Esta investigación tuvo como objetivo analizar los factores determinantes de la brecha salarial entre hombres y mujeres en el mercado laboral peruano: 2014 – 2018. Para lograr dicho objetivo, se usó la base de datos del INEI correspondiente a la ENAHO sobre condiciones de vida y pobreza y se utilizó la encuesta panel para los años correspondientes de la investigación, dentro de esta base datos se escogió a las personas que respondieron durante estos cinco años. La base de datos fue divida en dos grupos, una correspondiente a los hombres y la otra a las mujeres para luego ser estimadas por separado mediante el método de Oaxaca – Choe (2016) para panel de datos, los resultados muestran que las mujeres ganan 25.76% menos que los hombres. Por lo tanto, se encontró que los factores determinantes de la brecha salarial entre grupos son el nivel educativo, las horas trabajadas, la experiencia, el tamaño de la empresa, la edad, la edad elevada al cuadrado. Sin embargo, en el modelo se incluyeron otros variables como es el caso del estado civil, el estar embarazada o no (en el caso de las mujeres), las limitaciones para moverse (discapacidad física), el tiempo de residencia en el distrito o si es perteneciente a un pueblo indígena o no, las cuales no fueron significativas. / The objective of this research was to analyze the determining factors of the salary gap between men and women in the Peruvian labor market: 2014 - 2018. To achieve this objective, the INEI database corresponding to the ENAHO on living conditions and poverty was used. and the panel survey was increased for the corresponding years of the investigation, within this database the people who responded during these five years were chosen. The database was divided into two groups, one corresponding to men and the other to women, to later be estimated separately using the Oaxaca - Choe (2016) method for data panel, the results show that women earn 25.76 % less than men. Therefore, it was found that the determining factors of the wage gap between groups are educational level, hours worked, experience, company size, age, age squared. However, other variables are included in the model, such as marital status, being pregnant or not (in the case of women), limitations to movement (physical disability), length of residence in the district or whether belongs to an indigenous people or not, which were not significant.