Esta obra está publicada bajo la licencia

CC BY 4.0

Cualificación laboral y su influencia en los salarios de eficiencia en las empresas peruanas

Job qualifications and their influence on efficiency wages in Peruvian companies

Roberto Quispe Mendoza¹; Eduardo Amaya Lau²

¹ Facultad de Ciencias Económicas, Universidad Nacional de Trujillo, Av. Juan Pablo II s/n – Ciudad Universitaria, Trujillo, Perú1; Facultad de Ciencias Económicas de la Universidad Privada Antenor Orrego Ciudad de Universitaria Trujillo, Perú2

1.Autor correspondiente: Roberto Quispe Mendoza ( rquispe@unitru.edu.pe; )

2. Eduardo Luis Amaya Lau ( leamayal@yahoo.com )

Fecha de recepción: 05 01 2026 Fecha de aceptación: 15 01 2026

RESUMEN

La investigación tuvo como objetivo determinar en qué medida las diferencias de cualificación laboral impactan en los salarios de eficiencia que pagan la empresa en Perú en 2023. Se adoptó un enfoque cuantitativo, de alcance explicativo y diseño no experimental transeccional. La base de datos de este estudio es la Encuesta Nacional de Hogares (ENAHO) de 2023, y de donde se trabajó con la muestra conformada por 20.009 peruanos mayores de 24 años, de todos los niveles socioeconómicos y procedentes de zonas urbanas y rurales de los 24 departamentos y el Callao, mediante regresión lineal y cuantílica (mediana), adecuada para analizar las relaciones entre las variables y capturar efectos en la distribución, utilizando el software Stata 16. Se concluyó que no se encontró evidencia de que la prima de ingreso que pagan las grandes empresas refleje mayores niveles de cualificación de los trabajadores en la gran empresa. En promedio, la prima de ingreso disminuyó entre un 5% y un 6%, mientras que, en términos de mediana, se incrementó entre un 18% y un 28%. Un hallazgo relevante es que las grandes empresas tienden a pagar más que las pequeñas a sus trabajadores. Esto puede explicarse por el poder de mercado de la empresa, el mayor esfuerzo de los trabajadores que eleva la productividad laboral, la informalidad o la captura de rentas.

Palabras clave: Tamaño de empresa, clasificación laboral, encuesta nacional de Hogares,

ABSTRACT

The research aimed to determine the extent to which differences in job qualifications impact the efficiency wages paid by companies in Peru in 2023. A quantitative approach was adopted, with an explanatory scope and a non-experimental, cross-sectional design. The database for this study is the 2023 National Household Survey (ENAHO), from which the sample of 20,009 Peruvians over 24 years of age, from all socioeconomic levels and from urban and rural areas of the 2[1.1]4 departments and Callao, was analyzed using linear and quantile (median) regression, appropriate for analyzing the relationships between variables and capturing effects on the distribution, using Stata 16 software. The study concluded that no evidence was found that the income premium paid by large companies reflects higher levels of worker qualifications within those companies. On average, the income premium decreased by 5% to 6%, while the median premium increased by 18% to 28%. A key finding is that large companies tend to pay their workers more than small companies. This can be explained by the company's market power, the greater effort required by workers that increases labor productivity, informality, or rent seeking.

Keywords: Company size, job classification, National Household Survey,

INTRODUCCIÓN

Desde el enfoque de los salarios de eficiencia se reconoce que la gran empresa paga un salario superior al del mercado para extraer el máximo esfuerzo deseado del trabajador, el que no es directamente observado por la empresa (Wang, 2020). Este vínculo conlleva a sostener que la cualificación laboral determina en gran medida los salarios de eficiencia, sin embargo, median factores tecnológicos, organizacionales, sociales y culturales que ayudan a explicar las desigualdades de ingresos que reciben los trabajadores (Acemoglu & Autor, 2012).

A nivel internacional, diversos estudios han documentado que la brecha salarial entre trabajadores altamente calificados y aquellos con menor calificación crece y polariza el mercado laboral (Autor et al., 2020). El avance tecnológico está acelerando esta desigualdad a nivel global (Autor 2022), así como la alta informalidad en nuestros países que limita la mejora salarial de los trabajadores menos calificados al no poder aprovechar de los beneficios de los sectores modernos y formalizados (Organización para la Cooperación y el Desarrollo Económico [OCDE], (2022).

Kim y Waldorf (2024), utilizan encuestas de los Estados Unidos para analizar variables demográficas, de educación y geográfica, encuentran que la educación y la experiencia son factores clave en la brecha salarial de género, con retornos a la educación menores para mujeres, ampliando la brecha con la edad y perpetuando la desigualdad salarial. Hakro et al. (2023), en Pakistán encuentran que la mayoría de las diferencias salariales se debía a características observables de los trabajadores (características demográficas, educación y experiencia). Rattso y Stokke (2023) con datos de registros públicos de Noruega, hallan diferencias en las políticas salariales entre el sector público y privado influenciados por los niveles educativos, características de género y región, encontrando mayor desigualdad en el sector privado. Taneja y Batra (2025), tomando en cuenta los componentes observados y no observados (potencialmente discriminatorios), hallan que la educación y la experiencia, en la India, influyen significativamente en los salarios de ambos sexos, pero siendo su efecto más evidente en las zonas urbanas. Nikoloski (2023) analiza el impacto de la cualificación laboral en los salarios de eficiencia en Macedonia del Norte, destacando que una fuerza laboral educada y formada es esencial para el crecimiento y la competitividad en las industrias modernas.

En el contexto latinoamericano, Aguilera y Castro (2018) utilizan datos trimestrales de México para clasificar a la fuerza laboral en calificada, semi calificada y no calificada por salario por hora promedio y años de escolaridad, hallando que los salarios se diferencian según cualificación laboral, comprobando la existencia de desigualdad salarial a favor de los más cualificados. Cirera y Martins (2023) exploran la relación entre innovación y salarios usando datos de censos de Brasil. Hallan una prima salarial sólida y positiva asociada con la empresas innovadoras del sector manufacturero, pero también significativa para la agricultura y servicios, y mayor para las grandes empresas.

En Perú, si bien no se encontraron estudios relacionados con el tema de investigación, citamos algunos que analizan la desigualdad de salarios en el país. Jaramillo y Campos (2020), sostienen que los trabajadores de mayor cualificación tienen mayor probabilidad de acceder a mejores empleos y salarios. Además, destacan que una gran proporción de los empleos en el país son informales y se caracterizan por ser no cualificados y de mayor rotación. Halla-ron que entre el 2012 y el 2016 el crecimiento mensual del empleo no cualificado fue de 0,2% y de 0,5% el cualificado. La Organización para la Cooperación y el Desarrollo Económicos [OCDE], (2022), encuentra que los retornos para la educación son mayores en las mujeres pero que no es suficiente para reducir la polarización salarial debida a factores sociales como la discriminación, y el INEI (2024) constata la limitada participación femenina en sectores tecnológicos debido a las brechas digitales de género. De acuerdo con OCDE (2023), el 80% de los trabajadores en el Perú se encuentran en el sector informal. Así mismo, Arroyo et al. (2024), al analizar las brechas salariales que existe entre los trabajadores formales e informales en la Zona Central del Perú con datos de ENAHO, encuentran que una menor instrucción representa alrededor del 23% de las diferencias salariales entre estos dos grupos socioeconómicos.

Diversos estudios internacionales consideran que el tamaño de la empresa es un determinante clave de los salarios de eficiencia (Moore, 1912; Brown & Medoff, 1988 y Fenn, 2023) puesto que ella contiene cualificaciones no observadas de los trabajadores. Investigadores modernos amplían las variables independientes incorporando características demográficas, de capital humano, de innovación y habilidades de alfabetización con el propósito de comprobar si las cualificaciones laborales son las determinantes de los salarios de eficiencia, utilizando modelos con diferentes estrategias (Gibson & Stillman, 2009, Ao et al.,2023, Cullen, 2023, Fenn, 2023, y Marguerit, 2025).

Las investigaciones realizadas a nivel global concluyen que queda una parte de la prima salarial sin explicar, en este sentido.

El enfoque que se empleará en este estudio es similar al utilizado por Gibson & Stillman (2009), en lo que concierne al uso de variables de cualificación medibles. Utilizaremos datos sobre los trabajadores proporcionados por la Encuesta Nacional de Hogares (ENAHO) de 2023, realizada por el Instituto Nacional de Estadísticas e Informática (INEI) de Perú. Lo que buscamos con esta investigación es medir el impacto del control de las variables de cualificación laboral en la determinación del salario de eficiencia que las empresas pagan en el país.

El objetivo de la investigación es en qué medida las diferencias de cualificación laboral impactan en los salarios de eficiencia que pagan las empresas en Perú, en el periodo 2023.

MATERIALES Y MÉTODOS

Objeto

Son las diferencias de cualificación laboral y su impacto en el salario de eficiencia que pagan las empresas en el Perú.

Población

La población estuvo conformada por peruanos mayores a 24 años, de todos los niveles socioeconómicos, residentes de áreas urbanas y rurales de los 24 departamentos del Perú y el Callao, obtenida de la encuesta nacional de hogares (ENAHO),2023 De aquí se obtiene información del ingreso, de la condición y categoría laboral del individuo, entre otras variables.

Muestreo

La metodología que emplea la encuesta nacional de hogares 2023, asegura que la muestra sea representativa de la población general. La muestra es probabilística, de área, estratificada, multietápica e independiente en cada departamento que se estudia. El nivel de confianza de las muestras es del 95%. Debido a que no todos los miembros del hogar responden todos los módulos, la muestra válida varía en cada uno de ellos.

Muestra

La encuesta nacional de hogares 2023, utiliza un tamaño de muestra representativa de 36,726 viviendas particulares y sus ocupantes en Perú, de la cual 24,246 son del área urbana y 12,480 son del área rural.

Siguiendo a Figueroa (2007), en este estudio se trabaja con la población de una edad de 25 a más años, debido que a esa edad un individuo puede completar su formación educativa y consolidarse laboralmente. Además, considerando que no todos los individuos reportan ingreso, la muestra que finalmente se utiliza es de 20,009 personas que laboran y reciben ingreso en 2023, lo que es suficiente para la robustez del análisis.

Métodos y técnicas

La investigación adoptó un enfoque cuantitativo, pues la hipótesis se comprobó mediante un análisis estadístico basado en datos numéricos. Su alcance fue explicativo, al buscar evidenciar la relación causal entre las diferencias de cualificación laboral y los salarios de eficiencia.

El diseño. - es no experimental y transversal, dado que utilizamos datos publicados por la encuesta nacional de hogares 2023, donde se recolecta datos en un solo momento en el tiempo (2023) y no se manipulan las variables en estudio. Esto es adecuado para observar la relación causal entre las variables en estudio.

El diseño no experimental y transversal se justifica en relación con los objetivos de investigación, ya que permite observar la influencia de la cualificación laboral en los salarios de eficiencia sin introducir sesgos en los resultados.

Con base en ello, se procedió al análisis de datos, el cual comenzó con la descripción y caracterización del tamaño de la empresa en la determinación de los salarios de eficiencia que pagan las empresas en Perú en 2023, seguido de las variables sociodemográficas observadas del trabajador, y finalmente del capital humano (educación y experiencia), con el objetivo de identificar regularidades empíricas y hechos estilizados relacionados con este fenómeno. Posteriormente, para comprobar la hipótesis de investigación, se estimaron dos modelos de regresión: el primero evaluó el efecto de las variables independientes en el promedio de los ingresos, el segundo evaluó el efecto de las variables independientes en la mediana de los ingresos. Se utilizó el modelo de regresión lineal pues es el adecuado para investigaciones donde la variable independiente explica a la dependiente.

A continuación, se presenta el diseño de investigación

Xi Y CUALIFICACIÓN SALARIO DE

LABORAL EFICIENCIA

Tamaño de la empresa

Sexo

Zona

Situación laboral

Horas trabajadas

Estado civil

Tipo de empresa

Educación

Experiencia

Experiencia 2

Prima de ingreso mensual recibido por los miembros del hogar que laboran en una empresa como dependientes

Técnicas

Los microdatos de la Encuesta Nacional de Hogares (ENAHO) 2023, de recolección: Guía de análisis documental

De procesamiento: Análisis cuantitativo

Instrumento:

La limpieza, la construcción de variables y los cálculos se realizaron con el software Stata 16, documentando todos los pasos en un archivo do-file para asegurar la replicabilidad del análisis.

_{RESULTADOS Y DISCUSION}

La tabla1 mide el impacto del tamaño de la empresa en la prima de ingreso. Se observa que el ingreso laboral promedio aumenta con el tamaño de la empresa, donde la prima del ingre-so promedio pasa de un 51,5% para empresas de menor tamaño (de 21 a 100 trabajadores), hasta un 94,0% para aquellas de mayor tamaño (de más de 500 trabajadores). La prima de ingreso en mediana, también se incrementa conforme aumenta el tamaño de la empresa pasando de un 30,1% para empresas de 21 a 100 trabajadores, a 80,2% para grandes empresas. Esto sugiere que los salarios de eficiencia son más comunes en empresas de mayor tamaño, sin embargo, los aumentos en la prima de ingreso en mediana, según incrementa el tamaño de la empresa, tiende a decrecer. Por ejemplo, el incremento de la prima de ingreso es del 83,7% para empresas de entre 101 y 500 trabajadores, mientras que solo alcanza el 45% para aquellas con más de 500. Además, al revisar los ingresos máximos, se encuentra que las empresas grandes (de 101 a 500 personas) reportan un ingreso máximo de 27.837 soles, mientras que en las empresas de 21 a 100 personas el ingreso máximo es de 22.866 soles, el segundo más alto.

Tabla 1

Ingreso laboral según tamaño de empresa 2023 (Nuevos soles)

Nota: Elaborado sobre la base de ENAHO 2023.

Las tablas 2 y 3 muestran los ingresos y primas de ingreso de los trabajadores según sexo y tamaño de empresa, donde el ingreso es siempre mayor para el género masculino, tanto en promedio como en mediana, y para cualquier tamaño de empresa. Sin embargo, se observa que la prima de ingreso en las grandes empresas es mayor para las mujeres.

Tabla 2

Ingreso laboral (S/) según sexo y tamaño de empresa

Nota: Elaborado sobre la base de ENAHO 2023.

Tabla 3

Prima de ingreso (%) según sexo y tamaño de empresa

Nota: Elaborado sobre la base de ENAHO 2023.

En las tablas 4 y 5 se observa que el ingreso es mayor en la zona urbana para casi todos los tamaños de empresa. En cuanto a la prima de ingreso, en las grandes empresas su porcentaje es ligeramente mayor en la zona rural, y significativo en las de 21 a 500 personas, cuando se las compara con las de hasta 20 personas.

Tabla 4

Ingreso laboral (S/) según ubicación geográfica y tamaño de empresa

Nota: Elaborado sobre la base de ENAHO 2023.

Tabla 5

Prima de ingreso (%) según ubicación geográfica y tamaño de empresa

Nota: Elaborado sobre la base de ENAHO 2023.

Se utilizan las variables medibles de la cualificación laboral como en Gibson & Stillman (2009), y agregamos otras que provienen de varios investigadores. Así, de Figueroa (2006), incorporamos como variable institucional que afecta a los salarios de eficiencia, la situación laboral del trabajador (formal o informal); la experiencia laboral como en Riveros & Bouton (1991), Troske (1998) y Hakro et al. (2023); el tipo de empresa como en Bilkoba (2019) y Rattso & Stokke (2023), y el tamaño de la empresa en función al número de trabajadores como en Moore (1912), Brown & Medoff (1988) y Fenn (2023) que encuentran relación positiva entre el tamaño de la empresa y los salarios

EL MODELO ECONOMÉTRICO PARA LA CORROBORACIÓN DE HIPÓTESIS

El modelo econométrico propuesto analiza el ingreso laboral- en logaritmo natural- en función de diez variables independientes, especificadas a continuación:

lnW_ij = α + θTamañoEmp_j + λHoras_j + βEducación_j + δSexo_j + εZona_j + φSituaciónL_j + ηEstadoC_j + ωTipoEmp_j + ρExperiencia_j + γExperiencia2 + u_ij,

donde wij es el ingreso laboral anual del trabajador dependiente j en su ocupación principal, que depende del tamaño de la empresa, TamañoEmp j, de las horas trabajadas a la semana durante el año, Horas j, de los años de educación alcanzados por el trabajador, Educación j, del sexo del trabajador, Sexo j, de la ubicación geográfica del trabajador ya sea resida en la zona urbana o rural, Zona j, de la situación laboral de informal o formal, Situación j, del estado civil, EstadoC j, del tipo de empresa donde labora que puede ser pública o privada, TipoEmp j, de la experiencia laboral medida en años, Experiencia j, de la experiencia laboral al cuadrado que indica su rendimiento marginal decreciente, Experiencia 2 j, y un error idiosincrático para capturar las fluctuaciones impredecibles y específicas de cada observación, que no están explicadas por las variables independientes incluidas en el modelo ni por efectos comunes (como efectos de grupo), uij. Usamos el análisis de regresión para controlar las variables de cualificación laboral. Primero, como en Brown y Medoff (1988), evaluamos la relación entre el tamaño de la empresa y los ingresos para determinar la prima del ingreso que se debe al tamaño de la empresa. A continuación, siguiendo a Gibson y Stillman (2009) adicionamos variables medibles de la cualificación laboral (sexo, zona, situación laboral, horas trabajadas, estado civil y tipo de empresa), excepto las variables de capital humano, con el propósito de examinar si la prima de ingreso (o prima salarial) disminuye al incorporar cualificaciones laborales diferentes al tamaño de la empresa. Como paso final, incorporamos las variables de la cualificación laboral del trabajador referente al capital humano (educación y experiencia), para estimar la prima de ingreso con controles adicionales para el capital humano de los trabajadores. Si en esta última especificación se reduce la prima salarial, entonces, se probaría que una mayor dotación de capital humano reduce la prima de ingreso que se obtuvo por el tamaño de la empresa y, por lo tanto, a mayor capital humano mayor sería el salario en las grandes empresas.

Se espera que los parámetros del modelo tomen los siguientes valores:

θ>0, las empresas más grandes pagan salarios más altos.

λ>0, más horas trabajadas aumentan el salario.

β>0, más años de educación incrementa el salario (retorno a la educación).

δ>0, los hombres ganan más que las mujeres.

ϵ>0, estar residiendo en zona urbana tiene un efecto positivo en el retorno salarial que residir en zona rural.

Φ<0, ser trabajador informal tiene menor paga que el formal.

η>0, los casados podrían ganar más debido al efecto estabilidad. Según Bulgakov (2023) se establece una relación positiva entre la satisfacción conyugal y la disminución de las manifestaciones de burnout (agotamiento) entre los empleados de las organizaciones, por lo que concluye que el éxito profesional depende de la estabilidad psicoemocional del trabajador que le da el estar casado o ser conviviente.

ω>0, el tipo de empresa privada paga más que la empresa pública

ρ>0, más años de experiencia aumenta el salario.

γ<0, rendimiento marginal decreciente del trabajador con la edad.

CONCLUSIONES

El análisis de la relación entre el tamaño de la empresa y los salarios de eficiencia revela cómo la estructura empresarial influye en la dinámica del mercado laboral. Tanto la regresión lineal promedio como la mediana muestran coeficientes positivos y significativos, respaldando la hipótesis de que un mayor tamaño se asocia con salarios de eficiencia, aunque el impacto tiende a ser menor en las grandes empresas.

Al incluir variables demográficas y sociales en la regresión, se observa un impacto positivo y significativo. En 2023, la prima de ingreso laboral, tanto en promedio como en mediana, se reduce considerablemente para todos los tamaños de empresa, sugiriendo que la relevancia del tamaño de la empresa en la prima de ingreso disminuye. Particularmente, en las empresas de 21 a 100 personas (pequeñas empresas) la prima de ingreso se reduce en un 68% en promedio y un 73% en mediana. Para las empresas más grandes, la reducción promedio fluctúa entre el 63% y el 66%, y entre el 70% y 71% en mediana.

En cuanto al impacto del capital humano, específicamente la educación y la experiencia, sobre la prima de ingresos laborales, este resulta ser mínimo. En promedio, la prima de ingreso se reduce entre un 5% y un 6% en grandes empresas, mientras que, en mediana, experimenta un incremento de entre un 18% y un 28%. Sin embargo, estos valores carecen de significancia estadística suficiente para explicar los salarios de eficiencia

REFERENCIAS BIBLIOGRÁFICAS

Acemoglu, D. & Autor, D. (2012). What does Human Capital do? A Review of Goldin and Katz the Race Between Education and Technology. National Bureau of Economics Research. Working Paper (17820). https://www.nber.org/system/files/working_papers/w17820/w17820.pdf.

Aguilera, A, y Castro, D. (2018). Calificación laboral y desigualdad salarial: un ejercicio metodológico por conglomerados. Economía teoría y Práctica. Nueva Época (49) 65-92. https://economiatyp.uam.mx/index.php/ETYP/article/view/345/429

Ao, Z., Horváth, G., Sheng, C., Song, Y. & Sun, Y. (2023, march). Skill requirements in job advertisements: A comparison of skill-categorization methods based on wage regressions. Information Processing & Management, 60 (2). https://www.sciencedirect.com/science/article/pii/S0306457322002862?ref=pdf_download&fr=RR-2&rr=927857820d8ecdcd

Arroyo, M., Ccencho, G. y Pérez, J. (2024). Informalidad laboral y brecha salarial entre trabajadores formales e informales en la Zona Central del Perú. Revista de Métodos Cuantitativos para la Economía y la Empresa, 38. Universidad Pablo de Olavide.

https://doi.org/10.46661/rev.metodoscuant.econ.empresa.8864

Autor, D., Goldin, C. & Katz, L. (2020). Extending the race between education and technology. National Bureau of Economics Research. Working Pape (26705). www.nber.org/system/files/working_papers/w26705/w26705.pdf

Autor, D. (2022, may). The Labor Market Impacts of Technological Change: From Unbridled Enthusiasm to Qualified Optimism to Vast Uncertainty. National Bureau of Economic Research.Working Paper (30074). http://www.nber.org/papers/w30074

Bilkoba, D. (2019). Higher Earnings in Large Firms? Employer Size-Wage Relation in the Czech Republic. Acta Oeconomics Pragensia, 27 (2). https://aop.vse.cz/pdfs/aop/2019/02/01.pdf

Brown, C., & Medoff, J. (1988). Employer Size, Pay, and the Ability to Pay in the Public Sector. En R. Freedman & C. Ichniowski (Eds.). When Public Sector Workers Unionize (195-216). University of Chicago Press. http://www.nber.org/chapters/c7909

Bulgakov I. (2023). La relación entre el agotamiento y la satisfacción marital entre los empleados de organizaciones rusas (Traducción). Psychology Organizational, 13 (1). www.orgpsyjournal.hse.ru

Cullen, Z. (2023). Is Pay Transparency Good? Harvard Business School. Working Paper 23 (039). https://www.nber.org/system/files/working_papers/w31060/w31060.pdf

Cirera, X. & Martins-Neto, A. (2023). Do innovative firms pay higher wages? Micro-level evidence from Brazil. Research Policy. Elsevier 52 (1). https://doi.org/10.1016/j.respol.2022.104645.

Figueroa, A. (2006). El Problema del Empleo en una Sociedad Sigma. Documento de Trabajo 249

http://www.pucp.edu.pe/economia/pdf/DDD249.pdf

Figueroa, A. (2007), El Problema del Empleo en una Sociedad Sigma: Anexo Metodológico y Base de Datos. Documento de Trabajo 256. http://www.pucp.edu.pe/economia/pdf/DDD256.pdf

Fenn, A. (2023, november). Firm Size and Wages. Utah Data Research Center. https://udrc.ushe.edu/research/ra14/documents/firm_size_and_wages_november.pdf

Gibson, J. & Stillman, S. (2009, february). Why do big firms pay higher wages? Evidence from an international database. The Review of Economics and Statistics. 91 (1), 213-218. https://www.jstor.org/stable/25651329

Hakro, A., Ghulam, Y., Jaffry, S. & Shah, V. (2023, june). Wage Differentials in the Post Liberalized Labor Market in Pakistan. The Journal of Developing Areas. 57 (3), 137-161. https://www.researchgate.net/publication/374268005

Instituto Nacional de Estadística e Informática [INEI] (2023). Encuesta Nacional de Hogares (ENAHO)2023. https://proyectos.inei.gob.pe/microdatos/Consulta_por_Encuesta.asp

Instituto Nacional de Estadística e Informática [INEI] (2024). Perú: Brechas de Género, 2024: Avances hacia la igualdad de mujeres y hombres. https://cdn.www.gob.pe/uploads/document/file/7328646/6256619-peru-brechas-de-genero-2024-avances-hacia-la-igualdad-de-mujeres-y-hombres.pdf

Jaramillo, M. y Campos, D. (2020). La Dinámica del Mercado Laboral Peruano. Creación y Destrucción de Empleos y Flujos de Trabajadores. GRADE. Lima. https://www.grade.org.pe/wp-content/uploads/La-dina%CC%81mica-del-mercado-WEB-1.pdf

Kim, A. & Waldorf, B. (2024). Unpacking the gender wage gap in the U.S.: The impact of rural employment, age, and occupation. Journal of the Agricultural and Applied Economics Association. 3 (4) 706-723. https://onlinelibrary.wiley.com/doi/full/10.1002/jaa2.143?campaign=wolearlyview

Marguerit, D. (2025, march). Augmenting or Automating Labor? The Effect of AI Development on New Work, Employment, and Wages. arXiv preprint 2503.19159. https://scholar.google.com/scholar_lookup?arxiv_id=2503.19159

Moore, H. (1912, april). Laws of Wages: An Essay in Statistical Economics. Journal of the Royal Statistical Society, 75 (5), 551-553. http://www.jstor.org/stable/2340114

Nikoloski, D. (2023). The Role of Efficiency Wages in Determining the Inter-Industry Wage Differentials: Evidence from North Macedonia. Economic and Business Trends – Shapping the Future. 9-10. https://eprints.uklo.edu.mk/id/eprint/9242/1/Full_Paper_Dimitar%20Nikoloski_final.pdf

Organización para la Cooperación y el Desarrollo Económicos [OCDE]. (2022). Igualdad de género en el Perú. Hacia una mejor distribución del trabajo remunerado y no remunerado. https://www.oecd.org/content/dam/oecd/es/publications/reports/2022/06/gender-equality-in-peru_81043c5c/34a988b3-es.pdf

Organización para la Cooperación y el Desarrollo Económico [OCDE]. (2023, setiembre). Estudios Económicos de la OCDE: Perú 2023. https://www.oecd.org/content/dam/oecd/es/publications/reports/2023/09/oecd-economic-surveys-peru-2023_3aa6e456/f67c8432-es.pdf

Rattso, J. & Stokke, H. (2023). Public sector wage compression and wage inequality: gender and geographic heterogeneity. Oxford Economic Papers 1 (19). https://doi.org/10.1093/oep/gpad040

Riveros, L. & Bouton, L. (1991, july). Efficiency Wage Theory, Labor Markets, and Adjustment. National Bureau of Economic Research, Working Paper 731. https://core.ac.uk/download/pdf/6372821.pdf

Taneja, A. & Batra, R. (2025). Equal Work, Unequal Pay: Gender Wage Discrimination in India. Research Square. Preprint. https://doi.org/10.21203/rs.3.rs-4543535/v1

Troske, K. (1998, february). Evidence on the Employer Size-Wage Premium from Worker-Establishment Matched Data. The Review of Economics and Statistics. 81 (1) 15-26. https://gattonweb.uky.edu/faculty/Troske/My%20published%20papers/restat_sizewage_feb99.pdf

Wang, T. (2020). Efficiency Wage Models. https://taowangecon.github.io/notes/LB1EffWage.pdf