ISSN 2007-734
Facultad de Psicología
Universidad Michoacana de San Nicolás de Hidalgo
Copyright © 2026 UARICHA
UARICHA, 2026, 24, 1-19
Recibido: 01 de Julio del 2025. Aceptado: 20 de marzo del 2026.
Correspondencia: Kristal Palacios Mar. Universidad Autónoma del Estado de Quintana Roo. Boulevard Bahía s/n esq. Ignacio Comonfort Col. Del Bosque.
C.P. 77019 Chetumal, Quintana Roo, México. kristalpalaciosmar@gmail.com.
UARICHA, 2026, Vol. 24, pp. 1-19 1
Capital'humano'y'desigualdad'salarial'de'género'en'México:''
un'análisis'con'la'descomposición'Oaxaca-Blinder'
Human capital and gender wage inequality in Mexico:
an analysis using the Oaxaca-Blinder decomposition
!
Kristal Palacios Mar https://orcid.org/0009-0007-4476-831X
René Lozano Cortés https://orcid.org/0000-0003-3679-8141
Universidad Autónoma del Estado de Quintana Roo
Resumen'
El presente estudio examina las brechas salariales por género
en México a partir del enfoque teórico del capital humano,
utilizando la ecuación de Mincer y la descomposición Oaxaca y
Blinder. El objetivo principal es determinar en qué medida las
diferencias salariales entre mujeres y hombres pueden
atribuirse a variables observables, tales como el nivel
educativo, la experiencia laboral y el tipo de ocupación, y qué
proporción corresponde a factores no observables,
potencialmente asociados a prácticas discriminatorias o
barreras estructurales; partiendo del supuesto que el salario
no debería contener diferenciales dependientes del sexo. Los
hallazgos revelan que únicamente el 1.6 % de la brecha salarial
puede explicarse por diferencias en la escolaridad promedio y
la experiencia laboral entre ambos géneros; en contraste, el
98.4 % restante responde a un componente no explicado, lo
cual sugiere la presencia de discriminación o de mecanismos
estructurales que limitan el acceso equitativo al ingreso; esto
permite dejar evidencia que a pesar de los avances el nivel de
escolaridad femenina, las desigualdades salariales de género
se mantienen en el país y es necesaria la generación de política
pública que permita cerrar estas brechas. Los resultados
fueron obtenidos mediante estimaciones por mínimos
cuadrados ordinarios, empleando datos provenientes de la
Encuesta Nacional de Ocupación y Empleo (ENOE)
correspondiente al año 2023. El estudio adquiere relevancia
académica al aportar evidencia empírica sobre la persistencia
de la brecha salarial de género en México.
Palabras clave:
brecha salarial, género, capital humano
'
Abstract'
This study examines the gender pay gap in Mexico from a
human capital theory perspective, using the Mincer equation
and the Oaxaca and Blinder decomposition. The main objective
is to determine the extent to which wage differences between
women and men can be attributed to observable variables,
such as educational level, work experience, and occupation,
and what proportion corresponds to unobservable factors,
potentially associated with discriminatory practices or
structural barriers; under the assumption that wages should
not differ by sex. The findings reveal that only 1.6% of the pay
gap can be explained by differences in average schooling and
work experience between the two genders; in contrast, the
remaining 98.4% is attributable to an unexplained component,
suggesting the presence of discrimination or structural
mechanisms that limit equitable access to income. This
provides evidence that, despite improvements in women´s
educational attainment, gender wage inequalities persist,
underscoring the need for public policies to close these gaps.
The results were obtained using ordinary least squares
estimation with data from the 2023 National Survey of
Occupation and Employment (ENOE). This study attains
academic relevance by contributing empirical evidence on the
persistence of the gender wage gap in Mexico.
Keywords:
wage gap, gender, human capital
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 2
Introducción
El problema central abordado es mostrar que en México existe una brecha salarial de género
que no puede ser atribuida al stock de capital humano por lo que dicha diferencia corresponde
generalmente a factores estructurales del mercado laboral. Esta característica del mercado
laboral afecta a las mujeres, puesto que como se analiza posteriormente no parten de un piso
parejo en lo que respecta al nivel salarial con los hombres y deben lograr una mayor
acumulación de capital humano para equiparar su retribución económica a la de un hombre. La
situación resulta relevante en el contexto actual, derivado de que las mujeres han logrado una
mayor participación femenina en la educación superior y en el empleo remunerado, por lo cual
es necesario tomar acciones de política pública que permitan cerrar esa brecha salarial de
género.
Desde la teoría del capital humano, desarrollada inicialmente por Becker (1964), se
señala que el conjunto de conocimientos, habilidades y competencias adquiridas mediante la
educación y la experiencia laboral incrementan la productividad individual, generando mayores
ingresos y contribuyendo al crecimiento económico.
Este marco teórico fue posteriormente enriquecido por los trabajos de Romer (1986) y
Lucas (1988), quienes destacaron el papel de las externalidades positivas del capital humano,
particularmente a través de la difusión del conocimiento y el aprendizaje colectivo, como
motores fundamentales del desarrollo económico.
Sin embargo, la evidencia empírica revela una paradoja significativa al analizar estas
relaciones desde una perspectiva de género. Pese a que las mujeres han logrado avances
sustanciales en términos de acceso educativo e incorporación al mercado laboral, persisten
brechas salariales persistentes en su contra. La ecuación de Mincer (1974) demuestra que los
retornos económicos de la educación y la experiencia son sistemáticamente menores para las
mujeres, lo que sugiere una valoración diferencial de su capital humano en el mercado laboral.
La metodología de descomposición de la diferencia salarial Oaxaca (1973) y Blinder
(1973) ha permitido identificar que estas disparidades responden a factores complejos.
Mientras una mínima proporción de la brecha salarial puede atribuirse a diferencias en
características observables (como escolaridad o experiencia), el componente no explicado -
asociado a posibles mecanismos de discriminación y barreras estructurales- representa la
mayor parte de las diferencias. Estudios recientes han documentado cómo la segregación
ocupacional, los techos de cristal y la penalización por maternidad y responsabilidades
domésticas operan como factores determinantes de estas desigualdades (Campos-Vázquez et
al., 2021; Gasparini & Marchionni, 2015).
En el contexto mexicano, esta problemática adquiere particular relevancia. Aunque las
mujeres representan una proporción creciente de la matrícula universitaria (ANUIES, 2023), su
subrepresentación en campos de estudio con mayor rentabilidad económica, como las
disciplinas STEM, limita sus oportunidades de acceder a empleos mejor remunerados.
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 3
Esta situación no solo constituye un desafío para la equidad de género, sino que
representa una ineficiencia económica al subutilizar el potencial productivo de una parte
significativa de la población.
El presente estudio busca contribuir a esta discusión mediante un análisis integral de las
brechas salariales por género en México para 2023, articulando tres enfoques analíticos
fundamentales:
1. La teoría del capital humano como marco conceptual.
2. La ecuación de Mincer para estimar retornos a la educación.
3. La descomposición Oaxaca-Blinder para identificar componentes explicados y no
explicados.
A través de este abordaje metodológico, la investigación persigue tres objetivos principales:
• Cuantificar la magnitud actual de las desigualdades salariales.
• Identificar los factores que las determinan.
• Proponer recomendaciones de política pública.
La estructura del artículo se organiza en cuatro secciones. Tras esta introducción, se
presenta una revisión exhaustiva de la literatura sobre capital humano que sirve como marco
teórico a la presente investigación; en la segunda parte se describen algunos trabajos empíricos
sobre brechas de género. Posteriormente, en el tercer apartado se refiere al estudio de la
brecha salarial en México para 2023 y se inicia con la metodología empleada y las fuentes de
datos. Posteriormente se expone los resultados y su discusión, mientras que la cuarta sección
sintetiza las conclusiones principales y sus implicaciones para el diseño de políticas públicas.
Esta investigación aporta evidencia actualizada sobre un problema estructural del
mercado laboral mexicano, proporcionando insumos valiosos para avanzar hacia una mayor
igualdad salarial entre hombres y mujeres. Los hallazgos resultan particularmente relevantes en
el contexto actual, donde la plena incorporación del capital humano femenino se revela como
un imperativo tanto ético como económico para el desarrollo del país.
La investigación analiza la persistencia de la desigualdad salarial de género en México
desde una perspectiva empírica. Donde la pregunta central es ¿en qué medida la brecha salarial
puede explicarse por dotaciones de capital humano y qué proporción responde a factores
estructurales?
Marco Teórico
La teoría del capital humano, desarrollada originalmente por Becker (1964) y formalizada
empíricamente por Mincer (1974), señala que la inversión en educación y formación incrementa
la productividad individual, generando mayores ingresos laborales y contribuyendo al
crecimiento económico agregado. Este marco teórico establece que los conocimientos,
habilidades y competencias adquiridas representan una forma de capital que, al igual que el
capital físico, produce flujos de ingresos futuros.
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 4
El mecanismo fundamental opera a través del incremento en la capacidad productiva de
los individuos, que se traduce en salarios más altos y, en el agregado, en mayor producción per
cápita. Lucas (1988) argumentó que la acumulación de capital humano no presenta
rendimientos decrecientes, lo que permite un crecimiento sostenido del ingreso per cápita a
medida que mejora la calidad educativa. Esta visión contrasta con la teoría del crecimiento
exógeno, que asumía rendimientos marginales decrecientes y una función de producción
limitada por el capital físico. De forma complementaria, Denison (1962) señaló que un
incremento en los años de escolaridad formal incide directamente en la calidad del trabajo y,
por tanto, en su contribución al crecimiento económico.
Los desarrollos posteriores de la teoría, particularmente los modelos de crecimiento
endógeno (Romer, 1986; Lucas, 1988), profundizaron en esta relación al demostrar que el
capital humano actúa como motor del progreso tecnológico y la innovación. Estos modelos
destacan dos vías principales a través de las cuales la educación afecta la productividad: por un
lado, incrementando la capacidad de generar innovaciones (Nelson y Phelps, 1966); por otro,
facilitando la adopción y adaptación de tecnologías desarrolladas en otros contextos (Benhabib
y Spiegel, 1994). Estas externalidades positivas del capital humano explican su papel central en
el desarrollo económico sostenido.
Además, las decisiones individuales sobre escolaridad están influenciadas por las
condiciones del mercado y por normas sociales. Bils y Klenow (1998) plantean que los individuos
evalúan sus decisiones educativas considerando la tasa de retorno esperada y la tasa de
descuento de los ingresos futuros. En este marco, el crecimiento económico incentiva la
escolarización, ya que aumenta los ingresos esperados. No obstante, esta relación puede estar
condicionada por barreras de género, ya que las mujeres enfrentan incentivos distintos ante un
mercado que no remunera de forma equitativa su capital humano. Adicionalmente, es
importante considerar elementos institucionales y sociolaborales que inciden en la
determinación de los salarios.
En este sentido, cuando se introduce la variable de género en este marco teórico,
emergen importantes tensiones conceptuales. La teoría tradicional supone que los retornos al
capital humano son neutrales respecto al género, es decir, que un mismo nivel educativo
debería traducirse en productividades e ingresos equivalentes. No obstante, esta premisa entra
en contradicción con la persistencia de brechas salariales entre hombres y mujeres con
similares credenciales educativas.
Esta paradoja ha llevado a desarrollar extensiones teóricas que incorporan factores
institucionales y sociales. Si bien la teoría del capital humano constituye el eje analítico central
para explicar las diferencias salariales, su capacidad interpretativa resulta limitada cuando se
analizan mercados laborales segmentados por género.
Por ello, resulta pertinente incorporar enfoques complementarios como la teoría de la
discriminación desarrollada por Becker (1971) que plantea que las diferencias salariales pueden
derivarse de preferencias discriminatorias de los empleadores, quienes están dispuestos a
asumir costos por no contratar o remunerar equitativamente a ciertos grupos, aun cuando
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 5
presenten niveles equivalentes de productividad. Este enfoque permite explicar castigos
salariales no asociados a variables productivas observables. En este mismo sentido, Arrow
(1973) plantea que, ante información imperfecta sobre la productividad individual, los
empleadores toman decisiones con base en promedios observados de los grupos sociales a los
que pertenecen los trabajadores. Este mecanismo genera diferenciales salariales incluso en
ausencia de prejuicios explícitos, afectando particularmente a las mujeres cuando se asocian
probabilísticamente con trayectorias laborales interrumpidas o menores niveles de
permanencia en el empleo.
En este mismo sentido, la teoría de la segmentación del mercado laboral (Doeringer y
Piore, 1971; Reich, Gordon y Edwards, 1973) plantea que el mercado de trabajo se estructura
en segmentos primarios y secundarios, caracterizados por distintas condiciones de estabilidad,
movilidad, protección social y niveles salariales. En este marco, las mujeres tienden a
concentrarse en ocupaciones del segmento secundario, lo que limita sus trayectorias de ingreso
y ascenso laboral.
Desde esta perspectiva ampliada, la relación entre educación y productividad estaría
determinada por: (1) mecanismos de discriminación en el mercado laboral; (2) segregación
ocupacional por género; (3) distribución desigual de responsabilidades domésticas y de cuidado;
y (4) barreras de acceso a ciertas áreas profesionales. Estos factores, que trascienden los niveles
educativos individuales, explicarían por qué los retornos al capital humano difieren
sistemáticamente entre géneros.
Respecto a lo anterior, la ecuación de Mincer (1974), permitió estimar el rendimiento del
capital humano sobre los salarios, mediante un modelo que vincula el logaritmo del ingreso con
los años de escolaridad y la experiencia laboral. Su especificación empírica, ampliamente
utilizada en estudios laborales, se expresa como:
!"#$%& '!( '")*+,-./012/2 ( '#)*34*01*5,1/) ( '$)*34*01*5,1/#( 6))))))))))))))#7%
Esta ecuación ha sido fundamental para explicar diferencias salariales entre personas
con distintos niveles educativos y trayectorias laborales (Card, 1999). Sin embargo, presenta
limitaciones importantes: presupone que la calidad educativa es homogénea, que la experiencia
se mide linealmente con la edad, y que no existen efectos de selección ni discriminación. Tales
supuestos restringen su capacidad para captar fenómenos relevantes en países en desarrollo,
como la informalidad, la segregación laboral o las barreras de género (Heckman, Lochner &
Todd, 2006). Además, dificultan, particularmente analizar las diferencias salariales entre
hombres y mujeres.
Lo anterior, ha motivado el desarrollo de metodologías que favorecen la
descomposición de las diferencias salariales. Por tal razón, la ecuación de Mincer ha sido
complementada con las técnicas de descomposición salarial desarrolladas por Oaxaca (1973) y
Blinder (1973), quienes propusieron separar las diferencias salariales observadas entre grupos
(por ejemplo, hombres y mujeres) en una parte atribuible a diferencias en características
productivas observables (como educación y experiencia), y otra parte explicada por diferencias
en los retornos a dichas características. Esta última suele interpretarse como un indicador de
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 6
discriminación o de la presencia de factores no observables que afectan de forma desigual a los
distintos grupos.
Un componente clave en la literatura reciente es el análisis de la brecha salarial por
género. Diversas investigaciones han demostrado que, a pesar de los avances en el acceso a la
educación, las mujeres tienden a recibir menores retornos económicos por su inversión en
capital humano. Psacharopoulos y Patrinos (2018) documentan que, en múltiples contextos, las
tasas de retorno a la escolaridad son sistemáticamente más bajas para las mujeres en
comparación con los hombres. Este fenómeno se explica en parte por factores estructurales
como la discriminación en el mercado laboral, la segregación ocupacional y los costos asociados
a la maternidad, los cuales restringen las trayectorias laborales femeninas (Gasparini &
Marchionni, 2015).
En esa misma línea, Hernández (2024) señala que las normas sociales y los roles de
género tienden a restringir la participación femenina en campos de alta rentabilidad económica,
como las disciplinas STEM (Ciencia, Tecnología, Ingeniería y Matemáticas), lo que limita las
posibilidades de retorno sobre su inversión educativa y afecta la eficiencia agregada del sistema
económico.
En síntesis, si bien la teoría del capital humano proporciona un marco sólido para
analizar los determinantes de los ingresos laborales, su capacidad explicativa se ve limitada
cuando se introduce la variable de género. Las desigualdades estructurales, las barreras
institucionales y los sesgos de mercado reducen los retornos del capital humano femenino, lo
que evidencia la necesidad de incorporar enfoques analíticos más complejos —como la
descomposición de Oaxaca-Blinder para comprender y atender la brecha salarial entre
hombres y mujeres desde una perspectiva integral.
El presente estudio se enmarca en esta discusión teórica, buscando aportar evidencia
que contribuya a entender las complejas relaciones entre capital humano, productividad y
diferencias de género en el mercado laboral. Su enfoque metodológico combina los postulados
tradicionales de la teoría del capital humano con herramientas analíticas diseñadas
específicamente para examinar las brechas salariales por género.
Estudios empíricos sobre las brechas salariales de género
La persistencia de las brechas salariales por género continúa siendo un fenómeno
documentado ampliamente en la literatura económica contemporánea. Investigaciones
recientes a nivel internacional han evidenciado que, pese a los avances en materia educativa y
de participación laboral femenina, persisten desigualdades significativas en los mercados de
trabajo. Leoncini et al. (2023), en un estudio sobre el Reino Unido, demostraron que la
segregación sectorial por género explica una proporción importante de las diferencias salariales,
dado que las mujeres se concentran desproporcionadamente en sectores con menores niveles
de remuneración. Incluso en países con altos niveles de igualdad de género como Noruega, los
datos oficiales revelan que los hombres perciben ingresos 13% superiores a los de las mujeres
con calificaciones y experiencia equivalentes (Ministerio de Cultura e Igualdad de Noruega, 2024,
citado en AP News, 2024).
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 7
Los estudios han identificado diversos factores que contribuyen a estas disparidades.
La maternidad emerge como un determinante clave, con investigaciones como las del Kochhar
(2023) mostrando que tiene un efecto negativo significativo en los ingresos femeninos, mientras
que no se observa impacto comparable en el caso de la paternidad. Hallazgos similares reporta
el e61 Institute (2023) para Australia, donde el matrimonio y la maternidad explican
aproximadamente 15% de la brecha salarial, independientemente del nivel educativo y la
experiencia laboral.
En el contexto mexicano, la investigación sobre brechas salariales ha empleado diversos
enfoques metodológicos. Ordaz-Díaz (2008), aplicando la ecuación de Mincer (1974), encontró
que los retornos a la educación presentan variaciones significativas según la zona geográfica:
mientras en áreas rurales los rendimientos fueron de 6.7% para primaria y 9.7% para
secundaria, en zonas urbanas estos se situaron en 4.4% y 7.1% respectivamente. Para
educación superior, sin embargo, los retornos fueron equivalentes (9.6%) en ambos contextos,
sugiriendo que en áreas rurales la escasez de trabajadores calificados podría incrementar el
valor marginal de la educación.
Respecto a la penalización por maternidad, Campos-Vázquez et al. (2021)
documentaron que las madres trabajadoras en México enfrentan una reducción salarial del 24%
en comparación con mujeres sin hijos, junto con una disminución del 16% en la probabilidad de
empleo formal. Estos efectos son particularmente pronunciados para mujeres casadas de bajos
ingresos, quienes experimentan penalizaciones del 40% respecto a los padres y del 36% frente
a mujeres sin hijos.
La segregación ocupacional y la discriminación han sido identificadas como factores
estructurales que perpetúan las desigualdades. Orraca et al. (2016) encontraron que la
concentración de mujeres en ocupaciones menos remuneradas explica una porción significativa
de la brecha salarial. Por su parte, Rodríguez (2018), mediante un análisis regional, evidenció
que, aunque ha habido cierta convergencia, persisten disparidades salariales desfavorables
para las mujeres, especialmente en regiones con mayor exposición a la apertura comercial.
La aplicación de la descomposición Oaxaca (1973) y Blinder (1973) ha permitido avanzar
significativamente en la comprensión de las brechas salariales en México. García (2009)
encontró que, controlando por características observables, las mujeres percibían salarios 12.4%
inferiores a los hombres, diferencia atribuible a posibles mecanismos de discriminación.
Resultados más recientes de Rodríguez y Castro (2014), citado por Rodríguez (2018), indican que
más del 85% de las diferencias salariales no pueden explicarse por factores productivos
observables, especialmente en el sector informal.
El Instituto Mexicano para la Competitividad (IMCO, 2022) sintetiza estos hallazgos,
reportando una brecha salarial promedio del 14% que persiste incluso al controlar por
educación y tipo de ocupación. El análisis identifica como causas estructurales: la distribución
desigual del trabajo doméstico no remunerado, la segregación ocupacional y la
subrepresentación en puestos directivos, así como los efectos acumulativos de la maternidad
en las trayectorias laborales femeninas.
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 8
Si bien estos estudios han aportado evidencia valiosa, existe cierto consenso entre los
investigadores de estos temas que es importante reconocer ciertas limitaciones, como: la
dificultad para capturar factores subjetivos y normas sociales; problemas en la medición del
trabajo no remunerado y su impacto en las trayectorias laborales, entre las más importantes. Es
por esto por lo que persiste la necesidad de continuar mejorando los enfoques metodológicos
y ampliando las fuentes de información para comprender las dinámicas que perpetúan las
desigualdades salariales por género en México.
Un análisis de la brecha salarial para México
Partiendo la teoría de capital humano y de la ecuación de Mincer (1974) para analizar el
rendimiento de la escolaridad, en esta investigación se tiene como objetivo descomponer los
componentes de la diferencia salarial entre hombres y mujeres en México para 2023, utilizando
el método de Oaxaca (1973) y Blinder (1973).
Método
Para estimar la brecha salarial por género y su descomposición en componentes explicados y
no explicados, se utiliza la metodología propuesta por Oaxaca (1973) y Blinder (1973), la cual
extiende la ecuación de Mincer (1974) para permitir la comparación entre dos grupos.
En primer lugar, se estimaron dos regresiones lineales por mínimos cuadrados
ordinarios (MCO), una para hombres y otra para mujeres, con base en la ecuación de ingresos
propuesta por Mincer (1974):
!"#$%& '!( '")*+,-./012/2 ( '#)*34*01*5,1/ ( '$)*34*01*5,1/#( 6))))))))))))))#8%
Esta especificación permite capturar los retornos diferenciales a la educación y a la
experiencia laboral, considerando la no linealidad de esta última mediante el termino
cuadrático. A partir de cada regresión, de estas regresiones individuales y de los datos originales
se toman los siguientes valores:
Los promedios de las variables independientes para cada grupo:
9%:#;-<=0*+%>:9&:#?@A*0*+%
Los coeficientes estimados: B% >:B&
El logaritmo del ingreso promedio: C5D%:>:C5D&
Para llevar a cabo el cálculo de la brecha salarial promedio, la diferencia salarial promedio
entre hombres y mujeres en logaritmos naturales se calcula como:
E& C5D%FC5D&:::::::::::::::::::::::#G%
Este valor representa la brecha bruta de ingresos y es el punto de partida para la
descomposición Oaxaca (1973) y Blinder (1973).
La descomposición de Oaxaca-Blinder (Jann, 2008; Fortin, Lemieux & Firpo, 2011) divide
la brecha salarial total en dos componentes: uno explicado por diferencias en características
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 9
observables (educación, experiencia) y otro no explicado, que puede atribuirse a diferencias en
los retornos de dichas características (posible discriminación u otras variables omitidas).
Utilizando como grupo de referencia a los hombres, se aplica la siguiente expresión:
E& H9%F 9&I J B%( 9&J#B%F B&%::::::::::::::::#K%
Donde:
El primer término corresponde a la diferencia explicada, atribuible a la desigual
distribución de características productivas entre hombres y mujeres.
El segundo término representa la diferencia no explicada, asociada a la desigualdad en
los retornos o a factores no observados en el modelo, como la discriminación de género en el
mercado laboral.
Base de datos, variables y perfil de los participantes
Para las variables de salario, edad y escolaridad se tomaron los datos de la encuesta Nacional
de Ocupación y Empleo (ENOE) realizada por el INEGI (2025), población de 15 años y más de
edad (datos de 2025, correspondiente al cuarto trimestre de 2023). Se elige el 2023 por ser un
dato más estable en relación con los shocks ocurridos durante la pandemia del COVID-19.
Se tomo la población ocupada, en edades de 15 a 65 años, se caracteriza por sexo y se
cuenta con datos de si ingreso mensual y de sus años de escolaridad. La variable experiencia,
esta se construye tomando la edad y restando los años de educación y restando también 6 años
(que es la edad promedio de ingreso a la educación formal).
Para la construcción de las variables para realizar las dos ecuaciones de Mincer (1974),
se genera la variable Logaritmo del Salario y el cuadrado de la experiencia. Se emplea Excel ®
para el análisis de los datos.
Los datos presentan el siguiente comportamiento:
Tabla. 1.
Descripción de las características de los hombres y mujeres en el mercado laboral en México, 2023
Sexo
Observaciones
Edad
promedio
Años de
escolaridad
promedio
Experiencia
promedio
Salario
promedio
Hombre
70,734
38.42
10.67
21.75
$10,607.83
Mujer
52,519
38.92
11.26
21.66
$8,119.88
Fuente: Elaboración propia con datos de la ENOE.
Se puede observar que son más los hombres que participan en el mercado laboral, para
el rango de edad seleccionado, y que cumplen con la característica de estar ocupado y obtener
una remuneración. Las mujeres tienen un promedio de escolaridad mayor que el de los
hombres y un salario promedio menor.
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 10
Estimación de las ecuaciones de Mincer para México, 2023
Se realizan las regresiones por separado y se obtienen parámetros significativos, con los
siguientes resultados (se presentan truncados a dos decimales para fines de visualización, pero
los cálculos de la descomposición se hacen con la totalidad de los datos):
C5:$%  & GLM7: ( NLN8:O2@,/,1P5: ( NLN7K:O34*01*5,1/: F NLNNN8G:O34*01*5,1/#
C5:$
&& GLG8: ( NLNG:O2@,/,1P5: ( NLN7K:O34*01*5,1/: F NLNNN8Q:O34*01*5,1/:#
Se observa que las mujeres parten de condiciones iniciales más bajas en la
determinación del salario en relación con los hombres, para el caso de la experiencia parece
tener la misma contribución a la retribución, contrario al caso de la educación en el que las
mujeres obtienen mayor retribución por los años de estudio en relación con los hombres.
Descomposición de las diferencias salariales entre hombres y mujeres mediante el método
de Oaxaca-Blinder
Se toman los datos necesarios para la aplicación de la ecuación (7):
E& H9%F 9&I J B%( 9&J#B%(B&%)))))))))))))))#Q%
Y se obtiene lo siguiente:
Tabla 2
Resultados de la descomposición de las diferencias salariales entre hombres y mujeres en el mercado laboral de México,
2023
Variable
R𝒉
R𝒎
S𝒎
HR𝒉F R𝒎I
J S𝒉
R𝒎
J
#
S𝒉F S𝒎
%
B
recha
Salario
promedio
10607.8298
8119.8784
2487.9514
Logw prom
3.9291
3.7888
0.1403
Intercepto
3.3205
0.1987
Educación
10.6697
11.2566
0.0309
-0.0147
-0.0649
Experiencia
21.7531
21.6678
0.0142
0.0012
-0.0035
Exp2
687.5142
676.9775
-0.0003
-0.0025
0.0261
Sumatoria
-0.0160
0.1564
0.1403
Fuente: Elaboración propia con datos de la ENOE.
La descomposición que se describe en la Tabla 2. Muestra una brecha salarial de 0.1403 en
logaritmos, equivalente a $2,487.95 mensuales. Solo 1.6 % se explica por educación y
experiencia, mientras que 98.4 % corresponde a factores no observables. La significancia
estadística de los coeficientes respalda la robustez de los hallazgos.
Se incluyó el intercepto como parte de la descomposición no explicada, ya que es la que
contribuye en mayor parte a la diferencia en la brecha salarial.
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 11
Resultados
De acuerdo con los resultados obtenidos, entre los principales hallazgos se observan que, en
México, en 2023, una brecha salarial promedio entre hombres y mujeres del 14.03% en
logaritmos, equivalente a una diferencia promedio de $2,487.95. Esta diferencia se descompone
en dos componentes: uno explicado por características observables como educación y
experiencia laboral, y otro no explicado, que suele atribuirse a factores estructurales o
discriminación.
Otro hallazgo interesante es que, del total de la brecha, únicamente el 1.6% (0.0160
puntos logarítmicos) se explica por diferencias en el nivel promedio de escolaridad y
experiencia. A pesar de que las mujeres presentan un nivel educativo ligeramente superior al
de los hombres en la muestra analizada, este efecto es contrarrestado por la mayor experiencia
laboral promedio de los hombres, lo cual eleva marginalmente el componente explicado.
También resulta interesante, que el 98.4% restante de la brecha (0.1563) corresponde al
componente no explicado. Este se debe fundamentalmente a un diferencial en el intercepto de
las funciones salariales estimadas para hombres y mujeres (0.1987), lo cual sugiere que, incluso
cuando ambos grupos presentan características similares, las mujeres enfrentan un menor
punto de partida salarial.
Otro hallazgo relevante es que, los coeficientes asociados a la educación y la experiencia
son más altos para las mujeres, lo que reduce parcialmente la brecha no explicada. Lo anterior,
sugiere que, en la muestra analizada, las mujeres reciben mayores retornos marginales por cada
año adicional de educación y experiencia, aunque este efecto no compensa la penalización
salarial estructural observada.
Esta brecha salarial ocurre, cuando la evidencia empírica muestra que la experiencia y la
formación académica no son capaces de explicar las diferencias en los salarios; por lo cual, y de
acuerdo con el planteamiento de Oaxaca-Blinder la variable de sexo es la que recoge dicha
diferencia. Con respecto a la presencia de este fenómeno en el mercado laboral, se considera
que es multifactorial y es de aceptación colectiva (incluso de manera implícita) algunos
elementos que se pueden considerar y que contribuyen a la brecha salarial del género se
encuentran los roles simultáneos que debe cubrir la mujer como cuidadora de familia y
trabajadora y lo cual es asociado a una baja productividad, elementos estructurales como los
permisos de Ley que tiene la mujer para cubrir dichas actividades y que son diferentes a las de
los hombres (como la licencia de maternidad) contribuyen a reafirmar esta relación entre los
roles que se atribuyen a la mujer y su productividad; sin embargo, el documentar los principales
factores estructurales que producen la brecha de género es una tarea pendiente, que cobra
relevancia si se considera que puede tener implicaciones en el mercado laboral mexicano que
van desde la equidad en prestaciones hasta la remuneración basada en la productividad de la
fuerza de trabajo, con independencia del sexo que la realice.
Estos resultados son consistentes con la literatura sobre segmentación del mercado
laboral y discriminación de género, y subrayan la importancia de incorporar no solo variables
observables, sino también aspectos institucionales y sociales al análisis de las brechas salariales.
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 12
Discusión
Los resultados obtenidos en este estudio muestran la persistencia de una brecha salarial de
género en México durante 2023. La estimación mediante la descomposición Oaxaca-Blinder
indica que la diferencia promedio en los salarios entre hombres y mujeres es de 14.03%, de la
cual únicamente 1.6% puede atribuirse a diferencias en características observables,
principalmente educación y experiencia laboral; mientras que el 98.4% restante corresponde al
componente no explicado. Este resultado sugiere que la mayor parte de la desigualdad salarial
no se deriva de diferencias en capital humano entre hombres y mujeres, sino de factores
estructurales asociados al funcionamiento del mercado laboral.
Este hallazgo es consistente con una amplia literatura empírica sobre desigualdad
salarial de género en México y América Latina. Diversos estudios han documentado que la
brecha salarial persiste incluso después de controlar por variables de capital humano y
características laborales. Por ejemplo, García (2009) encontró que una proporción significativa
de la diferencia salarial entre hombres y mujeres en México no podía explicarse por educación
o experiencia, sugiriendo la presencia de mecanismos de discriminación salarial.
De manera similar, Rodríguez y Castro (2014) citado por Rodríguez (2018) reportaron
que más del 85% de la brecha salarial en México correspondía al componente no explicado de
la descomposición Oaxaca-Blinder. En este sentido, los resultados del presente estudio
confirman la continuidad de este patrón estructural en el mercado laboral mexicano.
Asimismo, la magnitud de la brecha estimada en esta investigación coincide con
estimaciones recientes realizadas por organismos nacionales e internacionales. El Instituto
Mexicano para la Competitividad (IMCO, 2022) ha documentado que la brecha salarial promedio
entre hombres y mujeres en México se mantiene alrededor de 14%, incluso cuando se
consideran diferencias en escolaridad y ocupación. Este paralelismo refuerza la validez externa
de los resultados obtenidos en el presente análisis.
Otro resultado relevante es que las mujeres presentan, en promedio, niveles de
escolaridad ligeramente superiores a los de los hombres en la muestra analizada. Este hallazgo
coincide con la evidencia reportada por diversos estudios que señalan que, en las últimas
décadas, las mujeres han incrementado significativamente su acumulación de capital humano,
particularmente en términos de años de escolaridad. Sin embargo, el mayor nivel educativo
femenino no se traduce necesariamente en una reducción proporcional de la brecha salarial.
Gasparini y Marchionni (2015) documentan para América Latina que, aun cuando las mujeres
han alcanzado niveles educativos similares o superiores a los de los hombres, persisten
diferencias salariales asociadas a factores institucionales y estructurales del mercado de trabajo.
Los resultados de las ecuaciones salariales también muestran que los coeficientes
asociados a la educación y la experiencia son ligeramente mayores para las mujeres que para
los hombres. Esto sugiere que, en términos marginales, la educación y la experiencia generan
retornos salariales similares o incluso superiores para las mujeres. No obstante, este mayor
rendimiento marginal del capital humano femenino no logra compensar la diferencia salarial
total observada entre ambos grupos. Este resultado indica que el origen de la brecha no se
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 13
encuentra principalmente en la acumulación de capital humano, sino en otros mecanismos que
afectan la valorización del trabajo femenino en el mercado laboral.
La literatura ha identificado varios factores que podrían explicar este componente no
observado de la brecha salarial. Entre ellos destacan la discriminación salarial directa (Becker,
1971), la segregación ocupacional por género, la concentración de mujeres en sectores de
menor remuneración y las interrupciones en las trayectorias laborales asociadas a
responsabilidades de cuidado. Estudios recientes también sugieren que las penalizaciones
salariales vinculadas a la maternidad y la desigual distribución del trabajo doméstico continúan
influyendo en los ingresos laborales femeninos (Campos-Vázquez et al., 2021; Orraca, Cabrera
y López, 2016).
En conjunto, los resultados del presente estudio aportan evidencia empírica actualizada
sobre la persistencia de la desigualdad salarial de género en México. La evidencia obtenida
indica que el problema no puede explicarse únicamente por diferencias en capital humano
entre hombres y mujeres, sino que está asociado principalmente a factores estructurales del
mercado laboral que continúan reproduciendo desventajas salariales para las mujeres. Por lo
tanto, las políticas públicas orientadas a reducir la brecha salarial de género deben ir más allá
de la promoción de la educación femenina e incluir medidas destinadas a reducir la
discriminación salarial, promover la igualdad de oportunidades en el acceso a ocupaciones
mejor remuneradas y mejorar la conciliación entre trabajo y responsabilidades familiares.
Adicionalmente, desde una perspectiva interdisciplinaria, los resultados también pueden
interpretarse a la luz de aportaciones provenientes de la psicología social y la psicología
económica. Diversos estudios han señalado que las desigualdades salariales de género no sólo
responden a factores estructurales del mercado laboral, sino también a procesos psicológicos
asociados a estereotipos de género, sesgos implícitos y normas sociales que influyen en la
evaluación del desempeño laboral y en las decisiones de contratación y remuneración. La
evidencia empírica en psicología organizacional ha mostrado que los empleadores tienden, de
manera consciente o inconsciente, a asociar características de liderazgo, productividad o
disponibilidad laboral con los trabajadores masculinos, lo que puede traducirse en diferencias
salariales incluso cuando hombres y mujeres presentan niveles similares de capital humano
(Eagly y Karau, 2002; Heilman, 2012). En este sentido, el elevado componente no explicado de
la brecha salarial identificado en este estudio puede interpretarse parcialmente como resultado
de estos mecanismos psicosociales que continúan influyendo en la valoración del trabajo
femenino dentro del mercado laboral.
Estos resultados confirman parcialmente la teoría del capital humano, pero la desafían
al evidenciar que los retornos no son neutrales al género. La persistencia del componente no
explicado refleja distorsiones estructurales del mercado laboral. Por tal razón, es necesario
implementar políticas públicas que tengan como objetivo: Igualdad salarial entre géneros;
aumento de la participación femenina en disciplinas STEM; y Fortalecimiento estadístico con
perspectiva de género, entre otras.
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 14
Sin embargo, el presente estudio presenta algunas limitaciones que deben ser
reconocidas. En primer lugar, el uso de microdatos provenientes de la Encuesta Nacional de
Ocupación y Empleo (ENOE) proporciona una base sólida para el análisis, pero restringe la
incorporación de variables no observadas de tipo institucional, cultural o subjetivo, tales como
el clima organizacional, las prácticas de negociación salarial o las normas de género
internalizadas. En segundo lugar, la estimación se realiza de manera transversal, lo cual impide
el análisis de trayectorias laborales o dinámicas de movilidad a lo largo del tiempo. Una
aproximación longitudinal permitiría examinar con mayor profundidad los efectos acumulativos
de la desigualdad a lo largo del ciclo de vida laboral.
Otra limitación importante radica en la dificultad para controlar adecuadamente el
fenómeno de la auto-selección en el mercado laboral. Las decisiones de participación y las
trayectorias de las mujeres pueden estar condicionadas por factores endógenos que también
inciden en sus niveles de ingreso, tales como la maternidad, la distribución desigual del trabajo
doméstico o la ausencia de redes de apoyo. La omisión de estas dimensiones puede conducir
a una subestimación de la magnitud real de las desigualdades de género. En este sentido, se
recomienda que futuras investigaciones incorporen metodologías cualitativas o de corte mixto
que permitan capturar con mayor precisión la complejidad de estos fenómenos.
A partir de los hallazgos obtenidos, se proponen las siguientes recomendaciones
orientadas a reducir la brecha salarial de género y promover una participación más equitativa
de las mujeres en el desarrollo económico:
1. Diseño e implementación de políticas de igualdad salarial con enfoque estructural. Es
indispensable fortalecer los mecanismos institucionales que supervisan y sancionan las
prácticas discriminatorias en la remuneración. Esto incluye la realización de auditorías
salariales con perspectiva de género, la creación de incentivos para empresas que
adopten prácticas equitativas, y la promoción de la transparencia en las escalas salariales
según nivel educativo y tipo de ocupación.
2. Fomento activo de la participación femenina en disciplinas STEM. Se recomienda
implementar programas de orientación vocacional con perspectiva de género desde la
educación media, así como ofrecer becas y establecer redes de mentoría para mujeres
en carreras científicas y tecnológicas. Es fundamental garantizar su acceso a empleos de
calidad y promover su permanencia y desarrollo profesional en estos sectores
estratégicos.
3. Conciliación entre la vida laboral y familiar. Para avanzar en la equidad salarial es esencial
adoptar políticas laborales que faciliten una distribución más equitativa de las
responsabilidades de cuidado, como licencias parentales compartidas, esquemas de
trabajo flexible y acceso universal a servicios de cuidado infantil. Estas medidas
contribuirían a reducir la penalización de la maternidad y a favorecer trayectorias
laborales continuas para las mujeres.
4. Ampliación de los marcos de análisis. Se recomienda que futuras investigaciones
incorporen enfoques interseccionales que consideren la interacción entre género y otros
ejes de desigualdad, como el origen étnico, la clase social o el territorio. Esto permitiría
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 15
identificar con mayor precisión a los grupos más vulnerables y diseñar políticas públicas
diferenciadas y focalizadas.
5. Fortalecimiento de la recolección de datos con enfoque de género. Es imperativo
mejorar la calidad y la cobertura de los sistemas estadísticos laborales, incorporando
indicadores relacionados con las condiciones de trabajo, la discriminación percibida, las
cargas de trabajo no remunerado y las trayectorias laborales interrumpidas. Una mejor
medición permitiría realizar diagnósticos más integrales y formular políticas basadas en
evidencia.
Conclusiones
En síntesis, la brecha salarial de género en México representa un obstáculo estructural para la
construcción de un modelo de desarrollo económico más justo e inclusivo. Si bien las mujeres
han realizado inversiones sustanciales en su formación profesional, los beneficios de estas
inversiones continúan viéndose limitados por barreras institucionales y sociales. Comprender y
cuantificar estas desigualdades es un paso necesario, pero no suficiente. Se requiere voluntad
política, transformación cultural y coordinación entre actores públicos y privados para que el
principio de igualdad de oportunidades se traduzca en resultados concretos en términos de
bienestar, autonomía y desarrollo sustentable.
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 16
Referencias
ANUIES. (2023). Estadísticas de educación superior en México: Matrícula, género y programas académicos. Asociación
Nacional de Universidades e Instituciones de Educación Superior. https://www.anuies.mx/informacion-y-
servicios/informacion-estadistica-de-educacion-superior
AP News. (2024). Men earn more than women in egalitarian Norway, report finds.
Arrow, K. J. (1973). The theory of discrimination. Princeton University Press.
Becker, G. S. (1964). Human capital: A theoretical and empirical analysis, with special reference to education. University of
Chicago Press.
Becker, G. S. (1971). The economics of discrimination. University of Chicago Press.
Benhabib, J., & Spiegel, M. M. (1994). The role of human capital in economic development: Evidence from aggregate
cross-country data. Journal of Monetary Economics, 34(2), 143–173. https://doi.org/10.1016/0304-
3932(94)90047-7
Bils, M., & Klenow, P. J. (1998). Does schooling cause growth? Or the other way around.
https://www.nber.org/system/files/working_papers/w6393/w6393.pdf
Blinder, A. S. (1973). Wage discrimination: Reduced form and structural estimates. Journal of Human Resources, 8(4),
436–455. https://doi.org/10.2307/144855
Campos-Vázquez, R., Rivas-Herrera, C., Alcaraz, E., & Martínez, L. A. (2021). The effect of maternity on employment
and wages in Mexico. Applied Economics Letters, 28(17), 1483–1487.
https://doi.org/10.1080/13504851.2021.1967272
Card, D. (1999). The causal effect of education on earnings. In O. Ashenfelter & D. Card (Eds.), Handbook of labor
economics (Vol. 3A, pp. 1801–1863). Elsevier. https://doi.org/10.1016/S1573-4463(99)03011-4
Denison, E. F. (1962). Education, economic growth, and gaps in information. Committee for Economic Development.
URL: http://www.nber.org/chapters/c13576.
Doeringer, P. B., & Piore, M. J. (1971). Internal labor markets and manpower analysis.
E61 Institute. (2023). Family matters to women’s pay. The Australian. E61 Institute.
Eagly, A. H., & Karau, S. J. (2002). Role congruity theory of prejudice toward female leaders. Psychological Review. Copyright
2002 by the American Psychological Association, Inc. 2002, Vol. 109, No. 3, 573–598 0033-295X/02/$5.00.
DOI: 10.1037/0033-295X.109.3.573
Fortin, N. M., Lemieux, T., & Firpo, S. (2011). Decomposition methods in economics. In O. Ashenfelter & D. Card (Eds.),
Handbook of labor economics (Vol. 4A, pp. 1–102). Elsevier. https://doi.org/10.1016/S0169-7218(11)00407-2
García, K. (2009). Discriminación salarial por género en México. El Trimestre Económico, 76(1), 83–109.
https://doi.org/10.20430/ete.v76i1.5
Gasparini, L., & Marchionni, M. (2015). Brechas de género en América Latina: Una mirada desde los mercados laborales.
CEDLAS-BID. https://publications.iadb.org/es/brechas-de-genero-en-america-latina-una-mirada-desde-los-
mercados-laborales
Heckman, J. J., Lochner, L. J., & Todd, P. E. (2006). Earnings functions, rates of return and treatment effects: The Mincer
equation and beyond. In E. Hanushek & F. Welch (Eds.), Handbook of the economics of education (Vol. 1, pp.
307–458). Elsevier. https://doi.org/10.1016/S1574-0692(06)01007-5
Heilman, M. E. (2012). Gender stereotypes and workplace bias. Research in Organizational Behavior. 32 (2012) 113–135.
Elsevier Ltd. https://dx.doi.org/10.1016/j.riob.2012.11.003.
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 17
Hernández, M. (2024), Una de cada siete egresadas estudió una carrera STEM. Gaceta UNAM.
https://www.gaceta.unam.mx/solo-una-de-cada-siete-egresadas-de-universidades-estudio-una-carrera-
stem/
INEGI. (2025). Encuesta Nacional de Ocupación y Empleo (ENOE): Población de 15 años y más de edad, cuarto trimestre de
2023 [Microdatos / Datos de encuesta]. Instituto Nacional de Estadística y Geografía.
https://www.inegi.org.mx/programas/enoe/15ymas/
Instituto Mexicano para la Competitividad (IMCO). (2022). Brecha salarial de género.
Jann, B. (2008). The Blinder–ac decomposition for linear regression models. Stata Journal, 8(4), 453–479.
https://doi.org/10.1177/1536867X0800800401
Kochhar, R. (2023, March 1). The enduring grip of the gender pay gap. Pew Research Center.
https://www.pewresearch.org/social-trends/2023/03/01/the-enduring-grip-of-the-gender-pay-gap/
Leoncini, R., Macaluso, M., & Polselli, A. (2023). Gender segregation: Analysis across sectoral-dominance in the UK
labour market. arXiv preprint arXiv:2303.04539. https://doi.org/10.48550/arXiv.2303.04539
Lucas, R. E. (1988). On the mechanics of economic development. Journal of Monetary Economics, 22(1), 3–42.
https://doi.org/10.1016/0304-3932(88)90168-7
Mincer, J. (1974). Schooling, experience, and earnings. National Bureau of Economic Research.
Nelson, R. R., & Phelps, E. S. (1966). Investment in humans, technological diffusion, and economic growth. American
Economic Review, 56(1/2), 69–75.
Oaxaca, R. L. (1973). Male-female wage differentials in urban labor markets. International Economic Review, 14(3), 693–
709. https://doi.org/10.2307/2525981
Ordaz-Díaz, J. (2008). Los rendimientos privados de la educación y las circunstancias de origen en México. Revista
Latinoamericana de Economía, 39(152), 1–30. https://www.redalyc.org/articulo.oa?id=521674411048
Orraca, P., Cabrera, F. J., & Iriarte, G. (2016). The gender wage gap and occupational segregation in the Mexican labour
market. EconoQuantum, 13(1), 51–72.
Psacharopoulos, G., & Patrinos, H. A. (2018). Returns to investment in education: A decennial review of the global
literature. Education Economics, 26(5), 445–458. https://doi.org/10.1080/09645292.2018.1484426
Reich, M., Gordon, D., & Edwards, R. (1973). A theory of labor market segmentation.
Rodríguez Pérez, R. E. (2018). Brecha salarial por género en México: Desde un enfoque regional, según su exposición
a la apertura comercial 2005–2015. Nóesis. Revista de ciencias sociales, 27(54), 19-38. Epub 03 de julio de 2020.
https://doi.org/10.20983/noesis.2018.2.2
Romer, P. M. (1986). Increasing returns and long-run growth. Journal of Political Economy, 94(5), 1002–1037.
https://doi.org/10.1086/261420
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 18
Anexos
Resumen de la regresión de Mincer para los hombres
Estadísticas de la regresión
Coeficiente de correlación múltiple
0.37792189
Coeficiente de determinación R^2
0.14282495
R^2 ajustado
0.1427886
Error típico
0.27841523
Observaciones
70734
Análisis de varianza
Grados de
libertad
Suma de
cuadrados
Promedio de los
cuadrados
F
Valor crítico de
F
Regresión
3
913.53294
304.51098
3928.41
0
Residuos
70730
5482.63886
0.07751504
Total
70733
6396.1718
Coefi-
cientes
Error
típico
Estadís-
tico t
Proba-
bilidad
Inferior
95%
Superior
95%
Inferior
95.0%
Superior
95.0%
Inter-
cepción
3.519189
0.00434
810.5246
0
3.51067
3.527699
3.510679
3.5276999
Educ
0.025093
0.00024
101.8358
0
0.02461
0.025576
0.024610
0.0255766
Expe-
riencia
0.014081
0.00017
80.9914
0
0.01374
0.014422
0.013740
0.0144220
Exp2
-0.00023
3.1739E-
06
-75.2037
0
-0.0002
-0.00023
-0.00024
-0.000232
Palacios y Lozano Capital humano y desigualdad salarial de género
UARICHA, 2026, Vol. 24, pp. 1-19 19
Resumen de la regresión de Mincer para las mujeres
Estadísticas de la regresión
Coeficiente de correlación múltiple
0.41222337
Coeficiente de determinación R^2
0.16992811
R^2 ajustado
0.16988069
Error típico
0.31758418
Observaciones
52519
Análisis de varianza
Grados de
libertad
Suma de
cuadrados
Promedio de los
cuadrados
F
Valor crítico de
F
Regresión
3
1084.30289
361.434296
3583.53
0
Residuos
52515
5296.64781
0.10085971
Total
52518
6380.95070
Coefi-
cientes
Error
típico
Estadís-
tico t
Proba-
bilidad
Inferior
95%
Superior
95%
Inferior
95.0%
Superior
95.0%
Intercepción
3.320502
0.00624
531.3342
0
3.30825
3.332751
3.308253
3.332751
EDUC
0.030861
0.00034
90.74432
0
0.03019
0.031527
0.030194
0.031527
Experiencia
0.014243
0.00024
57.88519
0
0.01376
0.014726
0.013761
0.014726
Exp2
-0.00027
4.495E-
-61.6835
0
-0.0002
-0.00026
-0.00028
-0.000268