View
215
Download
0
Category
Preview:
Citation preview
DIFERENÇAS SALARIAIS DE RAÇA ENTRE 2002 E 2014 NO BRASIL:
EVIDÊNCIAS DE UMA DECOMPOSIÇÃO QUANTÍLICA
RACIAL WAGE GAP BETWEEN 2002 AND 2014 IN BRAZIL: EVIDENCE FROM A
QUANTILE WAGE DECOMPOSITION
Gustavo Saraiva Frio1
Luiz Felipe Campos Fontes2
RESUMO
Ao longo da década de 2000 o Brasil passou por uma grande fase de desenvolvimento
econômico. O presente trabalho busca investigar se este movimento foi acompanhado por
uma redução na desigualdade no mercado de trabalho, medido aqui pelo diferencial salarial
entre brancos e não brancos. Para tanto, são analisadas três coortes de tempo (2002-2004,
2007-2009 e 2012-2014) a partir dos microdados da Pesquisa Nacional de Amostragem
Domiciliar (PNAD). O método aplicado é a decomposição contrafactual Oaxaca-Ransom
conjugado com o Recentered Influence Function Regression (RIF-Regression) para que se
possam detalhar os principais contribuintes do fenômeno observado ao longo de toda
distribuição salarial. Nossos resultados apontaram que as diferenças salariais (totais, oriundas
de fatores observados e de discriminação) são maiores nos quantis mais elevados da
distribuição, ou seja, em profissões ou atividades cujos salários são maiores. Os achados
também apontam para uma aproximação salarial entre os grupos ao longo do período
analisado, que se deu principalmente por características observáveis, a destacar os níveis de
escolaridade. Entretanto, a discriminação caiu apenas entre o primeiro e o segundo triênio e
em baixa magnitude. Fora isso, os principais determinantes da discriminação salarial de raça
são os retornos à educação, experiência e de profissões consideradas sem regulação (trabalho
autônomo e sem carteira assinada).
Palavras-chave: Diferenças salariais de raça. Oaxaca-Ransom. Recentered Influence
Function Regression
ABSTRACT
Throughout the decade of 2000 Brazil went through a great phase of economic development.
The present study seeks to investigate whether this movement was accompanied by a
reduction in inequality in the labor market, measured here by the wage gap between whites
and nonwhites. For that, three cohorts of time (2002-2004, 2007-2009 and 2012-2014) were
analyzed from the microdata of the National Household Sampling Survey (Pesquisa Nacional
de Amostragem Domiciliar - PNAD). The method applied is the counterfactual Oaxaca-
Ransom conjugated with the Recentered Influence Function Regression (RIF-Regression) so
that the main determinants of wages inequalities can be detailed throughout the salary
distribution. Our results showed that wage gap (totals, due to observed factors and
discrimination) are higher in the higher quantiles of the distribution, that is, in professions or
activities with higher wages. The results also point to a salary approximation between the
groups during the analyzed period, which was mainly due to observable characteristics, to
highlight the levels of schooling. However, discrimination fell only between the first and
second triennial and in low magnitude. Besides that, the main determinants of racial wage gap
are returns to education, experience and professions considered unregulated (self-employment
and informal workers).
1 Programa de Pós Graduação em Economia da Pontifícia Universidade Católica do Rio Grande do Sul
(PPGE/PUCRS) Email: Gustavo.frio@gmail.com 2 Programa de Pós Graduação em Economia da Pontifícia Universidade Católica do Rio Grande do Sul
(PPGE/PUCRS) Email: luizfelipefontes.80@gmail.com
2
Keywords: Racial wage gap. Oaxaca-Ransom. Recentered Influence Function Regression
JEL Classification: J31; J71; K0
Área 8: Econometria
1. INTRODUÇÃO
Recentemente, o Brasil experimentou transformações no mercado de trabalho e no
campo socioeconômico de magnitude até então não observada em períodos anteriores.
Komatsu e Menezes Filho (2015) mostram com dados da Pesquisa Mensal do Emprego
(PME) que, de 2002 a 2014, o salário médio teve crescimento real de 17%, em grande parte
fruto dos aumentos reais de salário mínimo que totalizaram, ao longo destes 12 anos, 70%.
Destaca-se ainda, para o mesmo período, a queda no índice de Gini dos rendimentos de
trabalho em cerca de 15%, o avanço na abrangência do setor formal no emprego em 10% e a
queda do desemprego de 12% para 5%. Dados do Banco Mundial (2002-2014) mostram que
tais mudanças ocorreram concomitantes com a evolução de alguns indicadores sociais, como:
o aumento de 59% no PIB per capita3; a queda da população em linha de pobreza de 22,2%
para 7,4%; e o recuo no índice de Gini em 14%, atingindo, em 2014, o nível de 51,48.
Nesse contexto supracitado, a de se destacar a diferença salarial entre raças, já que este
fator é um reflexo tanto das inequidades sociais quanto das inequidades no mercado de
trabalho. De acordo com Lang, Lehmann e Yeon (2012), essas diferenças salariais podem ter
impactos diretos sobre o desenvolvimento socioeconômico de um país ao produzirem
ineficiências no mercado de trabalho via transferência de recursos entre os grupos. Nesse
sentido, Leite (2005) aponta que a discriminação salarial de raça é a principal fonte de
inequidades no mercado de trabalho brasileiro.
A figura 1 (a seguir) mostra a densidade do salário hora (em log natural) de brancos e
não brancos, no Brasil, para os triênios 2002-2004, 2007-2009 e 2012-2014. Destaca-se a
existência de um gap salarial entre os grupos nas três coortes de tempo analisadas, dado que a
função de densidade dos brancos encontra-se sempre a direita da função de densidade dos não
brancos. Entretanto, nota-se que ao longo do tempo houve uma aproximação salarial entre as
raças, refletindo as transformações já citadas anteriormente.
Este trabalho tem então como objetivo analisar detalhadamente a aparente
aproximação salarial entre brancos e não brancos ao longo do período 2002-2014. Para tanto,
são utilizados os microdados da Pesquisa Nacional de Amostragem Domiciliar (PNAD) e a
metodologia de decomposição contrafactual Oaxaca-Ransom (1994) combinada com o
Recentered Influence Function Regression (RIF-Regression) proposto por Firpo, Fortin and
Lemieux (2009). Esta combinação de técnicas nos permite analisar ao longo dos quantis de
salário se a queda na diferença salarial entre brancos e não brancos se deu por características
produtivas dos trabalhadores ou fruto de uma queda na discriminação. Neste sentido, deseja-
se mensurar ainda quais variáveis contribuíram mais para o fenômeno observado. A
abordagem quantílica se justifica nesse caso devido as diferenças no padrão salarial entre as
raças ao longo de toda distribuição, como pode ser observado na Figura 1. Por ser utilizado
um modelo semi-paramétrico, a distribuição de variável não precisa ter um padrão pré-
determinado pelo modelo a ser utilizado. Ainda, esse trabalho avança no sentido de mostrar,
de maneira especial, como os tipos de ocupações afetam a discriminação, principalmente as
ocupações que não são regidas pela Consolidação das Leis do Trabalho (CLT), como
empregados sem carteira de trabalho assinada e conta própria, por exemplo. Ainda são
3 O PIB per capita avançou de 9,468 para 15,972 em paridade de poder de compra (PPP) corrente.
3
adicionadas dummies para as ocupações, para capturar seus efeitos sobre os salários.
Figura 1: Densidade (kernel) do salário hora (log natural) para brancos e não brancos – 2002-2004,
2007-2009 e 2012-2014.
Fonte: Elaboração própria a partir dos microdados da PNAD/IBGE.
O trabalho está estruturado em mais quatro seções além desta introdução. Na segunda
seção, trata-se da metodologia utilizada neste trabalho. Na terceira, apresentam-se as variáveis
e dados utilizados, bem como uma análise exploratória destes últimos. Na quarta seção,
reportam-se os resultados empíricos do estudo, além de uma subseção para a discussão dos
dados com base na literatura. Por fim, apresentam-se as considerações finais.
2. METODOLOGIA
Os determinantes salariais vêm sendo estudados há muito tempo pelos economistas,
tendo como base a equação de rendimentos de Mincer (1974), escrita como:
ln 𝑌𝑖 = 𝛼 + 𝛽𝑖𝑋𝑖 + 𝜇𝑖 (1)
onde 𝑌 é o salário do trabalhador 𝑖, 𝛼 é uma constante, 𝛽 é um vetor de parâmetros associados
a um vetor de variáveis explicativas, 𝑋, além do termo de erro, 𝜇, que contem também
características não observáveis. Nesse sentido, o diferencial médio de salários entre brancos e
não brancos poderia ser analisado a partir da inclusão de uma variável dummy referente a
estes grupos. Entretanto, neste caso, não teríamos como analisar se a diferença de rendimentos
é oriunda de características produtivas que diferem trabalhadores brancos e não brancos ou
fruta de discriminação.
Para tanto, métodos de decomposição contrafactual são utilizados, com o objetivo de
analisar detalhadamente os determinantes do diferencial salarial. Além disso, estes métodos
4
têm sido ampliados, a partir de abordagens quantílicas, com objetivo de analisar as diferenças
ao longo de toda distribuição salarial e não apenas na média (Fortin, Lemieux e Firpo (2011).
Neste trabalho, aplica-se o método de decomposição Oaxaca-Blinder combinado com
o método Recentered Influence Function Regression (RIF-Regression) proposto por Firpo,
Fortin e Lemieux (2009) e que pode ser utilizado para o caso de distribuições quantílicas
incondicionais para a variável de resultado (neste caso, salários). Esta combinação de técnicas
nos permite analisar de maneira robusta o diferencial salarial entre raças para cada quantil da
distribuição, bem como decompor esta diferença entre fatores observáveis e não observáveis
e, por fim, analisar como cada característica dos trabalhadores afeta estes resultados.
2.1 Oaxaca-Ransom
Através dos trabalhos de Blinder (1973) e Oaxaca (1973) originou-se o procedimento
de decomposição contrafactual denominado de decomposição de Oaxaca-Blinder. Partindo da
equação 1, pode-se pensar na estimação dos salários para dois grupos de trabalhadores 𝑖 ∈𝐴, 𝐵, onde 𝐴 denota brancos e 𝐵 não brancos. De maneira sucinta, analisa-se o diferencial
salarial por dois prismas: a parte explicada por fatores produtivos e a parte não explicada, que
a literatura costuma atribuir à discriminação salarial.
A diferença das esperanças médias salariais é dada por:
R = E(YA) − E(YB) = E(XA)′βA − E(XB)′βB (2)
onde, por suposição, E(Yl) = E(Xl′βl + εl) = E(Xl
′βl) + E(εl) = E(Xl)′βl, E(βl) = βl e
E(εl) = 0.
Considerando uma matriz de coeficientes β∗, podemos rearranjar a equação (2)
somando e subtraindo E(XA)′β∗ e E(XB)′β∗, de maneira que:
R = [E(XA) − E(XB)]′β∗ + [E(XA)′(βA − β∗) + E(XB)′(β∗ − βB)] (3)
Assim, temos a decomposição em duas partes, em que [E(XA)′(βA − β∗) +E(XB)′(βB − β∗) é a parte não explicada4 do diferencial salarial e [E(XA)E(XB)]′β∗ é a parte
explicada por atributos produtivos, como escolaridade e experiência.
Percebendo que o modelo ainda podia ser melhorado, Oaxaca e Ransom (1994)
modificam a equação acima:
R = [E(XA) − E(XB)]′[WβA + (I − W)βB] + [(I − W)′E(XA) + W′E(XB)](βA − βB) (4)
em que a matriz identidade5 é representada por I e uma matriz de pesos relativos oriundos dos
coeficientes do grupo A é representada por W.
2.2 RIF-Regression
O método RIF-Regression permite uma maneira simples de se estimar decomposições
detalhadas de qualquer distribuição estatística para a qual uma função de influencia (influence
function- IF) possa ser computada. Neste caso, o procedimento é parecido com uma regressão
4 A parte não explicada é interpretada como discriminação desde que se assuma a hipótese de que não há
omissão de variáveis relevantes. 5 Os autores mostram que W = Ω = (XA
′XA + XB′XB)−1XA
′XA. Como X é uma matriz de dados observáveis, equivale a utilizar os coeficientes do modelo empilhado nos dois grupos, como referências de coeficientes.
5
tradicional, porém a variável dependente é trocada por pela IF de interesse. A abordagem do
modelo pressupõe que a expectativa condicional da RIF- Regression pode ser modelada como
uma função linear, como segue:
E[RIF(Y; v)|X] = Xγ + ε (5)
onde os parâmetros γ podem ser estimados por mínimos quadrados ordinários (MQO).
No caso de regressões quantílicas incondicionais, tem-se uma igualdade entre Qτ +IF(Y, Qτ) e RIF(Y;Qτ) a qual pode ser reescrita da seguinte forma:
RIF(y; Qτ) = Qτ +τ+1y≤Qτ
fY(Qτ) (6)
onde f∗Y(. ) é função de densidade da distribuição, na margem de Y, Qτ é a amostra τ-
quantílica da distribuição incondicional da variável independente e 1. é uma função
indicadora.
Computacionalmente, se estima a densidade pontual através de métodos de Kernel.
Dados os coeficientes da regressão quantílica incondicional para cada grupo, têm-se que:
𝛾𝑔,𝜏 = (∑ 𝑋𝑖𝑋𝑖𝑖𝜖𝐺 )−1 ∑ RIF(Ygi; Qg,τ)𝑖𝜖𝐺 𝑋𝑖 (7)
onde g representa os grupos A e B.
Assim, é possível reescrever o modelo quantílico incondiconal de maneira equivalente
ao modelo de Oaxaca-Blinder como:
𝜏 = 𝐸(𝑋𝐴)(𝐴,𝜏 − 𝛾𝐵,𝜏) + (𝐸(𝑋𝐴) − 𝐸(𝑋𝐵))𝐵,𝜏 (8)
Da mesma forma que outrora, 𝜏 possui a diferença total dos grupos no quantil que foi
estimado. A primeira parte da equação (7) representa a parte não explicada (atribuída à
discriminação) e a segunda parte da soma, é a diferença explicada por atributos produtivos.
3. DADOS
Este trabalho utiliza dados da Pesquisa Nacional de Amostra de Domicílios (PNAD)
para os anos de 2002 a 2004, 2007 a 2009 e 2012 a 2014. A construção de um pseudo-painel
composto por três triênios foi feita para que se pudesse analisar o fenômeno da desigualdade
racial no mercado de trabalho ao longo do tempo. Dessa forma, podemos comparar os três
períodos de maneira a analisar a trajetória temporal das diferenças salariais. Por fim, destaca-
se que a amostra é composta por homens e mulheres de 18 a 65 anos.
O Quadro 1 apresenta as variáveis utilizadas no trabalho. Os salários – deflacionados –
são em logaritmo, conforme literatura padrão. Como variável explicativa da produtividade do
trabalhador destaca-se a escolaridade, medida em anos, e duas variáveis de experiência: o
tempo de trabalho no emprego atual (experiência específica) e a experiência total de trabalho
acumulada ao longo da vida.
Algumas variáveis dummies são utilizadas neste estudo de maneira a controlar outros
fatores que, apesar de serem não produtivos, também afetam os salários do trabalhador, a
destacar: sindicalizado, metropolitano, urbano, casado, homem, chefe do domicílio, nasceu no
município e UF. Há, ainda, variáveis sobre a profissão dos indivíduos, como o tipo de
ocupação e também as profissões definidas na Classificação Brasileira de Ocupações (CBO)
de 2002.
6
Quadro 1: Descrição das variáveis
Variáveis Descrição
Ln_Salários Logaritmo natural do salário/hora.
Escolaridade Anos de educação do trabalhador.
Experiência
Específica Experiência do trabalhador na empresa em que se encontra, em anos.
Experiência
Específica^2
Experiência do trabalhador na empresa em que se encontra ao quadrado, em
anos.
Experiência Idade atual do trabalhador - idade em que começou a trabalhar, em anos.
Experiência^2 Idade atual do trabalhador - idade em que começou a trabalhar ao quadrado, em
anos.
Sindicalizado Dummy igual a 1 se o trabalhador é sindicalizado e 0, caso contrário.
Metropolitano Dummy igual a 1 se o trabalhador mora em uma região metropolitana e 0, caso
contrário.
Urbano Dummy igual a 1 se o trabalhador mora em uma região urbana e 0, caso
contrário.
Casado Dummy igual a 1 se o trabalhador é casado e 0, caso contrário.
Homem Dummy igual a 1 se o trabalhador é homem e 0, caso contrário.
Branco Dummy igual a 1 se o trabalhador é branco e 0, caso contrário.
Chefe do domicílio Dummy igual a 1 se o trabalhador é chefe do domicílio e 0, caso contrário.
Nasceu no
município
Dummy igual a 1 se o trabalhador mora no município em que nasceu e 0, caso
cotrário.
Ocupação
Dummies para as seguintes ocupações de trabalho: carteira assinada, militar,
funcionalismo público, sem carteira assinada, doméstico com carteira assinada,
doméstico sem carteira assinada, autônomo e empregador.
CBO Dummies para as profissões do trabalhador de acordo com a Classificação
Brasileira de Ocupações (CBO) de 2002.
UF Dummies para as Unidades da Federação (UF).
Fonte: Elaboração própria.
A Tabela 1 apresenta a média e o desvio-padrão das variáveis utilizadas neste trabalho.
Em relação à diferença salarial entre as raças, nota-se que no primeiro triênio analisado o
salário dos não brancos equivalia a 53% do salário dos brancos. Já no período final, esse
número evoluiu para 61%, o que reflete a aproximação salarial entre os grupos, já destacada
na Introdução. É importante verificar ainda, que apenas no último triênio o salário dos não
brancos conseguiu ultrapassar o salário dos brancos do primeiro triênio, o que denota a grande
diferença salarial ainda existente entre as raças.
Uma possível explicação para a aproximação salarial entre brancos e não brancos está
na evolução do nível de escolaridade média de ambos os grupos, uma vez que este fator é
apontado pela literatura como um dos principais determinantes salariais. Nota-se ao longo dos
triênios um aumento de 15,71% na escolaridade dos brancos e de 23,89% para o nível de
escolaridade dos não brancos. Portanto, apesar de ambos os grupos terem evoluído quanto aos
anos de estudo, esta evolução foi maior para os não brancos, o que pode refletir também seu
maior aumento salarial frente aos brancos.
Outro fator produtivo impactante nos salários a ser analisado é o nível de experiência
do trabalhador. Entretanto, nota-se que este é bem próximo entre os grupos em todos os
períodos analisados. Os brancos, no entanto, possuem mais tempo na empresa em que
trabalham (experiência específica), mas a evolução desta variável é marginal ao longo dos
triênios para ambos os grupos. Em relação à sindicalização, os nãos brancos se mantêm
estáveis em porcentagem de sindicalizados, enquanto os brancos diminuem em 2 pontos
7
percentuais. Há de se destacar ainda que os brancos têm, em média, uma maior proporção de
casados, imigrantes municipais e moradores de áreas urbanas e metropolitanas. Já, dentre os
não brancos há um maior percentual de chefes de domicílio – a partir do segundo período – e
um maior percentual de indivíduos do sexo masculino.
Tabela 1: Estatísticas Descritivas, para brancos e não brancos
Variáveis
2002-2004
2007-2009
2012-2014
Branco Não
Branco Branco
Não
Branco Branco
Não
Branco
Salários 8.04 4.29
9.33 5.44
13.38 8,22
(23.18) (9.69)
(24,64) (14,13)
(61,94) (31.1)
Escolaridade 9.04 7.14
9.81 8.07
10.46 8,81
(4.37) (4.22)
(4,33) (4,32)
(4,25) (4.33)
Experiência
específica
7.28 7,00
7.59 7.2
7.84 7,40
(8,58) (8.73)
(8,93) (8,98)
(9,22) (9.31)
Experiência 21,96 21.77
22.27 22.04
22.74 22.54
(13,85) (13.36)
(13,61) (14,50)
(13,70) (13,61)
Sindicalizado 0,19 0,15
0,19 0,16
0,17 0,15
(0,39) (0,35)
(0,39) (0,37)
(0,80) (0,36)
Metropolitano 0,41 0,38
0,40 0,37
0,41 0,36
(0,49) (0,48)
(0,49) (0,48)
(0,49) (0,48)
Urbano 0,89 0,84
0,88 0,83
0,90 0,84
(0,31) (0,36)
(0,32) (0,37)
(0,30) (0,36)
Casado 0,77 0,74
0,76 0,73
0,75 0,72
(0,42) (0,44)
(0,43) (0,44)
(0,43) (0,45)
Homem 0,47 0,49
0,47 0,49
0,47 0,49
(0,50) (0,50)
(0,50) (0,50)
(0,50) (0,50)
Chefe do domicílio 0,40 0,39
0,40 0,41
0,41 0,43
(0,49) (0,49)
(0,49) (0,49)
(0,49) (0,49)
Nasceu no município 0,48 0,50
0,50 0,51
0,52 0,54
(0,50) (0,50)
(0,50) (0,50)
(0,50) (0,50)
Observações 21.784 21.631
22.186 25.649
19.716 25.107
Fonte: Elaboração própria a partir dos microdados das PNAD’s 2002-2004, 2007-2009 e 2012-2014. Nota:
Desvio-padrão entre parênteses.
A Tabela 2 apresenta a distribuição das ocupações durante os triênios. Nota-se que as
ocupações com maior percentual de trabalhadores são: emprego com carteira assinada, sem
carteira assinada e autônomo, em ordem decrescente de participação. Para a primeira, a
participação de brancos é maior que a de não brancos em todos os triênios analisados. Além
disso, os brancos aumentaram em 8,7 pontos percentuais sua participação entre os
empregados com carteira assinada, chegando a 43,85% do total no último período. Já os não
brancos, avançaram 10,36 pontos percentuais, alcançando no período 2012-2014, 37,86% do
total de trabalhadores.
Os empregados sem carteira assinada diminuíram consideravelmente ao longo do
período analisado, porém, os não brancos sempre têm maior participação nessa ocupação,
assim como acontece com os domésticos sem carteira assinada. Trabalhadores por conta
própria se reduzem do primeiro para o segundo triênio e depois se mantém estáveis, mas os
não brancos, novamente, possuem maior relativa nessa ocupação. Cabe salientar que essas
8
ocupações não são reguladas pela CLT (Consolidação das Leis do Trabalho), assim esse tipo
de ocupação facilita a discriminação, principalmente em profissões onde se paga o salário
mínimo ou o piso.
Nesse sentido, as ocupações podem exercer papel importante na explicação do gap
salarial entre as raças, uma vez que há uma maior participação de brancos em relação a não
brancos em trabalhos com carteira assinada os quais, em geral, pagam maiores salários que as
ocupações não reguladas pela CLT – nestas, a participação é maior para não brancos.
Entretanto, destaca-se que os não brancos, relativamente aos brancos, tiveram um maior
aumento de participação nos empregos com carteira assinada e menores participações nas
ocupações não reguladas. Sendo assim, a dinâmica observada quando a evolução da
participação dos grupos nestas ocupações pode também ter levado a aproximação salarial
entre eles.
Em relação aos militares, nota-se um número bem reduzido de brancos e não brancos
presentes nesta ocupação. Além disso, a relativa é bem semelhante entre ambos os grupos,
tornando-se igual no terceiro triênio. Por fim, as ocupações relacionadas ao funcionalismo
público e a empregadores são, conforme esperado, pró-brancos, o que também pode explicar
parte do gap salarial entre as raças. Nestas ocupações, a dinâmica pouco se modificou ao
longo dos triênios.
Tabela 2: Participação das ocupações por raça
Ocupação
2002-2004 2007-2009 2012-2014
Branco Não
Branco Branco
Não
Branco Branco
Não
Branco
Empregado com carteira
assinada 35,15% 27,5%
39,98% 32,33%
43,85% 37,86%
Militar
0,4% 0,37%
0,36% 0,35%
0,43% 0,43%
Funcionário Público
Estatutário 8,1% 6,44%
8,56% 6,8%
8,84% 6,94%
Empregado sem carteira
assinada 15,55% 20,54%
14,25% 18,64%
12,37% 16,01%
Doméstico com carteira
assinada 1,95% 2,36%
1,85% 2,43%
1,82% 2,46%
Doméstico sem carteira
assinada 4,28% 7,31%
4,05% 6,9%
3,35% 5,63%
Conta própria
21,67% 24,01%
19,98% 22,06%
19,88% 22,09%
Empregador
5,98% 2,56%
5,98% 2,68%
5,36% 2,3%
Fonte: Elaboração própria a partir dos microdados das PNAD’s 2002-2004, 2007-2009 e 2012-2014.
4. RESULTADOS
A primeira análise empírica a ser realizada neste trabalho consistiu na estimação de
equações de rendimento, por meio da RIF-regression, para brancos e não brancos, nove
quantis de salários e para os triênios 2002-2004, 2007-2009 e 2012-2014. Por motivos de
concisão, apresenta-se na Tabela 3 apenas o resultado na média, ou seja, no quinto quantil da
distribuição salarial. Há de se destacar que, dentre os fatores produtivos, a escolaridade parece
ser aquele mais impactante quanto aos ganhos salariais e que este coeficiente é maior para
brancos vis-à-vis não brancos em todos os períodos analisados, o que já parece refletir a
discrepância salarial entre os grupos. Ainda em relação aos retornos salariais da educação,
nota-se que este diminuiu para ambas as raças ao longo dos triênios analisados o que pode
9
estar relacionado com o aumento do nível médio de escolaridade, visto anteriormente na
análise descritiva dos dados. Demais características produtivas – experiência específica e
experiência – também proporcionam retornos salariais positivos os quais são pró-brancos,
apesar do coeficiente relacionado à primeira apresentar uma discrepância bem superior ao
coeficiente relacionado à experiência, quando se comparam as raças. Nota-se ainda que os
retornos salariais da experiência específica e experiência aumentam a taxas decrescentes, o
que é capturado pelo coeficiente negativo destas variáveis ao quadrado, para ambas as raças e
para todos os períodos analisados.
Os demais coeficientes da RIF-regression revelam que os trabalhadores com maiores
salários são homens, casados, chefes de domicilio, sindicalizados, imigrantes municipais e
moradores de áreas urbanas e metropolitanas. Todas as variáveis supracitadas favorecem os
brancos em relação aos não brancos e, com exceção do coeficiente referente ao sexo
masculino, os demais apresentaram queda ao longo dos triênios analisados por motivos que
ainda devem ser estudados pela literatura.
Tabela 3: Equação de rendimentos (RIF-Regression) na média, para três os triênios propostos
Variáveis 2002-2004 2007-2009 2012-2014
Brancos Não brancos Brancos Não brancos Brancos Não brancos
Escolaridade 0,066* 0,046* 0,061* 0,039* 0,058* 0,037*
(0,001) (0,001) (0,001) (0,000) (0,001) (0,000)
Experiência Específica 0,029* 0,020* 0,026* 0,015* 0,024* 0,015*
(0,001) (0,000) (0,001) (0,000) (0,001) (0,000)
Experiência Específica^2 -0,001* -0,0004* -0,0005* -0,0003* -0,0004* -0,0003*
(0,000) (0,000) (0,000) (0,000) (0,000) (0,000)
Experiência 0,019* 0,016* 0,020* 0,016* 0,018* 0,016*
(0,000) (0,001) (0,000) (0,000) (0,001) (0,000)
Experiência^2 -0,0002* -0,0002* -0,0003* -0,0002* -0,0003* -0,0002*
(0,000) (0,000) (0,000) (0,000) (0,000) (0,000)
Sindicalizado 0,117* 0,104* 0,110* 0,095* 0,099* 0,080*
(0,004) (0,004) (0,004) (0,004) (0,005) (0,004)
Metropolitano 0,169* 0,123* 0,138* 0,105* 0,122* 0,096*
(0,004) (0,005) (0,004) (0,004) (0,004) (0,004)
Urbano 0,112* 0,078* 0,102* 0,054* 0,097* 0,056*
(0,007) (0,006) (0,007) (0,005) (0,007) (0,004)
Casado 0,090* 0,066* 0,077* 0,057* 0,063* 0,052*
(0,004) (0,004) (0,004) (0,003) (0,004) (0,003)
Homem 0,103* 0,062* 0,155* 0,093* 0,175* 0,138*
(0,005) (0,005) (0,004) (0,004) (0,004) (0,003)
Chefe do Domicílio 0,145* 0,118* 0,103* 0,077* 0,095* 0,059*
(0,004) (0,004) (0,004) (0,003) (0,004) (0,003)
Nasceu no Município -0,044* -0,059* -0,042* -0,050* -0,041* -0,051*
(0,004) (0,003) (0,004) (0,003) (0,004) (0,003)
Constante 0,583* 0,781* 0,705* 1,086* 1,124* 1,223*
(0,067) (0,083) (0,069) (0,062) (0,087) (0,077)
Observações 217.84 216.31 221.86 256.49 197.16 251.07
R2 Ajustado 0,372 0,320 0,364 0,295 0,340 0,273
Nota: Erro-Padrão robusto entre parênteses. * p<0.01, ** p<0.05. Constam ainda como controles da regressão:
dummies de ocupação, UF e CBO.
Uma vez estimadas as equações de rendimento quantílicas, procede-se para a
10
decomposição salarial de Oaxaca-Ransom, de forma a analisar o diferencial salarial entre
brancos e não brancos, bem como seu componente explicado e não explicado. Os resultados
para os 9 quantis e para os três triênos propostos neste estudo são apresentados na Tabela A.1
do apêndice e na Figura 1.
Figura 2: Decomposição quantílica do diferencial salarial entre raças
Fonte: Elaboração própria.
Analisando o diferencial total de salários entre as raças, fica claro na Figura 1 que tal
componente é crescente ao longo dos quantis da distribuição salarial, independentemente do
período analisado. Investigando o fenômeno ao longo das coortes de tempo, nota-se a
aproximação salarial entre os grupos, confirmando a análise exploratória já realizada
anteriormente no artigo. Esta queda parece ter sido mais marcante entre o primeiro e o
segundo triênio, além de proporcional entre os quantis salariais – com exceção para o oitavo,
entre o segundo e terceiro triênio. Nesse sentido, destaca-se que no período 2002-2004, os
brancos tinham uma remuneração 72% maior que os não brancos, no nono quantil salarial. No
período 2012-2014, a diferença estimada foi de 52%.
A diferença explicada reduz drasticamente ao longo dos triênios. Em média, a
diferença percentual caiu 10 pontos percentuais. A diferença não explicada caiu (em baixa
magnitude) entre o primeiro e o segundo terceiro triênio e depois permaneceu constante,
sugerindo persistência na discriminação racial no mercado de trabalho. Destaca-se que a parte
não explicada do diferencial cresce a partir do segundo quantil e vai sendo cada vez maior
conforme se avança ao longo da distribuição salarial, em que a discriminação vai de
inexistente no segundo quantil até 25% no último quantil. Nesse sentido, o efeito
discriminatório parece ser maior entre as atividades pagadoras de maiores salários.
Nossos resultados são complementares aos encontrados previamente pela literatura.
Salardi (2016), ao analisar o gap salarial entre raças em alguns períodos de 1987 a 2006 (com
dados da PNAD) achou como resultado uma queda da discriminação entre as raças ao longo
do período analisado, a qual de acordo com nosso trabalho não se manteve no restante da
última década. Alvarez (2013), a partir da PNAD de 2001 e 2011 e da decomposição salarial
11
de Melly, encontrou que entre o primeiro e o segundo período analisado houve uma queda no
gap salarial entre as raças, provido principalmente de características observáveis, enquanto
que os determinantes não observáveis se mantiveram mais constantes. Além disso, mesmo
utilizando outra metodologia econométrica quantílica, seus resultados ao longo dos quantis
salariais são semelhantes aos encontrados no presente estudo: as diferenças totais, observadas
e não observadas caem até o segundo quantil, depois aumentam proporcionalmente aos
quantis mais elevados da distribuição.
Há de se destacar que a principal causa da diferença salarial por variáveis observáveis
está nos anos de escolaridade, principalmente quando se analisam, novamente, os maiores
salários (Figura 1, Tabela 4). Sendo assim, brancos ganham mais do que não brancos, em
geral, porque possuem maiores níveis de escolaridade. Entretanto, ao analisar a decomposição
salarial explicada por esta variável ao longo dos triênios, confirma-se hipótese levantada
anteriormente na análise descritiva dos dados de que a educação seria um dos principais
responsáveis pela aproximação salarial entre brancos e não brancos ao longo da última
década. Analisando a média, nota-se uma redução na diferença salarial de 9,4% para 6,1%
devido a tal fator produtivo. Este efeito é crescente a partir do quinto quantil, atingindo seu
maior valor no fim da distribuição de salários, onde a queda no wagegap entre brancos e não
brancos foi de 19,7% para 11,5% entre 2002-2004 e 2012-2014. Entretanto, mesmo que se
reduza ao longo do tempo nos quantis e na média, ainda permanece alta a diferença salarial
devido à escolaridade.
Figura 3: Decomposição salarial explicada para educação
Fonte: Elaboração própria.
Demais variáveis apresentam efeito bem menos significativo para explicar a diferença
salarial entre brancos e não brancos e, além disso, nota-se que estas permanecerem
praticamente constantes ao longo dos triênios analisados. Ainda assim, destaca-se que
experiência, experiência específica, ser sindicalizado, metropolitano e morar em regiões
urbanas são alguns dos fatores que contribuem positivamente pra diferença salarial entre as
raças. Entre as ocupações, destaca-se no final da distribuição salarial o fato de ser empregador
e estatuário, ambas as ocupações favorecendo aos brancos. Isto sugere que nestas ocupações,
as atividades que pagam os maiores salários são concentradores de trabalhadores não brancos.
É curioso notar, entretanto, que ocupações com menor regulação legal (empregado/doméstico
sem carteira assinada e autônomo) também favorecem a brancos, só que no inicio da
distribuição salarial, o que parece ser um efeito novo e precisa ser mais estudado.
Tabela 4: Decomposição detalhada da diferença salarial explicada entre brancos e não brancos, na média e nas caudas da distribuição
Variável 2002-2004 2007-2009 2012-2014
Q.10 Q.50 Q.90 Q.10 Q.50 Q.90 Q.10 Q.50 Q.90
Anos de Educação 0,074* (0,002)
0,094* (0,001)
0,197* (0,003)
0,064* (0,002)
0,070* (0,001)
0,154* (0,002)
0,058* (0,002)
0,061* (0,001)
0,115* (0,002)
Experiência Específica 0,005* (0,001)
0,008* (0,001)
0,015* (0,001)
0,008* (0,001)
0,008* (0,000)
0,017* (0,001)
0,009* (0,001)
0,009* (0,000)
0,016* (0,001)
Experiência 0,001 (0,001)
0,001 (0,001)
0,002 (0,001)
0,002* (0,001)
0,002* (0,001)
0,004* (0,001)
0,002* (0,000)
0,003* (0,001)
0,004* (0,001)
Sindicalizado -0,003* (0,000)
0,005* (0,000)
0,018* (0,001)
-0,002* (0,000)
0,003* (0,000)
0,011* (0,001)
-0,002* (0,000)
0,002* (0,000)
0,006* (0,000)
Metropolitano 0,005* (0,000)
0,004* (0,000)
0,004* (0,000)
0,004* (0,000)
0,002* (0,000)
0,003* (0,000)
0,007* (0,000)
0,003* (0,000)
0,005* (0,000)
Urbano 0,004* (0,001)
0,003* (0,000)
0,005* (0,000)
0,005* (0,001)
0,002* (0,000)
0,006* (0,000)
0,008* (0,001)
0,002* (0,000)
0,006* (0,000)
Casado 0,002* (0,000)
0,002* (0,000)
0,002* (0,000)
0,002* (0,000)
0,002* (0,000)
0,002* (0,000)
0,001* (0,000)
0,001* (0,000)
0,002* (0,000)
Homem -0,006* (0,000)
-0,002* (0,000)
-0,007* (0,000)
-0,006* (0,000)
-0,004* (0,000)
-0,010* (0,001)
-0,008* (0,000)
-0,006* (0,000)
-0,012* (0,001)
Chefe do Domicílio -0,002* (0,000)
-0,002* (0,000)
-0,003* (0,000)
-0,002* (0,000)
-0,002* (0,000)
-0,003* (0,000)
-0,002* (0,000)
-0,002* (0,000)
-0,004* (0,000)
Nasceu no Município 0,001* (0,000)
0,001* (0,000)
0,001* (0,000)
0,000* (0,000)
0,000* (0,000)
0,000* (0,000)
0,001* (0,000)
0,000* (0,000)
0,001* (0,000)
Estatutário -0,003* (0,000)
0,002* (0,000)
0,013* (0,001)
-0,003* (0,000)
0,002* (0,000)
0,017* (0,001)
-0,002* (0,000)
0,003* (0,000)
0,015* (0,001)
Empregado sem carteira assinada 0,028* (0,001)
0,014* (0,000)
-0,008* (0,001)
0,029* (0,001)
0,009* (0,000)
-0,009* (0,000)
0,024* (0,001)
0,004* (0,000)
-0,006* (0,000)
Doméstico sem carteira assinada 0,033* (0,001)
0,011* (0,000)
-0,014* (0,001)
0,036* (0,001)
0,005* (0,000)
-0,013* (0,000)
0,028* (0,001)
0,000 (0,000)
-0,008* (0,000)
Conta própria 0,022* (0,001)
0,003* (0,000)
-0,010* (0,001)
0,021* (0,001)
0,001* (0,000)
-0,010* (-0,001)
0,021* (0,001)
-0,001* (0,000)
-0,008* (0,000)
Empregador -0,003* (0,001)
0,009* (0,000)
0,043* (0,002)
-0,004* (0,000)
0,007* (0,000)
0,041* (0,002)
-0,004* (0,000)
0,007* (0,000)
0,036* (0,002)
Nota: Erro-Padrão entre parênteses. * p<0.01, ** p<0.05. . Constam ainda como controles da regressão: dummies de UF, CBO e demais ocupações (militares, carteira assinada
e domésticos com carteira assinada).
A decomposição dos efeitos não explicados é apresentada na Tabela 5. Novamente, a
educação é o componente que mais afeta o diferencial salarial entre brancos e não brancos,
porém na parte não explicada da diferença total (a Figura 4 ajuda a visualizar melhor o
resultado). Isto sugere que, mantendo tudo o mais constante, os retornos salariais da educação
são maiores pra brancos do que não brancos. Existe uma vasta literatura sobre o tema, que vai
desde o acesso à educação por parte dos não brancos até a qualidade heterogênea da educação
disponível para os grupos. Quanto aos efeitos ao longo da distribuição, nota-se que estes são
baixos nos primeiros dois quantis, sugerindo que em atividades que pagam próximo ao salario
mínimo o retorno da educação não parece ter tanta relevância quanto no efeito não explicado
da diferença salarial entre raças. Entretanto, a partir do terceiro quantil os efeitos já são bem
elevados e permanecem quase constantes até o fim da cauda à direita da distribuição.
Avaliando os triênios, nota-se inclusive um avanço deste componente para explicar a
discriminação de salários que avança na média de 15,1% para 19,6% de 2002-2004 a 2012-
2014.
Figura 4: Decomposição salarial não explicada para educação
Fonte: Elaboração própria.
Demais fatores produtivos são também apresentados na Figura 4. Tanto a experiência
quanto a experiência específica são determinantes relevantes para explicar as diferenças
salariais. Nesse sentido, os retornos pagos aos trabalhadores mais experientes e aqueles com
maiores anos de experiência dentro da empresa em que trabalham parecem favorecer mais aos
não brancos. O efeito destas variáveis ao longo dos triênios permaneceu próximo do
constante, onde em 2012-2014 determinaram cerca de 6,5%, em média, da diferença salarial
não observada entre as raças. A experiência específica tem o curioso fato de nas pontas da
distribuição favorecer os não brancos (menos no último período, onde os que recebem mais
não possuem diferença significativa entre raças). Controles para o gênero, sindicalizado, da
região metropolitana, casado, chefe de domicilio possuem efeitos significativos sobre a média
e efeitos ainda maiores nas caudas. Cabe destaque que o fato de morar na zona urbana acentua
a discriminação em média de 2,9% até 4,1%.
O tipo de ocupação merece destaque especial, pois parece afetar bastante na
14
discriminação. Trabalhadores não brancos, com as mesmas características que os brancos,
apresentam salários significativamente inferiores em ocupações tradicionalmente com menor
regulação, a destacar: trabalho sem carteira assinada, trabalho doméstico sem carteira
assinada e trabalho autônomo (Figura 5). O determinante médio da decomposição salarial não
explicada destas variáveis é da ordem de 3%, 2,7% e 5,3%, respectivamente. Entretanto, ao
analisar a distribuição salarial, nota-se que estes valores ganham magnitude no segundo
quantil onde para as mesmas variáveis, os valores atingem, aproximadamente, 6%, 4% e 10%,
respectivamente. Nesse sentido, sugere-se que nessas ocupações, trabalhos de menor
qualificação estão mais suscetíveis a discriminação de salários contra não brancos. Nestes
casos, como há contato direto entre contratante e contratado, um possível gosto pela
discriminação racial pode-se fazer presente uma vez que há contato direto entre as partes e
esta relação de trabalho não é regulada por leis formais. Entretanto, há de se destacar ainda
que estas foram as únicas variáveis analisadas aonde se pode notar uma queda do efeito não
observado ao longo dos quantis salariais, com destaque para os primeiros. Freitas Filho
(2014), utilizando a mesma metodologia aqui empregada só que com os microdados do Censo
de 2010 também destaca nas atividades de trabalho um componente importante para explicar
efeitos discriminatórios de salários, só que comparando homens e mulheres.
Figura 5: Decomposição salarial explicada para educação
Fonte: Elaboração própria.
Tabela 5: Decomposição detalhada da diferença salarial não explicada entre brancos e não brancos, na média e nas caudas da distribuição
Variável 2002-2004 2007-2009 2012-2014
Q.10 Q.50 Q.90 Q.10 Q.50 Q.90 Q.10 Q.50 Q.90
Anos de Educação -0,026* (0,010)
0,151* (0,006)
0,113* (0,014)
-0,023** (0,012)
0,191* (0,006)
0,101* (0,015)
-0,123* (0,011)
0,196* (0,007)
0,134* (0,017)
Experiência Específica -0,017 (0,010)
0,057* (0,005)
-0,056* (0,011)
-0,035* (0,010)
0,070* (0,005)
-0,037* (0,012)
-0,048* (0,009)
0,067* (0,005)
-0,004 (0,013)
Experiência -0,174* (0,029)
0,059* (0,016)
0,016 (0,030)
-0,174* (0,027)
0,108* (0,015)
-0,029 (0,030)
-0,123* (0,023)
0,065* (0,015)
0,004 (0,032)
Sindicalizado 0,008* (0,001)
0,002** (0,001)
-0,018* (0,003)
0,008* (0,001)
0,002** (0,001)
-0,011* (0,003)
0,012* (0,001)
0,003* (0,001)
0,004 (0,003)
Metropolitano -0,024* (0,004)
0,018* (0,002)
0,026* (0,005)
-0,043* (0,004)
0,012* (0,002)
0,031* (0,005)
-0,059* (0,003)
0,010* (0,002)
0,072* (0,005)
Urbano 0,027 (0,017)
0,029* (0,008)
0,005 (0,013)
0,029** (0,015)
0,041* (0,007)
-0,019 (0,013)
-0,096* (0,014)
0,036* (0,008)
-0,026* (0,015)
Casado -0,022* (0,007)
0,018* (0,004)
0,006 (0,009)
-0,009 (0,007)
0,014* (0,004)
-0,002 (0,008)
-0,019* (0,006)
0,008** (0,004)
-0,003 (0,009)
Homem -0,079* (0,007)
0,025* (0,004)
0,010 (0,009)
-0,064* (0,006)
0,037* (0,003)
0,000 (0,007)
-0,075* (0,005)
0,022* (0,003)
-0,008 (0,009)
Chefe do Domicílio -0,037* (0,005)
0,014* (0,003)
0,028* (0,007)
-0,027* (0,004)
0,013* (0,003)
0,020* (0,006)
-0,021* (0,004)
0,018* (0,002)
0,017* (0,006)
Nasceu no Município 0,026* (0,004)
0,007* (0,002)
0,007 (0,005)
0,021* (0,004)
0,004* (0,002)
-0,002 (0,006)
0,028* (0,004)
0,005** (0,002)
0,009 (0,006)
Estatutário 0,007* (0,001)
0,005* (0,001)
-0,050* (0,002)
0,007* (0,001)
0,003* (0,001)
-0,045* (0,002)
0,008* (0,001)
0,003* (0,001)
-0,020* (0,002)
Empregado sem carteira assinada 0,022* (0,002)
0,030* (0,002)
-0,021* (0,003)
0,028* (0,002)
0,022* (0,001)
-0,027* (0,003)
0,058* (0,002)
0,013* (0,001)
-0,014* (0,003)
Doméstico sem carteira assinada 0,012* (0,002)
0,027* (0,001)
-0,000 (0,001)
0,017* (0,002)
0,017* (0,001)
-0,002** (0,001)
0,039* (0,001)
0,011* (0,001)
-0,001 (0,001)
Conta própria 0,076* (0,003)
0,053* (0,002)
-0,065* (0,004)
0,073* (0,003)
0,041* (0,002)
-0,050* (0,004)
0,123* (0,003)
0,034* (0,002)
-0,037* (0,004)
Empregador 0,002* (0,000)
0,001* (0,000)
-0,020* (0,002)
0,002* (0,000)
0,002* (0,000)
-0,015* (0,002)
0,002* (0,000)
0,001* (0,000)
-0,012* (0,001)
Nota: Erro-Padrão entre parênteses. * p<0.01, ** p<0.05. Constam ainda como controles da regressão: dummies de UF, CBO e demais ocupações (militares, carteira assinada
e domésticos com carteira assinada).
5. DISCUSSÃO E CONSIDERAÇÕES FINAIS
Este trabalho procurou analisar as desigualdades salariais no mercado de trabalho
contra não brancos no Brasil ao longo do período 2002-2014. Para tanto, utilizou-se uma
metodologia de decomposição contrafactual (Oaxaca-Blinder) conjugada a uma abordagem
de regressão quantílica (RIF-Regression) e os microdados da PNAD. Nossos resultados
apontaram que as diferenças salariais (totais, oriundas de fatores observados e de
discriminação) são maiores nos quantis mais elevados da distribuição, ou seja, em profissões
ou atividades cujos salários são maiores. Além disso, notamos uma queda marcante no gap
salarial entre as raças, determinada basicamente por características observáveis, a destacar a
aproximação do nível de escolaridade entre brancos e não brancos. Já a discriminação de
salários parece ter diminuído muito pouco ao longo do período analisada. Nota-se na média
uma queda moderada neste efeito entre 2002-2004 e 2007-2009, que depois permaneceu
constante até 2012-2014. Trabalhos como Mora (2008), Cacciamali et al. (2010), Carvalho et
al. (2006) mostram, assim como neste artigo, a persistência da discriminação salarial entre
raças ao longo do tempo, efeito este não só observado no Brasil, mas também em outros
países, como os EUA (ver Douglas e Steinberger (2015)).
Nossos resultados são complementares a alguns estudos encontrados na literatura, com
metodologias e propostas semelhantes. Se diferenciando dos trabalhos citados anteriormente,
Salardi (2016), ao analisar o gap salarial entre raças no período 1987-2006 (com dados da
PNAD) achou como resultado uma queda do efeito discriminatório ao longo do período
analisado, o qual de acordo com nosso trabalho não se manteve no restante da última década.
Álvarez (2013), a partir da PNAD de 2001 e 2011 e da decomposição salarial de Melly,
encontrou que entre o primeiro e o segundo período analisado houve uma queda no gap
salarial entre as raças, provido principalmente de características observáveis, enquanto que os
determinantes não observáveis se mantiveram mais constantes. Além disso, mesmo utilizando
outra metodologia econométrica quantílica, seus resultados ao longo dos quantis salariais são
semelhantes aos encontrados no presente estudo: as diferenças totais, observadas e não
observadas caem até o segundo quantil, depois aumentam proporcionalmente aos quantis mais
elevados da distribuição. Este mesmo comportamento dos efeitos da decomposição salarial ao
longo da distribuição também é observado em Freitas Filho (2014), onde o autor utiliza a
mesma metodologia do presente trabalho só que com dados do Censo de 2010, sem comparar
períodos distintos.
Há de se destacar também o papel da educação para a queda das desigualdades no
mercado de trabalho. Nosso estudo aponta que a escolaridade é o principal determinante do
gap salarial entre as raças tanto na decomposição por fatores explicados como na
decomposição por fatores não explicados (efeito neste caso fruto de diferentes retornos
salariais à escolaridade). Tais resultados estão também em linha com Salardi (2012), Alvarez
(2013) e Freitas Filho (2014). Entretanto, mostramos no presente estudo que ao longo do
período analisado (2002-2014) este fator produtivo foi o grande responsável pela
aproximação salarial entre brancos e não brancos. Nesse sentido, destaca-se a importância de
políticas ativas na área da educação para que se reduzam as desigualdades socioeconômicas.
Corroborando com tal discussão, preocupa-se com o fato de que brancos possuam maiores
retornos a educação que os não brancos. É imprescindível então que se busque uma melhor
qualidade da educação pública a favorecer principalmente os menos afortunados.
Por fim, destaca-se ainda o papel das ocupações na discriminação salarial, resultado
até então pouco discutido na literatura. Nossos resultados sugerem que em trabalhos
domésticos sem carteira assinada, demais trabalhos sem carteira assinada e trabalhos
autônomos parece haver uma maior propensão a discriminação salarial entre as raças,
principalmente nas atividades menos remuneradas (inicio da distribuição de salários).
17
Levantou-se a hipótese de que tal efeito pode ser fruto do contato direito entre contratante e
contratado cuja relação de trabalho não é regulada por leis formais. Neste caso, o contratante
poderia fazer valer seu possível gosto por discriminação. Freitas Filho (2014) também destaca
nas atividades de trabalho um componente importante para explicar efeitos discriminatórios
de salários, só que comparando homens e mulheres. Nesse sentido, sugere-se em futuros
trabalhos analisem especificamente tal componente para explicar as desigualdades salariais,
de maneira e entender melhor o mecanismo de resultado que opera nesta relação.
18
REFERÊNCIAS BIBLIOGRÁFICAS
Álvarez, L. G. (2013). Women in the Workforce: A Decomposition of Female Racial Wage
Gaps in Brazil.
Blinder, A. S. (1973). Wage discrimination: reduced form and structural estimates. Journal of
Human Resources, 436–455.
Cacciamali, M. C., Tatei, F., & Rosalino, J. W. (2010). Estreitamento dos diferenciais de
salários e aumento do grau de discriminação: limitações da mensuração padrão?
Planejamento E Políticas Públicas.
Carvalho, A. P. de, Néri, M. C., & Silva, D. B. do N. (2006). Diferenciais de salários por raça
e gênero no Brasil: aplicação dos procedimentos de Oaxaca e Heckman em pesquisas
amostrais complexas. Rio de Janeiro, Brazil: Instituto Brasileiro de Geografia E
Estatística. Mimeographed Document.
Douglas, J. H., & Steinberger, M. D. (2015). The Sexual Orientation Wage Gap for Racial
Minorities. Industrial Relations: A Journal of Economy and Society, 54(1), 59–108.
Firpo, S., Fortin, N. M., & Lemieux, T. (2009). Unconditional quantile regressions.
Econometrica, 77(3), 953–973.
Fortin, N., Lemieux, T., & Firpo, S. (2011). Decomposition methods in economics. Handbook
of Labor Economics, 4, 1–102.
Komatsu, B. K., & Menezes Filho, N. A. (2015). Salário mínimo e desigualdade salarial: um
estudo com densidades contrafactuais nas regiões metropolitanas brasileiras.
Lang, K., Lehmann, J., & Yeon, K. (2012). Racial discrimination in the labor market: Theory
and empirics. Journal of Economic Literature, 50(4), 959–1006.
Leite, P. G. (2005). Race discrimination or inequality of opportunities: The Brazilian case.
Discussion papers//Ibero America Institute for Economic Research.
Mora, R. (2008). A nonparametric decomposition of the Mexican American average wage
gap. Journal of Applied Econometrics, 23(4), 463–485.
Oaxaca, R. (1973). Male-female wage differentials in urban labor markets. International
Economic Review, 693–709.
Oaxaca, R. L., & Ransom, M. R. (1994). On discrimination and the decomposition of wage
differentials. Journal of Econometrics, 61(1), 5–21.
Salardi, P. (2016). The Evolution of Gender and Racial Occupational Segregation Across
Formal and Non‐Formal Labor Markets in Brazil, 1987 to 2006. The Review of Income
and Wealth, 62(1), S68–S89.
19
APÊNDICE A
Tabela A.1: Decomposição de Oaxaca-Ransom nos quantis (10-90) da distribuição salarial
Qu
anti
l
2002-2004 2007-2009 2012-2014
Diferen
ça
Explica
da
Não
explicad
a
Diferenç
a
Explica
da
Não
explicad
a
Diferenç
a
Explica
da
Não
explicad
a
10 0,477* (0,004)
0,316* (0,003)
0,161* (0,004)
0,425* (0,004)
0,297* (0,003)
0,128* (0,004)
0,325* (0,004)
0,224* (0,002)
0,100* (0,003)
20 0,331* (0,003)
0,312 (0,002)
0,019* (0,003)
0,248* (0,002)
0,230* (0,001)
0,019*
(0,002) 0,172* (0,002)
0,171* (0,001)
0,001 (0,002)
30 0,378* (0,003)
0,286* (0,002)
0,092* (0,003)
0,256* (0,002)
0,217* (0,002)
0,039* (0,002)
0,242* (0,002)
0,163* (0,001)
0,079* (0,002)
40 0,429* (0,003)
0,294* (0,002)
0,136* (0,002)
0,320* (0,002)
0,233* (0,001)
0,087* (0,002)
0,294* (0,002)
0,228* (0,002)
0,066* (0,002)
50 0,454* (0,003)
0,345* (0,002)
0,109* (0,003)
0,364* (0,003)
0,289* (0,002)
0,075* (0,002)
0,332* (0,003)
0,245* (0,002)
0,086* (0,002)
60 0,487* (0,003)
0,396* (0,003)
0,092* (0,003)
0,393* (0,003)
0,304* (0,002)
0,089* (0,003)
0,357* (0,003)
0,275* (0,002)
0,082* (0,003)
70 0,546* (0,004)
0,415* (0,003)
0,131* (0,003)
0,480* (0,004)
0,359* (0,003)
0,121* (0,003)
0,427* (0,003)
0,292* (0,002)
0,134* (0,003)
80 0,656* (0,004)
0,465* (0,004)
0,191* (0,004)
0,558* (0,004)
0,403* (0,003)
0,155* (0,004)
0,507* (0,004)
0,342* (0,003)
0,165* (0,004)
90 0,722* (0,006)
0,481* (0,005)
0,241* (0,006)
0,647* (0,006)
0,445* (0,004)
0,201* (0,006)
0,572* (0,006)
0,376* (0,004)
0,196* (0,006)
Nota: Erro-Padrão robusto entre parênteses. * p<0.01, ** p<0.05.
Recommended