Diferenciais de Salários por Raça e Gênero: Aplicação dos procedimentos de Oaxaca e Heckman em Pesquisas Amostrais Complexas
|
|
- Alexandre Brezinski de Abreu
- 7 Há anos
- Visualizações:
Transcrição
1 N o 638 ISSN Dferencas de Saláros por Raça e Gênero: Aplcação dos procedmentos de Oaxaca e Heckman em Pesqusas Amostras Complexas Alexandre Pnto de Carvalho, Marcelo Côrtes Ner, Dense Brtz Slva Dezembro de 2006
2 Os artgos publcados são de ntera responsabldade de seus autores. As opnões neles emtdas não exprmem, necessaramente, o ponto de vsta da Fundação Getulo Vargas.
3 Dferencas de Saláros por Raça e Gênero: Aplcação dos procedmentos de Oaxaca e Heckman em Pesqusas Amostras Complexas 1 Alexandre Pnto de Carvalho 2 Marcelo Côrtes Ner 3 Dense Brtz Slva 4 RESUMO Este artgo decompõe o dferencal de saláros por cor e sexo dos trabalhadores brasleros usando os mcrodados da Pesqusa Naconal por Amostra de Domcílo (PNAD). A metodologa consste em estmar a equação de saláros (Mncer, 1974) com a correção do vés de seleção das nformações dos saláros (Heckman, 1979). Em seguda, a decomposção do dferencal da méda do logartmo do saláro/hora fo obtda pelo procedmento de Oaxaca (1973) apresentada em dos efetos: característcas produtvas e dscrmnação. A análse empírca tem como foco o uso adequado de procedmentos de modelagem estatístca em pesqusas, por amostragem complexa, conforme os trabalhos de Sknner e Smth (1989) e Pessoa e Slva (1998). Os resultados ndcam a necessdade de se ncorporar o plano amostral e a correção do vés de seleção da nformação dos saláros, vsando melhorar a qualdade das estmatvas das equações de saláros e avalar adequadamente as meddas de dscrmnação. Como exemplo, a estmatva do coefcente de dscrmnação, D, entre homens e mulheres de cor branca é 0,37 sem a correção do vés e 0,30 com a correção do vés de seleção das nformações dos saláros. 1 Este trabalho fo apresentado no XV Encontro de Estudos Populaconas, 18 a 22 setembro de 2006, ABEP. 2 Mestre pela Escola Naconal de Cêncas Estatístcas/IBGE 3 Centro de Polítcas Socas/FGV e EPGE/FGV 4 Escola Naconal de Cêncas Estatístcas/IBGE
4 1 Introdução Nos últmos anos, a estmação da equação de saláros 5 tem sdo amplamente utlzada em estudos relatvos à dscrmnação no mercado de trabalho braslero segundo cor e sexo. Os resultados revelam os efetos dos determnantes do saláro segundo característcas ndvduas e do posto de trabalho. O propósto destes trabalhos é avalar a stuação em que ndvíduos com atrbutos produtvos semelhantes, exceto pela cor ou sexo, têm saláros tão dferencados. Este conhecmento auxla na formulação de polítcas públcas em nosso mercado de trabalho. No entanto, alguns dos estudos que utlzam dados provenentes de pesqusas amostras complexas, como a Pesqusa Naconal por Amostra de Domcílos (PNAD) realzada pelo Insttuto Braslero de Geografa e Estatístca (IBGE), não ncorporam o plano amostral em suas análses. Rodrgues (2003) revela em seu estudo que o fato de não ncorporar os pesos e o plano amostral na análse gera estmatvas ncorretas tanto para os coefcentes como para as suas varâncas. O objetvo prncpal desta dssertação é decompor o dferencal da méda do logartmo do saláro/hora com ênfase na cor e sexo dos trabalhadores brasleros (homens de cor branca, mulheres de cor branca, homens de cor preta ou parda e mulheres de cor preta ou parda). A metodologa, baseada no modelo de captal humano, consste em estmar a equação de saláros (Mncer, 1974) com a correção do vés de seleção das nformações dos saláros através do procedmento de Heckman (1979). O procedmento da decomposção do dferencal de saláros é baseado no trabalho de Oaxaca (1973) composto por dos efetos: característcas produtvas ndvduas e da dscrmnação. A análse empírca tem como foco o uso adequado de procedmentos de modelagem estatístca em pesqusas por amostragem complexa, conforme os trabalhos de Sknner e Smth (1989) e Pessoa e Slva (1998). O artgo encontra-se organzado em mas quatro seções, além desta ntrodução e as consderações fnas. Na seção 2, apresenta-se uma análse não-controlada do dferencal da méda dos saláros entre os homens de cor branca, homens de cor preta ou parda, mulheres de cor branca e mulheres de cor preta ou parda. Avala-se a nserção e partcpação no mercado de trabalho e, adconalmente, caracterzam-se os grupos de cor e sexo segundo estatístcas descrtvas da escolardade, dade, experênca de trabalho e local da resdênca. A seção 3 elucda a mportânca do uso adequado dos dados na nferênca estatístca com base em pesqusas amostras complexas como a PNAD Bascamente, é um resumo dos trabalhos de Sknner, Holt e Smth (1989), Pessoa e Slva (1998), Phllppe (2001) e Rodrgues (2003). A seção 5 é calculada a decomposção do dferencal da méda do logartmo do saláro/hora através da modelagem estatístca. O procedmento consste em estmar a equação de saláros para cada grupo e trabalhador com o uso da análse de regressão (equação de saláros ou equação mncerana), através do método de Máxma Pseudo- Verossmlhança (MPV), ncorporando o plano amostral. Em seguda, com base no trabalho de Oaxaca (1973), o dferencal é decomposto em dos efetos: das característcas ndvduas e da dscrmnação. A seção 6 destaca que para determnadas pessoas sera vantajoso trabalhar se o saláro recebdo (ou saláro potencal) fosse maor que o custo de oportundade de não trabalhar (ou saláro reserva). Desta forma, exste um vés de seleção das nformações do saláro. Neste caso, as estmatvas dos coefcentes da equação de saláros obtdas a partr das nformações dos ndvíduos que trabalham na data de referênca da pesqusa podem estar vesadas sob a ótca do vés de seleção das nformações 5 Modelagem estatístca através da Análse de Regressão. 1
5 consderando-se que o modelo utlzado na seção 5 não ncorpora a nformação sobre a avalação dos ndvíduos que não trabalham no que se refere ao custo de oportundade. Heckman (1979) apresentou este fenômeno e sua solução não apenas para pesqusas amostras. De modo geral, o vés de seleção de nformação pode ser decorrente de duas razões, como destaca Heckman: ou em vrtude de seletvdade das nformações dos ndvíduos ou devdo ao desenho amostral da pesqusa. Cabe ressaltar que, ao utlzar os dados da PNAD, o efeto que deseja-se ncorporar na modelagem vsa corrgr o vés de seletvdade da nformação dos saláros para os ndvíduos que, apesar de estarem devdamente representados na amostra da PNAD 2003, não trabalharam na data de referênca da pesqusa supostamente devdo a uma avalação do saláro potencal e do custo de oportundade envolvdo nesta escolha. A seção 7, por sua vez, apresenta as consderações fnas e as propostas de trabalhos futuros. Uma extensão natural desta dssertação sera o cálculo da decomposção para os percents do logartmo do saláro/hora através do uso de regressões quantílcas com a correção de Heckman e a ncorporação do plano amostral nas análses. 2 Análse Não Controlada do Dferencal de Saláros 2.1 A Utlzação de Estatístcas Descrtvas A análse não controlada do dferencal de saláros é obtda através de estatístcas descrtvas do rendmento do trabalho prncpal (saláro) e ndcadores do mercado de trabalho dos grupos de cor e sexo (cor/sexo). Estes resultados são obtdos sem o uso de modelagem estatístca. Consdera-se quatro grupos no mercado de trabalho: mulheres de cor branca, mulheres de cor preta ou parda, homens de cor branca e homens de cor preta ou parda. A fonte de dados utlzada é a Pesqusa Naconal por Amostra de Domcílos (PNAD) realzada pelo IBGE em 2003 (maores detalhes na seção 3). Em 2003, a População Economcamente Atva 6 (PEA) no Brasl era em torno de 142 mlhões de brasleros 7 dos quas 79 mlhões tnham trabalho, 8 mlhões procuravam trabalho e 55 mlhões estavam fora da força de trabalho. A população ocupada era composta por aproxmadamente 42 mlhões de homens e mulheres que declararam sua cor branca e 37 mlhões de homens e mulheres de cor preta ou parda. Na tabela 2.1, verfca-se que, embora a População Economcamente Atva das mulheres seja superor a dos homens, a sua taxa de partcpação é nferor. A nserção no mercado de trabalho, representada pela taxa de desocupação, revela que exste um efeto entre as varáves cor e sexo. Destaca-se a stuação das mulheres de cor preta ou parda que apresentam a menor taxa de partcpação (47,91%) e a maor taxa de desocupação (14,47%). Tabela 2.2 Taxas de Partcpação e Desocupação no Brasl segundo cor e sexo Indcadores Taxa de Partcpação Homens Mulheres Branca Preta ou Parda Branca Preta ou Parda 68,87% 68,56% 49,41% 47,91% Taxa de 7,47% 9,14% 11,46% 14,47% Desocupação Fonte: Elaboração própra a partr dos mcrodados da PNAD/IBGE Pessoas com 10 anos ou mas de dade. 7 Exceto as pessoas que declararam a cor gnorada ou ndígena em
6 2.2 Análse das Característcas Produtvas dos Trabalhadores As estatístcas descrtvas para escolardade, experênca de trabalho, dade, local da resdênca (área urbana ou rural), saláro efetvamente recebdo no mês, jornada de trabalho semanal são utlzadas para caracterzar os grupos de trabalhadores segundo cor e sexo. Em seguda, defne-se a méda da razão entre o saláro e a jornada de trabalho mensal para o cálculo do dferencal não-controlado entre os trabalhadores. Os resultados da tabela 2.2 revelam que exste uma dspardade entre os saláros dos trabalhadores brasleros segundo cor e sexo. Como exemplo, embora as mulheres de cor branca tenham um nível de escolardade superor ao dos homens de cor branca o seu saláro é nferor, R$657 versus R$ O mesmo resultado é encontrado entre homens e mulheres de cor preta ou parda. Além dsso, os saláros das pessoas de cor branca são superores ao de pessoas de cor preta ou parda em nosso mercado de trabalho. Nota-se que a jornada de trabalho dos homens e das mulheres é dferente e, por sso, faz-se necessáro calcular o dferencal através de uma medda padronzada denomnada saláro/hora. O saláro/hora é a razão entre o saláro recebdo no mês multplcado pela jornada de trabalho mensal (.e., jornada de trabalho semanal multplcada 4.2 semanas). Tabela 2.2 Estatístcas descrtvas das característcas produtvas dos trabalhadores Indcadores Homens Preta ou Branca Parda Mulheres Preta ou Branca Parda Saláro 1.010,02 478,38 656,76 348,58 Jornada de trabalho semanal 45,40 44,55 38,10 37,31 Escolardade 7,97 5,65 9,29 7,17 Experênca 23,54 24,25 20,71 22,23 Idade 37,51 35,90 36,00 35,40 Fonte: Elaboração própra a partr dos mcrodados da PNAD/IBGE O dferencal não-controlado é apresentado na tabela 2.3 através da comparação entre homens de cor preta/parda, mulheres de cor branca e mulheres de cor preta/parda com o grupo dos homens de cor branca defndo como grupo base. O propósto desta análse é avalar se a dferença entre o saláro/hora é estatstcamente dferente de zero o teste é realzado pela estatístca t. Como exemplo, os homens de cor branca ganham R$ 3,26 a mas que os homens de cor preta. O menor dferencal é regstrado entre homens e mulheres de cor branca (R$1,34). Vale ressaltar que todos os resultados são estatstcamente dferentes de zero. 3
7 Tabela 2.3 Dferença da méda do saláro/hora 1 segundo cor e sexo Dferença entre o saláro/hora Estmatva Estatístca t Homens de cor branca - Homens de cor preta 3,26 26,50 Homens de cor branca - Mulheres de cor branca 1,34 8,52 Homens de cor branca - Mulheres de cor preta ou parda 3,54 28,70 Fonte: Elaboração própra a partr dos mcrodados da PNAD/IBGE Os resultados revelam, em termos percentuas, o saláro do grupo base versus os demas grupos de cor/sexo. Os homens de cor branca ganham, em méda, o dobro dos homens e mulheres de cor preta/parda e 28% a mas que as mulheres de cor branca. Os resultados da análse não-controlada do dferencal de saláros revelam as dspardades segundo cor e sexo. Em geral, as pessoas de cor preta/parda ganham menos que o grupo base. No entanto, tas comparações não são sufcentes para avalar o quanto deste dferencal é explcado pela dscrmnação ou pelas característcas ndvduas (escolardade, experênca de trabalho, local de resdênca e dade). As próxmas sub-seções têm por objetvo testar a exstênca da dscrmnação através da modelagem estatístca. Além dsso, decompor este dferencal na parcela referente à dscrmnação ou às característcas ndvduas. 3 Análse de Dados Amostras Complexos O esquema de seleção da amostra da PNAD, conforme descreve Slva, Pessoa e Llá (2002), é estratfcado e conglomerado com um, dos ou três estágos de seleção, de acordo com o tpo de estrato. O prmero tpo de estrato é composto pelas seguntes undades da federação: Acre, Alagoas Amapá, Amazonas, Dstrto Federal, Espírto Santo, Goás, Maranhão, Mato Grosso, Mato Grosso do Sul, Paraíba, Pauí, Ro Grande do Norte, Rondôna, Rorama, Santa Catarna Sergpe e Tocantns. Enquanto que, o segundo tpo de estrato é formado pelas undades da federação: Baha, Ceará, Mnas Geras, Pará, Paraná, Pernambuco, Ro de Janero, Ro Grande do Sul e São Paulo. O uso de dados de amostras complexos, conforme destacada na seção anteror, envolve probabldades dstntas de seleção das undades, conglomeração das undades e estratfcação. Para maores detalhes ver os trabalhos de Sknner, Holt e Smth (1989) e Pessoa e Slva (1998). A utlzação de métodos adequados para realzação de nferênca em dados amostras complexos permte estmar valores de uma varável de nteresse e avalar o grau de precsão das estmatvas (através de suas varâncas). As estmatvas das varâncas, por sua vez, são nfluencadas pelo plano amostral utlzado. Com sso, é mportante ressaltar a mportânca da ncorporação do plano nos procedmentos de nferênca com base em dados amostras complexos como a PNAD. Já exstem programas estatístcos que suportam tas análses, como exemplo, o SAS, STATA (2003). A justfcatva para a ncorporação do desenho amostra nas nferêncas analítcas, partndo de dados amostras complexos (Côrrea, 2001), é que os pesos podem ser usados para proteger contra planos amostras não-gnoráves (Pessoa e Slva, 1998), que poderam ntroduzr ou causar vícos, e má especfcação do modelo. Esta seção tem por objetvo apresentar o Efeto do Plano Amostral em pesqusas de dados amostras complexos como a PNAD. Além dsso, apresentar o procedmento para o cálculo dos ntervalos de confança, os testes de hpóteses e o Método de Máxma Pseudo-Verossmlhança (MPV) aplcado na nferênca analítca (modelagem). 4
8 3.1 Efeto do Plano Amostral O Efeto do Plano Amostral (EPA 8 ) tem por fnaldade avalar o mpacto em desconsderar o esquema de seleção da amostra no cálculo das estmatvas. Esta medda fo proposta ncalmente por Ksh (1965) e aperfeçoada por Ksh e Frankel (1974), para maores detalhes ver Pessoa e Slva (1998). Na nferênca estatístca, para um parâmetro θ, o EPA é obtdo pela razão entre a varânca do plano amostral complexo (verdadero) e a varânca da dstrbução do estmador θˆ de θ nduzda pelo plano de amostragem aleatóra smples (AAS 9 ) - V AAS ( θˆ ). Vpθˆ EPAθˆ = (4.1) ( ) ( ) VAAS ( θˆ ) onde, V p ( θˆ ) = varânca da dstrbução de θˆ nduzda pelo plano amostral complexo. Sknner, Holt e Smth (1989, p.24) destacam que esta medda é mportante para avalar a efcênca quando comparamos desenhos alternatvos na concepção das pesqusas. Além dsso, o uso do EPA apresenta dfculdades no seu cálculo em nferêncas analítcas (modelagem) e, por sso, defnram o conceto do EPA amplado (msspecfcaton effect meff). Esta medda mensura a tendênca de um estmador usual (consstente), calculado sob hpótese de observações ndependentes e dentcamente dstrbuídas (IID), subestmar ou superestmar a varânca verdadera do estmador pontual. O EPA amplado (também denomnado por meff - msspecfcaton effect) é a razão entre a varânca do estmador sob o plano amostral ou modelo correto ( θˆ ) V VERD sobre a esperança do estmador da varânca de θˆ sob a hpótese de E. observações IID da varânca ( ) VERD v 0 Dado que v Vˆ ( θˆ ) 0 = IID um estmador da varânca de θˆ para uma Amostra Aleatóra Smples sem reposção. Então: V ( ) ( θˆ ) V ( θˆ ) meff = EPA θˆ,v VERD VERD amplado 0 = = EVERD ( v0 ) EVERD ( Vˆ IID ( θˆ ) (4.2) O ( ˆ, v 0 ) V VERD ( θˆ ) afastado de 1 for o valor de EPA amplado ( ˆ θ, v ) EPA amplado θ mensura a tendênca de v 0 subestmar ou superestmar, varânca verdadera sob o modelo e/ou plano amostral de θˆ. Quanto mas 0, mas ncorreta será consderada a especfcação do plano amostral ou do modelo nos procedmentos analítcos. Desta forma, enquanto a medda proposta por Ksh basea-se nas dstrbuções nduzdas pela aleatorzação dos planos amostras comparados, o EPA amplado ( ˆ θ, v 0 ) pode ser calculado com respeto a dstrbuções de aleatorzação ou do modelo envolvdo. Em geral, são esperadas as seguntes conseqüêncas sobre o Efeto do Plano Amostral ao gnorar o plano amostral efetvamente adotado e admtr que o desenho da amostra fo AAS: 1. Ignorar os pesos em v 0 pode nflaconar o meff (ou EPA amplado); 2. Ignorar conglomerações em v 0 pode nflaconar o meff; 3. Ignorar estratfcação em v 0 pode reduzr o meff. 8 É apresentado nos softwares estatístcos como desgn effect (deff). 9 As nformações são coletadas de forma ndependente e são dentcamente dstrbuídas IID 5
9 3.2 Estatístca teste Para uma população fnta com um parâmetro de nteresse θ e sua estmatva pontual θˆ o ntervalo de confança com nível de confança (1- α ) a partr da θˆ θ dstrbução assntótca de t0 =, sob a hpótese de que as observações são 0,5 vo Independente e Identcamente dstrbuídas (IID) com dstrbução N(0;1), é dado por: + 0,5 0,5 [ θˆ zα/2v0 ;θˆ + zα/2v0 ] onde zα/2 = ϕ (t)dt e ϕ é uma função de densdade da α/2 dstrbução normal padrão. Para um plano amostral complexo a estatístca de teste é dada por: θˆ θ t0 = [ Vˆ ( )] 1/2 tal que t0 ~ N[0,EPA(θˆ,v 0)] VERDθˆ & e Vˆ ( ˆ) EPˆ A verd θ = v0 Desta forma, ao gnorar os pesos e o efeto de conglomeração do desenho amostral pode-se nflaconar o EPA, amplando-se os ntervalos de confança para os parâmetros de nteresse. 4 Análse Controlada do Dferencal de Saláros e Decomposção Segundo o Procedmento de Oaxaca. 4.1 Análse de Regressão e a Teora do Captal Humano O captal humano é o conjunto das habldades do ndvíduo lgadas à capacdade produtva, e ncorporadas no conhecmento e qualfcação para determnadas atvdades Becker (1993). Até 1950 os economstas geralmente assumam que o poder do saláro como dados e não adqurdos. As análses sofstcadas do nvestmento em educação e trenamento por Adam Smth, Alfred Marshall e Mlton Fredman não ncluíam em suas dscussões a produtvdade. Então Theodore W. Schultz, entre outros, ncaram uma exploração ponera nas mplcações do nvestmento do captal humano nas questões econômcas. Esta seção tem por fnaldade testar a exstênca de dscrmnação dos trabalhadores segundo cor e sexo através da análse controlada do dferencal de saláros. Os resultados da análse controlada são obtdos pelo uso de modelagem estatístca consderando o plano amostral da PNAD Adconalmente, decompõese o dferencal de saláros em efetos provenentes das característcas ndvduas (escolardade, experênca ou local de resdênca) e da dscrmnação. A metodologa consste em estmar a equação de saláros (Mncer, 1974) e decompor o dferencal de saláros através da metodologa apresentada por Oaxaca (1973). Para sso, ncorpora-se o esquema amostral complexo da PNAD 2003 apresentado na seção 3. Desta forma, a snerga entre as técncas econométrcas e as ferramentas estatístcas, fundamentadas na teora econômca, resulta em meddas concretas que propcam um maor conhecmento do nosso mercado de trabalho. A prncpal ferramenta utlzada é a Análse de Regressão 10 com modelos estmados pelo Método de Máxma Pseudo-Verssomlhança. A análse de regressão é utlzada no estudo da relação de uma varável resposta com um conjunto de varáves denomnadas explcatvas. O seu propósto é 10 O termo Regressão, por sua vez, amplamente utlzado em estudos do mercado de trabalho fo ntroduzdo Galton (1886) Gujarat (2000). 6
10 estmar ou prever o valor médo populaconal da varável dependente em termos dos valores conhecdos 11 das explcatvas. A teora do captal humano aplcada à análse de regressão fornece um arcabouço para avalar como decsões ndvduas nfluencam nos retornos dos rendmentos. Os trabalhos de Becker (1962), Mncer (1964) e Ramos (1996) descrevem a lgação entre o cclo da vda de um ndvíduo e os nvestmentos em captal humano. Ben-Porath (1973) formalza a equação de produção do captal humano baseado nos trabalhos de Becker e Mncer. 4.2 Estudos sobre Determnantes do Dferencal de Saláros no Brasl Dversos estudos procuram obter nformações sobre os determnantes do saláro dos trabalhadores, a partr de suas característcas ndvduas (escolardade, experênca, cor/raça ou local de morada) e nformações sobre o mercado de trabalho (setor de atvdade ou ocupação). O entendmento do processo pelo qual as pessoas desenvolvem suas habldades na escola e no trabalho são fundamentas para nvestgar não apenas o porquê das dferenças de saláro, mas para fomentar déas no desenvolvmento econômco e socal do país. A lteratura exstente sobre o tema revela que outros fatores também nfluencam o saláro como, por exemplo, habldade nata ou dscrmnação. Coelho e Corseul (2002) apresentam um resumo dos estudos sobre Dferencal de Saláros nos últmos trnta anos no Brasl. Os autores encontraram dferentes abordagens no uso da equação de saláro. Em alguns artgos o foco da análse é a avalação das característcas dos ndvíduos na determnação do saláro, enquanto outros tem como objetvo mensurar dferencas entre grupos de trabalhadores de acordo com suas característcas sócodemográfcas. Rodrgues (2003) revela a estrutura salaral do Brasl a partr da Pesqusa de Padrão de Vda (PPV), realzada em 1996 pelo IBGE, levando em consderação os efetos do esquema amostral da pesqusa. A contrbução do trabalho é a avalação do dferencal de saláro não-controlado (razão entre os saláros do grupo) e o dferencal de saláro controlado quando estmado consderando-se ou não o esquema amostral da pesqusa. A equação de saláros (Mncer, 1974), estmada pela Análse de Regressão, é um mportante nstrumento para decompor o dferencal de saláros entre os grupos de cor. A próxma seção dscute a forma funconal da varável resposta e as varáves explcatvas utlzadas. 4.3 A forma funconal da Equação de Saláros Mncer (1974) ntegrou a teora do nvestmento em captal humano dentro de um contexto empírco, compatível com a teora econômca. Desde então, o seu trabalho passou a ser amplamente utlzada em estudos do mercado de trabalho que fo denomnada como função saláro do captal humano, ou popularmente conhecda como equação mncerana. O logartmo da razão entre o saláro e a jornada de trabalho (hora) é a varável de nteresse para o estudo do dferencal de saláros que também é denomnada por varável resposta. Seja: Z - saláro/hora do -ésmo ndvíduo, Y = ln(z ) - logartmo de Z, X - vetor de varável explcatva do -ésmo ndvíduo, 11 Conhecdo ou fxo no sentdo de não estocástco. 7
11 Y Consderando um modelo com apenas uma varável explcatva: + k X + ε ε ~ N 0,1 (4.1) = 0, ( ) A forma funconal da expressão (5.1) é chamada de modelo semlog, pos a varável resposta aparece na forma logarítmca. Desta forma, o coefcente de nclnação da varável explcatva X mede a varação proporconal constante em Y para uma dada varação absoluta no valor da varável explcatva, como exemplo: Varação relatva na var ável resposta k = (4.2) Varação absoluta no regressor Se multplcarmos a varação relatva em Y por 100, a expressão (5.2) fornecerá a varação percentual, ou taxa de crescmento/decréscmo em Y para uma varação absoluta em X, o regressor. Oaxaca (1973) destaca a experênca, escolardade, posção na ocupação, setor de atvdade, grupos de ocupação, mgração e estado cvl como controles mportantes da fonte da dscrmnação segundo cor e sexo. Como exemplo, o controle defndo pela ocupação elmna alguns dos efetos das barreras ocupaconas como fonte de dscrmnação. Como resultado, estaríamos sub-estmando os efetos da dscrmnação quando ncluímos tas efetos na análse. Com sso, ele apresentou um outro conjunto de equações de saláros que não consdera a ocupação e setor de atvdade dos trabalhadores denomnado por equação de saláros de característcas ndvduas que é adotado na dssertação. A partr das evdêncas apresentadas por Oaxaca e o prncípo da parcmôna, as varáves explcatvas utlzadas nesta dssertação são: educação, experênca e local de morada (área urbana ou rural). A escolardade dos trabalhadores é defnda pelos anos de estudo completos. Tal nformação encontra-se defnda nos mcrodados da PNAD A experênca do trabalhador é obtda pela expressão: experênca = dade em anos completos - anos de estudo completos Análse Controlada do Dferencal de Saláros Apresenta-se a segur, os resultados da estmação da equação de saláros ajustada para a população da PNAD A dstnção entre os modelos 1 e 2 (tabela 4.1) está na utlzação das varáves cor e sexo, além das demas característcas como escolardade, experênca e local de morada. Esta análse compara ndvíduos com atrbutos semelhantes, por exemplo, escolardade, experênca e local de morada, exceto a cor e sexo. Os resultados revelam que mulheres de cor branca e homens e mulheres de cor preta e parda ganham menos do que o grupo base (homens brancos). Para ambos os modelos os snas dos coefcentes da escolardade e experênca estão de acordo com os resultados da Teora do Captal Humano. A nterpretação dos coefcentes de escolardade (lnear e quadrátco) revela que o saláro aumenta conforme a escolardade a taxas crescentes. No entanto, os snas dos coefcentes da experênca ndcam que o saláro aumenta conforme a experênca de trabalho a taxas decrescentes. Tabela 4.1 Estmação das Equações de Saláros Característcas Estmatvas dos coefcentes produtvas Modelo (1) Modelo (2) Escolardade
12 Escolardade Experênca Experênca Área Urbana Sexo (1=homens; 0=mulheres) Cor (1=cor branca; 0=caso contráro) Constante R P>F Nota: As nformações em negrto correspondem a estatístca t Além do uso de modelagem é possível descrever um ndcador para avalar o grau de dscrmnação entre os grupos de cor e sexo. A próxma seção descreve o Coefcente de Dscrmnação proposto por Becker (1962) e sua generalzação descrta por Oaxaca (1973). 4.5 Coefcente de Dscrmnação e Procedmentos para o Cálculo da Decomposção de Saláros O Coefcente de Dscrmnação apresentado por Becker é defndo como a porcentagem do dferencal salaral entre dos tpos de mercados perfetamente substtutos. Para os casos nos quas os dos fatores não são necessaramente substtutos perfetos, Becker defnu o coefcente de dscrmnação como uma smples dferença entre os saláros e a razão dos saláros na ausênca de dscrmnação. Atrbu-se como grupo base (L) os homens de cor branca para comparações e L- 1 grupos defndos pelos homens de cor preta/parda, mulheres de cor branca e mulheres de cor preta/parda. 0 Z L / Z l ( Z L / Z l ) D = ( Z L / Z l ) 0, l =1, 2, 3 e L (4.3) onde: Z l = méda do saláro/hora no l-ésmo grupo; l = 1(homens de cor preta/parda), 2 (mulheres de cor branca), 3 (mulheres de cor preta/parda) e L (homens de cor branca ou grupo base); Z L / Z l = razão entre as médas do saláro/hora do grupo base (L) e o l-ésmo grupo; ( ) ( Z Z ) 0 L / l = razão entre as médas do saláro/hora do grupo base(l) e o l-ésmo grupo na ausênca da dscrmnação; Oaxaca (1973) apresenta uma generalzação da medda de Becker admtndo substtutos perfetos como caso especal (sendo mas flexível para trabalhos empírcos). Para sso, aplca-se o logartmo na expressão
13 ln( 0 Z ( ) ( ) L / Z l Z L / Z l D ) = ln = ln( D 1) = ln( Z L / Z l ) ln( Z L / Z l ) 0 0 Z L / Z l Como não conhecemos ( ) 0 valores para ( Z Z ) 0 Z L / Z l + (4.4), para estmar D faz-se necessáro obter L / l. A estmatva é realzada consderando ou não a ausênca de dscrmnação. Se não exstsse dscrmnação, a estrutura salaral de um determnado grupo padrão podera ser aplcada aos demas grupos, ou a estrutura destes grupos podera ser aplcada ao grupo base. A estmação pelo Método de Máxma Pseudo-Verossmlhança da equação de saláros para determnados grupos de trabalhadores, fornece uma estmatva da estrutura salaral que pode ser aplcada a outros grupos. Este procedmento consste em estmar separadamente para cada grupo de cor/sexo a equação de Mncer. A defnção do modelo é dada pela expressão 5.5. ' ( l ) ln ( Z ) = + ε l, l ~ N( 0,1 ) l X ε (4.5) Onde: ln ( Z l ) = logartmo do saláro/hora para o -ésmo ndvíduo pertencente ao l- ésmo grupo de cor e sexo; ' X l = matrz das varáves explcatvas (escolardade, experênca) do -ésmo ndvíduo do l-ésmo grupo de cor e sexo; (l ) = parâmetros a serem estmados do l-ésmo grupo de cor e sexo; ε l = erro aleatóro Através da Análse de Regressão, equação de saláros, é possível nferr para cada grupo de cor/sexo quas os retornos para cada característca produtva. Isto é, através dos coefcentes estmados (betas). Com sso seja: Z L Z l G = (4.6) Z l Aplcando o logartmo na expressão (4.6): ln( G + 1) = ln( Z L ) ln( Z l ) ' = X ˆ ' L L X ˆ l l (4.7) Onde Z L e Z L são as médas dos logartmos dos saláros/hora para o grupopadrão e do l-ésmo grupo de cor/sexo. A partr das propredades dos estmadores de máxmo pseudo-versossmlhança, podemos escrever: Efeto devdo às dferenças das característcas produtvas 0 ZL ' ln = X ˆ l (4.8) Z l Efetos devdo às dferenças da dscrmnação/retornos ' ln G 1 = X (4.9) ( ) ˆ + L 10
14 4.6 Ajuste das Equações de Saláros para os grupos de cor e sexo Para a realzação do procedmento de Oaxaca e obtenção dos efetos descrtos na seção 4.5 é necessáro ajustar as equações de saláros para os dferentes grupos de cor se sexo. Utlzou-se o programa estatístco STATA 8.0, procedmento svyregress, para o ajuste do modelo de regressão com duas fnaldades: ajustar o modelo com o peso e sem a especfcação dos estratos (tabela 4.2) e a forma adequada com a especfcação dos pesos, estratos e undades prmáras de amostragem (tabela 4.3). A comparação entre as tabelas 4.2 e 4.3 revela que o fato de não ncorporar a estratfcação no ajuste dos modelos não altera os valores dos coefcentes, mas as estatístcas de teste (t) são afetadas pela não especfcação no ajuste do modelo. Como exemplo, enquanto que a estatístca de teste para a varável escolardade na tabela 4.2 é na tabela 4.3 é e sso sgnfca que o desvo padrão no prmero caso é menor quando estmamos os coefcentes consderando que tenham sdo dados obtdos através de uma amostra aleatóra smples. Na tabela 5.3, a nterpretação dos coefcentes de escolardade e experênca de trabalho é realzada em conjunto com os termos quadrátcos. Como exemplo, o efeto margnal dos anos destudo das mulheres de cor branca (denomnado por Ef marg MB) sobre a méda do ln(saláro/hora) das mulheres é obtdo pela expressão: Ef marg MB = *anos de estudo * (anos de estudo 2 ) (4.10) Tabela Equações de saláros estmadas com o peso e sem a especfcação dos estratos. Estmatvas dos parâmetros e respectvas estatístcas de teste (negrto) Cor branca Cor Preta ou Parda Varáves Homens Mulheres Homens Mulheres Anos de estudo 0,0519-0,0191 0,0643 0, ,18-3,65 19,26 5,38 Anos de estudo2 0,0065 0,0098 0,0046 0, ,10 34,96 18,74 22,87 Experênca 0,0548 0,0382 0,0524 0, ,78 36,00 58,18 37,25 Experênca2-0,0006-0,0004-0,0006-0, ,28-18,84-40,71-22,48 Área Urbana 0,2719 0,1972 0,3408 0, ,02 9,77 32,72 18,31 Constante -0,8393-0,5315-1,0332-1, ,59-16,63-60,84-40,20 R 2 0,44 0,42 0,34 0,32 Prob>F 0,0001 0,0001 0,0001 0,0001 Amostra População
15 Tabela Equações de Saláros para os grupos de cor e sexo Estmatvas dos parâmetros e respectvas estatístcas de teste (negrto) Cor branca Cor Preta ou Parda Varáves Homens Mulheres Homens Mulheres Anos de estudo 0,0519-0,0191 0,0643 0, ,41-3,29 15,39 4,18 Anos de estudo2 0,0065 0,0098 0,0046 0, ,26 30,98 15,61 18,95 Experênca 0,0548 0,0382 0,0524 0, ,97 35,64 47,73 35,07 Experênca2-0,0006-0,0004-0,0006-0, ,58-18,44-32,06-21,65 Área Urbana 0,2719 0,1972 0,3408 0, ,57 7,47 17,36 10,43 Constante -0,8393-0,5315-1,0332-1, ,50-14,10-35,88-24,73 R 2 0,44 0,42 0,34 0,32 Prob>F 0,0001 0,0001 0,0001 0,0001 Amostra População Os gráfcos 4.1 e 4.2 apresentam os efetos margnas sobre o ln(saláro/hora) para a escolardade e experênca, respectvamente. Vale ressaltar que, como o efeto margnal é a dervada da equação de saláros ele é uma função lnear. No gráfco 5.1, as mulheres de cor branca apresentam os menores retornos em todos os anos de estudo ao comparar com outros de grupos de sexo/cor. Além dsso, exceto para um ano de estudo, o valor dos retornos é postvo conforme a teora do captal humano (quanto maor a escolardade maor o rendmento). Os homens apresentam os maores retornos quando comparados às mulheres. Os retornos dos homens de cor branca superam o dos homens de cor preta/parda a partr dos ses anos de estudo. 12
16 Gráfco 4.1 Retornos à escolardade sobre o ln(saláro/hora) Retornos à escolardade 0,1600 0,1400 0,1200 retornos 0,1000 0,0800 0,0600 0,0400 0,0200 ef marg MB ef marg HB ef marg MP ef marg HP 0, ,0200 Anos de Estudo Notas: ef marg MB = efeto margnal das mulheres cor branca, ef marg HB = efeto margnal dos homens de cor branca, ef marg MP = efeto margnal das mulheres de cor preta/parda e ef marg HP = efeto margnal dos homens de cor preta/parda. Gráfco 4.2 Retornos à experênca sobre o ln(saláro/hora) Retornos à experênca 0,0600 0,0500 0,0400 retornos 0,0300 0,0200 ef marg MB ef marg HB ef marg MP ef marg HP 0,0100 0, Experênca 13
17 4.7 Análse da Equação de Saláros com nteração Na seção anteror os resultados foram obtdos de forma ndependente para grupo de cor e sexo. No entanto, para o cálculo do efeto devdo às dferenças dos retornos (dscrmnação expressão 4.9) torna-se necessáro o cálculo do desvo-padrão ncorporando o plano amostral. A solução para obter a dferença entre os coefcentes dos grupos e o respectvo desvo-padrão com a ncorporação do plano amostral é a estmação da equação de saláros com nteração das varáves explcatvas: escolardade, experênca, dade e local de resdênca com o sexo e a cor dos trabalhadores. Os resultados da tabela 4.4 em negrto representam as estmatvas dos coefcentes para o grupo base L (homens de cor branca). As lnhas em tálco representam a dferença entre o grupo base (L) e o l-ésmo grupo (homens de cor preta/padra, mulheres de cor branca e mulheres de cor preta/parda). Como exemplo, o coefcente para os anos de estudo dos homens de cor branca é 0,0519 (tabela 4.2 e tabela 4.3) enquanto que o para os homens de cor preta/parda é obtdo por: 0, ,0124 (tabela 5.3) = 0,0643 (tabela 5.2). A amostra consdera todos os grupos, aproxmadamente 149 ml trabalhadores. Tabela 4.4 Ajuste do Modelo de Regressão da Equação dos Saláros com a nteração sexo*cor e as varáves explcatvas anos de estudo, experênca e local de resdênca. Varáves Estmatvas Estatístcat Anos de estudo (Homens de cor branca) 0, ,41* Homens de cor preta/parda 0,0124 2,13* Mulheres de cor branca -0, ,24* Mulheres de cor preta/parda -0,0258-3,34* Anos de estudo 2 (Homens de cor branca) 0, ,26* Homens de cor preta/parda -0,0020-5,21* Mulheres de cor branca 0,0033 8,7* Mulheres de cor preta/parda 0,0004 0,78 Experênca (Homens de cor branca) 0, ,97* Homens de cor preta/parda -0,0024-1,67 Mulheres de cor branca -0, ,75* Mulheres de cor preta/parda -0,0088-5,47* Experênca 2 (Homens de cor branca) -0, ,58* Homens de cor preta/parda -0, ,53 Mulheres de cor branca 0, ,82* Mulheres de cor preta/parda 0, ,57 Área Urbana (Homens de cor branca) 0, ,57* Homens de cor preta/parda 0,0689 2,71* Mulheres de cor branca -0,0747-2,75* Mulheres de cor preta/parda 0,0775 2,09* Constante (Homens de cor branca) -0, ,5* Homens de cor preta/parda -0,1939-5,2* Mulheres de cor branca 0,3078 7,28* Mulheres de cor preta/parda -0,2972-5,7* R 2 0,4457 Prob>F 0,0000 Amostra População
18 Notas: * sgnfcatvo ao nível de 5% de confança. 4.8 Resultados da Decomposção do Dferencal de Saláros O objetvo desta seção é detalhar os procedmentos para decomposção da méda do logartmo do saláro/hora através da análse controlada (modelagem estatístca). Em seguda, nvestgar o quanto desta dferença é explcada pelas característcas ndvduas dos trabalhadores é quanto é provenente dos retornos dos coefcentes. Os resultados da tabela 4.5 avalam se a dferença entre a méda do logartmo do saláro/hora do grupo base (homens de cor branca) e o l-ésmo grupo de cor e sexo é estatstcamente sgnfcatva. Tabela 4.5 Dferença do ln(saláro/hora) entre os grupos de cor Dferenças Estmatva Estatístca t Homens de cor branca - Homens de cor preta ln(saláro/hora) Homens de cor branca - Mulheres de cor branca Homens de cor branca - Mulheres de cor preta ou parda Fonte: Processado a partr dos mcrodados da PNAD O cálculo da dferença entre as médas das característcas produtvas (expressão 4.8) fo obtdo com a ncorporação do plano amostral da PNAD (anexo 3). Esta análse tem por fnaldade testar se a dferença entre as característcas dos grupos de cor e sexo são estatstcamente dferentes de zero. Verfca-se na tabela 4.6 que os homens têm, em méda, uma escolardade nferor as mulheres de cor branca. Tabela 4.6 Dferença entre as médas das característcas produtvas e coefcentes estmados para o Grupo Base (L) e o l-ésmo grupo de cor/sexo Característcas Mulher de cor branca (Grupo padrão) - (l-ésmo grupo de cor/sexo) Entre as médas Entre os coefcentes estmados Mulher de Homem de cor Mulher de Mulher de cor cor preta ou preta ou parda cor branca preta ou parda parda 15 Homem de cor preta ou parda *Anos de estudo -1,32 0,80 2,32-0,0711-0, , ,17 15,32 44,55-10,2-3,3 2,1 Anos de estudo 2-21,83 12,77 33,41 0,0033 0, , ,92 15,87 44,21 8,7 0,8-5,2 Experênca 2,84 1,31-0,71-0,0165-0, , ,89 9,92-5,35-11,8-5,5-1,7 Experênca 2 159,82 85,74-40,09 0,0002 0, , ,66 11,11-4,91 5,8 1,57-1,5 Área Urbana -0,07-0,03 0,06-0,0747 0, , ,54-5,46 9,77-2,8 2,1 2,7 Constante 0,3078-0, ,1939 7,28-5,70-5,20 Com base nos resultados das tabelas 4.5 e 4.6 é possível a construção da decomposção do dferencal da méda do ln(saláro/hora) de forma adequada. A fnaldade da tabela 4.7 é avalar o quanto das característcas produtvas explcam o dferencal e o que é provenente da dscrmnação. Entre as pessoas de cor branca, homens e mulheres, as característcas produtvas explcam 107,1% e o efeto da dscrmnação explca 207% da dferença entre a méda do ln(saláro/hora). Para esta análse vale ressaltar que o efeto da dscrmnação (0,31) é maor que a dferença dos logartmos dos saláros (0,15), pos as mulheres têm mulheres atrbutos pessoas
19 (escolardade meda superor) quando comparados aos homens, e se fossem remuneradas gualmente seus rendmentos seram maores. A dferença da méda do ln(saláro/hora) entre os trabalhadores do grupo e as pessoas de cor preta e parda revela que as mulheres sofrem uma maor dscrmnação. Enquanto que o efeto da dscrmnação explca 84% do dferencal entre as mulheres de cor branca e o grupo base, entre os homens é responsável por 47%. Tabela Efetos da Dscrmnação Estmados pelas Característcas Pessoas Efetos Mulher branca Homem preto Mulher preta (1)a (2)b (1)a (2)b (1)a (2)b Dferencal de saláros = (3) 0, ,0% 0, ,0% 0, ,0% Anos de estudo 0, ,7% 0, ,1% 0,0209 3,04% Anos de estudo2-0, ,9% 0, ,7% 0, ,76% Experênca 0, ,4% -0,0371-6,3% 0,0602 8,74% Experênca2-0, ,1% 0,0253 4,3% -0,0467-6,79% Área Urbana -0,0138-9,1% 0,0212 3,6% -0,0108-1,58% Efeto Dscrmnação Somatóro do efetos = (4) -0, ,1% 0, ,4% 0, ,2% Estmatva de ln(d+1) = (5) 0, ,1% 0, ,6% 0,577 83,8% Estmatva de D = (6) 0,37 0,33 0,78 Notas: (a) é gual ao produto entre o coefcente da varável explcatva e a dferença das característcas médas da tabela 5.5 (b) é gual a coluna (a) expressa como percentual da dferencal de saláros. (3) Representa o dferencal de saláros entre o grupo padrão e o l-ésmo grupo de cor/sexo (4) Somatóro dos efetos sobre o dferencal de saláros (5) É gual a (3) - (4) (6) É gual a exponencal do tem (5) A estmatva do coefcente de dscrmnação (D), por sua vez, sntetza os resultados da análse controlada da dscrmnação presente no mercado de trabalho braslero em A conclusão é que a dscrmnação no mercado de trabalho é mas evdente contra as mulheres de cor preta. Desta forma, consderando como grupo base os homens de cor branca, o maor valor regstrado de D fo de 0,78 entre as mulheres de cor preta e parda e o grupo base. Em seguda, 0,37 para as mulheres de cor branca e 0,33 para os homens de cor preta e parda. Esta seção desenvolveu os procedmentos teórcos e operaconas para o cálculo da decomposção da méda do ln(saláro/hora) em pesqusas como a PNAD Fo dentfcado que a melhor manera para estmar as equações de saláros é através de um modelo de nteração que já fornece as estmatvas das dferenças dos coefcentes com a ncorporação do plano amostral e faclta na construção do quadro de decomposção. A próxma seção tem por fnaldade avalar corrgr os possíves veses de seleção da nformação do saláro em pesqusas como a PNAD 2003 que regstra os saláros daqueles que trabalham. 16
20 5 Decomposção do Dferencal de Saláro com Correção do Vés de Seleção do Saláro na Análse de Regressão 5.1 O vés de seleção da nformação dos saláros Esta seção tem por fnaldade apresentar os procedmentos necessáros para corrgr o vés de seleção das nformações dos saláros reportados pelos ndvíduos. Com sso, avalar os mpactos nas equações de saláros e nos resultados da decomposção de saláros. Com relação à varável resposta, ln(saláro/hora), vale ressaltar que na PNAD, como em outras pesqusas, as nformações coletadas são fornecdas pelas pessoas que tnham trabalho na época da pesqusa. Isto é, os saláros observados na PNAD 2003 estão relaconados com a decsão de um ndvíduo trabalhar ou não. De fato, para determnadas pessoas sera vantajoso trabalhar se o saláro recebdo (ou saláro potencal) fosse maor que o custo de oportundade (ou saláro reserva). Desta forma, exste um vés de seleção das nformações do saláro. Neste caso, as estmatvas dos coefcentes da equação de saláros obtdas a partr das nformações dos ndvíduos que trabalham na data de referênca da pesqusa podem estar vesadas sob a ótca do vés de seleção das nformações, consderando-se que o modelo utlzada na seção 4 não ncorpora a nformação sobre a avalação dos ndvíduos que não trabalham no que se refere ao custo de oportundade. Heckman (1979) apresentou o fenômeno e sua solução não apenas para pesqusas amostras. De modo geral, o vés de seleção de nformação pode ser decorrente de duas razões, como destaca Heckman: ou em vrtude de seletvdade das nformações dos ndvíduos ou devdo ao desenho amostral da pesqusa. Cabe ressaltar que, ao utlzar os dados da PNAD, o efeto que deseja-se ncorporar na modelagem vsa corrgr o vés de seletvdade da nformação dos saláros para os ndvíduos que, apesar de estarem devdamente representados na amostra da PNAD 2003, não trabalhavam na data de referênca da pesqusa supostamente devdo a uma avalação do saláro potencal e do custo de oportundade envolvdo nesta escolha. 5.2 A Correção do Vés de Seletvdade da Informação dos Saláros através do Procedmento de Heckman em Pesqusas Amostras Complexas Conforme apresentado na seção anteror, o problema de estmar a equação de saláros é que não observamos o saláro para toda a amostra, mas apenas para aqueles que trabalham. A metodologa apresentada é um resumo dos trabalhos de Heckman (1979) e Kassouf (1994) e sua motvação tem como base a ncorporar a complexdade do desenho amostral (seção 3) na estmação dos modelos. A equação de partcpação avala a probabldade do ndvíduo trabalhar segundo algumas varáves explcatvas 12. O modelo utlzado é o probt com a ncorporação do plano amostral. A varável dependente assume o valor 1 se o ndvíduo tem rendmento (ocupado) e 0 caso contráro (descocupados ou natvos). Com base nos trabalhos de Heckman (1979) e Kassouf (1994) as varáves explcatvas seleconadas foram: Escolardade em anos de estudo; Escolardade ao quadrado; Experênca Experênca ao quadrado Chefe - condção no domcílo chefe; 12 Ressalta-se que para dentfcação é necessáro que algumas destas varáves não estejam ncluídas na equação de saláros. 17
21 Flho condção no domcílo flho; Cranças no domcílo entre 0 e 5 anos assume o valor 1 se há cranças e o caso contráro. Os resultados da equação de saláros modelo probt estão descrtos na tabela 5.1. Verfca-se que conforme aumenta a experênca de trabalho maor é a probabldade de um ndvíduo partcpar no mercado de trabalho. O snal negatvo do termo quadrátco da experênca ndca que a probabldade de partcpar no mercado de trabalho cresce a taxas decrescentes. O efeto do termo lnear da escolardade em todos os grupos de cor reflete que a probabldade aumenta conforme os anos de estudo. No entanto, o termo quadrátco ndca que para os homens a probabldade cresce a taxas decrescentes e as mulheres a taxas crescentes. Ser chefe do domcílo é uma varável mportante para determnar a probabldade do ndvíduo partcpar do mercado de trabalho. Com sso, ndependente do sexo e a da cor a probabldade de partcpar no mercado de trabalho de chefes de famíla é postva em todos os grupos de cor e sexo. Para os ndvíduos que declararam ter uma relação de flho com o chefe do domcílo o comportamento é o contráro. Isto é, o snal negatvo expressa que estes ndvíduos estão menos propensos a partcpar do mercado de trabalho. Além das característcas pessoas e responsabldades no domcílo fo ncluída uma nformação que tem mpacto sobre todas as pessoas que vvem no mesmo domcílo: cranças de 0 a 5 anos de dade. Enquanto os homens estão mas propensos a trabalhar, as mulheres têm um comportamento contráro. Heckman (1979) e Kassouf (1994) justfcam este comportamento pela regra de decsão entre o saláro potencal e o saláro reserva descrto na seção anteror. Tabela 5.1 Equação de Partcpação no Mercado de Trabalho Braslero em 2003 Cor branca Cor Preta ou Parda Estmadores Homens Mulheres Homens Mulheres Anos de estudo 0,1484 0,0752 0,1027 0, ,05 16,49 19,38 11,36 Anos de estudo2-0,0043 0,0017-0,0001 0, ,14 5,51-0,31 11,26 Experênca 0,0944 0,0745 0,1087 0, ,52 50,16 74,94 65,62 Experênca2-0,0016-0,0014-0,0017-0, ,00-48,44-61,37-56,98 Área Urbana -0,2875 0,2482-0,1858 0, ,75 9,57-8,47 10,28 Chefe do domcílo 0, , , , ,89 23,2 25,7 27,02 Flho -0,26-0,12-0,23-0,05-14,37-6,56-13,83-2,81 Crança de 0 a 5 anos 0,02-0,18 0,04-0,21 1,53-12,79 3,01-14,27 Constante -1,1674-1,7858-1,3662-2, ,90-54,57-47,77-62,18 Amostra A partr dos coefcentes da equação de partcpação (modelo probt) tabela 5.1 é calculado a varável lambda (ou razão nversa de Mlls) e utlzado como varável explcatva para estmação da equação de saláros que é apresentado na próxma seção. 18
22 5.2.1 Ajuste das Equações de Saláro com Correção do Vés de Seletvdade da Informação. Os resultados da tabela 5.2 apresentam as equações de saláros com a correção de Heckman. Vale ressaltar que o coefcente da varável lambda é estatstcamente sgnfcatvo, ndcando que a nclusão é necessára para correção do vés de seleção da nformação do saláro. Tabela 5.2 Equação de Saláros com Correção de Heckman Cor branca Cor Preta ou Parda Estmadores Homens Mulheres Homens Mulheres Anos de estudo 0,0280-0,0257 0,0467 0,0217 5,42-3,98 10,88 3,44 0, , , , Anos de estudo2 0,0072 0,0098 0,0046 0, ,06 30,82 15,66 18,10 0, , , , Experênca 0,0311 0,0324 0,0255 0, ,51 11,71 14,54 17,94 0, , , , Experênca2-0,0002-0,0003-0,0002-0,0005-9,96-6,28-8,62-11,94 0, , , , Área Urbana 0,3169 0,1750 0,3711 0, ,42 6,1 18,89 9,93 0, , , , Lambda -0,3456-0,1068-0,3569-0, ,38-2,32-19,39-3,10 0, , , , Constante -0,3256-0,3040-0,4560-0,9317-9,12-2,87-11,78-12,92 O snal negatvo da varável lambda ndca que os fatores não mensurados, na equação de saláros, por um aumentam a probabldade de partcpação dmnuem os retornos do saláro. Como exemplo, nos gráfcos 6.1 e 6.2, para os homens de cor branca, o coefcente da escolardade pelo método tradconal era (seção 5) e com a correção de Heckman passa a ser (tabela 6.2). Quando realzamos a mesma análse para a varável experênca de trabalho, para todos os grupos de cor e sexo, os coefcentes também sofrem reduções. A comparação com o método tradconal (tabela 5.4) revela que tanto os coefcentes, quanto as varâncas, se alteram com a utlzação deste procedmento. Mesmo assm todas os coefcentes contnuam sgnfcatvos a 95% de confança. Gráfco 5.1 Comparação entre os coefcentes da Equação de Saláros pelo Método Tradconal e com a Correção de Heckman. 19
23 Área Urbana Experênca2 Experênca Escolardade2 Escolardade Tradconal Heckman De posse das estmatvas da equação de saláros corrgdas do vés de seleção da nformação do saláro o próxmo passo é decompor o dferencal entre os grupos de trabalhadores na próxma seção. 5.3 Decomposção dos Dferencas de Saláros segundo Oaxaca Os resultados da tabela 5.3 são referentes às dferenças entre as médas das característcas produtvas e a dferença entre os coefcentes. Vale destacar que, por lmtações operaconas o STATA não ncorpora o procedmento de nteração no Heckman nclundo a varável lambda. Desta forma, a hpótese adotada é que os dados são pared data entre os regressores, ou seja, não há um correspondente homem negro (ou l-ésmo grupo de cor e sexo) para cada homem branco (grupo base). Seja: ( L) ( l ) ( L) ( l ) ( L) ( l ) Var = Var Var 2Cov (5.1) ( ) ( ) ( ) ( ) Onde: (L) = coefcente do grupo base (l ) = coefcente do l-ésmo grupo de cor e sexo. Assumndo que: ( L) ( l ) Cov ( ) Tabela 5.3 Dferenças entre as médas dos regressores e coefcentes estmados com a correção de Heckman. Mulher de cor branca (Grupo padrão) - (l-ésmo grupo de cor/sexo) Entre as médas Entre os coefcentes estmados Mulher de Homem de Mulher de cor Mulher de cor cor preta ou cor preta ou branca preta ou parda parda parda 20 Homem de cor preta ou parda Anos de estudo -1,32 0,80 2,32-0,0537 0,0187-0, ,17 15,32 44,55-4,6193 1,9769-0,5544 0,0116 0,0095 0,0115 Anos de estudo 2-21,83 33,41 33,41 0,0026-0,0026-0, ,92 15,87 44,21 4,1266-4,3515-0,7658 0,0006 0,0006 0,0007 Experênca 2,84-0,71-0,71 0,0013-0,0056 0, ,89 9,92-5,35 0,3283-1,8592 2,5816 0,0040 0,0030 0,0035 Experênca 2 159,82-40,09-40,09-0,0001 0,0000-0, ,66 11,11-4,91-1,5198-0,4806-4,0455
Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisGabarito da Lista de Exercícios de Econometria I
Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisAULA EXTRA Análise de Regressão Logística
1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisDETERMINANTES DOS RENDIMENTOS NO MERCADO DE TRABALHO NACIONAL: UMA COMPARAÇÃO ENTRE OS
DETERMINANTES DOS RENDIMENTOS NO MERCADO DE TRABALHO NACIONAL: UMA COMPARAÇÃO ENTRE OS GêNEROS E ENTRE AS REGIÕES METROPOLITANAS DE BELO HORIZONTE E SALVADOR Jader Fernandes Crno 1 João Eustáquo de Lma
Leia maisRETORNOS PRIVADOS DE EDUCAÇÃO INDIVIDUAL NO PARANÁ
JULIANA KIKUCHI VAN ZAIST * LUCIANO NAKABASHI ** MÁRCIO A. SALVATO *** RETORNOS PRIVADOS DE EDUCAÇÃO INDIVIDUAL NO PARANÁ RESUMO No Brasl e no Paraná exstem graves problemas no que dz respeto ao sstema
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisNOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisDeterminantes da inserção e dos rendimentos dos jovens no mercado de trabalho formal e informal do Brasil
Determnantes da nserção e dos rendmentos dos jovens no mercado de trabalho formal e nformal do Brasl Carlos Otávo de Fretas 1 Julana de Sales Slva 2 RESUMO Dante dos entraves relaconados à partcpação do
Leia maisRETORNO EM ESCOLARIDADE NO PARANÁ
RETORNO EM ESCOLARIDADE NO PARANÁ Julana K. Van Zast 1 Lucano Nakabash 2 Márco A. Salvato 3 Resumo - A baxa qualdade do sstema educaconal braslero é um dos obstáculos ao crescmento de sua economa. Uma
Leia maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
Leia maisIdentidade dos parâmetros de modelos segmentados
Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisRetorno de Escolaridade no Brasil e no Paraná em 2004
Retorno de Escolardade no Brasl e no Paraná em 2004 Armando Vaz Sampao 1 Resumo: Neste artgo procurou-se verfcar os fatores mcroeconômcos que nfluencam no nível salaral das pessoas ocupadas no Brasl e
Leia maisRegressão Linear Simples by Estevam Martins
Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisAnálise do Retorno da Educação na Região Norte em 2007: Um Estudo à Luz da Regressão Quantílica.
Análse do Retorno da Edcação na Regão Norte em 2007: Um Estdo à Lz da Regressão Qantílca. 1 Introdcão Almr Rogéro A. de Soza 1 Jâno Macel da Slva 2 Marnalva Cardoso Macel 3 O debate sobre o relaconamento
Leia maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
Leia maisPlano de amostragem do ISA-Capital 2008 Maria Cecília Goi Porto Alves Maria Mercedes L. Escuder 24 de junho de 2009
Plano de amostragem do ISA-Captal 2008 ara Cecíla Go Porto Alves ara ercedes L. Escuder 24 de junho de 2009 Tamanho da amostra A população de estudo refere-se àquela resdente em área urbana do uncípo de
Leia mais5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisPronatec Bolsa-Formação Uma Avaliação Inicial sobre Reinserção no Mercado de Trabalho Formal
Pronatec Bolsa-Formação Uma Avalação Incal sobre Renserção no Mercado de Trabalho Formal Fernando de Holanda Barbosa Flho Rogéro Porto Deníso Lberato Mao de 2015 Economa Aplcada Rotero 1. Introdução 2.
Leia maisEquações Simultâneas
Equações Smultâneas Caracterzação. Os modelos de equações smultâneasenvolvem mas de uma varável dependente, ou endógena, sendo necessáras tantas equações quanto for o número de varáves endógenas 2. Uma
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisSerão abordados nesse capítulo os modelos causais, utilizados como ferramentas para o desenvolvimento e análise desse trabalho.
3. Modelos causas Serão abordados nesse capítulo os modelos causas, utlzados como ferramentas para o desenvolvmento e análse desse trabalho. 3.1. Econometra A base da Econometra é a aplcação de métodos
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisFatores determinantes da participação e do rendimento do idoso e não-idoso no mercado de trabalho brasileiro
A Economa em Revsta Volume 18 Número 2 Dezembro de 2010 153 Fatores determnantes da partcpação e do rendmento do doso e nãodoso no mercado de trabalho braslero Cláuda Sá de Moura/UEM Marna Slva da Cunha/UEM
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia maisAVALIAÇÃO ECONÔMICA DOS FUNDOS CONSTITUCIONAIS DE FINANCIAMENTO DO NORDESTE E DO NORTE (FNE E FNO)
AVALIAÇÃO ECONÔMICA DOS FUNDOS CONSTITUCIONAIS DE FINANCIAMENTO DO NORDESTE E DO NORTE (FNE E FNO) Alexandre Manoel A. da Slva (IPEA) ** Gulherme Mendes Resende (IPEA) ** Raul da Mota S. Neto (PIMES/UFPE)
Leia maisHÉLIO AUGUSTO DE A. R. BERNI
UNIVERSIDADE FEDERAL DO CEARÁ - UFC FACULDADE DE ECONOMIA, ADMINISTRAÇÃO, ATUÁRIA E CONTABILIDADE CURSO DE PÓS-GRADUAÇÃO EM ECONOMIA - CAEN HÉLIO AUGUSTO DE A. R. BERNI EVOLUÇÃO DOS DETERMINANTES DA DESIGUALDADE
Leia mais5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
Leia mais3. Estatística descritiva bidimensional
3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisDETERMINANTES DA DESIGUALDADE DE RENDA EM ÁREAS RURAIS DO NORDESTE
DETERMINANTES DA DESIGUALDADE DE RENDA EM ÁREAS RURAIS DO NORDESTE Jar Andrade de Araúo Doutorando Economa pelo CAEN/UFC Mestre em Economa Rural pela UFC. Débora Gaspar Fetosa Doutoranda Economa pelo CAEN/UFC
Leia maisMERCADO DE TRABALHO E RENDIMENTO NO MEIO RURAL BRASILEIRO
MERCADO DE TRABALHO E RENDIMENTO NO MEIO RURAL BRASILEIRO ektans@gmal.com Apresentação Oral-Evolução e estrutura da agropecuára no Brasl GILNEI COSTA SANTOS; ROSA MARIA OLIVERA FONTES; PATRÍCIA DE MELO
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisAplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2
Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia maisElementos de Estatística e Probabilidades II
Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisObjetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para
Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisAVALIAÇÃO DOS RETORNOS AOS INVESTIMENTOS EM EDUCAÇÃO PARA TRABALHADORES DO SEXO MASCULINO NO BRASIL vanessadafonsecapereira@gmail.
AVALIAÇÃO DOS RETORNOS AOS INVESTIMENTOS EM EDUCAÇÃO PARA TRABALHADORES DO SEXO MASCULINO NO BRASIL vanessadafonsecaperera@gmal.com Apresentação Oral-Desenvolvmento Rural, Terrtoral e regonal VANESSA DA
Leia maisDIFERENCIAIS DE RENDIMENTOS POR GÊNERO NO MERCADO DE TRABALHO: Uma análise para o estado de Pernambuco no ano de 2013
1 DIFERENCIAIS DE RENDIMENTOS POR GÊNERO NO MERCADO DE TRABALHO: Uma análse para o estado de Pernambuco no ano de 2013 Área temátca: Economa Pernambucana Hugo Raphael de Albuquerque Slva Graduado em Cêncas
Leia maisUNIVERSIDADE FEDERALDO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA CURSO DE BACHARELADO EM ESTATÍSTICA
UNIVERSIDADE FEDERALDO PARÁ INSTITUTO DE CIÊNCIAS EATAS E NATURAIS FACULDADE DE ESTATÍSTICA CURSO DE BACHARELADO EM ESTATÍSTICA JEFFERSON PINTO BARBOSA JUNIOR ECONOMETRIA: MULTICOLINEARIDADE E HETEROCEDASTICIDADE
Leia maisSELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE
SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação
Leia maisTeoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva
Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisPROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia maisModelagem do crescimento de clones de Eucalyptus via modelos não lineares
Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos
Leia maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
Leia maisRegressão Logística Aplicada aos Casos de Sífilis Congênita no Estado do Pará
Regressão Logístca Aplcada aos Casos de Sífls Congênta no Estado do Pará Crstane Nazaré Pamplona de Souza 1 Vanessa Ferrera Montero 1 Adrlayne dos Res Araújo 2 Edson Marcos Leal Soares Ramos 2 1 Introdução
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO
Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade
Leia maisA FORÇA DE TRABALHO FEMININA NO MERCADO DE TRABALHO BRASILEIRO: DISCRIMINAÇÃO SALARIAL POR GÊNERO, EM 2002 E 2011
A FORÇA DE TRABALHO FEMININA NO MERCADO DE TRABALHO BRASILEIRO: DISCRIMINAÇÃO SALARIAL POR GÊNERO, EM 2002 E 2011 Sarah Crstna Bruno Cugn Unversdade Estadual de Londrna-UEL (sarahbrun@hotmal.com) Katy
Leia maisANÁLISE DA VARIÂNCIA DA REGRESSÃO
ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos
Leia mais