1. Entendiendo a la pobreza
  2. Temas

LAC Equity Lab: Distribución de ingresos y salarios laborales

La desigualdad en los ingresos laborales y los salarios ha permanecido sistemáticamente alta en los países de América Latina y el Caribe (ALC). Sin embargo, al analizar estos dos indicadores a lo largo de la distribución del ingreso y a través del lente del Índice de Gini, surgen diferencias importantes entre países y grupos demográficos.

Este tablero se enfoca en la población en edad de trabajar (15 años o más) en ALC, y presenta los ingresos laborales y los salarios de dos maneras: (i) mediante el Índice de Gini y (ii) mostrando los valores promedio para cada decil de la población en edad de trabajar.


Definiciones claves:

Salario: Salario por hora de los trabajadores asalariados en su ocupación principal.

Coeficiente de Gini: La medida más común de la desigualdad es el coeficiente de Gini. Se basa en la curva de Lorenz, una curva de frecuencia acumulada que compara la distribución de una variable específica (por ejemplo, el ingreso) con la distribución uniforme que representa la igualdad. Para construir el coeficiente de Gini, se grafica el porcentaje acumulado de los hogares (del más pobre al más rico) en el eje horizontal y el porcentaje acumulado del ingreso (o gasto) en el eje vertical. El Gini captura el área entre esta curva y la línea de distribución completamente igualitaria. Si no hay diferencia entre ambas, el coeficiente de Gini es 0, lo que equivale a igualdad perfecta; mientras que si la diferencia es máxima, el coeficiente de Gini es 1, lo que corresponde a desigualdad total.


La base de datos laborales para América Latina y el Caribe - LABLAC (CEDLAS y el Banco Mundial) es un proyecto de armonización que busca mitigar las diferencias derivadas del diseño específico de las encuestas en cada país y así fomentar indicadores comparables entre los países de ALC. Sin embargo, los cambios metodológicos en las encuestas originales pueden generar datos no comparables que el proceso de armonización no puede resolver por completo. Es importante que el usuario conozca qué datos son y no son comparables. Para más información, visite LABLAC: comparabilidad de las encuestas.

Bienvenidos