jobs working paper issue no. 28 - world bank · elizabeth ruppert bulmer, raquel scarpari y ......

JOBS WORKING

PAPERIssue No. 28

Desigualdades Persistentes Entre Hombres Y Mujeres En El Mercado

Laboral De Paraguay

Elizabeth Ruppert Bulmer, Raquel Scarpari y Adrián Garlati

LET’SWORK

A global partnership to createmore & better private sector jobs

Pub

lic D

iscl

osur

e A

utho

rized

Pub

lic D

iscl

osur

e A

utho

rized

Pub

lic D

iscl

osur

e A

utho

rized

Pub

lic D

iscl

osur

e A

utho

rized

DESIGUALDADES PERSISTENTES ENTRE

HOMBRES Y MUJERES EN EL MERCADO

LABORAL DE PARAGUAY

Elizabeth Ruppert Bulmer, Raquel Scarpari y Adrián Garlati

Las actividades bajo la alianza Let's Work están respaldadas por subvenciones del Fondo Fiduciario Paraguas de Donantes Múltiples por Empleos y/o el Fondo Fiduciario de Donantes Múltiples Let's Work

de la CFI.

2

© 2019 Banco Internacional de Reconstrucción y Fomento/Banco Mundial.

1818 H Street NW, Washington, DC 20433, EE. UU.

Teléfono: 202-473-1000; Internet: www.worldbank.org.

Algunos derechos reservados

Este trabajo es producto del personal del Banco Mundial con contribuciones externas. Los hallazgos, interpretaciones

y conclusiones expresados en este trabajo no necesariamente reflejan los puntos de vista del Banco Mundial, su

Directorio Ejecutivo o los gobiernos que representan. El Banco Mundial no garantiza la exactitud de los datos incluidos

en este trabajo. Los límites, colores, denominaciones y otra información mostrada en cualquier mapa de este trabajo

no implican ningún criterio por parte del Banco Mundial con respecto al estado legal de cualquier territorio o el

respaldo o la aceptación de dichos límites.

Nada en este documento constituirá o se considerará como una limitación o renuncia a los privilegios e inmunidades

del Banco Mundial, todos los cuales están específicamente reservados.

Derechos y permisos

Este trabajo está disponible bajo la licencia Creative Commons Attribution 3.0 IGO (CC BY 3.0 IGO)

http://creativecommons.org/licenses/by/3.0/igo. Bajo la licencia Creative Commons Attribution, usted es libre de

copiar, distribuir, transmitir y adaptar este trabajo, incluso para fines comerciales, bajo las siguientes condiciones:

Atribución—Por favor, cite el trabajo de la siguiente manera: Elizabeth Ruppert Bulmer, Raquel Scarpari y Adrián

Garlati. “Desigualdades persistentes entre hombres y mujeres en el mercado laboral de Paraguay”. Banco Mundial,

Washington, DC. Licencia: Atribución de Creative Commons CC por 3.0 IGO.

Traducciones—Si crea una traducción de este trabajo, agregue el siguiente descargo de responsabilidad junto con la

atribución: Esta traducción no fue creada por el Banco Mundial y no debe considerarse una traducción oficial del

Banco Mundial. El Banco Mundial no será responsable de ningún contenido o error en esta traducción.

Adaptaciones—Si crea una adaptación de este trabajo, agregue el siguiente descargo de responsabilidad junto con la

atribución: Esta es una adaptación de un trabajo original del Banco Mundial. Las opiniones y opiniones expresadas en

la adaptación son responsabilidad exclusiva del autor o los autores de la adaptación y no están respaldados por el

Banco Mundial.

Contenido de terceros—El Banco Mundial no necesariamente es dueño cada componente del contenido de este

trabajo. Por lo tanto, el Banco Mundial no garantiza que el uso de cualquier componente o parte individual

perteneciente terceros en el trabajo no infrinja los derechos de esos terceros. El riesgo de las reclamos resultantes

de dicha infracción recaen exclusivamente en usted. Si desea reutilizar un componente del trabajo, es su

responsabilidad determinar si se necesita permiso para esa reutilización y obtener el permiso del propietario de los

derechos de autor. Los ejemplos de componentes pueden incluir, entre otros, tablas, figuras o imágenes.

Todas las consultas sobre derechos y licencias deben dirigirse a Publicaciones del Banco Mundial, Grupo del Banco

Mundial, 1818 H Street NW, Washington, DC 20433, EE. UU.; Fax 202-522-2625; Correo electrónico:

[email protected].

Imágenes: © World Bank. Se requiere permiso adicional para su reutilización.

3

RECONOCIMIENTOS

Este informe fue escrito por Elizabeth Ruppert Bulmer (Economista Principal), Raquel Scarpari y Adrián Garlati (Consultores) del Grupo de Empleo. Se preparó bajo el liderazgo de Ian Walker (Gerente, Grupo de Empleo), Pablo Gottret (Gerente de Práctica, Práctica Global de Protección Social y Empleo) y Michal Rutkowski (Director Principal de Práctica Global de Protección Social y Empleo). El equipo agradece los comentarios proporcionados por los colegas revisores pares del Banco Mundial, Bénédicte Leroy de la Brière (Economista Principal, Práctica Global de Protección Social y Empleo) y Aline Coudouel (Economista Principal, Práctica Global de Protección Social y Empleo), y por Gerhard Reinecke (Organización Internacional del Trabajo, Oficina de Santiago para el Cono Sur de América Latina).

El equipo desea expresar su gratitud al organismo estadístico del Gobierno de Paraguay, la Dirección General de Estadística, Encuestas y Censos (DGEEC) por su estrecha colaboración y asociación en el censo y datos de encuestas de empresas. Los autores también deben agradecer a la Secretaría Técnica de Planificación del Desarrollo Económico y Social y al Ministerio de Hacienda por su apoyo técnico, y al Ministerio de Trabajo, Empleo y Seguridad Social por su asociación efectiva.

Esta evaluación de las brechas de género en los resultados laborales es parte del programa de Let's Work Paraguay, y se basa en dos informes anteriores y relacionados: "Diagnóstico del empleo en Paraguay: La transformación dinámica del empleo en Paraguay”, Serie de Empleo Volumen Número 10, Grupo de Empleo, Banco Mundial y “Productividad de la empresa y el empleo en Paraguay 2010-2014”, Documento de trabajo de Empleos, Volumen Número 19, por Elizabeth Ruppert Bulmer y Adrián Scutaru, Grupo de Empleo, Banco Mundial.

Let's Work Paraguay fue posible gracias a una donación del Fondo Fiduciario Paraguas para Empleos del Banco Mundial, con el apoyo del Departamento para el Desarrollo Internacional/UK AID, y los Gobiernos de Noruega, Alemania y Austria, así como la Agencia de Desarrollo de Austria y la Agencia Sueca para el Desarrollo (SIDA).

Los socios de Let's Work incluyen al Grupo del Banco Africano de Desarrollo (AfDB), el Grupo del Banco Asiático de Desarrollo (ADB), el Ministerio Federal de Finanzas de Austria (BMF), el Departamento para el Desarrollo Internacional (DfID), el Banco Europeo de Inversiones (EIB), las Instituciones Europeas de Financiamiento del Desarrollo (EDFIs), el Banco Interamericano de Desarrollo (BID), la Organización Internacional del Trabajo (OIT), la Fundación Internacional de la Juventud (IYF), la Corporación Islámica para el Desarrollo del Sector Privado (CID), el Ministerio de Relaciones Exteriores de Holanda el Instituto de Desarrollo de Ultramar (ODI), el Grupo Privado de Desarrollo de Infraestructura (PIDG), la Secretaría de Asuntos Económicos de Suiza (SECO), el Grupo del Banco Mundial (WBG) y el Consejo Empresarial Mundial para el Desarrollo Sostenible (WBCSD).

4

CONTENIDO

RECONOCIMIENTOS ............................................................................................................................ 3

1. VISIÓN GENERAL .......................................................................................................................... 5

2. TRANSFORMACIÓN SOCIODEMOGRÁFICA Y PARTICIPACIÓN ......................................................... 8

2.1. LABORAL FEMENINA ........................................................................................................................... 8

2.2. PARTICIPACIÓN FEMENINA EN LA FUERZA LABORAL ....................................................................... 10

3. BRECHAS DE GÉNERO EN LOS RESULTADOS DEL MERCADO LABORAL .......................................... 15

3.1. BRECHAS DE GÉNERO EN CUANTO A DESEMPLEO ........................................................................... 16

3.2. BRECHAS DE GÉENERO EN EL ESTATUS LABORAL ............................................................................. 17

3.3. DIFERENCIAS DE GÉNERO EN LA DISTRIBUCIÓN ENTRE SECTORES .................................................. 23

3.4. BRECHAS DE GÉNERO EN CALIDAD DE EMPLEO Y GANANCIAS ........................................................ 27

4. DEMANDA LABORAL .................................................................................................................. 36

4.1. INSTANTÁNEA DE EMPRESAS DEL SECTOR PRIVADO ........................................................................ 36

4.2. DIFERENCIAS DE GÉNERO EN TIPOS DE EMPRESA, TAMAÑO DE LAS EMPRESAS Y SALARIOS ......... 37

4.3. DIFERENCIAS DE GÉNERO EN EL SECTOR DE EMPLEO ...................................................................... 42

4.4. IMPLICACIONES DINÁMICAS PARA CERRAR BRECHAS DE GÉNERO EN LA CALIDAD DEL TRABAJO .. 46

5. DESAFÍOS PARA EL FUTURO Y OPCIONES POLÍTICAS .................................................................... 48

5.1. MEJORAR LA CAPACIDAD DE LAS MUJERES PARA OBTENER MEJORES EMPLEOS............................ 49

5.2. REDUCIR LAS BARRERAS DE LAS MUJERES PARA ACCEDER A EMPLEOS DE CALIDAD ...................... 53

5.3. AUMENTAR LA PRODUCTIVIDAD DE LAS MUJERES EMPLEADAS INFORMALMENTE ....................... 59

5.4. ESTIMULAR LA CREACIÓN DE EMPLEOS ATRACTIVOS PARA LAS MUJERES ...................................... 62

REFERENCIAS .................................................................................................................................... 66

ANEXO A – FUENTES DE DATOS Y DEFINICIÓN DE VARIABLES ............................................................. 70

ANEXO B – DETALLES DEL ANÁLISIS DE LA OFERTA LABORAL .............................................................. 74

ANEXO C – REGRESIÓN DE LA DEMANDA LABORAL .......................................................................... 100

5

1. VISIÓN GENERAL

Paraguay experimentó un fuerte crecimiento económico en las últimas décadas, lo que condujo a avances significativos en el desarrollo. Paraguay es una economía pequeña y abierta de siete millones de habitantes, bordeada por las economías mucho más grandes de Brasil, Argentina y Uruguay. Paraguay es un país sin litoral, tiene abundantes y ricos recursos terrestres y un sistema de ríos que proporciona energía hidroeléctrica. En los últimos 45 años, el PIB de Paraguay creció casi ocho veces, y el PIB per cápita casi se triplicó en términos reales, alcanzando US$ 3.825 en 2015 (estado de país de ingresos medios-altos). Este fuerte crecimiento económico fue acompañado de mejoras significativas en los niveles de vida, si bien la tasa de mejora de Paraguay está rezagada con respecto a algunos de sus vecinos de la región. La pobreza extrema se redujo de 13 por ciento en 2003 a 5 por ciento en 2015, y la pobreza moderada se redujo de 51 por ciento a 27 por ciento en el mismo período (Figura 1). Los ingresos reales del 40 por ciento inferior aumentaron constantemente, y el coeficiente de Gini disminuyó de 0,55 en 2003 a 0,48 en 2015.

Han ocurrido importantes transformaciones estructurales y demográficas en los últimos 15 años. La fuerza laboral se expandió en 2,6 por ciento anual durante la última década, y el crecimiento económico fue lo suficientemente sólido como para crear empleos adecuados para absorber a los nuevos trabajadores. La elasticidad del empleo al PIB de 0,58, en línea con las normas globales, se tradujo en un promedio de 63.000 empleos netos nuevos cada año entre 2008 y 2015. La economía de Paraguay se encuentra en medio de una transformación estructural de una economía basada en la agricultura a una economía basada en servicios. La mayor parte del crecimiento reciente del empleo se concentró en el sector comercial (que da cuentas del 45 por ciento de los nuevos empleos netos) y servicios públicos (más de 20 por ciento), seguido de los sectores de manufactura, construcción, finanzas y bienes raíces y otros servicios. La creación de empleos estuvo acompañada por un fuerte crecimiento de la productividad laboral que promedió 2,1 por ciento por año en términos reales, la mayor parte del cual reflejó ganancias de productividad dentro del sector. Si bien el bienestar promedio de los trabajadores ha aumentado, no todos los trabajadores se beneficiaron por igual, y se observaron grandes diferencias entre hombres y mujeres.

Esta nota analiza los datos de las encuestas de hogares y los datos a nivel de empresa para medir las brechas de género en los resultados de empleo en los últimos 15 años y arroja luz sobre el grado en que el crecimiento económico se tradujo en más y mejores empleos para hombres y mujeres, y el impacto relativo en cada grupo. El análisis se basa principalmente en datos a nivel micro de la Encuesta Permanente de Hogares para el período 2001-2016, la Encuesta Continua de Empleo para el período 2010-2014, el Censo Económico de 2011, y la Encuesta de Empresas 2015-161. Los patrones en la oferta laboral y sus elementos correlacionados se examinarán utilizando datos a nivel de hogares, y el análisis considerará cómo el género y otras características de los trabajadores se relacionan con los resultados del mercado laboral. Además, esta nota explora el grado en que la demanda laboral del sector privado y la productividad de las empresas difieren por género; esto se hace utilizando datos a nivel de empresa para examinar los impulsores del desempeño de la empresa y el crecimiento del empleo.

Se estima que las brechas de género en el mercado laboral de Paraguay son grandes. El análisis que se encuentra a continuación revela que las mujeres tienen un vínculo mucho más débil con la fuerza laboral y es más probable que una cuarta parte de las mujeres de 15 a 29 años no tenga empleo ni educación ni capacitación en comparación con el 5 por ciento de los hombres. Entre las mujeres que participan, sus resultados laborales son en promedio inferiores a los de los hombres. La informalidad es generalizada y las

1 Estas encuestas fueron realizadas por la Dirección General de Estadística, Encuestas y Censos de Paraguay (DGEEC). Ver Anexo A para una descripción de las fuentes de datos.

6

mujeres tienen una probabilidad significativamente mayor de trabajar de manera informal, ya sea trabajando de manera independiente, como asalariadas informales o como trabajadoras familiares no remuneradas. Las mujeres también tienen más probabilidades de ser empleadas por empresas informales en comparación con los hombres. Las brechas de género en los ingresos son muy altas, impulsadas principalmente por las diferencias en la situación del empleo y el sector. Ser informal conlleva una mayor sanción salarial mensual para las mujeres (63 por ciento) que para los hombres (47 por ciento). Y las mujeres tienden a concentrarse en sectores altamente informales como tiendas minoristas, hoteles y restaurantes, agricultura y otros servicios, los que se caracterizan por una baja productividad y bajos ingresos. Controlando las características observables, la brecha salarial de género no explicada supera el 20 por ciento, cuando se mide utilizando los pagos por hora, y el 40 por ciento cuando se mide utilizando los ingresos mensuales. La participación femenina en el empleo en las empresas es mayor en las microempresas, que tienden a pagar salarios más bajos que las empresas más grandes y tienen niveles más bajos de productividad. Los datos del censo de las empresas también revelan que los salarios promedio son más bajos en las empresas que emplean a más mujeres. Dado que a las microempresas les cuesta crecer, estos efectos de tamaño de empresa impactan más a las mujeres que a los hombres, intensificando la brecha de género en la calidad del trabajo debido a una combinación de efectos dinámicos y estáticos.

Las grandes brechas en los resultados laborales para hombres y mujeres son muy persistentes, mostrando solo una mejora modesta durante este período de crecimiento económico sólido. La participación femenina en la fuerza laboral aumentó notablemente, de 48 por ciento en 1997 a 57 por ciento en 2016, al igual que la proporción de mujeres en edad laboral en la escuela, especialmente aquellas que combinan el estudio con el trabajo. Por otro lado, las tasas de desempleo femenino se mantienen relativamente sin cambios desde 2005. El nivel de empleo femenino aumentó más que el empleo masculino entre 2008 y 2015, pero el aumento de las tasas de formalidad benefició desproporcionadamente a los hombres. De los 226.000 empleos netos agregados para mujeres durante este período, 58 por ciento fueron formales; de los 218.000 empleos netos agregados para hombres, más de tres cuartas partes fueron formales. La participación de los ingresos de las mujeres en los ingresos anuales totales no se ha desviado mucho de la marca del 30 por ciento, a pesar del sólido aumento del salario promedio y el aumento del empleo de mujeres. Los resultados laborales inferiores de las mujeres se ven agravados por la segregación sectorial observada entre hombres y mujeres y ayudan a reforzarla. Al seleccionar sectores más accesibles pero menos productivos, como el comercio minorista, hoteles y restaurantes, y otros sectores de servicio que se adaptan al trabajo independiente cuando el trabajo asalariado no está disponible, las mujeres en efecto limitan su producción y sus ingresos. El hecho de que los hombres obtengan mayores retornos de experiencia en comparación con las mujeres también sirve para magnificar la brecha salarial a lo largo del tiempo, debido a la menor permanencia laboral de las mujeres como resultado de la maternidad y otras responsabilidades de cuidado familiar.

La transformación estructural en curso benefició claramente a las trabajadoras, pero la concentración de la actividad económica en los servicios de baja productividad, y especialmente en el sector de comercio, no es un buen augurio para crear empleos más productivos en el futuro. Los beneficios potenciales de la transformación estructural provienen de un cambio de actividades primarias de baja productividad a actividades industriales y de servicios más productivas que tienen un contenido de mayor valor agregado. Pero en Paraguay, la mayoría de los sectores de servicios se caracterizan por un bajo contenido de habilidades y bajos ingresos. El alto grado de informalidad que impregna la economía es problemático, no solo para la calidad del trabajo, debido a la menor productividad asociada y los ingresos del trabajo informal en comparación con el empleo formal2, sino también porque impide un crecimiento

2 El trabajo informal también puede considerarse de baja calidad debido a su falta de seguro social y de protección al trabajador. Brummund et al. (2016) utilizan cuatro criterios para medir la calidad del trabajo: ingresos, beneficios, estabilidad y satisfacción laboral.

7

económico sólido y sostenible que se basa en empleos productivos y ganancias de ingresos, lo que a su vez podría generar un circulo de retroalimentación positiva. Sin embargo, es importante reconocer que la expansión de las actividades del sector de servicios con gran densidad de mano de obra ayudó a reducir la desigualdad mediante la absorción de más y más mujeres en el trabajo remunerado. El desafío en el futuro consistirá en seguir mejorando la calidad del trabajo y, al mismo tiempo, garantizar un crecimiento más inclusivo.

Mejorar la equidad de género es fundamental para mejorar los beneficios económicos y sociales potenciales de las transiciones demográficas y económicas en curso. Los retos laborales y de desarrollo de Paraguay no pueden superarse por completo sin abordar las brechas de género en el mercado laboral. El grado en que Paraguay logrará sus objetivos de desarrollo dependerá de cómo los hombres y las mujeres puedan beneficiarse de mejores resultados laborales, por ejemplo, a través de una mayor participación de la fuerza laboral, una mayor demanda laboral y mejores empleos. La expansión de oportunidades económicas para mujeres y niñas puede tener grandes beneficios para el crecimiento económico, la diversificación y la reducción de la pobreza3.

Dadas las grandes y persistentes diferencias entre los resultados de empleo de mujeres y hombres, se necesita un mayor esfuerzo político para aumentar el acceso de las mujeres a oportunidades económicas productivas. Las políticas dirigidas a fomentar la productividad y la competitividad del sector privado para crear empleos y aumentar el acceso de las mujeres a sectores no tradicionales son clave para abordar la baja tasa de participación femenina, las mayores tasas de desempleo de las mujeres y, especialmente, la segregación ocupacional que canaliza a las mujeres hacia trabajos de baja calidad. Los hallazgos de este reporte pueden informar el diseño de políticas para ayudar a los paraguayos a alcanzar su potencial de desarrollo a través de más y mejores trabajos inclusivos para hombres y mujeres.

El resto de esta nota está estructurado de la siguiente manera. La Sección 2 examina las tendencias sociodemográficas recientes que afectaron la cantidad de mujeres que ingresan al mercado laboral en Paraguay. La Sección 3 analiza los diferenciales de género en los resultados del mercado laboral relacionados con la situación laboral, el sector del empleo y los ingresos, entre otros. La Sección 4 considera la composición de género de la demanda laboral por parte de las empresas del sector privado y la Sección 5 concluye con una discusión de las opciones de políticas para el futuro.

3 La directora gerente del FMI, Christine Lagarde, y la primera ministra de Noruega, Erna Solberg, en la Reunión Anual del Foro Económico Mundial de 2018, “Por qué 2018 debe ser el año para que las mujeres prosperen”, https://www.weforum.org/agenda/2018/01/the-time-has-come-for-women-to-thrive-heres-how/

8

2. TRANSFORMACIÓN SOCIODEMOGRÁFICA Y PARTICIPACIÓN

2.1. LABORAL FEMENINA

Paraguay se encuentra actualmente en una transición demográfica que tiene implicaciones sociales y económicas. La población de Paraguay está creciendo a un ritmo alto pero disminuyendo de velocidad, y la composición por edad del país está cambiando, impulsada por dos factores demográficos compensatorios: la disminución de las tasas de fertilidad y el aumento de la esperanza de vida. Durante el siglo pasado, los países de todo el mundo experimentaron transiciones similares, lo que dio como resultado una mayor proporción de población en edades de más de 25 años, incluyendo más ancianos. Estas tendencias demográficas son más avanzadas en los países de la OCDE y en el resto de América Latina, pero Paraguay está en buen camino (Figuras 1 y 2). En general, la caída de las tasas de fertilidad conduce a una disminución en la relación de dependencia y a un aumento en la proporción de la población en edad de trabajar. La participación de la población en edad de trabajar de Paraguay ya aumentó de un 63 por ciento en 2002 a un 69 por ciento en 2015, y se prevé que alcance el 73 por ciento para 2025.

Figura 1. Tasas de Fertilidad y Expectativa de Vida, Comparación Internacional (2014)

Nota: OECD denota Organisation for Economic Co-operation and Development; LAC denota Latinoamérica y el Caribe. Fuente: Banco Mundial, WDI

El crecimiento de la población en edad de trabajar ejerció una presión considerable en el mercado laboral, creando la necesidad de una creación de empleos más rápida. Como las mujeres tienen menos hijos, el tamaño de las familias más pequeñas resulta menos exigente en el tiempo de las mujeres y da

9

como resultado que más mujeres ingresen al trabajo, aunque los efectos son atenuados por el aumento de las demandas de atención a las personas mayores. La expansión de la fuerza laboral observada en las últimas décadas ya contribuyó al crecimiento del PIB, e implica el potencial de derivar un bono demográfico adicional4 de aumento del capital humano, ingresos laborales y consumo y ahorro de los hogares. El ritmo de creación de empleo en los últimos 15 años fue lo suficientemente rápido como para absorber por completo a los nuevos participantes de la fuerza laboral sin exacerbar el desempleo. Paraguay experimentó un crecimiento per cápita muy fuerte durante este período (3,1 por ciento por año), un tercio del cual fue impulsado por el aumento de la población en edad de trabajar5. Figura 2. Disminución de la Fertilidad en Paraguay, 2001-2025

Fuente: UN, DESA

El aumento proyectado en la oferta de mano de obra podría mejorarse a largo plazo por una mayor proporción de mujeres ingresando a la fuerza laboral. El tamaño final del bono demográfico dependerá de la capacidad de Paraguay para crear oportunidades de trabajo productivo para todos y para absorber a un gran número de jóvenes y mujeres en empleos productivos. A medida que la transición demográfica se ralentiza, la promoción de la igualdad de género y el aumento de la participación de las mujeres en la fuerza laboral será cada vez más importante para mejorar las dinámicas de crecimiento lento, y para reducir la pobreza y mejorar el bienestar de mujeres y hombres. Los cambios en los contextos sociales, económicos y culturales más amplios también desempeñan un papel en atraer a las mujeres a diferentes tipos de

4 El concepto de bono demográfico se refiere a los beneficios económicos positivos generados por un aumento significativo en la población en edad de trabajar sostenida en un horizonte de 20 a 30 años en países que ingresan a la segunda fase de la transición demográfica. Se caracteriza por bajas tasas de fertilidad, baja mortalidad y una rápida disminución de las tasas de dependencia (Ahmed et al., 2014). Existe evidencia en la literatura de un crecimiento económico más rápido cuando la tasa de crecimiento de la población en edad laboral supera la tasa de crecimiento de la población total (Bloom y Williamson 1998; Bloom et al. 2000). Los canales clave a través de los cuales el cambio demográfico puede mejorar el crecimiento económico incluyen mejoras en la productividad y economía de escala debido a una mayor densidad de población, la dilución del capital reproducible (es decir, la inversión no se mantiene al ritmo del crecimiento de la fuerza laboral) y los efectos de la estructura de edad. Este último canal ha sido el foco de gran parte de la literatura sobre bono demográfico (Eastwood y Lipton 2011). 5 Rupert Bulmer y otros (2017).

10

trabajo. La fuerza de estos factores de “atracción” afectará los dividendos económicos y sociales asociados con más mujeres en la fuerza laboral.

2.2. PARTICIPACIÓN FEMENINA EN LA FUERZA LABORAL

Si bien hubo avances significativos en las últimas dos décadas, la participación femenina en la fuerza laboral se ha estancado en niveles muy por debajo de la tasa para los hombres. La participación femenina ha aumentado casi 10 puntos porcentuales desde 1997, rondando el 55-57 por ciento en los últimos años (Figura 3). Esto se compara favorablemente con el promedio regional de ALC del 53 por ciento (Figura 4). Pero la brecha de participación con respecto a los hombres es muy grande, equivalente a 27 puntos porcentuales. Esta brecha se ha reducido con el tiempo, principalmente debido al aumento en la participación de las mujeres, aunque también disminuyó la participación de los hombres, de casi 87 por ciento en 1997 a 84,2 por ciento en 2016.

Figura 3. Participación femenina y masculina en la fuerza laboral (%)

Fuente: Encuesta Permanente de Hogares

11

Figura 4. Tasas de participación en la fuerza laboral en la región de ALC

a. Hombres

b. Mujeres

Fuente: SEDLAC, Encuesta Permanente de Hogares

De acuerdo con la evidencia y la literatura económica, los principales factores que afectan la entrada al mercado laboral son el género, el nivel educativo y, hasta cierto punto, la edad. Esto se confirma por los resultados de dos pruebas de regresión diferentes realizadas en datos de encuestas de hogares6. La primera regresión logística estima la probabilidad de que trabajadores con determinadas características participen en el mercado laboral o permanezcan inactivos. Los resultados indican que las mujeres tienen 28 por ciento menos de probabilidades que los hombres de participar en el mercado laboral. Esta brecha estadística es similar a la ventaja de probabilidad que tiene un graduado terciario sobre alguien que no completó la escuela primaria para ingresar al mercado laboral (Figura 5; Anexo A, Tabla A1). La segunda prueba utiliza una regresión logística para estimar los factores que afectan la probabilidad de que los trabajadores realicen la transición de la inactividad a la actividad, condicionada a estar inactivo en el período inicial. Este análisis, que utiliza datos panel de la Encuesta Continua de Empleo que abarca el período 2010-2014, encuentra que los hombres tienen 12 por ciento más probabilidades de realizar la transición que las mujeres (Anexo A, Tabla A2).

6 Las regresiones logísticas permiten comparaciones bilaterales entre dos estados de trabajo, mientras que las regresiones multinomiales comparan las características de los trabajadores en todo el conjunto de estados de trabajo. Ninguna regresión prueba la causalidad, solo la correlación.

12

Figura 5. Elementos correlacionados de estar activo versus estar inactivo (probabilidades expresadas

como efectos marginales promedio, 2015)

Nota: Sólo se muestran las variables estadísticamente significativas. Los resultados de la regresión completa se encuentran en el Anexo A, Tabla A1. Fuente: Cálculos de los autores basados en datos de la Encuesta Permanente de Hogares.

Las mujeres en Paraguay tienen mucho más probabilidades que los hombres de estar ni empleadas ni recibiendo educación o capacitación (NINI) (Figura 6)7. En 2016, una cuarta parte de las mujeres de 15 a 29 años no estudiaba ni trabajaba, en comparación con solo el 5 por ciento de los hombres. Desde 2001, se observó cierta mejora para las mujeres, pero la brecha se está cerrando muy lentamente. Las decisiones sobre la participación de las mujeres en la fuerza laboral se ven afectadas por su fertilidad y limitaciones de tiempo relacionadas con la asignación del tiempo de las mujeres al cuidado infantil y otras demandas domésticas (ver Das et al. 2018 para un tratamiento integral de la participación femenina en la fuerza laboral). Ni la fertilidad masculina ni su uso del tiempo tienen un efecto comparable en las decisiones de oferta laboral masculina. La alta tasa de NINI para mujeres es especialmente preocupante debido a la dificultad que tienen para realizar la transición al trabajo productivo. Si los jóvenes y las mujeres son económicamente inactivos porque están recibiendo educación o capacitación, están invirtiendo en habilidades que pueden mejorar su futura empleabilidad. En contraste, la población NINI corre el riesgo de degradar su capital humano, reduciendo las posibilidades de encontrar trabajo calificado y aumentando las perspectivas de exclusión social.

7 Conocido por el acrónimo NEET en inglés (Not in Employment, Education or Training), e indica jóvenes desconectados.

13

Figura 6. Diferencias de género en aquellos Sin trabajar, sin estudiar y sin capacitarse (NINI). Edades 15-29

(a) Urbana

(a.1) Femenina (a.2) Masculina

(b) Rural (b.1) Femenina (b.2) Masculina


Los residentes rurales tienen tasas NINI mucho más altas, especialmente las mujeres rurales. Las mujeres en zonas rurales tienen más probabilidades de estar fuera de la escuela y del trabajo en comparación con las mujeres de zonas urbanas y en comparación con hombres de zonas rurales. La tasa NINI en mujeres rurales de 15 a 29 años es de 38 por ciento, significativamente más alta que las tasas de 18 por ciento en mujeres urbanas, 4,8 por ciento en hombres rurales y 4,3 por ciento en los hombres urbanos. Es necesario realizar más análisis para investigar las causas subyacentes de esta alta tasa de inactividad femenina en áreas rurales. Dadas las escasas oportunidades de empleo formal en entornos rurales, así como los bajos ingresos típicos del empleo rural, las mujeres pueden no tener incentivos para invertir en educación o participar en la fuerza laboral. Las normas sociales locales de comunidades rurales también pueden estar reforzando los roles tradicionales de género, por ejemplo, los hombres como sostén de la familia y las mujeres como proveedoras de cuidados en el hogar. Otro factor potencial es el acceso relativamente más bajo a educación para poblaciones rurales en comparación con sus contrapartes urbanas. Las mujeres rurales también pueden enfrentar grandes restricciones de movilidad (por ejemplo, falta de transporte

14

seguro y de buena calidad para ir al trabajo y la escuela) o restricciones de ingresos familiares (por ejemplo, las tasas de pobreza rural son muy altas8), lo que puede restringir el acceso a la capacitación y las oportunidades económicas.

Las tasas NINI están empezando a disminuir a medida que más mujeres eligen estudiar. Dados los avances en logros educativos observados durante la última década y media, los jóvenes permanecen más tiempo en la escuela. Los aumentos se observan tanto en entornos rurales como urbanos, y para ambos sexos. Además, hay una tendencia positiva en la proporción de jóvenes que combina trabajo y estudio, especialmente para mujeres urbanas, que en particular coincide con el aumento en la participación en la fuerza laboral observado en 2012 y 2013.

8 La pobreza rural moderada fue de 36 por ciento en 2017, y la pobreza extrema rural fue de 9 por ciento (Banco Mundial 2018a).

15

3. BRECHAS DE GÉNERO EN LOS RESULTADOS DEL MERCADO LABORAL

En las últimas dos décadas, el sólido desempeño del crecimiento económico de Paraguay se tradujo en una importante creación de empleo y mejores resultados en el mercado laboral; las mejoras se hicieron sentir tanto para las mujeres como para los hombres. El mercado laboral de Paraguay se caracteriza por grandes disparidades en cuanto a las líneas de género. A pesar de los aumentos en la demanda de trabajo y el aumento de los ingresos, las mujeres siguen rezagadas ante los hombres en casi todos los indicadores del mercado laboral (Figura 7). Las brechas entre mujeres y hombres en los resultados del mercado laboral se analizan en detalle a continuación.

Figura 7. Instantánea de la población en edad de trabajar por género (2016)


Activo (Fuerza laboral):

3,3 m

M: 1,3 m; 41,1%H: 2 m; 58,9% Desempleado:

0,2 m

M: 0,1 m; 51,2%H: 0,1 m; 48,8%

Empleado:3,1 m

M: 1,2 m, 39,7%H: 1,9 m, 60,3 %

Agricultor:0,4 m

M: 0,1 m; 27,1 %H: 0,3 m; 72,9 %

Asalariado:1,7 m

M: 0,7 m; 41,6 %H: 1 m; 58,4 %

Empleador:0,1 m

M: 0,04 m; 23,4 %H: 0,1 m; 76,6 %

Sector público0,2 m

M: 0,11 m; 51,5 %H: 0,1 m; 48,5 %

Sector privado formal: 0,4 m

M: 0,14 m; 34,5 %H: 0,27 m; 65,5 %

No remunerado:0,2 m

M: 0,1 m; 52 %H: 0,1 m; 48 %

Pob. en edad de trabajar: 4,7 m

M: 2,4 m; 50,3%H: 2,3 m; 49,7%

Inactivo:1,4 m

M: 1 m; 73,4%H: 0,4 m; 26,6%

Independiente:0,6 m

M: 0,3 m; 50,3 %H: 0,3 m; 49,7 %

Sector privado informal : 1 m

M: 0,4 m; 38,7 %H: 0,6 m; 61,3 %

16

3.1. BRECHAS DE GÉNERO EN CUANTO A DESEMPLEO

La brecha de género en la tasa de desempleo es significativa, a pesar del bajo desempleo en general. En 2016, la tasa de desempleo fue de 5 por ciento para hombres y de 7,6 por ciento para mujeres. Esta brecha ha cambiado poco en las últimas dos décadas. Si bien la brecha de desempleo entre géneros ha mostrado cierta fluctuación desde 2012, esto se debió a cambios en el desempleo femenino (Figura 8).

Las tasas de desempleo tanto para hombres como para mujeres en áreas urbanas son más altas que en áreas rurales, pero la brecha de género en zonas rurales es mayor (Figura 9). El desempleo urbano tiende a ser más frecuente entre trabajadores de nivel educativo más alto que pueden tener que esperar para obtener un trabajo formal. El desempleo rural, por el contrario, parece ser menos voluntario. El acceso a empleos formales es más limitado fuera de las ciudades y la pobreza rural es más alta; ambos factores contribuyen a disminuir el desempleo rural. La brecha entre el desempleo de hombres y mujeres es de alrededor de 2 puntos porcentuales en las localidades urbanas y de 3-4 puntos porcentuales en entornos rurales.

Figura 8. Tasas de desempleo de hombres y mujeres (%)


17

Figura 9. Desempleo urbano y rural por género (%)


El análisis de regresión arroja luz sobre las características de los trabajadores desempleados. Usando una metodología logística, encontramos que las mujeres tienen un 2,6 por ciento más probabilidades que los hombres a estar desempleadas (Anexo A, Tabla A1). Las mujeres también tienen un 14,7 por ciento menos probabilidades que los hombres de pasar del desempleo al trabajo, y las mujeres que lo hacen tienden a ingresar al trabajo asalariado informal o al trabajo independiente (Anexo A, Tabla A2). Pero una proporción aún mayor de mujeres desempleadas sale de la fuerza laboral (un tercio de mujeres desempleadas, en comparación con una quinta parte de hombres desempleados). El nivel de educación es el determinante más fuerte para estar desempleado versus inactivo para mujeres y hombres, pero es más fuerte para las mujeres. Tener una educación secundaria aumenta la probabilidad de estar empleado versus estar inactivo en 11 por ciento para las mujeres y en 5 por ciento para los hombres; ingresar a la universidad aumenta la probabilidad en 19 por ciento para mujeres y solo en 7 por ciento para hombres, y tener una licenciatura aumenta la probabilidad en 31 por ciento para mujeres y solo en 6 por ciento para hombres (Anexo A, Tabla A3). Otro factor determinante para las mujeres es ser madre. Tener hijos menores de 13 años en el hogar disminuye la probabilidad de que las mujeres estén empleadas en lugar de inactivas en 1,5 por ciento, pero aumenta la probabilidad de los hombres en 2 por ciento.

3.2. BRECHAS DE GÉNERO EN EL ESTATUS LABORAL

Si bien se crearon el doble de empleos formales desde 2008 en comparación con los empleos informales, el empleo informal sigue siendo predominante tanto para hombres como para mujeres. Según el informe reciente Diagnóstico del Empleo en Paraguay (Ruppert Bulmer et al. 2017), la proporción informal de empleo bajó de 78 por ciento en 2008 al 71 por ciento para 2014, según la ocupación principal de los trabajadores (los empleos informales carecen de cobertura de seguro social o se dan en una empresa no

18

registrada 9 ). Un tercio de las mujeres tiene un trabajo asalariado informal, ligeramente inferior al porcentaje de hombres (Figura 10). Casi una cuarta parte de las mujeres empleadas trabaja por cuenta propia y el 11 por ciento se dedica al trabajo familiar no remunerado, ambas considerablemente más altas que las tasas de hombres (15 y 7 por ciento, respectivamente). Aunque las tasas de formalidad para hombres y mujeres son similares, los hombres tienden hacia el sector privado, mientras que una mayor proporción de mujeres ocupa puestos en la administración pública.

Figura 10. Comparación del estatus laboral femenino y masculino para ocupaciones principales y

secundarias10 (%, 2016)


La brecha de género entre empleadores es marcada. Solo el 3 por ciento de las mujeres son empleadoras como ocupación principal, la mitad del porcentaje de los hombres. Se necesita un análisis más profundo para comprender las razones de la pequeña presencia de mujeres empleadores en Paraguay. Puede estar relacionada con las diferencias de género en el acceso a títulos de propiedad o capital, bajos ahorros o falta

9 Un empleo formal se define como sigue (i) empleados asalariados que contribuyen al sistema de seguridad social, (ii) empleadores de una empresa registrada (RUC), y (iii) trabajadores independientes con una empresa registrada (RUC); el empleo informal incluye a (i) agricultores/ganaderos/pescadores (trabajadores independientes o empleados de una empresa sin RUC), (ii) trabajadores familiares no remunerados, (iii) trabajadores independientes, empleado o empleador de una empresa sin RUC, (iv) empleados asalariados que no contribuyen a la seguridad social. 10 La ocupación primaria y secundaria son designadas por el encuestado en lugar de definirse en función de las horas de trabajo o ingresos.

19

de poder de decisión sobre las ganancias de los hogares. Si bien los empleadores pueden ser informales, dos tercios eran empleadores de empresas registradas formalmente en 201511.

Debido a que el trabajo informal es generalizado y paga relativamente mal, una gran parte de los trabajadores se involucra en más de un trabajo. Los hombres tienen más probabilidades que las mujeres de participar en la agricultura a pequeña escala, especialmente como ocupación secundaria. Las mujeres, por otro lado, tienen una representación excesiva en el trabajo independiente como ocupación secundaria, seguido del trabajo asalariado informal.

El estatus laboral tiene implicaciones en la cantidad de horas de trabajo. Las mujeres en Paraguay tienen más probabilidades de tener múltiples trabajos y trabajar menos horas en cada uno. De hecho, la mayoría de las mujeres tienen al menos dos trabajos. En promedio, las mujeres trabajan cinco horas menos que los hombres en su ocupación principal, y una hora menos en su ocupación secundaria (Figura 11). Al observar solo su trabajo principal, las mujeres en actividades relacionadas con la agricultura trabajan solo la mitad de las horas de lo que trabajan los agricultores masculinos, y es probable que tengan un trabajo adicional para complementar sus ingresos agrícolas (Figura 12). En cada categoría de estatus laboral, las mujeres trabajan menos horas, lo que reduce en gran medida los ingresos de las mujeres en comparación con sus homólogos masculinos (las diferencias de género en los ingresos se analizan más adelante).

Figura 11. Promedio de horas trabajadas por semana (2016)


11 La proporción de empleadores informales en el total de empleadores disminuyó de más de 50 por ciento en 2008-10 a alrededor de 40 por ciento en 2011-14, y posteriormente a 35 por ciento en 2015.

20

Figura 12. Comparación de horas promedio por estatus laboral (ocupación principal)

(a) Femenino (b) Masculino


Las mujeres tienen estadísticamente menos probabilidades de tener empleos formales y múltiples factores contribuyen a esta menor probabilidad. Las regresiones probabilísticas que comparan aquellas en el trabajo informal y formal indican que los hombres tienen 4,2 por ciento más probabilidades de tener trabajos formales que las mujeres (consulte el Anexo A, Tabla A1). Los jóvenes, los trabajadores con niveles educativos más bajos y los trabajadores rurales también luchan por acceder al empleo formal. El estatus laboral se debe a una combinación de factores de oferta laboral y demanda laboral, y los factores subyacentes varían según el género. Con respecto a la demanda laboral, o la falta de ella, la escasez de empleos formales probablemente empuja a los solicitantes de empleo a opciones de trabajo informal. La discriminación de género o étnica (discutida a continuación) también puede afectar la demanda laboral. Los posibles impulsores de las decisiones sobre la oferta de trabajo incluyen las preferencias de los trabajadores de trabajar a tiempo completo versus a tiempo parcial, el nivel de educación y habilidades, y las preferencias sectoriales, entre otros. Las regresiones realizadas por separado para hombres y mujeres destacan los efectos diferenciados por género de varias variables explicativas clave: estructura del hogar, educación, origen étnico y ubicación.

Un factor determinante importante del estado de formalidad para las mujeres es ser madre. Las mujeres con hijos, especialmente los niños pequeños, tienen mayores demandas en el hogar de su tiempo, lo que conduce a las mujeres a buscar trabajo informal que requiere menos horas o horas de trabajo más flexibles. Tener hijos menores de 13 años en el hogar reduce la probabilidad de que las mujeres realicen un trabajo formal en 2 puntos porcentuales, mientras que la presencia de jóvenes de 13 años o más tiene un efecto negativo menor pero significativo (Figura 13; Tabla A3, en Anexo A) . La presencia de una persona mayor en el hogar también disminuye la probabilidad de empleo formal para las mujeres (en 3 puntos porcentuales). Las tasas más altas de informalidad entre mujeres pueden interpretarse como una estrategia para equilibrar las demandas de cuidado del hogar y el trabajo. La paternidad tiene el efecto contrario para los hombres, para quienes la presencia de niños en el hogar aumenta modestamente su probabilidad de tener un empleo formal.

21

La educación es un determinante poderoso para ser empleado formalmente tanto para hombres como para mujeres, pero juega un papel más importante para las mujeres. Por ejemplo, tener educación secundaria aumenta la probabilidad de empleo formal en 20 por ciento para mujeres y en 17 por ciento para hombres, ingresar a la universidad aumenta la probabilidad en 30 por ciento para mujeres y en 26 por ciento para hombres y tener una licenciatura aumenta la probabilidad en 32 por ciento mujeres, pero solo en 26 por ciento para hombres (Tabla A3 en Anexo A). Debido a que las mujeres tienden a tener dificultades para acceder a empleos de alta calidad, teniendo menos probabilidades debido, por ejemplo, a experiencias laborales más cortas o menos relevantes o al sesgo implícito relacionado con el género, el logro educativo proporciona una señal importante de la capacidad y productividad de la trabajadora.

Figura 13. Estimaciones logísticas que comparan el estatus laboral formal e informal para hombres y

mujeres

Promedio de los efectos marginales de la probabilidad de tener un empleo formal, 15 años o más (2016)

Fuente: Cálculos de los autores basados en datos de la Encuesta Permanente de Hogares

El idioma y la ubicación también son importantes para el estatus laboral. Aunque solo el 2 por ciento de la población de Paraguay es indígena, el 70 por ciento de la población habla guaraní12. Dos tercios de los hogares monolingües que hablan guaraní viven en áreas rurales. Con respecto a la situación laboral, las mujeres de hogares estrictamente de habla guaraní tienen un 3 por ciento menos probabilidades de estar en un trabajo formal, y los hombres tienen un 6 por ciento menos probabilidades. Los residentes urbanos no solo tienen una mayor probabilidad de ingresar a la fuerza laboral, sino que también están más cerca de una amplia gama de oportunidades laborales, especialmente para el trabajo remunerado en empresas formales. Estos efectos son más pronunciados en Asunción y Central, pero también prevalecen alrededor de Itapúa y Alto Paraná (Figura 14). Por lo tanto, no es sorprendente que los residentes urbanos tengan

12 Encuesta Permanente de Hogares 2017

22

una mayor probabilidad de contar con un empleo formal. Se debe tener en cuenta que el mayor número de empleos remunerados de mujeres en el sector privado de Paraguay se encuentra en Asunción. A pesar de las diferencias a nivel de departamento en la proximidad a los grandes centros urbanos, la participación femenina en el empleo remunerado es bastante consistente en todos los departamentos.

Figura 14. Mapa de empleo remunerado por departamento

Nota: “Paid females” denota mujeres remuneradas. “Number of firms” denota numero de empresas. Fuente: Cálculos de los autores basados en el Censo Económico de 2011 de empresas formales con al menos un empleado pagado

23

3.3. DIFERENCIAS DE GÉNERO EN LA DISTRIBUCIÓN ENTRE SECTORES

Surgen patrones distintos con respecto a las distribuciones sectoriales de hombres y mujeres. Las mujeres se concentran en el sector del comercio13, otros servicios (tres quintos de los cuales es trabajo doméstico) y, en menor medida, en la agricultura. Todos estos sectores tienen una productividad relativamente baja (Figura 15). Estos tres sectores juntos emplean casi tres cuartos del total de mujeres empleadas, en comparación con poco más de la mitad de los hombres. Los hombres están distribuidos de manera más equitativa en todos los sectores, pero más prominentemente en la agricultura, el comercio, la manufactura y la construcción.

Figura 15. Distribución sectorial del empleo femenino y masculino (2016)

13 En este informe, el sector del comercio incluye el comercio al por mayor y al por menor, hoteles y restaurantes, a menos que se indique lo contrario.

24

Figura 15. Distribución sectorial del empleo femenino y masculino (2016) (a continuación)


La transformación estructural en curso en Paraguay de la agricultura a una economía basada en servicios

se refleja en los cambios en los patrones de empleo. El PIB creció en 80 por ciento en términos reales

entre 2001 y 2015, más de la mitad del cual provino de los servicios ampliados. Al mismo tiempo, el empleo

agrícola se contrajo, especialmente para agricultores informales, mientras que la manufactura creció

ligeramente y el empleo en el sector de servicios se expandió rápidamente. La mayor parte del crecimiento

reciente de empleos entre 2008 y 2016 fue en el sector de comercio, hoteles y restaurantes (que

representan el 45 por ciento de los empleos netos nuevos) y servicios gubernamentales (más del 20 por

ciento), seguido de manufactura (13 por ciento), construcción (11 por ciento), finanzas y bienes raíces (10

por ciento) y otros servicios (9 por ciento).

El crecimiento del empleo fue más diversificado sectorialmente para los hombres que para las mujeres, aunque el crecimiento del sector del comercio fue importante para ambos. Al observar los cambios en el empleo para el período de 2005 a 2015, los mayores avances tanto para hombres como para mujeres fueron en el sector de comercio, hotelero y de restaurantes (Figura 16): la participación comercio, hotelera y de restaurantes del empleo masculino aumentó 4,5 puntos porcentuales, mientras que la participación femenina subió 4,9 puntos porcentuales. Es importante tener en cuenta que los empleos en comercio, hoteles y restaurantes tienden a ser informales y tienen baja productividad (aparecen debajo del eje horizontal en la Figura 16). El hecho de que el crecimiento del empleo fuese más rápido en este sector refleja, al menos en parte, la ausencia de mejores empleos en otros segmentos de la economía. Para los

25

hombres, incluyendo la gran cantidad de personas que abandonan el trabajo agrícola, se agregaron más empleos en los sectores de productividad relativamente alta de gobierno, manufactura, construcción y servicios financieros. Para las mujeres, después del comercio, hoteles y restaurantes, muchas ingresaron en empleos gubernamentales (productividad relativamente alta) seguidos de servicios financieros y manufactura. A pesar de que otros servicios perdieron parte del empleo femenino, casi una quinta parte de los nuevos empleos para mujeres se encontraban en otros servicios, el sector menos productivo.

Figura 16. Cambio en la participación en el empleo en sectores más y menos productivos (2005-2015)

(a) Empleo masculino

26

Figura 16. Cambio en la participación en el empleo en sectores más y menos productivos (2005-2015)

(a continuación)

(b) Empleo femenino


El aumento de las tasas de formalidad mejoró la calidad del empleo en promedio, pero los hombres se beneficiaron más que las mujeres. Se agregaron más empleos formales en comparación con los empleos informales entre 2008 y 2015, y aunque el empleo femenino total aumentó más que el empleo masculino durante este período, menos de los empleos agregados para las mujeres fueron formales (Tabla 1). De los 218.000 empleos netos agregados para los hombres desde 2008, 170.000 fueron formales, pero de los 226.000 empleos netos agregados para las mujeres, 130.000 fueron formales (Tabla 1). Es notable que la mayoría de los empleos formales (e informales) se agregaron al comercio, pero el sector gubernamental agregó 84.000 empleos formales durante el período, más de la mitad de los cuales fueron ocupados por mujeres. Después de la administración pública, las mujeres encontraron la mayor proporción de empleos formales en el comercio, la manufactura y otros servicios, pero encontraron muchos más empleos informales en el comercio y otros servicios.

27

Tabla 1. Creación neta de empleo por género 2008-2015

aNota: El sector es autoinformado en la encuesta de hogares y los datos sobre el empleo gubernamental difieren de los registros de la administración pública. Los trabajadores informales en el gobierno son, en su mayoría, contratistas de tiempo fijo, a plazo fijo, concentrados en categorías ocupacionales más calificadas (por ejemplo, científicos, técnicos, empleados) así como en trabajo manual. Fuente: Encuesta Permanente de Hogares

Además de tener baja productividad, los sectores que emplean la mayor proporción de mujeres tienen tasas más altas de informalidad. Entre las mujeres que trabajan en el comercio, hoteles y restaurantes, la mitad trabaja de manera independiente, el 22 por ciento tiene un empleo asalariado informal y otro 11 por ciento no recibe remuneración. Y para las mujeres que trabajan en otros servicios, el 72 por ciento tiene un empleo asalariado informal y otro 16 por ciento trabaja de manera independiente.

3.4. BRECHAS DE GÉNERO EN CALIDAD DE EMPLEO Y GANANCIAS

Las mujeres ganan mucho menos que los hombres, y múltiples factores impulsan esta gran brecha de

ingresos. En 2016, las mujeres que trabajaban a tiempo completo ganaban un salario mensual promedio

de US$435, en comparación con los US$611 de los hombres (un 40 por ciento más). La participación

femenina en los ingresos anuales totales en Paraguay fue de alrededor del 30 por ciento en 2015, una cifra

que ha cambiado poco con el tiempo (Figura 17). Las brechas de género en la participación en la fuerza

laboral, el estatus laboral, la calidad del trabajo, las horas de trabajo y el sector descrito y cuantificado

SectorTipo de

empleoNo.

Porcentage del

cambio total

Empleo total

2015No.

Porcentage del

cambio total

Empleo total

2015

Formal 3,197 1% 16,082 409 0% 926

Informal -50,905 -23% 412,374 -326 0% 179,396

Formal 22,688 10% 91,315 19,726 9% 32,317

Informal 14,589 7% 175,174 -1,524 -1% 77,463

Formal 2,063 1% 9,414 1,944 1% 3,495

Informal 1,502 1% 2,793 677 0% 1,307

Formal 11,950 5% 24,500 777 0% 777

Informal 34,008 16% 183,005 734 0% 1,496

Formal 63,267 29% 146,676 30,947 14% 84,951

Informal 50,929 23% 295,830 53,893 24% 283,350

Formal 7,589 3% 42,679 1,423 1% 10,043

Informal -7,968 -4% 57,530 -1,941 -1% 4,921

Formal 22,574 10% 53,824 8,075 4% 32,871

Informal -1,302 -1% 45,833 14,240 6% 31,689

Formal 36,991 17% 118,509 47,048 21% 142,237

Informal 5,704 3% 27,976 9,450 4% 26,589

Formal -109 0% 22,668 19,716 9% 39,608

Informal 1,344 1% 85,995 20,618 9% 270,169

Formal 170,210 78% 525,667 130,065 58% 347,225

Informal 47,901 22% 1,286,510 95,821 42% 876,380

Creación neta total de

empleo

Female

Agricultura, ganadería y

pesca

Manufactura y minería

Electricidad, gas y agua

Construcción

Male

Sector comercio,

restaurantes y hoteles

Transporte y

comunicaciones

Finanzas y bienes raíces

Gobierno/administración

pública

Otros servicios

28

anteriormente afectan las ganancias de las mujeres y, como tal, contribuyen a la gran brecha salarial

observada entre hombres y mujeres. Otros factores menos observables amplían aún más la desigualdad

entre los ingresos masculinos y femeninos. La discusión que sigue examina estos factores en detalle.

Figura 17. Ingresos anuales totales por género (miles de millones USD PPA 2005)


Las diferencias en el estatus laboral son un factor principal detrás de la brecha de género salarial. Las diferencias de ingresos entre los tipos de empleo son significativas. Los empleadores y los empleados del sector público tienen los ingresos más altos en promedio, mientras que los agricultores, los trabajadores independientes y los trabajadores asalariados informales ganan significativamente menos (Figura 18). Es notable que incluso dentro de estas categorías de estatus laboral con salarios altos y salarios bajos, las mujeres ganan menos que los hombres, con la excepción del sector público (ver Anexo B, Tabla B4). Estas diferencias agravan la brecha salarial, especialmente considerando que las mujeres se concentran en el trabajo independiente, la agricultura y el trabajo asalariado informal. Cuando comparamos la distribución de los ingresos mensuales, el porcentaje de mujeres que gana menos que el salario mínimo es mucho más alto que el porcentaje de hombres (Figura 19, panel izquierdo). Cuando se excluye a los trabajadores no asalariados de la comparación, encontramos que la distribución de los salarios de hombres y mujeres es mucho más aproximada, si bien los salarios de las mujeres siguen siendo más bajos, y una gran proporción de hombres y mujeres gana menos que el salario mínimo (Figura 19, panel derecho).

29

Figura 18. Salario promedio por estatus laboral y género (Trabajadores a tiempo completo en 2016,

USD PPA 2005)

(a) Ingresos mensuales

(b) Salario por hora

Nota: Tiempo completo definido como al menos 35 horas por semana. Ver Anexo B Tabla B4 para más detalles. Fuente: Encuesta Permanente de Hogares

30

Figura 19. Distribución de ganancias mensuales de trabajadores a tiempo completo (2016, USD PPA

2005)

(a) Salario mensual (todos los trabajadores) (b) Salario mensual (solo trabajadores asalariados)

Nota: Ganancias de la ocupación primaria solamente Fuente: Cálculos de los autores basados en datos de la Encuesta Permanente de Hogares

La segregación sectorial explica parte de la brecha de género salarial, aunque incluso dentro de los sectores, las mujeres ganan menos. El comercio, otros servicios y la agricultura, que emplean a tres de cada cuatro trabajadoras, tienen el promedio más bajo de ingresos femeninos (Figura 20; Anexo B Tabla B4). Incluso dentro de estos sectores, los hombres ganan mucho más en promedio, en parte debido al hecho de que los hombres realizan trabajos ligeramente diferentes dentro de estos sectores. En la agricultura, los ingresos medios mensuales de las mujeres fueron un poco más de la mitad que los ingresos de los hombres (US$250 en PPA en dólares de 2005 para trabajadoras agrícolas de tiempo completo, en comparación con US$414 para hombres). En otros servicios, que para las mujeres es predominantemente el trabajo doméstico, los ingresos medios mensuales de las mujeres fueron solo el 45 por ciento de los ingresos de los hombres, debido a la baja remuneración de los trabajadores domésticos14.

14 En 2016, los salarios de las trabajadoras domésticas promediaron US$304 por mes y US$2 por hora (PPA en dólares estadounidenses de 2005).

Todos Todos Mujeres Mujeres Hombres Hombres

31

Figura 20. Ganancias promedio por sector y género (trabajadores a tiempo completo en 2016, USD

PPA 2005)

(a) Ingresos mensuales

(b) Salario por hora

Nota: Tiempo completo definido como al menos 35 horas por semana. Ver Anexo B Tabla B4 para más detalles. Fuente: Encuesta Permanente de Hogares

32

El análisis de regresión que controla las características individuales y laborales estima una brecha de género salarial muy grande. Al utilizar regresiones de tipo Mincer para controlar las características individuales, estimamos los efectos del estatus laboral, el nivel de educación y el sector, entre otros factores, en los ingresos mensuales de los trabajadores (Anexo B, Tabla B5)15 16. La brecha salarial de género se estima en 43 por ciento17, lo que indica una ventaja de ganancias muy grande a favor de los hombres, si otros factores se mantienen iguales. Otros factores que tienen un impacto significativo en los ingresos son el estado de formalidad, nivel educativo, experiencia, sector de trabajo, región y origen étnico (Figura 21). Tener un empleo formal aumenta los ingresos mensuales en más del 50 por ciento, en igualdad de condiciones. Los beneficios de la educación aumentan uniformemente con el nivel educativo: los graduados terciarios ganan una prima salarial significativa, equivalente al 93 por ciento, en comparación con los trabajadores similares que carecen de un título primario (y controlando la formalidad). Incluso los beneficios relativos de la finalización de la universidad en comparación con solo algunos estudios terciarios es grande, en 30 por ciento. Los trabajadores de hogares que hablan guaraní ganan significativamente menos que los de hogares que no hablan guaraní. Y se paga un salario más alto a los trabajadores que trabajan en Asunción.

Figura 21. Elementos correlacionados de ganancias (salarios reales mensuales 2015, USD PPA 2005)

Nota: Refleja la especificación 1 en la Tabla B5, Anexo B Fuente: Cálculos de los autores basados en datos de la Encuesta Permanente de Hogares

15 La unidad de medida utilizada aquí, el salario mensual en la ocupación principal de cada trabajador, refleja las horas reales trabajadas. 16 Tenga en cuenta que después de controlar el sesgo de selección utilizando una corrección de Heckman, los resultados son casi idénticos a las estimaciones de mínimos cuadrados ordinarios (OLS) informados en el Anexo B, Tabla B5. 17 Especificación 1 en Tabla B5 en Anexo B.

33

Para controlar las diferencias en el estatus laboral entre hombres y mujeres, estimamos los elementos correlacionados de los salarios mensuales solo para los trabajadores asalariados, pero encontramos una brecha salarial de género aún grande. Un factor clave que impulsa la brecha en los ingresos es el hecho de que las mujeres trabajan menos horas en su ocupación principal en comparación con los hombres, en promedio, y que las mujeres tienen más probabilidades de estar en empleos informales no asalariados, que pagan menos. Al observar solo a los trabajadores asalariados (excluyendo a los trabajadores independientes y empleadores), la brecha de género se reduce a 33 por ciento, y al limitar la comparación a los trabajadores de tiempo completo solo se demuestra que la brecha se reduce aún más, a 27 por ciento.

La comparación de los elementos correlacionados de los ingresos mensuales y por hora proporciona información importante sobre las diferencias de bienestar y la discriminación implícita basadas en el género. Al utilizar los ingresos mensuales como la unidad de medida, las estimaciones reflejan el bienestar relativo de los trabajadores masculinos y femeninos con respecto a su ocupación principal. Pero en una comparación mas especifica de los salarios por la misma hora de trabajo (es decir, la regresión de los salarios por hora de los trabajadores asalariados a tiempo completo en el mismo conjunto de variables explicativas consideradas anteriormente), la brecha salarial de género sigue siendo grande en 19 por ciento (Anexo B, Tabla B6)18.

El sector del trabajo es un determinante significativo de los ingresos, y la magnitud de los rendimientos sectoriales varía según el género. Observamos grandes variaciones en los ingresos masculinos y femeninos en todos los sectores, controlando las características individuales, la formalidad y la región. Por ejemplo, las mujeres en la agricultura ganan una pequeña fracción del ingreso mensual de sus homólogas femeninas en el comercio. En contraste, los hombres en la agricultura ganan 47 por ciento menos que sus homólogos masculinos en el comercio (Anexo B, Tabla B7). El empleo manufacturero para las mujeres no está bien pagado en comparación con los hombres, probablemente debido a los salarios muy bajos que prevalecen en la fabricación de prendas de vestir. Las mujeres en la manufactura ganan 17 por ciento menos que las mujeres en el comercio, mientras que los hombres en la manufactura (y la minería) ganan 10 por ciento más que los hombres en el comercio. Los empleos en los sectores de electricidad, gas y agua pagan los salarios más altos tanto para hombres como para mujeres (56 y 53 por ciento más, respectivamente, que el comercio). Los siguientes sectores mejor remunerados para hombres son el transporte y las comunicaciones, la construcción, las finanzas y los bienes raíces (estos últimos no son significativos para las mujeres).

Ciertas características laborales y del trabajador son más importantes para los ingresos de las mujeres; otras importan más para las ganancias de los hombres. Surgen diferencias con respecto a la experiencia, estado de formalidad y educación (Anexo B, Tabla B8). Al analizar las regresiones de tipo Mincer por separado para trabajadores asalariados de tiempo completo de ambos sexos, encontramos que los ingresos mensuales están más estrechamente relacionados con la experiencia potencial para los hombres que para las mujeres, y es probable que reflejen diferencias en la experiencia real debido a las transiciones más frecuentes de las mujeres entrando y saliendo de la fuerza laboral. El trabajo informal conduce a una mayor diferencia salarial para las mujeres en comparación con los hombres: la penalización de la informalidad (o prima de formalidad) para las mujeres se estima en 30 por ciento del salario mensual, en

18 No encontramos una tendencia de tiempo consistente en el tamaño de la brecha salarial de género. Cuando repetimos el análisis de regresión para cada año entre 2008 y 2015, observamos variaciones considerables de año a año en la brecha salarial de género, tanto positivas como negativas.

34

comparación con el 24 por ciento para los hombres19. Con respecto a la educación, el nivel de logro está más fuertemente relacionado con los ingresos femeninos que con los ingresos masculinos. Por ejemplo, contar con un título secundario aumenta los salarios de mujeres y hombres en 44 por ciento y 26 por ciento respectivamente, mientras que contar con un título terciario aumenta los salarios de las mujeres en 95 por ciento y los salarios de los hombres en 75 por ciento. Estos patrones, en gran medida consistentes con los hallazgos internacionales en la literatura20, están ligeramente sesgados por la selección del sector. Cuando controlamos por sector de trabajo, los retornos educativos femeninos disminuyen un poco y la brecha de género en las primas de educación se reduce.

El trabajo del gobierno generó oportunidades de empleo significativamente mejores en los últimos años, especialmente para las mujeres con cierto nivel de educación, pero no está exento de discriminación basada en el género. La mayor parte de la creación de empleos (neta) observada en el sector gubernamental desde 2008 estuvo dada en empleos formales, y la mayoría de los puestos agregados fueron ocupados por trabajadores con al menos algo de educación terciaria. De hecho, las mujeres con título terciario llenaron el 60 por ciento de los 47.000 empleos agregados del sector público ocupados por mujeres, mientras que los hombres con un título terciario llenaron alrededor del 40 por ciento de los 37.000 empleos agregados del gobierno asumidos por hombres. Los empleos del gobierno pagan relativamente más que el trabajo del sector privado: sin controlar el sector, la prima salarial mensual para el empleo en el sector público es de 13 por ciento para hombres y de 19 por ciento para mujeres (en comparación con empleados asalariados a tiempo completo). La prima es aún mayor con respecto a los salarios por hora (18 y 32 por ciento, respectivamente), lo que refleja la menor cantidad de horas de trabajo requeridas en el empleo público. Una mejor remuneración y otros beneficios no salariales hacen que el empleo público sea atractivo, especialmente para mujeres calificadas que luchan por encontrar oportunidades de trabajo formales alternativos. Pero el trabajo del sector público no es una panacea para superar las diferencias de género en la calidad del trabajo. Por el contrario, el empleo gubernamental ofrece mejores salarios a hombres con nivel educativo alto en comparación con mujeres con nivel educativo alto con características similares. De hecho, los retornos masculinos de la educación son notablemente más altos que los retornos femeninos en el sector de la administración pública (Anexo B, Cuadros B9 y B10) 21 . Esto incluye el nivel terciario, precisamente donde podríamos esperar menos discriminación basada en el género. Este resultado implica que, si bien el sector gubernamental es una fuente importante de empleo formal para mujeres, existen grandes diferencias inexplicadas en la compensación de hombres y mujeres calificados que pueden ser resultado de discriminación.

Las grandes brechas de ingresos no observables estimadas anteriormente apuntan tanto a la mala asignación sectorial de las trabajadoras como a la probable discriminación. Debido a que los hombres y las mujeres tienen en promedio diferentes características individuales (por ejemplo, diferentes niveles de educación, diferente tiempo de experiencia) y sus trabajos también tienen características diferentes (por ejemplo, diferentes sectores de trabajo, estado de formalidad), parte de la brecha salarial de género observada proviene de estas diferencias de asignación, pero en parte derivan de factores no observables que probablemente incluyen la discriminación. La técnica de descomposición de Blinder-Oaxaca compara el tamaño del efecto proveniente de las diferencias en dotaciones con el que proviene de las diferencias en los retornos. Mientras que la brecha de género de Blinder-Oaxaca con respecto a los salarios mensuales

19 La penalización de la informalidad es aún mayor cuando se consideran todos los trabajadores remunerados (es decir, trabajadores a tiempo completo y a tiempo parcial y trabajadores independientes): 63 por ciento para mujeres y 47 por ciento para hombres (Anexo A, Tabla A7). 20 Dougherty (2005) y Montenegro y Patrinos (2014) proporcionan evidencia de mayores retornos educativos femeninos, mientras que Hubbard (2011) no encuentra diferencias en los retornos de la educación terciaria para hombres y mujeres. 21 Los retornos de la educación para las mujeres, de hecho, pierden importancia dentro del sector público.

35

se estima en 31 por ciento, si a las mujeres se les asignaran las mismas características, o "dotaciones", que a los hombres en promedio, pero no hubiera cambios en los retornos de estas dotaciones, la brecha salarial de género se reduciría. Si, por otro lado, las mujeres recibieran el mismo promedio de retorno para sus dotaciones que los trabajadores masculinos, de hecho ganarían más que los hombres (Anexo B, Tabla B11). Esto indica que la mayor parte de la brecha salarial observable es impulsada por el hecho de que los hombres y las mujeres son recompensados de manera diferente por sus características de dotación (ya sean individuales o relacionadas con el trabajo). Aunque no podemos concluir de manera decisiva que esto sea el resultado de una discriminación explícita, ya que puede haber otros factores no observables que crean una brecha entre la productividad de hombres y mujeres, el tratamiento desigual de hombres y mujeres parece ser el culpable. Las brechas son más pequeñas con respecto a salarios por hora, pero se mueven en la misma dirección. El análisis de la siguiente sección considera el lado de la demanda laboral de los resultados del empleo en Paraguay como un complemento y para validar los hallazgos del lado de la oferta laboral de los datos de la encuesta de hogares presentados anteriormente.

36

4. DEMANDA LABORAL

4.1. INSTANTÁNEA DE EMPRESAS DEL SECTOR PRIVADO

El siguiente análisis proporciona una instantánea desagregada por sexo de las empresas del sector privado de Paraguay, su estado de formalidad y su demanda laboral. El análisis describe los tipos de empresas que son la principal fuente de empleo para mujeres en comparación con las que emplean de manera desproporcionada a hombres. Se examinan los patrones diferenciados por género con respecto al tamaño de la empresa, edad, estado de formalidad, sector, región, nivel de producción y nivel de salario promedio utilizando tres fuentes principales de datos a nivel de empresa que cubren el período 2010-2014 (consulte el Anexo A para una descripción detallada). Como complemento de estos hallazgos descriptivos, el análisis de regresión evalúa los elementos correlacionados de tamaño, crecimiento, productividad y salarios de la empresa que también evalúan los efectos de género.

La informalidad es generalizada entre las empresas capturadas en el censo económico, pero las empresas formales generan significativamente más empleo. Según el Censo Económico 2011 (un conjunto de datos nacionales de empresas formales e informales que excluyen a los agricultores independientes y las empresas basadas en hogares), el sector privado estaba compuesto por 211.042 empresas que empleaban a 799.153 trabajadores en 2010 (Tabla 2)22. El treinta y ocho por ciento de las empresas identificadas eran informales, e incluso entre las empresas registradas, el 60 por ciento eran empresarios independientes sin empleados remunerados, y por lo tanto eran esencialmente informales (desde la perspectiva de que carecen de acceso a un seguro social, de acuerdo con la definición utilizada en el análisis de oferta de trabajo más arriba). Las 51.457 empresas formales identificadas como que tienen al menos un empleado pagado representaron dos tercios de todos los empleos23.

Tabla 2. Desglose de empresas capturadas en el censo económico (datos de 2010)

Empresas Empleo

Nivel (#) Proporción (%)

Nivel (#) Proporción (%)

Informal (no registrado, sin RUC) 79,373 37.6% 123,397 15%

Formal (registrado con RUC) 131,669 62.4% 675,756 85%

Registrados autónomos 80,212 38.0% 138,731 17%

Empresas con al menos 1 empleado remunerado

51,457 24.4% 537,025 67%

TOTAL 211,042 100% 799,153 100%

Nota: RUC es el número de Registro Único del Contribuyente Fuente: Censo Económico de 2011

22 Dado el alto grado de informalidad en la economía de Paraguay, el censo de empresas no captura cerca de dos tercios del empleo total. Sin embargo, captura muy bien el empleo formal privado asalariado, y en parte captura el empleo asalariado informal y el empleo autónomo registrado. Consulte Ruppert Bulmer y Scutaru (2018) para un análisis más detallado de los conjuntos de datos a nivel de empresa de Paraguay. 23 Tenga en cuenta que los empleos de las grandes empresas registradas no son necesariamente formales, ya que los empleadores pueden reportar menos o contratar a trabajadores con contratos temporales o informales que no ofrecen cobertura de seguro social.

37

4.2. DIFERENCIAS DE GÉNERO EN TIPOS DE EMPRESA, TAMAÑO DE LAS EMPRESAS Y

SALARIOS

Las mujeres tienen más probabilidades de ser empleadas por empresas informales o trabajar de manera independiente en comparación con los hombres (Figura 22). Teniendo en cuenta la distribución de trabajadores a través del tipo de empresa, encontramos que casi el 22 por ciento de las mujeres están empleadas en empresas informales, casi el doble de la proporción de hombres. El empleo autónomo también es más frecuente entre mujeres, una quinta parte de las cuales tiene empleo autónomo registrado, en comparación con el 15 por ciento de los hombres. Y dentro de las empresas formales, el empleo está dominado por hombres en una proporción de dos a uno (Figura 23). Las mujeres, por el contrario, representan el 56 por ciento del empleo dentro de las empresas informales. Estos hallazgos son similares a los patrones observados en el análisis de la oferta de trabajo anterior. Las tasas más altas de informalidad entre mujeres se traducen en menor productividad (Figura 24), así como en menores ingresos.

Figura 22. Proporción de empleo femenino y masculino en empresas informales y formales y trabajo

autónomo registrado

Fuente: Censo Económico de 2011

38

Figura 23. Proporción de empleados masculinos y femeninos, por tipo de empresa


Figura 24. Comparación de la productividad de las empresas informales y formales

Nota: La productividad se mide como el valor agregado de una empresa dividido por su empleo total. Fuente: Cálculos de los autores basados en el Censo Económico de 2011.

La proporción del empleo femenino es más alta en microempresas y disminuye a medida que las empresas se hacen más grandes. Entre las empresas informales con menos de 10 empleados, las mujeres superan a los hombres: el 68 por ciento son mujeres en su mayoría, en comparación con el 32 por ciento de mayoría de hombres (Figura 25). La proporción de empresas mayoritariamente femeninas es considerablemente menor entre las empresas informales con 10-19 empleados (31 por ciento) e incluso menor entre las empresas informales con 20-49 empleados (15 por ciento). En el sector formal, las brechas de género son más estrechas, pero las empresas con mayoría masculina son por mucho, la norma. El análisis de regresión confirma una correlación negativa entre la proporción del empleo femenino y el

Salario mínimo

39

tamaño de la empresa24. Entre las empresas formales con al menos un empleado remunerado, un aumento de 10 por ciento en la proporción de empleadas mujeres remuneradas se asocia con una disminución del 1,2 por ciento del tamaño total de la empresa (es decir, el número total de empleados remunerados, controlando otros factores (Anexo C, Tabla C1). Además, las empresas con mayoría de empleadas mujeres son 11 por ciento más pequeñas que aquellas con mayoría de mano de obra masculina, en igualdad de condiciones.

Figura 25. Comparación de la proporción de género en el empleo por tamaño de la empresa

(a) Empresas informales

(b) Empresas formales


24 El análisis de regresión de los elementos correlacionados de tamaño y rendimiento de la empresa a lo largo de este capítulo está limitado a empresas formales con al menos un empleado pagado.

40

La mayoría de las empresas en Paraguay son de tamaño micro y sufren de baja productividad 25 26. La gran mayoría de las empresas tiene menos de 10 empleados (Figura 26). Este es un patrón común en las economías en desarrollo, incluso entre empresas formales. Mientras que las microempresas superan en número a todas las demás categorías de tamaño de empresa, generan solo la mitad de todos los empleos, mientras que las grandes empresas (más de 100 empleados) representan una cuarta parte de todos los empleos basados en empresas (Figura 27). El análisis de regresión muestra una correlación positiva y significativa entre la productividad y el tamaño de la empresa (Anexo C, Tabla C2). Esta correlación es comparativamente fuerte en Paraguay, en relación con otros países27. Figura 26. Distribución de empresas por categoría de tamaño (número de empresas formales e

informales)


25 Ruppert Bulmer y Scutaru (2018) 26 Tenga en cuenta que la productividad de la empresa se define como el valor agregado por empleado pagado. Otros factores que contribuyen a la productividad, como el capital físico y humano, no se abordan debido a las limitaciones de los datos. Como resultado de esto, no es posible realizar un análisis de la productividad total de los factores. 27 Ruppert Bulmer y Scutaru (2018)

05

0,0

00

10

00

00

15

00

00

20

00

00

N.

1-9 10-19 20-99 100+Tamaño de empresa:

41

Figura 27. Porcentaje de empleo por categoría de tamaño de empresa


La relación entre salarios y tamaño de la empresa es mayormente positiva. El costo laboral promedio por trabajador pagado aumenta con el tamaño de la empresa cuando el tamaño se define como una variable continua. Cuando controlamos por sector y nivel de ventas, las empresas con más de 10 empleados pagados ofrecen salarios más bajos, lo que posiblemente refleja una menor productividad, pero cuando agregamos controles para el nivel de productividad, las empresas más grandes pagan más.

Los salarios promedio son más bajos en las empresas que emplean a más mujeres. El salario promedio en empresas mayoritariamente femeninas es 23 por ciento menor que en empresas mayoritariamente masculinas (Figuras 28 y Anexo C, Tabla C3). Esto es consistente con los ingresos más bajos de mujeres en comparación con hombres en el análisis de oferta de empleo anterior. Al controlar el sector, el tamaño, la edad y la región, los salarios promedio de las empresas disminuyen en 0,28 por ciento por cada 1 punto porcentual de aumento en la proporción de empleo femenino.

52.36%

6.98%

8.73%

6.71%

13.86%

11.35%

1-9 10-19

20-49 50-99

100-499 500+

Tamaño de empresa:

42

Figura 28. Distribución de Kernel de salarios promedio de empresas, por mayoría de empleados

Fuente: Cálculos de los autores basados en el Censo Económico de 2011

4.3. DIFERENCIAS DE GÉNERO EN EL SECTOR DE EMPLEO

El sector privado de Paraguay muestra grandes diferencias en los patrones de empleo sectorial de hombres y mujeres. De acuerdo con los datos de las encuestas de hogares, los datos del Censo Económico 2011 muestran que las mujeres tienen más probabilidades de ocupar puestos de trabajo en sectores menos productivos, como el comercio y ciertos tipos de servicios, que también son altamente informales. En el sector de minería, servicios públicos y construcción y en manufactura, la mayoría de los empleos son ocupados por hombres, y la mayoría de estos empleos son formales (Figura 29).

Empleadas Empleadas

43

Figura 29. Distribución desigual de género entre sectores y formalidad


El análisis de regresión encuentra que la manufactura de textiles y prendas de vestir, los hoteles y

restaurantes, y otros servicios, todos sectores con una alta concentración de empleo femenino, tienen

una intensidad de trabajo relativamente alta y, por lo tanto, una productividad laboral baja, controlando

otros factores como tamaño de la empresa, edad y región (Anexo C, Tabla C2)28 29. Se estima que el

comercio, que está dominado por pequeñas empresas, es más productivo solo cuando se controla el

tamaño de la empresa. La fabricación de textiles y prendas de vestir tiene la mayor proporción de

empleadas mujeres (65 por ciento) y se encuentra entre los subsectores menos productivos al comparar

la productividad promedio entre subsectores (Figuras 30 y 31). Pero la presencia de grandes empresas de

fabricación de textiles y prendas de vestir crea oportunidades para que las mujeres realicen la transición al

empleo formal remunerado. La construcción, por otro lado, es uno de los subsectores más productivos,

pero menos del 8 por ciento de la fuerza laboral remunerada del sector construcción es femenina. Otros

sectores con un vínculo de productividad positivo y una baja proporción femenina incluyen transporte,

metales y maquinaria, y servicios financieros.

28 El coeficiente negativo para servicios públicos es una anomalía impulsada por el tamaño de la empresa. 29 Tenga en cuenta que las estimaciones de productividad relativamente más altas pueden resultar de la especificación de regresión simple que no puede explicar la variación del precio de entrada o la calidad de los productos. Otra fuente potencial de sesgo es el hecho de que la productividad se mide por el valor agregado por trabajador pagado declarado, independientemente de cuántos empleados no remunerados, contratados o no declarados pueda tener una empresa.

Mineria, servicios públicos y construcción Manufactura

Comercio Servicios

Formal, hombre Informal, hombre

Informal, mujer Formal, mujer

44

Figura 30. Desglose de género del empleo dentro de los subsectores


Figura 31. Comparación del valor agregado por trabajador en industrias de 2 dígitos

Nota: El sector de referencia es el de prendas de vestir. Regresión de datos de encuestas de empresas agrupadas de 2010 y 2014.

Las etiquetas de datos son los códigos de dos dígitos de la CIIU Rev. 4, como sigue: 10: fabricación de alimentos; 11: fabricación de

bebidas; 12: fabricación de tabaco; 13: textiles; 14: ropa; 15: cuero; 16-18: madera, papel, imprenta; 20-21: productos químicos;

22: caucho y plásticos; 23: otros productos minerales no metálicos; 24-30: metal y máquinas; 31-33: otras manufacturas; 35-39:

servicios públicos; 41-43: construcción; 45-47: comercio al por mayor y al por menor (es decir, comercio); 49-53: transporte y

almacenamiento; 55-56: hoteles y restaurantes; 58-63: información y comunicaciones; 64-68: finanzas, seguros, bienes raíces; 69-

75: profesional y técnico; 77-82: servicios administrativos y de apoyo; 84: administración pública; 85: educación; 86-88: salud y

trabajo social; 90-93: arte, entretenimiento, recreación; 94-96: otros servicios.


Diferencias de productividad (con respecto a prendas de vestir)

45

Parte de la productividad más baja observada en las empresas dominadas por mujeres se explica por la

selección del sector (es decir, las diferentes asignaciones sectoriales de hombres y mujeres); pero existe

una correlación negativa entre la proporción de empleo femenino en las empresas y el nivel de

productividad, incluso cuando se controlan los efectos del sector. El valor agregado de las empresas por

trabajador varía de un sector a otro, pero no varía mucho dentro de los sectores cuando se comparan las

distribuciones de productividad de las empresas mayoritariamente femeninas y mayoritariamente

masculinas (Figura 32). También evaluamos si las mujeres eran más prevalentes en empresas que se

encontraban en la parte inferior o superior del espectro de productividad, dada la gran disparidad de

productividad entre las empresas menos productivas y las más productivas de Paraguay30. Esta prueba no

produjo grandes diferencias. Pero el análisis de regresión indica que las empresas con mayor proporción

de empleo femenino son menos productivas cuando se controlan por sector, tamaño de empresa, edad y

región (Anexo C, Tabla C2). Las empresas con al menos 50 por ciento de empleadas femeninas son un 9

por ciento menos productivas que las empresas mayoritariamente masculinas, en igualdad de condiciones.

Y a medida que aumenta la proporción del empleo femenino, disminuye la productividad de la empresa.

Figura 32. Distribución de Kernel de valor agregado por trabajador, comparando las empresas

mayoritariamente femeninas y las mayoritariamente masculinas por sector


30 Ruppert Bulmer y Scutaru (2018)

Comercio Manufactura

Servicios

46

4.4. IMPLICACIONES DINÁMICAS PARA CERRAR BRECHAS DE GÉNERO EN LA CALIDAD DEL

TRABAJO

El tamaño de una empresa pequeña está correlacionado con la creación de empleo más lenta dentro de las empresas. A las empresas más pequeñas les cuesta crecer, posiblemente debido a la falta de economías de escala, lo que dificulta la competencia con empresas más grandes y más productivas. Las empresas con 50 o más trabajadores tuvieron un crecimiento del empleo significativamente mayor entre 2010 y 2014 en comparación con empresas más pequeñas, en el orden del 30 por ciento más alto (Anexo C, Tabla C4). Otros impedimentos para la creación de empleos pueden provenir del desafiante entorno regulatorio que enfrentan las empresas; Paraguay se ubica por debajo del promedio en varios indicadores de Doing Business31. Además, muchos sectores de Paraguay están altamente concentrados; en algunos subsectores, las cuatro empresas principales (medidas por ventas) representan más de la mitad de todas las ventas en su subsector, y en algunos casos, más del 90 por ciento32. Esto puede impedir la entrada de nuevas empresas y el dinamismo entre las pequeñas empresas. Incluso en el sector comercio, hoteles y restaurantes, donde la entrada de empresas es relativamente fácil, la concentración del sector es inesperadamente alta.

El crecimiento limitado de las microempresas afecta más a las mujeres que a los hombres, e intensificará la brecha de género en calidad de empleo debido a los efectos dinámicos. La mayor asignación de mujeres en microempresas, junto con la menor productividad y salarios de microempresas, se traducen en ingresos femeninos significativamente más bajos, consistente con el análisis de la oferta de empleo. Como las mujeres trabajan predominantemente en empresas más pequeñas, menos productivas y de crecimiento más lento, es poco probable que puedan alcanzar a los hombres.

Los resultados laborales inferiores de las mujeres en comparación con los hombres se ven agravados por la segregación sectorial observada entre hombres y mujeres y ayudan a reforzarla. Al seleccionar sectores más accesibles pero menos productivos, como el comercio, hoteles y restaurantes, y otros servicios, la producción y los ingresos de las mujeres están en efecto restringidos. Es más probable que aquellas mujeres que ingresan a la manufactura encuentren trabajo en los sectores de prendas de vestir o alimentos y bebidas, ambas caracterizadas por una productividad inferior a la media. Se debe tener en cuenta que el análisis de productividad anterior no considera la rentabilidad ni otros aspectos del desempeño de la empresa, debido a las limitaciones de los datos. Existe evidencia de Alemania de que las empresas menos productivas con una alta proporción de empleadas mujeres no son necesariamente menos rentables, lo que sugiere que la menor productividad femenina es compensada con salarios más bajos33.

Los sectores que tienen mayores proporciones de empleadas mujeres pagan salarios significativamente

más bajos, según análisis de regresión. Controlando el tamaño de la empresa, la edad y la región,

encontramos que las empresas del sector de comercio pagan 8-20 por ciento menos en promedio en

comparación con las empresas manufactureras (en un rango de especificaciones de regresión), y los

sectores de servicios pagan 5-42 por ciento menos (vea las regresiones 2-9 en el Anexo C, Tabla C3).

Además, encontramos que los salarios promedio son más bajos en empresas que emplean a más mujeres,

e incluso más bajos en las empresas mayoritariamente femeninas, si se controlan el tamaño y el sector de

31 www.doingbusiness.org 32 Ruppert Bulmer y Scutaru (2018) 33 Pfeifer y Wagner (2012)

47

las empresas (como se explicó anteriormente).

Los hallazgos del análisis a nivel de empresa del sector privado de Paraguay sugieren que las mujeres

probablemente enfrentan impedimentos para acceder a empleos más productivos y mejores pagados

en empresas más grandes y en sectores no tradicionales. Estos impedimentos pueden ser culturales y

auto perpetuarse como resultado de la selección de mujeres para el comercio y los servicios, o pueden

deberse a un sesgo explícito (por ejemplo, el trabajo de construcción no calificado excluye en gran medida

a las mujeres pero paga bien), o puede ser una función del entorno empresarial u otros factores que

restringen a las mujeres más que a los hombres (por ejemplo, acceso al crédito, acceso al capital físico o

humano, falta de activos inmobiliarios o vivienda, restricciones de transporte, acceso a la tecnología).

Las grandes diferencias en la calidad del empleo entre hombres y mujeres son probablemente resultado

de una combinación de factores. El siguiente capítulo explora las áreas de políticas que deben tenerse en

cuenta para abordar estos posibles obstáculos para mejorar los resultados laborales de la mujer.

48

5. DESAFÍOS PARA EL FUTURO Y OPCIONES DE POLÍTICAS

Este análisis documenta la existencia de brechas de género en casi todos los indicadores del mercado laboral: participación, desempleo, situación laboral, sector de trabajo y ganancias. Los diversos impulsores de estas brechas de género tienen un efecto compuesto a lo largo del ciclo de vida. Las niñas pueden enfocar su educación o adquisición de habilidades en áreas que no son demandadas por el mercado laboral. Las escasas perspectivas salariales para mujeres jóvenes impiden que muchas ingresen en el mercado laboral. Una vez que las mujeres ingresan, enfrentan más barreras y reciben un retorno al esfuerzo menor que los hombres. Las normas culturales en torno a las responsabilidades de cuidado del hogar dan como resultado períodos más cortos de participación en la fuerza laboral o rotaciones de entrada y salida, lo que refuerza la autoselección del trabajo informal con horas de trabajo más cortas o flexibles. Los mayores costos de movilidad laboral de las mujeres, como los derivados de la exposición a riesgos de seguridad, también reducen las ganancias marginales del trabajo. La exclusión de las redes en las que se realizan negocios o se realizan reclutamientos limita aún más el acceso de las mujeres a las oportunidades de trabajo productivo. La segregación sectorial distribuye a los trabajadores femeninos y masculinos de manera desigual entre sectores y tipos de empresas y reduce la probabilidad de que las mujeres tengan un empleo asalariado formal o sean empleadoras que poseen empresas más grandes. La existencia de segregación de género en todos los sectores produce peores resultados laborales y menores ingresos para las mujeres en Paraguay. Las empresas con una alta proporción de mano de obra femenina tienden a ser pequeñas y crecer más lentamente. Las mujeres son más prevalentes en los sectores menos productivos y menos remunerados del comercio, hoteles y restaurantes, fabricación de prendas de vestir y otros servicios. Las fuertes ganancias económicas observadas en Paraguay durante la última década, reflejadas en un sólido crecimiento del empleo, reducción de la informalidad, aumento de salarios, disminución de la pobreza y mayor participación económica de las mujeres, recuerdan las persistentes brechas de género y una transformación estructural truncada. El marcado cambio del empleo agrícola hacia los servicios no logró un gran aumento de la productividad, debido a la prevalencia continua de sectores de baja productividad como el comercio, hoteles y restaurantes y otros servicios. El crecimiento limitado de las micro y pequeñas empresas no generó un empleo salarial significativo, y esto a su vez afectó y se ve afectado por la competencia, la diversificación y la integración limitadas con mercados regionales y externos y ganancias de productividad asociadas. Mientras que las trabajadoras se han beneficiado en promedio del reciente crecimiento del empleo, las mujeres están relativamente más involucradas por las diversas distorsiones que prevalecen en la economía de Paraguay. El progreso hacia la mejora de los resultados laborales femeninos se ha estancado, y las grandes brechas que quedan con respecto a los hombres son costosas para la economía de Paraguay. El hecho de que las mujeres no estén participando de manera óptima en la economía, ya sea debido a una menor vinculación con la fuerza laboral o a través de baja productividad y ganancias, se traduce en una importante pérdida de producción34. Las menores ganancias femeninas tienen implicaciones dinámicas para los resultados de desarrollo al afectar las decisiones de consumo e inversión dentro del hogar. La inversión inadecuada de los hogares en capital humano reduce la productividad laboral, tanto en generaciones actuales como en las futuras, mientras que mejorar el acceso de las mujeres al empleo productivo genera externalidades de desarrollo positivas, como un mayor capital humano, una mejor calidad de vida para las mujeres, mejores

34 Teignier y Cuberes (2015) estiman las pérdidas de ingresos per cápita de la desigualdad de género en aproximadamente 25 por ciento para Turquía y 26 por ciento para India.

49

resultados de salud y educación infantil, menor pobreza, y una mayor cohesión social dentro de la sociedad35. La producción económica que incluye de manera insuficiente a la mitad de la población reduce el potencial de crecimiento económico sostenido en el futuro. Si bien los datos disponibles no nos permiten identificar qué factores causales generan el mayor efecto sobre las brechas de género en Paraguay, es probable que existan múltiples fuentes de tratamiento diferencial de género y actitudes discriminatorias. Las opciones de políticas para reducir la segregación y aumentar el acceso y la capacidad de las mujeres para competir por buenos empleos pueden diseñarse para abordar las restricciones de la oferta o las de la demanda, dado que el empleo es resultado de una correspondencia entre la oferta y la demanda laboral. Además, los factores causales pueden afectar tanto la oferta como la demanda, por ejemplo, en relación con las barreras reglamentarias, las normas sociales y el sesgo implícito en el lugar de trabajo. Las medidas para aumentar la contribución económica de las mujeres se puede considerar a través de cuatro canales de políticas principales: (i) mejorar la capacidad de las mujeres para obtener mejores empleos; (ii) reducir las barreras que enfrentan las mujeres para acceder a empleos de calidad; (iii) aumentar la productividad y los ingresos de las mujeres empleadas informalmente; y (iv) estimular la creación de nuevos empleos en el sector de servicios que sean atractivos para las mujeres en el futuro. Hay muchos enfoques de políticas y puntos de entrada para lograr un crecimiento más inclusivo a través de mejores resultados laborales de la mujer. La discusión a continuación presenta varias opciones de políticas a considerar, organizadas en torno a estos cuatro canales principales, y aprovechando las lecciones de la experiencia internacional cuando es posible.

5.1. MEJORAR LA CAPACIDAD DE LAS MUJERES PARA OBTENER MEJORES EMPLEOS

Abordar las diversas formas en que las mujeres no califican o compiten por mejores empleos en Paraguay podría enfocarse en aumentar su preparación para el mercado laboral a través de una mejor educación y habilidades, o mediante el fomento de mejores transiciones de la escuela al empleo y una combinación más eficiente de solicitantes de empleo con empleos disponibles.

a) Educación y habilidades Paraguay puede modernizar su sistema educativo para mejorar los planes de estudio y proporcionar programas que faciliten las transiciones de la escuela al empleo. El sistema educativo de Paraguay está estructurado en torno a planes de estudio que enfatizan las materias y los métodos de aprendizaje tradicionales, y el desarrollo de ciertas habilidades no necesariamente demandadas por empleadores privados. Las tendencias internacionales en la reforma educativa han introducido un mayor énfasis en las habilidades de razonamiento en lugar de memorización, evaluaciones y métricas de aprendizaje, y habilidades que se necesitan en el mercado laboral. Chile ofrece un buen ejemplo de reforma efectiva que utiliza métricas de aprendizaje y el marco de lectura de PISA para guiar la reforma del plan de estudios

35 Banco Mundial (2015a)

50

nacional36. Vietnam modernizó con éxito su sistema escolar adaptando el modelo colombiano "Escuela Nueva" que se centró en mejorar el trabajo en equipo y desarrollar el pensamiento crítico 37. Para mejorar la calidad de la educación que prepara a los niños y niñas para el mercado laboral, Paraguay puede priorizar las inversiones en programas de desarrollo de habilidades para introducir o actualizar habilidades técnicas y no técnicas (por ejemplo, razonamiento, trabajo en equipo)38.

Los programas de desarrollo de habilidades podrían enfocarse en capacitar a las trabajadoras para campos dominados por hombres, particularmente para personas con niveles de educación más bajos. En Paraguay, las mujeres tienen tasas más altas de educación terciaria, pero se concentran en campos dominados por mujeres asociados con rendimientos más bajos. Es importante analizar las posibles diferencias de género en la elección educativa y los campos de especialización que pueden estar causando que una menor proporción de trabajadoras femeninas ingresen en sectores de alta productividad dominados por hombres, como servicios públicos, servicios financieros y construcción. Las intervenciones para abordar estas brechas varían, por ejemplo, desde alentar a las niñas a escoger materias técnicas en la escuela, como ciencias, informática y matemáticas, a mejorar los planes de estudios terciarios en áreas de servicios de apoyo a la industria (por ejemplo, mercadeo, logística, diseño, comunicaciones, informática), a orientar nuevas capacitaciones vocacionales a mujeres.

Los instrumentos rentables que proporcionan información sobre los ingresos vinculados a la elección educativa también pueden ser útiles. Las inversiones en educación pueden asociarse con creencias en torno a las perspectivas laborales relativas y los ingresos de hombres y mujeres. Cuando hay mayores retornos al trabajo para hombres, como en Paraguay, las familias tienden a invertir más en la educación de sus hijos39. Esto puede reforzar los niveles educativos y la adquisición de habilidades más bajos de las mujeres. Una manera económica de aumentar el logro educativo es proporcionar información sobre los retornos a la educación. En un programa en la República Dominicana, los individuos recibieron datos sobre los ingresos relativos de los graduados de primaria, secundaria y universidad. Un estudio de impacto encontró que los estudiantes subestimaron significativamente los retornos de la educación secundaria, y que proporcionarles información los condujo a completar 0,2 años adicionales de escolarización (Jensen, 2010). Un programa implementado en Kenia en 2008 evaluó el impacto del conocimiento sobre los rendimientos reales de la formación vocacional y presentó mensajes persuasivos (por ejemplo, un video de mujeres mecánicas) para alentar la participación femenina en campos tradicionalmente dominados por hombres, mejor remunerados. De acuerdo con los datos de referencia, los hombres preferían abrumadoramente los cursos tradicionalmente dominados por hombres, como mecánicos de motores de vehículos, y las mujeres elegían casi exclusivamente los cursos tradicionalmente dominados por mujeres, como la peluquería. El programa aumentó la inscripción de mujeres en la capacitación para ocupaciones dominadas por hombres, y las mujeres obtuvieron los mayores rendimientos financieros entre los receptores de vales (Hicks et al. 2015). Sin embargo, las mujeres no tenían más probabilidades de obtener un empleo en estos campos dominados por hombres, lo que sugiere la presencia de barreras adicionales para el ingreso.

36 En Chile después de la reforma, la proporción de personas de 15 años que obtuvieron puntuaciones de lectura en o por encima del nivel de competencia del Programa para la Evaluación Internacional de Estudiantes (PISA) aumentó del 52 al 69 por ciento entre 2000 y 2015 (WDR, 2018) 37 Los recientes resultados educativos de Vietnam han superado a los países de la OCDE en muchos niveles (Banco Mundial Informe sobre Desarrollo Mundial, 2016). 38 La Agenda Educativa 2013-2018 ya estaba alineada con las prácticas internacionales y puede proporcionar un marco para la futura reforma educativa (Banco Mundial, Nota de Política de Paraguay, 2018). 39 Shrestha y Palaniswamy (2016) realizaron un estudio de hermanos en Nepal y encontraron evidencia de este tipo de comportamiento en hogares más pobres, lo que dio lugar a efectos secundarios negativos para la educación de las niñas.

51

Los programas de capacitación en habilidades vocacionales y técnicas, ya sea dirigidas a la adquisición de habilidades iniciales o la educación continua, han demostrado ser efectivos para mejorar los resultados laborales de las mujeres. En América Latina, estos programas tuvieron un gran éxito en aumentar la participación de la fuerza laboral y los ingresos entre las mujeres participantes (Ibarraran y Shady 2009; Attanasio et al. 2017). El gobierno puede centrarse en programas de capacitación laboral que promuevan la participación equitativa de género, ya que se ha encontrado que tiene efectos desproporcionadamente positivos en los resultados para las mujeres en capacitación, especialmente en los mercados laborales con diferencias sustanciales de género (ver Cuadro 1).

Cuadro 1. Programa de capacitación de habilidades duras y blandas en ALC

• Colombia: El programa Jóvenes en Acción proporcionó tres meses de capacitación en el aula para jóvenes adultos desempleados de hogares de bajos ingresos, seguido de tres meses de aprendizaje en una empresa privada. El salario promedio y la probabilidad de ser empleadas pagadas aumentaron en 7 por ciento para las mujeres. Las evaluaciones más recientes del programa muestran efectos sostenidos a largo plazo. El programa tuvo un efecto positivo y significativo en la probabilidad de trabajar en el sector formal para mujeres ocho años después de la asignación al azar. Los beneficiarios del programa tenían más probabilidades de trabajar para una empresa grande y tenían ganancias más altas. Un análisis de costo-beneficio encontró que las ganancias se mantuvieron estables con el tiempo, con una tasa interna de retorno del 20 por ciento para mujeres (Attanasio et al., 2015; Attanasio et al, 2017).

• Perú: El programa de capacitación y pasantías ProJoven alentó la participación femenina en la capacitación para ocupaciones tradicionalmente dominadas por hombres y otorgó subsidios para que las mujeres con hijos pudieran participar. Dieciocho meses después de la participación en el programa, las tasas de empleo de mujeres mejoraron en alrededor de 15 por ciento (mientras que el empleo para hombres disminuyó en 11 por ciento), la segregación laboral por género disminuyó en 30 por ciento y los ingresos laborales de las mujeres mejoraron en 93 por ciento mientras que los ingresos de los hombres aumentaron en 11 por ciento (Nopo et al. 2007).

• Panamá: El programa PROCAJOVEN proporciona capacitación de corto plazo para jóvenes desempleados de bajos ingresos de 18 a 29 años de edad. La capacitación en el aula tiene dos partes: habilidades de preparación para el trabajo y capacitación técnica (120 y 150 horas, respectivamente), seguidas de 172 horas de pasantía en una empresa. Una segunda modalidad se enfoca en la transición para quienes buscan empleo por primera vez con educación secundaria completa, brindando preparación para el trabajo y una pasantía más prolongada (344 horas). El programa tuvo un efecto significativo en las tasas de empleo (el 44 por ciento del grupo de tratamiento estaba empleado en comparación con 32 por ciento en los grupos de control), en particular para aquellos que vivían en la Ciudad de Panamá (47 por ciento grupo de tratamiento, 32 por ciento grupo de control) (Ibarrarán y Rosas, 2009).

• República Dominicana: Se evaluaron dos intervenciones de habilidades blandas. Para un grupo, el programa proporcionó una combinación de capacitación en habilidades blandas y capacitación técnica adaptada a las necesidades de los empleadores y una pasantía de dos meses después de la graduación. Para el segundo grupo, el programa proporcionó solo habilidades blandas y una pasantía. Las mujeres que participaron en los dos grupos tuvieron tasas de empleo más altas 12 meses después de que se completó el programa. Esto indica que las habilidades blandas desempeñan un papel clave para aumentar la participación en la fuerza laboral y reducir la segregación. A largo plazo, las mujeres participantes también mostraron una mayor autoestima y menores tasas de fertilidad (Acevedo et al, 2017).

52

La importancia de las habilidades no técnicas (o habilidades blandas) para mejorar los resultados de empleo para las mujeres está siendo cada vez más reconocida en la literatura y por los formuladores de política. El desarrollo de habilidades sociales como la autoestima, la comunicación y la toma de decisiones puede ser muy eficaz para reducir las brechas de género. Muchos programas combinan la capacitación vocacional y de habilidades duras específica para el sector con la capacitación en habilidades blandas. Incluso en economías avanzadas con altos niveles de logros educativos y una alta participación femenina en la fuerza laboral, existe evidencia de que las normas culturales reducen las ambiciones de las mujeres y retrasan el avance de sus carreras. Los programas de tutoría y desarrollo de habilidades blandas o sociales pueden cambiar las creencias de las mujeres acerca de sus habilidades y mejorar su confianza y habilidades para defender sus derechos. República Dominicana proporciona un ejemplo de un programa implementado a través de instituciones privadas que busca lograr oportunidades de empleo mejoradas para jóvenes de bajos ingresos (ver Cuadro 1). En Nigeria, un programa prepara a graduados universitarios para trabajar en el sector emergente de servicios posibilitados por tecnologías de la información y la comunicación (TIC). El ensayo controlado aleatorio no tenía componentes de género y proporcionó capacitación en TIC con habilidades duras y blandas en tres áreas de competencia: comunicación oral y escrita, computación básica y habilidades cognitivas. Los resultados mostraron un aumento en la probabilidad de que las mujeres trabajen en TIC y redujeron la segregación laboral basada en el género, particularmente entre mujeres que revelaron sesgos de género contraproducentes implícitos en la línea de base (Croke et al. 2017).

b) Inserción laboral e Intermediación

Hay muchos ejemplos de programas que abordan los desafíos de las transiciones de la escuela al trabajo a través de la capacitación específica del empleador y la experiencia laboral. El sistema alemán dual de educación y capacitación vocacional está considerado como uno de los mejores modelos. El programa, que capacita a aprendices en una compañía específica mientras están inscritos en una escuela vocacional pública, se considera un factor clave en la tasa relativamente baja de desempleo juvenil en el país 40. Sin embargo, hay algunos críticos que argumentan que el modelo excluye a los jóvenes con bajo rendimiento, que no pueden ingresar a los programas de VET más calificados (Dunbar 2015).

El propio Paraguay tiene dos programas pilotos de aprendizaje en curso: MOPADUAL Y SAPE'A. El Programa Modelo Paraguayo de Formación Dual (MOPADUAL), lanzado en 2016 en cooperación con el BIBB (Bundesinstitut fur Berufsbildung, el Instituto Federal de Educación y Capacitación Vocacional de Alemania), ofrece a los jóvenes una educación de doble estrategia que combina cursos teóricos basados en el aula con experiencia laboral práctica a través del aprendizaje. El Ministerio de Trabajo también ha estado trabajando con Plan International en el programa SAPE'A, lanzado en 2015, que incluye un programa de pasantías que combina capacitación técnica y de habilidades blandas con tutoría dentro de una empresa privada durante un período definido. Ambos programas se encuentran en las primeras etapas y operan a pequeña escala. Ninguno está explícitamente dirigido a las mujeres jóvenes. Los resultados iniciales de SAPE'A son positivos, pero los próximos pasos esenciales son un análisis cuidadoso del impacto, ajustes de diseño del programa y el abordaje de la rentabilidad y la escalabilidad, y deben tomarse utilizando una perspectiva de género para identificar brechas u oportunidades para mejorar los resultados laborales de las mujeres.

El gobierno también puede ayudar conectando empleados y empleadores. La coordinación de las diferentes partes para la búsqueda de empleo (solicitantes de empleo, empleadores potenciales y proveedores de servicios de capacitación e intermediación) puede fomentarse mediante el intercambio de información para mejorar la concienciación y comprensión de los solicitantes de empleo sobre las

40 Dunbar (2015).

53

oportunidades del sector privado. Hay ejemplos de plataformas electrónicas para la coordinación de servicios laborales, pero han sido más efectivas cuando fueron lideradas por el sector privado. En Perú, por ejemplo, la integración de los teléfonos móviles en los servicios de intermediación pública tradicional aumentó el empleo entre los solicitantes de empleo en 8 puntos porcentuales en el corto plazo al aumentar la velocidad con la que los trabajadores fueron asignados a puestos de trabajo (Dammert et al. 2015).

El Gobierno de Paraguay ofrece una gama de servicios de intermediación laboral a través de la Dirección General de Empleo, dirigida a jóvenes y adultos para la inserción laboral y el apoyo a la búsqueda de empleo. La efectividad de estos programas no se comprende bien debido a la falta de procesos de seguimiento y evaluación. Dado que la reciente encuesta de empleadores del Ministerio de Trabajo concluyó que la mayor parte del reclutamiento se realiza a través de conexiones personales41, sería un momento oportuno para revisar la oferta de servicios actuales e introducir sistemas de monitoreo y evaluación. Además de los servicios de coordinación de empleos proporcionados por el gobierno, especialmente importantes para los solicitantes de empleo difíciles de ubicar, el gobierno podría contratar a proveedores externos para capacitar y ubicar a los solicitantes de empleo, donde la remuneración del proveedor de servicios está vinculada a las coincidencias exitosas (es decir, contratos de desempeño). Sin conocimiento de oportunidades laborales, las mujeres que buscan empleo tienen menos probabilidades de buscar mejores opciones de trabajo cuando la búsqueda de empleo es costosa. Los subsidios para la búsqueda de empleo pueden ser efectivos para aumentar la intensidad de búsqueda. Los residentes rurales tienen menos probabilidades de buscar en centros urbanos, por ejemplo. En entornos con altos costos de movilidad laboral, un estipendio de transporte para la búsqueda de empleo puede ser eficaz para superar los obstáculos a la búsqueda de empleo, especialmente para los trabajadores de bajos ingresos. Un estudio realizado en Etiopía evaluó el impacto de los costos de búsqueda en los resultados del mercado laboral para jóvenes desempleados en áreas dislocadas espacialmente de las zonas urbanas de Addis Abeba (Franklin 2015). Algunos solicitantes de empleo fueron asignados al azar para recibir un subsidio de transporte dos veces por semana, cubriendo el costo del viaje desde las afueras hasta el centro de la ciudad donde hay información disponible sobre las vacancias. La recepción del subsidio al transporte aumentó la probabilidad de encontrar empleo permanente en 7 puntos porcentuales después de 4 meses.

Mejorar las redes sociales para las mujeres también puede tener impactos positivos en el empleo asalariado. Debido a que el reclutamiento es en gran medida a través de conexiones personales, el hecho de que las mujeres tengan conexiones más débiles con contactos comerciales, debido a su estatus laboral típicamente informal, puede ser otro factor limitante. Por lo tanto, las mujeres podrían beneficiarse al establecer o fortalecer sus propias redes o buscar mentores masculinos; este tipo de esfuerzo podría ser dirigido por organismos de la industria (asociaciones de la industria o cámaras de comercio) u otras organizaciones de la sociedad civil.

5.2. REDUCIR LAS BARRERAS QUE ENFRENTAN LAS MUJERES PARA ACCEDER A EMPLEOS DE CALIDAD

Las mujeres enfrentan barreras tanto explícitas como implícitas para obtener empleos de buena calidad. Algunos de estos obstáculos pueden ser limitaciones físicas para acceder a la escuela o lugares de trabajo. Otros están incorporados en el marco regulatorio y, por lo tanto, pueden abordarse a través de la acción

41 Observatorio Laboral (2017).

54

directa del Gobierno. Otros impedimentos pueden ser menos tangibles y, por lo tanto, más difíciles de enfrentar, pero pueden ser aún más vinculantes y como tales, representan un área prioritaria para la intervención política. a) Seguridad y movilidad Mejorar el acceso de las mujeres al empleo requiere acceso físico a la educación y los lugares de empleo. Esto puede resultar desafiante en muchos entornos, debido a la falta de infraestructura física o debido a las altas tasas de criminalidad o las opciones de transporte inseguras que pueden afectar de manera desproporcionada a las mujeres, reduciendo el logro educativo de la mujer y la oferta laboral o la entrada de mujeres a industrias en lugares alejados de sus hogares o en otros lugares de trabajo que requieren viajes nocturnos42. La evidencia de muchos países muestra que las mujeres que trabajan por cuenta propia tienen mucho más probabilidades de trabajar desde sus hogares y que las empresas propiedad de mujeres tienen sus clientes en un radio más pequeño que las empresas propiedad de hombres43. El mercado limitado implícito puede estar restringiendo su éxito. El gobierno debe medir el grado en que la movilidad laboral se ve limitada mejorando la recopilación de datos sobre temas de seguridad y violencia en áreas rurales y urbanas que pueden afectar la escolarización o las decisiones laborales de las mujeres. Donde existen vacíos en las opciones de transporte seguro, los gobiernos deben asignar recursos e introducir mecanismos para abordar el riesgo de violencia contra las mujeres y niñas en los sistemas de transporte público.

La infraestructura física y la planificación económica a nivel local y regional deben tener en cuenta los desafíos específicos de género; por lo tanto, la planificación futura debe incorporar un análisis explícito de género. Programas como el programa Ciudades más Seguras de ONU-Hábitat están mejorando actualmente la recopilación de datos sobre seguridad. Algunos otros programas en ALC están abordando el riesgo de violencia contra mujeres y niñas en los sistemas de transporte público. En Río de Janeiro, un nuevo programa llamado “Via Lilas” instaló quioscos electrónicos, ubicados en estaciones a lo largo de muchas rutas de transporte. En Colombia, las líneas de ferrocarril suburbano Supervia proporcionan información sobre cómo las mujeres pueden buscar apoyo para la violencia de género.

b) Reclutamiento y contratación El Gobierno tiene un importante papel regulador que desempeñar para garantizar que no se produzca discriminación de género en las prácticas de contratación. Aclarar a los empleadores las regulaciones que prohíben las ofertas de trabajo que definen las posiciones como para hombres solo o de preferencia para hombres, que requieren un estado civil o rasgos físicos específicos para mujeres, o introducir nuevas regulaciones si es necesario, deben ir acompañados de mecanismos de supervisión y cumplimiento. Las empresas que buscan un mejor equilibrio de género en el reclutamiento pueden reducir la redacción "masculina" en las ofertas de trabajo44, implementar procesos de contratación independientes al género y reducir su dependencia de las redes informales, entre otras cosas45.

42 Borker (2017), como se cita en Das et al. (2018), proporciona evidencia de que las decisiones de escolarización de las mujeres de Delhi se ven afectadas por la seguridad deficiente al confiar en opciones de transporte más seguras pero muy costosas y en la selección de universidades de menor calidad que sean más seguras de acceder. 43 En Sri Lanka, por ejemplo, la base de clientes de empresas propiedad de mujeres es mucho más pequeña geográficamente que la de los hombres: el 48 por ciento de las empresas propiedad de mujeres tenía todos sus clientes a menos de un kilómetro, pero esto se aplicaba solo para el 30 por ciento de los hombres (De Mel et al. 2008). 44 Ver Flory et al. (2015), Gaucher et al. (2011) 45 Ver Das et al. (2018) para una discusión detallada del sesgo de género implícito en la contratación.

55

c) Obstáculos legales y normativa laboral El código laboral define las protecciones de los trabajadores para garantizar condiciones de trabajo seguras y otros derechos de los trabajadores, en cumplimiento de las normas internacionales codificadas en los convenios de la OIT, pero su aplicación no es universal. Se debe llevar a cabo una revisión de las regulaciones nacionales sobre el lugar de trabajo para garantizar que no haya restricciones para el trabajo femenino y alojamiento adecuado para las empleadas, incluyendo instalaciones básicas como baños separados, vestuarios y salas de lactancia. La Ley 496/1995 ya prohíbe la discriminación, incluyendo la discriminación salarial, sobre la base del género, garantiza que las mujeres y los hombres disfruten de los mismos derechos y deberes en el lugar de trabajo, y establece el acoso sexual como motivo de despido. Sin embargo, la aplicación de la ley es imperfecta. El Ministerio de Trabajo tiene el mandato de hacer cumplir la implementación de estas medidas a través de campañas de concientización e inspecciones laborales. Existe un margen para ampliar las actividades de supervisión del gobierno a la luz de los hallazgos de este informe, y los socios de la sociedad civil podrían desempeñar un papel complementario.

La mayoría de los países cuenta con una legislación que aborda la violencia doméstica y el acoso en el trabajo. En Paraguay, la Ley 1600/2000 otorga protección especial y urgente a las víctimas de violencia doméstica, y la Ley 5777 recientemente aprobada que comienza a tipificar como delito el feminicidio, así como otras formas de violencia, brindará refugio y asistencia legal a las víctimas. Debido a la disminución de las tasas de matrimonio, la violencia doméstica es cada vez más probable que ocurra entre parejas íntimas no casadas. Es posible que la legislación y las campañas de seguridad pública deban extenderse a esta categoría. Otros tipos de violencia de género, aunque menos extremos o menos explícitos, son perjudiciales para las mujeres: para su salud física, su capital humano y su bienestar económico. Por lo tanto, es importante ampliar las leyes para proteger contra la coerción económica y la violencia. Además, aunque existe legislación sobre acoso sexual y sanciones penales en el empleo, no hay recursos civiles establecidos en la legislación paraguaya46.

Las políticas de licencia de maternidad tienen el potencial de aumentar la oferta de trabajo femenino, pero también pueden desalentar la demanda de empleadas; el gobierno debería revisar y considerar enmendar las políticas de permisos no flexibles y solo para mujeres. La exigencia de la licencia de maternidad financiada por el empleador supone una carga excesiva para los empleadores, desalentándolos de contratar a mujeres en edad fértil. Cambiar la carga financiera al estado eliminaría este sesgo. Esto podría ser parte de una reforma más integral de los programas de seguro social que amplíe su cobertura más allá del grupo actual pequeño de trabajadores formales y reduce los impuestos explícitos e implícitos sobre el trabajo que desincentiven el trabajo formal. El Gobierno podría considerar la posibilidad de introducir opciones más flexibles de licencia parental, como permitir el intercambio de permiso entre la madre y el padre después del nacimiento de un hijo. Si bien los requisitos tradicionales de la licencia de maternidad están destinados a proteger a las nuevas madres y bebés, tienen el efecto no deseado de aumentar la segregación en el empleo al reforzar a las mujeres como cuidadoras principales, disminuyendo en última instancia su vínculo con la fuerza laboral.

d) Normas y actitudes sociales en los roles de género Las normas sociales son una restricción importante que afectan las decisiones sobre la oferta laboral, la elección del sector y muchos otros aspectos de los resultados de empleo de las mujeres. La visión persistente de la división de responsabilidades en el hogar en la que los hombres son proveedores y protectores, y las mujeres son administradoras y cuidadoras del hogar a menudo conduce a las mujeres a optar por trabajar desde el hogar o en trabajos que permiten horarios reducidos y/o flexibles para cumplir

46 El negocio de las mujeres y la ley, Banco Mundial (2018b)

56

con estas responsabilidades de cuidador. Las normas culturales, tanto a nivel familiar como comunitario, refuerzan la segregación en el empleo y restringen aún más las opciones de las mujeres. Los empleos profesionales aceptables para mujeres, especialmente en algunas áreas rurales, a menudo son solo extensiones de sus roles de cuidadoras en el hogar: maestras, enfermeras y cocineras (Muñoz Boudet et al. 2013).

La evidencia de las encuestas de opinión indica cierta preferencia por los hombres como sostén de la familia, especialmente en tiempos de escasez de empleos. Casi dos quintos de los paraguayos creen que, en tiempos de escasez de empleos, los hombres deberían tener más derecho al trabajo remunerado que las mujeres 47. Una encuesta de 2008 48 encontró que un tercio de los encuestados cree que las esposas deben obedecer a sus esposos, independientemente de si están de acuerdo con él o no, y casi una cuarta parte de las mujeres perciben que el maltrato a la esposa a veces estaba justificado. Estos puntos de vista, aunque no están fuertemente respaldados por la mayoría de las mujeres, de igual manera se traducen en sesgos en la distribución de empleos y oportunidades económicas para los hombres (Banco Mundial 2015b).

Las normas sociales observadas en torno a los roles de género y las percepciones de los derechos de las mujeres afectan negativamente la auto-gestión de las mujeres, limitando su capacidad para participar plenamente en la economía. Además de restringir el comportamiento en el mercado laboral, el estatus laboral y la elección profesional de las mujeres, las normas sociales pueden favorecer la pasividad de las mujeres dentro de las relaciones, las comunidades y la sociedad, lo que contradice el ejercicio de la auto-gestión y el empoderamiento económico. Las tasas relativamente bajas de participación política de las mujeres, las altas tasas de violencia doméstica y la prevalencia de embarazos de adolescentes en Paraguay reflejan una falta de auto-gestión de mujeres (Banco Mundial 2015b).

Mientras que las normas y percepciones sociales no son establecidas por el estado o no son responsabilidad del mismo, los gobiernos pueden usar su posición para influir en las percepciones o promover el cambio. Se encontró que una actitud positiva de líderes políticos hacia mujeres propietarias de negocios es crítica para el desarrollo de una comunidad empresarial femenina fuerte (Burr y Strickland 1992). El gobierno puede influir en las normas sociales con respecto a los roles de género en la esfera privada (por ejemplo, responsabilidades domésticas, cuidado de niños) y en la esfera pública (por ejemplo, participación en el gobierno, sociedad civil o tipos de trabajo adecuados o atractivos para las mujeres).

Mejorar datos sobre percepciones culturales y promover campañas de información es esencial para comprender mejor y relajar las normas sociales restrictivas. Se pueden implementar encuestas para evaluar las principales percepciones sobre el papel de las mujeres en la sociedad y en el mercado laboral. Las campañas de información pueden ser diseñadas y dirigidas para fomentar el debate sobre los diversos roles y derechos de las mujeres, o dirigidas a niñas y padres para que sea socialmente aceptable que las mujeres tengan libertad de movimiento fuera del hogar, interactúen con hombres, retrasen el matrimonio y la maternidad, registren los activos a su nombre y realicen ocupaciones tradicionalmente dominadas por hombres. Las campañas de información también pueden dirigirse a mujeres que buscan empleo para promover carreras no tradicionales y cambiar las percepciones negativas del trabajo en zonas económicas (por ejemplo, fábricas de prendas de vestir, sector de TIC).

47 Basado en datos de 2012 del Proyecto de Opinión Pública de América Latina (LAPOP). 48 La encuesta fue realizada por la Sociedad de Estudios Rurales y Cultura Popular (citada en Banco Mundial 2015b).

57

e) Protección social y cuidado infantil

La expansión de la protección social para mujeres puede aumentar su voluntad de ingresar al mercado laboral, buscar empleo asalariado de mejor calidad o asumir riesgos empresariales. Las mujeres tienen menos probabilidades de estar cubiertas por seguro social, lo que las pone en mayor riesgo de sufrir crisis de ingresos en caso de pérdida del trabajo debido, por ejemplo, a lesiones, enfermedades o parto. El aumento de la cobertura de protección social para familias trabajadoras puede liberar a las mujeres para que suministren más mano de obra a actividades basadas en el mercado.

El acceso a servicios de salud preventivos y la cobertura de seguro de salud pueden reducir la incidencia y gravedad de la enfermedad, tanto para trabajadores como para dependientes que requieren atención de las mujeres en el hogar. El sistema de atención médica fragmentado de Paraguay se caracteriza por la baja calidad de servicios para la mayoría de la población, y en particular en áreas rurales. Se observaron avances recientes con respecto a la expansión de la prestación de servicios básicos y la reducción de la malnutrición crónica y el embarazo en la adolescencia, pero las tasas de mortalidad materna siguen siendo las más altas de América del Sur (Banco Mundial 2018a). El cuidado de los miembros de la familia de edad avanzada también suele recaer en las mujeres, y ya hemos observado peores resultados laborales para los cuidadores (es decir, una menor probabilidad de empleo formal). A medida que la población de Paraguay envejece, las necesidades de los ancianos crearán una carga creciente sobre los recursos del hogar, con implicaciones potencialmente de gran alcance para el mercado laboral y la economía en general. En este contexto, las políticas públicas efectivas para apoyar los ingresos y los resultados de salud de los ancianos pueden mitigar los efectos potencialmente negativos.

Debido a que el seguro social está vinculado a un contrato de trabajo formal, los trabajadores con empleo informal están excluidos en gran medida de la cobertura. El acceso voluntario por parte de los trabajadores autónomos registrados se introdujo en los últimos años, pero tiene tasas de adopción bajas. Varios países introdujeron reformas ambiciosas que desvinculan el acceso a la seguridad social del contrato laboral. Chile reformó su sistema de pensiones en 2008 debido a su cobertura limitada de la fuerza laboral (Winkler et al. 2017; Attanasio et al. 2011). Para incentivar a los trabajadores a unirse al sector formal y ampliar la protección social, Paraguay podría considerar establecer un sistema integrado de subsidios independientes de recursos para complementar las contribuciones (reducidas) de los trabajadores y empresas al seguro social, con subsidios financiados a través de ingresos fiscales generales.

La falta de seguro social para la mayoría de los trabajadores autónomos y los empleadores de pequeñas empresas los hace más reacios a los riesgos con respecto a sus actividades laborales. Esto, a su vez, puede reducir las ganancias tanto en el corto como en el largo plazo. Las mujeres pueden estar incluso más afectadas que los hombres, debido a los riesgos de ingresos adicionales asociados con sus responsabilidades de cuidado. En África occidental, un experimento que ofrecía una opción de seguros agrícolas o instrumentos de ahorro descubrió que las agricultoras preferían de manera desproporcionada los instrumentos de ahorro, aunque tanto las agricultoras como los agricultores estaban expuestos a los mismos riesgos de producción. La diferencia en las preferencias, que puede deberse a los riesgos adicionales del ciclo de vida que enfrentan las mujeres (por ejemplo, relacionados con la fertilidad y el cuidado de los niños), condujo a un menor gasto en insumos y menores rendimientos para las agricultoras en comparación con sus homólogos masculinos (Delavallade et al. 2015). Mejorar el acceso a la protección social y la asistencia social basada en las necesidades para los trabajadores autónomos y pequeños emprendedores aumentaría el incentivo para trabajar fuera del hogar y arriesgar activos personales para invertir en sus propios beneficios empresariales, sabiendo que estarían cubiertos por una red de seguridad en caso de pérdida de empleo.

58

La falta de cuidado infantil asequible y de alta calidad representa un obstáculo importante para los padres, especialmente las madres trabajadoras de niños pequeños. Este desafío no es exclusivo de Paraguay. Hay medidas que el gobierno puede tomar para fomentar el desarrollo de una red de proveedores de cuidado infantil, como crear incentivos para establecer negocios de cuidado infantil (por ejemplo, a través de créditos fiscales), garantizar la calidad y la seguridad a través de un sistema de acreditación con estándares y monitoreo, y brindar capacitación (técnica, salud y seguridad ocupacional y/o habilidades empresariales) para emprendedores de cuidado infantil.

f) Cultura laboral y medio ambiente

Cuando los trabajadores carecen de auto-gestión y voz, no pueden obtener reparación por reclamos relacionados con el trabajo o tratamiento injusto prohibido por ley, incluyendo el acoso por motivos de género. Es más probable que las mujeres estén sujetas al acoso sexual o psicológico que puede surgir dentro de las prácticas y actitudes culturales tradicionales pero obsoletas, que disminuyen la productividad y la dignidad y, en última instancia, retrasan el desempeño laboral femenino49. Cada uno de estos factores amplía las brechas de género existentes.

El estado tiene la responsabilidad de garantizar un entorno laboral justo para las mujeres. El gobierno debería (i) establecer servicios de capacitación y asesoría para promover el cambio de comportamiento, sensibilización de género y mecanismos de reclamo y sanciones por acoso sexual y psicológico, (ii) llevar a cabo estas capacitaciones dentro de los organismos gubernamentales, liderando con el ejemplo, e (iii) incentivar a las empresas privadas para que realicen capacitaciones similares.

Las asociaciones de empleadores y trabajadores pueden ser promotores efectivos de una cultura de trabajo sensible al género en términos de fomentar valores y actitudes de la igualdad de trato hacia mujeres y hombres, y garantizar políticas de recursos humanos que sean, como mínimo, no discriminatorias, pero que puedan abarcar esfuerzos para aumentar el ingreso, la retención y la promoción de las mujeres. El gobierno puede desempeñar un papel en el desarrollo y el intercambio de directrices e introducir sus propias políticas de recursos humanos sensibles al género dentro de la administración pública. La sensibilidad a las actitudes discriminatorias en el lugar de trabajo y los valores de igualdad de trato también podrían integrarse en los diversos esfuerzos del Gobierno en materia de capacitación de habilidades blandas (por ejemplo, como parte de SNPP-SMART-ARANDU).

g) Promoción y Retención

Las altas tasas de rotación laboral son una restricción para la productividad de la empresa, debido a la necesidad de reclutar y capacitar al personal de reemplazo. También limitan la adquisición de habilidades de los trabajadores en el trabajo. La alta rotación puede deberse a términos de contrato precarios y baja remuneración, que podrían abordarse ofreciendo contratos indefinidos o incentivos vinculados a la permanencia. Pero la alta rotación también se debe a la percepción de falta de carrera de los trabajadores. Los empleadores, incluyendo el Gobierno, deben mejorar la difusión de oportunidades de carrera en sus empresas. Los proveedores de servicios de intermediación pueden ayudar a reducir las asimetrías de información, lo que puede tener un impacto más negativo en mujeres que en hombres.

En la mayoría de los países, las mujeres están subrepresentadas en posiciones de liderazgo, ya sea en el sector público o privado. No se ha realizado el análisis formal de este efecto en Paraguay, en parte debido a la falta de datos. El análisis de los datos administrativos y la realización de nuevas encuestas, incluyendo las encuestas a nivel de empresa que suponen que la información se recopila sobre roles ocupacionales

49 OIT (2017).

59

(que actualmente faltan en los datos existentes a nivel de empresa), ayudaría a medir el grado en que las mujeres están presentes o ausentes a nivel de gerencia. Comprender la naturaleza y las fuentes de las brechas de género en el liderazgo permitiría a los formuladores de políticas desarrollar una estrategia para enfrentarlos. Una opción que se ha implementado en otros países es un sistema de incentivos gubernamentales para promover la paridad de género en diferentes niveles organizacionales mediante el reconocimiento de empresas con culturas laborales que apoyan a las mujeres.

Se ha demostrado que las cuotas de género en el liderazgo de los sectores público y privado son efectivas para contrarrestar la discriminación basada en el gusto50 y la discriminación estadística contra la mujer, transformando las percepciones de la capacidad de las mujeres para liderar. Las cuotas pueden ser efectivas cuando las disparidades de género en la educación y otros problemas de selección no son vinculantes, como parece ser el caso de Paraguay. Las cuotas pueden tener externalidades positivas para las mujeres en la jerarquía de las empresas o para las aspiraciones de las niñas, debido a los efectos del modelo a seguir y al potencial de establecer contactos. La evidencia causal sobre las cuotas políticas en la India muestra varios efectos positivos: mayor participación de mujeres, cambios en las inversiones en políticas, mayores aspiraciones y logros educativos de las niñas y menos corrupción (Pande y Ford, 2011). Sin embargo, hay poca evidencia disponible sobre los impactos a largo plazo de las cuotas corporativas. En Noruega, la reforma de las cuotas de los consejos directivos de 2003 fue evaluada por su impacto en el desempeño de las empresas. Aplicando enfoques de “diferencia en diferencia” a los datos contables durante un período corto, Matsa y Miller (2011) y Ahern y Dittmar (2010) encontraron pérdidas a corto plazo que pueden explicarse completamente por una mayor contratación o el cambio en las características de los miembros del consejo directivo no relacionadas con el género. Incluso si el impacto en las empresas es bajo, las cuotas pueden tener impactos de gran alcance en las normas sociales, especialmente en el caso de mujeres en posiciones muy visibles en los niveles más altos de cargos políticos o como gerentes de grandes empresas (por ejemplo, empresas estatales o APP) o asociaciones empresariales.

5.3. AUMENTAR LA PRODUCTIVIDAD DE LAS MUJERES EMPLEADAS INFORMALMENTE

Dada la gran cantidad de mujeres que trabaja de manera informal, muchas de ellas en la producción agrícola doméstica o en actividades no agrícolas o en sus propias microempresas, mejorar los resultados laborales de este grupo requerirá intervenciones para aumentar su productividad a través del mayor acceso a activos productivos. a) Aumento de la productividad de los pequeños establecimientos rurales Las actividades agrícolas ocupan un gran espacio económico para las mujeres en Paraguay; incrementar su productividad a través de mejores insumos sería de gran ayuda para aumentar los ingresos agrícolas. Una quinta parte de las mujeres empleadas se dedica a la agricultura como ocupación principal o secundaria. La igualdad de derechos de las mujeres para acceder a la tierra, poseer títulos de propiedad y acceder al crédito está consagrada en la ley, pero la evidencia sugiere que los estereotipos de género

50 La discriminación basada en el gusto es una discriminación basada en las preferencias y no en la evidencia estadística, donde los empleadores tienen un "gusto por la discriminación", lo que significa que el empleo de trabajadores minoritarios tiene un valor de desagrado (Becker 1957). Las trabajadoras y los trabajadores de las minorías pueden tener que "compensar" a los empleadores siendo más productivos con un salario determinado o, de manera equivalente, aceptando un salario más bajo para una productividad idéntica.

60

persisten en la forma en que se distribuyen estos activos. Por ejemplo, durante el período 2000 a 2009, en el este de Paraguay, solo un tercio de los títulos de propiedad estaba en manos de mujeres y solo una quinta parte en las regiones occidentales (INDERT 2008, citado en USAID 2011). Las mujeres jefas de hogares rurales tienen más probabilidades de vivir en pobreza extrema y/o en fincas pequeñas (menos de 5 hectáreas), y es menos probable que las fincas pequeñas generen un sustento sostenible o reciban asistencia técnica agrícola para superar los desafíos inherentes del desarrollo agrícola de pequeños agricultores (Deere et al. 2010, citado en USAID 2011). El gobierno podría desempeñar un papel en el fomento de los vínculos entre pequeños productores agrícolas y mercados locales y externos para impulsar la producción y los ingresos. Las redes de caminos rurales son particularmente problemáticas en Paraguay, ya que limitan la medida en que los pequeños propietarios pueden transportar productos al mercado o conectarse con quienes agreguen valor a su producto. Las cooperativas de producción son una vía para superar las economías de escala limitada de los pequeños productores. Conectarse a cadenas de valor también tiene el potencial de aumentar la productividad y los ingresos de los agricultores, aunque los patrones actuales de producción agrícola, dominados por productores muy grandes de soja y ganado, se traducen en cadenas de valor nacionales muy cortas con una transformación o adición de valor limitada. La innovación y la identificación o creación de nichos de mercado son vías importantes para diversificar la producción y aumentar el contenido de valor agregado. Los esfuerzos incipientes en estas áreas se beneficiarían de una mayor atención de la política a los pequeños agricultores donde los resultados han sido positivos. b) Apoyando a las microempresarias y trabajadoras autónomas Existe creciente evidencia sobre formas efectivas de aumentar la productividad y los ingresos de los emprendedores, incluyendo los programas dirigidos a las mujeres. Los mecanismos incluyen soporte técnico, capacitación empresarial, soporte monetario y desarrollo de redes, con muchas combinaciones entre ellos (McKenzie y Woodruff 2008).

El Gobierno de Paraguay ya cuenta con múltiples programas de apoyo al emprendimiento. Los programas son proporcionados a través del Servicio Nacional de Promoción Profesional (SNPP), la SINAFOCAL Emprende, que ya está dirigida a mujeres, la Dirección de Emprendimiento de la Dirección General de Empleo del Ministerio de Trabajo, e iniciativas del Ministerio de Industria y Comercio. Los diversos programas de emprendimiento no están lo suficientemente coordinados, ni se mide su efectividad mediante el seguimiento de su impacto en los beneficiarios después de la intervención. Sería importante realizar dos pasos clave para abordar estas deficiencias: (i) una revisión exhaustiva de estas iniciativas potencialmente superpuestas, con vistas a reducir la duplicación y proporcionar acceso a la audiencia más amplia posible; y (ii) la introducción de sistemas de monitoreo y evaluación para evaluar el impacto y aumentar la efectividad. Y para atender mejor las necesidades de las mujeres, un primer paso importante sería evaluar el contenido del curso en materia de sensibilidad de género.

Las empresas en Paraguay reportan dificultades para acceder a financiamiento. Ciertos aspectos del clima de negocios en Paraguay son complicados y, por lo tanto, pueden disuadir la entrada o inversión de empresas. Las encuestas de Doing Business del Banco Mundial indican que el tiempo y el costo para iniciar un negocio en Paraguay son altos en comparación con el promedio de ALC. Los empresarios enfrentan obstáculos aún mayores para acceder al capital, debido a la falta de garantías o historial de desempeño, o un perfil de alto riesgo. Y es probable que particularmente las empresarias enfrenten este desafío 51. Las brechas de género en el acceso al capital pueden deberse a diferencias en los derechos de propiedad y

51 Existe amplia evidencia de que las mujeres tienen menos probabilidades de acceder a servicios financieros formales (Demirguc-Kunt, Klapper y Singer 2013; Aterido, Beck e Iacovone 2013).

61

herencia, menores ganancias femeninas y poder de decisión sobre las ganancias, menores niveles de inclusión financiera o discriminación en los mercados de capitales. Los datos de otros países muestran que las empresas gerenciadas por mujeres tienen menos probabilidades de obtener un préstamo bancario y se les cobra tasas de interés más altas cuando se aprueban las solicitudes de préstamos. Las mujeres prestatarias también tienen más probabilidades de pagar tasas de interés más altas y tienen mayores requisitos de garantía (Coleman 2000, Riding y Swift 1990). El acceso limitado al capital puede restringir la capacidad de asunción de riesgos de las mujeres y la adquisición del capital humano y físico requerido para las actividades generadoras de ingresos. La dificultad para acceder al capital puede estar impulsando tanto el tamaño de la pequeña empresa como los sectores en que las mujeres operan negocios. El análisis de demanda laboral anterior indica que las trabajadoras autónomas están más concentradas en subsectores específicos, especialmente en servicios, con menor productividad y remuneración52. Bruhn (2009) encuentra que las empresas propiedad de mujeres son generalmente más pequeñas porque carecen de capital inicial como consecuencia de una menor dotación de activos, y porque las pequeñas empresas en el sector de servicios a menudo carecen de garantías, lo que limita el acceso al crédito para hacer crecer sus negocios, creando un círculo vicioso. Proporcionar capital a las emprendedoras puede mejorar los resultados comerciales en las condiciones adecuadas. En muchos países se han introducido programas de microfinanciación y subvenciones compartidas para mujeres, con resultados mixtos (Beck 2015). En la zona urbana de Ghana, un experimento proporcionó al azar donaciones en efectivo o en especie a microempresas de hombres y mujeres. Para las mujeres que dirigen empresas de subsistencia, no hubo beneficios de ninguno de los dos tratamientos. Para las mujeres con negocios más grandes, solo las donaciones en especie aumentaron las ganancias, y las donaciones en efectivo no tuvieron efecto (Fafchamps et al. 2014). Si bien las microfinanzas pueden no ser muy efectivas en el ingreso de empresas, pueden tener éxito en promover el crecimiento empresarial. El estudio de largo plazo de Banerjee et al. (2015) encuentra que dieciocho meses después de obtener acceso al crédito, los prestatarios de empresas emergentes no tuvieron más probabilidades de ser emprendedores, aunque los emprendedores existentes invirtieron más en sus negocios. Los responsables de la formulación de políticas deben ser conscientes de que los períodos de reembolso cortos y las altas tasas de interés pueden socavar el crecimiento empresarial (Blattman y Ralston 2015). Los resultados a menudo dependen de la focalización y la capacitación (Todd 2012), y algunas intervenciones son menos exitosas para mujeres que para hombres, debido a las limitaciones internas de los hogares y otras restricciones para las mujeres. Bernhardt et al. (2018) encuentran que las donaciones en efectivo tienden a asignarse a las empresas comerciales más rentables dentro de un hogar, que a menudo son empresas dirigidas por hombres, pero cuando las mujeres son el único operador de empresas domésticas, los shocks de capital positivos conducen a grandes aumentos en las ganancias. Estos resultados ilustran la importancia de diseñar intervenciones para tener en cuenta las limitaciones específicas que enfrentan las mujeres. Las innovaciones recientes, como las competiciones de planes de negocios, han generado retornos positivos. En Nigeria, un programa piloto de competencia de planes de negocios nacionales a gran escala asignó al azar subvenciones a solicitantes de un grupo, mientras que en otro grupo, solo los ganadores de la competencia recibieron subvenciones de aproximadamente US$ 50.000. Las encuestas rastrearon a los beneficiarios durante tres años y mostraron que los ganadores de la competencia tenían mayores tasas de ingreso en sus empresas, mayores tasas de supervivencia, mayores ganancias y ventas, y un mayor empleo, incluyendo aumentos de más de 20 puntos porcentuales en la probabilidad de que una empresa tenga 10 o más trabajadores (McKenzie 2015).

52 Esto es consistente con los hallazgos de Halford y Leonard (2006) y Bowden y Mummery (2009).

62

Los programas de capacitación empresarial también pueden tener un impacto positivo en las ganancias y el crecimiento de las empresas. La mayoría de los estudios encuentran que los propietarios de empresas existentes implementan algunas de las prácticas que se enseñan en la capacitación, pero las magnitudes de mejora son a menudo modestas. En Chile, un estudio evaluó el impacto de la capacitación empresarial versus la transferencia de activos para el autoempleo y los ingresos. Alrededor del 95 por ciento de los participantes del programa eran mujeres, aunque los resultados no están desglosados por género. La evaluación aleatoria encontró impactos positivos en el empleo total, los ingresos y las prácticas comerciales positivas (Martínez et al. 2017). El autoempleo aumentó en 18 y 28 puntos porcentuales en los dos grupos del programa, y los ingresos a corto y largo plazo aumentaron en 17 y 52 por ciento, respectivamente. En Kenia, también se encontró que la capacitación empresarial de empresas dirigidas por mujeres contribuye a aumentar las ganancias, las ventas y el bienestar de los propietarios (McKenzie y Puerto 2017). En un estudio que evaluó el impacto de un programa de desarrollo empresarial en Lima, Perú, con un diseño experimental, un grupo recibió solo capacitación general, mientras que otro grupo recibió también asistencia técnica. Valdivia (2015) encuentra que ambos grupos mostraron un aumento en los ingresos por ventas, la adopción de prácticas comerciales recomendadas autoreportadas y un crecimiento superior al 15 por ciento dos años después del final del tratamiento. Pero el grupo que recibió solo capacitación general tomó un período de tiempo más largo para mostrar resultados positivos.

Las redes de contacto puede ser efectivas para vincular a los emprendedores con posibles compradores e inversores, mentores o facilitadores en organismos públicos o privados como funcionarios de contratación pública, cámaras de comercio y asociaciones comerciales. Las mujeres tienden a tener dificultades para acceder a este tipo de redes tradicionalmente masculinas; el gobierno podría desempeñar un papel aquí facilitando las oportunidades para establecer redes de contactos a las mujeres empresarias. Esto puede ser especialmente efectivo para las mujeres que ingresan en sectores dominados por hombres, que pueden sentirse excluidas de la red de su nueva ocupación y, por lo tanto, tener dificultades para encontrar socios y proveedores (Campos et al. 2015). Un estudio innovador en la India evaluó el impacto de los pares para el éxito empresarial, y encontró que las mujeres que entrenan con una amiga tienen más probabilidades de tener préstamos comerciales, tienen menos probabilidades de ser amas de casa e informan una mayor actividad empresarial y un mayor ingreso familiar (Field et al. al. 2015). Esto sugiere que cuando las emprendedoras tienen más conexiones con otras emprendedoras, puede ser beneficioso para su éxito. Feigenberg et al. (2014) también encontró que reuniones más frecuentes entre grupos de microfinanzas en la India ayudaron a construir un capital social valioso entre mujeres. Las políticas dirigidas a fortalecer las redes de mujeres pueden centrarse en crear oportunidades de redes o conectarlas con dueños y dueñas de negocios exitosos.

5.4. ESTIMULAR LA CREACIÓN DE EMPLEOS ATRACTIVOS PARA LAS MUJERES

Muchas de las brechas de género observadas en los resultados laborales están relacionadas con el hecho de que la demanda laboral es insuficiente en el sector privado formal, lo que a su vez limita las oportunidades de trabajo asalariado, especialmente el trabajo asalariado formal. Varios factores limitan el dinamismo y la creación de empleo del sector privado de Paraguay, desde las tendencias económicas mundiales y las presiones competitivas en la región, el entorno macroeconómico, los altos niveles de concentración del mercado y la estructura de la producción económica. Un análisis completo de estos factores está más allá del alcance de este informe, pero la discusión a continuación identifica varias áreas donde las intervenciones de políticas podrían generar mejores oportunidades de empleo para las mujeres.

63

a) Políticas económicas y regulatorias básicas Las políticas macroeconómicas relacionadas con la inversión o el comercio exterior pueden beneficiar a industrias particulares y, por lo tanto, a los trabajadores de esas industrias; aplicar una perspectiva de género al evaluar el impacto en el empleo de las nuevas políticas es esencial para evitar que las mujeres pierdan aún más sus derechos y para identificar oportunidades para aumentar el bienestar de las mujeres. Por ejemplo, los términos de un acuerdo de inversión pueden fomentar la creación de empleos en la construcción u otras industrias donde las mujeres tienen poca presencia. Revisar las políticas comerciales o los incentivos fiscales dirigidos a la IED con el fin de comprender las implicaciones de género podría ayudar a reducir las brechas de género al garantizar que las mujeres también se beneficien de los rendimientos más altos proyectados asociados con una inversión particular o una reforma comercial.

Los impedimentos para la entrada de nuevas empresas son probablemente los responsables de obstaculizar la creación de empleos tanto para hombres como para mujeres. Las empresas jóvenes representan una baja proporción de empresas y una baja proporción de empleo en Paraguay en comparación con otras economías en desarrollo. Las encuestas de Doing Business del Banco Mundial indican que el tiempo y el costo para iniciar un negocio en Paraguay son altos en comparación con el promedio de ALC. Paraguay también se ubica en la mitad inferior de la muestra global para acceso a electricidad y acceso a crédito, protección de inversionistas minoritarios y resolución de insolvencia. Las empresas deben percibir los beneficios de la formalización, o permanecerán en la sombra. El Gobierno ya está abordando algunas de estas restricciones para facilitar la entrada. Los esfuerzos en curso incluyen la simplificación del registro de empresas, la reforma del régimen de insolvencia, la creación de un registro de garantías de activos móviles para fomentar el acceso al crédito y la introducción de un sistema de control de aduanas basado en el riesgo.

Las amplias brechas de productividad entre empresas muy grandes y el resto del sector privado pueden surgir de diferencias en el tratamiento fiscal o regulatorio. Los datos muestran una correlación positiva entre la productividad de la empresa y el tamaño de la empresa, especialmente entre las empresas más productivas. Muchos sectores están altamente concentrados, dominados por un número limitado de empresas; las empresas más pequeñas luchan para competir en este entorno. Sería útil que el gobierno revise su marco de políticas de competencias y nivele el campo de juego a través de políticas neutrales para fomentar la entrada y el crecimiento de otras empresas. No es suficiente atraer a grandes empresas dentro del modelo de enclave de las zonas de procesamiento de exportaciones e importaciones libres de impuestos, porque este enfoque no fomenta el uso de insumos nacionales, ni crea oportunidades adecuadas para que la innovación local alcance oportunidades relacionadas. Ambos efectos limitan la creación potencial de empleos.

Las bajas tasas de ingreso y crecimiento de empresas de Paraguay pueden derivarse de desafíos más amplios del clima de negocios que son de naturaleza estructural. Los desafíos estructurales pueden incluir condiciones económicas desfavorables, el tamaño pequeño del mercado, poca conectividad con los mercados externos y un entorno institucional débil para proteger los derechos de propiedad, hacer cumplir los contratos, imponer impuestos justos y transparentes, y garantizar el cumplimiento regulatorio. Este tipo de desafíos puede ser más difícil de abordar, pero si se abordan pueden desempeñar un papel más importante en el fomento de la entrada y la diversificación de las empresas. El pequeño mercado interno de Paraguay y el entorno sin litoral, en particular, resaltan la necesidad de mejores vínculos comerciales entre productores locales e inversores extranjeros en manufactura para exportación y consumidores externos, y para lograr menores costos de exportación. Los costos de transporte son altos, y el tiempo y el costo de exportación superan los promedios de ALC, lo que hace que los productos paraguayos sean menos competitivos en el mercado internacional. Las medidas de facilitación del comercio para mejorar la logística

64

comercial fomentarán la diversificación de la canasta de exportación altamente concentrada al reducir el costo de la exportación. El gobierno puede desempeñar un papel en aumentar el acceso al mercados a través de políticas comerciales, así como inversión en infraestructura física para vincular los mercados locales, regionales y externos. Este tipo de medidas transversales promueven la entrada de empresas, así como una mayor productividad de empresas tanto grandes como pequeñas, nuevas y antiguas, formales e informales. b) Promoción de sectores de servicios altamente calificados

Las perspectivas futuras de una mayor inclusión económica de las mujeres a través de mejores resultados laborales están vinculadas integralmente con el desempeño del sector privado y su capacidad para crear empleos de cualificación media y alta. La baja productividad de las empresas se correlaciona con los bajos salarios y, por lo tanto, con la baja calidad del empleo. Las empresas que pueden aumentar su producción y ventas pueden generar el espacio para ofrecer salarios más altos y atraer trabajadores más productivos. Las dos rutas para mejorar la productividad laboral de las empresas son a través de (i) fortalecer el conocimiento técnico y de mercado y las habilidades comerciales de los empleadores, y (ii) mejorar la calidad del trabajo de los empleados. La educación y las habilidades son componentes fundamentales de la productividad laboral; sin embargo, el 29 por ciento de los empleadores encuestados en Paraguay citan a la fuerza laboral inadecuadamente capacitada como una limitación importante para las operaciones de la empresa, y el 13 por ciento lo considera su mayor obstáculo53. El Ministerio del Trabajo, Empleo y Seguridad Social realizó una pequeña encuesta a empleadores para identificar las brechas de habilidades clave y los tipos de capacitación que serían útiles para su fuerza laboral. Los encuestados expresaron la demanda de servicio al cliente y habilidades de marketing, funciones administrativas (por ejemplo, ventas, recursos humanos, contabilidad y finanzas) y las TIC. Las habilidades transversales más demandadas fueron la operación básica de computadoras y el dominio de idiomas extranjeros (principalmente el inglés)54. Para mejorar las habilidades comerciales de la fuerza laboral futura para satisfacer la demanda laboral de las empresas, se requieren amplios cambios en el plan de estudios de educación tradicional.

A medida que la economía de Paraguay continúa su transición hacia la producción basada en servicios, la obtención de ganancias de productividad a partir de la transformación estructural dependerá de la capacidad del sector privado para expandir las actividades de servicios de nivel superior. Un componente clave para hacer que las empresas sean más competitivas y aumentar el valor agregado a nivel nacional es incluir más insumos locales de alta calidad, especialmente servicios. Mientras que las grandes empresas de Paraguay son relativamente más productivas, representan una gran parte del empleo formal y agregan más empleos formales a la economía, los hallazgos anteriores también muestran que ciertos subsectores manufactureros tienen baja productividad. Estos incluyen la fabricación de prendas de vestir y alimentos y bebidas que involucran la transformación de baja tecnología de insumos en productos finales con bajos niveles de sofisticación y mínimo valor agregado. Los insumos locales podrían ampliarse para incluir servicios especializados de preproducción y postproducción relacionados con el diseño, la investigación y desarrollo de productos, el marketing o la logística, entre otros. Deberían revisarse los planes de estudio terciarios para producir graduados que posean estas competencias. Otro componente esencial para atraer inversiones con el potencial de crear empleos calificados de alta calidad es un ecosistema que puede respaldar las inversiones que dependen de la tecnología (por ejemplo, grandes plantas de manufactura) o empresas emergentes innovadoras en TI o servicios de soporte de la manufactura. Es probable que los

53 www.enterprisesurveys.org 54 Estos hallazgos de la encuesta piloto serán útiles para ajustar el contenido del curso dirigido a empleadores (a través de SINAFOCAL), y el Ministerio de Trabajo está considerando actualmente cómo usar los hallazgos iniciales y ampliar la encuesta. Para más detalles, ver Observatorio Laboral (2017). Y para una descripción de las políticas activas del mercado laboral en Paraguay, ver Corvo y Ruppert Bulmer (2017).

http://www.enterprisesurveys.org/

65

inversores busquen la capacidad local para mantener y actualizar el equipamiento operativo, así como un sistema educativo que pueda producir una cohorte de proveedores de servicios competitivos a nivel internacional. Este tipo de trabajo atraería a las mujeres en particular, dada la escasez de alternativas en el sector privado.

66

REFERENCIAS Acevedo, P., G. Cruces, P. Gertler and S. Martínez. 2017. Living Up to Expectations: How Job Training Made

Women Better Off and Men Worse Off, Mimeo

Ahern, K. and A. Dittmar. 2010. The Changing of the Boards: The Value Effect of a Massive Exogenous Shock. Mimeo, Universidad de Michigan.

Aterido, Reyes, Beck, Thorsten and Iacovone, Leonardo, (2013). Access to Finance in Sub-Saharan Africa: Is

There a Gender Gap? World Development, 47, issue C, p. 102-120,

https://EconPapers.repec.org/RePEc:eee:wdevel:v:47:y:2013:i:c:p:102-120.

Attanasio, O., A. Guarn, C. Medina, and C. Meghir. 2015. Long Term Impacts of Vouchers for Vocational

Training: Experimental Evidence for Colombia. NBER Working Paper No. 21390, National Bureau of

Economic Research.

Attanasio, O., A. Kugler, and C. Meghir. 2017. Vocational Training for Disadvantaged Youth in Colombia: A

Long-Term Follow-Up. American Economic Journal: Applied Economics 2017, 9(2): 131–143

Attanasio, O., Kugler, A., & Meghir, C. 2011. Subsidizing Vocational Training for Disadvantaged Youth in

Colombia: Evidence from a randomized trial. American Economic Journal, Applied Economics 3 (3):

188-220.

Beck, T. 2015. Microfinance: A Critical Literature Survey. IEG working paper No.4;. Washington, DC.

Bernhardt, A, E. Field, R. Pande, and N. Rigol. 2017. Household Matters: Revisiting the Returns to Capital

among Female Micro-entrepreneurs, NBER Working Paper 23358, National Bureau of Economic

Research.

Blattman, C. and L. Ralston. 2015. Generating Employment in Poor and Fragile States: Evidence from Labor

Market and Entrepreneurship Programs. Available at SSRN:

https://ssrn.com/abstract=2622220 or http://dx.doi.org/10.2139/ssrn.2622220

Bloom, D. & Williamson, J., 1998. Demographic Transition and Economic Miracles in Emerging Asia. World

Bank Economic Review, 12(3): 419-456.

Bloom, D., Canning, D. and Malaney, P., 2000. Population Dynamics and Economic Growth in Asia.

Population and Development Review, 26(Suppl.): 257-290.

Borker, G. 2017. Safety First: Perceived Risk of Street Harassment and Educational Choices of Women,

Department of Economics, Brown University.

Bowden, P. and J. Mummery. 2009. Understanding Feminism, New York: Acumen Press.

Bruhn, M., and D. McKenzie. 2009. In Pursuit of Balance: Randomization in Practice in Development Field

Experiments. American Economic Journal: Applied Economics, 1 (4): 200-232.

Brummund, P., C. Mann and C. Rodriguez-Castelan. 2016. Job Quality and Poverty in Latin America, Policy

Research Working Paper No. 7927, Washington, DC, World Bank.

Burr, S. G., M. Strickland. 1992. Creating a Positive Business Climate for Women: An Approach to Small

Business Development. Economic Development Review, 10 (1), 63-66.

https://ssrn.com/abstract=2622220

https://dx.doi.org/10.2139/ssrn.2622220

67

Campos, F., M. P. Goldstein, L. Mcgorman, A. M. Munoz Boudet, & O. Pimhidzai. 2015. Breaking the Metal

Ceiling: Female Entrepreneurs who Succeed in Male-dominated Sectors. Africa Region Gender

Practice Policy Brief; no. 9. Washington, DC; World Bank Group.

Coleman, S. 2000. Access to Capital and Terms of Credit: A Comparison of Men- and Women-owned Small

Businesses. Journal of Small Business Management, 38(3): 37–52.

Croke, K., M. Goldstein and A. Holla. 2017. Can Job Training Decrease Women’s Self-Defeating Biases?

Experimental Evidence from Nigeria, World Bank Policy Research Working Paper No. 8141.

Cuberes, D.; M. Teignier. 2015. How Costly are Labor Gender Gaps? Estimates for the Balkans and

Turkey.. Policy Research Working Paper No. 7319. World Bank, Washington, DC. © World Bank.

Dammert, A. C., J. Galdo, and V. Galdo. 2015. Integrating mobile phone technologies into labor-market

intermediation: a multi-treatment experimental design. IZA Journal of Labor and Development,

4(11).

Das, S., E. Carranza and A. Kotikula. 2018. Addressing Gender-Based Employment Segregation, Jobs Group,

World Bank.

Deere, C. D., G. Alvarado, and J. Twyman. 2010. Poverty, Headship, and Gender Inequality in Asset

Ownership in Latin America., Center for Gender in Global Context, Michigan State University.

Delavallande, C., F. Dizon, R. V. Hill and J. P. Petraud. 2015. Managing Risk with Insurance and Savings:

Experimental Evidence for Male and Female Farm Managers in West Africa: IFPRI Discussion Papers

1426, International Food Policy Research Institute (IFPRI).

De Mel, S., D. Pablo McKenzie, and C. Woodruff (2008). Returns to Capital: Results from a Randomized

Experiment. Quarterly Journal of Economics 123(4): 1329–72

Demirguc-Kunt, Asli; Klapper, Leora; Singer, Dorothe. 2013. Financial Inclusion and Legal Discrimination

Against Women: Evidence from Developing Countries. Policy Research Working Paper No.

6416, World Bank, Washington, DC.

Dougherty, C. 2005. Why are the Returns to Schooling Higher for Women than for Men?, The Journal of

Human Resources 40 (4).

Dunbar, M. 2015. Secondary Vocational Education International Experience: Final Report, April 2015

(English). Washington, D.C.: World Bank Group.

Eastwood, R. & Lipton, M., 2011. Demographic Transition in Sub-Saharan Africa: How Big will the Economic

Dividend Be? Population Studies, 65(1): 9-35.

Fafchamps, M., D. McKenzie, S. Quinn, C. Woodruff. 2014. Microenterprise Growth and the Flypaper Effect:

Evidence from a Randomized Experiment in Ghana, Journal of Development Economics, Elsevier,

106(C): 211-226.

Feigenberg, B., E. Field, R. Pande, N. Rigol, and S. Sarkar. 2014. Do Group Dynamics Influence Social Capital

Gains among Microfinance Clients? Evidence from a Randomized Experiment in Urban India.

Forthcoming, Journal of Policy Analysis and Management.

Field, E., S. Jayachandran, R. Pande, and N. Rigol. 2015. Friendship at Work: Can Peer Effects Catalyze

Female Entrepreneurship? NBER Working Paper 21093. The National Bureau of Economic Research,

Cambridge, MA.

https://ideas.repec.org/s/eee/deveco.html

68

Flory, J. A., Leibbrandt, A., & List, J. A. 2014. Do Competitive Workplaces Deter Female Workers? A Large-scale Natural Field Experiment on Job Entry Decisions. The Review of Economic Studies, 82(1): 122-155.

Franklin, S. 2015. Location, Search Costs and Youth Unemployment: A Randomized Trial of Transport

Subsidies in Ethiopia. CSAE Working Paper WPS/2015-11.

Gaucher, D., Friesen, J., & Kay, A. C. (2011). Evidence that Rendered Wording in Job Advertisements Exists and Sustains Gender Inequality. Journal of Personality and Social Psychology, 101(1): 109-128.

Halford, S. and P. Leonard .2006. Negotiating Gendered Identities at Work: Place, Space and Time,

Basingstoke. Palgrave, Macmillan.

Hicks, J. H., Kremer, M., Mbiti, I., & Miguel, E. 2015. Vocational Education in Kenya: Evidence from a

Randomized Evaluation. International Initiative for Impact Evaluation (3IE).

Hubbard, W. 2011. The Phantom Gender Difference in the College Wage Premium, The Journal of Human

Resources 46 (3).

Ibarrarán, P. & Shady, D.R. 2009. Evaluating the Impact of Job Training Programmes in Latin America:

Evidence from IDB funded operations. Journal of Development Effectiveness 1.2: 195-216.

ILO. 2017. Ending Violence and Harassment against Women and Men in the World of Work. Conference

paper, 12 May 2017, Geneva, Switzerland.

INDERT. 2008. Paraguay Instituto Nacional de Desarrollo Rural de la Tierra (INDERT), estadísticas de 2008.

http://www.indert.gov.py/index.php?a=historia

Lagarde, C., Solberg, E. 2018. Why 2018 must be the Year for Women to Thrive. World Economic Forum,

2018.

Martinez A., C., E. Puentes, and J. Ruiz-Tagle. 2017. The Effects of Micro Entrepreneurship Programs on

Labor Market Performance: Experimental Evidence from Chile Working Paper, March 2017.

Matsa, D. and A. Miller. 2011. Chipping Away at the Glass Ceiling: Gender Spillovers in Corporate Leadership. American Economic Review: Papers & Proceedings (May 2011).

McKenzie, D. and C. Woodruff. 2008. Experimental Evidence on Returns to Capital and Access to Finance in

Mexico, Mimeo. World Bank.

McKenzie, D. J. and S. Puerto. 2017. Growing Markets Through Business Training for Female Entrepreneurs:

A Market-Level Randomized Experiment in Kenya (March 3, 2017). World Bank Policy Research

Working Paper No. 7993.

McKenzie, D. J. 2015. Identifying and Spurring High-growth Entrepreneurship: Experimental Evidence from

a Business Plan Competition (English). Policy Research working paper; no. WPS 7391; Impact

Evaluation series. Washington, D.C.: Grupo del Banco Mundial.

Montenegro, C. and H. Patrinos. 2014. Comparable Estimates of Returns to Schooling around the World,

Policy Research Working Paper 7020, World Bank, Washington, DC.

Muñoz Boudet, A. M.; P. Petesch; C. Turk; A. Thumala. 2013. On Norms and Agency: Conversations about

Gender Equality with Women and Men in 20 Countries, Directions in Development: Human

Development. Washington, DC: Banco Mundial.

http://www.indert.gov.py/index.php?a=historia

69

Ñopo, H.; Robles, M.; Saavedra, J. 2007. Occupational Training to Reduce Gender Segregation: The impacts

of ProJoven, Research Department Working Paper No. 623 (Washington, DC, InterAmerican

Development Bank).

Observatorio Laboral. 2017. Encuesta sobre las Necesidades de Capacitación Laboral. Resultados finales

(Mayo de 2017). SINAFOCAL.

Pande, R, and D. Ford. 2012. Gender Quotas and Female Leadership. Washington, DC: Banco Mundial.

Pfeifer, C., J. Wagner. 2012. Age and Gender Composition of the Workforce, Productivity and Profits:

Evidence from a New Type of Data for German Enterprises, IZA Discussion Papers 6381, Institute for

the Study of Labor (IZA).

Riding, A. & Swift, C. 1990. Women Business Owners and Terms of Credit: Some Empirical Findings of the

Canadian Experience. Journal of Business Venturing, 5(5): 327–340.

Ruppert Bulmer, E. and A. Scutaru. 2018. Firm Productivity and Employment in Paraguay 2010-2014. Jobs

Working Paper Issue no. 19. Washington, D.C.: Grupo del Banco Mundial.

Ruppert Bulmer, E.; S. Watson; D. de Padua and A. Garlati. 2017. Diagnóstico del Empleo en Paraguay: La

Transformación Dinámica del Empleo en Paraguay. Jobs Series no. 10. Washington, D.C.: Grupo del

Banco Mundial.

Shrestha, Slesh A. & Palaniswamy, Nethra. 2017. Sibling Rivalry and Gender Gap: Intrahousehold

Substitution of Male and Female Educational Investments from Male Migration Prospects, Journal

of Population Economics, 30(4): 1355-1380.

Todd, P. 2012. Effectiveness of Interventions Aimed at Improving Women's Employability and Quality of

Work: A Critical Review. World Bank Policy Research Working Paper no 6189, World Bank.

USAID. 2011. “USAID/Paraguay Gender Assessment”, prepared by DevTech Systems, Inc.

Valdivia, M. 2015. Business Training Plus for Female Entrepreneurship? Short and Medium-term

Experimental Evidence from Peru, Journal of Development Economics, Elsevier, 113(C): 33-51.

Winkler, H. J., E. N. Ruppert Bulmer, H. K. Mote. 2017. Expanding Social Insurance Coverage to Informal

Workers. Jobs Working Paper no. 6. Washington, D.C.: Grupo del Banco Mundial.

Banco Mundial. 2015a. World Bank Group Gender Strategy (FY16-23): Gender Equality, Poverty Reduction

and Inclusive Growth. Washington, D.C.: Grupo del Banco Mundial.

Banco Mundial. 2015b. Volatility and Inequality as Constraints to Shared Prosperity: Paraguay Equity

Assessment. Washington, 2015.

Banco Mundial. 2016. World Development Report 2016: Digital Dividends Overview (English). World

Development Report. Washington, D.C.: Grupo del Banco Mundial.

Banco Mundial. 2018a. Paraguay Systematic Country Diagnostic. Washington, D.C.: Grupo del Banco

Mundial.

Banco Mundial. 2018b. Paraguay - Notas de política 2018: Paraguay - Notas de política 2018 (español).

Washington, D.C.: Grupo del Banco Mundial.

70

ANEXO A - FUENTES DE DATOS Y DEFINICIONES DE VARIABLES

Análisis de la oferta de trabajo utilizando datos a nivel del hogar 1. Encuesta Permanente de Hogares

El análisis de la oferta de trabajo se basa principalmente en los microdatos provenientes de la encuesta anual de ingresos de los hogares Encuesta Permanente de Hogares (EPH), desde 2001 hasta 2016, llevada a cabo por la Dirección General de Estadística, Encuestas y Censos. La muestra total de hogares incluye los 17 departamentos del país más Asunción, aunque los departamentos de Boquerón y Alto Paraguay se incluyeron solo a partir de 2015 55. El tamaño de la muestra en 2016 fue de 37.800 individuos en 10.200 hogares.

La información confiable sobre el estado de formalidad está disponible solo a partir de 2008. El estado de formalidad de un trabajador se define de la siguiente manera. El trabajo informal comprende (i) agricultores, pastores y pescadores (trabajadores autónomos o empleadores de empresas sin Registro Único de Contribuyente, o RUC); (ii) trabajadores familiares no remunerados; (iii) trabajadores autónomos no agrícolas, empleados o empleadores de empresas sin RUC; y (iv) empleados asalariados que no contribuyen a la seguridad social. El empleo formal comprende (i) empleados asalariados que contribuyen a la seguridad social; (ii) empleadores de una empresa registrada (con RUC); y (iii) trabajadores autónomos con una empresa registrada (con RUC).

Los salarios mensuales reales se calculan como los ingresos mensuales informados de la ocupación principal transformados en USD PPA de 2005 utilizando los factores de conversión de SEDLAC CPI y PPA. Los salarios incluyen el ingreso monetario y todos los demás ingresos relacionados con el empleo, como bonificaciones y alquiler/alimento/valor implícito recibidos regularmente. El salario por hora se calcula como el salario mensual dividido por las horas semanales trabajadas multiplicado por 4,33. El salario anual se calcula como el salario mensual multiplicado por doce.

La variable sobre la experiencia potencial utilizada en las regresiones de Mincer se calcula como la edad menos los años de educación más seis. La permanencia se define como el número de años en la ocupación principal actual.

Las categorías de educación se definen de la siguiente manera: primaria incompleta o menos si tiene menos de 6 años de educación; primaria completa si tiene 6 años de educación y no está matriculada; secundaria incompleta si tiene 6 años de educación y está matriculada o tiene 6-12 años de educación; secundaria completa si tiene 12 años de educación y no está matriculada; terciaria incompleta si tiene 12 años de educación y está matriculada o tiene 12-15 años de educación; terciaria completa si cuenta con más de 15 años de educación.

2. Encuesta Continua de Empleo

La segunda fuente de datos principal para trabajadores y trabajadoras y características de empleo es la encuesta de población activa, Encuesta Continua de Empleo (ECE). Utilizamos el componente del panel de

55 La población de estos departamentos representa el 2% del total del país

71

ECE para el período 2010-2014 para analizar las transiciones laborales entre períodos. El conjunto de datos del panel de ECE incluye 64.056 observaciones que cubren 20 trimestres desde 2010q1 a 2014q4. La cobertura geográfica incluye tanto Asunción como las áreas urbanas del departamento Central, que representan aproximadamente el 40 por ciento de la fuerza laboral nacional y un poco más del 60 por ciento de la fuerza laboral urbana (cifras de 2011). El panel no está equilibrado, es decir, los datos no están disponibles para todos los trimestres para todos los individuos. El esquema de rotación del panel se basa en la periodicidad trimestral. Se entrevistó a un hogar de muestra seleccionada en cada uno de los cinco trimestres consecutivos, después de lo cual se lo eliminó del panel. Se realiza un reemplazo parcial de la muestra cada sexto trimestre y la muestra se cambia completamente al final de los 5 años (20 trimestres).

La información sobre el RUC no está disponible para los años 2010-2011, pero los datos sobre las contribuciones de pensiones están disponibles para todos los años; por lo tanto, revisamos la definición de formalidad de la siguiente manera. Los trabajadores definidos como empleados formales incluyen (i) empleados asalariados que contribuyen a un fondo de pensiones; (ii) empleadores que contribuyen a un fondo de pensiones; y (iii) trabajadores autónomos y trabajadores domésticos que contribuyen a un fondo de pensiones. Los trabajadores definidos como empleados informales incluyen (i) agricultores/pastores/pescadores (autónomos o empleadores que no contribuyen al fondo de pensiones); (ii) trabajadores familiares no remunerados; (iii) trabajadores autónomos, empleado o empleador que no contribuyen al fondo de pensiones; (iv) empleados asalariados que no contribuyen al fondo de pensiones; y (v) trabajadores domésticos que no contribuyen al fondo de pensiones.

Análisis de la demanda laboral utilizando datos a nivel de empresa

Existen cuatro fuentes principales de datos utilizadas para analizar las características de las empresas del sector privado en Paraguay. Los datos de la encuesta fueron recolectados por la Dirección General de Estadística, Encuestas y Censos y proporcionan información a nivel de establecimiento, incluyendo el nivel de empleo, las ventas anuales, el gasto salarial, el valor de los activos de capital y el valor agregado. El empleo se diferencia por género y por método de remuneración, es decir, pagado, no pagado y con pago basado en comisiones, pero los salarios se informan a nivel de establecimiento (incluyendo a todos los empleados). Se recopila información adicional sobre las características de la empresa, como el estado de formalidad, el sector, la edad de la empresa y la ubicación de la empresa (a nivel de distrito). Solo un pequeño subconjunto de empresas tiene información sobre activos de capital, y no se recopila información sobre el nivel de educación de los trabajadores, nivel de habilidad u ocupación. Los conjuntos de datos no son perfectamente comparables; por lo tanto, el análisis usa cada fuente por separado y proporciona advertencias al hacer comparaciones.

1. Censo Económico

El Censo Económico 2011 es un censo nacional que incluye datos sobre las características de las empresas, como el empleo, las ventas y el valor agregado durante el año de referencia 2010. El censo cubre todas las regiones de Paraguay e identifica 211.042 establecimientos que emplean a 799.153 trabajadores, incluyendo los empleados pagados, no pagados y comisionados 56 . El censo incluye empresas tanto formales como informales, así como empresas unipersonales (es decir, trabajadores autónomos). El censo incluye todos los sectores excepto la agricultura. El número de empresas que reportan al menos un empleado remunerado es de 51.457, y éstas emplean a un total de 537.025 trabajadores (recuerde la Tabla 2). Los umbrales de tamaño de la empresa definidos por la DGEEC son los siguientes: 1-10 empleados o ventas anuales hasta PRY G 5.000.000; 11-30 empleados o ventas anuales entre PRY G 5.000.000 y PRY G

56 Tercerizado o comisionista.

72

2.500.000.000; 31-50 empleados o ventas anuales entre PRY G 2.500.000.000 y PRY G 6.000.000.000; y 51 o más empleados o ventas anuales por encima de PRY G 6.000.000.000. Para los fines de este análisis, definimos nuevas categorías de tamaño de empresa para facilitar las comparaciones internacionales (es decir, de 1 a 9 empleados pagados; 10-19; 20-99, 100 y más).

La calidad de los datos es en su mayoría buena, con altas tasas de respuesta, aunque dos variables clave tienen un gran número de respuestas faltantes: la edad de la empresa y el nivel de los activos de capital.

• Sólo el 57 por ciento de las empresas reporta su edad. Esto puede ser impulsado por empresas que operaron informalmente antes de registrarse. La falta de información sobre la edad de la empresa puede estar motivada por la evasión, o simplemente puede ser el resultado de la incertidumbre por parte del encuestado. La distribución sectorial y geográfica de las empresas que no informan sobre su edad no parece estar sesgada.

• En relación con la variable de edad, no se recopilan datos explícitos en la entrada o salida de la empresa. Por lo tanto, los nuevos participantes se identifican como aquellos con una edad igual a 1 año. No es posible deducir las salidas de las empresas.

• Hay una tasa de respuesta muy baja para el nivel de activos de capital (solo el dos por ciento de las empresas brinda esta información). Esto es probablemente debido a la dificultad y el tiempo requerido para valorar los activos de la empresa. Y, en particular, para las microempresas, los encuestados pueden no tener claro qué constituye un activo de capital. Aunque omitimos la variable del análisis de regresión, debido a la gran reducción del tamaño de la muestra, probamos la importancia de la variable como una verificación de la robustez para ver si su inclusión altera las estimaciones de la regresión (para obtener más detalles, consulte Ruppert Bulmer y Scutaru 2018).

2. Encuesta de Empresas

La Encuesta de Empresas se realizó en dos ciclos en 2015 y 2016, en una muestra nacional de empresas formales (es decir, registradas) extraídas del Censo de Empresas. La encuesta de empresas excluye los sectores de agricultura, minería, construcción y servicios financieros, y es representativa a nivel de 2 dígitos para manufactura, comercio y servicios no financieros. El primer ciclo de encuestas comprendió micro y pequeñas empresas; el segundo ciclo estuvo compuesta por empresas medianas y grandes. El año de referencia es 2014. La encuesta de 6.523 empresas cubrió el equivalente ponderado de 52.727 empresas con 439.612 empleados.

La tasa de respuesta para micro y pequeñas empresas fue relativamente baja, y las grandes empresas, que representan la mayor proporción de empleo y producción están sobrerepresentadas en la muestra, pero estos sesgos de muestreo se corrigen a través de las ponderaciones de la encuesta. Al igual que en el censo de empresas, existe un informe relativamente bajo de los activos de capital.

3. Panel de empresas estructurado 2010-2014 Para aprovechar la variación temporal en el desempeño y el crecimiento de las empresas entre 2010 y 2014, se creó un panel de 502 empresas que comprende empresas formales con al menos 1 empleado remunerado y que aparecen tanto en el Censo Económico como en la Encuesta de Empresas (utilizando el número de identificación única de la empresa para emparejar las empresas). Este conjunto de datos de panel cubre solo los sectores de manufactura, comercio y servicios no financieros. Una comparación del resumen de estadísticas y la distribución de las variables clave, es decir, el tamaño de la empresa, la productividad y los salarios, muestra que el panel es altamente representativo tanto del Censo Económico como de la Encuesta de Empresas, aunque las empresas del panel son ligeramente más grandes, ligeramente más productivas y pagan salarios modestamente más altos. El análisis de regresión del panel

73

estima los elementos correlacionados de las siguientes variables dependientes: el cambio en el empleo de la empresa, el cambio en la productividad de la empresa y el cambio en el costo laboral. 4. Pre-Censo

Una encuesta previa al censo, el Pre-censo, se llevó a cabo anualmente en referencia a 2013, 2014 y 2015 para actualizar el registro de empresas para una muestra muy grande de empresas extraídas del Censo Económico 2011. El censo previo incluía 89.000 empresas en 2013, 88.000 empresas en 2014 y 104.000 empresas en 2015, lo que representa alrededor de tres cuartos de todas las empresas registradas. La muestra es representativa con respecto al tamaño, sector y distribución regional.

La entrada y salida de las empresas se observan solo en parte, porque el conjunto de datos refleja una muestra grande en lugar de un censo completo.

74

ANEXO B - DETALLES DEL ANÁLISIS DE LA OFERTA LABORAL

Tabla B1

Estimate AME Estimate AME Estimate AME Estimate AME

(1) (2) (3) (4) (5) (6) (7) (8)

Age 0.326*** 0.013*** 0.262*** 0.006*** 0.256*** 0.009*** -0.139** -0.001

(0.024) (0.001) (0.052) (0.001) (0.049) (0.001) (0.059) (0.001)

Age^2 -0.004*** -0.003*** -0.003*** 0.002***

(0.000) (0.001) (0.001) (0.001)

Male 1.992*** 0.275*** 0.486*** 0.026*** 0.374*** 0.042*** -1.671*** -0.164***

(0.063) (0.008) (0.120) (0.006) (0.100) (0.011) (0.143) (0.013)

Attending any education level -1.174*** -0.162*** 0.582*** 0.031*** -0.295* -0.033* 2.036*** 0.199***

(0.102) (0.014) (0.191) (0.010) (0.162) (0.018) (0.227) (0.021)

Language most spoken at home (relative to Spanish)

Guaraní 0.270** 0.038** 0.511*** 0.026*** -0.541*** -0.061*** 0.319 0.031

(0.106) (0.015) (0.186) (0.010) (0.148) (0.017) (0.203) (0.020)

Guaraní and Spanish 0.167* 0.024* 0.105 0.006 -0.112 -0.013 0.058 0.006

(0.089) (0.013) (0.172) (0.011) (0.118) (0.014) (0.181) (0.019)

Other -0.068 -0.010 1.170*** 0.047*** 0.599** 0.074** 0.920** 0.075***

(0.158) (0.023) (0.372) (0.012) (0.250) (0.032) (0.393) (0.027)

Highest education level (relative to incomplete primary or less)

Primary complete 0.343*** 0.055*** -0.350 -0.020 0.619*** 0.051*** -0.540** -0.043**

(0.104) (0.017) (0.227) (0.013) (0.232) (0.018) (0.232) (0.018)

Secondary incomplete 0.357*** 0.057*** -0.213 -0.011 1.388*** 0.134*** -0.506** -0.040**

(0.111) (0.018) (0.200) (0.010) (0.228) (0.019) (0.231) (0.017)

Secondary complete 0.824*** 0.125*** -0.025 -0.001 1.892*** 0.199*** -0.635** -0.052***

(0.121) (0.018) (0.220) (0.011) (0.234) (0.021) (0.250) (0.020)

Tertiary incomplete 1.312*** 0.186*** -0.237 -0.013 2.687*** 0.316*** -1.331*** -0.133***

(0.144) (0.019) (0.241) (0.013) (0.253) (0.027) (0.278) (0.028)

Tertiary complete 1.985*** 0.253*** 0.382 0.016 2.781*** 0.330*** -1.268*** -0.125***

(0.172) (0.019) (0.331) (0.013) (0.255) (0.028) (0.364) (0.042)

Logit estimates and Average Marginal Effects (AME), Age 15+, 2015

Inactive (0)

to Active (1)

Unemployed (0)

to Employed (1)

Informal (0)

to Formal (1)

Unemployed (0)

to inactive (1)

75


(1) (2) (3) (4) (5) (6) (7) (8)

Household size -0.027 -0.004 0.001 0.000 -0.025 -0.003 0.038 0.004

(0.029) (0.004) (0.050) (0.003) (0.043) (0.005) (0.057) (0.006)

Number children younger than 13 in hh -0.015 -0.002 0.020 0.001 0.045 0.005 0.003 0.000

(0.044) (0.006) (0.079) (0.004) (0.067) (0.007) (0.087) (0.009)

Number youth in hh 0.149*** 0.021*** -0.012 -0.001 -0.003 -0.000 -0.175** -0.017**

(0.042) (0.006) (0.072) (0.004) (0.066) (0.007) (0.076) (0.007)

Number elder age>=60 in hh -0.037 -0.005 -0.247** -0.013** -0.032 -0.004 -0.082 -0.008

(0.059) (0.008) (0.110) (0.006) (0.093) (0.010) (0.109) (0.011)

Urban -0.050 -0.007 -0.498*** -0.027*** 0.251** 0.028** -0.388*** -0.038***

(0.073) (0.010) (0.139) (0.007) (0.127) (0.014) (0.146) (0.014)

Region (relative to Asunción)

San Pedro 0.153 0.021 -0.283 -0.012 -0.925*** -0.104*** -0.526* -0.046

(0.149) (0.021) (0.282) (0.013) (0.209) (0.023) (0.317) (0.029)

Caaguazú 0.006 0.001 0.480 0.015 -0.942*** -0.106*** 0.605* 0.037*

(0.136) (0.019) (0.311) (0.009) (0.186) (0.021) (0.330) (0.020)

Itapúa 0.308* 0.042* -0.189 -0.008 -0.294 -0.035 -0.561* -0.050

(0.161) (0.022) (0.322) (0.014) (0.216) (0.026) (0.338) (0.032)

Alto Paraná 0.130 0.018 -1.179*** -0.075*** -0.473*** -0.056*** -1.164*** -0.123***

(0.122) (0.017) (0.221) (0.014) (0.167) (0.020) (0.246) (0.024)

Central 0.111 0.015 -0.341 -0.015 -0.330** -0.039** -0.479* -0.042**

(0.120) (0.017) (0.219) (0.009) (0.154) (0.019) (0.246) (0.021)

Rest -0.042 -0.006 -0.382* -0.017** -0.549*** -0.064*** -0.340 -0.028

(0.110) (0.016) (0.197) (0.008) (0.138) (0.017) (0.226) (0.018)

Secondary sector (relative to Retail)

Agriculture, cattle and fishing -1.286*** -0.147***

(0.260) (0.026)

Manufacture and mining -0.050 -0.007

(0.139) (0.019)

Logit estimates and Average Marginal Effects (AME), Age 15+, 2015 (continued)

Inactive (0)

to Active (1)

Unemployed (0)

to Employed (1)

Informal (0)

to Formal (1)

Unemployed (0)

to inactive (1)

76


(1) (2) (3) (4) (5) (6) (7) (8)

Electricity, gas and water 0.413 0.057

(0.418) (0.060)

Construction -1.015*** -0.121***

(0.218) (0.024)

Transport and communication 0.042 0.006

(0.211) (0.028)

Finance and real state 0.221 0.030

(0.190) (0.026)

Govt/public administration 1.063*** 0.155***

(0.188) (0.029)

Other services -0.801*** -0.098***

(0.154) (0.018)

Firm size (relative to [2-5])

Alone -0.470*** -0.052***

(0.138) (0.015)

[6-10] 0.661*** 0.085***

(0.141) (0.019)

[11-20] 0.991*** 0.132***

(0.164) (0.023)

[21-50] 1.404*** 0.194***

(0.158) (0.023)

[50+] 1.731*** 0.243***

(0.175) (0.026)

Constant -5.827*** -1.810** -8.121*** 4.919***

(0.427) (0.861) (0.875) (0.969)

Weighted observations 15893 15893 11479 11479 10248 10248 5164 5164

Pseudo R^2 0.267 0.106 0.411 0.189

Logit estimates and Average Marginal Effects (AME), Age 15+, 2015 (continued)

Inactive (0)

to Active (1)

Unemployed (0)

to Employed (1)

Informal (0)

to Formal (1)

Unemployed (0)

to inactive (1)

77

Tabla B2

Logit regressions from Panel Data, Age 15+, Estimates and Average Marginal Effects (AME), quarterly transitions


Male 0.671*** 0.119*** 0.926*** 0.147*** -0.452*** -0.026*** -0.527*** -0.115***

(0.087) (0.015) (0.077) (0.012) (0.116) (0.007) (0.186) (0.040)

Age group (relative to [15-19])

[20-24] 0.242* 0.045* 0.377*** 0.057*** 0.500** 0.024** -0.180 -0.039

(0.125) (0.024) (0.111) (0.017) (0.231) (0.010) (0.208) (0.045)

[25-29] 0.416** 0.080** 0.760*** 0.126*** 0.755*** 0.039*** 0.058 0.013

(0.169) (0.034) (0.150) (0.026) (0.257) (0.012) (0.327) (0.072)

[30-34] 0.043 0.008 0.714*** 0.117*** 0.820*** 0.043*** 0.037 0.008

(0.191) (0.034) (0.168) (0.030) (0.279) (0.014) (0.372) (0.082)

[35-39] -0.187 -0.031 0.255 0.037 0.457 0.021 -0.075 -0.016

(0.193) (0.032) (0.177) (0.027) (0.289) (0.013) (0.467) (0.102)

[40-44] -0.018 -0.003 0.708*** 0.116*** 0.779*** 0.040*** 0.482 0.107

(0.197) (0.034) (0.179) (0.032) (0.288) (0.015) (0.565) (0.124)

[45-49] -0.298 -0.049* 0.282 0.041 0.912*** 0.049*** -0.203 -0.044

(0.185) (0.029) (0.175) (0.027) (0.290) (0.015) (0.569) (0.123)

[50-54] -0.433 -0.069 0.060 0.008 0.993* 0.054 0.605 0.133

(0.295) (0.042) (0.265) (0.037) (0.514) (0.033) (0.711) (0.154)

[55-59]

60 or more

Attending any education level -1.032*** -0.184*** -0.844*** -0.134*** 0.227 0.013 0.806*** 0.176***

(0.126) (0.022) (0.113) (0.018) (0.172) (0.010) (0.255) (0.054)


Primary complete 0.021 0.004 -0.056 -0.009 0.138 0.007 -0.060 -0.013

(0.187) (0.033) (0.175) (0.028) (0.394) (0.020) (0.586) (0.130)

Secondary incomplete -0.179 -0.031 -0.184 -0.029 0.089 0.005 -0.022 -0.005

(0.172) (0.030) (0.161) (0.026) (0.384) (0.020) (0.521) (0.115)

Secondary complete -0.025 -0.004 -0.101 -0.016 0.340 0.019 -0.536 -0.120

(0.175) (0.031) (0.163) (0.026) (0.380) (0.020) (0.527) (0.117)

Tertiary incomplete 0.481** 0.094*** 0.226 0.038 0.332 0.018 -1.169** -0.255**

(0.192) (0.036) (0.178) (0.030) (0.397) (0.021) (0.556) (0.120)

Tertiary complete 0.462** 0.090** 0.322 0.056 0.311 0.017 -0.992 -0.219*

(0.229) (0.045) (0.204) (0.035) (0.402) (0.021) (0.604) (0.131)

2010-2014

Active if started as

Inactive

Employed if

started as

Unemployed or

Inactive

Formal if started as

Informal

Inactive if started

as Unemployed

78



Household size 0.006 0.001 -0.032 -0.005 0.111* 0.006* -0.066 -0.014

(0.037) (0.007) (0.033) (0.005) (0.060) (0.004) (0.076) (0.017)

Number children younger than 14 in hh-0.023 -0.004 0.077* 0.012* -0.180** -0.010** 0.082 0.018

(0.050) (0.009) (0.047) (0.007) (0.083) (0.005) (0.128) (0.028)

Number youth in hh 0.020 0.004 0.087* 0.014* -0.048 -0.003 0.039 0.008

(0.055) (0.010) (0.049) (0.008) (0.090) (0.005) (0.113) (0.025)

Number elder age>=60 in hh 0.011 0.002 -0.040 -0.006 -0.185* -0.011* 0.188 0.041

(0.065) (0.012) (0.063) (0.010) (0.103) (0.006) (0.154) (0.033)

Job Tenure 0.005 0.000

(0.010) (0.001)


Agriculture, cattle and fishing -0.428 -0.026

(0.539) (0.029)

Manufacture and mining 0.002 0.000

(0.171) (0.011)

Electricity, gas and water 0.316 0.022

(0.683) (0.051)

Construction -1.274*** -0.062***

(0.341) (0.013)

Transport and communication -0.125 -0.008

(0.232) (0.015)

Finance and real state 0.093 0.006

(0.199) (0.013)

Govt/public administration -1.563*** -0.070***

(0.213) (0.009)

Other services 0.198 0.014

(0.156) (0.011)

Firm size at time t (relative to [2-5])

Alone -1.784*** -0.017***

(0.416) (0.003)

[6-10] 1.308*** 0.050***

(0.212) (0.010)

[11-20] 1.858*** 0.094***

(0.224) (0.016)

[21-50] 2.123*** 0.123***

(0.224) (0.019)

[50+] 3.575*** 0.370***

(0.183) (0.020)

2010-2014


Inactive

Employed if

started as

Unemployed or

Inactive


Informal

Inactive if started

as Unemployed

79



Year-quarter (relative to 2010q2)

2010q3 -0.249 -0.046 -0.324* -0.057* -0.404 -0.025 -0.226 -0.050

(0.184) (0.034) (0.169) (0.030) (0.268) (0.017) (0.471) (0.104)

2010q4 -0.019 -0.004 -0.098 -0.018 -0.735** -0.042** -0.362 -0.081

(0.186) (0.036) (0.167) (0.031) (0.294) (0.017) (0.456) (0.102)

2011q1 0.020 0.004 -0.473*** -0.081*** -0.095 -0.006 -0.083 -0.018

(0.184) (0.036) (0.177) (0.030) (0.261) (0.017) (0.450) (0.098)

2011q2 -0.132 -0.025 -0.137 -0.025 -0.293 -0.019 -0.489 -0.110

(0.326) (0.061) (0.283) (0.051) (0.416) (0.026) (0.613) (0.139)

2011q3 -0.335* -0.061* -0.579*** -0.096*** -0.689** -0.040** -0.973** -0.222**

(0.202) (0.037) (0.185) (0.031) (0.310) (0.018) (0.454) (0.100)

2011q4 -0.162 -0.031 -0.344* -0.060* -0.761*** -0.043** -0.365 -0.082

(0.191) (0.036) (0.180) (0.031) (0.294) (0.017) (0.461) (0.103)

2012q1 -0.246 -0.046 -0.679*** -0.110*** -0.155 -0.010 -2.090*** -0.438***

(0.198) (0.037) (0.194) (0.031) (0.285) (0.019) (0.530) (0.095)

2012q2 -0.165 -0.031 -0.477*** -0.081*** -0.451 -0.028 -0.826* -0.188**

(0.192) (0.036) (0.177) (0.030) (0.310) (0.019) (0.428) (0.095)

2012q3 -0.412 -0.074 -0.396* -0.069* 0.156 0.011 -1.306** -0.295**

(0.265) (0.046) (0.234) (0.039) (0.393) (0.028) (0.652) (0.138)

2012q4 -0.197 -0.037 -0.427** -0.073** -0.113 -0.007 -0.912** -0.208**

(0.198) (0.037) (0.183) (0.031) (0.311) (0.021) (0.453) (0.100)

2013q1 -0.187 -0.035 -0.499*** -0.084*** -0.309 -0.020 -1.191*** -0.270***

(0.201) (0.038) (0.188) (0.032) (0.308) (0.019) (0.451) (0.097)

2013q2 -0.194 -0.036 -0.189 -0.034 0.003 0.000 -0.826* -0.188*

(0.197) (0.037) (0.177) (0.032) (0.278) (0.019) (0.451) (0.100)

2013q3 -0.216 -0.040 -0.368** -0.064** -0.545* -0.033* -0.878** -0.200**

(0.195) (0.036) (0.179) (0.031) (0.279) (0.017) (0.445) (0.099)

2013q4 -0.409* -0.073* -0.587*** -0.097*** -0.318 -0.020 -1.560*** -0.346***

(0.229) (0.040) (0.202) (0.033) (0.298) (0.019) (0.543) (0.110)

2014q1 -0.158 -0.030 -0.466** -0.080** -0.405 -0.025 -1.515*** -0.337***

(0.202) (0.038) (0.184) (0.031) (0.305) (0.019) (0.495) (0.102)

2014q2 -0.713*** -0.119*** -0.578*** -0.096*** -0.014 -0.001 -1.352*** -0.304***

(0.219) (0.036) (0.193) (0.032) (0.274) (0.019) (0.464) (0.098)

2014q3 -0.242 -0.045 -0.438** -0.075** 0.040 0.003 -0.865** -0.197**

(0.207) (0.038) (0.191) (0.032) (0.291) (0.020) (0.423) (0.093)

2014q4 -0.213 -0.040 -0.248 -0.044 -0.739** -0.042** -0.645 -0.146

(0.205) (0.038) (0.180) (0.032) (0.322) (0.018) (0.457) (0.102)

Year-quarter (relative to 2015q2)

2015q3

2015q4

Constant -0.693*** -1.208*** -4.421*** 1.220*

(0.250) (0.234) (0.510) (0.636)

Weighted Observations 5481 5481 6989 6989 7476 7476 893 893

Pseudo R sq 0.058 0.073 0.300 0.089

2010-2014


Inactive

Employed if

started as

Unemployed or

Inactive


Informal

Inactive if started

as Unemployed

80

Logit regressions from Panel Data, Age 15+, Estimates and Average Marginal Effects (AME), quarterly transitionsNotes

As RUC data unavai lable for years 2010-2011 but pens ion contributions avai lable for a l l years then formal i ty defini tion is

changed for ECE panel dataset. Formal i f (i ) wage employees contributing to a pens ion fund, (i i ) employers contributing to a

pens ion fund, (i i i ) sel f-employed and domestic workers contributing to a pens ion fund; Informal i f (i )

farmers/herders/fisherman (sel f-employed or employer not contributing to pens ion fund), (i i ) unpaid fami ly worker, (i i i ) sel f-

employed, employee or employer not contributing to a pens ion fund, (iv) wage employees not contributing to a pens ion fund

and (v) domestic workers not contributing to a pens ion fund.

Language spoken dropped for clari ty of expos i tion. Regress ion sample too smal l . Language groups generate biased estimates .

Data description. Total observations 62957, individuals 19150, Quarters 20, Years 2010-2014. Geographica l ly i t covers Asunción

and Urban areas in the Centra l department, which represents about 40% of the National workforce and a l i ttle more than 60% of

urban workforce. Unbalanced panel : data not avai lable for a l l quarters for a l l individuals .

Weighted Logit regress ions from Panel Data.

Standard errors in parentheses .* p<0.1 ** p<0.05 *** p<0.01

Incomplete primary or less i f less than 6 years of education; Primary complete i f with 6 years of education and not enrol led;

Secondary incomplete i f with 6 years of education and enrol led or has (6-12) years of education; Secondary complete i f with 12

years of education and not enrol led; Tertiary incomplete i f with 12 years of education and enrol led or has (12-16) years of

education; Tertiary complete i f with more than 15 years of education. Years of education ca lculated by Paraguay's Statis tica l

Department (DGEEC).

81

Tabla B3


(1) (2) (3) (4) (5) (6) (7) (8)

Age 0.231*** 0.012*** 0.592*** 0.017*** 0.253*** 0.010*** 0.254*** 0.009***

(0.026) (0.001) (0.045) (0.001) (0.054) (0.001) (0.042) (0.001)

Age^2 -0.003*** -0.008*** -0.002*** -0.003***

(0.000) (0.001) (0.001) (0.001)

Attending any education level -0.503*** -0.102*** -1.607*** -0.116*** -0.002 -0.000 -0.200 -0.024

(0.104) (0.021) (0.137) (0.010) (0.185) (0.020) (0.159) (0.019)


Guaraní -0.098 -0.020 0.440*** 0.032*** -0.290* -0.031* -0.481*** -0.059***

(0.099) (0.020) (0.165) (0.012) (0.164) (0.018) (0.142) (0.018)

Guaraní and Spanish -0.018 -0.004 0.156 0.012 -0.003 -0.000 -0.099 -0.013

(0.086) (0.017) (0.129) (0.010) (0.132) (0.014) (0.111) (0.014)

Other -0.598*** -0.124*** -0.383 -0.032 -0.784** -0.080** 0.506 0.068

(0.167) (0.035) (0.401) (0.035) (0.393) (0.038) (0.308) (0.043)


Primary complete 0.046 0.010 0.650*** 0.052*** 0.975*** 0.072*** 0.446** 0.045**

(0.096) (0.021) (0.234) (0.019) (0.305) (0.022) (0.201) (0.020)

Secondary incomplete 0.143 0.032 0.650*** 0.052*** 1.507*** 0.127*** 0.885*** 0.096***

(0.099) (0.022) (0.198) (0.016) (0.284) (0.021) (0.192) (0.019)

Secondary complete 0.497*** 0.109*** 0.627*** 0.050*** 2.148*** 0.205*** 1.460*** 0.174***

(0.114) (0.025) (0.227) (0.019) (0.282) (0.022) (0.193) (0.020)

Tertiary incomplete 0.882*** 0.187*** 0.897*** 0.069*** 2.811*** 0.298*** 2.039*** 0.262***

(0.126) (0.026) (0.244) (0.019) (0.289) (0.025) (0.212) (0.025)

Tertiary complete 1.608*** 0.308*** 0.757** 0.059** 2.974*** 0.322*** 2.057*** 0.265***

(0.154) (0.026) (0.302) (0.023) (0.291) (0.026) (0.219) (0.027)

Household size -0.037 -0.008 -0.052 -0.004 0.022 0.002 -0.037 -0.005

(0.030) (0.006) (0.046) (0.003) (0.057) (0.006) (0.048) (0.006)

Number children younger than 13 in hh -0.073* -0.015* 0.292*** 0.021*** -0.177** -0.019** 0.023 0.003

(0.043) (0.009) (0.073) (0.005) (0.086) (0.009) (0.069) (0.008)

Number youth in hh 0.084** 0.017** 0.050 0.004 -0.049 -0.005 0.053 0.006

(0.042) (0.008) (0.065) (0.005) (0.079) (0.008) (0.069) (0.008)

Number elder age>=60 in hh 0.074 0.015 -0.189** -0.014** -0.275** -0.029** -0.051 -0.006

(0.061) (0.012) (0.086) (0.006) (0.113) (0.012) (0.093) (0.011)


Female Male

Inactive (0)

to Employed (1)

Informal (0)

to Formal (1)

Female Male

82


(1) (2) (3) (4) (5) (6) (7) (8)

Urban 0.195*** 0.039*** -0.387*** -0.028*** 0.265* 0.028* 0.115 0.014

(0.072) (0.015) (0.123) (0.009) (0.144) (0.015) (0.117) (0.014)


San Pedro -0.471*** -0.095*** 0.092 0.007 0.134 0.015 -0.293 -0.035

(0.155) (0.031) (0.240) (0.018) (0.279) (0.031) (0.249) (0.029)

Caaguazú -0.347** -0.070** -0.284 -0.023 -0.497** -0.054** -0.424* -0.049*

(0.146) (0.029) (0.220) (0.018) (0.249) (0.027) (0.236) (0.027)

Itapúa 0.059 0.011 0.490** 0.034** 0.015 0.002 0.406** 0.052**

(0.139) (0.027) (0.201) (0.014) (0.228) (0.025) (0.190) (0.024)

Alto Paraná -0.320*** -0.064*** 0.162 0.012 -0.227 -0.025 -0.013 -0.002

(0.123) (0.024) (0.179) (0.013) (0.195) (0.021) (0.172) (0.021)

Central -0.220* -0.044* 0.182 0.013 -0.446** -0.048** 0.306* 0.039*

(0.125) (0.025) (0.171) (0.013) (0.188) (0.020) (0.164) (0.020)

Rest -0.320*** -0.064*** 0.116 0.009 -0.382** -0.041** -0.190 -0.023

(0.115) (0.023) (0.160) (0.012) (0.175) (0.019) (0.158) (0.019)


Agriculture, cattle and fishing -1.904*** -0.188*** -1.431*** -0.175***

(0.309) (0.024) (0.174) (0.019)

Manufacture and mining 0.102 0.013 0.093 0.014

(0.201) (0.026) (0.128) (0.019)

Electricity, gas and water 0.305 0.040 -0.184 -0.027

(0.881) (0.117) (0.456) (0.065)

Construction 0.757 0.102 -1.197*** -0.152***

(0.660) (0.094) (0.171) (0.020)

Transport and communication 0.526 0.070 -0.177 -0.026

(0.458) (0.063) (0.178) (0.026)

Finance and real state 0.685*** 0.092*** 0.426** 0.066**

(0.213) (0.030) (0.180) (0.029)

Govt/public administration 0.421** 0.055** 0.765*** 0.122***

(0.196) (0.027) (0.180) (0.030)

Other services -0.868*** -0.099*** -0.821*** -0.110***

(0.165) (0.018) (0.227) (0.027)


Female Male

Inactive (0)

to Employed (1)

Informal (0)

to Formal (1)

Female Male

83


(1) (2) (3) (4) (5) (6) (7) (8)


Alone -0.537*** -0.059*** -0.272** -0.031**

(0.167) (0.018) (0.134) (0.015)

[6-10] 0.832*** 0.112*** 0.663*** 0.089***

(0.194) (0.027) (0.132) (0.018)

[11-20] 1.257*** 0.175*** 0.907*** 0.125***

(0.197) (0.029) (0.151) (0.022)

[21-50] 1.768*** 0.254*** 1.441*** 0.208***

(0.210) (0.032) (0.157) (0.024)

[50+] 1.869*** 0.270*** 2.004*** 0.299***

(0.214) (0.033) (0.163) (0.026)

Constant -3.621*** -7.322*** -8.479*** -7.412***

(0.440) (0.708) (0.984) (0.773)

Weighted observations 9053 9053 9154 9154 5141 5141 7687 7687

Pseudo R^2 0.129 0.375 0.428 0.361Notes

Logit regressions with weighted observations

Standard errors in parentheses.* p<0.1 ** p<0.05 *** p<0.01

Govt/public administration and Firm size [21-50] not estimable as perfectly predict formality.

Alone category in Firm size includes self-employed and domestic employees.

(+) Not estimable as perfectly predicts zero.

Source: Own calculations based on SEDLAC data.


Incomplete primary or less if less than 6 years of education; Primary complete if with 6 years of education and not enrolled; Secondary incomplete if with 6 years of education and enrolled or has (6-12) years of education;

Secondary complete if with 12 years of education and not enrolled; Tertiary incomplete if with 12 years of education and enrolled or has (12-16) years of education; Tertiary complete if with more than 15 years of

education.

Formal if (i) wage employees contributing to Social Security, (ii) employers of a registered firm (RUC), (iii) self-employed workers with a registered firm (RUC); Informal if (i) farmers/herders/fisherman (self-employed or

employer of firm with no RUC), (ii) unpaid family worker, (iii) self-employed, employee or employer of firm with no RUC, (iv) wage employees not contributing to Social Security.

Female Male

Inactive (0)

to Employed (1)

Informal (0)

to Formal (1)

Female Male

84

Tabla B4

Salarios promedio por estatus laboral, sector y nivel de educación (USD PPA 2005), Edad 15+, 2016, Trabajadores a tiempo completo

Salario mensual Salario por hora

Estatus laboral Sector Nivel de Educación Mujer Hombre Mujer Hombre

Agricultor 250.2 413.6 1.35 2.00

Empleador 1119.1 1605.7 4.68 7.12

Autónomo (no agricultor) 493.9 608.7 2.12 2.65

Salario informal 443.8 583.6 2.10 2.66

Salario formal privado 720.0 781.4 3.58 3.54

Salario formal público 995.0 1023.6 5.35 5.05

Agricultura, ganadería y pesca 309.9 578.8 1.58 2.66

Manufactura y minería 540.8 690.3 2.45 3.09

Electricidad, gas y agua 1663.3 1529.2 9.48 7.96

Construcción 625.3 591.8 3.35 2.81

Sector comercio, restaurantes y hoteles

536.5 670.8 2.30 2.87

Transporte y comunicaciones 691.9 786.9 3.42 3.39

Finanzas y bienes inmuebles 856.8 858.5 4.37 4.14

Gobierno/administración pública 931.3 983.3 5.03 4.87

Otros servicios 457.8 1014.2 2.18 4.64

de los cuales trabajadores domésticos

304.1 424.7 2.00 2.29

Primaria incompleta o menos 322.0 481.1 1.41 2.15

Primaria completa 401.4 579.0 1.73 2.57

Secundaria incompleta 419.1 618.0 1.84 2.74

Secundaria completa 516.3 627.9 2.30 2.77

Educación terciaria incompleta 602.1 947.5 2.87 4.37

Educación terciaria completa 1043.7 1425.9 5.49 7.01

Fuente: Datos de EPH

85

Tabla B5

Mincer Regressions, OLS, Dep. variable Log Monthly real wage (2005 USD PPP), Paid workers age 15+, 2015

(1) (2) (3) (4) (5)

Experience 0.042*** 0.053*** 0.047*** 0.047*** 0.038***

(0.003) (0.003) (0.003) (0.003) (0.003)

Experience^2 -0.000*** -0.001*** -0.001*** -0.001*** -0.000***

(0.000) (0.000) (0.000) (0.000) (0.000)

Male 0.426*** 0.469*** 0.423*** 0.320*** 0.397***

(0.021) (0.021) (0.024) (0.022) (0.023)

Formal 0.536*** 0.417*** 0.477***

(0.023) (0.027) (0.026)

Public 0.228***

(0.027)

Job tenure (years) -0.002 -0.001 0.006*** -0.002* 0.004***

(0.001) (0.001) (0.002) (0.001) (0.001)


Guaraní -0.280*** -0.357*** -0.266*** -0.270*** -0.212***

(0.039) (0.040) (0.040) (0.039) (0.039)

Guaraní and Spanish -0.035 -0.071*** -0.079*** -0.037 -0.050*

(0.026) (0.026) (0.026) (0.026) (0.025)

Other 0.511*** 0.505*** 0.606*** 0.499*** 0.604***

(0.072) (0.076) (0.074) (0.071) (0.071)

Does not speak -0.051 0.154*** 0.201*** -0.204** 0.012

(0.109) (0.044) (0.043) (0.088) (0.098)


Primary complete 0.134*** 0.157*** 0.101** 0.113*** 0.088**

(0.043) (0.043) (0.041) (0.041) (0.041)

Secondary incomplete 0.280*** 0.363*** 0.257*** 0.269*** 0.196***

(0.048) (0.049) (0.048) (0.047) (0.047)

Secondary complete 0.457*** 0.610*** 0.476*** 0.427*** 0.360***

(0.050) (0.051) (0.055) (0.051) (0.052)

Tertiary incomplete 0.631*** 0.851*** 0.694*** 0.543*** 0.511***

(0.053) (0.054) (0.057) (0.054) (0.055)

Tertiary complete 0.928*** 1.198*** 1.024*** 0.854*** 0.799***

(0.055) (0.056) (0.059) (0.056) (0.058)


San Pedro -0.435*** -0.522*** -0.366*** -0.443*** -0.301***

(0.050) (0.052) (0.051) (0.050) (0.050)

Caaguazú -0.371*** -0.454*** -0.366*** -0.393*** -0.300***

(0.044) (0.047) (0.045) (0.045) (0.043)

Itapúa -0.203*** -0.259*** -0.214*** -0.216*** -0.172***

(0.052) (0.054) (0.053) (0.051) (0.052)

Alto Paraná -0.064* -0.107*** -0.120*** -0.099*** -0.078**

(0.036) (0.037) (0.036) (0.037) (0.035)

Central -0.090*** -0.108*** -0.109*** -0.127*** -0.093***

(0.033) (0.034) (0.034) (0.034) (0.032)

Rest -0.323*** -0.388*** -0.313*** -0.349*** -0.263***

(0.031) (0.033) (0.032) (0.032) (0.030)

86

Mincer Regressions, OLS, Dep. variable Log Monthly real wage (2005 USD PPP), Paid workers age 15+, 2015

(1) (2) (3) (4) (5)

Sector (relative to Retail)

Agriculture, cattle and fishing -0.619*** -0.552***

(0.051) (0.050)

Manufacture and mining 0.014 -0.007

(0.036) (0.035)

Electricity, gas and water 0.544*** 0.429***

(0.091) (0.088)

Construction 0.122*** 0.187***

(0.036) (0.036)

Transport and communication 0.206*** 0.176***

(0.043) (0.044)

Finance and real state 0.107** 0.067

(0.043) (0.042)

Govt/public administration 0.175*** 0.028

(0.031) (0.031)

Other services -0.196*** -0.124***

(0.033) (0.033)


Alone -0.381***

(0.030)

[6-10] 0.165***

(0.029)

[11-20] 0.161***

(0.035)

[21-50] 0.087***

(0.032)

[50+] 0.124***

(0.035)

Constant 4.741*** 4.614*** 4.845*** 4.854*** 4.923***

(0.088) (0.092) (0.097) (0.094) (0.092)

Weighted observations 11838 11845 11845 11319 11838

R sq 0.384 0.345 0.387 0.419 0.417Notes

OLS regress ions with robust s tandard errors and income weights .


Experience = Age - Years of education + 6

Tenure defined as number of years in main occupation.

To explore for selection bias we estimated Heckman models . Results are identica l to OLS and can be suppl ied by request.

Source: Staff ca lculations based on EPH data.

Wages ca lculated as average of monthly earnings from main occupation transformed in 2005 USD PPP us ing SEDLAC CPI

and PPP convers ion factors . Include monetary income and a l l other income related with the job, l ike bonuses and

impl ici t rent/food/uni form va lue, received regularly. Transformed in 2005 USD PPP us ing SEDLAC CPI and PPP convers ion

factors .

Formal i f (i ) wage employees contributing to Socia l Securi ty, (i i ) employers of a regis tered fi rm (RUC), (i i i ) sel f-employed

workers with a regis tered fi rm (RUC); Informal i f (i ) farmers/herders/fisherman (sel f-employed or employer of fi rm with

no RUC), (i i ) unpaid fami ly worker, (i i i ) sel f-employed, employee or employer of fi rm with no RUC, (iv) wage employees

not contributing to Socia l Securi ty.

Incomplete primary or less i f less than 6 years of education; Primary complete i f with 6 years of education and not

enrol led; Secondary incomplete i f with 6 years of education and enrol led or has (6-12) years of education; Secondary

complete i f with 12 years of education and not enrol led; Tertiary incomplete i f with 12 years of education and enrol led or

has (12-15) years of education; Tertiary complete i f with more than 15 years of education.

87

Tabla B6

Mincer Regressions, OLS, Dep. variable Log hourly real wage (2005 USD PPP), full-time wage workers age 15+, 2015

(1) (2) (3) (4) (5)

Experience 0.033*** 0.038*** 0.036*** 0.033*** 0.030***

(0.004) (0.004) (0.004) (0.004) (0.004)

Experience^2 -0.000*** -0.000*** -0.000*** -0.000*** -0.000***

(0.000) (0.000) (0.000) (0.000) (0.000)

Male 0.193*** 0.211*** 0.138*** 0.144*** 0.138***

(0.020) (0.020) (0.023) (0.024) (0.022)

Formal 0.274*** 0.194*** 0.235***

(0.022) (0.026) (0.023)

Public 0.239***

(0.030)

Job tenure (years) 0.010*** 0.010*** 0.010*** 0.010*** 0.009***

(0.002) (0.002) (0.002) (0.002) (0.002)


Guaraní -0.145*** -0.179*** -0.175*** -0.116*** -0.151***

(0.032) (0.033) (0.032) (0.034) (0.032)

Guaraní and Spanish -0.112*** -0.134*** -0.132*** -0.092*** -0.118***

(0.024) (0.025) (0.024) (0.026) (0.024)

Other 0.278*** 0.258*** 0.283*** 0.297*** 0.302***

(0.074) (0.081) (0.085) (0.073) (0.078)

Does not speak -0.234*** -0.061 -0.056 -0.347*** -0.179***

(0.048) (0.050) (0.044) (0.048) (0.037)


Primary complete 0.052 0.076* 0.074* 0.055 0.060

(0.040) (0.040) (0.040) (0.041) (0.040)

Secondary incomplete 0.116*** 0.164*** 0.158*** 0.117*** 0.119***

(0.040) (0.041) (0.042) (0.042) (0.040)

Secondary complete 0.287*** 0.367*** 0.360*** 0.285*** 0.289***

(0.043) (0.044) (0.044) (0.045) (0.043)

Tertiary incomplete 0.506*** 0.584*** 0.569*** 0.490*** 0.468***

(0.046) (0.047) (0.047) (0.047) (0.047)

Tertiary complete 0.865*** 0.952*** 0.913*** 0.838*** 0.804***

(0.051) (0.053) (0.054) (0.054) (0.053)


San Pedro -0.251*** -0.317*** -0.283*** -0.271*** -0.248***

(0.047) (0.048) (0.047) (0.048) (0.046)

Caaguazú -0.255*** -0.309*** -0.292*** -0.268*** -0.256***

(0.044) (0.046) (0.045) (0.046) (0.043)

Itapúa -0.145*** -0.172*** -0.173*** -0.153*** -0.152***

(0.048) (0.047) (0.046) (0.049) (0.046)

Alto Paraná -0.066* -0.083** -0.073** -0.092** -0.051

(0.034) (0.035) (0.034) (0.036) (0.033)

Central -0.072** -0.078** -0.071** -0.111*** -0.063**

(0.032) (0.033) (0.033) (0.034) (0.032)

Rest -0.148*** -0.185*** -0.166*** -0.178*** -0.143***

(0.031) (0.032) (0.031) (0.033) (0.030)

88

Mincer Regressions, OLS, Dep. variable Log hourly real wage (2005 USD PPP), full-time wage workers age 15+, 2015

(1) (2) (3) (4) (5)

Sector (relative to Retail)

Agriculture, cattle and fishing -0.026 -0.007

(0.038) (0.037)

Manufacture and mining 0.098*** 0.081***

(0.030) (0.029)

Electricity, gas and water 0.567*** 0.518***

(0.102) (0.100)

Construction 0.160*** 0.189***

(0.035) (0.036)

Transport and communication 0.143*** 0.128***

(0.048) (0.048)

Finance and real state 0.100** 0.079*

(0.043) (0.041)

Govt/public administration 0.280*** 0.223***

(0.032) (0.032)

Other services -0.129*** -0.090**

(0.035) (0.035)


Alone -0.127***

(0.040)

[6-10] 0.108***

(0.028)

[11-20] 0.174***

(0.035)

[21-50] 0.137***

(0.030)

[50+] 0.241***

(0.035)

Constant -0.043 -0.082 -0.048 -0.055 0.014

(0.077) (0.081) (0.083) (0.085) (0.081)

Weighted observations 5219 5219 5219 4812 5219

R sq 0.433 0.413 0.434 0.453 0.456Notes





To explore for selection bias we estimated Heckman models . Results are identica l to OLS and can be suppl ied by request.

Source: Staff ca lculations based on EPH data.

Wages ca lculated as average of monthly earnings from main occupation transformed in 2005 USD PPP us ing SEDLAC CPI and PPP

convers ion factors . Include monetary income and a l l other income related with the job, l ike bonuses and impl ici t

rent/food/uni form va lue, received regularly. Transformed in 2005 USD PPP us ing SEDLAC CPI and PPP convers ion factors .

Formal i f (i ) wage employees contributing to Socia l Securi ty, (i i ) employers of a regis tered fi rm (RUC), (i i i ) sel f-employed workers

with a regis tered fi rm (RUC); Informal i f (i ) farmers/herders/fisherman (sel f-employed or employer of fi rm with no RUC), (i i )

unpaid fami ly worker, (i i i ) sel f-employed, employee or employer of fi rm with no RUC, (iv) wage employees not contributing to

Socia l Securi ty.

Incomplete primary or less i f less than 6 years of education; Primary complete i f with 6 years of education and not enrol led;

Secondary incomplete i f with 6 years of education and enrol led or has (6-12) years of education; Secondary complete i f with 12

years of education and not enrol led; Tertiary incomplete i f with 12 years of education and enrol led or has (12-15) years of

education; Tertiary complete i f with more than 15 years of education.

89

Tabla B7

Mincer Regressions, OLS, Dependent variable Log monthly real wage (2005 USD PPP), Paid workers age 15+

Male Female Male Female Male Female Male Female Male Female

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

Experience 0.049*** 0.034*** 0.060*** 0.043*** 0.054*** 0.038*** 0.053*** 0.038*** 0.044*** 0.029***

(0.004) (0.005) (0.004) (0.005) (0.004) (0.005) (0.004) (0.005) (0.004) (0.005)

Experience^2 -0.001*** -0.000*** -0.001*** -0.000*** -0.001*** -0.000*** -0.001*** -0.000*** -0.000*** -0.000***

(0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000)

Formal 0.474*** 0.633*** 0.387*** 0.484*** 0.439*** 0.543***

(0.029) (0.040) (0.034) (0.045) (0.032) (0.042)

Public -0.002 -0.004* -0.002 -0.002 0.004* 0.010*** -0.002 -0.004** 0.002 0.007***

(0.002) (0.002) (0.002) (0.002) (0.002) (0.002) (0.002) (0.002) (0.002) (0.002)

Job tenure 0.128*** 0.325***

(years) (0.035) (0.043)

Language most spoken at home

(relative to Spanish)

Guaraní -0.289*** -0.276*** -0.368*** -0.340*** -0.283*** -0.244*** -0.262*** -0.271*** -0.222*** -0.204***

(0.051) (0.057) (0.053) (0.059) (0.053) (0.056) (0.051) (0.058) (0.051) (0.055)

Guaraní and Spanish -0.022 -0.047 -0.054* -0.094** -0.066** -0.098** -0.015 -0.053 -0.038 -0.066

(0.032) (0.042) (0.032) (0.043) (0.031) (0.042) (0.033) (0.042) (0.031) (0.041)

Other 0.563*** 0.337** 0.539*** 0.374** 0.649*** 0.438*** 0.568*** 0.324** 0.662*** 0.404***

(0.084) (0.137) (0.087) (0.153) (0.089) (0.134) (0.082) (0.138) (0.086) (0.126)

Does not speak -0.034 0.211*** 0.180*** -0.201 -0.034

(0.165) (0.076) (0.070) (0.143) (0.137)

Highest education level

(relative to incomplete primary or less)

Primary complete 0.099* 0.211*** 0.125** 0.226*** 0.080* 0.118 0.073 0.188** 0.062 0.117

(0.051) (0.076) (0.052) (0.078) (0.048) (0.077) (0.050) (0.074) (0.048) (0.075)

Secondary incomplete 0.232*** 0.391*** 0.313*** 0.465*** 0.229*** 0.293*** 0.230*** 0.356*** 0.168*** 0.237***

(0.060) (0.080) (0.061) (0.081) (0.060) (0.080) (0.059) (0.080) (0.059) (0.078)

Secondary complete 0.444*** 0.499*** 0.586*** 0.661*** 0.483*** 0.460*** 0.443*** 0.416*** 0.374*** 0.335***

(0.062) (0.084) (0.064) (0.085) (0.069) (0.085) (0.063) (0.084) (0.065) (0.084)

Tertiary incomplete 0.547*** 0.737*** 0.758*** 0.973*** 0.651*** 0.702*** 0.506*** 0.588*** 0.485*** 0.498***

(0.068) (0.085) (0.069) (0.086) (0.073) (0.087) (0.068) (0.085) (0.072) (0.086)

Tertiary complete 0.876*** 0.987*** 1.135*** 1.271*** 1.010*** 0.989*** 0.864*** 0.851*** 0.801*** 0.751***

(0.069) (0.089) (0.068) (0.091) (0.072) (0.091) (0.070) (0.089) (0.071) (0.091)

2015

90



(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

Region

(relative to Asunción)

San Pedro -0.432*** -0.449*** -0.513*** -0.532*** -0.368*** -0.362*** -0.437*** -0.456*** -0.300*** -0.318***

(0.063) (0.085) (0.064) (0.089) (0.065) (0.083) (0.063) (0.085) (0.063) (0.081)

Caaguazú -0.338*** -0.422*** -0.408*** -0.528*** -0.331*** -0.429*** -0.381*** -0.405*** -0.271*** -0.359***

(0.056) (0.073) (0.059) (0.077) (0.058) (0.071) (0.058) (0.073) (0.056) (0.069)

Itapúa -0.171** -0.256*** -0.215*** -0.333*** -0.184** -0.295*** -0.189*** -0.251*** -0.149** -0.248***

(0.074) (0.070) (0.076) (0.074) (0.076) (0.071) (0.073) (0.067) (0.074) (0.066)

Alto Paraná -0.017 -0.133** -0.057 -0.183*** -0.077* -0.180*** -0.065 -0.154** -0.038 -0.141**

(0.044) (0.060) (0.046) (0.063) (0.045) (0.060) (0.048) (0.060) (0.044) (0.058)

Central -0.084** -0.099* -0.088** -0.142** -0.105** -0.133** -0.157*** -0.090* -0.100** -0.106**

(0.042) (0.051) (0.043) (0.055) (0.043) (0.054) (0.044) (0.052) (0.042) (0.051)

Rest -0.302*** -0.357*** -0.353*** -0.446*** -0.286*** -0.377*** -0.343*** -0.354*** -0.244*** -0.321***

(0.041) (0.046) (0.043) (0.050) (0.043) (0.048) (0.043) (0.047) (0.041) (0.046)

Secondary sector

(relative to Retail)

Agriculture, cattle and fishing -0.472*** -1.100*** -0.412*** -1.015***

(0.059) (0.096) (0.058) (0.095)

Manufacture and mining 0.102** -0.175** 0.086** -0.200***

(0.040) (0.081) (0.039) (0.075)

Electricity, gas and water 0.558*** 0.531*** 0.471*** 0.353**

(0.110) (0.156) (0.105) (0.158)

Construction 0.160*** 0.254*** 0.226*** 0.272

(0.041) (0.081) (0.041) (0.179)

Transport and communication 0.240*** 0.116 0.230*** -0.009

(0.049) (0.107) (0.049) (0.108)

Finance and real state 0.129** 0.068 0.101** 0.007

(0.051) (0.078) (0.050) (0.077)

Govt/public administration 0.135*** 0.181*** 0.014 -0.002

(0.042) (0.049) (0.041) (0.049)

Other services -0.222*** -0.248*** -0.160*** -0.168***

(0.062) (0.041) (0.061) (0.041)

2015

91



(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

Firm size

(relative to [2-5])

Alone -0.404*** -0.343***

(0.042) (0.045)

[6-10] 0.195*** 0.101*

(0.034) (0.055)

[11-20] 0.209*** 0.104*

(0.043) (0.061)

[21-50] 0.091** 0.101*

(0.038) (0.056)

[50+] 0.105** 0.190***

(0.044) (0.057)

Constant 5.068*** 4.850*** 4.962*** 4.774*** 5.091*** 5.143*** 5.052*** 4.999*** 5.152*** 5.204***

(0.114) (0.126) (0.120) (0.132) (0.122) (0.136) (0.118) (0.132) (0.116) (0.132)

Weighted observations 7195 4643 7201 4644 7201 4644 6876 4443 7195 4643

R sq 0.356 0.409 0.322 0.362 0.365 0.420 0.395 0.438 0.393 0.456Notes





To explore for selection bias we a lso estimated Heckman models . Results are identica l to OLS and can be suppl ied by request.

Source: Own ca lculations based on EPH data.

2015

Wages ca lculated as average of monthly earnings from main occupation transformed in 2005 USD PPP us ing SEDLAC CPI and PPP convers ion factors .

Include monetary income and a l l other income related with the job, l ike bonuses and impl ici t rent/food/uni form value, received regularly.

Transformed in 2005 USD PPP us ing SEDLAC CPI and PPP convers ion factors .

Formal i f (i ) wage employees contributing to Socia l Securi ty, (i i ) employers of a regis tered fi rm (RUC), (i i i ) sel f-employed workers with a regis tered

fi rm (RUC); Informal i f (i ) farmers/herders/fisherman (sel f-employed or employer of fi rm with no RUC), (i i ) unpaid fami ly worker, (i i i ) sel f-

employed, employee or employer of fi rm with no RUC, (iv) wage employees not contributing to Socia l Securi ty.

Incomplete primary or less i f less than 6 years of education; Primary complete i f with 6 years of education and not enrol led; Secondary incomplete

i f with 6 years of education and enrol led or has (6-12) years of education; Secondary complete i f with 12 years of education and not enrol led;

Tertiary incomplete i f with 12 years of education and enrol led or has (12-15) years of education; Tertiary complete i f with more than 15 years of

education.

92

Tabla B8

Mincer Regressions, OLS, Dependent variable log monthly real wage (2005 USD PPP), full-time wage workers age 15+, 2015


(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

Experience 0.036*** 0.028*** 0.042*** 0.034*** 0.040*** 0.033*** 0.037*** 0.026*** 0.034*** 0.026***

(0.004) (0.006) (0.004) (0.006) (0.004) (0.006) (0.004) (0.006) (0.004) (0.006)

Experience^2 -0.000*** -0.000*** -0.001*** -0.000*** -0.000*** -0.000*** -0.000*** -0.000*** -0.000*** -0.000***

(0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000)

Formal 0.243*** 0.298*** 0.174*** 0.212*** 0.228*** 0.239***

(0.023) (0.034) (0.026) (0.043) (0.024) (0.038)

Public 0.134*** 0.186***

(0.033) (0.045)

Job tenure 0.011*** 0.003 0.011*** 0.004* 0.011*** 0.005** 0.010*** 0.004 0.010*** 0.003

(years) (0.002) (0.002) (0.002) (0.002) (0.002) (0.002) (0.002) (0.002) (0.002) (0.002)



Guaraní -0.132*** -0.159*** -0.166*** -0.184*** -0.156*** -0.162*** -0.114*** -0.133*** -0.130*** -0.146***

(0.037) (0.046) (0.037) (0.050) (0.037) (0.048) (0.040) (0.047) (0.037) (0.046)

Guaraní and Spanish -0.082*** -0.104*** -0.097*** -0.133*** -0.095*** -0.122*** -0.070** -0.089** -0.084*** -0.102***

(0.029) (0.034) (0.029) (0.036) (0.028) (0.036) (0.030) (0.037) (0.028) (0.034)

Other 0.322*** 0.033 0.300*** 0.015 0.311*** 0.024 0.349*** 0.021 0.330*** 0.045

(0.077) (0.073) (0.084) (0.081) (0.088) (0.078) (0.074) (0.078) (0.081) (0.074)

Does not speak -0.269*** -0.104** -0.124*** -0.356*** -0.240***

(0.044) (0.044) (0.046) (0.057) (0.050)



Primary complete 0.039 0.212*** 0.059 0.231*** 0.059 0.196*** 0.034 0.199*** 0.045 0.195***

(0.043) (0.067) (0.044) (0.069) (0.043) (0.068) (0.045) (0.068) (0.043) (0.067)

Secondary incomplete 0.079* 0.312*** 0.127*** 0.350*** 0.121*** 0.296*** 0.083* 0.266*** 0.081* 0.273***

(0.042) (0.064) (0.042) (0.068) (0.043) (0.066) (0.044) (0.064) (0.043) (0.063)

Secondary complete 0.256*** 0.444*** 0.335*** 0.527*** 0.323*** 0.447*** 0.261*** 0.372*** 0.254*** 0.389***

(0.044) (0.068) (0.045) (0.070) (0.046) (0.069) (0.046) (0.071) (0.045) (0.068)

Tertiary incomplete 0.406*** 0.665*** 0.497*** 0.767*** 0.481*** 0.665*** 0.397*** 0.566*** 0.387*** 0.573***

(0.049) (0.068) (0.050) (0.071) (0.052) (0.072) (0.052) (0.073) (0.053) (0.070)

Tertiary complete 0.747*** 0.947*** 0.856*** 1.050*** 0.821*** 0.939*** 0.729*** 0.851*** 0.714*** 0.846***

(0.055) (0.074) (0.056) (0.077) (0.059) (0.077) (0.059) (0.081) (0.058) (0.076)

93



(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)


San Pedro -0.260*** -0.219*** -0.309*** -0.281*** -0.296*** -0.241*** -0.279*** -0.231*** -0.254*** -0.225***

(0.053) (0.074) (0.054) (0.078) (0.055) (0.077) (0.055) (0.074) (0.053) (0.074)

Caaguazú -0.224*** -0.341*** -0.261*** -0.411*** -0.259*** -0.372*** -0.234*** -0.344*** -0.223*** -0.343***

(0.052) (0.071) (0.054) (0.076) (0.054) (0.073) (0.054) (0.074) (0.053) (0.069)

Itapúa -0.097* -0.205*** -0.117** -0.244*** -0.117** -0.242*** -0.111** -0.210*** -0.099* -0.219***

(0.054) (0.070) (0.055) (0.072) (0.054) (0.068) (0.055) (0.067) (0.053) (0.066)

Alto Paraná -0.029 -0.008 -0.049 -0.027 -0.048 -0.026 -0.072* -0.018 -0.023 -0.010

(0.038) (0.050) (0.040) (0.051) (0.040) (0.051) (0.040) (0.052) (0.038) (0.050)

Central -0.047 -0.051 -0.053 -0.063 -0.057 -0.052 -0.095** -0.070 -0.048 -0.048

(0.036) (0.049) (0.037) (0.051) (0.037) (0.050) (0.038) (0.052) (0.036) (0.049)

Rest -0.097*** -0.221*** -0.120*** -0.276*** -0.116*** -0.245*** -0.142*** -0.233*** -0.094*** -0.221***

(0.034) (0.048) (0.036) (0.050) (0.036) (0.049) (0.036) (0.050) (0.035) (0.048)


Agriculture, cattle and fishing -0.022 -0.138 -0.006 -0.118

(0.040) (0.141) (0.039) (0.137)

Manufacture and mining 0.062* 0.010 0.046 -0.008

(0.032) (0.053) (0.031) (0.050)

Electricity, gas and water 0.457*** 0.380** 0.415*** 0.316*

(0.124) (0.174) (0.120) (0.174)

Construction 0.057 0.143 0.084** 0.154

(0.035) (0.094) (0.035) (0.138)

Transport and communication 0.191*** -0.018 0.178*** -0.053

(0.045) (0.081) (0.045) (0.089)

Finance and real state 0.098** 0.040 0.073* 0.028

(0.042) (0.070) (0.040) (0.069)

Govt/public administration 0.192*** 0.140*** 0.133*** 0.088*

(0.037) (0.051) (0.035) (0.051)

Other services -0.106 -0.199*** -0.097 -0.145***

(0.066) (0.042) (0.064) (0.044)

94



(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)


Alone -0.088 -0.131***

(0.137) (0.045)

[6-10] 0.143*** 0.063

(0.029) (0.047)

[11-20] 0.209*** 0.130**

(0.033) (0.063)

[21-50] 0.162*** 0.130**

(0.031) (0.053)

[50+] 0.248*** 0.203***

(0.037) (0.059)

Constant 5.511*** 5.234*** 5.447*** 5.209*** 5.441*** 5.332*** 5.434*** 5.329*** 5.508*** 5.374***

(0.089) (0.103) (0.093) (0.110) (0.096) (0.112) (0.095) (0.115) (0.094) (0.108)


R sq 0.407 0.484 0.379 0.454 0.394 0.476 0.432 0.507 0.421 0.499Notes








Include monetary income and a l l other income related with the job, l ike bonuses and impl ici t rent/food/uni form value, received regularly.







Tertiary incomplete i f with 12 years of education and enrol led or has (12-15) years of education; Tertiary complete i f with more than 15 years of

education.

95

Tabla B9

Mincer Regressions, OLS, Dependent variable log monthly real wage (2005 USD PPP), full-time public wage workers age 15+, 2015


(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

Experience 0.029** 0.054*** 0.027** 0.067*** 0.027** 0.067*** 0.035*** 0.063*** 0.029** 0.054***

(0.011) (0.015) (0.013) (0.016) (0.013) (0.016) (0.011) (0.016) (0.011) (0.015)

Experience^2 -0.000** -0.001*** -0.000* -0.001*** -0.000* -0.001*** -0.000*** -0.001*** -0.000** -0.001***

(0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000)

Formal 0.322*** 0.189* 0.296*** 0.213* 0.322*** 0.189*

(0.070) (0.101) (0.071) (0.111) (0.070) (0.101)

Job tenure 0.010** -0.004 0.015*** -0.003 0.015*** -0.003 0.008* -0.007 0.010** -0.004

(years) (0.004) (0.005) (0.004) (0.005) (0.004) (0.005) (0.004) (0.005) (0.004) (0.005)



Guaraní -0.152* -0.112 -0.180** -0.093 -0.180** -0.093 -0.122 -0.145* -0.152* -0.112

(0.081) (0.080) (0.090) (0.082) (0.090) (0.082) (0.083) (0.084) (0.081) (0.080)

Guaraní and Spanish -0.151** -0.112* -0.157** -0.107 -0.157** -0.107 -0.100* -0.111 -0.151** -0.112*

(0.060) (0.068) (0.061) (0.069) (0.061) (0.069) (0.060) (0.081) (0.060) (0.068)

Other -0.131* -0.071 -0.071 -0.194** -0.131*

(0.067) (0.072) (0.072) (0.096) (0.067)



Primary complete -0.046 -0.289 0.045 -0.350 0.045 -0.350 0.006 -0.661 -0.046 -0.289

(0.144) (0.340) (0.162) (0.328) (0.162) (0.328) (0.156) (0.430) (0.144) (0.340)

Secondary incomplete -0.065 -0.028 -0.005 -0.039 -0.005 -0.039 0.038 -0.457 -0.065 -0.028

(0.139) (0.337) (0.177) (0.326) (0.177) (0.326) (0.145) (0.431) (0.139) (0.337)

Secondary complete 0.296** 0.001 0.401** 0.015 0.401** 0.015 0.350** -0.403 0.296** 0.001

(0.118) (0.332) (0.167) (0.325) (0.167) (0.325) (0.137) (0.441) (0.118) (0.332)

Tertiary incomplete 0.428*** 0.428 0.639*** 0.459 0.639*** 0.459 0.517*** 0.015 0.428*** 0.428

(0.115) (0.332) (0.158) (0.323) (0.158) (0.323) (0.141) (0.438) (0.115) (0.332)

Tertiary complete 0.705*** 0.535 0.877*** 0.564* 0.877*** 0.564* 0.805*** 0.134 0.705*** 0.535

(0.118) (0.332) (0.162) (0.324) (0.162) (0.324) (0.147) (0.437) (0.118) (0.332)

96

Mincer Regressions, OLS, Dependent variable log monthly real wage (2005 USD PPP), full-time public wage workers age 15+, 2015


(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)


San Pedro -0.216** -0.317** -0.259** -0.359*** -0.259** -0.359*** -0.261** -0.309** -0.216** -0.317**

(0.105) (0.126) (0.111) (0.127) (0.111) (0.127) (0.117) (0.139) (0.105) (0.126)

Caaguazú -0.189 -0.356** -0.237* -0.399** -0.237* -0.399** -0.251* -0.368** -0.189 -0.356**

(0.128) (0.153) (0.124) (0.165) (0.124) (0.165) (0.148) (0.163) (0.128) (0.153)

Itapúa -0.216** -0.410*** -0.307*** -0.441*** -0.307*** -0.441*** -0.305*** -0.421*** -0.216** -0.410***

(0.098) (0.142) (0.088) (0.147) (0.088) (0.147) (0.098) (0.153) (0.098) (0.142)

Alto Paraná -0.128 -0.197 -0.203 -0.222* -0.203 -0.222* -0.153 -0.198 -0.128 -0.197

(0.174) (0.128) (0.172) (0.128) (0.172) (0.128) (0.182) (0.133) (0.174) (0.128)

Central -0.000 -0.213* -0.037 -0.238** -0.037 -0.238** -0.080 -0.243** -0.000 -0.213*

(0.086) (0.118) (0.090) (0.118) (0.090) (0.118) (0.092) (0.121) (0.086) (0.118)

Rest -0.102 -0.267** -0.124 -0.291** -0.124 -0.291** -0.178* -0.285** -0.102 -0.267**

(0.084) (0.116) (0.087) (0.117) (0.087) (0.117) (0.098) (0.125) (0.084) (0.116)


Alone -0.135 -0.177*

(0.136) (0.104)

[6-10] -0.085 -0.064

(0.104) (0.080)

[11-20] -0.024 0.039

(0.085) (0.097)

[21-50] -0.002 -0.030

(0.089) (0.076)

[50+] 0.109 0.109

(0.088) (0.108)

Constant 5.681*** 5.531*** 5.758*** 5.460*** 5.758*** 5.460*** 5.555*** 5.832*** 5.681*** 5.531***

(0.234) (0.394) (0.262) (0.397) (0.262) (0.397) (0.259) (0.485) (0.234) (0.394)


R sq 0.516 0.308 0.473 0.292 0.473 0.292 0.548 0.353 0.516 0.308Notes








Include monetary income and a l l other income related with the job, l ike bonuses and impl ici t rent/food/uni form va lue, received regularly.





Incomplete primary or less i f less than 6 years of education; Primary complete i f with 6 years of education and not enrol led; Secondary

incomplete i f with 6 years of education and enrol led or has (6-12) years of education; Secondary complete i f with 12 years of education and not

enrol led; Tertiary incomplete i f with 12 years of education and enrol led or has (12-15) years of education; Tertiary complete i f with more than 15

years of education.

97

Tabla B10

Mincer Regressions, OLS, Dependent variable log hourly real wage (2005 USD PPP), full-time public wage workers age 15+, 2015


(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

Experience 0.036*** 0.054*** 0.035** 0.069*** 0.035** 0.069*** 0.039*** 0.063*** 0.036*** 0.054***

(0.013) (0.016) (0.014) (0.017) (0.014) (0.017) (0.013) (0.018) (0.013) (0.016)

Experience^2 -0.000** -0.001*** -0.000** -0.001*** -0.000** -0.001*** -0.000** -0.001*** -0.000** -0.001***

(0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000)

Formal 0.224** 0.209** 0.211** 0.238** 0.224** 0.209**

(0.090) (0.102) (0.098) (0.111) (0.090) (0.102)

Job tenure 0.005 -0.004 0.009* -0.003 0.009* -0.003 0.002 -0.006 0.005 -0.004

(years) (0.005) (0.005) (0.005) (0.005) (0.005) (0.005) (0.005) (0.005) (0.005) (0.005)



Guaraní -0.045 -0.091 -0.065 -0.071 -0.065 -0.071 -0.003 -0.130 -0.045 -0.091

(0.102) (0.082) (0.107) (0.083) (0.107) (0.083) (0.104) (0.086) (0.102) (0.082)

Guaraní and Spanish -0.132* -0.124* -0.136* -0.118* -0.136* -0.118* -0.070 -0.110 -0.132* -0.124*

(0.079) (0.070) (0.079) (0.070) (0.079) (0.070) (0.078) (0.083) (0.079) (0.070)

Other -0.021 0.046 0.046 -0.077 -0.021

(0.103) (0.125) (0.125) (0.086) (0.103)

Does not speak



Primary complete -0.002 -0.231 0.061 -0.299 0.061 -0.299 0.085 -0.729* -0.002 -0.231

(0.136) (0.344) (0.155) (0.324) (0.155) (0.324) (0.156) (0.422) (0.136) (0.344)

Secondary incomplete -0.064 -0.027 -0.022 -0.039 -0.022 -0.039 0.052 -0.498 -0.064 -0.027

(0.128) (0.333) (0.159) (0.321) (0.159) (0.321) (0.139) (0.400) (0.128) (0.333)

Secondary complete 0.346** 0.067 0.419** 0.082 0.419** 0.082 0.404*** -0.392 0.346** 0.067

(0.137) (0.327) (0.172) (0.319) (0.172) (0.319) (0.148) (0.411) (0.137) (0.327)

Tertiary incomplete 0.462*** 0.466 0.609*** 0.500 0.609*** 0.500 0.593*** 0.018 0.462*** 0.466

(0.121) (0.330) (0.151) (0.319) (0.151) (0.319) (0.152) (0.408) (0.121) (0.330)

Tertiary complete 0.870*** 0.547* 0.990*** 0.578* 0.990*** 0.578* 0.990*** 0.102 0.870*** 0.547*

(0.134) (0.329) (0.162) (0.319) (0.162) (0.319) (0.171) (0.408) (0.134) (0.329)

98

Mincer Regressions, OLS, Dependent variable log hourly real wage (2005 USD PPP), full-time public wage workers age 15+, 2015


(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)


San Pedro -0.204* -0.325** -0.234** -0.371*** -0.234** -0.371*** -0.225* -0.316** -0.204* -0.325**

(0.111) (0.128) (0.117) (0.130) (0.117) (0.130) (0.130) (0.143) (0.111) (0.128)

Caaguazú -0.220* -0.334** -0.254* -0.381** -0.254* -0.381** -0.263* -0.349** -0.220* -0.334**

(0.133) (0.150) (0.132) (0.162) (0.132) (0.162) (0.156) (0.162) (0.133) (0.150)

Itapúa -0.182 -0.471*** -0.245** -0.505*** -0.245** -0.505*** -0.243* -0.485*** -0.182 -0.471***

(0.131) (0.173) (0.115) (0.183) (0.115) (0.183) (0.143) (0.178) (0.131) (0.173)

Alto Paraná -0.552*** -0.252* -0.605*** -0.280** -0.605*** -0.280** -0.551*** -0.245* -0.552*** -0.252*

(0.097) (0.130) (0.103) (0.131) (0.103) (0.131) (0.119) (0.134) (0.097) (0.130)

Central -0.119 -0.208* -0.144 -0.235** -0.144 -0.235** -0.144 -0.221* -0.119 -0.208*

(0.101) (0.120) (0.105) (0.119) (0.105) (0.119) (0.114) (0.123) (0.101) (0.120)

Rest -0.195** -0.268** -0.210** -0.294** -0.210** -0.294** -0.256** -0.285** -0.195** -0.268**

(0.086) (0.117) (0.090) (0.118) (0.090) (0.118) (0.106) (0.127) (0.086) (0.117)


Alone -0.111 -0.333***

(0.143) (0.117)

[6-10] -0.057 -0.092

(0.109) (0.086)

[11-20] -0.022 0.018

(0.104) (0.102)

[21-50] 0.101 -0.060

(0.107) (0.080)

[50+] 0.153 0.085

(0.110) (0.112)

Constant 0.268 0.308 0.322 0.229 0.322 0.229 0.093 0.657 0.268 0.308

(0.262) (0.393) (0.281) (0.393) (0.281) (0.393) (0.327) (0.461) (0.262) (0.393)


R sq 0.471 0.287 0.453 0.269 0.453 0.269 0.517 0.338 0.471 0.287Notes








Include monetary income and a l l other income related with the job, l ike bonuses and impl ici t rent/food/uni form va lue, received regularly.





99

Tabla B11

(1) (2) (3) (4) (5) (6)

Hombre 6.053*** 6.055*** 6.055*** 6.041*** 6.053*** 6.051***

(0.012) (0.012) (0.012) (0.012) (0.012) (0.011)

Mujer 5.746*** 5.746*** 5.746*** 5.731*** 5.746*** 5.737***

(0.017) (0.017) (0.017) (0.017) (0.017) (0.016)

Diferencia 0.307*** 0.308*** 0.308*** 0.310*** 0.307*** 0.314***

(0.021) (0.021) (0.020) (0.021) (0.020) (0.019)

Dotaciones -0.120*** -0.159*** -0.167*** -0.020 -0.179*** -0.078***

(0.015) (0.014) (0.035) (0.018) (0.037) (0.027)

Coeficientes 0.413*** 0.446*** 0.409*** 0.291*** 0.386*** 0.396***

(0.018) (0.018) (0.022) (0.020) (0.022) (0.023)

Interacción 0.013 0.021** 0.067* 0.038** 0.100*** -0.004

(0.009) (0.009) (0.035) (0.015) (0.037) (0.028)

Variables explicativas

Experiencia x x x x x

Formal x x

Sector público x

Años en puesto x x x x x

Educación x x x x x

Región x x x x x

Sector x x x

Tamaño de empresa x

Nota:

La descomposición fue obtenida del comando Stata de Ben Jann (Stata Journal, volume 8, number 4).

La interacción mide el efecto simultáneo de las diferencias en dotaciones y coeficientes.

Descomposición Blinder-Oaxaca, variable dependiente Log Salario mensual real (2005

USD PPP), Empleado de edad 15+, 2016

Especificación

Las dotaciones representan el cambio promedio en los salarios de mujeres si tuvieron las mismas características

que los hombres.

Los coeficientes representan el cambio en los salarios de mujeres cuando aplican los coeficientes de los

hombres en las características de las mujeres.

100

ANEXO C - REGRESIÓN DE LA DEMANDA LABORAL

Tabla C1

Regresión OLS: Registro de empleo (empleados pagados por empresa), datos del Censo de Empresas de 2011 en empresas formales con al menos un empleado pagado

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)

Age 0.0132***0.00378*** 0.00346***0.00368***0.00370***0.00834***0.0118***0.0112***0.0122***0.0116***

(0.00285) (0.000805) (0.000781)(0.000789)(0.000797)(0.00246) (0.00242) (0.00236) (0.00254) (0.00248)

NorteOccidental -0.157 -0.0785 -0.0820 -0.0729 -0.0768 -0.0767 -0.102 -0.152 -0.142 -0.158 -0.148

(0.134) (0.0532) (0.0541) (0.0532) (0.0521) (0.0526) (0.0754) (0.124) (0.124) (0.128) (0.128)

CentroSur -0.211 -0.0268 -0.0297 -0.0221 -0.0262 -0.0265 -0.00555 -0.182 -0.170 -0.198 -0.180

(0.132) (0.0544) (0.0552) (0.0534) (0.0538) (0.0540) (0.0892) (0.120) (0.121) (0.125) (0.125)

Este -0.133 -0.112** -0.118** -0.111** -0.109** -0.110** -0.231*** -0.151 -0.136 -0.148 -0.136

(0.137) (0.0534) (0.0549) (0.0528) (0.0528) (0.0532) (0.0630) (0.126) (0.128) (0.129) (0.130)

Text&Garm&Leath -0.337**

(0.131)

Chemicals&Rubber&Plastic 0.775***

(0.236)

Metals&Machinery -0.406***

(0.0957)

Other manuf. -0.307***

(0.0764)

Utilities 0.122

(0.322)

Construction 0.0508

(0.283)

Trade -0.519***

(0.167)

Hotels&Restaur. -0.552***

(0.160)

Transport&Commun. -0.208

(0.277)

Finance&Bus. -0.333

(0.234)

Other services -0.249

(0.236)

101

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)

MinUtilConstr 0.0217 0.0258 -0.184 0.0223 0.0229 -0.138 0.241 0.230 0.259 0.243

(0.131) (0.133) (0.145) (0.131) (0.131) (0.193) (0.244) (0.224) (0.243) (0.224)

Commerce -0.450*** -0.456*** -0.450*** -0.429*** -0.429*** -0.751*** -0.383*** -0.323*** -0.357*** -0.310***

(0.0452) (0.0465) (0.0450) (0.0439) (0.0436) (0.0785) (0.109) (0.111) (0.113) (0.114)

Services -0.135* -0.139* -0.252*** -0.0863 -0.0870 -0.0387 -0.165 -0.161 -0.158 -0.161

(0.0786) (0.0791) (0.0569) (0.0810) (0.0788) (0.177) (0.155) (0.157) (0.156) (0.158)

Real Sales (log) 0.440*** 0.441*** 0.439*** 0.437*** 0.439*** 0.527***

(0.0455) (0.0459) (0.0453) (0.0451) (0.0453) (0.0379)

Young -0.0440***

(0.0101)

Tradable sectors -0.208***

(0.0609)

Firm 50+% female employees -0.111***

(0.0184)

Female Employment Share -0.122***

(0.0233)

Capital -real (log) 0.0664***

(0.0160)

Sales per worker -log 0.169***

(0.0446)

Value Added per worker -real LCU (log) 0.177***

(0.0450)

Output Worker Q2 -0.00376

(0.0302)

Output Worker Q3 0.0379

(0.0412)

Output Worker Q4 0.309***

(0.0912)

Value Added Worker Q2 0.107***

(0.0197)


(0.0261)


(0.0827)

Constant 1.227*** -4.311*** -4.264*** -4.097*** -4.265*** -4.280*** -6.576*** -0.899* -0.831* 0.933*** 0.860***

(0.165) (0.563) (0.565) (0.564) (0.558) (0.560) (0.650) (0.487) (0.456) (0.115) (0.117)

102

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)

Observations 25,111 25,617 25,617 25,617 25,617 25,617 455 24,889 24,823 24,889 24,823

R-squared 0.061 0.554 0.553 0.556 0.556 0.556 0.617 0.077 0.072 0.066 0.064

Food&Bev - omitted YES

*** p<0.01, ** p<0.05, * p<0.1

Robust standard errors in parentheses

103

Tabla C2 Regresión OLS: Logaritmo del valor agregado por trabajador (valor agregado de la empresa por empleado pagado), datos del Censo de Empresas de 2011 en empresas formales con al menos un empleado pagado

(1) (2) (3) (4) (5) (6)

Employment (log) 0.150***

(0.0190)

age 0.00569*** 0.00562***0.00592***0.00594***0.00327

(0.000831) (0.000992)(0.00113) (0.00112) (0.00331)

NorteOccidental -0.0609 -0.0686 -0.0618 -0.0665 -0.0664 -0.325***

(0.0406) (0.0414) (0.0373) (0.0416) (0.0413) (0.0944)

CentroSur -0.174*** -0.199*** -0.193*** -0.198*** -0.198*** -0.211***

(0.0353) (0.0357) (0.0333) (0.0360) (0.0361) (0.0747)

Este 0.0106 0.00392 0.00711 0.00825 0.00757 -0.00839

(0.0392) (0.0373) (0.0360) (0.0375) (0.0375) (0.0723)

Text&Garm&Leath -0.260***

(0.0711)

Chemicals&Rubber&Plastic 0.123

(0.117)

Metals&Machinery 0.00875

(0.0260)

Other manuf. -0.0216

(0.0426)

Utilities -0.251***

(0.0907)

Construction 0.275***

(0.0328)

Trade 0.262***

(0.0263)


(0.0205)

Transport&Commun. 0.197***

(0.0579)

Finance&Bus. 0.233***

(0.0307)

Other services -0.0139

(0.0731)

104

(1) (2) (3) (4) (5) (6)

Size 10-19 0.387*** 0.381*** 0.377*** 0.384*** -0.137

(0.0422) (0.0453) (0.0442) (0.0439) (0.106)

Size 20-99 0.751*** 0.728*** 0.732*** 0.741*** -0.137

(0.0786) (0.0882) (0.0833) (0.0833) (0.229)

Size 100+ 1.092*** 1.035*** 1.044*** 1.060*** 0.467

(0.0897) (0.110) (0.101) (0.1000) (0.606)

Young -0.146***

(0.0126)

MinUtilConstr 0.187*** -0.0756 0.185*** 0.186*** 0.206

(0.0616) (0.0843) (0.0636) (0.0638) (0.220)

Commerce 0.317*** 0.317*** 0.335*** 0.334*** 0.410***

(0.0266) (0.0264) (0.0300) (0.0303) (0.142)

Services 0.0755** -0.0725***0.116*** 0.111*** 0.145

(0.0340) (0.0234) (0.0399) (0.0411) (0.210)


(0.0551)

Firm 50+% female employees -0.0924***

(0.0234)


(0.0317)

Capital -real (log) 0.0475***

(0.0156)

Constant 10.16*** 10.31*** 10.46*** 10.20*** 10.20*** 9.934***

(0.0396) (0.0335) (0.0691) (0.0400) (0.0408) (0.371)

Observations 24,336 24,823 24,823 24,823 24,823 439

R-squared 0.072 0.074 0.077 0.074 0.074 0.063


*** p<0.01, ** p<0.05, * p<0.1


105

Tabla C3 Regresión OLS: Logaritmo del salario (gasto salarial de la empresa por empleado pagado), datos del Censo de Empresas de 2011 en empresas formales con al menos un empleado pagado

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)

Employment (log) 0.259***

(0.0156)

Age 0.00652***0.00506*** 0.00437***0.00489***0.00489***7.65e-05 0.00597***0.00489***0.00627***0.00511***

(0.000674)(0.000756) (0.000432)(0.000690)(0.000670)(0.00189) (0.000873)(0.000601)(0.000890)(0.000669)

NorteOccidental -0.220*** -0.235*** -0.236*** -0.223*** -0.233*** -0.231*** -0.260*** -0.247*** -0.221*** -0.238*** -0.207***

(0.0309) (0.0209) (0.0215) (0.0121) (0.0213) (0.0209) (0.0470) (0.0204) (0.0213) (0.0232) (0.0235)

CentroSur -0.275*** -0.235*** -0.236*** -0.224*** -0.233*** -0.234*** -0.238*** -0.261*** -0.223*** -0.263*** -0.220***

(0.0221) (0.0186) (0.0192) (0.0121) (0.0183) (0.0182) (0.0497) (0.0192) (0.0164) (0.0210) (0.0199)

Este -0.0783***-0.114*** -0.116*** -0.111*** -0.107*** -0.108*** -0.132*** -0.131*** -0.112*** -0.116*** -0.0980***

(0.0228) (0.0105) (0.0109) (0.00898) (0.0130) (0.0135) (0.0357) (0.0115) (0.0123) (0.0147) (0.0155)

Text&Garm&Leath -0.0572

(0.0417)

Chemicals&Rubber&Plastic 0.00736

(0.0774)

Metals&Machinery 0.212***

(0.0341)

Other manuf. 0.115***

(0.0411)

Utilities -0.0624

(0.0803)

Construction 0.174***

(0.0642)

Trade 0.0996***

(0.0237)


(0.0241)

Transport&Commun. 0.170***

(0.0568)

Finance&Bus. 0.176***

(0.0239)

Other services 0.0130

(0.0637)

106

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)

Size 10-19 -0.0837* -0.0812* -0.0989* -0.100** -0.0883* -0.0444 0.380*** 0.377*** 0.426*** 0.403***

(0.0471) (0.0472) (0.0507) (0.0463) (0.0477) (0.0508) (0.0290) (0.0349) (0.0338) (0.0373)

Size 20-99 -0.0406 -0.0320 -0.0773 -0.0571 -0.0456 -0.000537 0.494*** 0.471*** 0.583*** 0.571***

(0.0719) (0.0722) (0.0697) (0.0697) (0.0703) (0.109) (0.0457) (0.0546) (0.0414) (0.0508)

Size 100+ 0.0987 0.120 0.0525 0.0914 0.103 -0.801** 0.549*** 0.528*** 0.705*** 0.686***

(0.155) (0.157) (0.152) (0.153) (0.155) (0.307) (0.0835) (0.0958) (0.0843) (0.0819)

MinUtilConstr -0.0469 -0.0446 -0.525*** -0.0449 -0.0438 -0.197 -0.0150 -0.0157 0.00931 0.0111

(0.0634) (0.0637) (0.0633) (0.0628) (0.0625) (0.171) (0.0528) (0.0537) (0.0525) (0.0495)

Commerce -0.145*** -0.147*** -0.149*** -0.104*** -0.0988***-0.125** -0.201*** -0.128*** -0.152*** -0.0829***

(0.0136) (0.0131) (0.0118) (0.0162) (0.0166) (0.0553) (0.0171) (0.0140) (0.0192) (0.0154)

Services -0.151*** -0.151*** -0.422*** -0.0503* -0.0393 0.0656 -0.193*** -0.189*** -0.191*** -0.179***

(0.0217) (0.0219) (0.0144) (0.0261) (0.0268) (0.0646) (0.0229) (0.0189) (0.0248) (0.0220)

Real Sales (log) 1.023*** 1.013*** 1.044*** 1.045*** 1.031*** 0.0684

(0.0913) (0.0936) (0.0912) (0.0897) (0.0922) (0.303)

Real Sales (log) squared -0.0290***-0.0287***-0.0297***-0.0300***-0.0294***0.00376

(0.00371) (0.00380) (0.00370) (0.00365) (0.00375) (0.0103)

Young -0.116***

(0.0174)


(0.0147)

Firm has 50+% female employees -0.229***

(0.0243)


(0.0324)

Capital -real (log) 0.00526

(0.0134)

Sales per worker -log 0.261***

(0.00970)

Value Added per worker -real LCU (log) 0.348***

(0.0185)

107

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)


(0.0261)


(0.0249)


(0.0287)


(0.0193)


(0.0195)


(0.0239)

Constant 9.194*** 1.468** 1.644*** 1.812*** 1.382** 1.477** 8.318*** 6.627*** 5.959*** 9.228*** 9.105***

(0.0409) (0.563) (0.582) (0.559) (0.553) (0.570) (2.235) (0.106) (0.187) (0.0278) (0.0239)

Observations 25,111 25,617 25,617 25,617 25,617 25,617 455 24,889 24,823 24,889 24,823

R-squared 0.187 0.361 0.362 0.383 0.379 0.382 0.212 0.234 0.291 0.206 0.273



*** p<0.01, ** p<0.05, * p<0.1

108

Tabla C4 Regresión OLS: Crecimiento del empleo (cambio en el empleo remunerado por empresa, 2010-2014), conjunto de datos de panel

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14)

sza_10to19 -0.00173 -0.0183 -0.0102 0.00771 0.00695 0.0117 -0.0183 -0.0344 -0.0241 -0.0187 -0.0363 -0.0295 -0.00652 -0.0342

(0.0767) (0.0874) (0.0918) (0.0912) (0.0907) (0.0932) (0.0874) (0.0882) (0.0911) (0.0816) (0.0907) (0.0821) (0.0791) (0.0845)

sza_20to49 0.0977 0.00568 0.0353 0.0930 0.0852 0.0933 0.00568 -0.00921 0.00195 0.0384 0.0116 0.0358 0.0425 -0.0252

(0.136) (0.157) (0.153) (0.152) (0.147) (0.153) (0.157) (0.155) (0.157) (0.152) (0.156) (0.146) (0.160) (0.156)

sza_50to99 0.286*** 0.309*** 0.306*** 0.364*** 0.364*** 0.348*** 0.309*** 0.292*** 0.303*** 0.305*** 0.302*** 0.325*** 0.265*** 0.277***

(0.0511) (0.0653) (0.0674) (0.0304) (0.0310) (0.0369) (0.0653) (0.0653) (0.0661) (0.0727) (0.0700) (0.0828) (0.0620) (0.0622)

sza_100plus 0.254*** 0.186* 0.200** 0.301*** 0.301*** 0.299*** 0.186* 0.175* 0.180** 0.215** 0.197** 0.218*** 0.196** 0.155*

(0.0776) (0.0887) (0.0860) (0.0718) (0.0710) (0.0725) (0.0887) (0.0838) (0.0789) (0.0762) (0.0815) (0.0750) (0.0789) (0.0759)

age_6to9 -0.0689 -0.0635 -0.110*** -0.111** -0.0689 -0.0745 -0.0675 -0.0817 -0.0628 0.932* -0.0764 -0.0922

(0.0490) (0.0507) (0.0376) (0.0403) (0.0490) (0.0476) (0.0464) (0.0553) (0.0502) (0.511) (0.0461) (0.0720)

age_10plus -0.0191 -0.0295 -0.0245 -0.0215 -0.0191 -0.00788 -0.0178 0.00310 0.00393 -0.365 0.00371 0.00929

(0.0307) (0.0325) (0.0238) (0.0226) (0.0307) (0.0335) (0.0316) (0.0242) (0.0277) (0.487) (0.0215) (0.0270)

Norte 0.0536

(0.0900)

Occidental -0.00417

(0.0875)

CentroSur 0.118**

(0.0491)

young -0.172***

(0.0444)

MinUtilConstr -0.0600 -0.0706

(0.0565) (0.0564)

Commerce -0.0908 -0.0981

(0.0578) (0.0580)

Services -0.0640 -0.0680

(0.0605) (0.0584)

Utilities -0.0597

(0.0568)

WholesaleRetail -0.0900

(0.0581)

TransportStorageComm -0.00999

(0.0507)

HotelsRestaurants -0.0644

(0.0536)

OtherServices -0.0851

(0.0890)

Tradable sector 0.569***

(0.133)

109

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14)

Share female workers -0.0507*

(0.0261)

Majority female workers -0.0182

(0.0509)

Value Added per worker -log (previous period) -0.0754**

(0.0355)

Value Added per worker -log (previous period) quartile 2 -0.182*

(0.103)

Value Added per worker -log (previous period) quartile 3 -0.0896

(0.0897)

Value Added per worker -log (previous period) quartile 4 -0.172*

(0.0870)

Constant 0.327*** 0.399*** 0.358*** 0.164*** 0.157** 0.161*** -0.171* 0.419*** 0.404*** 0.977*** 0.399** 1.133*** 1.160*** 0.506***

(0.102) (0.130) (0.114) (0.0542) (0.0550) (0.0544) (0.0920) (0.116) (0.122) (0.222) (0.142) (0.327) (0.374) (0.145)

Observations 502 343 343 343 343 343 343 343 343 317 317 317 326 326

R-squared 0.285 0.269 0.251 0.108 0.108 0.110 0.269 0.278 0.270 0.331 0.314 0.336 0.333 0.344

Sector dummies YES YES YES NO NO NO YES YES YES YES YES YES YES YES

Location dummies YES YES NO YES YES YES YES YES YES YES YES YES YES YES

Year Dummies YES YES YES YES YES YES YES YES YES YES YES YES YES YES

R2 0.285 0.269 0.251 0.108 0.108 0.110 0.269 0.278 0.270 0.331 0.314 0.336 0.333 0.344


*** p<0.01, ** p<0.05, * p<0.1

Address: 1776 G St, NW, Washington, DC 20006 Website: http://www.worldbank.org/en/topic/jobsanddevelopment

Twitter: @WBG_Jobs Blog: https://blogs.worldbank.org/jobs/

http://www.worldbank.org/en/topic/jobsanddevelopment

https://blogs.worldbank.org/jobs/

jobs working paper issue no. 28 - world bank · elizabeth ruppert bulmer, raquel scarpari y ......

Documents