SciELO - Scientific Electronic Library Online

 
vol.50 número95El sentido de un juramento: los chinos y la guerra del PacíficoActitudes y comportamientos de mujeres de clase alta limeña sobre el trabajo doméstico en el contexto de la pandemia de COVID-19 índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

  • Não possue artigos citadosCitado por SciELO

Links relacionados

  • Não possue artigos similaresSimilares em SciELO

Compartilhar


Apuntes

versão impressa ISSN 0252-1865

Apuntes vol.50 no.95 Lima set./dez. 2023  Epub 31-Dez-2023

http://dx.doi.org/10.21678/apuntes.95.1676 

Artículo

Discriminación laboral de género en el sector turismo: un análisis para el caso peruano en el contexto de la COVID-19

Labor discrimination by gender in the tourism sector: An analysis for the Peruvian case in the context of COVID-19

César Edinho del Pozo Loayza1 
http://orcid.org/0000-0003-0809-4219

Esther Guzmán Pacheco2 
http://orcid.org/0000-0002-7861-1528

1 Universidad Nacional de San Antonio Abad del Cusco, Perú. cesar.delpozo@unsaac.edu.pe.

2 Universidad Andina del Cusco, Perú. eguzman@uandina.edu.pe.

RESUMEN

Este artículo identifica procesos de discriminación laboral de género en el sector turismo peruano, analizando los determinantes de la brecha salarial entre hombres y mujeres en el contexto de la pandemia de COVID-19. Para ello, se utilizan la Encuesta Nacional de Hogares entre 2018 y 2021 y la metodología de descomposición de brechas salariales por cuantiles de Machado y Mata (2005), la cual incluye una corrección por sesgo de selección en la participación laboral de hombres y mujeres en el sector turismo (Buckinsky, 1998; Albrecht et al., 2009). La brecha salarial fue descompuesta en diferencias en las características laborales (educación, experiencia) y diferencias en los retornos de tales características. Los resultados muestran que la brecha salarial es desfavorable a las mujeres y es explicada principalmente por diferencias en los retornos, sobre todo en cuantiles más bajos de la distribución salarial. Los procesos de discriminación laboral contra las mujeres en turismo se habrían incrementado durante la pandemia, en particular el efecto piso pegajoso.

Palabras clave: Discriminación laboral; brecha salarial de género; descomposiciones; sesgo de selección; turismo; COVID-19

ABSTRACT

This article identifies processes of gender-based labor discrimination in the Peruvian tourism sector, we analyze the determinants of the gender wage gap between men and women in the context of the COVID-19 pandemic. We use the National Household Survey between 2018-2021 and the methodology of decomposition of wage gaps by quantiles proposed by Machado and Mata (2005), which includes a correction for selection bias in the labor participation of men and women in the tourism sector (Buckinsky, 1998; Albrech et al., 2009). The wage gap was decomposed into differences in job characteristics (education, experience) and differences in the returns to such characteristics. The results show that the wage gap is unfavorable to women and is mainly explained by differences in returns, mainly in the lower quantiles of the wage distribution. Labor discrimination processes against women in tourism would have increased during the pandemic, in particular the sticky floor effect.

Keywords: Labor discrimination; gender wage gap; decomposition; selection bias; tourism; COVID-19

1. Introducción

El sector turismo es uno de los sectores económicos más importantes en el Perú. En 2019, la contribución del turismo al producto interno bruto (PIB) fue del 4%, generó más de 679 000 empleos directos y 778 000 empleos indirectos, y absorbió el 8,5% de la población económicamente activa (PEA). La cantidad de turistas que visitaron el Perú llegó a 4,4 millones; mientras que los viajes de turistas nacionales llegaron a los 48,6 millones (Mincetur1). La pandemia generada por la COVID-19 afecta la economía y la sociedad desde marzo de 20202, esta pandemia es un tipo diferente y único de crisis, puesto que ha implicado severas medidas de distanciamiento social en todo el mundo. Esto ha implicado que los sectores económicos más dependientes de la interacción social (comercio, servicios, etc.) se vean mayormente afectados, sectores donde adicionalmente la participación laboral femenina es más alta (Alon et al., 2020). En el sector turismo, la etapa más crítica de la pandemia ha implicado el cierre total o parcial de fronteras en la mayoría de los países del mundo, afectando la movilidad para los viajes, la seguridad y la confianza, los cuales son pilares de la actividad turística. Las restricciones a la movilidad social afectaron los flujos turísticos, ingresos y empleo en dicho sector. La Organización Mundial del Turismo (OMT) calificó la pandemia del COVID-19 como: «la peor crisis que el turismo internacional ha afrontado desde que hay registros». La OMT estima que la caída en los flujos turísticos en 2020 fue de entre el 58% y el 78% en función de las restricciones de movilidad social impuestas por los países, con una disminución del ingreso de entre US$ 950 000 millones y US$ 1200 millones y pérdidas de entre 100 y 120 millones de puestos de trabajo.

En el Perú, el 16 de marzo de 2020, el gobierno de turno decreto el estado de emergencia a nivel nacional. Entre las medidas adoptadas se incluyó el confinamiento obligatorio de las personas, cierre de fronteras, suspensión de clases y paralización de actividades económicas no esenciales. Entre enero y junio de 2020, el PIB nacional se contrajo en un 8,7% (respecto de similar período del año anterior). La proporción de trabajadores empleados se contrajo en un 40%; dicho efecto habría sido diferenciado según las características de los trabajadores, afectando más a trabajadores independientes, informales y en empresas de menos de 10 trabajadores (IPE, 2020). El sector turismo ha sido uno de los sectores más afectados por las medidas adoptadas para la contención de la COVID-19 en el Perú. A mediados de marzo de 2020, se decretó la suspensión total de vuelos nacionales e internacionales. Entre 2019 y 2020, el movimiento de pasajeros en el aeropuerto internacional de Lima disminuyó en un 70% (Mincetur3). Las medidas de contención de la pandemia se fueron flexibilizando de manera parcial y progresiva a través de diversas fases de reactivación económica. A partir de mayo de 2020, el Gobierno peruano ha implementado un conjunto de acciones para atenuar los efectos negativos de la COVID-19 en la actividad turística, entre ellos: aprobación de protocolos sanitarios para garantizar la salud de trabajadores y consumidores (hoteles, restaurantes), programas de otorgamiento de crédito a empresas turísticas (Turismo Emprende4, Reactiva Perú5 y FAE Turismo6), fortalecimiento de capacidades y asistencia técnica a las empresas por parte de Promperú.

De acuerdo con Bakas et al. (2018), el sector turismo es un sector con una alta participación laboral femenina, con una marcada segregación laboral, lo cual contribuye a que en este sector la brecha salarial de género sea mayor respecto de otros sectores de la economía. Para el caso peruano, el 67% de personas empleadas en el sector turismo son mujeres. De manera similar a otros países, si bien la participación femenina en el sector turismo es mayoritaria, existe también una marcada brecha salarial de género. En el Perú, entre 2018 y 2021, los hombres empleados en el sector turismo obtuvieron en promedio un 18% más salarios por hora que las mujeres7. Sin embargo, la brecha salarial es relativamente más alta en los extremos de la distribución salarial; es decir, la brecha salarial es mayor tanto en los rangos de salarios (cuantiles) más bajos como en los más altos. Antes de la pandemia de COVID-19 (entre el I trimestre de 2018 y el II trimestre de 2020), la brecha salarial en los cuantiles más bajos fue del 21% y en los más alto fue del 25%, mientras que, durante la pandemia (entre el II trimestre de 2020 y el VI trimestre de 2021), la brecha salarial en los cuantiles más bajos fue del 24% y en los más altos fue del 17%. En la literatura relacionada con la discriminación laboral, una mayor brecha salarial en los cuantiles más bajos se relaciona con el fenómeno llamado «piso pegajoso» (Guy, 1994), mientras que una mayor brecha salarial en los cuantiles más altos se relaciona con el fenómeno llamado «techo de cristal» (Cotter et al., 2001).

El objetivo de este artículo es identificar procesos de discriminación laboral de género en el sector turismo en el contexto de la pandemia de COVID-19. En particular, este estudio explora la relevancia de procesos de discriminación laboral como determinantes de la brecha salarial de género en el sector turismo para el caso peruano. Para ello, se utiliza información de la Encuesta Nacional de Hogares del INEI entre el I trimestre de 2018 y el VI trimestre de 2021, período de análisis que permite explorar los cambios generados en la discriminación laboral de género durante la pandemia de COVID-19. Se emplea también una metodología de descomposiciones de brechas salariales a lo largo de la distribución de salarios (Machado & Mata, 2005), corregida por el sesgo de selección en la participación laboral tanto de hombres como mujeres en el sector turismo (Buchinsky, 1998; Albrecht et al., 2009). La relevancia de esta metodología radica en que permite identificar la relevancia de procesos de discriminación laboral denominados como «piso pegajoso» y «techo de cristal» en el sector turismo.

El resto del documento consta de las siguientes secciones: en la sección 2, se presenta la contextualización del sector turismo para el caso peruano. En la sección 3, se presenta la revisión de literatura los determinantes de la brecha salarial en turismo, discriminación laboral y literatura reciente sobre los efectos de la COVID-19 en el mercado laboral. En la sección 4, se describen la metodología empírica y los datos. En la sección 5, se presentan los principales resultados del estudio. En la sección 6, se discute la evidencia obtenida en el marco de la literatura relevante. Por último, en la sección 7, se presentan las conclusiones.

2. Contextualización de la oferta laboral y la brecha salarial de género en el sector turismo peruano

La oferta laboral tiene dos márgenes de análisis: por un lado, el margen extensivo y, por otro, el margen intensivo. El margen extensivo está relacionado con la decisión de las personas de participar o no en el mercado laboral. Considerando al sector turismo como el agregado de las actividades económicas de servicios de hospedaje, restaurantes y agencias de viajes y operadores turísticos, la participación laboral (margen extensivo del empleo) tanto de hombres como mujeres es relativamente similar entre 2018 y 2021 (75% y 74%, respectivamente). No obstante, durante la pandemia de COVID-19 (entre el II trimestre de 2020 y el IV trimestre del 2021), la participación laboral en el sector turismo se redujo en promedio un 6%, y la caída en la participación laboral afectó más a las mujeres. En el período más crítico de la pandemia (II trimestre de 2020), la participación laboral de las mujeres en el sector turismo cayó hasta un 45% (la de los hombres llegó al 61%); esto implicó una caída en el empleo dependiente en turismo de más del 35% en dicho trimestre comparado con similar período del año anterior8. Por su parte, el margen intensivo está relacionado con el tiempo destinado para realizar trabajo remunerado. En términos de las horas trabajadas por semana en el sector turismo, el número de horas trabajadas por las mujeres es relativamente menor que el de los hombres (38 y 43 horas por semana, respectivamente). Durante la pandemia, las horas trabajadas en este sector se redujeron en promedio en un 6%. En el II trimestre de 2020, se observó una severa caída en las horas trabajadas, la cual afectó más a las mujeres; en dicho trimestre, las horas trabajadas por semana por las mujeres fueron solo 26 (las de los hombres fueron 359). En el resto del sector privado, también se evidenciaron cambios tanto en el margen intensivo como en el extensivo. Por un lado, la participación de los hombres es relativamente mayor que la de las mujeres; la mayor caída en la participación laboral se dio también en el II trimestre de 2020 y afectó mayoritariamente a los hombres (caída del 45% respecto del trimestre anterior). Durante la pandemia, las horas trabajadas se redujeron en promedio en un 3% y afectaron mayormente a los hombres10.

En la figura 1, se presenta la brecha salarial de género para diversos cuantiles de la distribución de salarios de trabajadores asalariados o dependientes en el sector turismo antes y durante la pandemia de COVID-19; adicionalmente, se presentan similares brechas para el caso de trabajadores dependientes en el resto del sector privado. La brecha salarial en los casos anteriores ha sido calculada como un porcentaje , donde wh y wm es el salario horario obtenido por hombres y mujeres, respectivamente. La brecha salarial calculada representa la brecha salarial (diferencia en el salario por hora de los hombres respecto de las mujeres) como proporción del salario de los hombres. En dicha figura, se evidencia que la brecha salarial no es constante entre cuantiles, tanto en el sector turismo como en el resto del sector privado. La brecha salarial en el sector turismo, así como en el resto del sector privado, es sistemáticamente positiva, lo cual implica que los hombres obtienen un salario por hora más alto que las mujeres en todos los cuantiles de la distribución salarial. Durante la pandemia de COVID-19, la brecha salarial en el sector turismo se habría incrementado, principalmente en los cuantiles de salarios bajos; mientras que se habría reducido en los cuantiles de salarios más altos. Esto es también evidente para el resto del sector privado.

En particular en el sector turismo, la brecha salarial es relativamente más alta en los extremos de la distribución salarial; es decir, tanto en los cuantiles más bajos de salarios como en los cuantiles de salarios más altos. Antes de la pandemia (entre el I trimestre de 2018 y el II trimestre de 2020), la brecha salarial en el sector turismo fue del 19% (en los cuantiles más bajos fue del 21% y en los más alto fue del 25%). Durante la pandemia (entre el II trimestre de 2020 y el VI trimestre de 2021), la brecha salarial fue del 18% (en los cuantiles más bajos fue de del 24% y en los más altos fue del 17%). En la literatura relacionada con la discriminación laboral, una mayor brecha salarial en los cuantiles más bajos de la distribución se relaciona con el fenómeno llamado «piso pegajoso» (Guy, 1994), mientras que una mayor brecha salarial en los cuantiles más altos se relaciona con el fenómeno llamado «techo de cristal» (Cotter et al., 2001).

Notas:

Trabajadores urbanos, ocupados y dependientes de entre 18 y 65 años.

Período antes de la pandemia: I trimestre de 2018 - I trimestre de 2020.

Período durante la pandemia: II trimestre de 2020 - IV trimestre de 2021.

Sector turismo incluye: actividades de alojamiento de corto plazo, campamentos y otros tipos de alojamiento; restaurantes y servicios móviles de alimentación; actividades de agencias de viajes y operadores turísticos.

Resto del sector privado: manufactura; suministro de servicios públicos; construcción; comercio; transporte; almacenamiento y comunicaciones; intermediación financiera; actividades inmobiliarias, empresariales; enseñanza; servicios sociales y de salud; otros servicios.

Fuentes: Enaho 2018 y 2021.

Figura 1 Diferencial salarial entre hombres y mujeres en el contexto de la pandemia de COVID-19 

3. Revisión de la literatura

Conceptualmente, la brecha salarial de género puede ser determinada tanto por factores observables como por factores no observables. Los factores observables se basan en diferencias en la acumulación de capital humano, en términos de años de educación, experiencia y otras competencias relacionadas con el mercado laboral. Bajo esta perspectiva (Becker, 2009), de existir diferencias en la dotación de educación, entrenamiento específico o experiencia laboral entre trabajadores, es de esperar que existan diferencias en la productividad observable, y consecuentemente se generaría una brecha salarial. Por su parte, los factores no observables están relacionados con diferencias en la valoración de las características laborales de los trabajadores, generando diferencias en la retribución de tales características. Las diferencias serían atribuibles a procesos de discriminación laboral contra determinados grupos sociales (England, 2010). Empíricamente, la brecha salarial de género ha sido típicamente analizada a través métodos de descomposición de brechas a nivel promedio, es decir a nivel solamente de la media de la distribución de salarios. La metodología más empleada es la propuesta por Oaxaca y Blinder (Oaxaca, 1973; Blinder, 1973). En dicha aproximación, el diferencial salarial entre hombres y mujeres puede ser descompuesto en dos componentes: (i) diferencias en las características entre los grupos de comparación, es decir, diferencias en los años de educación, la experiencia laboral, etc.; (ii) diferencias en la valoración de las características de hombres y mujeres en el mercado laboral. Cuando hay una valoración más baja de las características de un grupo (mujeres) respecto de características similares del otro grupo (hombres), se atribuye dicha diferencia a la existencia de potenciales procesos de discriminación laboral.

El estudio de los determinantes de la brecha salarial de género en turismo ha sido realizado empleando usualmente la metodología de Oaxaca y Blinder para distintos casos de estudio. En primer término, Fleming (2015) analiza la brecha salarial de género para el caso de los Estados Unidos. El autor encuentra una brecha salarial de 22% contra las mujeres en el sector turismo. Delfim y Varejão (2007) analizan la brecha salarial de género en turismo para Portugal y encuentran una brecha salarial a favor de los hombres del 45%, la cual es determinada principalmente por diferencias en el nivel educativo entre hombres y mujeres. Para el caso de España, Muñoz-Bullón (2009) encuentra que los hombres en turismo obtienen en promedio salarios un 7% más altos que los de las mujeres. Dicha brecha salarial sería mayormente explicada por diferencias en la valoración de las características, componente relacionado con discriminación laboral. Campos-Soria et al. (2011) obtienen similares resultados para el caso español. Respecto de evidencia similar para países sudamericanos, Ferreira y Ramos (2016), empleando la metodología de Oaxaca y Blinder para el sector turismo en Brasil, encuentran una brecha salarial de un 35% a favor de los hombres, donde la mayor parte de la brecha sería explicada por procesos de discriminación laboral contra las mujeres. Existen también estudios con enfoque cualitativo que han analizado las desigualdades salariales entre hombres y mujeres en el sector turismo. Entre los más relevantes está el de Bakas et al. (2018), quienes analizan las causas de la brecha salarial de género en el sector turismo de Portugal y sugieren que la desigualdad salarial contra las mujeres es una problemática estructural del sector turismo, la cual se soporta en estereotipos de género y normas sociales que consolidan procesos de discriminación laboral.

La brecha salarial contra las mujeres en el sector turismo es posiblemente un hecho estilizado en la literatura. Los estudios previos con enfoque cuantitativo analizan en general una sola medida: los salarios promedio. Sin embargo, literatura relativamente reciente incorpora mejoras metodológicas, analizando más allá de la media de los salarios; es decir, se analiza la brecha salarial a lo largo de toda la distribución, asumiendo que la brecha salarial puede ser diferente en distintos cuantiles de la distribución. En otros términos, la brecha salarial puede ser aún más alta en los extremos de la distribución de salarios, entre rangos de salarios más bajos y altos respecto del promedio. La brecha salarial de género, a lo largo de la distribución de salarios, puede ser explicada por la existencia de dos fenómenos relacionados con la discriminación laboral: «piso pegajoso» y «techo de cristal». El denominado «piso pegajoso» (Guy, 1994) implica que la participación de las mujeres en las empresas se concentra en labores de soporte. En ellas, generalmente, las mujeres se encuentran empleadas en trabajos de menor nivel jerárquico y menores posibilidades de promoción laboral. Este efecto está relacionado con la existencia de procesos de discriminación laboral contra las mujeres, los cuales se traducen en mantener a las mujeres en empleos de poco valor en las empresas, con condiciones laborales precarias, limitada movilidad laboral y barreras para el ascenso laboral (Ge et al., 2011). Este tipo de discriminación laboral es más recurrente en los cuantiles más bajos de la distribución de salarios (Ge et al., 2011; Agrawal, 2013). El fenómeno denominado «techo de cristal» (Cotter et al., 2001) es un tipo de discriminación laboral que explica brechas salariales que no pueden ser explicadas por otras características laborales observables de los trabajadores, explica brechas en los niveles más altos de salarios, sugiere la existencia de barreras estructurales en las empresas u organizaciones que limitan el progreso o ascenso laboral de las mujeres hacia cargos mejor remunerados y de mayor responsabilidad, y, además, explica brechas que se incrementan a lo largo del tiempo y lo largo del progreso laboral de las mujeres en las empresas. Este tipo de discriminación laboral es más recurrente en los cuantiles más altos de la distribución de salarios (Albrecht et al., 2009).

Utilizando métodos de descomposición por cuantiles (Fortin et al., 2011), estudios recientes se han enfocado en los servicios de hospedaje principalmente para el caso de España, utilizando microdatos provenientes de encuestas de hogares y de empleo para distintos períodos de tiempo (Casado-Díaz et al., 2020; Cotilla & Campos-Soria, 2021; Oliver & Sard, 2020). Los resultados de los métodos de descomposición por cuantiles podrían ser sesgados por el efecto de la selectividad en la muestra considerando las características que determinan las decisiones de hombres y mujeres de trabajar o no en general y en un determinado sector económico (Heckman, 1979; Buchinsky, 1998). En particular, los resultados laborales que obtienes hombres y mujeres en turismo están condicionados por la presencia de sesgo de selección en la participación en el mercado laboral en el sector turismo (Ferreira & Ramos, 2016). En general, los estudios disponibles que analizan brechas salariales en turismo encuentran que las mujeres obtienen menos salarios respecto de los hombres en dicho sector. La brecha salarial incluso puede ser mayor en cuantiles o rangos salariales más altos de la distribución. Los estudios disponibles argumentan que la brecha salarial mayor en rangos salariales más altos podría ser explicada por procesos de discriminación laboral contra las mujeres; dichos procesos se denominan en la literatura como «techo de cristal».. Adicionalmente, estudios con enfoque cualitativo han explorado con mayor profundidad el techo de cristal en el sector turismo; en particular, García et al. (2018) identifican tres factores que explican el techo de cristal contra las mujeres para el caso de servicios hoteleros en las Islas Canarias: barreras externas (factores socioculturales y organizacionales), barreras internas (autopercepciones, identidad de género), barreras generadas por el rol reproductivo y la gestión del tiempo. Para el caso de Portugal, Carvalho et al. (2019), a través de entrevistas en profundidad, analizan las percepciones de mujeres en altos cargos gerenciales en empresas turísticas (hoteles y operadores de viajes) sobre el techo de cristal en el sector turismo. Los factores que contribuyen la discriminación laboral están relacionados con la organización de procesos, la cultura organizacional, la interacción laboral y las identidades de género dentro de las empresas. No obstante, los estudios disponibles se han enfocado en el caso de España, así como en servicios de hotelería y no han considerado la posibilidad de la presencia de sesgos de selección en el mercado laboral del sector turismo (véase la tabla 1).

Tabla 1 Literatura sobre descomposición de la brecha salarial de género en el sector turismo 

Autores/as Caso de estudio Período de estudio Fuente de datos Sector turismo Método de descomposición por cuantiles Corrección del sesgo de selección Discriminación labora
Cotilla y Campos- Soria (2021) España 2014 EES Hotelería Juhn et al. (1993) y Firpo et al. (2007) No Sí: techo de cristal
Oliver y Sard (2020) España 2014 EES Hotelería Juhn et al. (1993) No Sí: techo de cristal
Casado-Díaz et al. (2020) España 2010 EES Hotelería Firpo et al. (2007) No Sí: techo de cristal
Casado-Díaz y Simón (2016) España 2002, 2010 EES Hotelería Oaxaca-Blinder y Firpo et al. (2007) No No

Fuente: elaboración propia sobre la base de la EES (Encuesta de Estructura Salarial). https://www.ine.es/

La literatura sobre los efectos de la COVID-19 en el mercado laboral en el sector turismo es aún escasa. Una excepción es Huang et al. (2021), quienes exploran los cambios en la demanda de trabajo en empresas hoteleras de los Estados Unidos. Los autores encuentran que las empresas redujeron entre un 20% y un 30% la contratación de trabajadores entre marzo y abril de 2020. Sin embargo, están disponibles algunos estudios que exploran cambios en las desigualdades laborales de género para los mercados laborales en general en el contexto de la COVID-19. Uno de los primeros estudios que analizaron los efectos de la COVID-19 en las desigualdades laborales por género fue el de Alon et al. (2020), quienes encuentran que la participación laboral de las mujeres se ha reducido más que la de los hombres, puesto que la pandemia ha implicado que sectores de la economía más dependientes de la interacción social (comercio, servicios, turismo) se vean mayormente afectados por la pandemia, sectores donde adicionalmente la participación laboral de las mujeres es más alta. Deshpande (2020) explora los cambios generados por la COVID-19 en la participación laboral para el caso de la India. El autor encuentra que la probabilidad de permanecer en el empleo en las etapas de recuperación de la pandemia es menor en mujeres que en hombres. Similar análisis fue desarrollado por Farré et al. (2020) para el caso de España. Los autores encuentran que la pandemia ha generado una masiva pérdida de empleo en la economía española, principalmente en sectores de la economía más afectados por las medidas de distanciamiento social (cuarentenas). Encuentran que las pérdidas de empleo son temporales en determinados sectores y en función de las características de los trabajadores; por ejemplo, los trabajadores con más años de educación lograron reingresar al mercado laboral más rápido que los trabajadores menos calificados. Encuentran también que las mujeres tienen una probabilidad más alta de perder sus empleos y permanecer más tiempo desempleadas que los hombres. Dang y Nguyen (2020) exploran los cambios en la desigualdad laboral de género en seis países (China, Corea del Sur, Japón, Italia, Reino Unido y Estados Unidos). Los autores encuentran que las mujeres tienen una mayor probabilidad de perder permanentemente sus empleos debido a la pandemia de COVID-19; consecuentemente, sufrirían una reducción de sus ingresos laborales un 50% mayor que la de los hombres. Reichelt et al. (2020) exploran cambios en el margen extensivo (participación laboral) e intensivo (horas trabajadas) de la oferta laboral entre hombres y mujeres para los casos de Alemania y Singapur en el contexto de la pandemia de COVID-19. Los autores encuentran que las mujeres tienen una mayor probabilidad de reducir su participación laboral y trabajar menos horas que los hombres durante la pandemia. Finalmente, Fukai et al. (2021) exploran el potencial efecto de la COVID-19 en el empleo de mujeres con hijos para Japón y encuentran que la pandemia habría reducido el empleo femenino en 4 puntos porcentuales.

Este estudio aporta a la literatura en tres aspectos. Por un lado, se estiman los determinantes de las brechas salariales de género en el sector turismo para el caso peruano, dado que el Perú es uno de los principales destinos turísticos de Sudamérica. Por otro lado, se analizan las brechas salariales de género a lo largo de la distribución salarial; para ello, se emplea una metodología de descomposiciones por cuantiles (Machado & Mata, 2015), implementando una corrección de selección de la muestra para dar cuenta tanto de las características de la participación laboral femenina en el mercado laboral como de la elección de trabajar en el sector turismo (Buchinsky, 1998; Albrecht et al., 2009). Consideramos que la corrección de selección en la muestra empleada es crucial para que las estimaciones de la descomposición por cuantiles sean consistentes. Dicha corrección, implica una contribución metodológica relevante a la creciente literatura empírica sobre la descomposición de la brecha salarial de género en el sector turismo. Finalmente, se ofrece evidencia de los potenciales cambios generados por la pandemia de COVID-19 en las brechas salariales y la discriminación laboral subyacente en el sector turismo peruano antes y durante la pandemia.

De acuerdo con la literatura previa, planteamos las siguientes hipótesis:

H1: La presencia del sesgo de selección en la participación laboral de hombres y mujeres en el sector turismo es relevante en la descomposición de las brechas salariales en el sector turismo peruano.

La literatura encuentra evidencia del efecto techo de cristal, pero no proporciona evidencia de la presencia del efecto piso pegajoso. Considerando que existe evidencia de ambos procesos de discriminación en los mercados laborales en América Latina (Carrrillo et al., 2014), junto con la segregación ocupacional por género en el sector turismo, establecemos la siguiente hipótesis:

H2: Al descomponer la brecha salarial de género en turismo a lo largo de la distribución salarial, se encuentra que en el sector turismo peruano existe la presencia de ambos procesos de discriminación laboral: piso pegajoso y techo de cristal.

La literatura sobre el efecto de la pandemia en el mercado laboral sugiere que la pandemia de COVID-19 habría reducido la participación laboral femenina y exacerbado las desigualdades salariales de género en América Latina (Viollaz et al., 2022). Por ello, establecemos la siguiente hipótesis:

H3: La pandemia de COVID-19 ha incrementado las brechas salariales entre hombres y mujeres, exacerbando los procesos de discriminación laboral contra las mujeres en el sector turismo peruano.

4. Metodología

Descomposiciones por cuantiles con corrección por sesgo de selección

Las principales metodologías para la descomposición de la brecha salarial están sistematizadas en Fortin et al. (2011). Dichas metodologías se pueden clasificar en dos grupos: primero, metodologías que descomponen la brecha a nivel de la media (Oaxaca, 1973; Blinder, 1973; Oaxaca & Ransom, 1994); segundo, metodologías que descomponen la brecha a nivel de cuantiles de la distribución salarial. En este grupo, las metodologías se subclasifican a su vez en: imputación residual (Juhn et al., 1993), regresiones por cuantiles (Machado & Mata, 2005), reponderación (Dinardo et al., 1996) y función de influencia recentrada (Firpo et al., 2007). En este estudio, se emplea la metodología de descomposiciones por cuantiles propuesta por Machado y Mata (2005) (en adelante, [M-M]). En [M-M], la brecha se descompone en dos componentes: diferencias en la distribución de características observables (como educación o experiencia laboral) y diferencias en los rendimientos (valoración) de las características del mercado laboral. Este último componente se relaciona con procesos de discriminación laboral. Por ello, la pertinencia de esta metodología radica en que permite identificar la relevancia de procesos de discriminación laboral denominados como «piso pegajoso» y «techo de cristal» en el sector turismo. De acuerdo con Frangakis y Rubin (1999), la interpretación causal de estos componentes como determinantes de las brechas salariales de género se basa en el llamado «supuesto de ignorabilidad». Bajo este supuesto, los determinantes salariales no observables no necesitan ser independientes de las características de los individuos, sino que su distribución condicional (dadas las características observables) debe ser la misma entre hombres y mujeres. En otras palabras, la violación del supuesto de ignorabilidad implica que la distribución condicional de observables y no observables difiere sistemáticamente entre hombres y mujeres.

Este estudio corrige la endogeneidad en la descomposición de la brecha salarial de género en el sector turismo generada por la selección muestral. En la literatura, la corrección por selección a nivel de la distribución salarial puede ser implementada a través de un modelo binario de selección (Buchinsky, 1998; Albrecht et al., 2009; Arrellano & Bonhome, 2017) o a través de un modelo de selección censurado (Fernández-Val et al., 2018, 2020). En este estudio, se emplea la aproximación propuesta por Albrecht et al. (2009), quienes adaptan la metodología de descomposiciones de M-M para aprovechar el método de corrección de selección para regresiones por cuantiles propuesta por Buchinsky (1998). Para la corrección de selección se asume un modelo binario de selección, donde la selección es representada por una variable binaria de participación o no en el mercado laboral (Biewen et al., 2020). Se consideran dos canales que generan sesgo de selección en la muestra: diferencias de género en las decisiones de participación laboral y la elección de trabajar en turismo entre todos los sectores económicos. La metodología M-M con corrección de selección (Albrecht et al., 2009) implica dos etapas. La primera etapa consiste en la estimación de una ecuación de participación y una estimación no paramétrica del término de corrección muestral (ℎ(𝜌)(𝑍, 𝛾))). La ecuación salarial puede ser expresada como: 𝑌∗ = 𝑋𝛽p + 𝜀, 𝜌 ∈ [0,1], donde 𝑌∗ representa el salario (variable dependiente latente), 𝑋 es un vector de las características laboral de las personas, 𝛽 es un vector de coeficientes, y 𝜀 es el término de error para cada percentil 𝜌 en la distribución salarial.

La participación laboral es determinada por: 𝑌R = 𝑍𝛼p + 𝜂, 𝜌 ∈ [0,1], donde 𝑌R es el salario de reserva, 𝑍 es un vector de covariables que determina la participación laboral y la elección de una determinada actividad económica11, 𝛼p es un vector de coeficientes y 𝜂 es el término de error para cada percentil 𝜌. Los salarios se observan si 𝑌 = 𝐼(𝑌∗ − 𝑌R > 0)𝑌∗, lo que significa que las personas participan en el mercado laboral si los salarios son mayores que su salario de reserva (Buchinsky, 1988). En tal caso, el salario condicionado 𝑌 (dadas las características 𝑋) en cada cuantil 𝜌 puede ser expresado como: 𝑄p(𝑌|𝑋) = 𝑋𝛽p + 𝑄p(𝜀|𝑋, 𝐼(𝑌∗ − 𝑌R > 0) = 1), donde 𝑄p(𝜀|𝑋, 𝐼(𝑌∗ − 𝑌R > 0) = 1) = ℎ(𝜌)(𝑍, 𝛾) es el sesgo de selección. El término ℎ(𝜌)(𝑍, 𝛾) puede ser estimado a través de una expansión en serie siguiendo un procedimiento de dos etapas. Primero, se plantea una ecuación de participación y se estima 𝛾12. Segundo, se aproxima el término de corrección del sesgo de selección a través de una expansión en serie: ℎ(𝜌-)(𝑍, 𝛾) = 𝛿0 + 𝛿l𝜆(𝑧, 𝛾) + 𝛿2𝜆(𝑧, 𝛾)2 + 𝜀, donde 𝜆(𝑧, 𝛾) es la razón inversa de Mills (Heckman, 1979) evaluada en 𝑧𝛾 y los parámetros 𝑧𝛾 se estiman en la regresión por cuantiles.

Siguiendo estudios previos (Buchinksy, 1998; Albrecht et al., 2009; Chzhen y Mumford, 2011; y Biewen et al., 2020), el segundo paso en la metodología M-M con corrección del sesgo de selección implica la estimación de la ecuación salarial por cuantiles, la cual puede ser expresada como: 𝑄p(𝑌A|𝑋A = 𝑥A) = 𝑥A𝛽A(𝜌) + ℎ(𝜌)(𝑍, 𝛾)y 𝑄p(??B|𝑋B = 𝑥B) = 𝑥B𝛽B(𝜌) + ℎ(𝜌)(𝑍, 𝛾). En este estudio, A identifica a hombres y B, a mujeres. En ambas ecuaciones salariales, el sesgo muestral afecta tanto a la participación en el mercado laboral como a la elección de trabajar en el sector turismo. Se utilizan como variables explicativas en los vectores 𝑋A y 𝑋B las siguientes: educación, experiencia, experiencia al cuadrado, posición en el hogar como jefe(a) de familia, estado civil, condición de informalidad laboral, tamaño de la empresa, actividad económica específica. El término de corrección del sesgo de selección se incluye como un regresor adicional en las ecuaciones salariales por cuantiles.

Si 𝑓(𝑌)(𝑓∗(𝑌AB)) es un estimador de la función de densidad marginal observada del salario (Y) en un determinado cuantil (𝜌), la brecha salarial en cualquier cuantil después de la corrección por sesgo de selección puede ser descompuesta en dos componentes de acuerdo con la siguiente ecuación:

𝜌(𝑓(𝑌A)) − 𝜌(𝑓(𝑌B)) = [𝜌(𝑓(𝑌A)) − 𝜌(𝑓∗(𝑌AB))] + [𝜌(𝑓∗(𝑌AB)) − 𝜌(𝑓(𝑌B))] (1)

Donde [𝜌(𝑓(𝑌A)) − 𝜌(𝑓∗(𝑌AB))] es el efecto retornos, representa la relevancia de las diferencias en la valoración de las características entre hombres y mujeres en el mercado laboral como determinante de brecha salarial. El término [𝜌(𝑓∗(𝑌AB)) − 𝜌(𝑓(𝑌B))] es el efecto características, representa la relevancia de las diferencias en las características entre hombres y mujeres como determinante de la brecha salarial. Como se mencionó anteriormente, un tema relevante en la descomposición de la brecha salarial entre hombres y mujeres en turismo es la posible existencia de sesgo en la selección de la muestra. De acuerdo con la Enaho, entre 2018 y 2021, la tasa de participación laboral en turismo, así como en el sector privado, es diferente entre hombres y mujeres; incluso, durante la pandemia de COVID-19, la participación laboral femenina cayó abruptamente (véase el panel de la figura A.1 del anexo).

La metodología M-M presenta ventajas y limitaciones. Entre las principales ventajas, ofrece un panorama más amplio de las desigualdades de género en los mercados laborales, puesto que permite descomponer la brecha salarial más allá de la media; es decir que, con la metodología M-M, es posible descomponer la brecha salarial para los cuantiles de la distribución de salarios. Este elemento se constituye como una herramienta útil para identificar empíricamente la existencia de procesos de discriminación laboral como piso pegajoso y techo de cristal en el sector turismo antes y durante la pandemia de COVID-19. Entre las principales limitaciones se tiene que esta metodología es computacionalmente demandante, puesto que el cumplimiento de las propiedades asintóticas precisa de un gran número de estimaciones en cada uno de los cuantiles, la especificación de las ecuaciones de salarios entre hombres y mujeres se asume lineal y el método no ofrece descomposiciones detalladas como en el caso de estimaciones no condicionadas de la distribución a través de regresiones RIF (Firpo et al., 2007). Tales llamados a la cautela deben permitir ponderar los resultados ofrecidos en las siguientes secciones del documento.

Datos y variables

Se utiliza como fuente de datos la Encuesta Nacional de Hogares (Enaho) correspondiente a los años de 2018 a 2021. La base de datos se ha desagregado en dos períodos: el primero, entre el I trimestre de 2018 y el I trimestre de 2020 (período antes de la pandemia) y el segundo, entre el II trimestre de 2020 y el IV trimestre de 2021 (período durante la pandemia). La Enaho contiene información a nivel de microdatos de personas residentes en hogares sobre diversas características socioeconómicas, así como información detallada sobre aspectos laborales. En la Enaho es posible determinar el sector económico de empleo de las personas a través de la Clasificación Industrial Internacional Uniforme (CIIU) revisión 4 (rev. 4). La identificación de personas que declaren trabajar en el sector turismo peruano genera controversias en la literatura. El turismo no está reconocido como una industria en la CIIU y no tiene identidad propia en la mayoría de las Cuentas Nacionales de los países a causa de la complejidad en su limitación y estructuración (Espínola, 2016). No obstante, de acuerdo con lo sugerido en la literatura (Delfim & Varejão, 2007; Muñoz-Bullón, 2009; Campos-Soria et al., 2011; García-Pozo et al., 2012; Fleming, 2015; Ferreira & Ramos, 2016; Casado-Díaz et al., 2020; Cotilla & Campos-Soria, 2021; Oliver & Sard, 2020), la definición del sector turismo en las encuestas de hogares se basa en características de la oferta turística. Por ello, en este estudio se define como personas empleadas en el sector turismo a todas aquellas con ingresos laborales positivos que declararon trabajar en las siguientes actividades económicas: Actividades de alojamiento de corto plazo, campamentos y otros tipos de alojamiento (CIIU 5510, 5520 y 5590); Restaurantes y servicios móviles de alimentación (CIIU 5610); Actividades de agencias de viajes y operadores turísticos (CIIU 7911 y 7912).

La muestra empleada está restringida a personas que residen en áreas urbanas del Perú13. Se consideraron en la muestra específicamente personas asalariadas en el sector privado y que registraron al menos una jornada de trabajo remunerado la semana previa a la encuesta. Se consideró a personas de entre 18 y 65 años. El objetivo de restringir la muestra en términos de la edad se justifica en aislar del análisis el efecto de las decisiones de escolaridad de personas más jóvenes y también las decisiones de retiro del mercado laboral de personas mayores de 65 años (Albrecht et al., 2009). La muestra de personas asalariadas en el sector turismo es de 3704, de las cuales el 68% son mujeres y el 32% hombres. El 68% de la muestra corresponde a observaciones antes de la pandemia y el 32%, a observaciones durante la pandemia. Adicionalmente, se incluye a personas dependientes en el resto del sector privado14, cuya muestra es de 36 920 personas, de las cuales el 32% son mujeres y el 68% son hombres. Por último, se ha incluido a un total de 49 068 personas que no forman parte de la PEA, de las cuales el 32% son hombres y el 68% son mujeres; esta información adicional se incluye para estimar la ecuación de participación en el mercado laboral (véase la tabla A1 del anexo).

En la tabla 2, se describen las variables utilizadas en la metodología de M-M con corrección por sesgo de selección, en función de su inclusión en la ecuación de participación y/o la ecuación de salarios. La principal variable dependiente es el salario horario (variable continua), la cual ha sido calculada como el resultado de la ratio entre ingresos laborales semanales en la ocupación principal y dividida por el número de total de horas trabajadas típicamente por semana. El salario horario está expresado en logaritmos, deflactados temporalmente considerado como año base 2009 y el índice de precios al consumidor de Lima Metropolitana. Se han considerado diversas características socioeconómicas, tales como: años de educación15, edad (variable continua), edad al cuadrado (variable continua), indicador de jefatura de hogar (variable discreta), estado marital (variable discreta), indicadores de tenencia de hijos menores de 5 y 14 años (variables discretas), indicadores de percepción de ingresos no laborales (variables discretas), indicadores de autopercepción de origen étnico (variable discreta). Adicionalmente, se han considerado características laborales, tales como: indicador de informalidad laboral (variable discreta), indicadores de tamaño de las empresas (variables discretas), indicadores de la actividad económica específica de los trabajadores con base en la CIIU (variables discretas), indicadores de la región de residencia (variables discretas) e indicadores del trimestre al que pertenece cada observación en la base de datos (variables discretas).

Tabla 2 Descripción de variables 

Variables Definición Ecuación de participación Ecuación de salarios
Salarios horarios Calculado como el producto de las ratios ingresos semanales en la ocupación principal y el número de horas No
Margen extensivo: participación laboral Variable binaria igual a 1 si el individuo es ocupado y asalariado (dependiente); 0 de otro modo. No
Margen intensivo: horas trabajadas por semana Número de horas trabajadas la semana anterior a la encuesta. No No
Educación Número de años de educación.
Edad Edad en años cumplidos.
Edad al cuadrado Edad en años cumplidos al cuadrado.
Jefe de hogar Variable binaria igual a 1 si el individuo cumple el rol de jefe/a de hogar, 0 de otro modo.
Estado marital Variable binaria igual a 1 si el individuo es casado conviviente, 0 de otro modo.
Hijos < 5 años Variable binaria igual a 1 si en el hogar hay la presencia de niños menores de 5 años, 0 de otro modo. No
Hijos < 14 años Variable binaria igual a 1 si en el hogar hay la presencia de niños menores de 14 años, 0 de otro modo. No
Ingresos no laborales Variables dummies por percepción de ingresos no laborales: transferencias monetarias de origen nacional, transferencias monetarias de origen extranjero (remesas), rentas de capital. No
Autopercepción de origen étnico Variables dummies por categorías de autopercepción de origen étnico: quechua, aimara, nativo amazónico, blanco, mestizo, otros. No
Informalidad laboral Variable binaria igual a 1 si el individuo no cuenta con seguro de salud, ni cobertura de pensiones, 0 de otro modo. No
Tamaño de empresa Variables dummies por tamaño de empresa: menos de 20 trabajadores, 21-50 trabajadores, 51-100 trabajadores, 101-500 trabajadores, más de 501 trabajadores. No
Actividad económica Variables dummies por actividad económica. Turismo: alojamiento, restaurantes y agencias de viajes y operadores turísticos. Resto del sector privado: manufactura, sumnistro de servicios públicos, construcción, comercio, transporte, almacenamiento y comunicaciones, intermediación financiera, enseñanza, servicios sociales y de salud, y otros servicios. No
Región de residencia Dummies por cada región de residencia en el momento de la encuesta
Trimestres Dummies por cada trimestre que conforma la base de datos, entre el I trimestre de 2018 y el I trimestre de 2021.

Fuente: elaboración propia sobre la base de la Enaho 2018, 2019, 2020 y 2021.

5. Resultados empíricos

Estadísticas descriptivas

En la tabla A.1 del anexo, se muestran las estadísticas descriptivas de las variables utilizadas en el análisis. Se comparan hombres y mujeres, el sector turismo, el resto del sector privado, y personas sin empleo, antes y durante la pandemia. Los salarios horarios en turismo son menores respecto del resto del sector privado; los salarios de las mujeres en turismo son aún más bajos. En la base de datos, los salarios horarios promedio tanto de hombres como de mujeres asalariados en el sector turismo son menores respecto del sector privado. En promedio, los salarios horarios en el sector turismo durante la pandemia se han reducido en términos reales en un 13% (en el resto del sector privado, la caída de salarios horarios fue del 11%). Antes de la pandemia, los hombres empleados en el sector turismo ganaron un 27% menos que aquellos asalariados en el sector privado; por su parte, las mujeres asalariadas en turismo ganaron un 36% menos que aquellas asalariadas en el sector privado. Durante la pandemia, los hombres asalariados en el sector turismo ganaron un 31% menos que aquellos asalariados en el sector privado; por su parte, las mujeres asalariadas en turismo ganaron un 36% menos que aquellas asalariadas en el sector privado. Tanto en el sector turismo como en el resto del sector privado, los hombres trabajan en promedio más horas que las mujeres; esta diferencia se mantiene durante la pandemia. Las personas asalariadas en el sector turismo muestran un peor perfil laboral comparado con el resto del sector privado, en términos de años de educación y experiencia laboral (aproximada a través de la edad y la edad al cuadrado); en particular, las mujeres asalariadas en el sector turismo tienen 1,2 años menos de educación que los hombres en dicho sector. Las personas sin empleo tienen menos años de educación acumulados respecto de las personas asalariadas. Entre los aspectos destacables de las estadísticas descriptivas se tiene el incremento de los ingresos no laborales a través de las transferencias corrientes; durante la pandemia, el Gobierno peruano implementó la entrega de transferencias monetarias no condicionadas a las familias en mayor estado de vulnerabilidad ante la pandemia de COVID-19. Por otro lado, la autopercepción de origen étnico es mayoritariamente «mestizo». Respecto de otras características laborales, se tiene la informalidad laboral, la cual es mayor en el sector turismo antes y durante la pandemia; sin embargo, las mujeres en el sector turismo sufren de un mayor grado de informalidad laboral: el 73% de las mujeres no cuentan con seguro de salud ni cobertura de pensiones. En el sector turismo, tanto antes como durante la pandemia, la mayor proporción hombres y mujeres asalariados pertenece a las actividades de restaurantes, y se encuentran empleados mayoritariamente en empresas de menos de 20 trabajadores. Por su parte, en el resto del sector privado, la participación de hombres y mujeres es heterogénea entre actividades económicas. La mayor proporción de hombres trabaja en construcción, comercio y manufactura; mientras que la mayor proporción de mujeres trabaja en comercio, enseñanza, manufactura y servicios sociales y de salud. Dicha composición se mantuvo relativamente constante durante la pandemia de COVID-19, con la excepción de una mayor proporción de mujeres empleadas en comercio.

En la tabla A.2 del anexo, se describen las características específicas de hombres y mujeres asalariados en el sector turismo peruano a nivel de cuantiles de la distribución salarial, antes y durante la pandemia de COVID-19. Este sector mantiene una marcada segregación laboral (Bakas et al., 2018). En primer término, se evidencia una marcada participación laboral de las mujeres en el sector turismo, la cual es aún más marcada en los cuantiles más bajos de salarios, donde la participación de las mujeres es de más del 80%. Las diferencias por tipo de ocupación dentro del sector turismo sugieren que la mayor proporción de hombres se desempeñan como cocineros calificados (26% antes de la pandemia), mientras que las mujeres se desempeñan mayoritariamente en actividades de limpieza (37% antes de la pandemia); durante la pandemia de COVID-19, la proporción de mujeres ocupadas en actividades de limpieza se incrementó a un 44%. En los cuantiles más bajos de salarios, una de cada dos mujeres asalariadas en el sector turismo realiza actividades de limpieza. Las mujeres se mantienen predominantemente ocupadas en actividades de limpieza a lo largo de los cuantiles de la distribución salarial, mientras que los hombres se mantienen predominantemente como cocineros calificados a lo largo de la distribución salarial. La informalidad laboral es mayor en los cuantiles más bajos de salarios y afecta en mayor medida a las mujeres. Una mayor proporción de mujeres cuenta con hijos menores de cinco años, factor que tendría efectos en la decisión de participación laboral.

Estimación de la ecuación de participación

La tabla 3 proporciona los resultados de la estimación la ecuación de participación en el sector turístico tanto para hombres como para mujeres, antes y durante la pandemia de COVID-19. Se utiliza un estimador de máxima verosimilitud aplicado al modelo binario de selección (Chzhen & Mumford, 2011; Biewen et al., 2020). La participación laboral es una variable binaria que resume la decisión de trabajar o no trabajar en el sector turismo. El reporte de resultados incluye tanto los coeficientes estimados (𝛾�) como los efectos marginales.

En el caso de los hombres, la educación incrementa la probabilidad de participación laboral en el sector turismo; este efecto solamente es significativo durante la pandemia. La participación laboral se incrementa positivamente con la edad, pero a una tasa decreciente; la jefatura de hogar y el estado marital incrementan la participación en el sector turismo. La presencia de hijos menores de cinco años incrementa la participación laboral, mientras que tener hijos mayores de 14 la reduce. Las transferencias corrientes reducen la participación laboral, mientras que contar con rentas de capital incrementa dicha participación. Respecto de la autopercepción del origen étnico, se encuentra que los hombres autoidentificados como de origen «mestizo», «indígena» (quechua, aimara, amazónico) y «afroperuano» tienen una probabilidad menor de participar en el mercado laboral del sector turismo respecto de la autoidentificación como «blanco». Los efectos negativos del origen étnico en la participación laboral en el sector turismo se habría incrementado durante la pandemia de COVID-19.

En el caso de las mujeres, antes de la pandemia, la educación incrementa la participación laboral; sin embargo, durante la pandemia dicho efecto se torna negativo, lo cual estaría relacionado con diferencias en la valoración de la educación de hombres y mujeres en el sector turismo. La participación laboral se incrementa positivamente con la edad a una tasa decreciente; la jefatura de hogar incrementa la participación en el sector turismo. A diferencia de los hombres, para las mujeres el estado marital de casadas o convivientes reduce la participación laboral; este efecto negativo se habría incrementado durante la pandemia. Por su parte, la presencia de niños menores de cinco años reduce la participación laboral, mientras que la presencia de niños mayores de 14 años la incrementa; efectos relacionados con la gestión de uso del tiempo. Para mujeres autopercibidas como «nativas amazónicas» y «afroperuanas», la probabilidad de participación laboral en el sector turismo es menor. A modo de referencia, en la tabla A.3 se presentan las estimaciones de la ecuación de participación laboral para el resto del sector privado.

Tabla 3 Ecuación de participación laboral en el sector turismo 

Notas: Variable dependiente es igual a 1 si el trabajador es ocupado y asalariado en turismo o en el sector privado; 0 de otro modo. Las regresiones incluyen variables dummies por región de residencia y trimestres de la encuesta.

Errores estándar entre paréntesis.

*, ** y ***; significancia al 10%, 5% y 1%, respectivamente.

Fuente: elaboración propia sobre la base de la Enaho 2018, 2019, 2020 y 2021.

Estimación de la ecuación de salarios por cuantiles

Las estimaciones de las ecuaciones de salarios por cuantiles tanto para hombres como para mujeres en el sector turístico se presentan en la tabla 4. Siguiendo la sección metodológica, el término de corrección por sesgo de selección (ℎ(??)(𝑍, 𝛾))) es estadísticamente significativo a nivel de la media y en la mayoría de los cuantiles de la distribución salarial. Esto sugiere que la selección de la muestra es relevante en las ecuaciones salariales y en las descomposiciones de las brechas salariales por género en el sector turismo. Los coeficientes estimados representan la valoración de las características laborales y socioeconómicas en el salario del sector turismo, tanto para hombres (panel A de la tabla 4) como para mujeres (panel B de la tabla 4). Las estimaciones sugieren que por cada año adicional de estudios los hombres obtienen en promedio un 2,1% más de salario por hora, mientras que las mujeres obtienen solo un 0,9% más. Los retornos educativos de los hombres se redujeron durante la pandemia, llegando a un 1,4% por año adicional de estudios, mientras que el retorno educativo de las mujeres se ha incrementado a un 1,6% por año adicional de estudios, siendo ligeramente superior a la de los hombres. Los resultados para el resto del sector privado son diferentes comparados con el sector turismo, los retornos educativos son más altos en el resto del sector privado respecto del turismo. En particular, hombres empleados en sectores diferentes al turismo obtienen salarios un 3,4% más altos por año adicional de estudios, mientras que las mujeres obtienen retornos del 5% antes de la pandemia y del 3% durante esta la misma. Para mayores detalles sobre las estimaciones correspondientes al resto del sector privado, véase la tabla A.4 del anexo. También se evidencia que la educación es más valorada en los cuantiles más altos de la distribución salarial, particularmente para los hombres. Otra característica relevante en la ecuación de salarios es la edad, la cual es positiva y significativa tanto para hombres como mujeres. La posición de cabeza de familia muestra una relevancia significativa para el caso de mujeres, principalmente en quintiles más bajos de salarios antes de la pandemia. Por su parte, la informalidad laboral reduce el salario, principalmente para el caso de las mujeres. Antes de la pandemia, las mujeres en condición de informalidad obtuvieron salarios un 17% menores; durante la pandemia, dicho efecto negativo fue del 11%. A nivel de subsectores del turismo, cuando las personas se emplean en agencias de viajes y operadores de turismo, obtienen salarios superiores a los que se emplean en restaurantes; esto es similar para hombres (34%) y mujeres (33% antes de la pandemia y 39% durante esta). A nivel de cuantiles, este coeficiente es mayormente positivo y significativo, tanto para hombres como mujeres.

La figura 2 muestra cómo el sesgo de selección de la muestra afecta la brecha de género estimada en el sector del turismo antes y durante de la pandemia de COVID-19. En el panel A, para el período antes de la pandemia, se muestra que, después de condicionar la brecha a las características socioeconómicas y laborales y corregir por selección, la brecha salarial de género en el sector turismo es mayor en la parte superior de los cuantiles intermedios y más altos de la distribución salarial. En el panel B, para el período durante la pandemia, se muestra que, después de condicionar la brecha e implementar la corrección selección, la brecha salarial es mayor en la mayoría de los cuantiles de la distribución salarial. El resultado anterior sugiere que la corrección por el sesgo de selección en la participación laboral sería más relevante para el período de análisis durante la pandemia, puesto que la participación laboral de las mujeres se redujo en mayor proporción que la de los hombres; esta participación laboral diferenciada afecta la estimación de la brecha salarial de género. Lo anterior brinda evidencia a favor de la primera hipótesis planteada respecto de la presencia del sesgo de selección en la participación laboral de hombres y mujeres en el sector turismo, la cual es relevante en la descomposición de las brechas salariales en el sector turismo peruano.

Notas:

Trabajadores urbanos, ocupados y dependientes de entre 18 y 65 años.

Período antes de la pandemia: I trimestre de 2018 - I trimestre de 2020.

Período durante la pandemia: II trimestre de 2020 - IV trimestre de 2021.

Sector turismo incluye: actividades de alojamiento de corto plazo, campamentos y otros tipos de alojamiento; restaurantes y servicios móviles de alimentación; actividades de agencias de viajes y operadores turísticos.

Fuentes: Enaho 2018 y 2021.

Figura 2 Brecha salarial de género en el sector turismo (no condicionada, condicionada y condicionada y corregida por sesgo de selección) antes y durante la pandemia de COVID-19 

Tabla 4 Estimación de la ecuación de salarios por cuantiles en el sector turismo, antes y durante la pandemia de COVID-19 Corrección de selección 

Notas: Sector turismo incluye: Actividades de alojamiento de corto plazo, campamentos y otros tipos de alojamiento (CIIU 5510, 5520 y 5590 rev. 4); Restaurantes y servicios móviles de alimentación (CIIU 5610 rev. 4); Actividades de agencias de viajes y operadores turísticos (CIIU 7911 y 7912 rev. 4).

Todas las regresiones incluyen dummies por tamaño de empresas.

Errores estándar entre paréntesis (corregidos por heterocedasticidad).

*, ** y ***; significancia al 10%, 5% y 1%, respectivamente.

Fuente: elaboración propia sobre la base de la Enaho 2018, 2019, 2020 y 2021.

Descomposición por cuantiles de la brecha salarial de género en turismo con corrección de selectividad

De acuerdo con Machado y Mata (2005) y Albrecht et al., (2009), la brecha predicha ((𝑓(𝑌A)) − 𝜌(𝑓(𝑌B)), condicionada a características laborales y socioeconómicas y corregida por sesgo de selección (en el 𝜌-ésimo cuantil) se descompone en dos componentes: efecto características y efecto retornos. El efecto características (𝜌(𝑓∗(𝑌AB)) − 𝜌(𝑓(𝑌B))) captura el efecto de la diferencia en las características entre hombres y mujeres (diferencia en los años de educación), donde un efecto positivo implica que la diferencia es a favor de los hombres (un efecto negativo implica que la diferencia es a favor de las mujeres). El efecto retornos (𝜌(𝑓(𝑌A)) − 𝜌(𝑓∗(𝑌AB))) captura el efecto de la diferencia en los retornos entre hombres y mujeres (diferencia en el retorno a los años de educación), donde un efecto positivo implica que los retornos son mayores para los hombres (un efecto negativo implica que los retornos son a favor de las mujeres).

En la figura 3 se muestran las diferencias salariales entre hombres y mujeres a lo largo de los cuantiles de la distribución salarial, y la descomposición de tales diferencias entre sus determinantes (características y retornos). La descomposición de la brecha salarial fue realizada antes y después de la pandemia. Las características consideradas en la descomposición de la brecha salarial fueron: años de educación, edad, edad al cuadrado, jefatura de hogar, estado civil, informalidad laboral, tamaño de las empresas y efectos fijos a nivel de actividades económicas16.

El efecto retornos es mayoritariamente positivo, es decir que las diferencias en los retornos o valoraciones de las características de los trabajadores mayormente son favorables para los hombres. Dicho efecto es más relevante para explicar la brecha salarial en los cuantiles más bajos de salarios y decrece para cuantiles intermedios, para luego ser nuevamente relevante en los cuantiles de salarios más altos. Esto sugiere la presencia de procesos de discriminación laboral subyacente contra las mujeres, principalmente en actividades de menor remuneración, como limpieza (en este tipo de actividad se concentra una gran proporción de mujeres empleadas en turismo; véase la tabla A.2 del anexo). El efecto características es positivo y creciente a lo largo de la distribución, lo cual sugiere que las diferencias en características observables son siempre favorables para los hombres, y aún más favorables en cuantiles de salarios más altos.

En el sector turismo, tanto antes (panel A de la figura 3) como durante la pandemia (panel B de la figura 3), la brecha salarial entre hombres y mujeres no es constante a lo largo de los cuantiles de la distribución salarial; la brecha es más alta en los extremos de la distribución. La brecha salarial en turismo es mayormente explicada por el efecto características; es decir, por diferencias en las características entre hombres y mujeres. Sin embargo, durante la pandemia de COVID-19, el efecto retornos gana poder explicativo de la brecha salarial, lo cual sugiere la presencia de procesos de discriminación laboral contra las mujeres en el sector turismo, los cuales habría sido exacerbados por los mecanismos a través de los cuales la pandemia de COVID-19 afectó al sector turismo peruano. En particular, resulta más evidente la presencia de discriminación laboral en los cuantiles más bajos de la distribución salarial, lo cual se asocia con el piso pegajoso. En cotraste, no se observa evidencia de la presencia de techo de cristal en los cuantiles más altos de la distribución salarial.

Notas:

Trabajadores urbanos, ocupados y dependientes de entre 18 y 65 años.

Período antes de la pandemia: I trimestre de 2018 - I trimestre de 2020.

Período durante la pandemia: II trimestre de 2020 - IV trimestre de 2021.

Sector turismo incluye: actividades de alojamiento de corto plazo, campamentos y otros tipos de alojamiento; restaurantes y servicios móviles de alimentación; actividades de agencias de viajes y operadores turísticos.

Fuentes: Enaho 2018 y 2021.

Figura 3 Descomposición de la brecha salarial entre hombres y mujeres en el sector turismo antes y durante la pandemia de COVID-19 

En la tabla 5 se presenta evidencia detallada sobre los cambios en la relevancia de los determinantes de la brecha salarial antes y durante la pandemia de COVID-19 para el sector turismo17. La brecha salarial condicionada y corregida por sesgo de selección fue descompuesta en sus determinantes: efecto características y efecto retornos a lo largo de la distribución salarial. Antes de la pandemia, la brecha salarial es mayor en los cuantiles extremos de la distribución, de un 19,4% en el cuantil 1 y de un 24% en el cuantil 4; mientras que en los cuantiles intermedios la brecha es de alrededor del 19%. En dicho período, la brecha salarial fue mayormente explicada por el efecto características en todos los cuantiles de la distribución, llegando a explicar el 69% de la brecha en el cuantil 1 (proporción 0,134/0,194) y el 97% de la brecha en el cuantil 4 (proporción 0,232/0,240). Esto sugiere que la diferencia salarial en turismo fue mayormente explicada por diferencias en las características observables entre hombres y mujeres, principalmente por diferencias observables en la acumulación de años de educación (véase la tabla A.2 del anexo).

Durante la pandemia, se evidencia un incremento en la brecha salarial en el sector turismo en los cuantiles más bajos de la distribución salarial; en particular, en los cuantiles 1 y 2 la brecha salarial llegó al 21%. En contraste, se observa una reducción de la brecha salarial en los cuantiles 3 y 4, llegando al 16% y al 15% respectivamente. También se evidencian cambios en los determinantes de la brecha salarial de género en el sector turismo durante la pandemia de COVID-19. Por un lado, se obtiene evidencia de un incremento en la relevancia del efecto retornos como determinante de la brecha salarial en todos los cuantiles de la distribución, llegando a explicar el 50% y el 45% de la diferencia salarial entre hombres y mujeres en los cuantiles 1 y 2. Esto sugiere que la pandemia de COVID-19 habría reducido la valoración de las características laborales de las mujeres respecto de los hombres en el sector turismo, principalmente en los cuantiles más bajos de la distribución salarial. Ello exacerbó los procesos de discriminación laboral, piso pegajoso, contra las mujeres en los niveles más bajos de salarios en empleos relacionados con la limpieza, en empresas pequeñas e informales y relacionadas con los servicios de alimentación. En los cuantiles más altos de salarios, la brecha salarial es explicada principalmente por el efecto características, relacionado con diferencias en las características observables entre hombres y mujeres en turismo, diferencias en términos de años de educación, grado de informalidad laboral, etc. En particular, en los cuantiles 3 y 4 el efecto características explica el 68% y el 92% de la brecha salarial. Esto sugiere que en empleos con mayores salarios se habrían incrementado las diferencias en las características; una proporción importante de hombres en los cuantiles más altos se desempeñan como cocineros calificados (véase la tabla A.2 del anexo). Lo anterior brinda evidencia a favor de la segunda hipótesis planteada respecto de la presencia de procesos de discriminación laboral (piso pegajoso y techo de cristal); la evidencia sugiere la presencia principalmente de piso pegajoso en el sector turismo peruano. También se obtiene evidencia a favor de la tercera hipótesis planteada respecto de que la pandemia de COVID-19 ha incrementado las brechas salariales entre hombres y mujeres, exacerbando los procesos de discriminación laboral contra las mujeres en el sector turismo peruano.

Tabla 5 Descomposición de la brecha salarial de género en el sector turismo, antes y durante la pandemia de COVID-19 

Notas:

Sector turismo incluye: Actividades de alojamiento de corto plazo, campamentos y otros tipos de alojamiento (CIIU 5510, 5520 y 5590 rev. 4); Restaurantes y servicios móviles de alimentación (CIIU 5610 rev. 4); Actividades de agencias de viajes y operadores turísticos (CIIU 7911 y 7912 rev. 4).

Errores estándar entre paréntesis y representan errores estándar asintóticos estimados bootsrapping con 200 repeticiones.

Fuentes: Enaho 2018, 2019, 2020 y 2021.

6. Discusión

Existe un amplio espacio para el aprendizaje sobre los determinantes de las brechas salariales de género, especialmente en los países en desarrollo como el Perú, en un sector como el turismo y en un contexto de pandemia que afecta a dicho sector. Pocos estudios se centran en la discriminación de género a lo largo de la distribución salarial en turismo, y ninguno de ellos aborda dicha problemática en países en desarrollo en contexto de pandemia. Este análisis es relevante en América Latina, considerando que la región avanza hacia un modelo de equidad de género desde principios del milenio (IADB, 2020) y que, adicionalmente, el Perú ha sido uno de los países más afectados por la pandemia de COVID-19. En este artículo se estudian las brechas salariales de género en el sector turismo peruano para dos períodos: antes y durante la pandemia de COVID-19, identificando procesos de discriminación laboral de género a través del análisis de la distribución salarial y corrigiendo por el potencial sesgo de selección en la decisión de participación laboral en este sector. Se trata de un enfoque metodológico innovador y relevante en el campo de la investigación turística, puesto que estudios previos, si bien han identificado procesos de discriminación laboral en el sector turismo, principalmente techo de cristal, no han incorporado correcciones por sesgo de selección en la descomposición de las brechas salariales (Cotilla & Campos-Soria, 2021; Oliver & Sard, 2020; Casado-Díaz et al., 2020).

Los principales resultados del estudio muestran que existe un efecto de selección de la muestra que es relevante para estudiar las brechas salariales de género en el sector turismo, sobre todo en el contexto de la pandemia de COVID-19, en la que la participación laboral de las mujeres se contrajo más que la de los hombres (Alon et al., 2020; Deshpande, 2020; Dang & Nguyen, 2020; Reichelt et al., 2020; Viollaz et al., 2022). Los resultados del estudio muestran que las brechas salariales de género en el turismo no son constantes a lo largo de la distribución salarial y que los procesos de discriminación laboral se habrían exacerbado durante la pandemia, principalmente el efecto piso pegajoso, afectando a mujeres en rangos de salarios más bajos. La brecha salarial en el sector del turismo es mayor en la parte inferior de la distribución salarial. La mayor parte se explica por el efecto de la discriminación, ya que las mujeres que tienen salarios bajos se enfrentan a una mayor discriminación. De acuerdo con Guy (1994), el piso pegajoso implica que la participación de las mujeres en las empresas se concentra en labores de soporte, en actividades de menor nivel jerárquico y menores posibilidades de promoción laboral. La evidencia muestra que las mujeres se encuentran mayormente empleadas en actividades de limpieza en empresas turísticas de menor tamaño, con mayor grado de informalidad y menos años de estudios. Esta evidencia aporta a la literatura existente ofreciendo evidencia de la presencia del efecto piso pegajoso en el sector turismo en países en desarrollo y que tal efecto se habría incrementado en el contexto de la pandemia de COVID-19. Parte importante de las brechas salariales de género en el sector turismo peruano es explicada por un efecto de retorno; la relevancia de dicho efecto se ha incrementado durante la pandemia. Esta evidencia sugiere que el potencial de la acumulación de capital humano de las mujeres no parece estar plenamente reconocido en el sector del turismo peruano. La estimación de la ecuación de salarios muestra que el premio salarial por cada año adicional de estudio es menor en el sector turismo respecto del resto del sector privado, y aun menor para el caso de las mujeres asalariadas en turismo; este resultado es congruente con otros casos de estudio para el sector turismo (Cotilla & Campos-Soria, 2021).

7. Conclusiones

El objetivo del estudio es identificar procesos de discriminación laboral de género en el sector turismo, analizando los determinantes de la brecha salarial de género en turismo antes y durante la pandemia de COVID-19 para el caso peruano. Se analiza dicha brecha a lo largo de la distribución de salarios, para identificar la presencia de procesos de discriminación laboral en los extremos de la distribución relacionados con piso pegajoso y techo de cristal y cómo tales procesos han cambiado en el contexto de la pandemia. Para ello, se utiliza información de la Encuesta Nacional de Hogares entre 2018 y 2021 de personas en áreas urbanas, ocupadas y asalariadas, de entre 18 y 65 años. Considerando que el estado de emergencia nacional ante la pandemia de COVID-19 fue declarado el 11 de marzo de 2020, la información entre el I trimestre de 2018 y el I trimestre de 2020 se considera como antes de la pandemia, y la información entre el II trimestre de 2020 y el I trimestre de 2021 se considera como durante la pandemia. Se utiliza la metodología de descomposición de brechas salariales por cuantiles de la distribución de salarios de Machado y Mata (2005), y se incluye una corrección por sesgo de selección en la participación laboral de hombres y mujeres en el sector turismo (Buckinsky, 1998; Albrech et al., 2009).

El análisis de la oferta laboral en el sector turismo muestra dos aspectos destacables. El primero es la marcada brecha salarial a favor de los hombres, la cual es mayor en los extremos de la distribución salarial. Durante la pandemia, se evidencia una caída abrupta de los márgenes extensivo e intensivo de la oferta laboral. Esto afectó principalmente a las mujeres, pues la pandemia redujo la participación laboral, redujo el número de horas trabajadas. Durante la pandemia, el turismo ha sido una de las actividades económicas más afectadas en el Perú. La brecha salarial en el sector turismo es determinada principalmente por el efecto retornos; es decir, que diferencias en las valoraciones de las características de los trabajadores son generalmente favorables para los hombres y explican la mayor parte de la brecha salarial contra las mujeres. El efecto retornos es más relevante para explicar la brecha salarial en los cuantiles más bajos de la distribución salarial. Los resultados empíricos encontrados sugieren la presencia de procesos de discriminación laboral contra las mujeres, principalmente piso pegajoso. Tales procesos de discriminación laboral se traducirían en estancar a las mujeres en empleos de poco valor en las empresas turísticas, generalmente en laborales de limpieza, empleos con condiciones laborales precarias y limitada movilidad o ascenso laboral. Por su parte, durante la pandemia de COVID-19, se evidencia un incremento en la brecha salarial en turismo en los cuantiles más bajos de la distribución de salarios y, asimismo, un incremento en la relevancia del efecto retornos como determinante de la brecha salarial. Este último resultado sugiere que los cambios en el mercado laboral en turismo en el contexto de la pandemia habrían exacerbado los procesos de discriminación laboral contra las mujeres en los niveles más bajos de salarios.

Con base en los resultados, es posible plantear algunos instrumentos tanto desde las políticas públicas como desde políticas empresariales que busquen reducir la brecha salarial de género en el sector turismo, principalmente en la etapa de recuperación de esta actividad económica a mediano plazo luego de la pandemia de COVID-19. Entre ellas, se sugieren la implementación de programas de formación, capacitación y entrenamiento laboral específicamente orientadas a mujeres en el sector turismo, lo cual podría reducir tanto las diferencias en las características laborales entre hombres y mujeres, como las diferencias en la valoración de tales características por parte de las empresas turísticas. Para mejorar el estatus de las mujeres en el sector turismo peruano resulta necesario incrementar su acumulación de capital humano a través de la educación terciaria y el entrenamiento específico para el trabajo. Se requieren políticas empresariales para sensibilizar a los empleadores sobre el papel fundamental de las mujeres en el sector turismo y sobre que la valoración de sus características es un factor importante para mejorar la calidad del servicio turístico.

Referencias

Agrawal, T. (2013). Are there glass-ceiling and sticky-floor effects in India? An empirical examination. Oxford Development Studies, 41(3), 322-342. [ Links ]

Albrecht, J., Van Vuuren, A., & Vroman, S. (2009) Counterfactual distributions with sample selection adjustments: Econometric theory and an application to the Netherlands. Labour Economics, (16), 383-396. [ Links ]

Alon, T., Doepke, M., Olmstead-Rumsey, J., & Tertilet, M. (2020). The Impact of COVID-19 on gender equality. NBER Working Paper Series, WP 26947. [ Links ]

Arrellano, M., & Bonhomme, S. (2017). Quantile selection models with an application to understanding changes in wage inequality. Econometrica, 85, 1-28. [ Links ]

Bakas, F. E., Costa, C., Breda, Z., & Durao, M. (2018). A critical approach to the gender wage gap in tourism labor. Tourism, Culture & Communication, 18, 35-49. [ Links ]

Becker, G. S. (2009). Human capital: A theoretical and empirical analysis, with special reference to education. Chicago: University of Chicago Press. [ Links ]

Biewen, M., Fitzenberger, B., & Seckler, M. (2020). Counterfactual quantile decompositions with selection correction taking into account Huber/Melly (2015): An application to the German gender wage gap. Labour Economics , 67, 101927. [ Links ]

Blinder, A. S. (1973). Wage discrimination: Reduced form and structural estimates. The Journal of Human Resources, (8), 436-455. [ Links ]

Borjas, G. J. (2013). Labor economics. 6.ª ed. Nueva York: McGraw-Hill. [ Links ]

Buchinsky, M. (1998). The dynamics of changes in the female wage distribution in the USA: A quantile regression approach. Journal of Applied Econometrics, 13, 1-30. [ Links ]

Campos-Soria, J. A., García-Pozo, A., Sánchez-Ollero, J. L., & Benavides-Chicón, C. G. (2011). A comparative analysis on human capital and wage structure in the Spanish hospitality sector. Journal of Service Science and Management, (4), 458-468. [ Links ]

Carrillo, P., Gandelman, N., & Robano, V. (2014). Sticky floors and glass ceilings in Latin America. The Journal of Economic Inequality, 12(3), 339-361. [ Links ]

Carvalho, I., Costa, C., Lykke, N., & Torres, A. (2019). Beyond the glass ceiling: Gendering tourism management. Annals of Tourism Research, 75, 79-91. [ Links ]

Casado-Díaz, J. M., Driha, O., & Simón, H. (2020). The gender wage gap in hospitality: New evidence from Spain. Cornell Hospitality Quarterly, 63(3). https://doi.org/10.1177/1938965520971273. [ Links ]

Casado-Díaz, J. M., & Simon, H. (2016). Wage differences in the hospitality sector. Tourism Management, 52, 96-109. [ Links ]

Chzhen, Y., & Mumford, K. (2011). Gender gaps across the earnings distribution for full-time employees in Britain: Allowing for sample selection. Labour Economics , 18, 837-844. [ Links ]

Cotilla, M. M., & Campos-Soria, J. A. (2021). Decomposing the gender wage gap in the hospitality industry: A quantile approach. International Journal of Hospitality Management, 94. [ Links ]

Cotter, D. A., Hermsen, J. M., Ovadia, S., & Vanneman, R. (2001). The glass ceiling effect. Social Forces, 80(2), 655-681. [ Links ]

Dang, H. H., & Nguyen, C. V. (2020). Gender inequality during the COVID-19 pandemic: Income, expenditure, savings, and job loss. IZA-Institute of Labor Economics, Discussion Paper Series N.º 13824. [ Links ]

Daries, J., Jaime, V., & Bucaram, S. (2021). Evolución del turismo en Perú 2010-2020, influencia del COVID-19 y recomendaciones pos-COVID-19. Nota Técnica IDB-TN-02211. BID. [ Links ]

Delfim, L. D., & Varjeao, J. (2007). Employment, pay and discrimination in tourism industry. Tourism Economics, 13(2), 225-240. [ Links ]

Deshpande, A. (2020). The COVID-19 pandemic and gendered division of paid and unpaid work: Evidence from India. IZA-Institute of Labor Economics, Discussion Paper Series N.º 13815. [ Links ]

Dinardo, J. L., Fortin, N. M., & Lemieux, T. (1996). Labor market institutions and the distribution of wages, 1973-1992: A semiparametric approach. Econometrica, (64), 1001-1044. [ Links ]

Duraisamy, M., & Duraisamy, P. (2016). Gender wage gap across the wage distribution in different segments of the Indian labour market, 1983-2012: Exploring the glass ceiling or sticky floor phenomenon. Applied Economics, 48(43), 4098-4111. [ Links ]

England, P. (2010). The gender revolution uneven and stalled. Gender and Society, 24(2), 149-166. [ Links ]

Espinola, N. (2016). Segregación ocupacional por género y diferencial de ingresos en turismo: Evidencia para Argentina. Económica, 62, 55-93. [ Links ]

Farré, L., Fawaz, Y., González, L., & Graves, J. (2020). How the COVID-19 lockdown affected gender inequality in paid and unpaid work in Spain. IZA-Institute of Labor Economics, Discussion Paper Series N.º 13434. [ Links ]

Fernández-Val, I., Van Vuurn, A., & Vella, F. (2021). Non-separable sample selection models with selection rules. Journal of Econometrics, https://doi.org/10.1016/j.jeconom.2021.01.009. [ Links ]

Fernandez-Val, I., Van Vuurn, A., & Vella, F. (2018). Decomposing real wage changes in the United States. IZA Discussion Paper Series, N.º 12044. [ Links ]

Fernández-Val, I., Chernozhukov, V., & Weidne, M. (2020). Network and panel quantile effects via distribution regression. Journal of Econometrics . https://doi.org/10.1016/j.jeconom.2020.08.009. [ Links ]

Ferreira, C. R., & Ramos, J. (2016). Pay gap by gender in the tourism industry of Brazil. Tourism Management , (52), 440-450. [ Links ]

Firpo, S., Fortin, N. M., & Lemieux, T. (2007). Decomposing wage distributions using recentered influence functions regressions. Econometrics MDPI Open Access Journal, 6(2), 1-40. [ Links ]

Fleming, S. S. (2015). Déjà vu? An updated analysis of the gender wage gap in the US hospitality sector. Cornell Hospitality Quarterly , 56(2), 180-190. [ Links ]

Fortin, N., Lemieux, T., & Firpo, S. (2011). Decomposition methods in economics. En Handbook of labor economics, vol. 4a. Elsevier BV. [ Links ]

Frangakis, C. E., & Rubin, D. B. (1999). Addressing complications of intention-to-treat analysis in the combined presence of all-or-none treatment-noncompliance and subsequent missing outcomes. Biometrika, 86(2), 365-379. [ Links ]

Fukai, T., Ikeda, M., Kawaguchi, D., & Yamaguchi, S. (2021). COVID-19 and the employment gender gap. IZA-Institute of Labor Economics, Discussion Paper Series N.º 14711. [ Links ]

García, S., Galante, F. & Poveda, V. (2018). El techo de cristal en la industria hotelera de Tenerife (Islas Canarias): el acceso de las mujeres al liderazgo en el sector. Pasos: Revista de Turismo y Patrimonio Cultural, 16(4), 1105-1117. [ Links ]

García-Pozo, A., Campos Soria, J., Sánchez-Ollero, J., & Marchante-Lara, M. (2012). The regional wage gap in the Spanish hospitality sector based on a gender perspective. International Journal of Hospitality Management , 31, 266-275. [ Links ]

Ge, Y., Hongbin, L., & Zhang, J. (2011). Gender earnings gaps in Hong Kong: Empirical evidence from across the earnings distribution in 2006. China Economic Review, (22), 151-164. [ Links ]

Guy, M. E. (1994). Organizational architecture, gender and women’s careers. Review of Public Personnel Administration, 14(2), 77-90. [ Links ]

Heckman, J. J. (1979). Sample selection bias as a specification error. Econometrica: Journal of the Econometric Society, 153-161. [ Links ]

Huang, A., De la Mora Velasco, E., Marsh, J., & Workman, H. (2021). COVID-19 and the future of work in the hospitality industry. International Journal of Hospitality Management, 97, https://doi.org/10.1016/j.ijhm.2021.102986. [ Links ]

Inter-American Development Bank (IADB). (2020). Gender and diversity initiative. Recuperado de https://gdlab.iadb.org/Links ]

Instituto Peruano de Economía (IPE). (2020). Mercado laboral peruano: impacto por COVID-19 y recomendaciones de política. Lima, Perú. [ Links ]

Juhn, C., Murphy, K. M., & Pierce, B. (1993). Wage inequality and the rise in returns to skill. Journal of Political Economy, (105), 473-522. [ Links ]

Machado, J. F., & Mata, J. (2005). Counterfactual decomposition of changes in wage distributions using quantile regression. Journal of Applied Econometrics , (20), 445-465. [ Links ]

Muñoz-Bullón, F. (2009). The gap between male and female pay in Spanish tourism industry. Tourism Management , (30), 638-649. [ Links ]

Oaxaca, R. (1973). Male-female wage differentials in urban labor markets. International Economic Review, (14), 693-709. [ Links ]

Oaxaca, R., & Ransom, M. R. (1994). On discrimination and the decomposition of wage differentials. Journal of Econometrics , (61), 5-21. [ Links ]

Oliver, X., & Sard, M. (2020). Gender wage gap in hospitality. Journal of Hospitality & Tourism Research, 45(2), 345-372. [ Links ]

Park, J. H. (1996). Measuring education over time: A comparison of old and new measures of education from current population survey. Economics Letters, 50, 425-428. [ Links ]

Reichelt, M., Makovi, K., & Sargsyan, A. (2020). The impact of COVID-19 on gender inequality in the labor market and gender-role attitudes. European Societies, 23. doi: 10.1080/14616696.2020.1823010. [ Links ]

Skalpe O. (2007). The CEO gender pay gap in the tourism industry: Evidence from Norway. Tourism Management , 28(2007), 845-853. [ Links ]

Viollaz, M., Salazar-Sáenz, M., Flabbim, L., Bustelo, M., & Bosch, M. (2022). The COVID-19 pandemic in Latin American and Caribbean countries: The labor supply impact by gender. Documento de Trabajo 296. Cedlas. [ Links ]

2El 11 de marzo de 2020, la Organización Mundial de la Salud declaró pandemia global a causa del «síndrome agudo respiratorio grave del coronavirus 2» (COVID-19).

4Programa que busco otorgar créditos por S/ 4000 millones para la reactivación y reconversión económica de micro- y pequeñas empresas formales para facilitarles liquidez, mejorar la promoción y comercialización digital y la aplicación de protocolos de bioseguridad.

5Programa que proporciona garantías a créditos solicitados por empresas turísticas, principalmente hoteles y restaurantes, por un monto de S/ 545 millones.

6Este programa buscó dotar de liquidez a las micro y pequeñas empresas del sector turismo que no pudieron acceder a Reactiva Perú, a través de la concesión de garantías a los créditos que soliciten a entidades financieras; este programa contó con una disponibilidad de S/ 500 millones.

7Para el resto del sector privado, la brecha salarial fue del 13% en similar período.

8Véase información detallada en el panel A de la figura A.1 del anexo.

9Véase información detallada en el panel C de la figura A.1 del anexo.

10Ver información detallada en los paneles B y D de la figura A.1 del anexo.

11El vector Z incluye las siguientes variables: educación, experiencia, experiencia al cuadrado, posición en el hogar como jefe(a) de familia, estado civil, indicadores de presencia de hijos menores de 5 y 14 años en el hogar, indicadores de ingresos no laborales y autopercepción de origen étnico (variable relevante para el caso peruano).

12De acuerdo con Chzhen & Mumford (2011) y Biewen et al. (2020), se puede emplear un modelo probit para aproximar la ecuación de participación y el coeficiente 𝛾� estimado por máxima verosimilitud.

13Si bien las actividades económicas relacionadas con el sector turismo podrían ser relevantes también en áreas rurales, en la base de datos empleada en este estudio se logró identificar solamente 842 observaciones que cumplirían con los criterios de restricción de la muestra para ser consideradas personas empleadas en turismo. La aplicación de la metodología de descomposiciones y la corrección por selección requiere de muestras más amplias. El reducido número de observaciones en el ámbito rural no permitiría aprovechar las propiedades asintóticas de las estimaciones.

14Resto del sector privado: manufactura; suministro de servicios públicos; construcción; comercio; transporte; almacenamiento y comunicaciones; intermediación financiera; actividades inmobiliarias, empresariales; enseñanza; servicios sociales y de salud; otros servicios.

15En la base de datos de la Enaho, el nivel educativo es una variable categórica (sin estudios, primaria incompleta, primaria, completa, superior incompleta, superior completa, posgrado); para facilitar su interpretación en el análisis de su relación con los salarios, ha sido transformada en una variable continua de acuerdo con Park (1996).

16A modo de referencia, en la figura A.2 del anexo se muestran los resultados de la descomposición para el resto del sector privado.

17Similar descomposición se presenta para el resto del sector privado de la Tabla A.5 del anexo.

Anexos

Notas:

Trabajadores urbanos, ocupados y dependientes entre 18 y 65 años.

Sector turismo incluye: actividades de alojamiento de corto plazo, campamentos y otros tipos de alojamiento; restaurantes y servicios móviles de alimentación; actividades de agencias de viajes y operadores turísticos.

Resto del sector privado: manufactura; suministro de servicios públicos; construcción; comercio; transporte; almacenamiento y comunicaciones; intermediación financiera; actividades inmobiliarias, empresariales; enseñanza; servicios sociales y de salud; otros servicios.

Fuentes: Enaho 2018 y 2021.

Figura A.1 Dinámica de los márgenes extensivo e intensivo de la oferta laboral en el sector turismo y el resto del sector privado entre 2018 y 2021 

Tabla A.1 Estadísticas descriptivas 

Notas: H: hombres; M: mujeres.

Sector turismo incluye: Actividades de alojamiento de corto plazo, campamentos y otros tipos de alojamiento (CIIU 5510, 5520 y 5590 rev. 4); Restaurantes y servicios móviles de alimentación (CIIU 5610 rev. 4); Actividades de agencias de viajes y operadores turísticos (CIIU 7911 y 7912 rev. 4).

Fuentes: elaboración propia sobre la base de Enaho 2018, 2019, 2020 y 2021.

Tabla A.2 Características laborales y socioeconómicas de hombres y mujeres en el sector turismo peruano por cuantiles 

Notas: H: hombres; M: mujeres.

Sector turismo incluye: Actividades de alojamiento de corto plazo, campamentos y otros tipos de alojamiento (CIIU 5510, 5520 y 5590 rev. 4); Restaurantes y servicios móviles de alimentación (CIIU 5610 rev. 4); Actividades de agencias de viajes y operadores turísticos (CIIU 7911 y 7912 rev. 4).

Fuentes: elaboración propia sobre la base de Enaho 2018, 2019, 2020 y 2021.

Tabla A.3 Ecuación de participación laboral en el resto del sector privado 

Notas: La variable dependiente es igual a 1 si el trabajador es ocupado y asalariado en turismo o en el sector privado; 0 de otro modo. Las regresiones incluyen variables dummies por región de residencia y trimestres de la encuesta.

Errores estándar entre paréntesis.

*, ** y ***; significancia al 10%, 5% y 1%, respectivamente.

Fuentes: elaboración propia sobre la base de la Enaho 2018, 2019, 2020 y 2021.

Tabla A.4 Estimación de la ecuación de salarios por cuantiles en el resto del sector privado, antes y durante la pandemia del COVID-19. Corrección de selección 

Notas: Todas las regresiones incluyen dummies por actividades económicas (manufactura; suministro de servicios públicos; construcción; comercio; transporte; almacenamiento y comunicaciones; intermediación financiera; actividades inmobiliarias, empresariales; enseñanza; servicios sociales y de salud; otros servicios) y tamaño de las empresas.

Errores estándar entre paréntesis (corregidos por heterocedasticidad).

*, ** y ***; significancia al 10%, 5% y 1%, respectivamente.

Fuente: elaboración propia sobre la base de la Enaho 2018, 2019, 2020 y 2021.

Notas:

Trabajadores urbanos, ocupados y dependientes entre 18 y 65 años.

Período antes de la pandemia: I trimestre de 2018 - I trimestre de 2020.

Período durante la pandemia: II trimestre de 2020 - IV trimestre de 2021.

Resto del sector privado: manufactura; suministro de servicios públicos; construcción; comercio; transporte; almacenamiento y comunicaciones; intermediación financiera; actividades inmobiliarias, empresariales; enseñanza; servicios sociales y de salud; otros servicios.

Fuentes: Enaho 2018 y 2021.

Figura A.2 Descomposición de la brecha salarial entre hombres y mujeres en el resto del sector privado, antes y durante la pandemia de COVID-19 

Tabla A.5 Descomposición de la brecha salarial de género para el resto del sector privado, antes y durante la pandemia de COVID-19 

Notas: Resto del sector privado: manufactura; suministro de servicios públicos; construcción; comercio; transporte; almacenamiento y comunicaciones; intermediación financiera; actividades inmobiliarias, empresariales; enseñanza; servicios sociales y de salud; otros servicios.

Errores estándar entre paréntesis y representan errores estándar asintóticos estimados por bootsrapping con 200 repeticiones.

Fuentes: Enaho 2018, 2019, 2020 y 2021.

Recibido: 20 de Abril de 2022; Aprobado: 20 de Octubre de 2022

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons