DETERMINANTES DA DIFERENÇA SALARIAL FEMININA NO BRASIL

1 INTRODUÇÃO 

Em uma formal análise, o presente trabalho objetiva, associa e identifica variáveis que influenciam a diferença salarial entre as mulheres no Brasil.

Nessa abordagem, o rendimento mensal assume diferentes facetas a fim de estabelecer parâmetros ligados a experiência profissional, cor e escolaridade. A desigualdade salarial entre gêneros é um tema muito abordado quando se trata do por que no século XXI depois de tantas barreiras ultrapassadas a desigualdade de gênero continua fortalecida, principalmente na questão da remuneração. Entretanto esse estudo visa analisar se alguns fatores também causam influxo entre o gênero feminino.

O trabalho foi estimado e analisado pelo método Mínimos Quadrados Ordinários por regressão múltipla, incluindo uma variável Dummy para o estudo da influência racial entre as mulheres. Para tanto utilizou-se os dados com informações de 55 trabalhadoras brasileiras. Esses dados foram extraídos da Pesquisa Nacional de Amostragem Domiciliar – PNAD, realizada pelo IBGE em 2013.

Além desta introdução, o estudo está estruturado da seguinte maneira: a seção 2 apresenta a metodologia, a seção 3 está delimitada a apresentar os diferentes resultados que foram obtidos com a regressão; seção 4 contém o anexo e a seção 5 por sua vez apresenta a conclusão em que mostra a pretensão do trabalho e como foi comprovado.

2 METODOLOGIA 

O trabalho analisa a diferença salarial com relação as variáveis cor, escolaridade e experiência profissional. Para tanto foi utilizado o modelo de regressão múltipla como os métodos de especificação do MQO. 

Y= β₀ + β₁X₁ + β₂X₂ + β₃X₃ 

Os dados para especificar o modelo foram retirados da PNAD – 2013 referentes a 55 indivíduos do sexo feminino das 5 regiões brasileiras.

Por meio deste estudo será possível comparar se há relação entre a renda e as outras variáveis citadas acima que explicam a diferença salarial entre as mulheres.

No presente trabalho será utilizado como programas estatísticos, o Eviews e o Stata, que fornecerão as regressões múltiplas e os testes para análises a posteriori.

 3 RESULTADO

3.1 Hiato salarial no Brasil 

Uma primeira abordagem para estimar as diferenças salariais no Brasil consiste em considerar a variável renda mensal como dependente em relação a anos trabalhados e anos de estudo.

 

Dependent Variable: RENDA_MENSAL
Method: Least Squares
Date: 05/24/16   Time: 12:32
Sample: 1 55
Included observations: 55
Variable	Coefficient	Std. Error	t-Statistic	Prob.
ANOS_TRABALHADOS	55.42409	27.30887	2.029527	0.0475
ANOS_ESTUDO	187.4821	53.71258	3.490469	0.0010
C	-1124.277	648.2713	-1.734269	0.0888
R-squared	0.253343	Mean dependent var		1329.018
Adjusted R-squared	0.224626	S.D. dependent var		1948.594
S.E. of regression	1715.841	Akaike info criterion		17.78620
Sum squared resid	1.53E+08	Schwarz criterion		17.89569
Log likelihood	-486.1204	Hannan-Quinn criter.		17.82854
F-statistic	8.821883	Durbin-Watson stat		1.202992
Prob(F-statistic)	0.000503

Fonte: Eviews 6

Y= -1124,277 + 187,4821X₁ + 55,420X₂  

 

Verifica-se que apenas 25,33% das variações médias da renda são explicadas pelas variações médias de X1 e X2. Nesta análise percebe-se que anos de estudo é a variável de destaque. Para cada ano a mais de estudo o indivíduo terá sua renda acrescida de R$187,48. Ao passo que um ano a mais de experiência lhe renderá um acréscimo de R$55,42.

Ao nível de 5% de significância podemos concluir que, pelo menos, um dos β’s é estatisticamente significante.

A escolaridade é o fator mais significante no aumento da renda, uma noção clara da importância do estudo na vida de qualquer indivíduo. 

3.1 Hiato salarial no Brasil análise com dummy branca 

Dependent Variable: RENDA_MENSAL
Method: Least Squares
Date: 05/24/16   Time: 18:44
Sample: 1 32
Included observations: 32
Variable	Coefficient	Std. Error	t-Statistic	Prob.
ANOS_TRABA	79.59104	37.38642	2.128876	0.0419
ANOS_ESTUDO	209.4516	79.21595	2.644058	0.0131
C	-1624.826	965.0506	-1.683669	0.1030
R-squared	0.285332	Mean dependent var		1225.938
Adjusted R-squared	0.236045	S.D. dependent var		2257.075
S.E. of regression	1972.786	Akaike info criterion		18.10134
Sum squared resid	1.13E+08	Schwarz criterion		18.23875
Log likelihood	-286.6215	Hannan-Quinn criter.		18.14689
F-statistic	5.789155	Durbin-Watson stat		1.503221
Prob(F-statistic)	0.007665

Fonte: Eviews 6

Y= -1624,82+ 209,45X₁ + 79,59X₂  

Verifica-se que apenas 28,53% das variações médias da renda são explicadas pelas variações médias de X1 e X2. Considerando apenas pessoas brancas percebe-se que no Brasil o aumento de um ano na escolaridade aumenta em média a renda mensal em R$209,45 e ao passo que aumenta um ano na experiência profissional aumenta em média a renda mensal em R$79,59. 

3.2 Hiato salarial no Brasil análise com dummy não-branca 

Dependent Variable: RENDA_MENSAL
Method: Least Squares
Date: 05/24/16   Time: 18:54
Sample: 1 23
Included observations: 23
Variable	Coefficient	Std. Error	t-Statistic	Prob.
ANOS_ESTUDO	173.2858	66.71954	2.597227	0.0172
ANOS_TRABA	1.966093	38.99257	0.050422	0.9603
C	-484.6294	779.2284	-0.621935	0.5410
R-squared	0.265848	Mean dependent var		1472.435
Adjusted R-squared	0.192433	S.D. dependent var		1450.702
S.E. of regression	1303.670	Akaike info criterion		17.30486
Sum squared resid	33991094	Schwarz criterion		17.45297
Log likelihood	-196.0059	Hannan-Quinn criter.		17.34211
F-statistic	3.621154	Durbin-Watson stat		1.230151
Prob(F-statistic)	0.045484

Fonte: Eviews 6

Y= -484,62+ 1,96X₁ + 173,28X₂  

Verifica-se que apenas 26,58% das variações médias da renda são explicadas pelas variações médias de X1 e X2. Considerando apenas pessoas não brancas percebe-se que no Brasil o aumento de um ano na escolaridade aumenta em média a renda mensal em R$173,28 e ao passo que aumenta um ano na experiência profissional aumenta em média a renda mensal em R$1,9624. 

3.3 Teste de Multicolinearidade                 

Observado o valor de R² podemos concluir que o modelo não é multicolinear e aplicando o teste vif no Stata (teste inflator da variância) observamos que o seu valor não ultrapassa 10, o que comprova nossa afirmação acima, em relação a renda média mensal de mulheres para todas as cores.

[...]