Calla Zapana Erika Esther

UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERÍA ECONÓMICA

ESCUELA PROFESIONAL DE INGENIERÍA ECONÓMICA
DETERMINANTES SOCIOECONÓMICOS DE LOS INGRESOS

LABORALES Y POR SECTORES ECONÓMICOS EN LA REGIÓN
PUNO, PERIODO 2015-2019
TESIS
PRESENTADA POR:
Bach. ERIKA ESTHER CALLA ZAPANA
PARA OPTAR EL TÍTULO PROFESIONAL DE:
INGENIERO ECONOMISTA
PUNO – PERÚ
2022
DEDICATORIA
A Dios, porque nunca me ha abandonado, por guiarme por el camino correcto, porque a
llenado mi corazón de luz para cumplir esta meta.
A mi madre; ESTHER EVAGRIA ZAPANA VILCA, quien con su esfuerzo, cariño y
amor me a permitido cumplir esta meta.
A mi amiga Bárbara Ines, por quien tengo un cariño especial, quien compartió momentos
importantes conmigo y siempre estuco dispuesta a escucharme.
A mis queridos hermanos Alan y Phierr que siempre están conmigo a pesar de nuestra
distancia, siempre los tengo presentes.
Erika Esther Calla Zapana.

AGRADECIMIENTOS
A Dios por ser mi guía y estar conmigo a lo largo de mi vida, dándome el amor, la
paciencia y la sabiduría para tener éxito en cada meta que me propongo.
A la Universidad Nacional del Altiplano Puno y en especial a la Facultad de Ingeniería
Económica por la oportunidad de recibir información profesional en sus aulas.
A cada uno de los catedráticos que han compartido valiosos conocimientos y experiencias
durante los últimos cinco años que han sido cruciales para mi formación profesional.
A la MSc Karin Margaret Alvarez Rozas, por haberme asesorado y guiado en la
elaboración de este trabajo de investigación.
Finalmente quiero expresar mi más profundo agradecimiento a los miembros del jurado
en mi tesis que fueron colaboradores clave durante todo el proceso y cuya guía,
experiencia y enseñanza han contribuido al desarrollo de este trabajo de investigación.
Erika Esther Calla Zapana

ÍNDICE GENERAL
DEDICATORIA
AGRADECIMIENTOS
ÍNDICE GENERAL
ÍNDICE DE FIGURAS
ÍNDICE DE TABLA
ÍNDICE DE ACRÓNIMOS
RESUMEN ...................................................................................................................... 9
ABSTRACT ................................................................................................................... 10
CAPÍTULO I
INTRODUCCIÓN
1.1. PLANTEAMIENTO DEL PROBLEMA Y OBJETIVOS .............................. 12
1.1.1. Planteamiento del problema ........................................................................ 12
1.1.2. Planteamiento de objetivos.......................................................................... 15
CAPÍTULO II
REVISIÓN DE LITERATURA
2.1. ANTECEDENTES DE LA INVESTIGACIÓN ............................................... 17
2.1.1. Resumen bibliográfico ................................................................................ 24
2.2. MARCO TEÓRICO............................................................................................ 26
2.2.1. Evolución y pensamiento económico .......................................................... 27
2.2.2. Teoría del capital humano ........................................................................... 28
2.2.3. Aproximación teórica desde la micro y macroeconomía del mercado de
trabajo ........................................................................................................ 30
2.2.4. Teoría Minceriana ....................................................................................... 31
2.2.5. Ecuación de Mincer Ampliada .................................................................... 34

2.2.6. Niveles educativos:...................................................................................... 35
2.2.7. Sectores económicos: .................................................................................. 35
2.3. MARCO CONCEPTUAL .................................................................................. 37
2.4. HIPÓTESIS DE LA INVESTIGACIÓN .......................................................... 38
CAPÍTULO III
MATERIALES Y MÉTODOS
3.1. MÉTODO DE INVESTIGACIÓN .................................................................... 39
3.1.1. Diseño de investigación............................................................................... 39
3.1.2. Población y muestra de la investigación ..................................................... 40
3.1.3. Técnicas y procesamiento de los datos........................................................ 42
3.1.4. Metodología por objetivos........................................................................... 42
CAPÍTULO IV
RESULTADOS Y DISCUSIÓN
4.1. RESULTADOS .................................................................................................... 46
4.1.1. Análisis descriptivo de las variables explicativas ....................................... 46
4.1.2. Resultados por objetivos mediante el análisis econométrico de las variables
de estudio. .................................................................................................... 50
4.2. DISCUSIÓN POR OBJETIVOS ESPECIFICOS ............................................ 59
V. CONCLUSIONES .................................................................................................... 63
VI. RECOMENDACIONES ........................................................................................ 65
VII. REFERENCIAS BIBLIOGRAFÍCAS ................................................................ 67
ANEXOS ........................................................................................................................ 71
Área: Políticas Públicas

Tema: Empleo
Fecha de Sustentación: 28 de diciembre de 2022
ÍNDICE DE FIGURAS
Figura 1. Ingresos futuros de acuerdo a los años de educación y la edad .................... 28
Figura 2. Esquema del tipo de investigación. ............................................................... 40

ÍNDICE DE TABLA
Tabla 1. Resumen de las bibliografías sobre las variables que inciden en los ingresos
........................................................................................................................ 25
Tabla 2. Rango de ingresos laborales en la región de Puno, 2015-2019 ...................... 46
Tabla 3. Nivel Educativo alcanzado en la región de Puno, 2015-2019 ........................ 47
Tabla 4. Genero en la región de Puno, 2015-2019 ....................................................... 47
Tabla 5. Estado civil en la región de Puno, 2015-2019 ................................................ 48
Tabla 6. Sectores económicos en la región de Puno, 2015-2019 ................................. 48
Tabla 7. Relación estadística entre el ingreso y sectores económicos ......................... 49
Tabla 8. Relación estadística entre ingresos y género .................................................. 49
Tabla 9. Análisis del Ingreso laboral con respecto a su nivel educativo y años de
experiencia laboral ......................................................................................... 50
Tabla 10. Análisis del Ingreso laboral con respecto a su nivel educativo y género....... 52
Tabla 11. Análisis del ingreso laboral según sector económico primario ..................... 54
Tabla 12. Análisis del ingreso laboral según el sector secundario................................. 55
Tabla 13.Análisis del ingreso laboral según el sector terciario...................................... 57
Tabla 14: Operacionalización de variables .................................................................... 71

ÍNDICE DE ACRÓNIMOS
ENAHO: Encuesta Nacional de Hogares
MCO: Mínimos Cuadrados Ordinarios
INEI: Instituto Nacional de Estadística e Informática
EPH: Encuesta Permanente de Hogares
CNE: Censo Nacional Económico
OIT: Organización Internacional del Trabajo
INB: Ingreso Nacional Bruto

RESUMEN
Invertir en educación para tener mejores oportunidades laborales y un mejor
ingreso se ha convertido en un dilema, pues muchos no están seguros de invertir tiempo
y dinero en su educación superior, pues no hay esa seguridad de saber que invertir en
educación es la mejor opción para tener un bienestar económico. La investigación tiene
por objetivo principal analizar cuáles son los determinantes socioeconómicos de los
ingresos laborales y por sectores económicos en la región Puno, periodo 2015-2019, para
responder a ello se ha establecido trabajar con la base de datos del ENAHO en el periodo
anual del 2015 al 2019 con datos de corte transversal, se realizó un procesamiento de
datos usando el paquete estadístico STATA 14.1, el diseño de estudio es no experimental,
transversal, descriptivo y correlacional. La metodología que se usó fue la regresión de
Heckman en dos etapas, donde en la primera nos arroja un MCO y la segunda etapa un
probit. Los principales resultados son; que los ingresos están siendo explicados por las
variables años de educación 36.16% y años de experiencia laboral 4.86%, siendo la
variable años de experiencia al cuadrado no significativa, en la probabilidad de
encontrarse en el mercado laboral los años de educación influyen en 19.89%, la
experiencia laboral en -2.18% que significa que a menos años de experiencia laboral uno
no puede encontrar un trabajo, pero los años de experiencia laboral al cuadrado influyen
en 0.14% por el incremento de cada año. En cuanto al género se tiene que la mujer tiene
-54.55% probabilidades de estar en el mercado laboral que el género masculino. En los
sectores económicos primarios y secundarios los retornos salariales influye de manera
negativa en 379% y 54.9% respectivamente, en el sector terciario el retorno de los
ingresos es de 69.8%.
Palabras Claves: Retorno salarial y Heckman, genero, experiencia laboral y educación.
9
ABSTRACT
Investing in education to have better job opportunities and a better salary has
become a dilemma, since many are not sure of investing time and money in their higher
education, because there is no security of knowing that investing in education is the best
option for have economic well-being. The main objective of the research is to analyze
what are the socioeconomic determinants and by economic sectors of labor income in the
Puno region, period 2015-2019, to respond to this, it has been established to work with
the ENAHO database in the annual period of 2015 to 2019 with cross-sectional data, data
processing was carried out using the STATA 14.1 statistical package, the study design is
non-experimental, cross-sectional, descriptive and correlational. The methodology that
was used was the Heckman regression in two stages, where in the first one it gives us an
OLS and the second stage a probit. The main results are; that salaries are being explained
by the variables years of education 36.16% and years of work experience 4.86%, being
the variable years of experience squared not significant, in the probability of being in the
labor market the years of education influence 19.89%, work experience in -2.18% which
means that with fewer years of work experience one cannot find a job, but the squared
years of work experience influence 0.14% due to the increase of each year. Regarding
gender, women have -54.55% probabilities of being in the labor market than men. In the
primary and secondary economic sectors, the salary returns fall to -72.09% and -38.88%
respectively, in the tertiary sector the salary return is 40.63%.
Key Words: Salary return and Heckman.
10
CAPÍTULO I
INTRODUCCIÓN
Diversas investigaciones señalan que los factores determinantes del ingreso y sus
diferencias salariales, esta explicada por la teoría de mayor productividad que es el capital
humano desarrollado por Becker (1964), en la que considera que invertir en educación y
formación en el trabajo, permiten incrementar la productividad de las personas; También
muestra que no es solo el nivel de educación, sino también la capacidad de aplicar ciertas
habilidades y destrezas para llevar a cabo de manera efectiva diversas actividades con el
fin de lograr el crecimiento de la productividad y la mejora económica, esto en términos
de ingreso y bienestar. (Bedregal & Condori, 2016)
Los ingresos salariales no solo están determinados por la educación y años de
experiencia, también están determinados por el género, que cabe señalar que el género
femenino tiene diversas desventajas frente al género masculino pese a tener el mismo
nivel educativo que el género masculino y las mismas oportunidades laborales, pero la
discriminación laboral está presente en la actualidad y se ve reflejada porque los puestos
de trabajo están copados por la mayoría de los hombres. “Las mujeres enfrentan muchas
desventajas cuando ingresan al mercado de trabajo, y a menudo no disfrutan de la misma
libertad que el género opuesto cuando deciden si desean trabajar. Las diferencias entre
los géneros en la tasa de actividad y también la tasa de empleo son una característica que
constantemente se repite en el mercado de trabajo de todo el mundo” (OIT, 2009 citado
en (Observatorio Socioeconómico Laboral Callao, 2013).
La región de Puno está compuesta por hombres y mujeres trabajadoras, las cuales
se dedican a la actividad de la ganadería y agricultura, combinan el trabajo manual con la
actividad agropecuaria, a menudo utilizada para el autoabastecimiento interno, y el
11
excedente es comercializado en la ciudad. La agricultura se manifiesta en los cultivos de
cebada, papa, avena, cañihua, quinua, entre otros. La ganadería en es extensiva y se
encuentra en el pastoreo de ganado ovino, vacunos, auquénidos y porcinos, así como en
el cuidado de aves de corral. Los animales son capitales reales o bienes de reserva del
campesinado para futuras compras por parte de los agricultores (Apaza 2016). El presente
estudio de investigación se organiza mediante lo siguiente: En el capítulo 1 se plantea el
problema y objetivos. El capítulo 2 presenta cuestiones teóricas que sustentan el
planteamiento, revisa la literatura existente sobre otras investigaciones relacionadas a
nivel internacional y local. En cuanto al capítulo 3 muestra el método econométrico
empleado para lograr los objetivos de este estudio. El capítulo 4 se presentan los
resultados y discusiones, el capítulo 5 muestra las conclusiones de la investigación, en el
capítulo 6 se expone las recomendaciones mientras que en el capítulo 7 se menciona la
referencia bibliográfica. Adicionalmente se incluye los anexos de resultados
econométricos realizados en el programa STATA 14.1.
1.1. PLANTEAMIENTO DEL PROBLEMA Y OBJETIVOS
1.1.1. Planteamiento del problema
Para el planteamiento del problema podemos observar cómo se comportan los
ingresos laborales, educación y otras variables socioeconómicas que tienen que ver con
el tema central de estudio, los cuales se verán en un panorama mundial, en América
Latina, a nivel nacional y ver el problema específico que es en la región de Puno.
Los términos brecha salarial, desigualdad salarial, discriminación salarial o
incluso el de diferencia salarial se han utilizado a menudo como sinónimos y de forma
alternativa (Torns, Recio, Sánchez & Trinidad, 2016). La teoría del capital humano, logra
plantear una correlación positiva entre los niveles de ingresos monetarios de los
12
individuos y la educación de las personas, así como la experiencia laboral que se acumula
a lo largo de los años (Fuentes & Herrera, 2015). En el mundo, América Latina y África
son las regiones que presentan mayor desigualdad. En los países que se encuentran en el
sur de Europa y Estados Unidos están las economías desarrolladas, siendo Suiza en el
país con mejor ingreso que fue de US$ 80,000 para el 2017 según el Banco Mundial (BBC
News Mundo, 2018).
En América Latina los países con ingreso medio alto, se encuentra liderando Costa
Rica con US$ 11,000 de Ingreso Nacional Bruto (INB) per cápita, seguido de México y
Brasil con poco más de US$ 8,000, Rep. Dominicana, y Perú con un poco más de US$
6,000 de ingresos en promedio, así mismo continúan los países de Ecuador y Colombia
con promedio de US$ 5,800, Belice, Guatemala y Paraguay que están por debajo de US$
5,000 (BBC News Mundo, 2018). Otro estudio destacó el impacto particularmente
importante de la culminación del nivel secundario de educación en Argentina, Brasil y
Uruguay. En efecto, aquellos con secundaria completa de los países antes mencionados
ganaron el promedio entre 110% y 60% más que aquellos que cuentan con solo primaria
completa. Para Uruguay, se observa que el aumento del porcentaje en el ingreso es a
consecuencia de poder completar la educación secundaria (comparado con sólo completar
el nivel primario), podemos observar que es más alto el impacto que tiene poder completar
el grado universitario (comparado con el nivel secundario) (Borraz et al., 2010).
A nivel nacional la desigualdad de ingresos que existe entre regiones es aún más
notoria en los ingresos promedios mensuales, en el ámbito urbano para el 2018 es de S/.
1,557.4 con respecto al área rural que esta con S/. 711.4. En la capital Lima su ingreso
mensual promedio es de S/. 1,857.3 siendo esta la más alta, en las regiones del sur como
es Arequipa, Tacna y Cusco están con S/. 1545, S/. 1,354 y S/. 1,064.7 respectivamente,
en la cual podemos ver una diferencia en el ingreso promedio mensual (INEI, 2019). Con
13
respecto a la diferencia entre géneros, la mujer gana mucho menos que el género
masculino, siendo el ingreso S/. 1,135 y S/. 1.588.6 respectivamente para el año 2018,
viendo una clara diferencia de ingresos entre regiones y hasta por géneros. También se
observó que el ingreso promedio mensual más alto es de S/ 2,963.10 fue para la
población que tiene educación superior universitaria a comparación con los otros niveles
educativos, que es 5.9% más que un año antes (Perez, 2020). Es así que la relación del
ingreso, los años de educación, la experiencia laboral que posee una persona; mientras
más alto sea el nivel educativo mayor es el ingreso laboral, así como también mientras
mayor es la cantidad de años acumulados de la experiencia laboral mayor ingreso
generará la persona, pero mientras llega a un límite esto solo disminuye en los ingresos
(Fuentes & Herrera , 2015).
En la región de Puno su ingreso promedio mensual para el periodo 2007 – 2018
creció desde S/. 412.7 en el 2007, en el 2014 fue de S/. 879.89 siendo la más alta en este
periodo (INEI, 2019), para el 2018 en la región de Puno el ingreso promedio mensual es
de S/.890, muy por debajo del ingreso promedio mensual de Lima Metropolitana que es
de S/. 1,674. Sin embargo, se observa que existe una brecha de géneros del 36.4% del
género femenino que no ganan lo mismo que el género masculino (SINEACE, 2017). El
factor educación no es el único factor que determina el nivel de ingreso en una sociedad,
es en gran parte responsable de determinantes como el género y otras variables no
incluidas en el modelo original de Mincer (Fuentes & Herrera, 2015).
Por otro lado, en la región de Puno según los datos del Instituto Peruano de
Economía para el año 2017 el sector “Agro y Pesca” concentra el 40% de la fuerza laboral
y solo el 15% estaría el sector económico terciario, que es en donde los profesionales con
alguna carrera universitaria o técnica podrían estar laborando, lo que conlleva a afirmar
14
que en la Región de Puno la fuerza laboral se centra en el sector económico primario
(Macera, 2018).
Problema general
- ¿Cuáles son las variables de los determinantes socioeconómicos de los ingresos
laborales y por sectores económicos en la Región Puno, Periodo 2015-2019?
Problemas específicos
- ¿Cómo es la relación entre las variables años de experiencia laboral y años de
educación sobre el ingreso laboral en la región Puno, periodo 2015-2019?.
- ¿Cómo influye el nivel educativo y el género en el ingreso laboral en la región
de Puno, periodo 2015-2019?
- ¿Cuál es el sector económico que influye en los ingresos laborales en la región
de Puno, periodo 2015-2019?
1.1.2. Planteamiento de objetivos
Objetivo general
- Analizar los determinantes socioeconómicos de los ingresos laborales y por
sectores económicos en la región Puno, periodo 2015-2019.
Objetivos específicos
- Estimar el comportamiento de la variable ingreso con respecto a los años de
educación, la experiencia laboral y la experiencia laboral al cuadrado en la región
Puno, periodo 2015-2019.
- Establecer la influencia del nivel educativo y el género en el ingreso laboral en
la región de Puno, periodo 2015-2019.
15
- Determinar el sector económico que influye en los ingresos en la región de Puno,
periodo 2015-2019.
16
CAPÍTULO II
REVISIÓN DE LITERATURA
2.1. ANTECEDENTES DE LA INVESTIGACIÓN
Castillo, Da Silva & Perez (2017) elaboraron su artículo denominado “Retornos
salariales para Colombia: Un análisis cuantílico” analizaron los retornos salariales para
las personas que se encuentran en la juventud y la adultez para el caso de Colombia. El
problema que los autores presentaron fue que varias empresas solicitan experiencia
laboral a los más jóvenes, algo que degenera disyuntivas entre la oferta y demandad
laboral, por lo que hace que reciban ingresos por debajo de lo que correspondería a su
nivel educativo. La metodología que se aplico es el modelo tradicional de Mincer. El
grupo de estudio fue elegido respecto al conjunto de los jóvenes lo conformaron personas
que se encuentran en un rango de edad de 18 a 28 años que se encuentran en la etapa de
la juventud y el conjunto de los adultos estaba conformado por las personas que se
encuentran en la etapa de adultez entre 29 y 62 años de edad siendo esta la etapa de adultez
y jubilación. Los datos lo consideran de la Gran Encuesta Integrada de Hogares de DANE
del 2015. En cuanto a los resultados respecto a los retornos para los jóvenes de igual
manera el género no influye positivamente, las experiencias al cuadrado tienen retornos
económicos muy altos. En cuanto a los retornos para los adultos se ve reflejado de la
misma manera que para los jóvenes. A la vez se pudo observar que la educación genera
mayores retornos respecto a la experiencia laboral, A la vez se pudo observar que la
educación genera mayores retornos respecto a la experiencia laboral, lo que quiere decir;
al invertir en un año adicional en educación produce mejores retornos salariales tanto para
los jóvenes y adultos.
17
Parodi, Ramirez & Thomson (2017) en su investigación denominado “Tasa de
retorno de la inversión en educación en República Dominicana (2000-2015)” con la
finalidad de dar respuesta a las interrogantes; ¿Mejorará mi situación financiera después
de graduarme de la escuela secundarios o la universidad?. Se realizó la investigación
usando como fuente de datos la Encuesta Nacional de Fuerza de Trabajo (ENFT),
levantada por el Banco Central de la República Dominicana, con una muestra de 8 mil
hogares (30 mil personas) a nivel nacional para el ámbito rural y urbano para el periodo
2000-2015. Para este estudio usaron la metodología de Mincer (ecuación de ingresos de
Mincer), el cual mide el incremento del ingreso frente a los años invertidos en educación,
esta investigación además de la ecuación clásica de Mincer también planteó esta misma
ecuación desagregada por niveles de educación y efecto diploma. Los resultados que se
obtuvieron demuestran que un año más en educación genera un aumento del ingreso
económico del alrededor de 2.3% en el nivel primaria, el 4.3% en el nivel secundaria y el
18.6% en el nivel universitario. Otro dato fue que si una persona termia sus estudios de
una carrera universitaria, esto genera un aumento del 29.6 % de la tasa de retorno, el
culminar una carrera universitaria y obtener el diploma marco una elevada tasa de retorno
en los ingresos. Salir de la situación de pobreza mediante la educación es un arma muy
poderosa.
Salamanca (2007) en su artículo de investigación “Estimación de la tasa de
retorno a la educación” en El Salvador, como sustento teórico de que, si una empresa
invierte en maquinarias para generar ingresos en un futuro, el ser humano invierte en
capital humano, puesto que ello implica un costo también espera que en un futuro se
genere ganancias a través de ingresos. Con este sustento se realizó el estudio para la
población de El Salvador usando la base de datos de la Encuesta de Hogares de Propósitos
Múltiples del año 2007, se trabajó con una muestra de 21,191 datos. La metodología
18
aplicada fue la Ecuación de Mincer, que consistió en realizar una regresión econométrica
semilogarítmica, usando la variable dependiente el logaritmo natural del ingreso, y las
variables independientes como experiencia y educación. El autor vio más allá de la
ecuación clásica, por lo que planteó un asegunda ecuación en base a la primera pero que
se le agregó las variables independientes, género, área y niveles de educación. Los
principales resultados en la primera ecuación básica fueron, que por un año adicional de
estudios las personas esperaban aumentar sus ingresos en 10%, por cada año de
experiencia incrementarían sus ingresos en 3.15%, y con la experiencia al cuadrado tuvo
un efecto negativo, es decir que si una persona mientras más experiencia tiene el efecto
sobe el ingreso tiende a ser negativa. La condición de ser del género masculino aumenta
en un 18% de incrementar los ingresos que las mujeres pese a tener el mismo nivel en
cuanto a la educación. Respecto a los niveles de educación, se notó una clara definición
de que poseer estudios superiores no universitario y universitario, poseen un incremento
salarial de 85% y 147% respectivamente, frente a aquellas personas que solo poseen nivel
de educación básica que es solo 21%.
Améstica, llinas & Sanchez (2014) con el objetivo de entregar una aproximación
a la movilidad social, planteó el tema “Retornos de la Educación Superior en Chile. Un
efecto en la movilidad social a través de la estimación de Diferencias en Diferencias”. El
trabajo propuso realizar una estimación de diferencias en diferencias, es un método
convergente y alternativo a Mincer, mediante la estimación de la inferencia causal
estadística. Para lo cual llegaron a utilizar el software Stata 14.1 con base de datos de la
encuesta de caracterización socioeconómica en Chile (CASEN). Los grupos del estudio
fueron; en primer lugar, el grupo de tratamiento, que son los individuos que obtuvieron
el título de educación superior (universidad o centro de formación técnica e instituto
profesional,), comparado para periodos de 2003-2009 y 2006-2011, el segundo grupo está
19
el grupo no tratado que son los que no obtuvieron ningún título de nivel superior. En los
principales resultados que obtuvo para el grupo de tratamiento en el periodo 2003-2006
se tuvo un impacto en la educación superior de 31.47% de retornos educativos, para lo
cual se pudo establecer que posee un resultado positivo al alcanzar estudios superiores y
esto se ve reflejada de manera directa en sus ingresos a futuro de las personas. Para el
periodo 2006-2011 se tiene un -15.47% de tasa de retorno. Por tanto, también se puede
decir que los mayores retornos están asociados al financiamiento en los primeros años de
vida. Muchas personas llegan a culminar sus estudios superiores, pero no todos llegan a
obtener su grado académico que le corresponde, por lo que también ellos están en
desventaja a la hora de emplearse o generar retornos económicos altos.
Sánchez & Maciel (2011) con su investigación “Una alternativa metodológica
para la estimación del nivel de ingresos para Buenos Aires en el año 2005” plantearon el
objetivo de estudio, evaluar los diferenciales económicos de los niveles de ingresos del
género masculino y del género femenino para Buenos Aires del año 2005, aplicando
alternativas metodológicas en las Ampliaciones de la Ecuación de Mincer. Se obtuvo una
base de datos de las fuentes de información secundaria de la Encuesta Permanente de
Hogares (EPH) y del Censo Nacional Económico (CNE 2004/05), para el presente estudio
se aplicó a los trabajadores asalariados de Argentina que fueron un total de 74 040. El
nivel de ingresos según los años de escolaridad mostraba que a más años los ingresos
también, aumentaban, el ingreso entre varones y mujeres mostraba que los varones tenían
ingresos medios superiores en un 25% aproximadamente. Cabe señalar que se realizó
diferentes regresiones por género, en donde los principales resultados señalaron que; En
cuanto al primer modelo, se tiene que el R2 es mejor explicado para las mujeres que para
los varones con 85% a un 79% de diferencia, para el segundo modelo no se ve ninguna
diferencia ya que para ambos muestra el 65% de variables explican el modelo. También
20
tenemos que; el incremento de educación en un año para ambos géneros incrementa el
ingreso en 2.6%, el incremento de experiencia laboral en un año para el hombre
incrementa su ingreso en un 2.6% y para la mujer en un 1.5%, siendo para ambos la
experiencia al cuadrado decreciente en 0.3%, en cuanto al sector y para los varones
influye de manera positiva y en 27% mientras que para las mujeres influye de manera
negativa y genera retornos negativos del 40%. Se ve con claridad que existe una diferencia
en los niveles de ingreso ya sea por niveles educativos, sector económico en el que trabaja
o por el mismo género.
Fuentes & Herrera (2015) en el estudio “Análisis exploratorio de los
determinantes del ingreso de la ocupación principal a nivel nacional y regional en Chile”
donde tuvo como objetivo la identificación de los determinantes estadísticamente
significativos del ingreso laboral que proviene de la ocupación principal por parte de los
empleados por regiones y a nivel nacional. Los datos que se usaron para este estudio
correspondieron a la encuesta CASEN, Base de Datos Encuesta de Caracterización
Socioeconómica, desarrollado por el Instituto Nacional de Estadística (INE) que
comprendía alrededor de 70 000 hogares que fueron seleccionados, que fueron
encuestados 2000 302 individuos en el año 2011. La metodología que usaron fue la
regresión logarítmica-lineal aplicando la ecuación tradicional de Mincer y la ecuación
tradicional de Mincer Ampliada, a este segundo grupo se agregó variables de género,
nivel de educación y edades correspondiente a los padres. Los resultados para la primera
ecuación mostraron que un incremento de un año adicional de escolaridad aumenta un
9.34% en sus ingresos, un año acumulado de experiencia incrementa en 3.60% en sus
ingresos, el coeficiente negativo que acompañaba a la experiencia al cuadrado muestra
los retornos decrecientes de la experiencia, donde un año adicional de experiencia
contribuyen al aumento del ingreso laboral, pero cada vez en menor grado (0,05% menos
21
por cada año adicional). Se realizó la ecuación Mincer ampliada, donde los principales
resultados fueron qué; en cuanto a los años escolares, experiencia laboral y al cuadrado,
fueron casi similares que la anterior lo que saltó a la vista fue el género, que ser mujer
represento un 46.97% menos de su ingreso.
Yamada (2006) “¿Vale la pena el esfuerzo? Retornos de la Educación Superior
en el mercado laboral” es como tituló este autor a su trabajo de investigación en el Perú.
El autor planteó como objetivo evaluar cómo se comporta los retornos a la educación
superior en un mercado laboral peruano. La información utilizada fue la de las Encuestas
de Hogares entre 1985 y 2004. Se aplicó la metodología econométrica Mínimos
Cuadrados Ordinarios (MCO) en base a la Ecuación Básica de Mincer. Se observa que
para los retornos de educación por género se tuvo que las mujeres obtuvieron al menos
un punto porcentual menos en promedio que el de los hombres. En caso de los retornos
de la educación para trabajadores independientes y asalariados, donde se demuestra que
los trabajadores independientes tienen inestabilidad en cuanto a sus ternos económicos,
el cual no pasa del 9% en cambio para un empleado asalariado tiene un retorno entre 10%
y 12% en promedio. Como último punto se tuvo de que los retornos de educación por
nivel de educación demuestran claramente que una persona que logro concluir la
universidad, tuvo retornos de 17.3% frente a los que solo tienen primaria o secundaria
que son de 3.8% y 6.3% respectivamente. Puesto que estos resultados demostraron que
invertir en años de educación resulta ser rentable y atractiva para continuar estudiando.
Arpi & Arpi (2016) con su estudio “Retornos Heterogéneos a la Educación en el
Mercado Laboral Peruano, 2015” dado que los últimos años, la educación se había
extendido, pero en la desigualdad de ingresos también fue notable su diferencia entre
diferentes grupos de personas. El estudio tiene como objetivo analizar los retornos
respecto a la educación en el mercado laboral peruano según etnia (indígenas y no
22
indígenas), la categoría ocupacional (trabajador independiente y dependiente), el área de
residencia (rural y urbano), y el género de las personas. La muestra usada para este estudio
fue 48,326 entre peruanos trabajadores independientes y asalariados (empleados y
obreros) que participan en el mercado laboral durante el año 2015, Se usó la fuente de
datos fue la Encuesta Nacional de Hogares, usando los módulos 500, 300 y 200 que
correspondieron a Ingreso y empleo, Educación y Características de los miembros de
hogar respectivamente. Se realizó una estimación econométrica con la ecuación de
Mincer (1974) bajo el marco teórico de Becker (1975) y se calculó mediante la
metodología de Heckman (1979), está a su vez planteó una segunda ecuación de modelo
Probit, probabilidad de poder participar en el mercado laboral. Se observa en el primer
resultado estadístico que los No indígenas tenían un promedio en su ingreso de S/. 1,247
mensuales frente a los Indígenas el cual es de S/. 734.2, el cuanto al ingreso del género
masculino fue mayor al género femenino con una brecha de 27.7%. En cuanto a la primera
ecuación planteada, invertir un año adicional en educación proporcionaba un 10.44% de
retorno salarial, la experiencia en los primeros años influyó de manera significativa pero
que con los años ya convirtió en negativa. Por otro lado, se obtuvo también que los
retornos por un año adicional en educación de la mujer son inferiores al hombre con
10.62% y 11.84% respectivamente, para los trabajadores con salario fijo frente a los
trabajadores independientes marcó una diferencia favor de los de salarios fijos con
14.16% a 6.07% de retornos por un año más en la educación.
Loayza & Pérez (2014) estudiaron el tema “Rentabilidad de la Inversión en
Educación Superior de egresados de la Universidad Continental” de la región de Junín –
Perú, el estudio tiene como objetivo poder identificar los principales factores académicos
que logran influir de manera positiva en el regreso a la universidad de los egresados de
las Escuelas profesionales de, Administración, Ingeniería Informática y Contabilidad para
23
el periodo 2006 – 2007, con un total de 385 egresados, con muestra de 214. Se aplicó la
metodología de Mínimos Cuadrados Ordinarios (MCO). Los principales resultados que
se obtuvo fue que el R2 resultó muy bajo, esto se explicó porque esta Universidad empezó
con estas carreras y recién estaban siendo conocidas, también al incrementar más
variables el modelo mejoraba, esto puede ser explicado porque existen más variables que
se deberían de incluir a esta ecuación para un mejor estudio. La tasa de retorno por
géneros demostró ser mayor para los varones que para las mujeres. Las variables que
afectan de manera negativa es la experiencia y las que afectan de manera positiva son el
género y la edad. Un año adicional de educación afecta negativamente en la probabilidad
de participar en el mercado laboral, se ve explicado en que la educación formal logra
incrementar el ingreso y por tanto las reservas (ahorros) y desanima a los individuos a
continuar trabajando. La experiencia es una variable que afecta de manera positiva, pero
que con el paso de los años esta decrece, es decir que tiene un punto máximo y luego
decae. Por otro lado, se tiene que un mayor retorno de ingreso se obtiene cuando se logra
entre 4 y 9 años de experiencia. El periodo de egresado que tienen los estudiantes influye
en cuanto a experiencia, mientras se tenga acumulado más años de experiencia se tendrá
mejores oportunidades laborares frente a uno recién egresado, cuya variable estará
presente para su medición en esta investigación.
2.1.1. Resumen bibliográfico
Al visualizar con una adecuada precisión las variables explicativas sobre el
ingreso de las personas, se resume en el siguiente cuadro:
24
Tabla 1. Resumen de la bibliografía respecto a las variables que inciden en los ingresos.
N° Autor Año Lugar Metodología Principales
resultados
1 Castillo 2017 Colombia -Ecuación Mincer Variables

Robayo et tradicional explicativas:
al. - Género (NS)
- Educación (+)
- Experiencia laboral
(+)
- Experiencia laboral al
cuadrado (-)
2 Parodi et al. 2017 República -Ecuación Mincer Variables
Dominicana tradicional. explicativas:
- Ecuación de - Educación (+)
Mincer - Experiencia laboral
desagregada. (+)
- Método de - Género mujer (+)
Heckman - Experiencia laboral al
cuadrado (-)
- Nivel educativo alto
(+)
3 Salamanca 2017 El Salvador - Ecuación Mincer Variables
tradicional. explicativas:
- Ecuación de - La Educación (+)
Mincer ampliada. - Experiencia laboral
(+)
cuadrado (-)
- Género masculino (+)
4 Améstica et 2014 Chile - Estimador de Variables
al. diferencias en explicativas:
diferencias - Educación superior
(+)
5 Sánchez y 2011 Buenos - Ampliaciones de Variables
Maciel Aires la ecuación de explicativas:
Mincer - Nivel educativo más
- Mínimos alto (+)
Cuadrados - Género Masculino
Ordinarios (+)
(+)
al cuadrado (-)
- Pesca (+)
- Electricidad, agua y
gas (+)
25
- Industria
manufacturera (+)
- Restaurante y hoteles
(+)
- Transporte y
comunicaciones (+)
6 Fuentes y 2015 Chile - Ecuación Mincer Variables
herrera tradicional. explicativas:
- Ecuación de - Género mujer (-)
Mincer ampliada - Educación (+)
(+)
cuadrado (-)
7 Yamada 2006 Perú - Ecuación de Variables

Mincer explicativas:
- Mínimos - Educación (+)
cuadrados - Género mujer (-)
ordinarios - Nivel educativo más
- Heckman alto (+)
8 Arpi y Arpi 2016 Perú - Ecuación de Variables
Mincer. explicativas:
- Metodología de - Género mujer (-)
Heckman - Educación (+)
- Modelo Probit - Experiencia laboral
(+)
cuadrado (-)
9 Loayza y 2014 Perú - Mínimos Variables

Pérez Cuadrados explicativas:
Ordinarios (MCO) - Género mujer (-)
- Edad (+)
- Experiencia laboral (-
)
cuadrado (+)
2.2. MARCO TEÓRICO
Varios estudios han identificado los factores determinantes del ingreso y sus
diferencias. Una teoría que explica la mayor productividad es el capital humano
desarrollado por Becker (1964), que considera que la acumulación de inversiones en
26
formación en el trabajo, educación y otros factores que incrementa la productividad;
También muestra que además del nivel educativo, la capacidad de poner en practica
ciertas habilidades y destrezas posibilita el desarrollo efectivo de diversas actividades
para lograr la mejora económica y el crecimiento de la productividad, esto en términos de
ingreso y bienestar (Bedregal & Condori, 2016).
2.2.1. Evolución y pensamiento económico
2.2.1.1. Consolidación entre Schultz, Becker & Mincer
Theodore William Schultz (1961); quien afirmó que una buena inversión en el
hombre es la educación y su efecto genera formación de capital. Es por ello que las
personas de bajos recurso deberían de buscar adquirir habilidades por medio de la
escolarización, que en un futuro este tendrá un valor, que no será homogéneo por lo que
a lo largo de los años las ganancias de esta inversión dependerán de su calidad y costo
que se adquirió (Cristina & Gutiérrez, 2012).
En las investigaciones realizadas por Schultz, planteo que la educación se puede
plantear como consumo e inversión, en la primera se da cuando uno disfruta aprender y
la segunda cuando uno quiere mejorar su nivel de vida. Otra idea que planteó fue que las
personas que generan ingresos bajos son aquellas que están en el grupo de las personas
más pobres y que para salir de ello debería de invertir en conocimiento es la única forma
de mejorar la calidad de vida de los individuos y sus familias (Cristina & Gutiérrez, 2012).
Gary Becker (1964); hizo una definición sobre el capital humano como un
conjunto de habilidades y conocimientos productivos la cual adquiere una persona a
través de la acumulación de conocimientos el cual genera riqueza en la economía
(Cristina & Gutiérrez, 2012).
27
“Un hombre que es educado a un alto costo de tiempo y trabajo (…) se compara
a una máquina de alto valor” Adam Smith (La riqueza se las naciones, 1776) citado en
(Terrones & Calderón, 1993) nos llevó a asumir que una persona mejor educada tendrá
la oportunidad de crecer económicamente y podrá poseer bienestar para él y su entorno
familiar. Alfred Marshall en sus “Principios de la economía” indicaba que el capital más
valioso es el que se invertía en los seres humanos (De la Dehesa, 1993).
Figura 1. Ingresos futuros de acuerdo a los años de educación y la edad

Fuente: Gary Becker: Human Capital (1983) citado en (Cristina & Gutiérrez, 2012)
2.2.2. Teoría del capital humano
En este apartado tomaremos en cuenta el trabajo elaborado por (Sánchez Vargas
& Maciel, 2011), que en la década del 60´, dentro del paradigma neoclásico se propone
una respuesta al mencionado supuesto de homogeneidad de la fuerza de trabajo. Un grupo
de economistas comenzó a considerar como inversiones a la capacitación, educación
formal, experiencia y a la salud, el cual permite incrementar el potencial productivo de
los individuos, en otras palabras, incrementar el producto marginal del trabajo. En
trabajos como Schultz (1961) y Becker (1964) se proponía un marco teórico, que daba
lugar a la heterogeneidad de los trabajadores, al incorporar al análisis una variable hasta
entonces poco conocida: “el capital humano”.
28
En particular, Schultz (1961) en su estudio sobre los determinantes del nivel de
ingresos sostiene que las actividades que incrementan el capital humano pueden ser
concentradas en 5 categorías, y al respecto menciona:
“Las ventajas salariales observadas para algunos trabajadores debieran atribuirse
no a inflexibilidades en la seguridad social, programas de retiro o preferencias
sociológicas de los empleadores, pero la diferencia real en la productividad esta
relacionada con algún tipo de inversión en capital humano”.
Por otro lado, cabe destacar del estudio de Becker (1964) la distinción que realiza
entre inversiones en capital humano según se direccionen al entrenamiento “general” o al
“particular”, definiendo al primero como aquel entrenamiento que genera incrementos de
productividad del factor trabajo independientemente de la empresa, actividad o puesto de
trabajo. Mientas que, al segundo, lo conceptualiza como aquel conocimiento que resulta
útil o que genera determinados aumentos de productividad según las firmas o actividades
económicas en la que se ocupe el trabajador.
Otro aporte importante de Becker (1964), es su hipótesis a cerca de la concavidad
de la función de ingresos. Ésta postula que el rendimiento de la educación tienen un efecto
decreciente a medida que pasa el tiempo: “(…) los ingresos económicos logran tener una
tendencia relativamente bajos al principio de la vida laboral, aumentan durante las edades
posteriores, alcanzan su puno máximo entre las edades de 45 y 54 años, y disminuyen en
lo posterior (…)” fue recién en la década del 70´, cuando siguiendo el esquema de Schultz
y Becker, se modeló la relación de capital humano con los ingresos y, la cual, actualmente,
es conocida como “Ecuación de Mincer”.
29
2.2.3. Aproximación teórica desde la micro y macroeconomía del mercado de
trabajo
Según el trabajo realizado por (Castellar & Uribe, 2000) el punto de partida para
determinar la tasa de ingreso es el modelo Ocio Consumo para lo cual se plantea el
siguiente supuesto:
Se trata de un agente económico i que el periodo t, eligen entre dos bienes:
𝐶𝑖𝑡 = 𝐶𝑜𝑛𝑠𝑢𝑚𝑜 𝑑𝑒𝑙 𝑎𝑔𝑒𝑛𝑡𝑒 𝑖 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑡
𝐿𝑖𝑡 = 𝑂𝑐𝑖𝑜 𝑑𝑒𝑙 𝑎𝑔𝑒𝑛𝑡𝑒 𝑖 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑡
Su función de utilidad es 𝑈(𝐶𝑖𝑡 , 𝐿𝑖𝑡 ) la cual se supone estrictamente cuasicóncava, Se
define:
𝑤𝑖𝑡 = 𝑇𝑎𝑠𝑎 𝑑𝑒𝑙 𝑠𝑎𝑙𝑎𝑟𝑖𝑜 𝑑𝑒𝑙 𝑎𝑔𝑒𝑛𝑡𝑒 𝑖 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑡.
𝑦𝑖𝑡 = 𝑖𝑛𝑔𝑟𝑒𝑠𝑜 𝑛𝑜 𝑙𝑎𝑏𝑜𝑟𝑎𝑙.
𝑇 = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑡𝑜𝑡𝑎𝑙.
𝐿𝑖𝑡 = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒𝑑𝑖𝑐𝑎𝑑𝑜 𝑎𝑙 𝑜𝑐𝑖𝑜.
𝐻𝑖𝑡 = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒𝑑𝑖𝑐𝑎𝑑𝑜 𝑎𝑙 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 (< 𝑇).
𝑤𝑖𝑡 ∗ = 𝑆𝑎𝑙𝑎𝑟𝑖𝑜 𝑑𝑒 𝑟𝑒𝑠𝑒𝑟𝑣𝑎.
El agente tiene el siguiente programa de maximización:
𝑀𝑎𝑥 𝑈(𝐶𝑖𝑡 , 𝐿𝑖𝑡 )
𝑠. 𝑎. 𝐶𝑖𝑡 + 𝑤𝑖𝑡 𝐿𝑖𝑡 = 𝑦𝑖𝑡 + 𝑤𝑖𝑡 𝑇 𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑒𝑠𝑢𝑝𝑢𝑒𝑠𝑡𝑜
𝐿𝑖𝑡 ≤ 𝑇 Restricción de ocio
Cuya solución conocida (suponiendo una tasa de descuento intertemporal nula) es:
Agente participa si (𝑃𝑖𝑡 = 1) 𝑠𝑖 𝑤𝑖𝑡 > 𝑤𝑖𝑡 ∗ 𝑦 𝑑𝑒𝑑𝑖𝑐𝑎 𝐻𝑖𝑡 = 𝑇 − 𝐿𝑖𝑡 ∗
Agente no participa si (𝑃𝑖𝑡 = 0) 𝑠𝑖 𝑤𝑖𝑡 ≤ 𝑤𝑖𝑡 ∗ 𝑦 𝑑𝑒𝑑𝑖𝑐𝑎 𝐻𝑖𝑡 = 0
30
La observación de 𝒘𝒊𝒕 obligan a trabajar con modelos deforma reducida tanto en
el problema de la participación como en el de la hora, para el caso de la tasa de ingreso la
ecuación de Mincer es una forma reducida:
Sea:
𝐸𝑖𝑡 = 𝐴ñ𝑜𝑠 𝑑𝑒 𝑒𝑠𝑐𝑜𝑙𝑎𝑟𝑖𝑑𝑎𝑑
𝐸𝑋𝑖𝑡 = 𝐴ñ𝑜𝑠 𝑑𝑒 𝑒𝑥𝑝𝑒𝑟𝑖𝑒𝑛𝑐𝑖𝑎
𝑈𝑖𝑡 = 𝑃𝑒𝑟𝑡𝑢𝑟𝑏𝑎𝑐𝑖ó𝑛 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑎
𝑊𝑀𝑡 = 𝑇𝑎𝑠𝑎 𝑑𝑒 𝑠𝑎𝑙𝑎𝑟𝑖𝑜 𝑚í𝑛𝑖𝑚𝑜 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑡
La ecuación de Mincer es la Transformación logarítmica de la siguiente ecuación
exponencial:
2
𝑤𝑖𝑡 = 𝑊𝑀𝑡 𝑒 𝛽𝑡 𝐸𝑖𝑡 +𝑦𝑡 𝐸𝑋𝑖𝑡 +𝛿𝑡𝐸𝑋𝑖𝑡 𝑒 𝑈𝑖𝑡
2.2.4. Teoría Minceriana
Wooldridge (2013) y Sánchez & Maciel (2011) la estimación de la Ecuación de
Mincer para los casos estudiados se realizó con base en el Modelo de Regresión Lineal
Múltiple (RLM), que permite, bajo ciertos supuestos, obtener una relación entre variables
endógenas y varias variables exógenas. En general el modelo de RLM tiene las siguientes
especificaciones genéricas:
𝑦 = 𝛽0 + 𝛽1 ∗ 𝑋1 + 𝛽2 ∗ 𝑋2 + ⋯ + 𝛽𝑛 ∗ 𝑋𝑛 + 𝜇 … (1)
Donde “y” es la variable a ser explicada por las “X1, X2..., Xn” variables de
control, “µ” es el término de error o perturbación18, los “βi” son denominados
coeficientes de regresión poblacionales, siendo “β0” el término constante y el resto de los
“βi” los parámetros de pendiente.
Es importante el tema de la rentabilidad de la educación para las economías de
varios países. La mayoría de las teorías existentes coinciden en que la educación es una
31
inversión que incrementa la probabilidad de que una persona tenga mayores ingresos
(Freire & Teijeiro, 2010). Conocer las características que determinan el retorno del
ingreso, puede darse como resultado de invertir en capital humano (Educación formal,
Experiencia laboral). La ecuación de Mincer son estimados los coeficientes de un modelo
semilogarítmico, usando como variable dependiente el logaritmo de los ingresos y como
variables dependientes se encuentran los años de educación, la experiencia laboral y el
cuadrado de ésta, (Ecuación 1). Apoyándonos con la teoría de (Bour, 2013), corrigiendo
el sesgo de selección con el método de máxima verosimilitud de Heckman en dos etapas,
para lo cual se plantea lo siguiente:
𝐿𝑛(𝑌) = 𝛽𝑜 + 𝛽1 𝑆 + 𝛽2 𝐸𝑥𝑝 + 𝛽3 𝐸𝑥𝑝2 + 𝜀 … (2)
En donde Y son los ingresos del individuo; S es el número de años de educación
formal y Exp son los años de experiencia laboral; 𝜺es un término de perturbación aleatoria
que se distribuye según una Normal (𝒐, 𝝈𝟐𝜺 )
Las hipótesis simplificadoras de este modelo son esencialmente que:
a) Los costos de invertir en la educación son costos de oportunidad (ingresos
que dejan de percibirse);
b) El tiempo que una persona permanece en el mercado laboral es independiente
del nivel de estudios alcanzado, y se supone que su permanencia en el mismo
es continua;
c) Las personas comienzan a trabajar después de terminar sus estudios.
2.2.4.1. Medición de la Educación
Las encuestas de hogares, una fuente común de datos para estas variables, sólo se
consiguen mediciones de la cantidad de tiempo que el individuo pasó dentro del sistema
educativo (S). También puede haber información sobre años de educación formal o
información sobre completitud o no de los distintos niveles educativos.
32
2.2.4.2. Medición de la Experiencia y Experiencia al cuadrado de la ecuación de
MINCER
El coeficiente β2 que acompaña a la variable experiencia en la ecuación del
ingreso se interpreta como el rendimiento económico de un año adicional de experiencia
laboral. Idealmente, la experiencia laboral debería medir la contribución al capital
humano que proviene de aprender a hacer un trabajo por la simple práctica o por la
capacitación recibida en el lugar de trabajo (on-the-job training). Por lo que también es
difícil de definir y por eso se utiliza como referencia el tiempo o la antigüedad en el
empleo.
El término ε es un término de perturbación aleatoria y nos muestra todas aquellas
variables no observables que no se encuentran explícitamente incluidas en la ecuación y
que afecta el ingreso del individuo. En el estudio de los retornos a la educación puede
existir el riesgo de que este término aleatorio se asocie con alguna variable explicativa.
Esto significa que, en este caso precisamente, que tanto los años de educación (variable
exógena) como los ingresos (variable endógena) dependen de la capacidad del individuo
(contenida en el término de perturbación). Esto puede deberse al problema de
endogeneidad.
El efecto que se espera que tenga la experiencia al cuadrado conforme a Becker
(1964) con respecto a los ingresos, es decreciente conforme aumenta la experiencia, se
espera que el ingreso crezca a tasas decrecientes a medida que aumenta la cantidad de
años de experiencia laboral, cuando alcance un máximo, el ingreso empieza a disminuir
(Mora & Suarez, 2017).
33
2.2.4.3. La función de ingresos
Mincer postuló el paralelismo de los perfiles del logaritmo del ingreso con
respecto a los diferentes niveles de educación; Asumiendo que se pueda cumplir las
hipótesis bajo las que aparece la función de Mincer, el valor del coeficiente de años de
educación formal se interpreta como la tasa media de rendimiento de un año adicional de
estudio que posee el trabajador. Conviene apreciar que esta especificación implica la
relación cuantitativa ∂Y/Y= β1. En otras palabras, cada año adicional de escolaridad
implica una tasa de rendimiento igual al coeficiente β1. Por otro lado, y considerando la
teoría de los perfiles de edad-ingresos (conforme aumenta la experiencia, los ingresos
individuales aumentan, pero cada año de experiencia tiene un efecto sobre los ingresos
menor que el anterior), se espera que, al ser la función cóncava con relación a la
experiencia, el estimador de β2 sea positivo y el de β3 sea negativo.
2.2.5. Ecuación de Mincer Ampliada
Esta especificación funcional, en la presente investigación, se basará en el trabajo
planteado por (Mora & Suarez, 2017) contiene una adaptación del enfoque utilizado por
Mincer (1974), donde conforme a la Teoría del Capital Humano e Hipótesis Alternativas,
se trata de comprender las distribuciones y estructura de ingresos de los trabajadores, en
base a la información referida a la distribución acumulada de inversión en capital humano.
En general, un conjunto de variables que muestran el nivel de capital humano
acumulado en relación con la educación general y específica (nivel de educación), se
puede utilizar para estimar los ingresos mediante la regresión de mínimos cuadrados
ordinarios.
Sin embargo, además de los diferenciales salariales atribuidos a las diferentes
características del capital humano, la literatura ha encontrado que los niveles salariales se
34
ven afectados por otras variables de control que pueden incluirse en la Ecuación de
Mincer para mejorar su poder explicativo. Estas variables están relacionadas con las
características personales de los trabajadores, el sector económico en el que laboran y el
nivel educativo.
2.2.6. Niveles educativos:
Se han desarrollado otras visiones para complementar, u oponerse a la visión del
capital humano al racionalizar la correlación existente entre ingreso y los niveles de
educación. Argumentan que los mercados laborales funcionan de manera diferente a lo
que sugieren los enfoques neoclásico más tradicionales, lo que ayuda a comprender el
porqué de los retornos a la educación en ciertas situaciones son particularmente bajos
(países y/o momentos) (Beccaria & Groisman, 2005).
2.2.7. Sectores económicos:
En nuestro país, el Instituto Nacional de Estadística e Informática (INEI) es la
entidad que se encarga de calcular el PBI, por el lado de la producción de la economía y
del lado del gasto.
Sectores económicos: existen diferentes sectores de la actividad económica de una
nación.
2.2.7.1. Sector primario o extractivo:
Este sector está conformado por las actividades económicas que están
relacionadas con la extracción de recursos naturales y su transformación de productos
primarios; es decir, productos que se utilizan como materia prima en otros procesos
productivos. Ejemplos incluyen la agricultura, ganadería , extracción de recursos
forestales y pesca (Atucha & Lacazo, 2012).
Dentro de ellos estaría:
35
- Agricultura: Cultivo de la tierra para la siembra de vegetales y cultivos varios.
- Ganadería: Con fines de producción y reproducción animal.
- Pesca: Diversas especies en ríos, lagos y océanos.
- Silvicultura: Diversas actividades relacionadas con el cultivo y conservación de
los bosques y montañas.
- Minería: Actividades relacionadas con la explotación de los recursos minerales
de la tierra.
2.2.7.2. Sector secundario o de trasformación:
Este sector se ocupa de la artesanía y manufacturera. Mediante esta actividad, los
productos que se encuentran en el sector primario pasan a ser transformados a nuevos
productos con valor agregado. También se aplica a los productos, bienes de consumo e
industrias que prestan servicios a la sociedad. Maquinaria, producción de cartón y papel,
materias primas artificiales, distribución de agua, construcciones entre otros son ejemplos
del sector secundario (Atucha & Lacazo, 2012).
Dentro de ellos se puede encontrar:
- De base: Sus productos en este sector es la materia prima para otras industrias,
especialmente la siderúrgica, químicas y extractivas.
- De bienes de consumo: Aquí se usan la materia prima en las industrias de base y
para fabricar productos para el consumo. Entre ellos se encuentran la metalúrgica,
textil y alimentarias.
- Transportes: que además de servicio se considera actividad industrial.
2.2.7.3. Sector terciario o de servicios:
Finalmente, este sector tiene como objetivo servir a la sociedad y las empresas.
En este sector identificamos desde el comercio más pequeño hasta las más altas finanzas.
36
En este sentido, en este sector se logra proporcionar a la población de los productos y
bienes creados en las dos fases anteriores. En los ejemplos se encuentra el comercio
minorista y mayorista, banca, cultura, asistencia de salud y educación, etc (Atucha &
Lacazo, 2012).
Se puede encontrar:
- Comercio. – Mayorista y minorista, restaurantes, hoteles y centros de reparación.
- Transporte. - Almacenamiento y comunicación.
- Servicios financieros. – Los bancos, bienes inmuebles, seguros y servicios a las
empresas.
- Servicios sociales. – Aquí podemos encontrar los servicios personales y
comunales, donde destacan los servicios domésticos y personales, la sanidad y los
servicios sociales, la cultura el ocio, la administración pública, la defensa y las
entidades privadas no lucrativas.
2.3. MARCO CONCEPTUAL
Ingreso: Los ingresos o remuneración (también conocidos como sueldos, salarios
o remuneración) son cantidades de dinero que un empleado recibe periódicamente de un
empleador durante un periodo de tiempo o por realizar una tarea específica o poder
producir un determinado producto. El pago podría ser, diarios, semanales o mensuales,
respecto a este último caso se denomina jornal, del término jornada.
Capital humano: Esta es considerada como un factor de desarrollo y crecimiento
económico, su formación está influenciada por diferentes factores, los considerados más
importantes es la formación profesional y educación, mediante estos se descubren y
desarrollan habilidades, talentos, destrezas y habilidades de los individuos. Esto prevalece
37
entre los teóricos que estudian a la educación desde una perspectiva económica.
(Villalobos & Pedroza, 2009).
Sector económico: Es la división de las actividades económicas de un Estado o
territorio en los sectores primario, secundario, terciario y cuaternario.
2.4. HIPÓTESIS DE LA INVESTIGACIÓN
En base a los problemas planteados tenemos las siguientes hipótesis:
Hipótesis general
Los determinantes socioeconómicos del ingreso laboral en la región de Puno,
periodo 2015-2019 son explicados por las variables de educación, experiencia laboral,
nivel educativo, el sector económico y el género del individuo.
Hipótesis Específicos
- La variable de ingreso laboral aumenta cuando aumenten los años en educación y
la experiencia laboral, las cuales influyen de manera positiva. La experiencia
laboral al cuadrado afecta de manera negativa al ingreso.
- En nivel educativo influye de manera positiva en el ingreso laboral, cuando esta
se encuentra en un nivel más alto y el género femenino es el que influye de manera
negativa en el ingreso laboral.
- Los sectores económicos secundarios y terciarios donde se encuentran
manufactura, servicios y comercio son los que influyen de manera positiva en el
ingreso laboral en la región de Puno, periodo 2015-2019.
38
CAPÍTULO III
MATERIALES Y MÉTODOS
3.1. MÉTODO DE INVESTIGACIÓN
El método de investigación se planteada según (Fernández & Baptista, 2014) de
la siguiente manera:
Diseño no experimental: Un estudio realizado sin manipular deliberada de
variables. Son estudios que no hemos alterado en forma intencional las variables
independientes para poder ver su efecto sobre otras variables, se da en su contexto natural.
Transversal: Recopilan datos en un solo punto en el tiempo. Su propósito de este
método transversal es describir variables y así poder analizar su ocurrencia e interrelación
en un tiempo determinado. Es como “capturar una imagen” de algo que sucede.
Descriptivo: El propósito de este método es estudiar la ocurrencia de las
modalidades o niveles de una o más variables en una población. El procedimiento consiste
en ubicar en una o diversas variables a un grupo de personas u otros seres vivos, objetos,
contextos, situaciones, comunidades, fenómenos, etc., y proporcionar su descripción.
Como tal, son solo estudios descriptivos, y al formar hipótesis, éstos estudios también son
descriptivos.
Correlacional: En estos diseños podemos observar que describen relaciones entre
dos o más conceptos, categorías o variables en un momento dado.
3.1.1. Diseño de investigación
El tipo de estudio se utilizara de acuerdo a lo planteado por (Fernández & Baptista,
2014), que utilizara un diseño no experimental ya que se encuentra más cerca de las
variables formuladas hipotéticamente como “reales” y, en consecuencia, se tiene mayor
39
validez externa. El cual se puede usar el método por longitudinal o transversal, para este
caso será de corte transversal puesto que los datos se presentan en un determinado
momento y los cuales no se manipulan. La investigación tendrá a su vez respuesta de
manera descriptiva y correlacional, siendo estas de ayuda para dar una respuesta a los
objetivos que sea planteado
en el estudio de investigación.
Descriptivos
Exploratorios
Transeccionales
Correlacionales - causales
Diseños no
experimentales
Panel
Longitudinales De tendencia
De análisis evolutivo de grupo
Figura 2. Esquema del tipo de investigación.

Fuente: (Fernández & Baptista, 2014)
3.1.2. Población y muestra de la investigación
3.1.2.1. Datos
El presente estudio usará datos de corte transversal obteniéndose mediante la base
de datos de la Encuesta Nacional de Hogares para el periodo de años que comprende del
2015 al 2019, dichos datos se establecen de manera anual para cada periodo. Se
seleccionará a todos los individuos que se encuentren en la Población económicamente
Activa, las cuales también deberán de encontrarse dentro del grupo de la Población en
Edad de laborar, la cual considera a mayores de 14 años y que están deberán registrar un
ingreso mínimamente en el último mes.
Para cada año se usarán tres Módulos, las cuales son:
40
- Módulo 200: Características de los miembros de hogar
Donde se obtendrá la información sobre Género y Estado Civil
- Módulo 300: Educación
Donde se obtendrá la información sobre su nivel educativo y experiencia laboral
- Módulo 500: Empleo e ingresos.
3.1.2.2. Población
La población que se estudia se define como el conjunto de la totalidad de viviendas
particulares y sus ocupantes habituales en las rurales y zonas urbanas del país. Al no ser
parte de la población al cual estamos estudiando, se excluye a los integrantes de las
fuerzas armadas que habitan en barcos, campamentos, cuarteles y otros lugares. De igual
forma quedan excluidas las personas que habitan en viviendas colectivas (hospitales,
cárceles, asilos, hoteles, y claustros religiosos, etc.) (ENAHO, 2017).
La población censada para este periodo, 2015 -2019; en el Región de Puno
comprende de 21,954 individuos (ENAHO 2015 - 2017).
3.1.2.3. Muestra
La base de datos del presente estudio de investigación se compone principalmente
por la Población Económicamente Activa para el periodo 2015 – 2019 del departamento
de Puno, en los modelos a emplear se usará a todos aquellos individuos que registran un
ingreso al menos en el último mes. Se obtendrá la información sobre si la persona se
encuentra o no trabajando, en el periodo de corte transversal definido para la presente
investigación y el ingreso que este individuo percibe. Cabe resaltar que el el ingreso será
por cada individuo, mas no será familiar.
41
La base de datos a utilizar para esta presente investigación se tomará una muestra
no probabilística discrecional, es decir, que buscaremos con el paquete estadístico
STATA 14.1 solo a las personas que están en la PEA, y que registran ingresos al menos
el en último mes según el censo. Para dicho caso el paquete estadístico en una primera
búsqueda encontró a 3,510 individuos que presentan las condiciones señaladas
anteriormente, cifra con la que se trabajara en adelante para mostrar los resultados
estadísticos y econométricos.
3.1.3. Técnicas y procesamiento de los datos
Para poder obtener la base de datos a trabajar, procedemos a realizar una
extracción de variables de cada módulo a emplear para cada año de estudio, al final solo
se tendrá una base de datos con las variables de estudio, para el cual se usará el paquete
estadístico STATA 14.1.
Para correr los modelos econométricos se hará uso del software STATA 14.1, para
lo cual se usará la Metodología de Mínimos Cuadrados Ordinarios y Heckman, eligiendo
el mejor modelo para dar respuestas a los objetivos planteados.
3.1.4. Metodología por objetivos
Se eligió las mejores regresiones, siguiendo los criterios económicos y econométricos.
Que los coeficientes de las variables tengan los signos esperados, es decir, que los signos
de los coeficientes estimados para las variables explicativas reflejan una relación lógica
con la variable dependiente. Que los coeficientes de las variables independientes sean
significativos a un cierto nivel aceptable de confiabilidad y que el estadístico Wald 𝑐ℎ𝑖2
del modelo sea grande.
42
Estadísticos de evaluación
lambda- inversa de ratio de
λ λ≠0 Lambda diferente de cero y
Mills Estadisticamente significativa
ρ rho-sesgo de selección ρ=0 No hay sesgo de selección
Objetivos específicos:
3.1.4.1. Primer objetivo:
Para esta ecuación se hará uso de la ecuación tradicional de Mincer, la técnica que
se utiliza es el modelo heckman y el MCO. Para lo cual se tiene:
l n(𝑌) = 𝛽0 + 𝛽1 𝐸𝑑𝑢𝑐 + 𝛽2 𝐸𝑥𝑝 + 𝛽3 𝐸𝑥𝑝2 + 𝜇 (𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 3)
Donde:
Ln (Y) : Logaritmo natural del ingreso
Educ : Años de educación del individuo
Exp : Años de experiencia laboral del individuo
Exp2 : Años de experiencia laboral al cuadrado del individuo
3.1.4.2. Segundo objetivo:
Se realizará un análisis econométrico, en base a la Ecuación tradicional de Mincer,
la técnica que se utiliza es el modelo heckman y el MCO, donde se agregará la variable
de nivel educativo, para lo cual se tienen lo siguiente:
l n(𝑌) = 𝛽0 + 𝛽1 𝐸𝑑𝑢𝑐 + 𝛽2 𝐸𝑥𝑝 + 𝛽3 𝐸𝑥𝑝2 + 𝛽4 𝑝𝑟𝑖𝑚 + 𝛽5 𝑠𝑒𝑐𝑢𝑛 + 𝛽6 𝑠𝑢𝑝𝑛𝑜𝑢𝑛𝑖
+ 𝛽7 𝑠𝑢𝑝𝑢𝑛𝑖𝑣 + 𝛽5 𝑝𝑜𝑠𝑡𝑔𝑟 + 𝛽5 𝑔𝑒𝑛 + 𝜇 (𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 4)
Donde:
Ln(Y) : Logaritmo natural del ingreso
43
Educ : Años de educación de la persona
Exp : Años de experiencia laboral de la persona
Exp2 : Años de experiencia laboral al cuadrado de la persona
Prim : Si la persona tiene nivel de instrucción primaria
Secun : Si la persona tiene nivel de instrucción secundario
Supnouni: Si la persona tiene nivel de instrucción superior no universitaria
Supuni : Si la persona tiene nivel de instrucción superior universitaria
Postgr : Si la persona tiene nivel de instrucción post grado o maestría
Gen : Si la persona es mujer o varón
3.1.4.3. Tercer objetivo:
Se basará en las otras variables explicativas como son la edad, estado civil,
educación, género y por tipo de sector educación.
l n(𝑌) = 𝛽0 + 𝛽1 𝐸𝑑𝑢𝑐 + 𝛽2 𝐸𝑥𝑝1 + 𝛽3 𝐸𝑥𝑝2 + 𝛽4 𝑆𝑒𝑐𝑝𝑟𝑖 + 𝜇 (𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 5)
l n(𝑌) = 𝛽0 + 𝛽1 𝐸𝑑𝑢𝑐 + 𝛽2 𝐸𝑥𝑝1 + 𝛽3 𝐸𝑥𝑝2 + 𝛽4 𝑆𝑒𝑐𝑠𝑒𝑐 + 𝜇 (𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 6)
l n(𝑌) = 𝛽0 + 𝛽1 𝐸𝑑𝑢𝑐 + 𝛽2 𝐸𝑥𝑝1 + 𝛽3 𝐸𝑥𝑝2 + 𝛽4 𝑆𝑒𝑐𝑡𝑒𝑟 + 𝜇 (𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 7)
Donde:
Ln (Y) : Logaritmo natural del ingreso
Educ : Años de educación de la persona
Exp1 : Años de experiencia laboral
Exp2 : Años de experiencia laboral al cuadrado
44
Secpri : Si la persona pertenece al sector económico primario
Secsec : Si la persona pertenece al sector económico secundario
Secter : Si la persona pertenece al sector económico terciario
Criterios de evaluación:
En los modelos lineales se usa las pruebas t, F y chi cuadrado, para probar una
hipótesis. Se tiene también conocidas las pruebas de verosimilitud y de wald que permite
lograr el propósito (Quea, 2016).
Para esta investigación que se va usar el método de Heckman, para lo cual veremos
los estadísticos la inversa de Mills (Lambda λ) y rho (𝜌) que si son negativos será
indicativo de presencia de sesgo de selección y la correlación entre los no observables
será negativa.
45
CAPÍTULO IV
RESULTADOS Y DISCUSIÓN
4.1. RESULTADOS
4.1.1. Análisis descriptivo de las variables explicativas
En este punto se presentará los resultados estadísticos de las variables de estudios
que determinan los ingresos laborales de la población de la Región de Puno, periodo
2015-2019, de acuerdo a la Encuesta Nacional de Hogares – ENAHO, las cuales podrán
caracterizar y brindar respuestas a las preguntas planteadas.
Tabla 2. Rango de ingresos laborales en la región de Puno, 2015-2019
Ingreso laboral1 Frecuencia Porcentaje Porc. Acum

Menor a S/. 1000 2,331 66.41 66.41
Entre S/. 1000 a S/. 2500 933 26.58 92.99
Entre S/. 2500 a S/. 4000 191 5.44 98.43
Entre S/. 4000 a S/. 6000 46 1.31 99.74
Mayores a S/. 6000 9 0.26 100.00
Total 3,510 100.00
Fuente: Elaboración propia - ENAHO
Los ingresos laborales en la región de Puno, en el periodo 2015-2019, el cual
registran un ingreso mensual en el último mes, se encuentra por debajo de S/. 1000, como
se visualiza en la Tabla 2 que está representada por un 66.41% de la población, en esta
muestra podemos observar que los ingresos son muy bajos, solo un 26.58% gana en un
rango de S/. 1000 a S/. 2500, un 5.44% gana entre S/. 2500 a S/. 4000, un 1.31% gana
entre S/. 4000 a S/. 6000 y un 0.26% gana más de S/. 6000.
1
El ingreso laboral está dado por aquella remuneración económica que un
individuo tiene o tuvo a cambio de un trabajo físico y/o servicio elaborado. Cabe señalar
también que este ingreso es por persona y no familiar.
46
Tabla 3. Nivel Educativo alcanzado en la región de Puno, 2015-2019
Nivel de Educativo alcanzado Frecuencia Porcentaje Porc. Acum

Sin nivel 56 1.60 1.60
Educación inicial 1 0.03 1.62
Primaria incompleta 193 5.50 7.12
Primaria completa 251 7.15 14.27
Secundaria incompleta 437 12.45 26.72
Secundaria completa 1029 29.32 56.04
Superior no universitaria 134 3.82 59.86
incompleta
Superior no universitaria completa 373 10.63 70.48
Superior universitaria incompleta 313 8.92 79.40
Superior universitaria completa 453 12.91 92.31
Maestría/doctorado 270 7.69 100.00
Total 3,510 100.00
En la Tabla 3, podemos visualizar como es el nivel de educación de la población
con ingresos registrados; el 29.32% concentra la mayor parte de la población que cuenta
con un nivel educativo de secundaria completa, seguido tenemos el 12.91% de población
con un nivel de educación superior universitaria completa y con este mismo porcentaje
otra parte de la población tenemos a los que tienen secundaria incompleta, estas cifras
que no son alentadoras nos señala que solo un sector mínimo tiene estudios superiores,
un 10.63% tiene una carrera técnica y solo un 7.69% cuenta con estudios de postgrado o
maestría.
Tabla 4: Genero en la región de Puno, 2015-2019
Genero Frecuencia Porcentaje Porc. Acum

Hombre 2274 64.79 64.79
Mujer 1236 35.21 100.00
Total 3510 100
La participación laboral en cuanto a la mujer y el hombre (Tabla 4) en el mercado
laboral que registren ingresos mensuales es un dato curioso para el presente estudio ya
que podemos observar que solo el 35.21% de población son mujeres y el 64.79% son
47
hombres, tales datos no son ajenos a diversos estudios que muestras resultados similares,
donde la mujer representa una menor proporción que el hombre participa en el mercado
laboral debido a diversos factores que es otro tema de estudio.
Tabla 5: Estado civil en la región de Puno, 2015-2019
Estado civil Frecuencia Porcentaje Porc. Acum

Tiene compromiso 2123 60.48 60.48
Soltero 1387 39.52 100.00
Total 3510 100
En cuanto al género (vea Tabla 5), la población de estudio se compone con un
60.48% de persona con algún compromiso, es decir que presentan carga familiar y tienen
más carga o presión a la hora de encontrar un empleo puesto que muchos de ellos tienen
que mantener un hogar y un 39.52% que son personas solteras sin ningún tipo de
compromisos o carga familiar.
Tabla 6: Sectores económicos en la región de Puno, 2015-2019
Sector Frecuencia Porcentaje Porc. Acum

Primario 530 15.10 15.10
Secundario 1037 29.54 44.64
Terciario 1917 54.62 99.26
Otros 26 0.74 100
Total 3510 100.00
La población de estudio según el tipo de trabajo que tengan se ha podido distinguir
en los 3 sectores económicos principales, como es el sector primario que está representado
por un 15.10% en la región de Puno, en el sector secundario contamos con un 29.54% de
población que pertenece a este sector y un 54.62% que se encuentra en el sector terciario.
(Vea Tabla 6)
48
Tabla 7: Relación estadística entre el ingreso y sectores económicos
Ingreso Primario Secundario Terciario

Menor a S/. 1000 506 833 990
Entre S/. 1000 a S/. 2500 24 178 725
Entre S/. 2500 a S/. 4000 0 22 152
Entre S/. 4000 a S/. 6000 0 4 41
Mayores a S/. 6000 0 0 9
Total 530 1,037 1,917
Podemos observar que la mayor parte de la población se encuentra en el sector
terciario con un total de 1,917 personas (ver Tabla 7) seguido del sector secundario con
1,037 personas, por último tenemos al sector primario con 530 personas, en el sector
terciario en el primer rango están 990 personas, en el segundo 725 y el tercer rango 152,
lo cual indica que la mayor parte de la población ganan mejor estando en el sector
terciario, seguido del sector secundario con 833 personas en el primer rango y 178 en el
segundo, para el sector primario 506 personas están en el primer rango siendo esta la
población memos pagada.
Tabla 8: Relación estadística entre ingresos y género
Ingreso Hombre Mujer Total

Menor a S/. 1000 1,481 850 2,331
Entre S/. 1000 a S/. 2500 622 311 933
Entre S/. 2500 a S/. 4000 129 62 191
Entre S/. 4000 a S/. 6000 34 12 46
Mayores a S/. 6000 8 1 9
Total 2,274 1,236 3,510
Frente al nivel de ingreso, en la Tabla 8 podemos notar que los hombres están
mejor remunerados respecto a las mujeres. En el primer rango están 1,481 hombres y 850
mujeres, en segundo rango salarial están 622 hombres y 311 mujeres y en tercer rango se
ubican a 129 hombres y 62 mujeres.
49
4.1.2. Resultados por objetivos mediante el análisis econométrico de las variables
de estudio.
4.1.2.1. Resultado de la regresión de ingresos salariales por el método heckman,
según ecuación tradicional de Mincer.
En la Tabla 9 se muestran resultados para el primer objetivo, mediante la
metodología de heckman en dos etapas, donde el estadístico de lambda- inversa de ratio
de Mills es diferente de 1 por lo que presenta sesgo de selección y que fue correcto tomar
este modelo.
Tabla 9: Análisis del Ingreso laboral con respecto a su nivel educativo y años de
experiencia laboral.
Ingreso laboral Ecuación tradicional de

Variables Mincer Coeficiente Z
1. Variable Dependiente Lynth (Logaritmo natural del ingreso)
educ Años de educación 0.3616*** 9.78
exp1 Años de experiencia laboral 0.0486*** 5.57
exp2 Años de experiencia laboral al cuadrado -0.00027 -0.84
constante 2.9543*** 7.05
2. Probabilidad de participar en el mercado laboral
exp1 Años de experiencia laboral -0.0218* -2.42
exp2 Años de experiencia laboral al cuadrado 0.0014*** 4.5
constante -0.5151*** -8.37
Estadísticos de influencia
λ lambda- inversa de ratio de Mills 1.3007 2.31
ρ rho-sesgo de selección 0.7876
σ sigma- lambda x rho 1.3086
Wald chi cuadrado- test Wald 251.62
Wald probabilidades chi cuadrado 0.0000
Nº de obs Numero de observaciones 4,630
Numero de observaciones censuradas 1,120
Numero de observaciones no censuradas 3,510
Nota: los estadístico z significan: * p<0.05; **p<0.01; ***p<0.001
Fuente: Elaboración propia
50
La primera etapa nos muestra a las variables que explican los ingresos en una
ecuación tradicional de Mincer, para lo cual se obtuvo que los años de educación influyen
de manera positiva, un aumento de un año adicional de educación logra incrementar en
36% al ingreso, por un aumento en un año más de experiencia, el ingreso se aumenta en
un 4.8%, ambas variables con un nivel de confianza al 99% y la experiencia al cuadrado
decae o disminuye en 0.02% por cada año adicional y es la única variable no significativa
para el modelo. El cual también se observa en el Anexo N° 2 en los puntos B y C,
resultados obtenidos de la regresión realizado en el STATA 14.1.
En la segunda etapa tenemos la probabilidad de participar en el mercado laboral y
para lo cual se tiene que los años en educación ante el incremento de un año adicional, la
probabilidad crece en 19.8% con un nivel de confianza al 99%. Los años de experiencia
influyen de manera negativa a la probabilidad de pertenecer al mercado laboral, éste baja
en 2.18% con el pasar de los años, el cual se debe a que las personas con poca experiencia
laboral no logran conseguir trabajos, con una significancia al 95%. Por el contrario, la
experiencia al cuadrado si influye de manera positiva y el incremento de un año aumenta
la probabilidad en 0.14%, es significativa al 99%. El cual también se observa en el Anexo
N° 2 en los puntos B y C, resultados obtenidos de la regresión realizado en el STATA
14.1.
Como se observó en esta segunda etapa la experiencia al cuadrado debería tener
un comportamiento cóncavo que a más años de experiencia debería decaer, en este
modelo la experiencia 1, los pocos años que uno tiene influye de manera negativa los cual
sería una explicación de la realidad que pasa hoy en día, puesto que muchos egresados no
logran conseguir un puesto de trabajo debido a esta falta, en cambio la experiencia al
cuadrado, que indica que a más años de experiencia este influye de manera positiva, lo
51
cual vendría a ser una explicación también lógica puesto que a medida que uno acumula
experiencia laboral tienen mejores oportunidades laborales y salariales.
En cuanto a la experiencia laboral al cuadrado, en la ecuación tradicional de
Mincer debería de resultar ser negativa su influencia en los ingresos, ya que al llegar a su
punto óptimo esta empieza a decaer es así que varios de los autores a los que se está
citando para esta investigación lo obtuvieron a excepción de (Castillo, Da Silva & Perez
(2017)) que manejan resultados positivos e indica que las experiencias al cuadrado tienen
retornos económicos muy altos.
En la Tabla 10 se muestran resultados para el segundo objetivo, podemos ver la
regresión de una ecuación Mincer Ampliada, agregando el nivel educativo y el género.
Se puede observar que las variables de la primera etapa son muy pocas que explican los
ingresos de la persona. En la segunda etapa vemos que todas las variables que explican la
probabilidad de pertenecer al mercado laboral todos tienen un nivel de confianza al 99%
a excepción de los años de educación que tiene un nivel de confianza al 90%
Tabla 10: Análisis del Ingreso laboral con respecto a su nivel educativo y género
Variables Ingreso laboral según educación y género Coeficiente Z

exp2 Años de experiencia laboral al cuadrado -0.0011* -2.35
supunco Años de educación Superior universitario completo 0.6408** 3.25
maesdoc Años de educación Maestria, doctorado 0.7631** 3.07
genero Genero (0=hombre, 1=mujer) 0.1209** 0.85
constante 6.4336*** 12.19
2. Probabilidad de participar en el mercado laboral según nivel educativo
exp1 Años de experiencia laboral -0.0272** -2.85
pric Años de educación primaria completa 0.5457*** 6.47
secuc Años de educación Secundaria completa 0.5517*** 10.34
Años de educación Superior no universitario
supnoco completo 0.9881*** 8.46
52
supunco Años de educación Superior universitario completo 0.8054*** 6.74
maesdoc Años de educación Maestria, doctorado 1.7854*** 5.21
genero Género (0=hombre, 1=mujer) -0.5455*** -12.14
constante -0.7172 -0.87
λ lambda- inversa de ratio de Mills -2.1701 -3.82
ρ rho-sesgo de selección -1.0000
Nota: los estdístico z significan: * p<0.05; **p<0.01; ***p<0.001
El ingreso es explicado por los años de experiencia que un incremento de este, el
ingreso aumenta en un 5.5%, la experiencia al cuadrado influye de manera negativa en
un 0.11%, para este caso la experiencia tiene un comportamiento cóncavo en el tiempo,
tener el nivel educativo superior universitario completo influye de manera positiva al
incremento del ingreso en un 64% y tener grado de maestría o doctorado influye también
de manera positiva en un 76% al incremento del ingreso. El cual también se observa en
el Anexo N° 3 en los puntos B y C, resultados obtenidos de la regresión realizado en el
STATA 14.1.
La probabilidad de pertenecer al mercado laboral es explicada e influyen de
manera positiva, los años de educación en un 11.2%, los años de experiencia la cuadrado
en un 0.15%, tener primaria completa en un 54.5%, tener secundaria completa en un
55.1%, tener superior no universitario completo en un 98.8%, tener un nivel educativo
superior universitario completo en un 80.5% y tener grado de maestría o doctorado
influye en 178%, como se puede ver tener un nivel educativo más alto influyen de manera
positiva e incrementa su probabilidad. Las variables que influyen de manera negativa son
53
los años de experiencia en un 2.7% y el hecho de ser mujer influye en 54% con respecto
a los hombres. El cual también se observa en el Anexo N° 3 en los puntos B y C,
resultados obtenidos de la regresión realizado en el STATA 14.1.
Tener nivel educativo más alto, nivel superior universitario o maestría influye
positivamente y es aún más alto los retornos económicos (Améstica et al., 2014),
(Sánchez & Maciel, 2011) y (Castellar & Uribe, 1992).
La influencia del género es negativa para el caso de las mujeres, que tienen menos
posibilidades de pertenecer al mercado laboral y también menos posibilidades de mejorar
sus expectativas salariales, el género masculino tiene más oportunidades que el género
femenino en el mercado laboral (Fuentes & Herrera, 2015), (Yamada, 2006), (Arpi &
Arpi, 2016).
En las Tablas 11, 12 y 13 se muestran los resultados para el tercer objetivo, en la
cual podemos observar los siguientes resultados:
Tabla 11: Análisis del ingreso laboral según sector económico primario
Variables Ingreso laboral según sector primario Coeficiente Z

secpri Sector económico primario -3.7973*** -3.92
constante 3.1881*** 6.96
2. Probabilidad de participar en el mercado laboral, según sector primario
exp1 Años de experiencia laboral 0.0267** 2.71
secpri Sector económico primario -1.5077*** -28.65
constante 0.8085*** 9.73
54
En la Tabla 11 vemos la regresión de acuerdo al sector económico primario y otras
variables explicativas, en el primer modelo tenemos las variables que explican los
ingresos y que son todas significativas al 99%, para lo cual tenemos a los años de
educación que influyen de manera positiva en un 28.7%, años de experiencia influye de
manera positiva en un 10% y pertenecer al sector económico primario influye de manera
negativa en los ingresos en un 379%. El cual también se observa en el Anexo N° 4 en los
puntos B y C, resultados obtenidos de la regresión realizado en el STATA 14.1.
Así mismo se tiene las variables que explican la probabilidad de poder participar
en el mercado laboral a un nivel de confianza del 99% a excepción de los años de
experiencia laboral que esta con el 95% de confianza, se puede encontrar que los años de
educación influye de manera positiva, en un aumento de los años de en experiencia
incrementa la probabilidad de poder pertenecer al mercado laboral con un 6.7% y
encontrarse en el sector económico primario influye negativamente en un 150% ante la
probabilidad de poder estar dentro del mercado laboral. El cual también se observa en el
Anexo N° 4 en los puntos B y C, resultados obtenidos de la regresión realizado en el
STATA 14.1.
55
Tabla 12: Análisis del ingreso laboral según el sector secundario
Variables Ingreso laboral según sector secundario Coeficiente Z

exp2 Años de experiencia laboral al cuadrado -0.0012** -3.20
secsec Sector económico secundario -0.5497** -2.92
constante 5.6990*** 13.59
2. Probabilidad de participar en el mercado laboral, según sector secundario
exp2 Años de experiencia laboral al cuadrado 0.0008** 2.67
secsec Sector económico secundario 1.3353*** 18.70
constante -0.8689*** -13.25
λ lambda- inversa de ratio de Mills -1.8515 -4.96
ρ rho-sesgo de selección -1.0000
Nota: los estadístico z significan: * p<0.05; **p<0.01; ***p<0.001
En la siguiente Tabla 12, podemos observar un análisis de la regresión
econométrica según el sector económico secundario y demás variables explicativas. En
el primer modelo se tiene la regresión con respecto a los ingresos y las variables tienen
un nivel de confianza al 99% a excepción de las variables años de experiencia al cuadrado
y el sector económico secundario que tiene un nivel de significancia al 95%, para lo cual
tenemos a los años de educación que influyen de manera positiva en un 13%, los años de
experiencia influye de manera positiva en un 5%, los años de experiencia laboral al
cuadrado influyen de manera negativa en un 0.12 % y pertenecer al sector económico
secundario en la región de Puno influye de manera negativa en un 54.9% frente al
incremento de los ingresos, esto debido a que en la región de Puno no existen muchas
empresas que fabrican algún bien, de las pocas que existen la demanda laboral es mínima
56
en comparación a la oferta laboral que existe en la actualidad. El cual también se observa
en el Anexo N° 5 en los puntos B y C, resultados obtenidos de la regresión realizado en
el STATA 14.1.
Las variables que explican la probabilidad de participar en el mercado laboral a
un nivel de confianza del 99% a excepción de los años de experiencia laboral al cuadrado
que esta con un 95% nivel de confianza. Los años de educación influye de manera
positiva, en un aumento en los años de educación incrementa la probabilidad de
pertenecer al mercado laboral en un 21%, los años de experiencia laboral al cuadrado
influye de manera positiva en un 0.08% y encontrarse en el sector económico primario
influye de manera negativa en un 150% ante la probabilidad de estar en el mercado
laboral. Se observa en el Anexo N° 5 en los puntos B y C, resultados obtenidos de la
regresión realizado en el STATA 14.1.
57
Tabla 13: Análisis del ingreso laboral según el sector terciario
Variables Ingreso laboral según sector terciario Coeficiente Z

exp1 Años de experiencia laboral 0.0398** 2.95
secter Sector económico terciario 0.6984*** 4.29
constante 2.1117*** 3.58
2. Probabilidad de participar en el mercado laboral, según sector terciario
exp1 Años de experiencia laboral -0.0187* -2.05
secter Sector económico terciario 0.5219*** 10.48
constante -0.4337*** -6.87
En la Tabla 13, podemos ver el análisis del sector terciario y otras variables
explicativas, en el primer modelo tenemos las variables que explican los ingresos y que
son significativas a un nivel de confianza del 99% a excepción de los años de experiencia
laboral que esta con un 95% de nivel de confianza. En el primer modelo vemos la
regresión de las variables que explican los ingresos salariales, donde; los años de
educación influye de manera positiva en un 37.5%, los años de experiencia laboral influye
de manera positiva en un 3.9% y pertenecer al sector económico terciario influye de
manera positiva en los ingresos en un 69.8%. El cual también se observa en el Anexo N°
6 en los puntos B y C, resultados obtenidos de la regresión realizado en el STATA 14.1.
58
Para la segunda regresión se tiene la probabilidad de participar en el mercado
laboral de la Región de Puno, para lo cual se tiene que los años de educación influye de
manera positiva en un 15%, los años de experiencia laboral influyen de manera negativa
en un 1.87% en la probabilidad de poder pertenecer al mercado laboral, los años de
experiencia laboral al cuadrado influye de manera positiva en un 0.12% y encontrarse en
el sector económico terciario influye de una manera positiva con un 52% ante la
probabilidad de pertenecer al mercado laboral. El cual también se observa en el Anexo
N° 6 en los puntos B y C, resultados obtenidos de la regresión realizado en el STATA
14.1.
Pertenecer al sector económico secundario resulta positivo en la probabilidad de
pertenecer al mercado de trabajo (Sánchez Vargas & Maciel, 2011), pero en cuanto a la
mejora salarial este influye de manera negativa. Pertenecer al sector económico terciario
mejora los retornos salariales y también la probabilidad de pertenecer al mercado laboral.
Con respecto a actividad económica, también existían diferencias salariales en las ramas
de “Explotación de Canteras y Minas” (MyC), “ Servicios Conexos y Pesca” (P) y “Agua,
Gas y Electricidad” (ELyA). (Sánchez & Maciel, 2011).
4.2. DISCUSIÓN POR OBJETIVOS ESPECIFICOS
Primer objetivo: Los años de educación influyen de manera positiva en los
ingresos en un 36% ante un incremento de un año, la experiencia laboral influye de
manera positiva y el incremento de un año aumenta la probabilidad con un 4.8% y la
experiencia laboral al cuadrado influye de manera negativa en un 2.18%, su
comportamiento es cóncavo, después de que la experiencia llega a su punto óptimo este
empieza a decaer y juega en contra. En su probabilidad de pertenecer al mercado laboral
podemos observar que los años de educación influyen de manera positiva en un 16%, la
experiencia influye de manera negativa en un 0.02%, esto debido a que conseguir un
59
trabajo con pocos años o meses de experiencia dificulta la posibilidad de entrar al
mercado laboral, por el contario la experiencia laboral al cuadrado influye de manera
positiva en un 0.14%
La variable explicativa años de educación influyen de manera positiva en el
incremento de los ingresos, ante el incremento de un año de educación se aumentan los
ingresos y también en la probabilidad de pertenecer al mercado laboral, todos los autores
citados obtuvieron el mismo resultados a excepción de (Loayza & Pérez, 2014), quien
no demuestra la influencia de los años de educación como positiva.
En la ecuación tradicional de Mincer los años de experiencia 1, que son los pocos
años que se acumulan como experiencia laboral hasta llegar a un punto máximo deberían
de influir positivamente, así como los autores (Castillo et al., 2017), (Parodi et al., 2017),
(Salamanca, 2007) y entre otros obtuvieron los mismo resultados, pero en este trabajo de
investigación se obtuvo que los años de experiencia 1, influyen de manera negativa así
como el autor (Loayza & Pérez, 2014) lo obtuvo, esto debido a que en la actualidad la
competitividad laboral creció de manera muy rápida por lo que los pocos años de
experiencia no ayudan a la posibilidad de obtener un trabajo y pertenecer al mercado
laboral.
En cuanto a la experiencia laboral al cuadrado, en la ecuación tradicional de
Mincer debería de resultar ser negativa su influencia en los ingresos, ya que al llegar a su
punto óptimo esta empieza a decaer es así que varios de los autores a los que se está
citando para esta investigación lo obtuvieron a excepción de (Castillo, Da Silva & Perez
(2017)) que manejan resultados positivos e indica que las experiencias al cuadrado tienen
retornos económicos muy altos.
60
Segundo objetivo: El nivel educativo en el ingreso laboral en la región de Puno,
periodo 2015-2019 influye de manera positiva, tener un nivel de superior universitario
completo incrementa en los ingresos un 64%, mientras que tener grado de maestría o post
los ingresos pueden llegar a incrementarse en un 76%. Así mismo la educación puede
influir en la probabilidad de participar en el mercado laboral, para lo que se puede afirmar
que si tiene primaria completa aumenta esta probabilidad en 54%, tener secundaria
completa en un 55%, un nivel superior no universitario completo aumentaría la
posibilidad en un 98%, tener nivel superior universitario completo en un 80% y tener
grado de maestría incrementaría en un 178% la posibilidad de estar en el mercado laboral
y así poder generar mejores ingresos. La otra variable explicativa es el género que este
influye de manera negativa para el género femenino en un 55% en posibilidad de estar
dentro del mercado laboral frente al género masculino.
Tener nivel educativo más alto, nivel superior universitario o maestría influye
positivamente y es aún más alto los retornos económicos (Améstica et al., 2014),
(Sánchez & Maciel, 2011) y (Castellar & Uribe, 1992).
La influencia del género es negativa para el caso de las mujeres, que tienen menos
posibilidades de pertenecer al mercado laboral y también menos posibilidades de mejorar
sus expectativas salariales, el género masculino tiene más oportunidades que el género
femenino en el mercado laboral (Fuentes & Herrera, 2015), (Yamada, 2006), (Arpi &
Arpi, 2016).
Tercer objetivo: En cuanto a la influencia de los sectores económicos en los
ingresos y la probabilidad de encontrarse participando en el mercado laboral, se tiene que
el sector terciario su influencia en los ingresos es positiva y este se llegaría a incrementar
en un 69.8% y su probabilidad de pertenecer al mercado laboral en este sector es de 42%,
61
luego, se tiene al sector secundario que su influencia en los ingresos es negativa y llegaría
a disminuir en un 54.9%, pero su probabilidad de pertenecer al mercado laboral es de
150% lo cual es relativamente alta y en la región de Puno podría estar en el rubro de la
artesanía, producción de hilos por ejemplo, finalmente tenemos al sector primario que su
influencia en los ingresos es negativa y su probabilidad de pertenecer en este sector
también es negativa en un 379% y 150% respectivamente, como se sabe la agricultura y
ganadería es el sector más marginal, los jornales por los que se trabaja son muy bajos y
nadie apuesta por un trabajo en ese sector económico.
Pertenecer al sector económico secundario resulta positivo en la probabilidad de
pertenecer al mercado de trabajo (Sánchez Vargas & Maciel, 2011), pero en cuanto a la
mejora salarial este influye de manera negativa. Pertenecer al sector económico terciario
mejora los retornos salariales y también la probabilidad de pertenecer al mercado laboral
(Sánchez & Maciel, 2011).
62
V. CONCLUSIONES
Los determinantes del ingreso laboral en la región de Puno, periodo 2015-2019,
están explicados mediante las variables; años de educación que posee el individuo, los
años de experiencia laboral que posee el individuo, los años de experiencia laboral al
cuadrado que posee el individuo, nivel educativo del individuo, primaria, secundaria,
superior no universitario, superior universitario y post grado o maestría, así mismo como
las variables de género, edad y estado civil, los sectores económicos primarios,
Secundarios y terciarios.
La educación siempre ha sido un pilar en el desarrollo crecimiento de la persona
en el aspecto profesional, por lo cual los años invertidos en educación están en relación
directa con el incremento de los ingresos de la persona y la probabilidad de poder
participar en el mercado laboral. El papel de la experiencia en el trabajo también cumplen
un rol muy importante en el aspecto laboral de la persona, en la probabilidad de poder
participar en el mercado laboral este va relacionado de manera inversa el cual quiere decir
que si uno tiene pocos años de experiencia laboral no puede insertarse en el mercado de
trabajo, pero; si este se relaciona ante la probabilidad de aumentar los ingresos este influye
de manera positiva y es directamente proporcional al aumento de años de experiencia
laboral y el incremento de los ingresos.
Los niveles educativos resaltan también cifras alentadoras para aquellas personas
que deseen culminar sus estudios superiores o tener un nivel educativo más alto, cuando
uno tiene un nivel más alto como maestría o nivel superior universitario completo los
retornos salariales son también altos, pero si uno solo tiene nivel educativo primario o
secundario los ingresos son menores o bajos. De igual manera en la probabilidad de poder
participar en el mercado laboral el nivel educativo influye de manera positiva, mientras
63
más alto nivel educativo se tenga mejores oportunidades de trabajos se tendrá. La otra
variable explicativa es el género que este influye de manera negativa para el género
femenino en la posibilidad de estar en el mercado laboral con respecto al género
masculino.
Los sectores económicos en la región de Puno, resalta más por su particularidad
el sector primario, que se basa en la ganadería, pesca y agricultura, pero que estos tienen
una remuneración muy por debajo de la canasta básica familiar establecida y su influencia
es negativa. En el sector secundario se encuentran mejores probabilidades de participar
en el mercado laboral, la remuneración es negativa y baja al igual que el primero, el sector
terciario que son los servicios está mejor establecido para un trabajador con un nivel
educativo superior puesto que tiene una relación positiva para incrementar el ingreso
laboral y la probabilidad de pertenecer al mercado de trabajo de la región de Puno.
64
VI. RECOMENDACIONES
Los ingresos laborales en la región de Puno son muy bajos bordeando el ingreso
salarial mínimo, sabemos también que estos ingresos están determinados por la
experiencia laboral y los años de educación, por lo cual se recomienda incentivar y
motivar a los estudiantes del nivel básico regular que culminen sus estudios del nivel
básico y superior, puesto que solo con esa herramienta podrán generar ingresos laborales
altos o por encima de la canasta básica familiar.
Se ha visto que la experiencia laboral juega en contra en la probabilidad de poder
participar en el mercado laboral, por lo tanto se sugiere promover un porcentaje mínimo
de puestos de trabajo en las instituciones privadas y públicas, en donde permitan laborar
sin tener años de experiencia laboral, que sea necesario el grado de bachiller o título
profesional, de esta manera se podrá fomentar y motivar empleos a aquellas personas que
no cuentan con muchos años de experiencia en lo laboral y que en la actualidad ese es el
impedimento por el que no cuentan con empleo y no pueden generar ingresos salariales.
Los niveles educativos influyen de manera positiva por lo que generar becas para
continuar los estudios en el post grado o nivel superior, para así no estancarse y generar
mejores oportunidades laborales. En cuanto al género femenino, tiene muchas desventajas
a la hora de conseguir un empleo o generar ingresos, se recomienda eliminar todo tipo de
discriminación laboral hacia la mujer, generar la paridad laboral en las instituciones
privadas y públicas.
En la región de Puno el sector primario y secundario están siendo muy denigrados,
se recomienda intervenir en estos sectores, con planes de negocio, generar cadenas
productivas, capacitarlos y trabajar de la mano con el agricultor y ganadero puneño. En
el sector secundario se puede proveerlos de maquinarias e infraestructura para que el
65
sector de la industria se fortalezca, que puedan crecer y tener la visión de trabajar a nivel
internacional, se puede encadenar al sector primario y secundario, obtener materia prima
del primero y luego con la infraestructura y maquinaria darle un valor agregado o
procesarlo para obtener un producto final y venderlo al mercado nacional y si se es
constante venderlo al mercado internacional.
66
VII. REFERENCIAS BIBLIOGRAFÍCAS
Améstica, L. R., Llinas-Audet, X., & Sánchez, I. R. (2014). Retorno de la educación
superior en Chile: Efecto en la movilidad social a través del estimador de diferencias
en diferencias. Formacion Universitaria, 7(3), 23–32.
https://doi.org/10.4067/S0718-50062014000300004
Apaza, H. (2016). Actividades económicas en Juliaca. Revista de Investigación
K’uskiykuy, 1(1), 1–9. https://es.scribd.com/document/392144698/ACTIVIDAD-
ECONOMICA-JULIACA-pdf
Arpi Mayta, R., & Arpi Quilca, L. (2016). Retornos heterogéneos a la Educación en el
Mercado laboral Peruano, 2015. Revista de Investigaciones Altoandinas - Journal of
High Andean Research, 18(3), 289–302. https://doi.org/10.18271/ria.2016.218
Atucha, A., & Lacazo, M. (2012). Sectores productivos. 240–241.
http://nulan.mdp.edu.ar/3002/1/atucha-lacaze-2018.pdf
BBC News Mundo. (2018). Este es el nivel de ingresos en los países de América Latina.
Beccaria, L., & Groisman, F. (2005). Educación y distribución del ingreso. Debates de
La SITEAL.
Bedregal, L., & Condori, R. (2016). Determinantes del nivel de ingreso por ocupación
principal de las familias en el perú – 2015. Revista de Investigación “K Uskiykuy,”
1, 1–17.
Borraz, F., Cabrera, J. M., Cid, A., Ferrés, D., & Miles, D. (2010). Pobreza , Educación
y Ingresos en América Latina. 1–56.
Castellar P., C., & Uribe G., J. (2000). La tasa de retornos de la educación: Teoría y
67
evidencia micro y macroecnonómica en el área metropolitana de Cali. In
Declaration of Alma-Ata 1978 (Issue September 1978).
Castillo Robayo, C. D., Da Silva Bichara, J., & Pérez Trujillo, M. (2017). Retornos
salariales para Colombia, un análisis cuantílico. Apuntes Del Cenes, 36(63), 211.
https://doi.org/10.19053/01203053.v36.n63.2017.5830
Cristina, I., & Gutiérrez, M. (2012). Capital humano: una mirada desde la educación y la
experiencia laboral. Cuadernos de Investigación, 0(56).
De la Dehesa, G. (1993). Capital humano y crecimiento económico. Anales de Estudios
Económicos y Empresariales, 21, 105–130.
Fernández Collado, C., & Baptista Lucio, P. (2014). MEtodología de la Investigación
(Vol. 6). https://www.m-
culture.go.th/mculture_th/download/king9/Glossary_about_HM_King_Bhumibol_
Adulyadej’s_Funeral.pdf
Freire Seoane, M. J., & Teijeiro Álvarez, M. (2010). Las ecuaciones de Mincer y las tasas
de rendimiento de la educación en. Investigaciones de Economía de La Educación,
5, 285–304. http://2010.economicsofeducation.com/user/pdfsesiones/095.pdf
Fuentes Pincheira, G., & Herrera Cofré, R. (2015). Análisis exploratorio de los
determinantes del ingreso de la ocupación principal a nivel nacional y regional en
Chile. Revista Academia & Negocios, 1(2), 125–137.
INEI. (2019). Ingreso Proveniente del Trabajo. capitulo 6, 46.
https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib110
5/cap06.pdf
Loayza, G., & Pérez, J. (2014). Rentabilidad de la inversión en educación superior de los
68
egresados de la Universidad Continental. Apuntes de Ciencia & Sociedad, 04(02),
162–171. https://doi.org/10.18259/acs.2014018
Macera Poli, D. (2018). INSTITUTO PERUANO DE ECONOMIA.
Mora Avendaño, R., & Suarez Malagón, D. M. (2017). DETERMINANTES DE LA
PARTICIPACIÓN LABORAL FEMENINA EN BOGOTÁ: 2008 y 2014.
Observatorio Socioeconómico Laboral Callao. (2013). La mujer y el mercado de trabajo
en la región Callao. 1–48.
Paredes Mamani, R. P., & Quilla Manrique, J. C. (2016). Retornos a la educación de los
Jefes de Hogar en la Región de Puno, 2011 – 2015. Revista de Investigaciones
Altoandinas - Journal of High Andean Research, 18(4), 449.
https://doi.org/10.18271/ria.2016.237
Parodi, S., Ramírez, I., & Thompson, J. (2017). Tasas de retorno de la inversión en
educación en Republica Dominicana (2000-2015). Banco Interamericano de
Desarrollo.
Perez, S. (2020). INEI : Ingreso de población con educación universitaria continúa
siendo la más alta. 5, 1–3.
Salamanca, L. (2007). Estimación de la tasa de retorno a la educación. Fedisal, 41–54.
https://core.ac.uk/download/pdf/47265034.pdf
Sánchez Vargas, I., & Maciel, E. J. (2011). Las condiciones de trabajo en la Provincia
de Buenos Aires (Issue March).
Sanchez C., Cortiñas P., Tejera I. & Del Rey S. (2012) James Heckman, El sesgo de
selección muestral. UNED. Madrid.
69
SINEACE. (2017). Caracterizacion de la region Puno. Sineace, 4.
https://www.sineace.gob.pe/wp-content/uploads/2017/08/PERFIL-PUNO.pdf
Torns, Teresa; Recio, Carolina; Sánchez, Núria; Trinidad, Albert (2016). “La brecha
salarial: un indicador de las desigualdades de género en el mercado de trabajo”. En:
C. Díaz; C. Simó-Noguera (Eds.), Brecha Salarial y Brecha de Cuidados (pp. 89-
108). Valencia: Tirant Lo Blanch.
Villalobos Monroy, G., & Pedroza Flores, R. (2009). Perspectiva De La Teoría Del
Capital Humano Acerca De La Relación Entre Educación Y Desarrollo Económico.
Tiempo de Educar, 10(20), 273–306.
Wooldridge M., J. (2013). Introducción a la econometría: Un enfoque moderno. In
Journal of Chemical Information and Modeling (Vol. 53, Issue 9).
Yamada, G. (2006). Retornos a la Eduación Superior en el mercado laboral: ¿vale la pena
el esfuerzo? Universidad Del Pacífico.
70
ANEXOS
ANEXO 1: Operacionalización de Variables
Tabla 14: Operacionalización de variables
VARIABLE DEPENDIENTE
Representacion Variable Tipo de variable Codificación
Logaritmo del
Variable dependiente cuantitativa de Logaritmo natural del ingreso del
ingreso por Ln(Y)
escala nominal y discreta. individuo
hora/mensual
VARIABLES INDEPENDIENTES
Represen
Variable Tipo de variable Codificación
tación
Variable independiente cuantitativa de
Educación Educ Años de educación
escala nominal y discreta.
Variable independiente cuantitativa de

Experiencia laboral Exp Años de experiencia laboral
escala nominal y discreta.
Experiencia laboral Variable independiente cuantitativa de Años de experiencia laboral al

Exp2
2 escala nominal y discreta. cuadrado
Variable independiente categórica 1= mujer

Género Genero
nominal y binaria 0= hombre
Edad Edad Variable independiente cuantitativa Edad del individuo (años)

1= Si el individuo tiene nivel de
Nivel de instrucción Variable independiente categórica
Prim instrucción primaria
primaria nominal y binaria
0= Sin nivel primario
1= Si el individuo tiene nivel de
Nivel de instrucción Variable independiente categórica
Secun instrucción secundaria
secundaria nominal y binaria
0= Sin nivel secundario
Nivel de instrucción 1= Si el individuo tiene nivel de
Supnoun Variable independiente categórica
superior no instrucción no universitario
i nominal y binaria
universitario 0= Sin nivel no universitario
Variable independiente categórica
superior Supuni instrucción superior universitario
nominal y binaria
universitario 0= Sin nivel universitario
Variable independiente categórica
de post grado o Postgr instrucción post grado o maestría
nominal y binaria
maestria 0= Sin post grado o maestría.
1=Si el individuo pertenece al
Sector económico Variable independiente categórica Sector económico primario o
Secpri
primario o nominal y binaria extractivo
extractivo 0= no pertenece a este sector
1= Si el individuo pertenece al
Sector económico Variable independiente categórica Sector económico secundario o
Secsec
secundario o nominal y binaria transformación
transformación 0= no pertenece a este sector
71
1= Si el individuo pertenece al
Sector económico Variable independiente categórica Sector económico terciario o de
Secter
terciario o de nominal y binaria servicios
servicios 0= no pertenece a este sector
RESULTADOS ECONOMETRICOS
72
ANEXO 2: Primera regresión mco1, heckman 1 y su comparación
A. Regresión de mininos cuadrados ordinarios, realizado en base a la
ecuación tradicional de Mincer, la cual será denominada como el primer
MCO 1.
73
B. Regresión en base a la ecuación tradicional de Mincer, esta será por la
metodología de heckman, la cual será denominada como heckman1.
74
C. Comparación de la regresión del primer MCO y heckman 1, para lo cual
se escogerá el mejor modelo, el cual será según los resultados la regresión
de heckman 1.
75
ANEXO 3: Segunda regresión mco2, heckman 2 y su comparación
A. Segunda regresión de Mínimos Cuadrados Ordinarios la cual está en base a
la ecuación tradicional de Mincer, pero que se le añadirán las variables de
niveles de educación y género, el cual denominaremos como MCO2.
76
B. Regresión con el modelo de Heckman en dos etapas, para lo cual se uso las
variables de la ecuación tradicional de Mincer a la cual se añadió las
variables de niveles educativos y género, la cual denominaremos como
Heckman 2.
77
C. Comparación de los modelos MCO2 y Heckman2, para lo cual se elegirá el
mejor modelo según los resultados arrojados, que en este caso será la
regresión de Heckman 2.
78
ANEXO 4: Quinta regresión sector primario
A. Regresión de mínimos cuadrados ordinarios, basada en la educación
tradicional de Mincer, pero que se amplía su estudio añadiendo la variable
sector económico primario, a la cual denominaremos MCO5
79
B. Regresión basada en el modelo de Heckman en dos etapas, el cual se estudio
con la educación tradicional de Mincer y se añadió la variable sector
económico primario, el cual se denominará heckman5.
80
C. Comparación de las regresiones MCO5 y heckman5, el cual se elegirá el
mejor modelo según los datos que arrojan el Stata.
81
ANEXO 5: Sexta regresión, sector secundario
A. Regresión estimada según mínimos cuadrados ordinarios en base a la
ecuación tradicional de Mincer, a la cual se le añadirá para este caso el sector
económico secundario y se denominara MCO6.
82
B. Regresión estimada en el modelo de Heckman en dos etapas, usando la
ecuación tradicional de Mincer y añadiendo para un estudio más amplio el
sector económico secundario, el cual se denominará Heckman6.
83
C. Comparación de los modelos MCO6 y heckman6, ambos modelos se
compararán según cada variable y se elegirá el mejor modelo.
84
ANEXO 6: Séptima regresión, sector terciario
A. Estimación realizada por mínimos cuadrados ordinarios con base en la
ecuación tradicional de Mincer, y ampliando el estudio se añadió la variable
sector económico terciario y el cual se denominará como MCO7.
85
B. Estimación en base al modelo de Heckman en dos etapas, usando los datos
de la ecuación tradicional de Mincer añadiendo la variable sector
económico terciario, y los resultados se denominaran como heckman7.
86
C. Comparación de las regresiones MCO7 y Heckman7, siendo evaluados los
resultados se eligió al modelo Heckman7.
87

Calla Zapana Erika Esther

Cargado por

Copyright:

Formatos disponibles

Calla Zapana Erika Esther

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Calla Zapana Erika Esther

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE INGENIERÍA ECONÓMICA

DETERMINANTES SOCIOECONÓMICOS DE LOS INGRESOS

Bach. ERIKA ESTHER CALLA ZAPANA

PARA OPTAR EL TÍTULO PROFESIONAL DE:

llenado mi corazón de luz para cumplir esta meta.

A mi madre; ESTHER EVAGRIA ZAPANA VILCA, quien con su esfuerzo, cariño y

amor me a permitido cumplir esta meta.

importantes conmigo y siempre estuco dispuesta a escucharme.

distancia, siempre los tengo presentes.

Erika Esther Calla Zapana.

paciencia y la sabiduría para tener éxito en cada meta que me propongo.

A la Universidad Nacional del Altiplano Puno y en especial a la Facultad de Ingeniería

Económica por la oportunidad de recibir información profesional en sus aulas.

A la MSc Karin Margaret Alvarez Rozas, por haberme asesorado y guiado en la

elaboración de este trabajo de investigación.

experiencia y enseñanza han contribuido al desarrollo de este trabajo de investigación.

Erika Esther Calla Zapana

1.1. PLANTEAMIENTO DEL PROBLEMA Y OBJETIVOS .............................. 12

1.1.1. Planteamiento del problema ........................................................................ 12

1.1.2. Planteamiento de objetivos.......................................................................... 15

2.1. ANTECEDENTES DE LA INVESTIGACIÓN ............................................... 17

2.1.1. Resumen bibliográfico ................................................................................ 24

2.2. MARCO TEÓRICO............................................................................................ 26

2.2.1. Evolución y pensamiento económico .......................................................... 27

2.2.2. Teoría del capital humano ........................................................................... 28

2.2.3. Aproximación teórica desde la micro y macroeconomía del mercado de

2.2.4. Teoría Minceriana ....................................................................................... 31

2.2.5. Ecuación de Mincer Ampliada .................................................................... 34

2.2.7. Sectores económicos: .................................................................................. 35

2.3. MARCO CONCEPTUAL .................................................................................. 37

2.4. HIPÓTESIS DE LA INVESTIGACIÓN .......................................................... 38

3.1. MÉTODO DE INVESTIGACIÓN .................................................................... 39

3.1.1. Diseño de investigación............................................................................... 39

3.1.2. Población y muestra de la investigación ..................................................... 40

3.1.3. Técnicas y procesamiento de los datos........................................................ 42

3.1.4. Metodología por objetivos........................................................................... 42

4.1. RESULTADOS .................................................................................................... 46

4.1.1. Análisis descriptivo de las variables explicativas ....................................... 46

4.1.2. Resultados por objetivos mediante el análisis econométrico de las variables

4.2. DISCUSIÓN POR OBJETIVOS ESPECIFICOS ............................................ 59

VI. RECOMENDACIONES ........................................................................................ 65

VII. REFERENCIAS BIBLIOGRAFÍCAS ................................................................ 67

Área: Políticas Públicas

Figura 1. Ingresos futuros de acuerdo a los años de educación y la edad .................... 28

Figura 2. Esquema del tipo de investigación. ............................................................... 40

Tabla 2. Rango de ingresos laborales en la región de Puno, 2015-2019 ...................... 46

Tabla 3. Nivel Educativo alcanzado en la región de Puno, 2015-2019 ........................ 47

Tabla 4. Genero en la región de Puno, 2015-2019 ....................................................... 47

Tabla 5. Estado civil en la región de Puno, 2015-2019 ................................................ 48

Tabla 6. Sectores económicos en la región de Puno, 2015-2019 ................................. 48

Tabla 7. Relación estadística entre el ingreso y sectores económicos ......................... 49

Tabla 8. Relación estadística entre ingresos y género .................................................. 49

experiencia laboral ......................................................................................... 50

Tabla 12. Análisis del ingreso laboral según el sector secundario................................. 55

Tabla 13.Análisis del ingreso laboral según el sector terciario...................................... 57

Tabla 14: Operacionalización de variables .................................................................... 71

ENAHO: Encuesta Nacional de Hogares

MCO: Mínimos Cuadrados Ordinarios