XIV Encontro Nacional da ABET 2015 Campinas. GT: 9 Educação, qualificação e trabalho

Transcrição

1 XIV Encontro Nacional da ABET 2015 Campinas GT: 9 Educação, qualificação e trabalho Análise Longitudinal do Retorno Salarial à Educação no Brasil no período de 1999 a Amanda Ferrari Uceli Mariangela Furlan Antigo João Eustáquio de Lima

2 Análise Longitudinal do Retorno Salarial à Educação no Brasil no período de 1999 a Resumo Amanda Ferrari Uceli * Mariangela Furlan Antigo ** João Eustáquio de Lima *** O retorno ao investimento em educação e à formação de capital humano foi amplamente pesquisado no Brasil até meados da década de No entanto, a literatura é escassa em mostrar os efeitos sobre a renda dos beneficiados pelo crescimento desse investimento e pela nova política do Governo Federal realizada nos últimos anos neste setor. Assim, o presente artigo propõe uma investigação atual sobre os diferenciais salariais por ano adicional de escolaridade média; por ano adicional de escolaridade em cada ciclo educacional, e pela obtenção de diploma, a cada ciclo. Uma análise ampla e atualizada torna-se possível por meio de um pseudo-painel construído a partir dos microdados da Pesquisa Nacional de Amostra Domiciliar realizada pelo Instituto Brasileiro de Geografia e Estatística. A elaboração de uma base longitudinal como esta, permite que se faça uma análise de longo prazo, controlando fatores que possam determinar a renda dos indivíduos além da educação, como o contexto econômico e o ciclo de vida, além de característica fixas às coortes que são amplamente discutidas na literatura como fontes de vieses para o retorno à escolaridade estimado. Palavras-chave: retorno à escolaridade, diferencial salarial, capital humano, pseudo-painel, PNAD. JEL Codes: I24, J24, J31. Área 13: Economia do Trabalho * Professora Assistente Universidade Federal de Juiz de Fora. amandafuceli@gmail.com ** Professora Adjunta do Departamento de Ciências Econômicas da Universidade Federal de Minas Gerais. maantigo@cedeplar.ufmg.br. *** Professor Titular no Departamento de Economia Rural da Universidade Federal de Viçosa. jelima@ufv.br. 2

3 Análise do Retorno Salarial à Educação no Brasil no período de 1999 a Introdução Na última década, observou-se no Brasil um crescimento vultoso nos investimentos em educação com o objetivo de que estes se tornem suficientes para que as deficiências seculares nesse setor possam ser superadas. A educação é considerada um mecanismo central de desenvolvimento social e crescimento econômico, além de ser o meio mais eficaz de superação às desigualdades sociais e regionais no país (HADDAD, 2008). Um dado que mostra a magnitude do crescimento do investimento no setor educacional é a parcela do PIB investida nesse setor. No ano 2000, 4,7% do PIB brasileiro eram destinados à educação pública. Já em 2011 esse percentual passou para 6,1% (INEP, 2013). Além desse crescimento observado, a meta para o investimento nos próximos dez anos, a partir de 2014, é de 7% do PIB, a ser atingido até 2019, e de 10% para o fim do decênio. Essa é uma das vinte metas determinadas e sancionadas na forma da Lei 13005/14, de 25 de junho de 2014, que prevê outros objetivos claramente definidos sobre a égide de expansão do setor educacional no Brasil (JUSBRASIL, 2014). Entre os objetivos do Plano Nacional de Educação (PNE), descritos na Lei 13005/14, destaca-se aquele que prevê a promoção da formação para o trabalho e a cidadania (JUSBRASIL, 2014). Para tanto, há uma atuação conjunta de diversos ministérios do governo federal brasileiro, que visam garantir que a inserção no mercado de trabalho e a distribuição salarial seja mais equitativa no país. O que se observa, então, é que a educação permite ao indivíduo estar incluído no mercado de trabalho de maneira ativa e cidadã, tornando a sociedade mais homogênea em oportunidades e renda (MTE, 2014). Tendo em vista tais objetivos, e considerando os conceitos e relações amplamente aceitos da Teoria do Capital Humano 2, notase o quão necessário é avaliar a efetividade do ganho salarial e da redução de desigualdades que se alcançou com o investimento público crescente e a expansão do acesso à educação no país na última década. Determinando os retornos já alcançados é possível prever resultados e rever as políticas postas para o futuro no setor de educação no Brasil. Muitos estudos no Brasil analisaram o diferencial de retorno salarial para a educação. Dentre os mais recentes, destacam-se os trabalhos de Arbache, Dickerson e Green (2001); Ferreira (2004); Sachsida, Loureiro e Mendonça (2004); Ferreira (2004); França, Gasparini e Loureiro (2005); Resende e Wyllie (2006); Moura (2008); Barbosa Filho e Pessôa (2008); Cangussu, Salvato e Nakabashi (2010); Santos e Camillo (2011); Pereira et al. (2013) e Teixeira e Menezes-Filho (2012). Uma conclusão comum a todos esses estudos é que o investimento em educação não é suficiente para reduzir as desigualdades nos retornos 2 A Teoria do Capital Humano tem seu início marcado pelo trabalho de Schults (1961), sendo esse autor o pioneiro e mostrar que há capacidade do investimento em educação gerar ganhos de produtividade, caracterizando assim o conhecimento como um ativo produtivo. Os autores seminais dessa teoria são, além de Schults, Becker (1962), Mincer (1970) e Lucas (1988). Lucas, além de desenvolver os conceitos teóricos do investimento produtivo no homem, destaca-se por sua contribuição à teoria do crescimento endógeno, defendendo a importância da acumulação de conhecimento do indivíduo como meio para promoção do desenvolvimento tecnológico (LUCAS, 1988). 3

4 salarias ao capital humano, persistindo no Brasil retornos discrepantes entre níveis escolares. Dessa maneira, permanece válida a indicação de elevação dos gastos em educação por parte do estado para que a escolaridade média da população se eleve em consonância à uma redução na sua concentração. Entretanto, percebe-se entre esses estudos a predominância de resultados para dados defasados, que se restringem a informações anteriores à década de O embasamento analítico para determinar tal retorno é a equação de rendimentos pioneiramente empregada e descrita por Mincer (1970). Apesar do amplo uso do parâmetro de Mincer, muitas são as ressalvas necessárias para que o resultado analisado não seja ineficiente e viesado. Em termos de amplitude temporal, o modelo de Mincer tende a ser melhor aplicado para análises de longo prazo. Além disso, é vasta a literatura que aponta para os vieses relacionados à omissão de habilidade não observável (BARBOSA FILHO E PESSÔA, 2010). Entre esses estudos destaca-se o trabalho de Griliches (1977). O autor mostra que a omissão da habilidade não observável dos indivíduos, que afetam sua escolaridade e sua renda, proporciona um viés para baixo no retorno estimado para educação nos Estados Unidos, segundo a pressuposição de indivíduos homogêneos em habilidades proposta por Mincer. Também Heckman, Lochner e Todd (2003) mostram que a consideração de homogeneidade não se verifica, havendo fontes diversas de vieses sobre o retorno à educação para o modelo minceriano. Esses trabalhos sugerem, entre outros mecanismos de superação desse viés, a utilização de dados longitudinais, nos quais é possível controlar fatores fixos para um mesmo indivíduo. Na literatura brasileira esses vieses são comumente tratados a partir do método de variáveis instrumentais. Entretanto, segundo Card (2001), esse método é falho em análises desse tipo na medida em que os instrumentos são frequentemente refutados por novos instrumentos propostos, o que destaca a ineficiência do método. Segundo esse autor, uma análise sobre dados de painel é a maneira mais eficiente de lidar com esses vieses, dado que esse tipo de dado permite que se controle fatores fixos ao indivíduo no tempo (como é o caso da habilidade intrínseca não observável). Como destacam Heckman, Lochner e Todd (2003), análises de retorno salarial do investimento em educação em países em desenvolvimento, caracterizados por má distribuição de renda e da própria educação, são mais eficientes se baseadas em efeitos de longo prazo. Para tanto, faz-se necessário uma análise com base em dados longitudinais, que acompanhem a evolução dos fatos econômicos e sociais no tempo. Entretanto, o Brasil não dispõe de uma base de dados desse tipo que seja simultaneamente representativa de todo o país e abranja os setores formal e informal da economia 3. 3 Apesar de haver a Pesquisa Mensal de Emprego e a relação Anual de Informações Sociais, nenhuma dessas bases de dados é ampla e representativa de todo o território do Brasil. A primeira delas restringe-se em acompanhar os indivíduos por apenas um ano, não permitindo uma análise de longo prazo, e abrange apenas seis regiões metropolitanas do país. Já a segunda, exclui o setor informal, que representou, em 2011, 17% de tudo que foi produzido no país (ETCO e IBRE/FGV, 2013). 4

5 A literatura internacional 4 tem sido contundente em utilizar dados de seção cruzada, em amostras independentes ao longo do tempo, para construir uma base de dados longitudinal eficiente em mensurar o retorno salarial à educação sobre uma ótica de longo prazo. Essa base de dados é denominada pseudo-painel e baseia-se nos trabalhos de Deaton (1985), Moffitt (1993), Collado (1997), Mckenzie (2004) e Verbeck e Vella (2005). Esse tipo de dado já foi explorado sob a ótica do retorno à educação para o Brasil 5, no entanto os dados utilizados não são atuais e não consideram as recentes mudanças de políticas e metas adotadas no país no setor educacional. Dessa maneira, o presente artigo tem como objetivo determinar os efeitos da educação sobre o salário/hora 6 no Brasil a partir de uma análise longitudinal atualizada, baseando seus resultados em um pseudo-painel formado pelos dados bianuais entre 1999 e 2011 disponibilizados na Pesquisa Nacional por Amostra de Domicílios (PNAD) pelo Instituto Brasileiro de Geografia e Estatística (IBGE). Para tanto, a análise baseia-se em três formas distintas de mensuração da educação: contínua, por grupamento escolar e por diploma. Essa diferenciação tem por objetivo mensurar efeitos distintos para a educação, que são sugeridos na teoria. Além disso, o presente trabalho diferencia os retornos à escolaridade por gênero e raça/cor/cor, com o intuito de averiguar se permanece válida a distinção de rendimentos entre homens e mulheres, e brancos e não brancos no país. As coortes, que são a unidade de análise em dados de pseudo-painel, foram determinadas com base no gênero, na raça/cor, na região de residência e no biênio de nascimento. A determinação dos grupos é outra fonte de diferenciação deste estudo e daqueles que o antecederam. Os intervalos que determinam os as coortes, segundo o nascimento, não são delimitados da mesma maneira que a amostra analisada entre os trabalhos documentados para o Brasil. Ou seja, seguindo Ryder (1965), subdivide-se os períodos de nascimento para a formação das coortes em biênios, seguindo os intervalos de tempo do mesmo tamanho que os considerados na amostra. Além disso, o número de características envolvidas na determinação das coortes é maior neste artigo. A hipótese feita, a partir dessas condições de análise, é a de que o retorno salarial à educação, quando mensurado para uma amostra longitudinal, é inferior àquele medido para dados de cross-section. Esse resultado é indicado pois dados longitudinais permitem que se controle e elimine todos as características fixas ao indivíduo no tempo, permitindo que os vieses de omissão não afetem os parâmetros estimados. Neste sentido, o presente estudo apresenta-se dividido em quatro seções principais, além desta introdução. A próxima seção mostra como são formadas as coortes por meio dos microdados da PNAD utilizados. A seção seguinte apresenta o método utilizado para o desenvolvimento desse estudo, que consiste na formulação de uma base de dados alternativa sobre a qual o método de Efeitos Fixos é aplicado. 4 Heckman, Lochner e Todd (2003), Mora e Muro (2008) e Warunsiri e McNown (2010). 5 Arbache, Dickerson e Green (2001); Ferreira (2004); Sachsida, Loureiro e Mendonça (2004); França, Gasparini e Loureiro (2006); e Teixeira e Menzes-Filho (2012). 6 Medida de renda adotada no presente estudo. 5

6 Em seguida são apresentados os resultados. Essa seção é dividida em três partes, cada qual destacando formas funcionais e medidas distintas de educação, sobre a mesma base de dados. Por fim as considerações finais são apresentadas na última seção. 2 Dados Para o desenvolvimento e análise empírica deste trabalho foram utilizados os dados da PNAD, disponibilizados pelo Instituto Brasileiro de Geografia e Estatística (IBGE), representativos dos 26 estados brasileiros além do Distrito Federal. O período de análise compreende os anos entre 1999 e 2011, em intervalos bianuais. A escolha do período em questão é justificada por referir-se a um momento histórico em que a economia brasileira já se encontrava estável e por compreender anos posteriores e anteriores às recentes mudanças de diretrizes e metas sobre a política educacional no país 7. A amostra é constituída a cada ano de indivíduos com idade entre 25 e 65 anos no momento da pesquisa, ocupados em alguma atividade laboral, não estudantes, não empregados no setor público, não residentes no meio rural e possuidores rendimento declarado não nulo. A exclusão de servidores públicos se justifica pelo caráter particular desse setor que confere estabilidade ao indivíduo. Já a não inclusão do meio rural se justifica por não haver observações referentes a esse setor censitário para os estados da Região Norte do país nos anos anteriores a Tendo sido selecionados os indivíduos com as características supracitadas, para que a amostra de pseudo-painel seja determinada os indivíduos foram agrupados por características não modificáveis no tempo: raça/cor (branco e não-branco); gênero (homem e mulher); biênio de nascimento e região de moradia (metropolitana e não metropolitana). Ou seja, para cada ano da amostra, formaram-se grupos homogêneos, as coortes, a partir de fatores considerados estáveis, individualmente, no tempo. Os períodos de nascimento seguem o mesmo padrão bianual de divisão da amostra. Por exemplo, são considerados homogêneos em 1999 os indivíduos com idade entre 25 e 27 anos, ou seja, nascidos entre 1972 e A partir dessas restrições o total de indivíduos considerados, sobre todos os anos da amostra (1999, 2001, 2003, 2005, 2007, 2009, e 2011) foi de A consideração mais forte sobre as coortes foi a de que a região de residência, metropolitana e não metropolitana, não se altera ao longo dos anos analisados. No entanto, a literatura apresenta precedentes para essa restrição, como mostra o trabalho de Warunsiri e McNown (2010). A validação do pressuposto de ausência de migração é feita pela comparação entre a amostra considera a migração como ausente, denominada amostra expandida, e uma amostra alternativa em que não há restrições sobre migração, denominada amostra restrita. A amostra estendida é aquela que determina as coortes segundo a raça/cor, o 7 Para deflacionar os salário/hora foram utilizados os dados de inflação da Fundação Getúlio Vargas (FGV), disponibilizados pelo Instituto de Pesquisa Econômica Aplicada (IPEA), com base na inflação de setembro (mês da pesquisa da PNAD a cada ano) de

7 gênero, a região de moradia e o período de nascimento. Já na amostra restrita as coortes são determinadas segundo gênero, raça/cor e biênio de nascimento. No presente estudo essa comparação mostrou que a hipótese de ausência de migração gera resultados mais eficientes do que a exclusão dessa hipótese 8, ou seja é preferível, em termos de eficiência dos resultados, considerar a amostra expandida para a determinação do retorno à escolaridade. Ressalta-se ainda que, para que o pseudo-painel permita uma análise não viesada m decorrência de erros de medida, e com qualidade equivalente à de um painel verdadeiro, é necessário que os grupos formados tenham um tamanho mínimo. O tamanho assumido para o presente estudo segue o proposto por Collado (1997) e exclui do pseudo-painel os grupos com menos de 100 indivíduos em cada período amostrado. As características da formação de um pseudo-painel estão detalhadas na seção seguinte, em que é abordada a metodologia empírica deste artigo. A amostra final fica, assim, definida pela média de cada variável para cada coorte, em cada ano. Essas médias são ainda ponderadas pela raiz quadrada do tamanho do grupo em cada ano, de modo que se contorne qualquer viés associado a erros de medida e ao fato de que, entre um ano e outro, o tamanho do grupo não permanece o mesmo. Ao final dispõe-se de 126 grupos homogêneos, ou coortes, divididos em 16 períodos bianuais de nascimento, a serem tomados como unidade de análise do pseudo-painel acompanhados durante os 7 biênios compreendidos entre 1999 e Metodologia Empírica Para a determinação do retorno à escolaridade no Brasil no período bianual entre 1999 e 2011 o presente artigo baseia-se na equação de rendimentos descrita por Mincer (1970, 1974) e amplamente utilizada para resultados semelhantes em estudos no Brasil e demais países 10. A equação base é a que se segue: ln(y i ) = ln(y 0 ) + β 1 X i + β 2 S i + β 3 Exp i + β 4 Exp 2 i + μ i (1) Onde: ln(y i ) o logaritmo da renda (salário/hora) do indivíduo i e ln (y 0 ) é o logaritmo do salário/hora associado ao menor nível de escolaridade; as características individuais são expressas por X i ; escolaridade do indivíduo i é dada por S i ; e, a experiência, do indivíduo i no trabalho na forma linear e quadrática é dada por Exp i. Por fim, μ i, representa o termo de erro aleatório, independente e identicamente distribuído. Apesar do uso extenso da equação de Mincer para a determinação do retorno à escolaridade sobre a renda dos indivíduos, β 2, é necessário considerar aspectos relevantes sobre essa medida. A limitação do 8 Os resultados de MQO e Efeitos Fixos sobre a amostra estendida e reduzida, respectivamente são apresentados na Tabela A3, da seção de Anexos. 9 A formação esquematizada dos grupos é apresentada na Tabela A2 da seção de Anexos. 10 Para o Brasil ver Leal e Werlang (1991); Arbache, Dickerson e Green (2001); Ferreira (2004); Sachsida, Loureiro e Mendonça (2004); Ferreira (2004); França, Gasparini e Loureiro (2005); Resende e Wyllie (2006); Moura (2008); Barbosa Filho e Pessôa (2008); Cangussu, Salvato e Nakabashi (2010); Santos e Camillo (2011); Pereira et al. (2013); Teixeira e Menezes-Filho (2012), entre outros. No contexto mundial ver: Barth (1999); Card, (2001); Moretti (2004); Ciccone e Peri (2006), entre outros. 7

8 denominado coeficiente minceriano deriva da hipótese feita pelo autor de que os indivíduos são remunerados de maneira distinta apenas por terem adquirido diferentes quantidades de capital humano, na forma de educação. A equação em (1) quando estimada pelo Método de Mínimos Quadrados Ordinários (MQO) leva à conclusões equivocadas, na medida em que β 2 é viesado por fatores de heterogeneidade nos salários dos indivíduos que são correlatos ao nível educacional e não podem ser observados pelo pesquisador. Esses fatores são as habilidades inatas, que afetam a acumulação de capital humano individual e sua renda posterior, mas que não podem ser mensuradas diretamente. O trabalho de Barbosa Filho e Pessôa (2010) evidencia que há dois mecanismos usuais de correção do modelo básico de Mincer (1970) descritos na literatura. O primeiro consiste no uso do método de variáveis instrumentais sobre as habilidades inatas. Já o segundo, determina seus resultados a partir de dados longitudinais sobre os quais se controlem os fatores individuais que sejam fixos ao longo do tempo, tais como essas heterogeneidades não observáveis. Como ressalta Card (2001), apesar de ser extenso o uso do método de variáveis instrumentais para os fatores não observáveis, essa metodologia não tem se mostrado eficaz, na medida em que novos instrumentos são repetidamente apontados como superiores àqueles que estão apresentados na literatura que o precedem. Desse modo, as constantes refutações dos instrumentos para as habilidades inatas tornam o método de variáveis instrumentais um método ineficiente em contornar os vieses da equação (1). Card (2001) observa que o uso de séries temporais sobre os indivíduos é o método mais adequado para controlar o viés associado ao parâmetro β 2. Esse é também o melhor caminho para Heckman, Lochner e Todd (2003), que mostram que, em economias em desenvolvimento, nas quais a distribuição da educação e da renda não é equitativa, e as oportunidades são escassas, dados em painel são a maneira mais eficiente de contornar os vieses da equação (1). Como mostra Deaton (1985), dados longitudinais possuem a vantajosa característica de permitir que cada indivíduo na amostra seja controle, de si mesmo ao longo dos anos. Ou seja, comparando o mesmo indivíduo ao longo das observações temporais é possível determinar o efeito de um fenômeno em um dado momento no tempo. As análises de longo prazo sobre os retornos salariais da escolaridade permitem um controle mais eficiente, segundo Card (2001), para os vieses associados à determinação desse retorno. No entanto, os dados mais abrangentes, em termos territoriais e econômicos disponíveis para o Brasil são dados independentes de cross-section. Os trabalhos de Arbache, Dickerson e Green (2001); Ferreira (2004); Sachsida, Loureiro e Mendonça (2004), França, Gasparini e Loureiro (2006), e Teixeira e Menzes-Filho (2012) utilizam dados dessa natureza, referentes à PNAD, para formar uma base longitudinal que propõe acompanhar os subgrupos da população brasileira, de modo que se determine o retorno salarial da educação no país. O presente estudo parte dos mesmos pressupostos metodológicos que guiaram os trabalhos anteriores, baseando suas análises em um pseudo-painel construído com os dados da PNAD, porém avança sobre eles propondo uma análise do retorno salarial da educação atualizada. Enquanto esses estudos 8

9 basearam-se na economia brasileira até o início dá década de 2000, o presente estudo propõe-se a analisar dados recentes, compreendendo o período entre 1999 a Os pioneiros no desenvolvimento, aplicação e análise de dados em pseudo-painel foram Deaton (1985), Moffitt (1993) e Collado (1997). Este método consiste em formar uma base de dados longitudinal a partir de observações individuais aleatórias de cross-section independentes, agrupando os indivíduos segundo suas características comuns e não transitórias. A unidade individual de análise passa a ser o grupo homogêneo, chamado coorte, e cada variável a ser considerada, para a análise e obtenção de resultados, é definida como a média ponderada das observações individuais dos componentes dos grupos. O pseudo-painel é eficiente e garante que seus resultados possam ser analisados como usualmente se faz com dados em painel se: i. as unidades de análise, denominadas coortes, forem definidas com base em características que não se alterem ao longo dos períodos de tempo (MOFFITT, 1993); ii. o número de indivíduos incluídos em uma cada coorte, for grande o suficiente para que valha a lei dos grandes números, os erros de medida das variáveis sobre o pseudo-painel são negligenciáveis e não viesam as estimações (COLLADO, 1997). iii. o número de indivíduos por coorte não for fixo entre os períodos, é necessário ponderar pela raiz quadrada do número de indivíduos no grupo homogêneo as médias das variáveis para o grupo, garantindo a estabilidade dos dados (DEATON, 1985). iv. a média de alguma variável em cada grupo deve ser não fixada entre os anos considerados (COLLADO, 1997). Se essas condições forem verificadas nos dados, o uso do pseudo-painel é feito como habitualmente se faz com um painel verdadeiro, porém com a vantagem de dispor de uma amostra que tende a ser maior e mais abrangente, dado o dispêndio associado a pesquisas que gerem painéis verdadeiros. Além disso, alguns problemas associados aos painéis não estão presentes em pseudo-painéis, entre eles citam-se: atrição não aleatória, condicionamento das respostas, descompasso entre a amostra e a evolução da composição da população e das mudanças sociais e culturais (OLIVEIRA, 2002). Outra vantagem destacada por Deaton (1985) é que, por definir-se sobre agrupamentos, os dados em pseudo-painel permitem observar fatores macro e microeconômicos na amostra. Baseado na equação básica minceriana descrita em (1), considere os subscritos c referem-se à coorte e t como indicativo de tempo. Desse modo, a equação de rendimentos deve ser modificada de modo que se identifique as particularidades da amostra, como se segue: log(w i(t) ct ) = βx i(t) ct + π ct S i(t) ct + αz i(t) ct + d c + u i(t) ct (2) 9

10 em que: o traço acima de cada variável indica que seus valores, na amostra final, são definidos como a média dos valores individuais para cada coorte c 11. log(w ct ) é o logaritmo natural do salário/hora. Além disso, X ct é o vetor de características da coorte. S ct é a escolaridade, Z ct é o termo para a experiência 12. O termo d c controla possíveis efeitos fixos sobre os indivíduos. u ct é termo de erro, que se assume um ruído branco. A inclusão de d c no modelo permite que se retire do termo de erro de equação a ser estimada as heterogeneidades não mensuráveis entre as coortes. Apesar de os grupos acompanhados não serem formados pelos mesmo indivíduos ao longo dos anos, com grupos suficientemente grandes (mais que 100 indivíduos por grupo), d c pode ser visto como constante. Dessa forma, ao estimar (2) pelo método de Efeitos Fixos, os vieses associados à correlação existente entre d c e S ct deixam de ser um problema. As limitações associadas a esse tipo de informação agrupada consiste principalmente em não ser possível determinar efeitos e causalidades individuais, apenas sobre o grupo homogêneo. No entanto, quando o comportamento indicado na amostra de indivíduos é bem representado pela amostra de grupos, e a determinação dessas amostras segue os critérios definidos anteriormente, apesar de não ser possível determinar a magnitude dos efeitos, a indicação de que eles de fato ocorrem ou não é eficientemente determinada pelo pseudo-painel. Para o presente estudo, o pseudo-painel segue os critérios de eficiência, o que permitiu ser empregado o método de estimação por Efeitos Fixos como usualmente se faz com dados em painel. A escolha desse método de estimação baseou-se nos testes estatísticos de Hausman, Chow e LM de Breusch- Pagan (GREENE, 2008), e é o mais adequado aos objetivos do estudo. Controlando os efeitos fixos no grupo, qualquer heterogeneidade não observável relacionada à escolaridade média e que afete a renda salarial, será controlada. Desse modo, garante-se que os parâmetros da equação (2) serão não viesados. As variáveis utilizadas para a determinação dos resultados e estimação da equação de rendimentos são apresentada na Tabela 1 abaixo. 11 As variáveis não-lineares são determinadas como a média por indivíduo. Ou seja, tem-se a média dos logaritmos do salário/hora, e não o logaritmo das médias. Essa regra se aplica à todas as variáveis, tais como dummies. 12 Inclui a média da variável em nível e a média da variável ao quadrado. 10

11 Tabela 1: Definição das Variáveis Variável Descrição Sinal esperado Salário/hora Logaritmo natural do salário/hora deflacionado pelo IPC-FGV com. base em setembro de Experiência Experiência individual i definida como: idade atual subtraída dos anos + de estudo menos seis. Experiência² Quadrado da Experiência. - Escolaridade Anos de estudo. + Esco. 5-8 anos Dummy que assume valor 1 na amostra individual quando o indivíduo + possui de 5 à 8 anos de escolaridade, e 0 caso contrário. Esco anos Dummy que assume valor 1 na amostra individual quando o indivíduo + possui de 9 à 11 anos de escolaridade, e 0 caso contrário. Esco. 12 ou mais Dummy que assume valor 1 na amostra individual quando o indivíduo + possui o 11 anos ou mais completos de escolaridade, e 0 caso contrário. Esco. 8 anos Dummy que assume valor 1 se o indivíduo possui ensino primeiro grau + completo (8 anos de estudo). Esco. 11 anos Dummy que assume valor 1 se o indivíduo possui ensino médio + completo (11 anos de estudo). Esco. 15 ou mais Dummy que assume valor 1 se o indivíduo possui terceiro grau + completo ou mais (15 anos ou mais de estudo). Homem Dummy que assume valor 1 se o indivíduo é do sexo masculino. + Branco Dummy que assume valor 1 se o indivíduo é branco + Metrópole Dummy que assume valor 1 se o indivíduo reside em região + metropolitana. t1 a t6 Dummy de ano (1999 à 2009, respectivamente). * Escolaridade* Variável de interação de gênero e escolaridade. + Homem Escolaridade* Variável de interação de raça/cor e escolaridade. + Branco Escolaridade* Variável de interação de gênero, raça/cor e escolaridade. + Homem*Branco Branco*Esco. 5-8 Variável de interação de raça/cor e a variável classificadora de + escolaridade que inclui quem possui entre 5 e 8 anos de escolaridade. Branco*Esco.9-11 Variável de interação de raça/cor e a variável classificadora de + escolaridade que inclui quem possui entre 9 e 11 anos de escolaridade. Branco*Esco. 12 Variável de interação de raça/cor e a variável classificadora de + ou mais escolaridade que inclui quem possui entre 11 anos ou mais de escolaridade. Homem*Esco. 5-8 Variável de interação de gênero e a variável classificadora de + escolaridade que inclui quem possui entre 5 e 8 anos de escolaridade. Homem*Esco. 9- Variável de interação de gênero e a variável classificadora de + 11 Homem*Esco. 12 ou mais Branco*Esco. 8 Branco*Esco.11 escolaridade que inclui quem possui entre 9 e 11 anos de escolaridade. Variável de interação de gênero e a variável classificadora de escolaridade que inclui quem possui entre 11 anos ou mais de escolaridade. Variável de interação de raça/cor e a variável classificadora de escolaridade que inclui quem possui 8 anos de escolaridade. Variável de interação de raça/cor e a variável classificadora de escolaridade que inclui quem possui 11 anos de escolaridade

12 Branco*Esco. 15 ou mais Homem*Esco. 8 Homem*Esco. 11 Homem*Esco. 15 ou mais período_t* (t entre 1 e 16) Variável de interação de raça/cor e a variável classificadora de + escolaridade que inclui quem possui 15 anos ou mais de escolaridade. Variável de interação de gênero e a variável classificadora de + escolaridade que inclui quem possui 8 anos de escolaridade. Variável de interação de gênero e a variável classificadora de + escolaridade que inclui quem possui entre 11 anos de escolaridade. Variável de interação de gênero e a variável classificadora de + escolaridade que inclui quem possui 15 anos ou mais de escolaridade. Controles para os períodos de nascimento das coorte. * As dummies e dummies de interaçãos excluídas do modelo são as consideradas como grupo de comparação. São elas: escolaridade de 0 a 4 anos, 4 anos de estudos concluídos, dummy para 2011, mulher, não-branco, e residente em região não metropolitana. *Sinal incerto. Salário/hora é a variável dependente. 4 Análise Descritiva da Amostra Dividindo as observações individuais por raça/cor e gênero, foi possível perceber um padrão evolutivo para renda média, definida como salário/hora, e escolaridade média. Determinar o comportamento dessas variáveis na amostra é necessário pois, permite avaliar se as hipóteses formuladas são condizentes com a amostra. Esse comportamento é apresentado na Gráfico 1 a seguir: Gráfico 1: Evolução das médias do Salário/hora e Escolaridade para os grupos diferenciados por gênero e raça/cor, no período bianual de 1999 a 2011 no Brasil. Fonte: Elaboração própria a partir dos dados da PNAD de 1999 a Salário/hora medido em reais, e escolaridade medida em anos de estudo. Brancos são aqueles que se declaram das raças/cor branca e amarela, e não brancos são os que declararam-se pretos, pardos, mulatos ou não declararam a raça/cor. A Gráfico 1 mostra que, é entre as mulheres brancas que se observa a maior escolaridade média, porém a renda salarial média é maior entre os homens brancos. Observa-se ainda que o maior crescimento entre os anos, tanto de renda quanto de escolaridade, se deu no grupo de mulheres não brancas. Nesse grupo o salário/hora em 2011 é cerca de 355% maior do que em 1999, já o crescimento da escolaridade média foi de 228% no mesmo período. Essa evolução pode ser explicada pela inserção crescente dessa parcela da população nos diversos setores da economia. Além de refletir a expansão do sistema de ensino público e as 12

13 oportunidades para os não brancos (homens e mulheres). Porém, é ainda grande a diferença de escolaridade por cor/raça/cor no Brasil. É relevante ainda determinar a proporção observada para cada nível de escolaridade na amostra. A Gráfico 2 apresenta a parcela dos indivíduos, em cada ano, para cada nível de escolaridade concluída: Gráfico 2: Percentual Amostrado por Ciclo de Escolaridade no Brasil, no período bianual de 1999 a Fonte: Elaboração própria a partir dos dados da PNAD de 1999 a Observando a Gráfico 2 é possível notar que enquanto a parcela da amostra com apenas 4 anos concluídos de educação apresenta comportamento decrescente no período considerado, as demais escolaridades têm sua parcela crescente na amostra. Apesar do avanço observado nos grupos escolares mais elevados, a parcela da população com mais de 11 anos de estudo permanece muito pequena frente aos níveis mais baixos agregados: enquanto em 2011, 16,68% da amostra tinha mais de 11 anosde estudo, a parcela nesse mesmo ano com até 8 anos conclusos de educação formal representavam 19,7% da amostra. Essa observação mostra que, há ainda uma parcela representativa população, que não conclui o ensino médio, em Apesar da relevância da análise feita sobre os indivíduos, a amostra que dá sustentação aos resultados é o pseudo-painel. Para descrevê-la são apresentados à seguir as Gráficos 3, 4 e 5. As Gráficos 3 e 4 mostram que, os grupos mantêm as diferenças de gênero e raça/cor que se observa entre os indivíduos. Por isso, os resultados e as relações para os dados de pseudo-painel podem ser estendidos, em sentido e causalidade, para os indivíduos, ainda que não se possa determinar a magnitude do efeito de uma variável sobre a outra individualmente. Já a Gráfico 5 mostra que a divisão das coortes por região de residência é de fato relevante, na medida em que a renda e a escolaridade médias dos grupos em diferentes regiões de residência comportam-se de maneira distinta ao longo dos anos na amostra. Portanto, a análise dos dados da amostra de pseudo-painel sugere que controle do lugar e residência é coerente para o comportamento das principais variáveis de análise desse estudo. 13

14 Gráfico 3: Escolaridade e Renda Médias para Coortes Femininas e Masculinas no Brasil no período bianual de 1999 a Gráfico 4: Renda Médias para Coortes residentes em Região Metropolitana e Não Metropolitana no Brasil no período bianual de 1999 a Fonte: Elaboração própria a partir dos dados da PNAD de 1999 a Fonte: Elaboração própria a partir dos dados da PNAD de 1999 a Gráfico 5: Escolaridade e Renda Médias para Coortes Brancas e Não Brancas no Brasil no período bianual de 1999 a Fonte: Elaboração própria a partir dos dados da PNAD de 1999 a Em suma, os gráficos mostram que na amostra selecionada os homens são em média melhor remunerados do que as mulheres de mesma raça/cor e/ou escolaridade. Além disso, as mulheres educamse mais do que os homens da mesma raça/cor. Em todos os grupos considerados observaram-se também um avanço tanto do salário/hora quanto da escolaridade no período considerado, refletindo as mudanças e avanços tanto econômicos e sociais do país, como as novas propostas políticas sobre o setor educacional adotadas no Brasil nesse período. 5 Resultados Empíricos: Com o intuito de determinar o retorno à escolaridade para o Brasil, referente aos anos recentes, e sobre uma ótica diferenciadora deste retorno entre raça/cor e gênero, três modelos foram estimados, baseados na mesma amostra de pseudo-painel e ambos estimados por Efeitos Fixo. Os modelos 14

15 diferenciam-se principalmente pela medida de educação para a coorte. Essa diferenciação permite que se mensure o efeito não linear da educação sobre o salário. Um ano adicional de educação tem um efeito diferenciado sobre os salários se mensurado na média, ou se mensurado dentro de um mesmo ciclo escolar, ou ainda se esse ano adicional representa uma transição entre os ciclos. A opção por esses três modelos justifica-se na relevância dessas diferenças, como é mostrado nas seções seguintes. Além da comparação dos métodos de estimação, considera-se também as amostras restrita e estendida, com o intuito de verificar a validade da pressuposição de ausência migração no período considerado. Como se observou em todos os modelos, ao dividir os grupos não só por gênero, raça/cor e biênio de nascimento, mas também por região de residência, os resultados do método de Efeitos Fixos para os parâmetros estimados são mais distantes daquele obtidos com o MQO 13, indicando que a amostra estendida é mais eficiente para controlar os vieses possíveis à estimação. Dessa maneira, os resultados apresentados baseiam-se na amostra de pseudo-painel com grupos definidos por raça/cor, gênero, biênio de nascimento e região de moradia. 5.1 Retorno à Escolaridade: Modelo de Efeitos Fixos com medida de Escolaridade Contínua O primeiro modelo baseia-se em uma medida contínua para a escolaridade, medida pelos anos de estudo da coorte. Essa medida permite estimar o efeito de um ano adicional de escolaridade sobre o salário/hora da coorte. Além de mensurar o efeito marginal da escolaridade, o primeiro modelo mede o diferencial desses retornos por raça/cor, gênero e região de moradia pela inclusão das variáveis de interação entre a medida de escolaridade considerada e as variáveis dummies respectivas à essas características. O resultado estimado pelo método de Efeitos Fixos sobre a amostra de pseudo-painel é apresentado na Tabela 2 abaixo. Tabela 2: Estimação por Efeitos Fixos da Equação de Rendimentos para o Brasil no período bianual de 1999 a Modelo 1. Salário/hora Coeficiente(β) Desvio Padrão Significância Experiência 0, , *** Experiência² -0, , *** Escolaridade 0, , *** Homem -0, ,11843 *** Branco 0, , NS Metrópole 0, , *** Escolaridade* Homem 0, ,0201 *** Escolaridade*Branco 0, , *** Escolaridade*Homem*Branco 0, , NS periodo_1 ao periodo_15 Crescente - 13 Comparam-se os resultados de efeitos fixos de ambas as amostras com o resultado de MQO. Este último é comprovado viesado na literatura. Se o resultado da amostra restrita é mais próximo ao de MQO do que o resultado sobre a amostra estendida, garantese que a amostra restrita não é eficiente em controlar os vieses do modelo, e valida-se a hipótese de ausência de migração. 15

16 1999 à 2011 Decrescente - Const. -8, , *** Fonte: Elaboração própria a partir dos dados da PNAD de 1999 a Níveis de significância dos parâmetros: 1% (***), 5% (**), não significativo (-). Obs: A análise dos parâmetros do modelo log-linear é feita sobre (e β 1). Os resultados evidenciam que, para grupo de controle (formado por mulheres, não brancas, residentes em região não metropolitana e mais jovens), um ano adicional de estudo, entre dois períodos do intervalo bianual de 1999 a 2011, leva a um aumento de 6% na renda. Os homens, brancos ou não brancos, recebem para o mesmo adicional de educação 12% a mais de remuneração salarial do que o grupo de controle como os grupos brancos são melhores remunerados em 33% à mais. Os homens brancos, comparados aos demais grupos da amostra, recebem uma remuneração adicional por ano de educação de 0,011%. Apesar de não ser uma medida para a existência de diferenciação de gênero e raça/cor no mercado de trabalho, o modelo confirma os resultados observados na análise descritiva. Ou seja, verifica-se um retorno à escolaridade superior entre os homens e entre brancos, ainda que se considerem grupos com o mesmo perfil de escolaridade. A variável de região de residência (Metrópole) apresentou parâmetro significativo e positivo, como esperado, indicando que a remuneração média dos grupos residentes em metrópoles é maior do que os demais. Em termos percentuais, essa diferença é de cerca de 30% à mais de remuneração média, independente de escolaridade, gênero, raça/cor ou experiência, se o grupo homogêneo é residente em região metropolitana. Esse resultado sugere haver diferenças nas características dos mercados de trabalho entre regiões metropolitanas e não metropolitanas no Brasil. A outra medida de capital humano acumulado que o modelo descreve é a experiência. O resultado para o retorno à experiência mostra que de um período para outro (que se encontra dividida em biênios), o ganho de experiência para uma mesma coorte eleva o salário/hora em 0,31%. Os parâmetros estimados para os controles de biênios de nascimento, period_1 ao periodo_15, foram crescentes, indicando que o salário/hora médio das coortes mais velhas é superior ao das coortes mais jovens. Para os controles sobre os anos da amostra os resultados mostraram que a renda média foi crescente ao longo do período 1999 e Além disso, as coortes mais novas apresentam uma renda média inferior às coortes mais velhas, como demonstram os parâmetros das variáveis de período de nascimento. Esses resultados podem ser comparados aos de Sachsida, Loureiro e Mendonça (2004). Com o uso de informações referentes à década de 1990, os autores estimaram um retorno de 17% para um ano adicional de educação sobre os salários mensais. O parâmetro estimado para a educação e apresentado na Tabela 2 é cerca de um terço do resultado obtidos pelos autores supracitados, porém a medida de rendimento salarial dos dois trabalhos não é a mesma. Ainda que não possam ser diretamente comparáveis, nota-se no resultado deste estudo um indicativo de que o retorno por ano adicional de escolaridade tem decrescido no Brasil. 16

17 França, Gasparini e Loureiro (2005) estimam um retorno de 0,1435 contra 0,06 estimado no presente estudo. Os dados do estudo em comparação referem-se à década entre 1992 e 2002, e não há controle de raça/cor ou gênero na amostra. Esses fatores podem explicar em parte essa diferença. O trabalho que mais se aproxima do presente estudo é o de Teixeira e Menzes-Filho (2012). Diferente dos demais, esse estudo utiliza dados mais recentes e um número maior de controles em seu modelo. O resultado estimado por esses autores foi de 0,05 sobre o logaritmo do salário, para dados entre 1997 e 2007, enquanto o presente estudo estima em 0,06 o parâmetro em questão. 5.2 Retorno à Escolaridade: Modelo de Efeitos Fixos com Escolaridade por Grupo O segundo modelo traz como medida de escolaridade uma variável qualitativa, que define o ciclo no qual se insere a escolaridade dos indivíduos na coorte. As variáveis que qualificam as coortes, a partir dos indivíduos, são, Esco. 0-4 anos, Esco. 5-8, Esco e Esco. 11 ou mais. Essas variáveis recebem valor 1 se o indivíduo estudou entre 0 e 4 anos, entre 5 e 8 anos, entre 9 e 11 anos, ou mais de 11 anos, respectivamente. Sobre as coortes, essas variáveis mensuram como, de um ano ao outro, aumento na proporção de indivíduos com maior escolaridade dentro do grupo afeta marginalmente o salário/hora da coorte. Esse modelo permite observar na amostra como o mercado de trabalho brasileiro valoriza em particular os diferentes ciclos escolares, permitindo medir a não-linearidade do retorno entre esses ciclos. Assim como no primeiro modelo, são incluídas ainda variáveis de interação que identificam o efeito diferenciado do nível de escolaridade sobre o salário/hora por raça/cor e gênero. O resultado do método de Efeitos Fixos é apresentado na Tabela 3 a seguir Tabela 3: Estimação por Efeitos Fixos da Equação de Rendimentos para o Brasil no período bianual de 1999 a Modelo 2. Salário/hora β Desvio Padrão Significância Experiência 0, ,00437 *** Experiência² -0,0004 6,87E-05 *** Esco. 5-8 anos 0, ,16699 NS Esco anos 0, , *** Esco. 12 ou mais 0,8305 0, *** Homem -0, , *** Branco 0, ,13841 *** Metrópole 0, , *** Branco*Esco , , NS Branco*Esco , , NS Branco*Esco. 11 ou mais 0, , NS Homem*Esco , , NS Homem*Esco , , *** Homem*Esco. 11 ou mais 1, , *** periodo_1 ao periodo_15 Crescente - 17

18 1999 à 2011 Decrescente - Const. -8, , *** Fonte: Elaboração própria a partir dos dados da PNAD de 1999 a O desvio padrão é representado na tabela por σ. Níveis de significância dos parâmetros: 1% ***, 5% **, 10% *. Obs: A análise dos parâmetros do modelo log-linear é feita sobre (e β 1). Esco. 0-4 é o grupo controle, que será a base de comparação dos resultados para as demais escolaridades. Ao observar os resultados da Tabela 3 nota-se que entre as coortes femininas e não brancas não se observa um ganho salarial médio associado ao aumento da parcela com escolaridade entre 5 e 8 anos, em relação aqueles que tem entre 0 e 4 anos de estudo. Quando comparam-se indivíduos não brancos, não é possível diferenciar o retorno à proporção nas faixas de educação até que se atinja a escolaridade mais elevada dentre as subdivisões consideradas. Ou seja, não é possível diferenciar o ganho salarial de elevar a proporção dos indivíduos de uma coorte não branca com escolaridade de ensino fundamental para as coortes dessa mesma subdivisão de raça/cor com maior proporção de indivíduos com ensino médio concluso. Por outro lado, a diferenciação entre gêneros foi significativamente estimada pela amostra. As coortes masculina e femininas com a mesma proporção de indivíduos com 12 anos ou mais de educação, os grupos masculinos têm um retorno salarial 209,56% maior. Esse resultado elucida o quão discrepante é o retorno à educação diferenciado exclusivamente pelo gênero na amostra deste trabalho. Para a experiência estimou-se, sobre a forma funcional proposta no segundo modelo, um retorno semelhante ao estimado pelo modelo 1. O mesmo se observa para as variáveis de ano e período, e para as demais variáveis incluídas. Arbache, Dickerson e Green (2001) mensuram a educação de maneira semelhante à adotada neste modelo. O trabalho desses autores baseia-se em um pseudo-painel para dados da PNAD no período referente aos anos O retorno estimado por esses autores para as transições entre ciclos educacionais (1 a 3 anos, 4 a 7 anos, 8 a 10 anos, 11 a 14 anos, e 15 anos de escolaridade) é máximo quando a escolaridade atinge o último ciclo. Para este, o retorno estimado foi de 3,03 unidades monetárias de salário/hora. Esse resultado é comparável ao estimado pelo modelo dois do presente estudo apenas em sentido. Devido a diferença na variável explicada pelos modelos e nas categorias de escolaridade, os resultados numéricos não são diretamente comparáveis. Entretanto, em proporção, percebe-se a perpetuação da sobrevalorização aos níveis mais elevados de escolaridade de um período (década de 1990) à outra (período bianual de 1999 à 2011). 5.3 Retorno à Escolaridade: Modelo de Efeitos Fixos com Escolaridade medida pela Posse de Diploma O terceiro modelo proposto tem como variáveis de educação Esco. 4 ano; Esco. 8 anos; Esco. 11 anos, e Esco. 15 ou mais. Novamente, tem-se uma variável de capital humano que subdivide os grupos em categorias. Essa subdivisão, por sua vez, busca determinar o efeito do diploma sobre o rendimento das coortes. Essa medida de escolaridade foi considerada tendo em vista a Teoria da Sinalização desenvolvida por Spence (1973). Segundo essa teoria, a obtenção de um diploma sinaliza para o mercado a aquisição de 18

19 habilidades específicas pelo indivíduo. Por essa razão, o mercado tende a melhor remunerar indivíduos com um ano adicional de escolaridade que levem à conclusão de um ciclo escolar do que um ano adicional entre os limites do ciclo. Em países em que a distribuição de renda e escolaridade não são igualitários esse efeito, chamado efeito diploma, tende a ser maior (SPENCE, 1973). Assim como os anteriores, esse modelo diferencia o prêmio ao diploma por raça/cor e gênero pela inclusão de variáveis de interação. O resultado da estimação por Efeitos Fixos é apresentado na Tabela 4. Tabela 4: Estimação por Efeitos Fixos da Equação de Rendimentos para o Brasil no período bianual de 1999 a Modelo 3. Salário/hora β Desvio Padrão Significância Experiência 0, , *** Experiência² -0, ,73E-05 *** Esco. 8 anos 0, ,21942 *** Esco. 11 anos 0, , *** Esco. 15 ou mais 1, , *** Homem -0, , *** Branco 0, , ** Metrópole 0, , *** Branco*Esco. 8-0, , *** Branco*Esco.11-0, , NS Branco*Esco. 15 ou mais -0, , NS Homem*Esco. 8 0, , *** Homem*Esco. 11 0, ,23343 *** Homem*Esco. 15 ou mais 1, , *** periodo_1 ao periodo_15 Crescente à 2011 Decrescente - Const. -9, , *** Fonte: Elaborado pela autora a partir de dados das PNAD do intervalo bianual de 1999 a O desvio padrão é representado na tabela por σ. Níveis de significância dos parâmetros: 1% ***, 5% **, 10% *. Obs: A análise dos parâmetros do modelo loglinear é feita sobre (e β 1). Observa-se na Tabela 3 que o modelo com a medida do prêmio ao diploma é estatisticamente mais eficiente em determinar os diferentes retornos sobre os grupos da amostra. No modelo 3, entre os grupos femininos não brancos percebe-se que o aumento da proporção de diplomas de ensino fundamental (oito anos de estudos) representa uma elevação de 91% em relação à proporção de diplomas de ensino primário (de quatro anos). Já a conclusão do ensino médio (11 anos de escolaridade) representa um ganho de 109% em relação ao diploma primário enquanto o diploma de curso superior eleva esse retorno em 313%. Para os homens não brancos esses percentuais são, respectivamente de 115% para o diploma de ensino fundamental, 143% para o diploma de ensino médio e 206% para diploma de graduação. O que esses resultados evidenciam é que, como defende a Teoria da Sinalização, a conclusão de um ciclo escolar eleva a renda mais do que um ano adicional de escolaridade dentro de um mesmo ciclo (como foi apresentado nos modelos anteriores, nos quais o retorno calculado foi menor). Além disso, há uma 19