Brechas entre hombres y mujeres

Participación, desocupación e ingresos por sexo. Para que la serie sea comparable se usa la serie de empalme (2010–2020) y la principal desde 2022, todas con el marco del CNPV 2018.

import dane_data as dd

por_sexo = pd.concat([
    dd.geih.serie_indicadores(range(2010, 2021), por="sexo", empalme=True),
    dd.geih.serie_indicadores(range(2022, 2026), por="sexo"),
], ignore_index=True).dropna(subset=["sexo"])
por_sexo.pivot(index="anio", columns="sexo", values=["tgp", "td"]).round(1)

	tgp		td
sexo	Hombre	Mujer	Hombre	Mujer
anio
2010	80.9	55.5	9.2	15.8
2011	81.2	56.0	8.4	14.6
2012	81.2	56.9	8.1	14.0
2013	80.3	56.1	7.6	12.9
2014	80.0	55.8	7.3	12.2
2015	79.8	56.0	7.0	12.1
2016	79.1	55.5	7.4	12.4
2017	78.7	55.1	7.4	12.6
2018	78.3	54.0	7.7	13.0
2019	77.3	53.2	8.5	14.0
2020	73.6	48.2	13.4	21.0
2022	76.5	51.8	9.0	14.3
2023	76.6	52.6	8.2	12.8
2024	76.4	52.4	8.2	12.7
2025	76.8	52.8	7.0	11.4

fig, axes = plt.subplots(1, 2, figsize=(10, 4))
for ax, tasa, titulo in zip(axes, ["tgp", "td"], ["Participación (TGP)", "Desocupación (TD)"]):
    for sexo, d in por_sexo.groupby("sexo", observed=True):
        # Sin unir 2020 con 2022: 2021 no tiene el mismo marco
        for tramo in (d[d.anio <= 2020], d[d.anio >= 2022]):
            ax.plot(tramo["anio"], tramo[tasa], marker="o", ms=4, color="#2a78d6" if sexo == "Hombre" else "#eb6834",
                    label=sexo if tramo["anio"].min() == 2010 else None)
    ax.yaxis.set_major_formatter(mtick.PercentFormatter(decimals=0))
    ax.set_title(titulo)
axes[0].legend()
fig.suptitle("Hombres y mujeres, 2010–2025 (marco CNPV 2018)", x=0.01, ha="left", fontweight="bold")
fig.tight_layout();

dropna deja fuera a unas 700 personas de Putumayo de abril y mayo de 2017 que en el archivo de empalme del DANE no tienen sexo (vea Diferencias con la documentación del DANE).

La brecha de participación es la más grande: en todos los años, la TGP de los hombres supera a la de las mujeres en más de 20 puntos. Las mujeres que buscan trabajo, además, lo encuentran menos: su tasa de desocupación es mayor.

Brecha de ingresos

La mediana del ingreso laboral es el salario mínimo para hombres y mujeres (vea Ingresos frente al salario mínimo), así que la brecha se ve mejor en la media. dd.geih.serie_tabla() la calcula año por año:

media = dd.geih.serie_tabla(range(2022, 2026), por=["anio", "sexo"], variable="ingreso_laboral",
                            estadistico="media", poblacion="ocupado")
brecha = media.pivot(index="anio", columns="sexo", values="media")
brecha["brecha_%"] = 100 * (1 - brecha["Mujer"] / brecha["Hombre"])
brecha.round(1)

sexo	Hombre	Mujer	brecha_%
anio
2022	1463013.4	1341858.7	8.3
2023	1653912.0	1500475.8	9.3
2024	1799783.6	1662354.1	7.6
2025	1945582.5	1807010.9	7.1

Una parte de la brecha viene de diferencias en educación, horas y ocupación. Dentro de cada nivel educativo:

por_educ = dd.geih.serie_tabla(2025, por=["nivel_educativo", "sexo"], variable="ingreso_laboral",
                               estadistico="media", poblacion="ocupado", dropna=True)
tabla = por_educ.pivot(index="nivel_educativo", columns="sexo", values="media")
tabla["brecha_%"] = 100 * (1 - tabla["Mujer"] / tabla["Hombre"])
tabla.round(1)

sexo	Hombre	Mujer	brecha_%
nivel_educativo
Ninguno	825771.4	483284.2	41.5
Primaria	1136171.0	751966.7	33.8
Secundaria	1239697.5	870446.2	29.8
Media	1551712.3	1172720.3	24.4
Superior	3556466.5	2902284.9	18.4

ax = tabla["brecha_%"].plot.barh(color="#eb6834", figsize=(8, 3.6))
ax.xaxis.set_major_formatter(mtick.PercentFormatter(decimals=0))
ax.set_ylabel("")
ax.set_title("Cuánto menos ganan en promedio las mujeres ocupadas, 2025")
ax.grid(axis="y", visible=False);

Dentro de cada nivel educativo la brecha es mucho mayor que en el total. La razón es la composición: las mujeres ocupadas tienen, en promedio, más educación que los hombres ocupados.

comp = dd.geih.serie_tabla(2025, por=["sexo", "nivel_educativo"], estadistico="porcentaje",
                           poblacion="ocupado", dropna=True)
comp.pivot(index="nivel_educativo", columns="sexo", values="porcentaje").round(1)

sexo	Hombre	Mujer
nivel_educativo
Ninguno	3.6	2.1
Primaria	21.5	13.7
Secundaria	12.3	8.9
Media	35.1	33.5
Superior	27.5	41.8

Ver también

Tablas ponderadas explica serie_tabla, y Indicadores del mercado laboral las desagregaciones de serie_indicadores.