Metodologías

Los aportes estadísticos de este documento corresponden a la obtención de series largas de la distribución factorial del ingreso entre 1950-2016; la obtención del Gini para los perceptores de remuneraciones e ingresos mixtos entre 2007-2016; la reestimación del coeficiente Gini a partir de la distribución per sonal del ingreso mediante ejercicios de simulación de Montecarlo y el cálculo del Gini de la distribución de los depósitos bancarios de familias y empresas en el sistema financiero peruano a partir de la estadística proporcionada por la Superintendencia de Banca, seguros y AFPS de Perú (SBS).

Para obtener la participación salarial en el periodo 1950-1973, se utilizaron los datos de las Memorias Anuales y las Cuentas Nacionales del Perú del Banco Central de Reserva del Perú (BCRP). Para la serie de 1973-1979 se replicaron los datos de las Cuentas Nacionales del Perú 1950-1980 del Instituto Nacional de Estadística (INE) y de la Memoria Anual del ^{BCRP de 1984}. Para el periodo 1979-1990 se tomaron las series del Anuario Estadístico de América Latina y el Caribe de la CEPAL. Respecto a 1990-2007 se consideró la información del Anuario Estadístico de América Latina y el Caribe y de la Oferta y demanda global 2012 del INEI; y en 2007-2016 se tomó la informa ción de la Series Estadísticas Nacionales del Instituto Nacional de Estadística e Informática (INEI).

En el caso de la participación del ingreso mixto, el componente agrícola se determinó en tres periodos: de 1950-1976 se toman los datos de las Cuentas Nacionales del Perú del BCRP y de la Memoria Anual del BCRP de 1983. De 1976-2007 se construye un índice del PIB nominal agrícola con base 100 en 1990, utilizando el deflactor del PIB de las cuentas nacionales del BCRP con base 2007 y se multiplica por el PIB real agrícola que se extrae de esas mismas cuentas, para luego tomar el ingreso mixto de 2007 de las Cuentas Nacionales estimadas por el INEI y se retropola. De 2007-2016 se toma la información de la Series Estadísticas Nacionales del ^{INEI 2017}.

Para el componente no agrícola, en la serie de 1950-1990 se tomaron los datos del ingreso mixto agrícola de las Cuentas Nacionales del Perú del BCRP y de la Memoria Anual del BCRP de 1983, 1986, 1989 y 1990. En el periodo de 1990-2007 se construyó un índice compuesto del ingreso independiente total con base 100 en 1990 y se utilizó para retropolar la observación de 2007 que aparece en las Series Estadísticas Nacionales del INEI (^{Castillo, 2015}). En tanto que para 2007-2016 se toma la información de las Series Estadísticas Nacionales del ^{INEI 2017}. En el caso de la participación del excedente bruto de explotación, la serie 1950-2016 se obtuvo de manera residual luego de quitarle al PIB nominal los componentes de la masa salarial, el ingreso mixto y el componente de impuestos y subsidios.

La metodología para el ajuste del Gini de la distribución personal del ingreso utilizando las simulaciones de Montecarlo considera el siguiente pro tocolo: de la información de las ENAHO se construyen los deciles de ingreso de la distribución del ingreso monetario neto total para cada año del periodo 2004-2016 y se calcula la suma total de la masa de ingresos. Dicha suma (que equivaldría al ingreso personal de los hogares calculado por las encuestas) se compara con el ingreso personal disponible que agrega los sueldos y salarios (W), las ganancias o beneficios (B, sin excluir dividendos ni rentas de la propiedad) y los ingresos mixtos más otros componentes que se obtienen de las cuentas nacionales, cuya estructura es la siguiente:

YP _disponible = W+B + Ingreso mixto - Impuestos directos - Contribuciones sociales = Consumo de capital fijo + Transferencias

La diferencia entre el ingreso personal disponible y la suma total de ingreso monetario neto da como resultado un sobrante. Esta suma sería el ingreso que no aparece reportado por las ENAHO. En seguida, se construyen tres escenarios diferentes para asignar dicha diferencia en la distribución del ingreso monetario total según deciles. Para eso, se definen tres escenarios diferentes:

Para introducir alguna fuente de aleatoriedad en cada caso, se considera la utilización del método de simulaciones de Montecarlo que consiste en la replicación del coeficiente Gini un número determinado de veces para cada escenario señalado. Por ejemplo, podría replicarse el caso 1 000; 10 000 o 100 000 veces. Dichas repeticiones o iteraciones deben variar en función a un componente aleatorio. Para eso, se decide multiplicar la proporción del sobrante asignado por un número aleatorio con distribución uniforme y que se encuentra entre los valores de 0 y 1:

El producto de la proporción del sobrante por el número aleatorio da como resultado una nueva proporción de asignación. Por ejemplo, si el escenario I considera como asignación inicial para el primer decil 10% del sobrante, la proporción que se utilizará en la iteración o simulación "i" de dicho caso será: 10%* x _i del total del sobrante. Esto quiere decir que al primer decil de la distribución se le asignará 10%* x _i y al último decil la proporción (1 - 10% * x _i ). Sobre estas modificaciones se calculará un nuevo coeficiente Gini.

De esta forma, se extraerán tantos números aleatorios como simulaciones o iteraciones se consideren. Asimismo, la cantidad de coeficientes Gini calculados para cada escenario será igual al número de iteraciones consideradas. Para esta corrección se determinó un número de 1 000 iteraciones por cada escenario. Como resultado de las 1 000 iteraciones se calcula el coeficiente Gini corregido como el promedio de los 1 000 coeficientes de Gini obtenidos en cada escenario:

Por último, en el caso del indicador Gini para los ingresos de los trabajadores asalariados y de ingresos mixtos entre 2007-2016, así como para los depósitos bancarios, se utiliza la formula estándar mediante la cual este indicador toma valores entre 0 y 1. Igual a 0 significa que los ingresos/depósitos se distribuyen por igual entre todos los rangos de ingresos/depósitos existentes; si es 1 se concentra en un solo intervalo de ingresos/depósitos. La expresión matemática usada para determinar el coeficiente Gini para datos agrupados es la siguiente:

donde:

x _i : frecuenca relativa de la población del grupo "i"

Y _i : frecuencia acumulada del ingreso del grupo "i"

Bases de datos

En el caso de la información oficial de Perú, se emplearon estadísticas del BCRP, INEI antes ine, Ministerio de Hacienda y Comercio del Perú y de la SBS. Las fuentes internacionales corresponden al Bureau of Economic Analysis (BEA), la CEPAL y Credit Suisse y Allianz, en el caso de este último, la información corresponde a la riqueza de adultos, incluyendo el valor de los activos productivos y los financieros, restando los pasivos de las familias. Se utiliza el tipo de cambio de mercado debido a la alta movilidad del capital. Primero se estiman la riqueza media por adulto.

Para los países en los que existe información suficiente se utilizaron datos provenientes de balances generales; mientras que para aquellos en los que sí había acceso se usaron encuestas de hogares y otras similares. Es importante destacar que la cola superior suele no estar capturada en estos estimados. Luego se calculó la información del resto de las economías que no contaban con dichas encuestas mediante regresiones econométricas.

Se construyó la distribución por rangos dada esa riqueza promedio. Para los rangos superiores a US$100 000 (2010 y 2011) y US$1 000 000 (2012 en adelante), se presentan estimaciones utilizando la información obtenida de Forbes. Dichas estimaciones se realizaron asumiendo una distribución de Pareto. En una primera etapa se hicieron los cálculos de la riqueza mínima del 0.0001% más rico de la población. Esta riqueza estimada se utiliza para llenar la cola superior considerando la información de Forbes.

La información de Allianz es sobre la riqueza financiera que considera el conjunto de depósitos, acciones y bonos, y fondos de pensiones. En el caso de Argentina utilizaron la información de la estructura de depósitos bancarios para estimar la estructura de la riqueza financiera. El tipo de cambio utilizado para convertir a euros corresponde al del fin de año. Allianz informa que se utiliza información de balances generales o se aproximaron usando otras estadísticas como encuestas de hogares. Se comenta que en el caso de Perú, se utilizaron las encuestas de hogares. El tipo de cambio que se utiliza para transformar a dólares americanos proviene de ^{Officer (2018)} que es de gran utilidad para valorización de activos en estudios históricos.

Cuota de las ganancias, salarios e ingreso mixto

A continuación se muestra la evolución de la participación de los diferentes componentes del ingreso expresados respecto del PIB. La información está en los valores observados y con la tendencia no lineal obtenida mediante Hodrick-Prescott (HP).² La Gráfica 1 refleja la cuota salarial respecto del producto entre 1950-2016 con una trayectoria sinusoidal con valores pico a inicios de la década de los sesenta con una tendencia decreciente en los años setenta, con una interrupción en los años ochenta para volver a caer a inicios de la década de los noventa cuando se implantó una severa política de ajuste, estabilización y cambio estructural. A partir de mediados de los años noventa nuevamente se observa una tendencia creciente sin arribar a los niveles de la edad de oro del capitalismo.

Fuente: elaboración propia con base en ^{BCRP (1984}, ²⁰¹⁸⁾, ^{Ministerio de Hacienda y Comercio (1959)}, ^{INE (1981}, ¹⁹⁹⁰⁾, ^{CEPAL (1990}, ¹⁹⁹², ¹⁹⁹⁴⁾, ^{INEI (2013}, ²⁰¹⁸⁾, ^{Castillo (2015)}.

Gráfica 1 Participación salarial en el PIB y tendencia HP (1950-2016) 

En la Gráfica 2 se muestra la participación del excedente bruto de explotación (ganancias) respecto del PIB. Esta serie también presenta una tendencia sinusoidal ascendente hasta finalizar la década de los noventa. Se aprecian dos picos en el segundo quinquenio de los setenta y en el primer quinquenio de los noventa, justo cuando la participación de los salarios se redujo significativamente. A partir del siglo XXI, los mayores niveles de la cuota de las ganancias se observaron previo a la crisis financiera internacional e inmediatamente después cuando se obtuvieron los más altos precios de las materias primas de exportación. Fue a partir de 2013 que la participación de las ganancias se reduce por los menores precios de las materias primas.

Fuente: elaboración propia con base en ^{BCRP (2018)}, ^{Ministerio de Hacienda y Comercio (1951}, ¹⁹⁵⁹⁾, ^{INE (1981}, ¹⁹⁹⁰⁾, ^{CEPAL (1981}, ¹⁹⁹⁰, ¹⁹⁹², ¹⁹⁹⁴, ²⁰⁰¹⁾, ^{INEI (2013}, ²⁰¹⁸⁾, ^{García (2013}), ^{Banco Mundial (2018)}, ^{Seminario (2015)}.

Gráfica 2 Participación del excedente bruto de explotación en el PIB y tendencia HP (1950-2016) 

La participación del ingreso mixto (trabajadores independientes por cuenta propia del ámbito urbano y rural) se observan en la Gráfica 3. La tendencia de esta serie es decreciente hasta mediados de los años setenta, momento en que se produce un crecimiento del sector urbano moderno respecto al sector agropecuario-rural y que alberga a los mayores contingentes de trabajadores por cuenta propia (campesinos). Es a partir de los años ochenta y noventa, que se observa un crecimiento de esta participación como resultado de la reducción de la cuota salarial, ya que se produce en el sector no agrícola (principalmente comercio y servicios) tal como se aprecia en la Gráfica 4. Asimismo, la participación de los ingresos mixtos rurales llega a valor mínimo a inicios de la década de los ochenta a partir de la cual se observa una ligera tendencia creciente como resultado de un mayor crecimiento relativo de la producción agrícola para la atención del mercado interno y de las mayores exportaciones tradicionales y no tradicionales de diversos grupos campesinos.

Fuente: elaboración propia con base en ^{BCRP (1984}, ²⁰¹⁸⁾, ^{Ministerio de Hacienda y Comercio (1951}, ¹⁹⁵⁹⁾, ^{INE (1981}, ¹⁹⁹⁰⁾, ^{CEPAL (1990}, ¹⁹⁹², ¹⁹⁹⁴⁾, ^{INEI (2013}, ²⁰¹⁸⁾, ^{García (2013}), ^{Seminario (2015)}, ^{Castillo (2015)}.

Gráfica 3 Participación del ingreso mixto en el PIB y tendencia HP (1950-2016) 

Fuente: elaboración propia con base en ^{BCRP (1984}, ²⁰¹⁸⁾, ^{Ministerio de Hacienda y Comercio (1951}, ¹⁹⁵⁹⁾, ^{INE (1981}, ¹⁹⁹⁰⁾, ^{CEPAL (1990}, ¹⁹⁹², ¹⁹⁹⁴⁾, ^{INEI (2013}, ²⁰¹⁸⁾, ^{García (2013}), ^{Seminario (2015}), ^{Castillo (2015}).

Gráfica 4 Participación del ingreso mixto agrícola, no agrícola en el PIB y tendencia HP (1950-2016). 

Gini de asalariados y trabajadores independientes

La información oficial detallada sobre la población ocupada, la masa de sueldos y los salarios e ingresos mixtos para 13 sectores productivos y el total nacional, entre el año base 2007 y 2016, permitie obtener un indicador de la desigualdad en ambas categorías de ingreso, aunque hay que reconocer que se trata de un periodo corto y reciente. Desafortunadamente, las otras bases de las cuentas nacionales no permiten ir hacia atrás con la misma clasificación sectorial. En la Gráfica 5 se muestra el indicador Gini obtenido con base a los ingresos promedios de cada sector productivo tanto de los receptores de remuneraciones como de los trabajadores independientes. Asimismo, se presenta los resultados para ambos grupos evaluados de manera conjunta.

Fuente: elaboración propia con base en NE (2017).

Gráfica 5 Coeficiente Gini de asalariados, ingreso mixto y total 2007-2016. 

Un primer elemento a destacar es que la desigualdad, considerando los promedios de los ingresos sectoriales, es reducida: alrededor de 0.2 en el caso de los asalariados e inferior en el caso de los independientes que tienen una estructura distributiva más igualitaria. Un segundo elemento es que la desigualdad varía a lo largo del tiempo, siendo mayor en los años de desaceleración económica como 2009 y entre 2014-2016, como resultado de que los promedios de ingresos intersectoriales se distancian entre sí. Por el contrario, en los años de mayor crecimiento económico la dispersión salarial y de ingresos se reduce. Un tercer elemento es la correspondencia positiva entre la desigualdad del sector formal (asalariados) y de los trabajadores independientes, ya que ambos crecen en tiempos de crisis, mientras que decrecen cuando el crecimiento económico es mayor.

Resultados oficiales

Los resultados oficiales de la medición de la desigualdad en la distribución personal del ingreso obtenidos a partir de la ENAHO se muestran en el Cuadro 1, en el que se distinguen los datos calculados a partir de los ingresos y de los egresos registrados en esa encuesta. En ambos casos, la tendencia es claramente decreciente, reflejando una reducción de la desigualdad que se reporta internamente y a los organismos internacionales. Se debe resaltar que con estos resultados la distribución personal del ingreso sería menos inequitativa que en todos los otros socios de la Alianza del Pacífico como: Chile, Colombia y México. Asimismo, sería cercana a la reportada por las economías de más altos ingresos.

Estos resultados llevan a que diversos académicos las cuestionen por diversas razones y se generen nuevas estimaciones no oficiales. En primer lugar, la extrapolación a nivel nacional de los resultados de la ENAHO sólo permite llegar a un monto equivalente a la mitad del ingreso nacional. En segundo lugar, la encuesta subestima sobre todo ingresos y gastos del decil superior de ingresos. Al respecto, un análisis de los datos señala que los hogares más ricos en realidad son parte de los sectores de ingresos medios. También se detecta subestimación en el caso del decil de menores ingresos de la sociedad.

Ajustes en el Gini

Pueden establecerse ajustes a la definición de ingreso incorporando transferencias e impuestos; asimismo, se hacen correcciones a la desigualdad del gasto utilizando la información del consumo agregado (^{Mendoza et al., 2011}). Estos autores, asumen una tasa de pobreza decreciente y plantean que la desigualdad del ingreso se ha reducido más lento que la pobreza. Con estos elementos, en la Gráfica 6, el Gini ajustado por el PIB fluctuaría alrededor de 0.6 con un valor máximo de 0.7 en 2002; mientras que el Gini ajustado por el PNB terminaría en 2010 en alrededor de 0.59 con un valor máximo de 0.69, cifras superiores a las oficiales.

Fuente: elaboración propia con base en ^{INEI (2017)}, ^{Cruz-Saco et al. (2018)} y ^{Mendoza et al. (2011)}.

Gráfica 6 Evolución del Gini del ingreso oficial, Mendoza et al, Cruz-Saco et al., y ajustes según autores. 

Por otra parte, las estimaciones de ^{Yamada et al. (2016}) prestan mucha atención a la diferencia del ingreso extrapolado a partir de las encuestas y el ingreso estimado de las cuentas nacionales, el mismo que redistribuyen de manera uniforme a lo largo de la distribución que tendría una forma log-normal. Con estos supuestos se obtienen nuevos resultados más cercanos a los oficiales que fluctuarían entre 0.65 en 2004 hasta 0.51 en 2004. ^{Cruz-Saco et al. (2018}) corrigen el problema de la cola superior asumiendo una distribución de Pareto para eliminar el sesgo a la baja de las encuestas. La diferencia entre el ingreso disponible de las cuentas nacionales y el extrapolado de las encuestas lo imputan totalmente a la cola superior. Con estos supuestos la desigualdad se mantiene alta (entre 0.69 en 2001 y 0.67 en 2015).

De acuerdo a la metodología de reasignación de la diferencia entre la información del ingreso, derivada de las cuentas nacionales y la extrapolada de la encuesta señalada en la sección 2 de este artículo y utilizando los ejercicios de simulación de Montecarlo, se plantean tres escenarios para el Gini del ingreso. En el primer caso 90% de la diferencia se asigna al decil superior y 10% al decil inferior generando que fluctúe entre 0.68 en 2004 y 0.64 en 2016 (véase Cuadro 2). El segundo escenario plantea que 5% se asigne al decil de bajos ingresos y 95% al alto generando un Gini entre 0.70 y 0.66. En el último escenario, toda la diferencia entre los ingresos se asigna al decil más rico de la población mostrando un Gini entre 0.72 en 2004 y 0.68 en 2016.

Estudios internacionales

^{Credit Suisse (2017)} realiza estimados periódicos sobre la riqueza y su distribución para la mayoría de las economías del mundo. En el caso de Perú estimó que los adultos que tienen algún tipo de riqueza aumentaron de forma sostenible de 17.8 millones en 2010 a 19.8 millones en 2016. El rango de menos de US$10 000 contiene la mayor población de adultos en el periodo analizado, a pesar de presentar algunas variaciones, consigue expandirse de 12.4 millones en el 2010 a 11.9 millones en el 2016 más 2.3 millones que ascienden al rango de riqueza superior. En tanto, los adultos con riqueza de US$10 mil a US$100 mil y de US$100 mil a US$1 millón, tuvieron una tendencia a incrementarse con máximos en 2016 de 7.3 millones y 574 mil adultos, respectivamente.

Por otro lado, se tiene información sobre peruanos con una riqueza mayor a US$1 millón a partir de 2012, creciendo de 18.5 mil personas en 2012 a 39.6 mil personas en 2016. En este grupo, el intervalo de US$1 a US$5 millones es el de mayor tamaño y siendo más del doble en los últimos tres años, al pasar de 15.8 mil en 2012 a 33.3 mil adultos en 2016. Mientras que el rango de US$5 a US$10 millones registró un máximo de 3.3 mil adultos en 2016. Por último, el grupo de adultos con riqueza de más de US$mil millones tuvo un incremento significativo, al pasar de sólo 2 adultos en 2012 a 10 adultos en 2016.

En la Gráfica 7 se presenta el valor del Gini de la riqueza productiva estimada por Credit Suisse y el de los activos financieros netos de Allianz. En ambos casos los niveles de inequidad son elevados con valores en un caso de alrededor de 0.7 para los activos financieros y entre 0.7 y 0.82 en el caso de la riqueza productiva. Por otra parte, la tendencia es ascendente con ligeras fluctuaciones en los años específicos.

Fuente: elaboración propia con base en ^{Allianz (2016} y ²⁰¹⁷⁾ y ^{Credit Suisse (2010}-²⁰¹⁷⁾.

Gráfica 7 Evolución del coeficiente Gini de la riqueza en el Perú, según Allianz y Credit Suisse 2010-2016 

Distribución de los depósitos bancarios

Sobre la riqueza productiva y su distribución, no existe información nacional al respecto. Sin embargo, sí es posible realizar una estimación de la desigualdad en la tenencia de activos financieros a partir de información proporcionada periódicamente por la SBS, que presenta trimestralmente y al cierre del año estadísticas sobre el número de cuentas bancarias y el total de depósitos por tramos o rangos diferenciados para personas naturales o físicas y de personas jurídicas con fines de lucro (empresas). Se consideran todos los depósitos a la vista, depósitos de ahorro, depósitos a plazos y CTS³ en el sistema financiero. A partir de esta información es posible determinar cómo se distribuyen los depósitos y estimar el Gini correspondiente. El hecho que una persona física o empresa pueda tener varias cuentas no afectaría ni los resultados y ni las conclusiones del cálculo realizado.

En la Gráfica 8 se observa que el Gini, que mide la concentración de los depósitos bancarios por cuenta, tiene valores elevados entre 0.8 y 0.85 reflejando una elevada inequidad en el caso de las personas físicas. Cuando se observa los valores para las empresas con fines de lucro, la inequidad es mayor, ya que ésta se ubicaría entre 0.95 y 0.975. Por otra parte, cuando se observa la tendencia entre 1998 y 2017, es creciente para ambos conjuntos de cuentas. La inequidad es elevada a la par que su tendencia es creciente. Por otra parte, se debe mencionar que no se consideró un periodo de análisis más amplio por la modificación de los umbrales que definen cada rango de depósito y número de cuenta debido a los efectos que la inflación puede generarles.

Fuente: elaboración propia con base en la ^{SBS (2017)}.

Gráfica 8 Evolución del coeficiente Gini de los depósitos de personas y de las empresas 1998-2017. 

Algunas comparaciones internacionales

En la Gráfica 9 se compara la evolución de la participación de los sueldos y de los salarios de Perú, respecto del PIB, la misma razón para el promedio latinoamericano obtenido por ^{Alarco (2017}) y de Estados Unidos de América. El eje del lado izquierdo, representa la información del país andino y de América Latina; mientras que el eje derecho representa la información de Estados Unidos de América obtenida del ^{BEA (2018)}. En el caso de la información de la región, se incluyen las cargas sociales y, en el caso de Estados Unidos de América, los datos se presenta sin y con estas cargas sociales. En todos los años, a excepción de finales de la década de los cincuenta, la participación de los salarios en el PIB de América Latina es superior a los valores de Perú; asimismo, la tendencia decreciente a partir de mediados de la década de los setenta es menor que la observada en el país sudamericano, donde la caída de la cuota salarial es más dramática. En el caso de Perú, se registra una ligera mejora a inicios del segundo quinquenio de los años ochenta, para tener después una fuerte reducción en el primer quinquenio de los años noventa como resultado de los programas de ajuste, estabilización y reforma estructural de dicha década. Luego de ese periodo, se observa una recuperación sin arribar a los niveles históricos previos.

Fuente: elaboración propia con base en Bureau of Economic Analysis - ^{BEA (2018)}.

Gráfica 9 Participación salarial respecto del PIB en Perú, América Latina y Estados Unidos de América 1950-2016. 

La información sobre Estados Unidos de América sin cargas sociales es más clara, pues evidencia la tendencia decreciente observada a partir de la década de los setenta respecto de los niveles de los cincuenta y sesenta. En los noventa se detiene la caída para nuevamente contraerse a partir de los primeros años del siglo XXI en adelante.

A pesar de esta tendencia negativa en la participación de la cuota salarial, sus niveles absolutos son superiores a los observados en América Latina y Perú que se asociaron tanto a los mayores niveles de ingreso como a los menores niveles de informalidad. Cuando se muestra la información de Estados Unidos de América con cargas sociales, la caída de la cuota salarial es menor en el tiempo, registrando un nivel máximo a inicios de la década de los setenta y menor en 2016. La cuota salarial ha perdido alrededor de 5 puntos porcentuales del PIB.

^{Lindenboim (2008}) integra series parciales sobre la participación de los salarios en el producto para un grupo de países desarrollados desde los años cincuenta y para otros de la región desde 1980. La conclusión es clara en las primeras economías donde se observa el ascenso de esta razón hasta mediados de los años setenta, para mostrar su estancamiento y luego caída asociada a la crisis del fordismo, a excepción de Dinamarca. En el caso de las diversas economías de la región latinoamericana, se observa una tendencia descendente con oscilaciones particulares. Sólo Chile y Colombia muestran crecimientos hasta momentos particulares de tiempo. ^{Neira (2010}) reconstruye la información de la participación de la masa salarial en el PIB a costo de factores para 14 países y la agregada ponderada de América Latina con el producto en paridad del poder adquisitivo en dólares constantes de 1970 entre 1950-2000 y las corregidas a partir de información censal incluyendo a los trabajadores independientes o de ingresos mixtos. Se concluye en el caso del conjunto, con la información sin procesamiento alguno, una fase ascendente hasta mediados de los años sesenta, para alcanzar su nivel mínimo (sima) hacia 1983 y un segundo punto máximo a mediados de los años noventa con un descenso posterior. Sin embargo, a juicio del autor, hay fuertes variaciones entre los diferentes países.

^{Abeles et al. (2014}) presentan la información y analizan el periodo 1990-2010, considerando tanto la participación de la masa salarial en el PIB, así como diversas estimaciones de los ingresos laborales de los trabajadores independientes para 15 economías y el total regional. Los autores concluyen que en ambas mediciones la tendencia es descendente, aunque con algunas excepciones como son los casos de Argentina, Brasil, Chile y Costa Rica para la participación de la masa salarial.

Existen otros trabajos históricos que abordan periodos más largos como el de ^{Frankema (2009}) que evalúa las economías de Argentina, Brasil y México entre 1870-2000. Todas las series de la participación de los salarios en el producto son cíclicas con tendencias decrecientes a partir de los años sesenta y setenta del siglo XX. Por otra parte, ^{Bértola et al. (2008}) analizan a los países del cono sur y determinan una tendencia ascendente en la desigualdad entre 1870-1920. También hay esfuerzos para periodos más cortos de tiempo de la ^{OIT (2012)} que reflejan tanto las disparidades de las economías latinoamericanas como la elevación de la cuota salarial en Argentina y Brasil de los últimos años.

En los Cuadros 3 y 4 se presenta información comparativa sobre los resultados de la medición de la desigualdad de la distribución de la riqueza productiva y activos financieros de Perú respecto de algunas economías seleccionadas. En este último caso se trata de la información proporcionada por Allianz sobre la desigualdad en la distribución de los activos financieros; mientras que en el caso de la riqueza productiva corresponde al Credit Suisse.

Al respecto, cuando se evalúa la situación de la distribución de los activos financieros de Allianz la situación de Perú es inequitativa, pero se ubica por debajo del promedio simple de las economías seleccionadas en 2015, mientras que en el caso de 2016 está ligeramente por encima del promedio. La inequidad en la posesión de activos financieros de Perú está por debajo de todas las otras de economías latinoamericanas a excepción de Argentina. Asimismo, está por debajo de los niveles europeos exceptuando Reino Unido. De acuerdo a las estimaciones de Allianz, Estados Unidos de América es la economía que tiene los mayores niveles de concentración de los activos financieros.

El panorama cambia cuando se analiza la información del Credit Suisse con relación a la distribución de la riqueza productiva (véase Cuadro 4). En todos los años, Perú tiene un coeficiente Gini por encima del promedio simple de las economías seleccionadas, a excepción de los años 2011 y 2013. Sin embargo, Perú se encuentra por debajo del promedio del resto de las economías latinoamericanas seleccionadas como son: Argentina, Brasil, Chile y Colombia, a excepción de México. Asimismo, el nivel de desigualdad promedio, en el periodo de análisis, Perú se encuentra por encima de los valores observados para las economías europeas analizadas que son: Alemania, Francia y España. De todas las economías seleccionadas, Estados Unidos de América muestra los niveles de concentración de la riqueza más elevados; así como Reino Unido muestra un coeficiente Gini más alto que el de Perú.