology in 2008 from the University of Notre Dame. Her scholarship focuses on the civic, cultural, and political participation of Chicagobased Michoacano migrant hometown associations. Her research interests range from immigrant access to political and social rights, Black-Latino relations, and transnational communities. For the last two years, she has been codirecting a multisited Latin American immigrant civic integration study led by the Mexico Institute at the Woodrow Wilson International Center for Scholars in Washington, D.C. The results of this project can be found at http://www.wilsoncenter.org/migrantparticipation. rubén berríos teaches economics at Lock Haven University of Pennsylvania and has been teaching at the College of Business Administration at the University of Pittsburgh. He is the author of Contracting for Development (2000), a monograph, and some thirty articles and chapters in books on international and economic development issues. maría soledad catoggio es licenciada en sociología por la Universidad de Buenos Aires, donde ejerce la docencia. Además es becaria doctoral del Consejo Nacional de Investigaciones Cientíicas y Técnicas. rodrigo cordero is a research fellow at the Institute of Social Sciences at Universidad Diego Portales, Santiago de Chile. He is currently a doctoral candidate in sociology at the University of Warwick in the United Kingdom. He is editor of La sociedad de la opinion: Relexiones sobre encuestas y cambio politico en democracia (2009). juan e. de castro is assistant professor in the literary studies department at Eugene Lang College, the New School for Liberal Arts. He is the author of Mestizo Nations: Culture, Race, and Conformity in Latin American Literature (2002) and The Spaces of Latin American Literature: Tradition, Globalization and Cultural Production (2008). He is currently inishing a book on Mario Vargas Llosa as a “public intellectual” and editing, with Nicholas Birns, an anthology of essays on Vargas Llosa’s novels and essays after his embrace of neoliberalism. patricia de santana pinho holds a Ph.D. in social sciences from the Universidade Estadual de Campinas and is the author of Mama Africa: Latin American Research Review, Vol. 45, No. 2. © 2010 by the Latin American Studies Association. 272 Latin American Research Review Autora do livro Los Hijos de una Revolución: estudio sociológico sobre la juventud habanera. rafael guerreiro osorio is a researcher at the International Policy Centre for Inclusive Growth, IPC-IG/UNDP, in Brasilia, Brazil. His recent publications include “Desigualdade racial e mobilidade social no Brasil: Um balanço das teorias” (in As políticas públicas e a desigualdade racial no Brasil: 120 anos após a abolição, 2008), and “Desigualdades raciais e de gênero no serviço público civil” (2006). margarita palacios is a lecturer in the School of Psychosocial Studies at Birkbeck, University of London, and she previously held the DAAD Visiting Professorship at the Free University of Berlin. She graduated from the New School for Social Research, New York (2004). Her research focuses on violence and cultural change and her recent publications include the monograph Fantasy and Political Violence: The Meaning of Anti-Communism in Chile (2009). harry anthony patrinos is lead education economist at the World Bank. He specializes in the economics of education, school-based management, demand-side inancing, and public-private partnerships, and he conducts research on the socioeconomic conditions of indigenous peoples. He is the coauthor of Indigenous Peoples, Poverty and Human Development in Latin America (2006) and Indigenous People and Poverty in Latin America: An Empirical Analysis (1994). He has many publications in the academic and policy literature, with more than forty journal articles. marcela perticara obtuvo su Ph.D. en economía de Texas A&M University en el año 2002. Desde este mismo año se desempeña como profesor asistente en la Facultad de Economía y Negocios de la Universidad Alberto Hurtado en Chile y como professorial lecturer in economics de Georgetown University, en Washington, D.C. En agosto del 2008 fue también designada directora de investigación y publicaciones de la Universidad Alberto Hurtado. Sus áreas de interés son economía laboral, en especial temas de género, pobreza y movilidad. sonia ranincheski: Brasileira, Doutora em Sociologia. É professora e pesquisadora do CEPPAC-UnB. Desenvolve pesquisas sobre Estado, elites políticas e relações de trabalho na América Latina. É autora do livro As leis trabalhistas, o sistema partidário e os parlamentares no Brasil e no Uruguai: origens da questão social e organizadora do livro Américas (com) partilhadas. rafael perez ribas is a doctoral student in economics at University of Illinois at Urbana-Champaign. He has worked in impact evaluations of social programs, such as Bolsa Família in Brazil, Tekopora in Paraguay, and Programa Subsídio de Alimentos in Mozambique. christopher schmidt-nowara is Magis Distinguished Professor of History, Fordham University. He is currently completing the book Slavery, Freedom, and Abolition in Latin American and the Atlantic World. He is also editing a special issue of Social History dedicated to Caribbean history. Reproduced with permission of the copyright owner. Further reproduction prohibited without permission.