Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
Economia Aplicada, v. 16, n. 1, 2012, pp. 137-165
RETORNOS DA EDUCAÇÃO NO BRASIL EM ÂMBITOREGIONAL CONSIDERANDO UM AMBIENTE DE
MENOR DESIGUALDADE
Daniel Cirilo Suliano*
Marcelo Lettieri Siqueira†
Resumo
Este trabalho estima a taxa de retorno da educação para as duas re-giões brasileiras que apresentam fortes disparidades sócio-econômicas:Nordeste e Sudeste. O período compreende os anos de 2001-2006, carac-terizado na literatura por uma forte queda da desigualdade de renda noBrasil de acordo com as pesquisas domiciliares. Formas alternativas deestimação aos de Mínimos Quadrados Ordinários são apresentadas. Asevidências são de que o retorno da escolaridade ainda se mantém em pa-tamares elevados, não obstante as fortes disparidades sócio-econômicasdas áreas geográficas e as diversas formas metodológicas de estimação.
Palavras-chave: Educação; Retornos; Queda Recente da Desigualdade;Nordeste; Sudeste.
Abstract
This paper estimates the rate of return to education for two Brazilianregions that have strong socio-economic disparities: Northeast and South-east. The period covers the years 2001-2006, characterized in literatureby a sharp drop in income inequality in Brazil according to householdsurveys. Alternative forms of estimation of the OLS are presented. Theevidence is that the return to schooling is still at high levels, despite thestrong socio-economic disparities in the geographical areas and method-ological ways of estimation.
Keywords: Education; Returns; Northeast; Southeast; Recent Fall of In-equality.
JEL classification: J20, J21, J31
* Analista de Políticas Públicas do Instituto de Pesquisa e Estratégia Econômica do Ceará (IPECE).Email:[email protected].† Professor do Curso de Pós-Graduação em Economia da Universidade Federal do Ceará(CAEN/UFC). Email: [email protected]
Recebido em 6 de julho de 2010 . Aceito em 28 de fevereiro de 2012.
138 Suliano e Siqueira Economia Aplicada, v.16, n.1
1 Introdução
Diversos foram os estudos que procuraram evidenciar a importância da edu-cação na explicação dos diferenciais de renda do Brasil (ver, por exemplo, Lan-goni 2005, Reis & Barros 1990, 1991, Leal & Werlang 1991, 2000, Lam & Le-vinson 1992, Lam & Shoeni 1993, Menezes Filho et al. 2000, Menezes-Filhoet al. 2006, Menezes Filho 2001, Sotomayor 2004)
Ressalte-se ainda que desde a estabilidade alcançada após o plano real,têm-se observado um declínio quase contínuo da desigualdade no Brasil (Ra-mos 2007). Neste contexto, pode-se dividir esse período em dois: (i) de 1995a 1999, apesar do controle inflacionário, período caracterizado por forte ins-tabilidade macroeconômica em virtude de sucessivas crises externas; e (ii) de2001 a 2005, no qual a desigualdade vem declinando de forma acentuada econtínua, atingindo em 2005 o nível mais baixo dos últimos 30 anos (Soares2006a, IPEA 2006, Franco et al. 2006, Barros, Carvalho, Franco & Mendonça2007, Veloso & F. 2006). Neste mesmo período, Barros, Franco & Mendonça(2007) mostram que, aliada a queda da desigualdade, medida pelo coeficientede Gini, ocorreu uma rápida expansão educacional no Brasil.
Por tudo isso, o papel do prêmio à escolaridade, isto é, o adicional salarialque o indivíduo recebe resultante de um ano a mais de estudo, ausculta-secomo grande objeto de estudo. No Brasil, inúmeros estudos já estimaram ataxa de retorno da educação através da equação de salários a lá Mincer (1974)usando-se diferentes bases de dados emétodos de estimação, além de períodosdistintos.
Behrman & Birdsaall (1983) é o primeiro estudo que usa uma equação desalários para calcular a taxa de retorno educacional brasileira usando o Censodo IBGE de 1970. Leal & Werlang (1991) também estimam uma equação deMincer empregando dummies para diversos grupos de estudo com dados daPnad de 1976-1989 e do Censo de 1980. Kassouf (1994, 1998) e Silva & Kas-souf (2000) empregam o procedimento de Heckman em dois estágios comoforma de corrigir um possível viés de seleção amostral. Os dois primeiros tra-balhos usam dados da Pesquisa Nacional de Saúde e Nutrição do IBGE, IPEAe INAN de 1989, enquanto que o último usa dados da Pnad de 1995. Ueda& Hoffmann (2002) usando informações suplementares da Pnad de 1996 dospais dos indivíduos empregam ométodo de estimação por variável instrumen-tal, estimadores intrafamiliares, mínimos quadrados (MQO) e ummodelo pornível de escolaridade. Sachsida et al. (2004) através de dados empilhados dasPnads de 1992 a 1999 utilizam ametodologia do viés de seleção amostral atra-vés dos modelos de Heckman em dois estágios e Garen (1984), além da técnicade pseudo-painel. Por fim, Resende &Wyllie (2006) usando dados da Pesquisasobre o Padrão de Vida do IBGE de 1996 e 1997 utilizam o procedimento deHeckman em dois estágios incorporando como controle adicional a qualidadeda educação.
O presente trabalho buscará complementar a literatura apresentada acimano âmbito regional na medida em que estima a taxa de retorno da escola-ridade de duas regiões brasileiras com fortes disparidades sócio-econômicas.Não obstante o uso de diferentes técnicas de estimação, diferentes variáveisexplicativas e base de dados diversas distribuídas ao longo dos anos, as evi-dências são de que a taxa de retorno educacional brasileira ainda é persisten-temente elevada. Tais resultados coadunam com as evidências internacionais.Por exemplo, estimativas da taxa de retorno da escolaridade para um conjunto
Retornos da educação no Brasil 139
de países mostram que um ano adicional de estudo no Brasil aumenta, em mé-dia, o salário em cerca de 15% colocando o país em nono lugar de um total de71 (Psacharopoulos & Patrinos 2002).
Assim, um trabalho desta estirpe tem inúmeras justificativas. Como dito,desde a década de 90 houve um progressivo aumento da escolaridade no Bra-sil. Desta forma, seria importante analisar os retornos educacionais nestecontexto. Além disto, quase metade da queda na desigualdade de renda fa-miliar observada de 2001 a 2004 deve-se aos rendimentos do trabalho (IPEA2006). Outro fator a se ressaltar é que a redução da desigualdade de rendaesteve associada tanto a fatores ligados aos rendimentos do trabalho, quantoàs transferências governamentais, exercendo estes diferentes impactos nas re-giões brasileiras (Hoffman 2006, Silveira Neto & Goncalves 2007).
O fato de distintos fatores exercerem diferentes impactos sobre a distribui-ção de renda em um período de acelerada queda da desigualdade talvez sejaexplicada pelo histórico no tocante a existência de desigualdades regionaisentre as regiões e os estados brasileiros. De acordo com Barros (2011), as de-sigualdades regionais no Brasil, sendo o Nordeste mais pobre que o Sudeste,mesmo já existentes, agravou-se mais ainda a partir da chegada da coroa por-tuguesa ao Brasil no século XIX seguido de outros fatores da época, como aabertura do comércio, a diversificação das atividades produtivas e a acelera-ção da migração de europeus e asiáticos.
De maneira mais específica, pode-se dizer que a questão regional no Brasiltem início a partir dos trabalhos de GTDN (1967) e Furtado (1985). Desde en-tão, tal problema passou a ser visto como uma busca por uma menor dispari-dade de renda entre as regiões no qual o processo de industrialização daquelasmais pobres exerceria papel primordial para o tão sonhado desenvolvimento.Assim, de acordo com essa teoria, a saída para superar o atraso relativo doNordeste e o seu velho modelo agroexportador seria através de estímulos aindustrialização da região, setor o qual comandara a dinâmica da região Su-deste à época de seu maior crescimento. Essa tese serviu de base para criaçãoda SUDENE tendo ainda direcionado a maior parte das políticas de desenvol-vimento regional no Nordeste a partir da segunda metade do século XX.
Recentemente, alguns autores vêm procurando reformular o conceito dedesequilíbrio regional no Brasil. Nesse contexto, a problemática regional bra-sileira saiu do foco estruturalista e passou a ser analisada sob o enfoque daTeoria Econômica Neoclássica e seus desdobramentos.
É dentro dessa contextualização que Barros (2011) defende que a existên-cia de um problema regional se dá quando as oportunidades para indivíduosde características semelhantes não são as mesmas nas diferentes regiões. Se-gundo esse argumento, a mera existência de disparidade de renda per capitaentre regiões não pode ser caracterizada como determinante para uma ques-tão regional.
Além disso, no Brasil, boa parte das desigualdades regionais é explicadaa partir da concentração das rendas individuais. Logo, políticas de distribui-ção de renda teriam mais importância caso o objetivo maior seja reduzir asdisparidades regionais (Barros 2011).
Na esteira dessa mesma ótica, Pessoa (2001) caracteriza como problema re-gional o fato de o diferencial de renda entre trabalhadores com característicassimilares em diferentes regiões explicar uma parcela elevada dos diferenciaisde renda per capita. Assim, prossegue o argumento, se mesmo após o controledas características dos trabalhadores o diferencial de renda desaparecer, não
140 Suliano e Siqueira Economia Aplicada, v.16, n.1
existiria um problema regional, mas sim um problema social tal qual a regiãopobre seria predominantemente povoada por pessoas que detém característi-cas de renda baixa.
Além desta introdução, este trabalho contém cinco seções. Na seção 1 éfeita uma breve revisão da literatura no que tange a disparidade regional e aopapel da desigualdade de renda brasileira concatenada às taxas de retorno daeducação bem como suas implicações para o mercado de trabalho. A seção 2faz um aparato descritivo da base de dados. A seção 3 é dividida emmais duassub-seções discutindo-se sobre os diferentes modelos e as diversas variáveisexplicativas. Na seção 4 são discutidos os resultados das estimações. Por fim,a seção 5 contém as conclusões do trabalho.
2 Breve revisão da literatura
De acordo com Cano (1998), a formação e o estabelecimento de uma divi-são inter-regional do trabalho no Brasil acelerou-se a partir da década de1930 em decorrência do recrudescimento da industrialização e da urbaniza-ção neste período. Não obstante as já existentes diferenças históricas entreas regiões, houve a partir daí um processo de exacerbação das disparidadessócio-econômicas, especialmente entre o Nordeste e o Sudeste do país.
Neste contexto, sob forte influência das idéias de Raul Prebish, Furtado(1985) argumenta que regiões voltadas às atividades primárias exportadorasapresentariam desvantagens em relação aquelas dedicadas a produção de pro-dutos industrializados em razão da deterioração dos termos de troca. No Bra-sil, o Sudeste foi a região que apresentou as melhores condições estruturaisem um particular período de florescimento industrial, enquanto o Nordestetornou-se mero comprador desses bens ficando, assim, atrofiado em um setorchave no processo de seu desenvolvimento.
Outro ponto importante que prejudicou o desenvolvimento das regiõesmais periféricas e alargou mais ainda o fosso entre o centro-sul e o nordestebrasileiro são as diferenças de capital humano (ver, por exemplo, Tabela 3 eTabela 4 a seguir). De fato, essa parece ser a tônica de Pessoa (2001) na qualargumenta que os diferenciais de renda per capita entre regiões existem porcaracterísticas das pessoas que moram na região e não por características daregião.
Com efeito, diferenças de capital humano foram geradas na formação dasregiões brasileiras sendo provavelmente o componente mais importante nadeterminação das desigualdades regionais (Barros 2011).
Quanto à questão distributiva dos rendimentos, são os trabalhos de Fish-low (1972) e Langoni (2005) na década de 1970 que iniciam a discussão sobo tema. Não obstante o crescimento da renda real, a publicação do Censo de1970 revelou um aumento considerável da desigualdade de renda na décadade 60 no Brasil (Langoni 2005, Ramos & Reis 2000).
Segundo Langoni, a desigualdade de renda ocorrida entre 1960 e 1970 te-ria como causa dois fatores. Primeiramente, o papel da interação entre ofertae demanda nomercado de trabalho, na qual a acelerada expansão da atividadeeconômica conduziu a um aumento da demanda por mão-de-obra qualificadaque, aliada a uma oferta relativamente inelástica no curto prazo, teve comoconseqüência uma maior dispersão salarial entre os grupos de trabalhadorescom diferentes níveis de qualificação. Assim, a educação seria a variável chave
Retornos da educação no Brasil 141
na explicação do aumento da desigualdade de renda neste período, com ênfaseno papel de seus retornos (Langoni 2005).
Fishlow, por sua vez, argumentava que as políticas de estabilização efetua-das no período tiveram papel central no processo de desigualdade, na medidaem que a redução do salário mínimo real teria contribuído para a queda dopoder aquisitivo de parte dos trabalhadores. Vale também ressaltar que, as-sim como Langoni, Fishlow enfatizou o papel da educação como fator estrutu-rante no aumento da desigualdade uma vez que os grupos menos afortunadosforam os menos privilegiados na distribuição educacional no período 1960-1970 (Fishlow 1972).
Posteriormente, o papel da educação voltou a ser reforçado como fonte dedesigualdade salarial durante o decênio 1976-1986. Neste período, a escassezde oferta educacional por parte do setor público, conjugada com a falta de in-vestimentos da iniciativa privada, acabou refletindo-se em elevados retornosao prêmio de escolaridade no Brasil (Leal & Werlang 1991, 2000).
Outra questão pertinente se dá dentro do comércio exterior em razão dacrescente integração econômica entre países e as profundas mudanças tecno-lógicas, abrindo um amplo leque de discussões sobre as transformações nomercado de trabalho, desde o fim dos anos 80. Países como o Brasil, queabriram tardiamente suas economias, experimentaram efeitos simultâneos docomércio internacional e incorporação de novas tecnologias (Arbache 2001).
Tais eventos estariam provocando mudanças na estrutura de demanda portrabalho e, particularmente, favorecendo trabalhadores qualificados, assimcomo aumentos dos retornos do capital humano nessas economias. De fato,Arbache (2001) mostra que ocorreu grande elevação dos retornos relativos daeducação superior completa e queda dos demais grupos a partir de 1992 noBrasil, período que coincide com as reformas comerciais.
Do ponto de vista da oferta relativa, Andrade &Menezes-Filho (2005) tam-bém encontram evidências que a proporção de indivíduos com nível de quali-ficação intermediária na força de trabalho está crescendo, enquanto a propor-ção de trabalhadores com baixa qualificação e de indivíduos qualificados vêm-se reduzindo. Assim, apesar do viés de crescimento em relação à demandapor mão-de-obra qualificada, uma maior oferta de mão-de-obra intermediá-ria, associada com uma relativa escassez de pessoas com ensino superior, vemelevando os diferenciais de salários na força de trabalho brasileira.
Por outro lado, outros artigos recentemente publicados na literatura econô-mica brasileira são enfáticos ao atribuírem papel importante do mercado detrabalho, e em particular a educação dentro desse contexto, na redução contí-nua e acelerada da desigualdade de renda no Brasil (ver, por exemplo, Soares2006b, Hoffman 2006, Barros et al. 2006, Barros, Carvalho, Franco & Men-donça 2007, Ferreira et al. 2006).
Neste contexto, apesar do enorme papel das transferências ao longo do pe-ríodo, sua contribuição para a magnitude da redução na desigualdade pareceter tido um papel limitado (Hoffmann 2005, Soares 2006b, Ferreira et al. 2006).Por sua vez, o nível médio de escolaridade da população brasileira tem sidoum dos fatores chaves. De fato, o papel da escolaridade vem exercendo forteinfluência desde 1993 em conseqüência da persistente redução dos retornosmédios à educação (Veloso & F. 2006).
142 Suliano e Siqueira Economia Aplicada, v.16, n.1
3 Análise Descritiva da base de dados
A base de dados utilizada neste trabalho corresponde à Pesquisa Nacional porAmostras de Domicílios (Pnad) do Instituto Brasileiro de Geografia e Estatís-tica (IBGE) dos anos de 2001 a 2006. No caso das estimações, os anos foramempilhados (pooling). Para fins descritivos, analisou-se a evolução ano a anode alguns indicadores relativos à desigualdade, educação e mercado de tra-balho. Na tabela a seguir, por exemplo, é apresentado o Índice de Gini dorendimento do trabalho principal a partir de um quadro comparativo entre asregiões Nordeste e Sudeste do Brasil.
Tabela 1: Evolução do ÍndiceGini - Rendimento do TrabalhoPrincipal
Anos Nordeste Sudeste
2001 0,60(0,0038)
0,55(0,0040)
2002 0,56(0,0057)
0,52(0,0042)
2003 0,55(0,0040)
0,51(0,0037)
2004 0,56(0,0057)
0,50(0,0045)
2005 0,55(0,0041)
0,50(0,0036)
2006 0,55(0,0053)
0,50(0,0042)
Fonte: Cálculo pelos autores apartir dos dados da Pnad. Obs.Erros-padrão entre parêntesesobtidos por bootstrap.
Da Tabela 1, pode-se constatar que a região Sudeste começa a série comum menor grau de concentração que a região Nordeste chegando cada uma areduzir poucomais de 9% no grau de desigualdade. Ao final da série, o gap en-tre as regiões permanece inalterado o que indica uma melhor situação para oSudeste quando se considera o Índice de Gini como indicador de desigualdadede renda.
Outra forma de analisar a evolução da desigualdade para as regiões seriaatravés da razão do rendimento do trabalho principal entre o nonagésimo eo décimo percentil da distribuição1. De acordo com a Tabela 2, além de oNordeste apresentar maior dispersão e ter ao final da série um índice superiorque no início, no Sudeste ocorre um processo contínuo de menor dispersão.
Em termos educacionais, as Tabela 3 e Tabela 4 apresentam dados referen-tes ao quantitativo educacional das duas regiões para cada ano da amostra.Pela tabela Tabela 3 observa-se uma pequena evolução das duas regiões emrelação à média de anos de estudos dos indivíduos. Mais uma vez, a regiãoSudeste apresenta vantagem em relação ao Nordeste tendo em conta que suamédia ao longo de toda a série chega a ser quase dois anos superior.
A composição educacional, em termos dos distintos níveis de ensino, é ou-tra forma de analisar a oferta educacional de ambas as regiões. De acordo com
1Neste caso, foram excluídos os indivíduos de rendimento zero.
Retornos da educação no Brasil 143
Tabela 2: Razão entre o Nonagésimoe o Décimo Percentil da Distribuição
Anos Nordeste Sudeste
2001 44,2(0,3664)
25,7(0,3491)
2002 43,1(0,5962)
24,6(0,0000)
2003 43,0(0,5962)
23,5(0,0000)
2004 43,5(0,3681)
21,3(0,1438)
2005 46,8(0,3696)
20,9(0,3506)
2006 45,4(0,0000)
20,5(0,1478)
Fonte: Cálculo pelos autores a partir dosdados da Pnad. Obs. Erros-padrão entreparênteses obtidos por bootstrap.
Tabela 3: Média de Anos deEstudo para Homens entre24 e 65 Anos de Estudo
Anos Nordeste Sudeste
2001 5.2 7.12002 5.4 7.42003 5.5 7.52004 5.7 7.62005 5.9 7.82006 6.1 8.0
Fonte: Cálculo pelos autores apartir dos dados da Pnad.
Tabela 4: Percentual dos Homens entre 24 e 65 anos com Ciclo EscolarCompleto
Anos Nordeste SudesteEnsino Ensino Ensino Ensino Ensino Ensino
Fundamental Médio Superior Fundamental Médio SuperiorCompleto Completo Completo Completo Completo Completo
2001 32.9 21.8 4.7 47.1 30.5 8.82002 34.2 23.2 5.2 49.4 33.2 9.72003 35.9 24.2 4.7 51.2 34.7 10.02004 37.6 25.6 5.3 52.8 36.0 9.62005 38.9 27.3 5.2 54.3 38.2 10.22006 41.1 28.8 5.5 57.0 40.8 11.1
Fonte: Cálculo pelos autores a partir dos dados da Pnad.
144 Suliano e Siqueira Economia Aplicada, v.16, n.1
a Tabela 4, é fato que, mesmo que lentamente, existe um progresso educaci-onal nas duas áreas geográficas, principalmente no Sudeste, onde o estoquede homens que completaram algum ciclo escolar avança mais rapidamente.Mesmo assim, esses valores ainda são baixos quando comparados com paísesdesenvolvidos, mesmo se considerássemos os homens que cursaram, sem ne-cessariamente terem completado o ensino superior ou se considerássemos opercentual dos que completaram o ensino médio2.
Do lado da demanda, a Tabela 5 apresenta informações no que tange adistribuição ocupacional por ramo de atividade. Como se pode observar, emcada região observa-se um comportamento estanque entre os três ramos deatividades com apenas pequenas oscilações ao longo dos anos.
Em um comparativo inter-regional, observa-se que o setor secundário (co-mércio e serviços) apresenta uma alocação distributiva similar nas duas re-giões, enquanto nos setores primário (agricultura) e terciário (industrial) asdiferenças entre elas são significativas. De fato, a agricultura na região Nor-deste tem uma participação de 25% no total das ocupações, enquanto que aindústria do Sudeste representa 1/3 da distribuição ocupacional da região.
Tabela 5: Distribuição Ocupacional por Ramo de Ativi-dade para Homens entre 24 e 65 anos
NordesteAnos Primário Secundário Terciário Outras Atividades
/Não declaradas
2001 26,0 49,7 22,5 1,72002 26,8 43,2 22,7 7,32003 27,1 44,1 21,1 7,72004 26,0 43,6 22,3 8,02005 26,0 43,1 22,5 8,42006 24,2 43,1 23,6 9,0
SudesteAnos Primário Secundário Terciário Outras Atividades
/Não declaradas
2001 11,2 54,1 32,4 2,32002 10,8 45,7 33,2 10,32003 11,2 45,9 32,3 10,62004 11,1 45,9 33,0 10,12005 10,7 45,8 32,9 10,62006 10,2 46,2 32,9 10,7
Fonte: Cálculo pelos autores a partir dos dados da Pnad.
4 Modelos Econométricos
4.1 Modelos
Um grande problema que as equações de salários a lá Mincer enfrentam é oviés de variável omitida, como, por exemplo, a habilidade inata. Além disso,
2Para mais detalhes desse comparativo internacional e como Brasil está bem aquém da médiados países desenvolvidos, ver Veloso & F. (2006) e Veloso et al. (2009).
Retornos da educação no Brasil 145
como é possível que os indivíduos mais hábeis apresentem custos mais bai-xos em adquirir educação é também provável que eles escolham estudar mais.Logo, as estimativas de MQO além de medirem os retornos educacionais po-dem captar ao mesmo tempo os efeitos decorrentes da habilidade das pessoastornando o estimador viesado e inconsistente (Stock & Watson 2004).
Uma forma de corrigir esse problema é através da estimação de mínimosquadrados em dois estágios (MQ2E) com o uso de variáveis instrumentais (Wo-oldridge 2002, Stock & Watson 2004). Para que a variável instrumental sejaválida, ela deve ser relevante (isto é, correlacionada com o regressor endó-geno), além de ser exógena (inexistência de correlação entre o instrumento e otermo de erro). No presente caso, o instrumento a ser utilizado é o número depessoas na família do indivíduo. De De La Croix & Doepke (2003) constroemum modelo em que a educação e a fertilidade são decisões interdependentes;logo, pais pobres ao decidirem ter mais filhos, levando em conta as restriçõesorçamentárias, passam a investir menos em educação.
Outra fonte de viés resulta do problema de seletividade amostral. Nessecaso, além de o salário depender da oferta de emprego pode também ser umafunção da estratégia de “job search” do indivíduo, o que remete ao fato de omesmo ter implícito um salário de reserva abaixo do qual não aceitaria par-ticipar do mercado de trabalho. Dessa forma, o procedimento aqui adotadoseria a estimação de uma equação de participação no mercado de trabalhopara uma amostra composta por trabalhadores empregados e desempregados,da qual resultaria a geração de uma nova variável lambda, conhecida como ra-zão inversa de Mills, passando, então, a ser incluída no modelo original comoregressor adicional. Tal metodologia caracteriza o procedimento de dois está-gios de Heckman (Heckman 1979).
De outra parte, usando uma extensão da metodologia do viés de seleçãoamostral, onde não se observa escolhas não-ótimas, pode-se considerar a es-colha dos anos de estudo como sendo uma variável contínua e ordenada (Ga-ren 1984). Assim, nesse modelo, controlam-se fatores relacionados aos rendi-mentos do trabalho por meio da inclusão de uma equação específica para aescolaridade de forma a corrigir problemas de endogeineidade, tendo comosubproduto uma variável explicativa resíduo e outra interativa entre resíduo eescolaridade.
Existe ainda um tipo de viés caracterizado pela não observância de atri-butos específicos dos indivíduos como, por exemplo, esforço, dedicação, per-sistência, determinação, etc. sendo, portanto, relacionados a componentesidiossincrásicos dos mesmos3. Se for esse o caso, deve-se esperar que tais ca-racterísticas não se alterem com o tempo e, portanto, tal problema poderia sercontornado a partir do uso da metodologia de dados em painel através do mo-delo de regressão com efeitos fixos. Como a amostra da Pnad é variável de umano para outro, não acompanhando os mesmos indivíduos sistematicamente,a alternativa aqui seria o uso da técnica de pseudo-painel, conforme descritopor Deaton (1985).
A vantagem metodológica do pseudo-painel se dá pela não ocorrência deproblemas de atritos além da possibilidade de dirimir problemas de erros demedida, já que normalmente empregam-se os dados de forma mais agregada.Neste trabalho, foram utilizados três grupos por agregação, classificados se-gundo a idade: grupo 24-36 (homens com idade entre 24 e 36 anos); grupo 37-
3Habilidade inata é também um atributo idiossincrásico dos indivíduos.
146 Suliano e Siqueira Economia Aplicada, v.16, n.1
49 (homens com idade entre 37 e 49 anos); grupo 50-65 (homens com idadeentre 50 e 65 anos).
Finalmente, com o objetivo de investigar os resultados por ciclo de esco-laridade foi estimado um modelo em que a variável contínua anos de estudofoi substituída por três dummiesmensurando os retornos da educação do ciclocompleto de ensino, a saber: ensino fundamental (EF), ensino médio (EM) eensino superior (ES), no qual não ter completado nenhum ciclo escolar foi to-mado como categoria de controle. A idéia aqui subjacente é que os ganhos dosagentes que logram êxito em concluir todo um ciclo de estudo são maiores doque aqueles que apenas concluíram algumas séries desse nível (Hungerford &Solon 1987).
4.2 Descrição das variáveis
Com base na amostra total da Pnad foram feitas algumas filtragens de formaa obter uma maior consistência do modelo. Assim, utilizou-se apenas homenscom idade entre 24 e 65 anos. A escolha dos homens e não das mulheres sedeve a especificidades de ambas as categorias decorrentes, por exemplo, dafertilidade do sexo feminino em função de tarefas reprodutivas assim comodiscriminação (ver, Leme & Wajnman 2001). Por sua vez, a idade mínimade 24 anos é uma praxe de trabalhos no âmbito do mercado de trabalho e quetambém analisam retornos da educação (ver, por exemplo, Menezes-Filho et al.2004, Sachsida et al. 2004). A idade máxima de corte de 65 anos segue umaperspectiva alternativa destes trabalhos na medida em que a permanência doshomens no mercado de trabalho é cada vez mais longa em virtude do aumentode sua expectativa de vida o que tem, por conseqüência, aumentado o tempolaboral.
A inclusão da variável experiência seguiu a abordagem de Heckman et al.(2000), segundo a qual a idade é subtraída dos anos de estudo e dos anospré-escolares. Além do mais, como nem todos os postos de trabalho são igual-mente produtivos, foi incluída a variável tempo de permanência no mesmoemprego como forma de controlar parte da produtividade do trabalhador. Se-melhantemente a experiência, Wooldridge (2002) sugere um efeito linear equadrático da variável.
Em função da forte segmentação e discriminação do mercado de trabalhobrasileiro (Barros, Franco & Mendonça 2007), foram acrescentadas dummiesdiferenciando trabalhadores do segmento formal-informal e brancos e nãobrancos4. Similarmente, adicionou-se mais uma dummy para diferenciar o se-tor urbano metropolitano do setor urbano não metropolitano e do setor rural,tendo em conta a falta de convergência de renda dos mesmos dentro da re-gião Nordeste (ver, por exemplo, Hoffman 2006, Barros, Franco & Mendonça2007). Por sua vez, considerando o papel dos sindicatos na dispersão sala-rial no Brasil (Menezes-Filho et al. 2002), uma dummy ‘sind’ é incluída comoforma de captar uma diferença de médias entre trabalhadores sindicalizadose não-sindicalizados.
Interações envolvendo as variáveis experiência e raça branca e as variáveisescolaridade, experiência e raça branca (ver Garen 1984), bem como dummies
4Os não brancos são indivíduos que declararam na Pnad serem da raça preta ou parda. Porconvenção, os amarelos e os índios foram excluídos da amostra.
Retornos da educação no Brasil 147
referentes à posição de ocupação no trabalho principal5 e setor de atividade6
foram também acrescidas (ver Ueda & Hoffmann 2002). Foi incluída tambémuma dummy chefdom de forma a diferenciar o chefe de domicílio das demais ca-tegorias na condição na família. Por fim, com o objetivo de verificar a evoluçãodos retornos à educação ao longo do tempo, foram acrescidas cinco dummiesde ano7 assim como interações destas com a escolaridade.
A variável dependente, salário real horário, refere-se ao rendimento dotrabalho principal, tendo sido deflacionado pelo Índice Nacional de Preços aoConsumidor (INPC) do IBGE. Além disto, de forma a isolar o impacto da vari-ação das horas trabalhadas sobre os rendimentos salariais, dividiu-se o rendi-mento mensal por quatro, obtendo-se o rendimento semanal do trabalho. Porconseguinte, o rendimento semanal do trabalho foi dividido pelo número dehoras trabalhadas por semana, resultando, finalmente, no salário real horário.Assim, o modelo econométrico teria o seguinte formato:
lnwi = βx′i +γesci + δZi +ϕresiduoi +θresiduo× esci +λlambdai + εi (1)
x′ = (exp,exp2,perm,perm2,branca,esc × exp,exp× branca,
esc× exp× branca,anoi ,anoi × esc, formal,sind,urbmet,
urbnaomet,secundario, terciario,contapropria, funcpub,
empregador,chefdom)′
onde w é o salário real horário, x′ é um vetor que indica as diversas caracte-rísticas observadas dos indivíduos, conforme descrito, e esc a escolaridade doindivíduo medida em anos de estudo. No modelo por nível de escolaridade,a variável esc é substituída por três dummies para cada ciclo de ensino. Es-tes atributos individuais e as demais variáveis explicativas que aparecem nosdistintos modelos estão enumerados a seguir:
1. exp – experiência do indivíduo definida como experiência = idade – es-colaridade – 6 (medida em anos).
2. exp2 – experiência ao quadrado.
3. perm – tempo de permanência do indivíduo no mesmo trabalho (medidaem anos).
4. perm2 – tempo de permanência do indivíduo no mesmo trabalho ao qua-drado.
5. branca – se o indivíduo se declarou branco (branco =1 e demais casos =0).
5Foram acrescidas as dummies conta-própria, funcionário público e empregador como formade captar uma diferença de média entre o grupo de trabalhadores empregado (categoria base).Os trabalhadores na produção para o próprio consumo e trabalhadores na construção para opróprio uso além daqueles que se declararam com rendimentos zero foram excluídos devido aespecificidades dessas atividades.
6Uma dummy para o setor secundário (indústria) e outra para o setor terciário (comércio eserviços) diferencia-se do setor agrícola (grupo de controle).
7O ano de 2001 foi tomada como categoria base.
148 Suliano e Siqueira Economia Aplicada, v.16, n.1
6. esc×exp – interação entre as variáveis escolaridade e experiência.
7. exp×branca – interação entre as variáveis experiência e raça branca.
8. esc×exp×branca – interação entre as variáveis escolaridade, experiência eraça branca.
9. anoi – dummy para ano o i, onde i = 2002, 2003, 2004, 2005 e 2006 (anoi= 1 e 2001 = 0).
10. anoi×esc – interação entre o ano i e escolaridade.
11. formal – se o indivíduo contribuiu para instituto de previdência em qual-quer trabalho (formal = 1 e trabalhador informal = 0).
12. sind – se o trabalhador é sindicalizado (sind = 1 e trabalhador não sindi-calizado = 0).
13. urbmet – indivíduo da região urbana metropolitana (urbmet = 1 e rural= 0).
14. urbnaomet – indivíduo da região urbana não metropolitana (urbnaomet= 1 e rural = 0).
15. secundario – trabalhador do setor de comércio e serviços (secundario = 1e primário = 0).
16. terciario – trabalhador do setor industrial (terciario =1 e primário = 0).
17. conta-propria – se o indivíduo é conta-própria (conta-propria = 1 e em-pregado = 0).
18. funcpub – se o indivíduo é funcionário público estatutário ou militar(funcpub = 1 e empregado = 0).
19. empregador – se o indivíduo é empregador (empregador = 1 e empregado= 0).
20. chefdom – chefe de domicílio (chefe de domicílio = 1 e demais membros= 0).
21. residuo – variável gerada da equação específica para escolaridade no mo-delo de Garen (1984).
22. residuo×esc – interação entre a variável gerada da equação específicapara escolaridade no modelo de Garen (1984) e a escolaridade do in-divíduo (medida em anos).
23. lambda – razão inversa de Mills gerada pelo Modelo de Heckman de doisestágios.
24. efeitos fixos (Zi) – conjunto de variáveis não observadas que varia de umgrupo para outro no modelo de pseudo-painel8.
8grupo 24-36: homens com idade entre 24 e 36 anos; grupo 37-49: homens com idade entre37 e 49 anos; grupo 50-65: homens com idade entre 50 e 65 anos.
Retornos da educação no Brasil 149
Quando se considera o modelo por nível de escolaridade, a variável esc ésubstituída por três dummies e a equação 1 anterior é substituída pela equação2 abaixo:
lnwi = βx′
i +γ1EF +γ2EM +γ3ES + εi (2)
onde:
1. EF – indivíduos com ensino fundamental completo (EF = 1 e sem esco-laridade = 0, não completaram nenhum ciclo de escolaridade).
2. EM – indivíduos com ensino médio completo (EM = 1 e sem escolari-dade = 0, não completaram nenhum ciclo de escolaridade).
3. ES – indivíduos com ensino superior completo (ES = 1 e sem escolari-dade = 0, não completaram nenhum ciclo de escolaridade).
5 Estimações
As Tabelas 6, 7 e 8 abaixo apresentam, respectivamente, as estimações dos di-ferentes modelos para as regiões Nordeste, Sudeste e para o Brasil com apenasas regiões Nordeste e Sudeste (erros-padrão entre parênteses)9.
A princípio, pode-se observar a significância estatística de quase todas asvariáveis em todos osmétodos de estimação mostrando, portanto, a relevânciada grande maioria das variáveis explicativas bem como a robustez de todos osmodelos escolhidos para as distintas estimações.
É importante também destacar a diferença quando se comparam as duasregiões geográficas: o termo de intercepto em todos os modelos da região Nor-deste é superior em valor absoluto aos modelos do Sudeste. Dado que estecoeficiente representa o salário de um indivíduo na base da estimação10, éfato que esta última região apresenta uma maior convergência salarial entreseus trabalhadores do que a primeira.
Com relação às principais variáveis explicativas11 , observa-se o seguinte:no caso dos trabalhadores dos setores secundário e terciário, principalmentena região Nordeste, seus diferenciais salariais são bem superiores quando com-parados com os trabalhadores do setor primário (agrícola). No caso dos chefesde domicílio, situação semelhante acontece: quando comparados com suasrespectivas categorias de referência, seus diferenciais salariais são tambémbem elevados. As dummies de posição do trabalho principal que diferenciaconta-própria, funcionário público e empregador dos empregados (categoria
9Os resultados das equações de seleção para o modelo de Heckman bem como as estimaçõesdo primeiro estágio do modelo de variável instrumental e os resultados da equação para a es-colaridade que gera os resíduos para o modelo de Garen (1984) estão no Apêndice. No modelode variável instrumental a estatística F do primeiro estágio, que fornece uma boa medida davalidade do instrumento, mostrou-se altamente significativa para as três áreas geográficas. Oserros-padrão do modelo de Garen (1984) foram obtidos por bootstrap.
10A categoria de controle nos modelos é dada por um indivíduo não branco e não chefe dedomicílio, sem nem um tipo de vínculo empregatício formal e não sindicalizado no ano de 2001.Esse mesmo indivíduo reside na região rural pertencente ao setor agrícola e sendo ainda da ca-tegoria empregado. Nos modelos estimados por ciclo escolar a categoria omitida é dada por umhomem que freqüenta ou freqüentou a escola, mas que não completou nenhum ciclo.
11O efeito parcial (marginal) exato das principais variáveis explicativas descritas no modelo éobtido através da expressão ∂y
/∂x = [exp(coef )−1] × 100 , onde exp é o número e e coef são os
coeficientes nas Tabelas 6, 7 e 8.
150 Suliano e Siqueira Economia Aplicada, v.16, n.1Ta
bela
6:Estim
ativas
paraaRegiãoNordeste
-Pooling(200
1-20
06)
VariávelD
epen
den
te:Log
aritmodoSa
lárioRealH
orário
Variáveis
MQO
Heckm
anem
Pseu
do-Pa
inel
Variável
Garen
(198
4)Ciclo
de
Exp
licativa
s#2Estág
ios
Efeitos
Fixo
sInstru
men
tal(IV
)Escolaridad
e
constan
te−1,23
12(0,024
7409
)−1,91
88(0,200
8244
)−
−1,27
72(0,078
9033
)−0,93
65(0,033
9277
)−0,61
00(0,013
8612
)
esc
0,13
67(0,001
998)
0,16
21(0,010
1029
)0,14
44(0,002
3726
)0,15
22(0,010
0911
)0,10
71(0,004
3304
)−
exp
0,04
62(0,001
3617
)0,05
28(0,005
62)
0,05
76(0,001
9935
)0,04
54(0,003
6251
)0,02
70(0,001
6329
)0,02
58(0,000
8478
)
exp2
−0,00
0512
(0,000
0183
)−0,00
0616
(0,000
0768
)−0,00
0689
(0,000
0281
)−0,00
0442
(0,000
0311
)−0,00
0305
(0,000
0222
)−0,00
0372
(0,000
0135
)
bran
ca0,03
18(0,012
1933
)0,03
75**
(0,046
9526
)0,04
74(0,013
8149
)0,06
84(0,010
7505
)0,06
91(0,012
6413
)0,10
07(0,004
7403
)
escxexp
−0,00
12(0,000
0602
)−0,00
14(0,000
2387
)−0,00
16(0,000
0802
)−
−0,00
01(0,000
0682
)−
expxbran
ca−0,00
20(0,000
3664
)−0,00
20**
(0,001
3982
)−0,00
21(0,000
4278
)−
−0,00
39(0,000
3482
)−
escxexpxbran
ca0,00
0978
(0,000
0382
)0,00
0950
(0,000
1476
)0,00
0969
(0,000
0478
)−
0,00
0888
(0,000
0398
)−
dummy2
002
−0,00
24**
(0,011
1411
)0,47
77(0,129
5395
)−
−0,03
33(0,007
7887
)0,00
19(0,012
5747
)−0,01
56*
(0,007
3504
)
dummy2
003
−0,03
99(0,011
2292
)0,45
53(0,133
3436
)−
−0,10
35(0,008
103)
−0,03
46(0,012
9849
)−0,06
93(0,007
3581
)
dummy2
004
−0,03
24(0,011
1926
)0,46
65(0,134
1654
)−
−0,10
06(0,008
6144
)−0,02
46(0,013
1971
)−0,06
04(0,007
2882
)
dummy2
005
0,00
21**
(0,011
1694
)0,50
22(0,134
4321
)−
−0,07
70(0,009
2684
)0,01
48(0,013
7324
)−0,02
43(0,007
2588
)
dummy2
006
0,06
49(0,011
2591
)0,58
13(0,138
4928
)−
−0,01
84*
(0,010
3434
)0,08
30(0,013
7098
)0,04
92(0,007
1519
)
dummy2
002x
esc−0,00
38(0,001
5788
)−0,02
26(0,007
651)
−0,00
40(0,001
1661
)−
−0,00
44(0,001
8064
)−
dummy2
003x
esc−0,00
90(0,001
5812
)−0,02
86(0,007
8008
)−0,01
34(0,001
1368
)−
−0,00
91(0,001
7898
)−
dummy2
004x
esc−0,00
85(0,001
5598
)−0,02
82(0,007
7546
)−0,01
17(0,001
1148
)−
−0,00
93(0,001
8477
)−
dummy2
005x
esc−0,00
94(0,001
5442
)−0,02
92(0,007
7137
)−0,00
98(0,001
092)
−−0,01
07(0,002
0482
)−
dummy2
006x
esc−0,00
86(0,001
5382
)−0,02
91(0,007
8424
)−0,00
24(0,001
0737
)−
−0,01
08(0,001
9631
)−
Fonte:C
álcu
lospelos
autores.Númerodeob
servações:12
8.47
8.#Oserrospad
rãosãorobu
stos
àheteroscedasticidad
e.Obs.Sa
lvo
men
çãoem
contrário,tod
asas
variáv
eissãosign
ificativa
sa1%
.*Variáveissign
ificativa
sa5%
.**
Variáveisnão
sign
ificativa
s.
Retornos da educação no Brasil 151Ta
bela
6:Estim
ativas
paraaRegiãoNordeste
-Pooling(200
1-20
06)(con
tinuação
)
VariávelD
epen
den
te:Log
aritmodoSa
lárioRealH
orário
Variáveis
MQO
Heckm
anem
Pseu
do-Pa
inel
Variável
Garen
(198
4)Ciclo
de
Exp
licativa
s#2Estág
ios
Efeitos
Fixo
sInstru
men
tal(IV
)Escolaridad
e
perm
0,01
54(0,000
579)
0,01
55(0,002
2085
)0,01
59(0,000
6558
)0,01
29(0,000
8917
)0,01
48(0,000
5493
)0,01
53(0,000
6035
)
perm2
−0,00
0338
(0,000
0156
)−0,00
0342
(0,000
0592
)−0,00
0338
(0,000
0185
)−0,00
0321
(0,000
0185
)−0,00
0311
(0,000
0144
)−0,00
0311
(0,000
0172
)
form
al0,30
59(0,005
5561
)0,30
61(0,021
301)
0,29
47(0,005
8534
)0,22
47(0,018
8505
)0,31
03(0,004
1772
)0,34
17(0,005
2488
)
sind
0,06
25(0,005
362)
0,06
12(0,020
5758
)0,08
23(0,005
9433
)0,03
12(0,009
3574
)0,05
71(0,006
0511
)0,05
40(0,005
4405
)
urbmet
0,20
37(0,006
9137
)0,22
87(0,027
8246
)0,19
01(0,008
2808
)0,06
07*
(0,031
2867
)0,10
95(0,014
7229
)0,30
47(0,006
7292
)
urbnao
met
0,12
26(0,006
2972
)0,14
39(0,025
2574
)0,12
07(0,007
1304
)0,04
14*
(0,018
4563
)0,02
15(0,010
901)
0,19
04(0,006
4215
)
secu
ndario
0,20
17(0,005
8205
)0,20
37(0,022
3906
)0,20
15(0,006
717)
0,14
16(0,013
0411
)0,22
25(0,005
2692
)0,28
88(0,005
9998
)
terciario
0,23
63(0,006
3025
)0,23
84(0,024
2117
)0,23
61(0,006
6881
)0,21
84(0,006
4276
)0,25
30(0,005
4645
)0,30
08(0,005
9151
)
contapropria−0,04
51(0,005
4454
)−0,04
47(0,020
8218
)−0,03
23(0,006
207)
−0,07
26(0,008
0762
)−0,03
47(0,005
0348
)−0,02
16(0,005
6221
)
funcp
ub
0,27
49(0,009
6666
)0,27
20(0,037
2977
)0,28
41(0,010
4205
)0,17
21(0,025
9598
)0,20
36(0,009
6966
)0,20
40(0,009
3702
)
emprega
dor
0,69
81(0,010
1024
)0,69
47(0,038
8786
)0,70
85(0,013
0132
)0,58
14(0,029
5843
)0,67
78(0,010
5943
)0,73
27(0,012
384)
chefdom
0,11
96(0,005
4248
)0,15
49(0,023
2284
)0,12
77(0,005
8024
)0,11
06(0,005
8746
)0,13
42(0,006
0224
)0,13
22(0,005
2274
)
residu
o−
−−
−−0,05
50(0,002
8077
)−
residu
oxesc
−−
−−
0,00
76(0,000
1265
)−
lambd
a−
2,90
67(0,739
6059
)−
−−
−
grupo2
4-36
−−
−1,39
1−
−−
grupo3
7-49
−−
−0,04
4−
−−
grupo5
0-65
−−
0,04
4−
−−
EF
−−
−−
−0,32
19(0,006
6853
)
EM
−−
−−
−0,38
66(0,007
5055
)
ES
−−
−−
−1,00
30(0,011
7699
)
Fonte:Cálcu
lospelos
autores.Númerodeob
servações:
128.47
8.#Oserrospad
rãosãorobu
stos
àheteroscedasticidad
e.Obs.
Salvomen
çãoem
contrário,tod
asas
variáv
eissãosign
ificativa
sa1%
.*Variáveissign
ificativa
sa5%
.**Variáveisnão
sign
ificativa
s.
152 Suliano e Siqueira Economia Aplicada, v.16, n.1Ta
bela
7:Estim
ativas
paraaRegiãoSu
deste
-Pooling(200
1-20
06)
VariávelD
epen
den
te:Log
aritmodoSa
lárioRealH
orário
Variáveis
MQO
Heckm
anem
Pseu
do-Pa
inel
Variável
Garen
(198
4)Ciclo
de
Exp
licativa
s#2Estág
ios
Efeitos
Fixo
sInstru
men
tal(IV
)Escolaridad
e
constan
te−1,08
53(0,023
6)−1,40
67(0,079
8)−
−0,91
31(0,060
5)−0,80
79(0,027
6723
)−0,21
81(0,012
3)
esc
0,15
21(0,001
8)0,16
29(0,004
9)0,16
13(0,002
0829
)0,14
89(0,007
9)0,13
33(0,002
9093
)−
exp
0,04
64(0,001
2)0,04
90(0,003
2)0,05
96(0,001
8102
)0,02
88(0,002
1)0,02
49(0,001
3)0,02
12(0,000
7)
exp2
−0,00
0496
(0,000
016)
−0,00
0538
(0,000
042)
−0,00
0676
(0,000
0253
)−0,00
0230
(0,000
014)
−0,00
0288
(0,000
0178
)−0,00
0343
(0,000
012)
bran
ca0,06
52(0,01)
0,07
15(0,025
)0,02
82(0,010
8696
)0,12
68(0,012
1)0,09
55(0,009
9379
)0,19
26(0,003
7)
escxexp
−0,00
20(0,000
1)−0,00
21(0,000
1)−0,00
23(0,000
0752
)−
−0,00
05(0,000
0642
)−
expxbran
ca−0,00
14(0,001
)−0.00
14**
(0,000
8)−0,00
12(0,000
3479
)−
−0,00
32(0,000
2517
)−
escxexpxbran
ca0,00
098
(0,000
04)
0,00
0960
(0,000
09)
0,00
0944
(0,000
0432
)−
0,00
0746
(0,000
0352
)−
dummy2
002
−0.01
52**
(0,012
3)0,24
93(0,053
)−
−0,03
68(0,006
7)−0,00
74(0,011
4692
)−0,01
80(0,006
4)
dummy2
003
−0,07
35(0,012
5)0,19
57(0,054
)−
−0,12
26(0,007
1)−0,05
65(0,011
8627
)−0,09
19(0,006
4)
dummy2
004
−0,04
22(0,012
5)0,22
95(0,054
4)−
−0,12
43(0,007
5)−0,02
19(0,012
077)
−0,08
24(0,006
3)
dummy2
005
0.00
23**
(0,012
4)0,26
67(0,053
2)−
−0,10
07(0,008
1)0,02
64(0,010
5812
)−0,05
26(0,006
2)
dummy2
006
0,05
67(0,012
5)0,32
75(0,054
3)−
−0,06
16(0,009
2)0,09
38(0,012
469)
−0.00
19**
(0,006
2)
dummy2
002x
esc−0.00
20**
(0,001
5)−0,01
01(0,003
8)−0,00
30(0,000
8179
)−
−0,00
25(0,001
561)
−
dummy2
003x
esc−0,00
48(0,001
5)−0,01
32(0,003
9)−0,01
18(0,000
8264
)−
−0,00
64(0,001
3887
)−
dummy2
004x
esc−0,00
84(0,001
5)−0,01
69(0,003
9)−0,01
28(0,000
7913
)−
−0,01
03(0,001
4833
)−
dummy2
005x
esc−0,01
02(0,001
4)−0,01
83(0,003
8)−0,01
20(0,000
8059
)−
−0,01
27(0,001
273)
−
dummy2
006x
esc−0,01
10(0,001
4)−0,01
93(0,003
8)−0,00
75(0,000
7989
)−
−0,01
51(0,001
6166
)−
Fonte:Cálcu
lospelos
autores.Númerodeob
servações:
135.20
3.#Oserrospad
rãosãorobu
stos
àheteroscedasticidad
e.Obs.S
alvo
men
çãoem
contrário,tod
asas
variáv
eissãosign
ificativa
sa1%
.*Variáveissign
ificativa
sa5%
.**Variáveisnão
sign
ificativa
s.
Retornos da educação no Brasil 153Ta
bela
7:Estim
ativas
paraaRegiãoSu
deste
-Pooling(200
1-20
06)(con
tinuação
)
VariávelD
epen
den
te:Log
aritmodoSa
lárioRealH
orário
Variáveis
MQO
Heckm
anem
Pseu
do-Pa
inel
Variável
Garen
(198
4)Ciclo
de
Exp
licativa
s#2Estág
ios
Efeitos
Fixo
sInstru
men
tal(IV
)Escolaridad
e
perm
0,02
33(0,000
6)0,02
33(0,001
4)0,02
27(0,000
6899
)0,02
10(0,000
9)0,02
32(0,000
7222
)0,02
40(0,000
6)
perm2
−0,00
0388
(0,000
018)
−0,00
0387
(0,000
044)
−0,00
0370
(0,000
0228
)−0,00
0402
(0,000
022)
−0,00
0388
(0,000
0239
)−0,00
0391
(0,000
021)
form
al0,24
34(0,004
5)0,24
35(0,011
1)0,24
10(0,005
1068
)0,20
15(0,009
9)0,25
13(0,003
9391
)0,26
31(0,004
7)
sind
0,12
49(0,004
6)0,12
44(0,011
5)0,12
09(0,005
1225
)0,09
03(0,008
8)0,12
10(0,003
6669
)0,12
80(0,004
6)
urbmet
0,39
18(0,007
3)0,37
80(0,018
6)0,34
14(0,008
1076
)0,25
69(0,026
)0,24
77(0,011
9662
)0,46
00(0,007
3)
urbnao
met
0,24
79(0,007
1)0,23
65(0,018
)0,22
94(0,007
7356
)0,15
26(0,018
9)0,12
35(0,010
2633
)0,30
72(0,007
1)
secu
ndario
0,03
58(0,005
3)0,03
52(0,013
2)0,03
32(0,005
9664
)0,01
92(0,005
6)0,06
52(0,004
9965
)0,09
7(0,005
5)
terciario
0,11
71(0,005
4)0,11
69(0,013
6)0,10
69(0,005
944)
0,12
78(0,006
9)0,14
26(0,005
0633
)0,16
30(0,005
4)
contapropria
0,07
86(0,005
)0,07
86(0,012
4)0,08
34(0,005
9684
)0,05
23(0,007
8)0,08
43(0,006
2521
)0,09
59(0,005
5)
funcp
ub
0,20
08(0,008
1)0,20
06(0,020
1)0,22
20(0,008
6544
)0,13
64(0,016
4)0,16
48(0,007
52)
0,16
31(0,007
7)
emprega
dor
0,52
94(0,007
5)0,52
77(0,018
7)0,54
79(0,010
0991
)0,44
93(0,019
7)0,51
39(0,008
2624
)0,54
63(0,009
5)
chefdom
0,16
31(0,004
7)0,18
36(0,012
5)0,16
03(0,005
0874
)0,15
28(0,005
5)0,18
33(0,005
2518
)0,17
11(0,004
5)
residu
o−
−−
−−0,07
62(0,002
5187
)−
residu
oxesc
−−
−−
0,00
75(0,000
1125
)−
lambd
a−
1,66
25(0,272
6)−
−−
−
grupo2
4-36
−−
−1,21
28−
−−
grupo3
7-49
−−
−0,07
45−
−−
grupo5
0-65
−−
−0,01
47−
−−
EF
−−
−−
−0,25
33(0,005
1)
EM
−−
−−
−0,35
17(0,005
7)
ES
−−
−−
−0,81
65(0,007
8)
Fonte:Cálcu
lospelos
autores.Númerodeob
servações:
135.20
3.#Oserrospad
rãosãorobu
stos
àheteroscedasticidad
e.Obs.
Salvomen
çãoem
contrário,tod
asas
variáv
eissãosign
ificativa
sa1%
.*Variáveissign
ificativa
sa5%
.**Variáveisnão
sign
ificativa
s.
154 Suliano e Siqueira Economia Aplicada, v.16, n.1
Tabe
la8:
Estim
ativas
paraoNordeste
eSu
deste
-Pooling(200
1-20
06)
VariávelD
epen
den
te:Log
aritmodoSa
lárioRealH
orário
Variáveis
MQO
Heckm
anem
Pseu
do-Pa
inel
Variável
Garen
(198
4)Ciclo
de
Exp
licativa
s#2Estág
ios
Efeitos
Fixo
sInstru
men
tal(IV
)Escolaridad
e
constan
te−1,30
53(0,017
7701
)−1,79
62(0,089
2971
)−
−1,22
92(0,042
592)
−1,05
54(0,018
0249
)−0,60
62(0,009
0629
)esc
0,14
65(0,001
5071
)0,16
48(0,005
034)
0,15
64(0,001
643)
0,15
99(0,006
8695
)0,12
81(0,002
4731
)−
exp
0,04
53(0,000
9642
)0,04
93(0,002
9226
)0,05
83(0,001
3474
)0,03
40(0,001
3748
)0,02
61(0,000
8891
)0,02
39(0,000
5499
)exp2
−0,00
0495
(0,000
0131
)−0,00
0559
(0,000
0394
)−0,00
0681
(0,000
0189
)−0,00
0314
(0,000
0118
)−0,00
0294
(0,000
0118
)−0,00
0361
(0,000
0089
5)bran
ca0,05
68(0,007
5899
)0,06
62(0,023
1877
)0,04
76(0,008
3409
)0,11
74(0,005
5301
)0,09
71(0,011
116)
0,15
12(0,002
957)
escxexp
−0,00
16(0,000
0464
)−0,00
16(0,000
1304
)−0,00
19(0,000
055)
−−0,00
03(0,000
054)
−
expxbran
ca−0,00
18(0,000
2451
)−0,00
17(0,000
7127
)−0,00
17(0,000
2658
)−
−0,00
44(0,000
267)
−
escxexpxbran
ca0,00
0955
(0,000
0292
)0,00
0922
(0,000
0778
)0,00
0917
(0,000
0314
)−
0,00
0865
(0,000
0256
)−
dummy2
002
−0,01
02(0,008
3637
)0,35
77(0,058
9955
)−
−0,03
29(0,005
052)
−0,00
48(0,007
6554
)−0,01
55(0,004
8588
)du
mmy2
003
−0,05
76(0,008
5167
)0,31
95(0,060
3659
)−
−0,11
45(0,005
4)−0,04
75(0,007
1456
)−0,08
08(0,004
8807
)du
mmy2
004
−0,03
96(0,008
4686
)0,34
04(0,060
7268
)−
−0,11
02(0,005
3689
)−0,02
76(0,008
3955
)−0,07
17(0,004
8193
)du
mmy2
005
0,00
05(0,008
4916
)0,37
65(0,060
1416
)−
−0,08
48(0,005
6109
)0,01
64(0,007
8964
)−0,03
86(0,004
7817
)du
mmy2
006
0,06
09(0,008
515)
0,44
77(0,061
7011
)−
−0,03
52(0,005
9948
)0,08
46(0,008
094)
0,02
19(0,004
7391
)du
mmy2
002x
esc
−0,00
24(0,001
1474
)−0,01
67(0,003
7895
)−0,00
29(0,000
6744
)−
−0,00
29(0,001
0083
)−
dummy2
003x
esc
−0,00
64(0,001
1529
)−0,02
12(0,003
847)
−0,01
20(0,000
6714
)−
−0,00
73(0,000
943)
−
dummy2
004x
esc
−0,00
82(0,001
1382
)−0,02
31(0,003
8345
)−0,01
23(0,000
6511
)−
−0,00
94(0,001
0353
)−
dummy2
005x
esc
−0,00
96(0,001
1294
)−0,02
42(0,003
7789
)−0,01
09(0,000
6517
)−
−0,01
13(0,000
9747
)−
dummy2
006x
esc
−0,01
01(0,001
1187
)−0,02
53(0,003
8233
)−0,00
52(0,000
6426
)−
−0,01
29(0,000
9409
)−
Fonte:Cálcu
lospelos
autores.Númerodeob
servações:26
3.68
1.#Oserrospad
rãosãorobu
stos
àheteroscedasticidad
e.Obs.S
alvo
men
çãoem
contrário,
todas
asva
riáv
eissãosign
ificativa
sa1%
.*Variáveissign
ificativa
sa5%
.**Variáveisnão
sign
ificativa
s.
Retornos da educação no Brasil 155
Tabe
la8:
Estim
ativas
paraoNordeste
eSu
deste
-Pooling(200
1-20
06)(con
tinuação
)
VariávelD
epen
den
te:Log
aritmodoSa
lárioRealH
orário
Variáveis
MQO
Heckm
anem
Pseu
do-Pa
inel
Variável
Garen
(198
4)Ciclo
de
Exp
licativa
s#2Estág
ios
Efeitos
Fixo
sInstru
men
tal(IV
)Escolaridad
e
dummysudeste
0,30
96(0,005
1722
)0,31
15(0,016
0246
)0,16
55(0,013
9207
)0,47
12(0,028
7863
)0,38
59(0,005
8394
)0,32
87(0,005
0789
)escxsu
deste
−0,00
47(0,000
6919
)−0,00
49(0,001
9754
)−0,00
63(0,000
7618
)−0,03
24(0,004
7002
)−0,01
24(0,000
6987
)−0,00
02(0,000
6496
)perm
0,02
03(0,000
4302
)0,02
03(0,001
2216
)0,02
01(0,000
4661
)0,01
88(0,000
5107
)0,01
97(0,000
4312
)0,02
00(0,000
4311
)perm2
−0,00
0414
(0,000
0132
)−0,00
0416
(0,000
0347
)−0,00
0399
(0,000
0141
)−0,00
0404
(0,000
0137
)−0,00
0386
(0,000
0124
)−0,00
0385
(0,000
0132
)form
al0,27
08(0,003
5016
)0,27
09(0,010
7279
)0,26
31(0,003
8326
)0,21
47(0,008
3786
)0,27
75(0,002
8616
)0,30
31(0,003
4721
)sind
0,08
83(0,003
5838
)0,08
75(0,010
7718
)0,09
60(0,003
9)0,06
90(0,004
728)
0,08
52(0,003
2193
)0,08
64(0,003
5653
)urbmet
0,29
81(0,004
989)
0,30
70(0,015
3902
)0,26
79(0,005
687)
0,16
38(0,017
5348
)0,15
95(0,009
9968
)0,39
50(0,004
9227
)urbnao
met
0,17
93(0,004
8113
)0,18
90(0,014
5177
)0,17
02(0,005
2624
)0,09
08(0,012
1323
)0,05
03(0,007
1495
)0,25
45(0,004
7971
)secu
ndario
0,12
42(0,004
1081
)0,12
49(0,012
0276
)0,12
25(0,004
5091
)0,07
60(0,006
5967
)0,14
87(0,004
2242
)0,20
59(0,004
0947
)terciario
0,18
81(0,004
0353
)0,18
90(0,012
641)
0,18
02(0,004
4617
)0,16
79(0,004
3549
)0,20
86(0,004
2563
)0,24
99(0,004
0153
)contapropria
0,00
63(0,003
9476
)0,00
66(0,011
2187
)0,01
55(0,004
2998
)−0,00
86(0,004
4625
)0,01
53(0,003
8923
)0,02
43(0,003
9364
)funcp
ub
0,23
86(0,006
0291
)0,23
72(0,019
1868
)0,25
52(0,006
6651
)0,16
30(0,012
3422
)0,18
72(0,005
8763
)0,19
25(0,006
0217
)em
prega
dor
0,59
46(0,007
5473
)0,59
19(0,018
7762
)0,61
11(0,007
9987
)0,52
17(0,012
8219
)0,57
68(0,006
9614
)0,62
04(0,007
6342
)ch
efdom
0,14
12(0,003
4919
)0,16
76(0,011
8)0,14
31(0,011
8881
)0,13
41(0,003
8071
)0,15
88(0,004
302)
0,15
14(0,003
4697
)residu
o−
−−
−−0,06
55(0,001
8206
)−
residu
oxesc
−−
−−
0,00
75(0,000
0824
)−
lambd
a−
2,18
46(0,317
2332
)−
−−
−
grupo2
4-36
−−
−1,38
83−
−−
grupo3
7-49
−−
−0,06
05−
−−
grupo5
0-65
−−
0,01
55−
−−
EF
−−
−−
−0,29
19(0,004
3935
)EM
−−
−−
−0,37
14(0,004
7044
)ES
−−
−−
−0,88
34(0,006
8685
)
Fonte:C
álcu
lospelos
autores.Númerodeob
servações:
263.68
1.#Oserrospad
rãosãorobu
stos
àheteroscedasticidad
e.Obs.S
alvo
men
çãoem
contrário,
todas
asva
riáv
eissãosign
ificativa
sa1%
.*Variáveissign
ificativa
sa5%
.**Variáveisnão
sign
ificativa
s.
156 Suliano e Siqueira Economia Aplicada, v.16, n.1
de referência), apresentam também efeitos parciais potencialmente relevan-tes.
Para distinguir a segmentação de mercado formal-informal optou-se, se-melhantemente a Kassouf (1998), diferenciar trabalhadores que pertencemao setor formal através da contribuição para Instituto de Previdência Social.Assim, tendo como base o questionário da Pnad e usando uma medida amplade formalidade, trabalhador formal seria aquele que contribuiu para institutode previdência em qualquer trabalho. Os resultados encontradosmostram altasegmentação no mercado de trabalho na medida em que trabalhadores do se-tor formal, em todos os modelos estimados, ganham, em média, acima de20% que trabalhadores da informalidade. No tocante a segmentação espacial,não obstante o maior grau de integração entre os meios metropolitano e não-metropolitano e entre as regiões urbana e rural (IPEA 2006, Barros, Franco& Mendonça 2007), observa-se ainda grandes variações intra-regionais entretrabalhadores com características similares.
No caso da variável permanência, todos os modelos mostram que o efeitomarginal da variável é bem maior para o Sudeste do que para o Nordeste,apesar do baixo poder explicativo em ambas as regiões. Para a variável ex-periência, seu poder explicativo acaba se reduzindo levando em conta que aprodutividade do trabalhador depende estritamente do seu posto atual de ocu-pação (IPEA 2006, Barros, Franco & Mendonça 2007). Além disso, a reduçãoda heterogeneidade etária no mercado de trabalho brasileiro talvez expliqueo baixo poder explicativo dessa variável.
Por fim, e mais importante, segue-se os comentários no que tange à va-riável anos de estudo. Inicialmente, obteve-se o efeito marginal ceteris paribusdo prêmio à escolaridade com base nos modelos que incluem todos os termosinterativos, expresso pela equação abaixo:
∂ (•)∂esc
= βesc1 + βesc2 exp+βesc3 exp×branca+ βesc4anoi . (3)
em que βesc1 é o coeficiente da variável esc, βesc2 o coeficiente do termo deinteração esc×exp, βesc3 o coeficiente do termo esc×exp×branca e βesc4 o coefici-ente do termo de interação esc×anoi12.
Em primeiro lugar, é preciso observar que os coeficientes da variável anosde estudo da região Sudeste são ligeiramente superiores aos da região Nor-deste, não obstante eles estejam dentro da mesma margem de confiança o queos torna iguais do ponto de vista estatístico (nos modelos por ciclo de estudoé o Nordeste que apresenta resultados maiores, principalmente para o ensinosuperior, sendo inclusive diferente do ponto de vista estatístico com relação àregião Sudeste).
Nos modelos que incluem conjuntamente as regiões Nordeste e Sudeste(Tabela 8), a dummy para a região Sudeste é positiva e altamente significante.Grosso modo, sem considerar os efeitos os efeitos ao longo do tempo e assu-mindo, por hipótese, que as demais variáveis do modelo têm os mesmos retor-nos entre as regiões, este coeficiente representa a diferença salarial a favor daregião Sudeste quando comparado com o Nordeste. Todavia, em termos de re-tornos de educacionais, de acordo com estas estimativas, um aumento de um
12Neste caso, considerou-se apenas homens brancos. Os modelos que incluem conjuntamenteas duas regiões apresentam ainda um termo de interação entre a variável anos de estudo e a regiãoSudeste.
Retornos da educação no Brasil 157
ano a mais de estudo eleva o salário em até 16% na região Nordeste (ver coe-ficientes dos modelos de Heckman em 2 estágios e variável instrumental). Nocaso do Sudeste, prevê-se que um aumento de um ano a mais de estudo elevao salário em até 13% na região. A diferença entre esses dois efeitos, 3%, é ocoeficiente do termo de interação dummy Sudeste e anos de estudo no métodode estimação de variável instrumental (VI).
Além disso, é interessante observar que na estimação por VI os resulta-dos apresentados são condizentes com a literatura teórica e empírica. De fato,como o estimador de MQO super-estima os retornos educacionais em decor-rência da auto-seleção dos indivíduos mais hábeis, esperar-se-ia a priori ummenor valor do coeficiente de VI. É isso que ocorre no modelo estimado paraa região Sudeste, mas não no modelo da região Nordeste e nos modelos queincluem conjuntamente as duas regiões.
Não obstante estes dois últimos resultados, outros trabalhos clássicos daliteratura empírica apresentam resultados semelhantes de sorte que o esti-mador de VI acaba sendo superior ao de MQO (ver, porexemplo, Angrist &Krueger 1991). Card (1999) argumenta que estimativas de VI com base nascaracterísticas das famílias tendem a apresentar valor superior às de MQO.
Por fim, mesmo que marginalmente baixo, convém observar os valores doscoeficientes do termo de interação entre a escolaridade e anos da amostra. Emtodos os modelos estimados e para todas as áreas geográficas os coeficientesdestes termos iterativos são negativos o que evidencia uma queda nos retornoseducacionais no período13.
6 Conclusões
Este trabalho teve como objetivo estimar a taxa de retorno da escolaridade doBrasil sob a luz de um enfoque regional ao abordar duas regiões com distintosníveis sócio-econômico: Nordeste e Sudeste. O período analisado é caracteri-zado por uma substancial queda da desigualdade de renda de acordo com osdados das pesquisas domiciliares. Em decorrência de problemas como endo-geneidade, seletividade amostral e características não observadas buscou-seaqui alternativas de estimação as de MQO.
Mesmo em um período onde a desigualdade de renda no Brasil esteve en-tre as mais baixas nos últimos 30 anos aliada ainda a uma rápida expansãoeducacional, os resultados encontrados, apesar de não comparáveis com ou-tros estudos semelhantes devido às diferentes variáveis explicativas e base dedados, mostram que o prêmio à escolaridade no Brasil ainda se mantém empatamares elevados.
Nesta perspectiva, pelo menos três importantes questões se colocam di-ante desse problema. Em primeiro lugar, é preciso entender em que medidapolíticas públicas em termos de educação complementar, através do ensino su-pletivo, por exemplo, podem suprir a escassez educacional em termos de anosde estudo formal, e, assim, homogeneizar mais a força de trabalho e reduzir a
13Nos modelos que incluem conjuntamente as duas regiões (Tabela 8), foram também feitasestimações incluindo um conjunto de interações entre a dummy região Sudeste, escolaridade eos anos da amostra de forma a observar a redução do diferencial de retornos entre as regiões.Todavia, além dos valores marginalmente baixos (apenas na terceira casa decimal o valor eradiferente de zero), em todos os modelos as estimativas dos coeficientes foram não significativasnem mesmo ao nível de 10%.
158 Suliano e Siqueira Economia Aplicada, v.16, n.1
taxa de retorno da escolaridade14. Além disto, é importante também entendero efeito da composição educacional, e em que medida uma expansão mais ace-lerada da educação superior pode vir a reduzir o prêmio à escolaridade nosníveis mais elevados de educação.
Por fim, resta saber em que grau a abertura comercial ocorrida no iníciodos anos 90 está elevando a demanda por mão-de-obra qualificada e provo-cando, nesta situação, aumentos nos diferenciais salariais.
Agradecimentos
Os autores agradecem as valiosas contribuições de dois pareceristas anônimosda revista sem implicá-los em erros remanescentes.
Referências Bibliográficas
Andrade, S. A. A. & Menezes-Filho, N. (2005), ‘O papel da oferta de trabalhono comportamento dos retornos à educação no Brasil.’, Pesquisa e Planeja-mento Econômico 35(2), 189–225.
Angrist, J. D. & Krueger, A. B. (1991), ‘Does compulsory school attendanceaffect schooling and earnings?’, Quarterly Journal of Economics 106(4), 979–1014.
Anuatti-Neto, F. & Fernandes, R. (2000), ‘Grau de cobertura e resultadoseconômicos do ensino supletivo no Brasil’, Revista Brasileira de Economia53(4), 165–187.
Arbache, J. S. (2001), Liberalização comercial e mercado de trabalho no Bra-sil., in ‘Microeconomia e Sociedade no Brasil’, EPGE-FGV.
Barros, A. R. (2011), Desigualdades Regionais no Brasil. Natureza, Causas, Ori-gens e Soluções, Campus.
Barros, R. P., Carvalho, M., Franco, S. & Mendonca, R. (2006), ‘Uma análisedas principais causas da queda recente na desigualdade de renda Brasileira’,Econômica 8(1), 117–147.
Barros, R. P., Carvalho, M., Franco, S. & Mendonça, R. (2007), A queda re-cente da desigualdade de renda no Brasil. r, (texto para discussão, 1.258).,Rio de Janeiro: IPEA.
Barros, R. P., Franco, S. & Mendonça, R. (2007), A recente queda da desi-gualdade de renda e o acelerado progresso educacional Brasileiro da Últimadécada, Texto para discussão, 1.304, Rio de Janeiro: IPEA.
Behrman, J. & Birdsaall, N. (1983), ‘The quality of schooling: Quantity aloneis misleading.’, American Economic Review 73(5), 928–946.
Cano, W. (1998), Raízes da Concentração Industrial em São Paulo, UNICAMP.
14Anuatti-Neto & Fernandes (2000) mostram que, de modo geral, o ensino supletivo traz umretorno econômico positivo em termos salariais. Desta forma, a educação complementar seriauma maneira alternativa de resolver gargalos do sistema educacional em ciclos mais inferiores deensino.
Retornos da educação no Brasil 159
Card, D. (1999), The causal effect of education on earnings., in ‘Handbook ofLabor Economics’, Vol. 3, Elsevier, pp. 1081–1863.
De La Croix, D. & Doepke, M. (2003), ‘Inequality and growth: Why differen-tial fertility matters.’, American Economic Review 73(4), 1093–1113.
Deaton, A. (1985), ‘Panel data from time series of cross-sections.’, Journal ofEconometrics 30, 109–126.
Ferreira, F. H. G., Leite, P. G., Litchfield, J. & Ulyssea, G. A. (2006), ‘Ascensãoe queda da desigualdade de renda no Brasil.’, Econömica 8(1), 147–169.
Fishlow, A. (1972), ‘Brazilian size distribution of income.’, American Econo-mic Review 62(2), 391–402.
Franco, R. P. B., Carvalho, M. & S. (2006), Pobreza multidimensional no Bra-sil, Textos para discussão.
Furtado, C. (1985), Formação Econômica do Brasil, Editora Nacional.
Garen, J. (1984), ‘The returns to schooling: A selectivity bias approach witha continuous choice variable’, Econometrica 52(5), 1199–1218.
GTDN (1967), ‘Uma política de desenvolvimento econômico para o nor-deste.’, Recife: Sudene.
Heckman, J. J. (1979), ‘Sample selection bias as a specification error’, Econo-metrica 47, 153–161.
Heckman, J., Tobias, J. L. & Vytlacil, E. (2000), Simple estimators for treat-ment parameters in a latent variable framework with an application to es-timation the returns to schooling., Technical report, NBER Working Paper7.950.
Hoffman, R. (2006), ‘Transferências de renda e a redução da desigualdade noBrasil e cinco regiões entre 1997 e 2004’, Econômica 8, 55–81.
Hoffmann, R. (2005), ‘As transferências não são a causa principal da reduçãoda desigualdade.’, Econômica 7(2), 335–341.
Hungerford, T. & Solon, G. (1987), ‘Sheepskin effects in the returns to educa-tion.’, Review of Economics and Statistics 69(1), 175–177.
IPEA (2006), Ipea data, Technical report, Instituto de Pesquisa EconômicaAplicada.
Kassouf, A. L. (1994), ‘The wage rate estimation using heckman procedure’,Revista de Econometria 14(1), 89–107.
Kassouf, A. L. (1998), ‘Wage gender discrimination and segmentation in thebrazilian labor market.’, Brazilian Journal of Applied Economics 2(2), 243–269.
Lam, D. & Levinson, D. (1992), ‘Declining inequality in schooling in braziland its effects on inequality in earnings’, Journal of Development Economics37(37), 199–225.
160 Suliano e Siqueira Economia Aplicada, v.16, n.1
Lam, D. & Shoeni, R. (1993), ‘Effects of family background on earningsand returns to schooling: Evidence from brazil’, Journal of Political Economy101, 710–739.
Langoni, C. G. (2005), Distribuição de Renda e Desenvolvimento Econômico noBrasil, FGV, Rio de Janeiro.
Leal, C. I. S. & Werlang, S. R. C. (1991), ‘Retornos em educação no Brasil:1976/89’, Pesquisa e Planejamento Econômico 21(3), 559–574.
Leal, C. I. S. & Werlang, S. R. C. (2000), Educação e distribuição de renda, in‘Distribuição de Renda no Brasil’, Rio de Janeiro: Paz e Terra.
Leme, S. C. M. & Wajnman, S. (2001), Diferenciais de rendimentos por gê-nero., in ‘Microeconomia e Sociedade no Brasil’, EPGE-FGV.
Menezes Filho, N. A. (2001), Educação e desigualdade., in ‘Microeconomia eSociedade no Brasil’, Rio de Janeiro: EPGE-FGV.
Menezes-Filho, N. A., Fernandes, R. & Picchetti, P. (2006), ‘Rising humancapital but constant inequality: the education composition effect in brazil.’,Revista Brasileira de Economia 60(4), 407–424.
Menezes Filho, N. A., Fernandes, R. & Picchetti, P. A. (2000), A evolução dadistribuição de salários no Brasil: Fatos estilizados para as décadas de 80 e90, in ‘Desigualdade e Pobreza no Brasil’, Rio de Janeiro: IPEA.
Menezes-Filho, N., Mendes, M. & Almeida, E. S. (2004), ‘O diferencial desalários formal-informal no Brasil: Segmentação ou viés de seleção?’, RevistaBrasileira de Economia 58(2), 235–248,.
Menezes-Filho, N., Zylberstajn, H. & Chahad, J. P. Z. O. (2002), Os efeitosdos sindicatos sobre o salário médio das firmas Brasileiras., in ‘Mercado deTrabalho no Brasil’, São Paulo: LTr.
Mincer, J. (1974), Schooling, Experience and Earnings, National Bureau of Eco-nomic Research.
Pessoa, S. (2001), Existe um problema de desigualdade regional no Brasil?,in ‘Anais, Encontro Nacional de Economia, 29, Salvador’.
Psacharopoulos, G. & Patrinos, H. A. (2002), Returns to investment in edu-cation: a further update., Technical report, World Bank Policy Research Wor-king Paper 2.881.
Ramos, L. A. (2007), ‘Desigualdade de rendimentos do trabalho no períodopós-real: O papel da escolaridade e do desemprego.’, Economia Aplicada11(2), 281–301.
Ramos, L. & Reis, J. (2000), Distribuição da renda: Aspectos teóricos e odebate no Brasil., in ‘Distribuição de Renda no Brasil.’, Rio de Janeiro: Paz eTerra.
Reis, J. & Barros, R. (1990), ‘Desigualdade salarial e distribuição de educa-ção: A evolução das diferenças regionais no Brasil’, Pesquisa e PlanejamentoEconômico 20(3), 415–478.
Retornos da educação no Brasil 161
Reis, J. & Barros, R. (1991), ‘Wage inequality and distribution of education.’,Journal of Development Economics 36(1), 117–143.
Resende, M. & Wyllie, M. (2006), ‘Retornos para educação no Brasil: Evidên-cias empíricas adicionais.’, Economia Aplicada 10(3), 349–365.
Sachsida, A., Loureiro, P. R. A. & Mendonca, M. J. C. (2004), ‘Um estudosobre o retorno em escolaridade no Brasil.’,Revista de Econometria 58(2), 249–265.
Silva, N. D. V. & Kassouf, A. L. (2000), ‘Mercado de trabalho formal e in-formal: Uma análise da discriminação e da segmentação.’, Nova Economia10(1), 41–78.
Silveira Neto, R. M. & Goncalves, M. B. C. (2007), Mercado de trabalho, trans-ferências de renda e evolução da desigualdade de renda no nordeste do Brasilentre 1995 e 2005., in ‘Anais, Encontro Regional de Economia, 12, Fortaleza’.
Soares, S. (2006a), A educação no Brasil rural, Technical report, INEP.
Soares, S. S. D. (2006b), ‘Análise do bem-estar e decomposição por fatores daqueda na desigualdade entre 1995 e 2004.’, Econömica 8(1), 83–115.
Sotomayor, O. J. (2004), ‘Education and changes in brazilian wage inequality,1976-2001’, Industrial and Labor Relations Review 58(1), 94–111.
Stock, H. J. & Watson, W. M. (2004), Econometria, Pearson, Addison Wesley.
Ueda, E. M. & Hoffmann, R. (2002), ‘Estimando o retorno em educação noBrasil’, Economia Aplicada 6(2), 209–238.
Veloso, F., Pessoa, S., Henriques, R. & Giambiagi, F., eds (2009), EducaçãoBásica no Brasil: construindo o pais do futuro, Elsevier, Rio de Janeiro.
Veloso, S. F. & F. (2006), ‘Intergenerational mobility of wages in Brazil’, Bra-zilian Review of Econometrics 26(2), 181–211.
Wooldridge, J. M. (2002), Econometric Analysis of Cross Section and Panel Data,MIT Press: Cambrigde.
162 Suliano e Siqueira Economia Aplicada, v.16, n.1
Apêndice A RESULTADO DAS EQUAÇÕES PARA O MODELO DEHECKMAN
15
Tabela A.1: Equações de Seleção do Modelo de Heckman
Variáveis Explicativas# Nordeste Sudeste Nordeste e Sudeste
constante 0,5710(0,1087)
0,7899(0,1369)
0,5992(0,0841)
esc 0,0500(0,0082)
0,0538(0,0095)
0,0513(0,0061)
exp 0,0338(0,0062)
0,0328(0,0075)
0,0319(0,0048)
exp2 −0,000512(0,000082)
−0,000506(0,000098)
−0,000491(0,000063)
branca 0,0224(0,0230)
0,0685(0,0247)
0,0685(0,0161)
escxexp −0,0006(0,0003)
−0,0010(0,0003)
−0,0006(0,0002)
urbmet 0,1167(0,0290)
−0,1932(0,0457)
0,0579(0,0231)
urbnaomet 0,0959(0,0257)
−0,1579(0,0447)
0,0663(0,0215)
chefdom 0,1972(0,0259)
0,2824(0,0293)
0,2277(0,0193)
outros rendimentos −0,0001(0,0000)
−0,0001(0,0000)
−0,0001(0,0000)
dummy2002 1,0702(0,0343)
1,4352(0,0543)
1,1976(0,0283)
dummy2003 1,1661(0,0377)
1,5962(0,0680)
1,3040(0,0320)
dummy2004 1,1936(0,0382)
1,7079(0,0783)
1,3435(0,0330)
dummy2005 1,2001(0,0377)
1,4216(0,0520)
1,2850(0,0302)
dummy2006 1,3438(0,0439)
1,6330(0,0680)
1,4465(0,0364)
Número de observações: 130.519 136.776 267.295
Fonte: Cálculos pelos autores. # Os erros padrão são robustos à heteroscedasticidade.Obs. Salvo menção em contrário, todas as variáveis são significativas a 1%. ** Variáveisnão significativas.
15A notação das variáveis no apêndice a seguir é a mesma que foi descrita ao longo do texto.As novas variáveis que aparecem aqui são: outros rendimentos (rendimentos de outras fontes derenda que não o trabalho principal); nºde membros da família (número de componentes da família);mãe viva (se a mãe do indivíduo é viva). Erros-padrão entre parênteses.
Retornos da educação no Brasil 163
Apêndice B RESULTADOS DAS ESTIMAÇÕES DO PRIMEIROESTÁGIO DO MODELO DE VARIÁVEL INSTRUMENTAL
164 Suliano e Siqueira Economia Aplicada, v.16, n.1
Tabela B.1: Primeiro Estágio dos Modelos de Variável Instrumental
Variáveis Explicativas# Nordeste Sudeste Nordeste e Sudeste
constante 8,1947(0,0548)
8,0369(0,0539)
6,5888(0,0337)
nºde membros da família −0,1259(0,0050)
−0,1676(0,0061)
−0,1352(0,0039)
exp −0,3401(0,0030)
−0,2325(0,0028)
−0,1738(0,0019)
exp2 0,002654(0,000047)
0,000724(0,000047)
0,000976(0,000030)
branca 0,9432(0,0204)
1,4130(0,0176)
0,6572(0,0111)
dummy2002 0,2012(0,0311)
0,1922(0,0302)
0,1351(0,0177)
dummy2003 0,2847(0,0310)
0,3513(0,0303)
0,2147(0,0177)
dummy2004 0,4083(0,0308)
0,4656(0,0301)
0,2936(0,0176)
dummy2005 0,5212(0,0303)
0,6050(0,0299)
0,3741(0,0174)
dummy2006 0,6836(0,0303)
0,7932(0,0297)
0,4746(0,0174)
perm 0,0651(0,0023)
0,0872(0,0027)
0,0386(0,0014)
perm2 −0,000633(0,000056)
−0,000726(0,000081)
−0,000471(0,000040)
formal 1,7864(0,0245)
1,0969(0,0216)
1,0992(0,0131)
sind 0,7447(0,0229)
0,9355(0,0223)
0,4380(0,0133)
urbmet 104,8300(0,0000)
3,1023(0,0319)
2,3889(0,0184)
urbnaomet 67,3100(0,0000)
2,1718(0,0309)
1,5757(0,0175)
secundario 1,1183(0,0262)
0,1228(0,0269)
0,7294(0,0155)
terciario 0,1930(0,0274)
−0,5137(0,0273)
0,2076(0,0156)
contapropria 0,5551(0,0232)
0,6618(0,0243)
0,2703(0,0138)
funcpub 2,3989(0,0430)
1,8290(0,0379)
1,5697(0,0258)
empregador 2,6434(0,0467)
2,1849(0,0368)
1,5085(0,0236)
chefdom 0,1516(0,0233)
0,2727(0,0221)
0,1134(0,0134)
dummysudeste − − −4,1638(0,0148)
escxsudeste − − 0,6797(0,0015)
Teste F 12.417,37 8.358,59 51.603,77Prob > F 0,0000 0,0000 0,0000Número de observações: 128.478 135.203 263.681
Fonte: Cálculos pelos autores. # Os erros padrão são robustos à heteroscedasticidade.Obs. Salvo menção em contrário, todas as variáveis são significativas a 1%.
Retornos da educação no Brasil 165
Apêndice C RESULTADO DA EQUAÇÃO PARA ESCOLARIDADE QUEGERA OS RESÍDUOS PARA O MODELO DE GAREN(1984)
Tabela C.1: Resultados da Equação para a Escolaridade que Geraos Resíduos para o Modelo de Garen (1984)
Variáveis Explicativas# Nordeste Sudeste Nordeste e Sudeste
constante 2,9456(0,0480)
3,6983(0,0520)
3,1504(0,0351)
nº de membros da familia −0,2997(0,0062)
−0,2775(0,0074)
−0,3125(0,0048)
branca 1,4205(0,0254)
1,8858(0,0213)
1,9176(0,0158)
urbmet 5,0595(0,0264)
4,1493(0,0325)
4,8160(0,0199)
urbnaomet 3,1537(0,0257)
3,0711(0,0320)
3,3763(0,0195)
chefdom −0,8341(0,0291)
−0,7803(0,0260)
−0,8284(0,0195)
mãe viva 1,3879(0,0247)
1,5925(0,0241)
1,4739(0,0174)
Wald Chi2() 10.923,11 6.455,91 20.679,88Prob>Chi2() 0,0000 0,0000 0,0000R2 0,2605 0,1815 0,2488Número de observações: 130.519 136.776 267.295
Fonte: Cálculos pelos autores. # Os erros padrão são robustos àheteroscedasticidade. Obs. Salvo menção em contrário, todas as variáveis sãosignificativas a 1%.