Diferenças salariais devido à raça entre 2002 e 2014 no brasil: evidências de uma decomposição quantílica

Wage differentials associated with race between 2002 and 2014 in brazil: evidence from a quantile decomposition

Gustavo Saraiva Frio

Doutorando em Economia do Desenvolvimento pela Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS). Mestre em Economia Aplicada pela Universidade Federal de Pelotas (UFPel). E-mail: gustavo.frio@gmail.com. ORCID: 0000-0001-6453-312X

Luiz Felipe Campos Fontes

Mestre em Desenvolvimento Econômico pela Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS). E-mail: luizfelipefontes.80@gmail.com. ORCID: 0000-0002-0097-3852

Resumo: Ao longo da década de 2000 o Brasil passou por uma grande fase de desenvolvimento econômico. O presente trabalho busca investigar se este movimento foi acompanhado por uma redução na desigualdade no mercado de trabalho, medido aqui pelo diferencial salarial entre brancos e não brancos. Para tanto, são analisadas três coortes de tempo (2002-2004, 2007-2009 e 2012-2014) a partir dos microdados da Pesquisa Nacional de Amostragem Domiciliar (PNAD). O método aplicado é a decomposição contrafactual Oaxaca-Blinder conjugado com o Recentered Influence Function Regression (RIF-Regression) para que se possam detalhar os principais contribuintes do fenômeno observado ao longo de toda distribuição salarial. Nossos resultados apontaram que as diferenças salariais (totais, oriundas de fatores observados e de discriminação) são maiores nos quantis mais elevados da distribuição, ou seja, em profissões ou atividades cujos salários são maiores.  Os achados também apontam para uma aproximação salarial entre os grupos ao longo do período analisado, que se deu principalmente por características observáveis, a destacar os níveis de escolaridade. Entretanto, a discriminação caiu apenas entre o primeiro e o segundo triênio e em baixa magnitude. Fora isso, os principais determinantes da discriminação salarial de raça são os retornos à educação, experiência e de profissões consideradas sem regulação (trabalho autônomo e sem carteira assinada).

Palavras-chave: Diferenças salariais de raça, Oaxaca-Blinder, Recentered Influence Function Regression

Abstract: Throughout the decade of 2000 Brazil went through a great phase of economic development. The present study seeks to investigate whether this movement was accompanied by a reduction in inequality in the labor market, measured here by the wage gap between whites and nonwhites. For that, three cohorts of time (2002-2004, 2007-2009 and 2012-2014) were analyzed from the microdata of the National Household Sampling Survey (Pesquisa Nacional de Amostragem Domiciliar - PNAD). The method applied is the counterfactual Oaxaca-Blinder conjugated with the Recentered Influence Function Regression (RIF-Regression) so that the main determinants of wages inequalities can be detailed throughout the salary distribution. Our results showed that wage gap (totals, due to observed factors and discrimination) are higher in the higher quantiles of the distribution, that is, in professions or activities with higher wages. The results also point to a salary approximation between the groups during the analyzed period, which was mainly due to observable characteristics, to highlight the levels of schooling. However, discrimination fell only between the first and second triennial and in low magnitude. Besides that, the main determinants of racial wage gap are returns to education, experience and professions considered unregulated (self-employment and informal workers).

Keywords: Racial wage gap, Oaxaca-Blinder, Recentered Influence Function Regression

1. INTRODUÇÃO

Recentemente, o Brasil experimentou transformações no mercado de trabalho e no campo socioeconômico de magnitude até então não observada em períodos anteriores. Komatsu e Menezes Filho (2015) mostram com dados da Pesquisa Mensal do Emprego (PME) que, de 2002 a 2014, o salário médio teve crescimento real de 17%, em grande parte fruto dos aumentos reais de salário mínimo que totalizaram, ao longo destes 12 anos, 70%. Destaca-se ainda, para o mesmo período, a queda no índice de Gini dos rendimentos de trabalho em cerca de 15%, o avanço na abrangência do setor formal no emprego em 10% e a queda do desemprego de 12% para 5%. Dados do Banco Mundial (2002-2014) mostram que tais mudanças ocorreram concomitantes com a evolução de alguns indicadores sociais, como: o aumento de 59% no PIB per capita[1]; a queda da população em linha de pobreza de 22,2% para 7,4%; e o recuo no índice de Gini em 14%, atingindo, em 2014, o nível de 51,48.

Nesse contexto supracitado, há de se destacar a diferença salarial entre raças, já que este fator é um reflexo tanto das inequidades sociais quanto das inequidades no mercado de trabalho. De acordo com Lang, Lehmann e Yeon (2012), essas diferenças salariais podem ter impactos diretos sobre o desenvolvimento socioeconômico de um país ao produzirem ineficiências no mercado de trabalho via transferência de recursos entre os grupos. Nesse sentido, Leite (2005) aponta que a discriminação salarial de raça é a principal fonte de inequidades no mercado de trabalho brasileiro.

A figura 1 (a seguir) mostra a densidade do salário hora (em log natural) de brancos e não brancos, no Brasil, para os triênios 2002-2004, 2007-2009 e 2012-2014. Destaca-se a existência de um gap salarial entre os grupos nas três coortes de tempo analisadas, dado que a função de densidade dos brancos encontra-se sempre a direita da função de densidade dos não brancos. Entretanto, nota-se que ao longo do tempo houve uma aproximação salarial entre as raças, refletindo as transformações já citadas anteriormente.

Este trabalho tem então como objetivo analisar detalhadamente a aparente aproximação salarial entre brancos e não brancos ao longo do período 2002-2014. Para tanto, são utilizados os microdados da Pesquisa Nacional de Amostragem Domiciliar (PNAD) e a metodologia de decomposição contrafactual Oaxaca-Blinder (1993) combinada com o Recentered Influence Function Regression (RIF-Regression) proposto por Firpo, Fortin and Lemieux (2009). Esta combinação de técnicas nos permite analisar ao longo dos quantis de salário se a queda na diferença salarial entre brancos e não brancos se deu por características produtivas dos trabalhadores ou fruto de uma queda na discriminação. Neste sentido, deseja-se mensurar ainda quais variáveis contribuíram mais para o fenômeno observado. A abordagem quantílica se justifica nesse caso devido as diferenças no padrão salarial entre as raças ao longo de toda distribuição, como pode ser observado na Figura 1.

Ainda, esse trabalho avança no sentido de mostrar, de maneira especial, como os tipos de ocupações afetam a discriminação, principalmente as ocupações que não são regidas pela Consolidação das Leis do Trabalho (CLT), como empregados sem carteira de trabalho assinada e conta própria, por exemplo. Tais resultados contribuem para o debate, hoje intenso, sobre a reforma trabalhista, aceita recentemente pelo congresso nacional.

Figura 1: Densidade (kernel) do salário hora (log natural) para brancos e não brancos – 2002-2004, 2007-2009 e 2012-2014.

Fonte: Elaboração própria a partir dos microdados da PNAD/IBGE.

O trabalho está estruturado em mais quatro seções além desta introdução. Na segunda seção, trata-se da metodologia utilizada neste trabalho. Na terceira, apresentam-se as variáveis e dados utilizados, bem como uma análise exploratória destes últimos. Na quarta seção, reportam-se os resultados empíricos do estudo, além de uma subseção para a discussão dos dados com base na literatura. Por fim, apresentam-se as considerações finais.

2. METODOLOGIA

Os determinantes salariais vêm sendo estudados há muito tempo pelos economistas, tendo como base a equação de rendimentos de (Mincer, 1974), escrita como:

                                    (1)

onde  é o salário do trabalhador ,  é uma constante,  é um vetor de parâmetros associados a um vetor de variáveis explicativas, , além do termo de erro, , que contem também características não observáveis.  Nesse sentido, o diferencial médio de salários entre brancos e não brancos poderia ser analisado a partir da inclusão de uma variável dummy referente a estes grupos. Entretanto, neste caso, não teríamos como analisar se a diferença de rendimentos é oriunda de características produtivas que diferem trabalhadores brancos e não brancos ou fruto de discriminação.

Para tanto, métodos de decomposição contrafactual são utilizados, com o objetivo de analisar detalhadamente os determinantes do diferencial salarial. Além disso, estes métodos têm sido ampliados, a partir de abordagens quantílicas, com objetivo de analisar as diferenças ao longo de toda distribuição salarial e não apenas na média (Fortin, Lemieux e Firpo, 2011).

Neste trabalho, aplica-se o método de decomposição Oaxaca-Blinder combinado com o método Recentered Influence Function Regression (RIF-Regression) proposto por Firpo, Fortin e Lemieux (2009) e que pode ser utilizado para o caso de distribuições quantílicas incondicionais para a variável de resultado (neste caso, salários). Esta combinação de técnicas nos permite analisar de maneira robusta o diferencial salarial entre raças para cada quantil da distribuição, bem como decompor esta diferença entre fatores observáveis e não observáveis e, por fim, analisar como cada característica dos trabalhadores afeta estes resultados.

2.1 Oaxaca-Blinder

Através dos trabalhos de Blinder (1973) e Oaxaca (1973) originou-se o procedimento de decomposição contrafactual denominado de decomposição de Oaxaca-Blinder. Partindo da equação 1, pode-se pensar na estimação dos salários para dois grupos de trabalhadores , onde denota brancos e  não brancos. De maneira sucinta, analisa-se o diferencial salarial por dois prismas: a parte explicada por fatores produtivos e a parte não explicada, que a literatura costuma atribuir à discriminação salarial.

A diferença das esperanças médias salariais é dada por:

                   (2)

onde, por suposição, ,  e .

Considerando uma matriz de coeficientes , podemos rearranjar a equação (2) somando e subtraindo  e , de maneira que:

                                                                                                                                         (3)

Assim, temos a decomposição em duas partes, em que  é a parte não explicada[2] do diferencial salarial e  é a parte explicada por atributos produtivos, como escolaridade e experiência.

2.2 RIF-Regression

O método RIF-Regression foi desenvolvido por Firpo, Fortin e Lemieux (2009) e permite uma maneira simples de se estimar decomposições detalhadas de qualquer distribuição estatística para a qual uma função de influencia (influence function- IF) possa ser computada. Neste caso, o procedimento é parecido com uma regressão tradicional, porém a variável dependente é trocada por pela IF de interesse. A abordagem do modelo pressupõe que a expectativa condicional da RIF- Regression pode ser modelada como uma função linear, como segue:

 (4)

onde os parâmetros  podem ser estimados por mínimos quadrados ordinários (MQO).

No caso de regressões quantílicas incondicionais, tem-se uma igualdade entre  e RIF(Y;) a qual pode ser reescrita da seguinte forma:

(5)

onde  é função de densidade da distribuição, na margem de Y,  é a amostra -quantílica da distribuição incondicional da variável independente e 1{.} é uma função indicadora.

Computacionalmente, se estima a densidade pontual através de métodos de Kernel. Dados os coeficientes da regressão quantílica incondicional para cada grupo, têm-se que:

(6)

onde g representa os grupos A e B.

Assim, é possível reescrever o modelo quantílico incondicional de maneira equivalente ao modelo de Oaxaca-Blinder como:

                          (7)

Da mesma forma que outrora,  possui a diferença total dos grupos no quantil que foi estimado. A primeira parte da equação (7) representa a parte não explicada (atribuída à discriminação) e a segunda parte da soma, é a diferença explicada por atributos produtivos.

3. DADOS

Este trabalho utiliza dados da Pesquisa Nacional de Amostra de Domicílios (PNAD) para os anos de 2002 a 2004, 2007 a 2009 e 2012 a 2014. A construção de um pseudo-painel composto por três triênios foi feita para que se pudesse analisar o fenômeno da desigualdade racial no mercado de trabalho ao longo do tempo. Dessa forma, podemos comparar os três períodos de maneira a analisar a trajetória temporal das diferenças salariais. Por fim, destaca-se que a amostra é composta por homens e mulheres de 18 a 65 anos.

O Quadro 1 apresenta as variáveis utilizadas no trabalho. Os salários – deflacionados –são em logaritmo, conforme literatura padrão. Como variável explicativa da produtividade do trabalhador destaca-se a escolaridade (Fox et al., 2015), medida em anos, e duas variáveis de experiência: o tempo de trabalho no emprego atual (experiência específica) e a experiência total de trabalho acumulada ao longo da vida.

Algumas variáveis dummies são utilizadas neste estudo de maneira a controlar outros fatores que, apesar de serem não produtivos, também afetam os salários do trabalhador[3], a destacar: sindicalizado (Baldwin e Choe, 2014; Guimarães e Silva, 2016; Lubrano e Ndoye, 2014; Silva e Guimarães, 2017), homem (Liu et al., 2016; Michelmore e Sassler, 2016), chefe do domicílio (Herring e Henderson, 2016).

Variáveis de localização, como: metropolitano (Guimarães e Silva, 2016; Silva e Guimarães, 2017), urbano (Ma, 2016; Sengupta e Das, 2014; Zhu, 2016), nasceu no município, que é uma forma de imigração caso a resposta seja negativa (Cheng et al., 2013; Grandner e Gstach, 2015; Ma, 2016) e UF.  Os trabalhadores de zona urbana são aqueles em que o domicilio localiza-se na parte urbana dos municípios, sejam eles metropolitanos ou não, enquanto os moradores de região metropolitana são os moradores de municípios que fazem parte de alguma região metropolitana, independente se mora em zona rural ou urbana. Assim, há duas categorias e quatro possíveis locais de moradia.

Há, ainda, variáveis sobre a profissão dos indivíduos, como o tipo de ocupação (Castagnetti e Rosti, 2013; Douglas e Steinberger, 2015; Michelmore e Sassler, 2016; Wang, Guo e Cheng, 2015) e também as profissões definidas na Classificação Brasileira de Ocupações (CBO) de 2002, esta está dividida em variáveis binárias para cada subgrupo principal, totalizando 48 subgrupos.

Quadro 1: Descrição das variáveis

Variáveis	Descrição
Ln_Salários	Logaritmo natural do salário/hora.
Escolaridade	Anos de educação do trabalhador.
Experiência Específica	Experiência do trabalhador na empresa em que se encontra, em anos.
Experiência Específica^2	Experiência Específica ao quadrado.
Experiência	Idade atual do trabalhador - idade em que começou a trabalhar, em anos.
Experiência^2	Experiência ao quadrado.
Sindicalizado	Dummy igual a 1 se o trabalhador é sindicalizado e 0, caso contrário.
Metropolitano	Dummy igual a 1 se o trabalhador mora em uma região metropolitana e 0, caso contrário.
Urbano	Dummy igual a 1 se o trabalhador mora em uma região urbana e 0, caso contrário.
Casado	Dummy igual a 1 se o trabalhador é casado e 0, caso contrário.
Homem	Dummy igual a 1 se o trabalhador é homem e 0, caso contrário.
Branco	Dummy igual a 1 se o trabalhador é branco e 0, caso contrário.
Chefe do domicílio	Dummy igual a 1 se o trabalhador é chefe do domicílio e 0, caso contrário.
Nasceu no município	Dummy igual a 1 se o trabalhador mora no município em que nasceu e 0, caso contrário.
Ocupação	Dummies para as seguintes ocupações de trabalho: carteira assinada, militar, funcionalismo público, sem carteira assinada, doméstico com carteira assinada, doméstico sem carteira assinada, autônomo e empregador.
CBO	Dummies para as profissões do trabalhador de acordo com a Classificação Brasileira de Ocupações (CBO) de 2002.
UF	Dummies para as Unidades da Federação (UF).

Fonte: Elaboração própria.

A Tabela 1 apresenta a média e o desvio-padrão das variáveis utilizadas neste trabalho. Em relação à diferença salarial entre as raças, nota-se que no primeiro triênio analisado o salário dos não brancos equivalia a 53% do salário dos brancos. Já no período final, esse número evoluiu para 61%, o que reflete a aproximação salarial entre os grupos, já destacada na Introdução. É importante verificar ainda, que apenas no último triênio o salário dos não brancos conseguiu ultrapassar o salário dos brancos do primeiro triênio, o que denota a grande diferença salarial ainda existente entre as raças. O número de observações está disposto no fim da Tabela 1. Cabe salientar que as pessoas que tinham informações faltantes quanto alguma das variáveis explicativas ou na variável de salários não estão na amostra.

Uma possível explicação para a aproximação salarial (em termos percentuais) entre brancos e não brancos está na evolução do nível de escolaridade média de ambos os grupos, uma vez que este fator pode ser entendido como um dos principais determinantes salariais. Nota-se ao longo dos triênios um aumento de 15,71% na escolaridade dos brancos e de 23,89% para o nível de escolaridade dos não brancos. Portanto, apesar de ambos os grupos terem evoluído quanto aos anos de estudo, esta evolução foi maior para os não brancos, o que pode refletir também seu maior aumento salarial frente aos brancos.

Outro fator produtivo impactante nos salários a ser analisado é o nível de experiência do trabalhador. Entretanto, nota-se que este é bem próximo entre os grupos em todos os períodos analisados. Os brancos, no entanto, possuem mais tempo na empresa em que trabalham (experiência específica), mas a evolução desta variável é marginal ao longo dos triênios para ambos os grupos. Em relação à sindicalização, os nãos brancos se mantêm estáveis em porcentagem de sindicalizados, enquanto os brancos diminuem em 2 pontos percentuais. Há de se destacar ainda que os brancos têm, em média, uma maior proporção de casados, imigrantes municipais e moradores de áreas urbanas e metropolitanas.  Já, dentre os não brancos há um maior percentual de chefes de domicílio – a partir do segundo período – e um maior percentual de indivíduos do sexo masculino.

Tabela 1: Estatísticas Descritivas, para brancos e não brancos

Variáveis	2002-2004		2007-2009		2012-2014
	Branco	Não Branco	Branco	Não Branco		Branco	Não Branco
Salários	8,04	4,29	9,33	5,44		13,38	8,22
	(23,18)	(9,69)	(24,64)	(14,13)		(61,94)	(31,1)
Escolaridade	9,04	7,14	9,81	8,07		10,46	8,81
	(4,37)	(4,22)	(4,33)	(4,32)		(4,25)	(4,33)
Experiência específica	7,28	7,00	7,59	7,2		7,84	7,40
	(8,58)	(8,73)	(8,93)	(8,98)		(9,22)	(9,31)
Experiência	21,96	21,77	22,27	22,04		22,74	22,54
	(13,85)	(13,36)	(13,61)	(14,50)		(13,70)	(13,61)
Sindicalizado	0,19	0,15	0,19	0,16		0,17	0,15
	(0,39)	(0,35)	(0,39)	(0,37)		(0,80)	(0,36)
Metropolitano	0,41	0,38	0,40	0,37		0,41	0,36
	(0,49)	(0,48)	(0,49)	(0,48)		(0,49)	(0,48)
Urbano	0,89	0,84	0,88	0,83		0,90	0,84
	(0,31)	(0,36)	(0,32)	(0,37)		(0,30)	(0,36)
Casado	0,77	0,74	0,76	0,73		0,75	0,72
	(0,42)	(0,44)	(0,43)	(0,44)		(0,43)	(0,45)
Homem	0,47	0,49	0,47	0,49		0,47	0,49
	(0,50)	(0,50)	(0,50)	(0,50)		(0,50)	(0,50)
Chefe do domicílio	0,40	0,39	0,40	0,41		0,41	0,43
	(0,49)	(0,49)	(0,49)	(0,49)		(0,49)	(0,49)
Nasceu no município	0,48	0,50	0,50	0,51		0,52	0,54
	(0,50)	(0,50)	(0,50)	(0,50)		(0,50)	(0,50)
Observações	217.844	216.312	256.486	221.864		197.164	251.072

Fonte: Elaboração própria a partir dos microdados das PNAD’s 2002-2004, 2007-2009 e 2012-2014. Nota: Médias acima dos parênteses e desvio-padrão entre parênteses.

A Tabela 2 apresenta a distribuição das ocupações durante os triênios. Nota-se que as ocupações com maior percentual de trabalhadores são: emprego com carteira assinada, sem carteira assinada e autônomo, em ordem decrescente de participação. Para a primeira, a participação de brancos é maior que a de não brancos em todos os triênios analisados. Além disso, os brancos aumentaram em 8,7 pontos percentuais sua participação entre os empregados com carteira assinada, chegando a 43,85% do total no último período. Já os não brancos, avançaram 10,36 pontos percentuais, alcançando no período 2012-2014, 37,86% do total de trabalhadores.

Os empregados sem carteira assinada diminuíram consideravelmente ao longo do período analisado, porém, os não brancos sempre têm maior participação nessa ocupação, assim como acontece com os domésticos sem carteira assinada. Trabalhadores por conta própria se reduzem do primeiro para o segundo triênio e depois se mantém estáveis, mas os não brancos, novamente, possuem maior taxa relativa nessa ocupação. Cabe salientar que essas ocupações não são reguladas pela CLT (Consolidação das Leis do Trabalho), assim esse tipo de ocupação pode facilitar a discriminação, principalmente em profissões onde se paga o salário mínimo ou o piso.

Nesse sentido, as ocupações podem exercer papel importante na explicação do gap salarial entre as raças, uma vez que há uma maior participação de brancos em relação a não brancos em trabalhos com carteira assinada os quais, em geral, pagam maiores salários que as ocupações não reguladas pela CLT – nestas, a participação é maior para não brancos. Entretanto, destaca-se que os não brancos, relativamente aos brancos, tiveram um maior aumento de participação nos empregos com carteira assinada e menores participações nas ocupações não reguladas. Sendo assim, a dinâmica observada quando a evolução da participação dos grupos nestas ocupações pode também ter levado a aproximação salarial entre eles.

Em relação aos militares, nota-se um número bem reduzido de brancos e não brancos presentes nesta ocupação. Além disso, a relativa é bem semelhante entre ambos os grupos, tornando-se igual no terceiro triênio. Nas ocupações relacionadas ao funcionalismo público têm maioria de brancos, como a literatura já destacado na literatura  (Campante, Crespo e Leite, 2004; Vaz e Hoffmann, 2007). Por fim, empregadores são, conforme esperado, em maior parte brancos, o que também pode explicar parte do gap salarial entre as raças. Nestas ocupações, a dinâmica pouco se modificou ao longo dos triênios. Os outros tipos de ocupações (como trabalhadores para o próprio consumo) estão dispostos na linha “Outras ocupações”, houve uma clara redução na porcentagem relativa desse grupo tanto para brancos e não brancos – estes trabalhadores, por não terem salário, no entanto, não estão as estatísticas descritivas e nos resultados.

Tabela 2: Participação das ocupações por raça

Ocupação	2002-2004		2007-2009		2012-2014
	Branco	Não Branco	Branco	Não Branco	Branco	Não Branco
Empregado com carteira assinada	35,15%	27,5%	39,98%	32,33%	43,85%	37,86%
Militar	0,4%	0,37%	0,36%	0,35%	0,43%	0,43%
Funcionário Público Estatutário	8,1%	6,44%	8,56%	6,8%	8,84%	6,94%
Empregado sem carteira assinada	15,55%	20,54%	14,25%	18,64%	12,37%	16,01%
Doméstico com carteira assinada	1,95%	2,36%	1,85%	2,43%	1,82%	2,46%
Doméstico sem carteira assinada	4,28%	7,31%	4,05%	6,9%	3,35%	5,63%
Conta própria	21,67%	24,01%	19,98%	22,06%	19,88%	22,09%
Empregador	5,98%	2,56%	5,98%	2,68%	5,36%	2,3%
Outras ocupações	6,92%	8,91%	4,99%	7,81%	4,10%	6,28%

Fonte: Elaboração própria a partir dos microdados das PNAD’s 2002-2004, 2007-2009 e 2012-2014.

4. RESULTADOS

A primeira análise empírica a ser realizada neste trabalho consistiu na estimação de equações de rendimento, por meio da RIF-regression, para brancos e não brancos, nove quantis de salários e para os triênios 2002-2004, 2007-2009 e 2012-2014. Por motivos de concisão, apresenta-se na Tabela 3 apenas o resultado na média, ou seja, no quinto quantil da distribuição salarial. Há de se destacar que, dentre os fatores produtivos, a escolaridade parece ser aquele mais impactante quanto aos ganhos salariais e que este coeficiente é maior para brancos vis-à-vis não brancos em todos os períodos analisados, o que já parece refletir a discrepância salarial entre os grupos. Ainda em relação aos retornos salariais da educação, nota-se que este diminuiu para ambas as raças ao longo dos triênios analisados o que pode estar relacionado com o aumento do nível médio de escolaridade, visto anteriormente na análise descritiva dos dados. Demais características produtivas – experiência específica e experiência – também proporcionam retornos salariais positivos os quais são pró-brancos, apesar do coeficiente relacionado à primeira apresentar uma discrepância bem superior ao coeficiente relacionado à experiência, quando se comparam as raças. Nota-se ainda que os retornos salariais da experiência específica e experiência aumentam a taxas decrescentes, o que é capturado pelo coeficiente negativo destas variáveis ao quadrado, para ambas as raças e para todos os períodos analisados.

Os demais coeficientes da RIF-regression revelam que os trabalhadores com maiores salários são homens, casados, chefes de domicilio, sindicalizados, imigrantes municipais e moradores de áreas urbanas e metropolitanas. Todas as variáveis supracitadas favorecem os brancos em relação aos não brancos e, com exceção do coeficiente referente ao sexo masculino, os demais apresentaram queda ao longo dos triênios analisados por motivos que ainda devem ser estudados pela literatura.

Salienta-se que o problema de discriminação, conforme apontado na Tabela 3, não é apenas para brancos e não brancos, mas também para homens e mulheres. A diferença entre os gêneros inclusive cresce ao longo do tempo variando de 10,3% a 17,5% para os brancos e de 6,2% a 13,8% para os não brancos, esse resultado também aparece na literatura que dedica-se ao diferencial de gêneros (Castagnetti e Rosti, 2013; Frio, Uhr e Uhr, 2017).

Tabela 3: Equação de rendimentos (RIF-Regression) na média, para três os triênios propostos

Variáveis	2002-2004		2007-2009		2012-2014
	Brancos	Não brancos	Brancos	Não brancos	Brancos	Não brancos
Escolaridade	0,066*	0,046*	0,061*	0,039*	0,058*	0,037*
	(0,001)	(0,001)	(0,001)	(0,000)	(0,001)	(0,000)
Experiência Específica	0,029*	0,020*	0,026*	0,015*	0,024*	0,015*
	(0,001)	(0,000)	(0,001)	(0,000)	(0,001)	(0,000)
Experiência Específica^2	-0,001*	-0,0004*	-0,0005*	-0,0003*	-0,0004*	-0,0003*
	(0,000)	(0,000)	(0,000)	(0,000)	(0,000)	(0,000)
Experiência	0,019*	0,016*	0,020*	0,016*	0,018*	0,016*
	(0,000)	(0,001)	(0,000)	(0,000)	(0,001)	(0,000)
Experiência^2	-0,0002*	-0,0002*	-0,0003*	-0,0002*	-0,0003*	-0,0002*
	(0,000)	(0,000)	(0,000)	(0,000)	(0,000)	(0,000)
Sindicalizado	0,117*	0,104*	0,110*	0,095*	0,099*	0,080*
	(0,004)	(0,004)	(0,004)	(0,004)	(0,005)	(0,004)
Metropolitano	0,169*	0,123*	0,138*	0,105*	0,122*	0,096*
	(0,004)	(0,005)	(0,004)	(0,004)	(0,004)	(0,004)
Urbano	0,112*	0,078*	0,102*	0,054*	0,097*	0,056*
	(0,007)	(0,006)	(0,007)	(0,005)	(0,007)	(0,004)
Casado	0,090*	0,066*	0,077*	0,057*	0,063*	0,052*
	(0,004)	(0,004)	(0,004)	(0,003)	(0,004)	(0,003)
Homem	0,103*	0,062*	0,155*	0,093*	0,175*	0,138*
	(0,005)	(0,005)	(0,004)	(0,004)	(0,004)	(0,003)
Chefe do Domicílio	0,145*	0,118*	0,103*	0,077*	0,095*	0,059*
	(0,004)	(0,004)	(0,004)	(0,003)	(0,004)	(0,003)
Nasceu no Município	-0,044*	-0,059*	-0,042*	-0,050*	-0,041*	-0,051*
	(0,004)	(0,003)	(0,004)	(0,003)	(0,004)	(0,003)
Constante	0,583*	0,781*	0,705*	1,086*	1,124*	1,223*
	(0,067)	(0,083)	(0,069)	(0,062)	(0,087)	(0,077)
Observações	217.844	216.312	221.864	256.486	197.164	251.072
R^2 Ajustado	0,372	0,320	0,364	0,295	0,340	0,273

Nota: Erro-Padrão robusto entre parênteses. * p<0.01, ** p<0.05. Constam ainda como controles da regressão: dummies de ocupação, UF e CBO.

Uma vez estimadas as equações de rendimento quantílicas, procede-se para a decomposição salarial de oaxaca, de forma a analisar o diferencial salarial entre brancos e não brancos, bem como seu componente explicado e não explicado. Os resultados para os 9 quantis e para os três triênos propostos neste estudo são apresentados na Tabela A.1 do apêndice e na Figura 1.

Figura 2: Decomposição quantílica do diferencial salarial entre raças

Fonte: Elaboração própria. Resultados em porcentagem

Analisando o diferencial total de salários entre as raças, fica claro na Figura 2 que tal componente é crescente ao longo dos quantis da distribuição salarial, independentemente do período analisado. Investigando o fenômeno ao longo das coortes de tempo, nota-se a aproximação salarial entre os grupos, confirmando a análise exploratória já realizada anteriormente no artigo. Esta queda parece ter sido mais marcante entre o primeiro e o segundo triênio, além de proporcional entre os quantis salariais – com exceção para o oitavo, entre o segundo e terceiro triênio. Nesse sentido, destaca-se que no período 2002-2004, os brancos tinham uma remuneração 72% maior que os não brancos, no nono quantil salarial. No período 2012-2014, a diferença estimada foi de 52%.

A diferença explicada reduz drasticamente ao longo dos triênios. Em média, a diferença percentual caiu 10 pontos percentuais. A diferença não explicada caiu (em baixa magnitude) entre o primeiro e o segundo terceiro triênio e depois permaneceu constante, sugerindo persistência na discriminação racial no mercado de trabalho. Destaca-se que a parte não explicada do diferencial cresce a partir do segundo quantil e vai sendo cada vez maior conforme se avança ao longo da distribuição salarial, em que a discriminação vai de inexistente no segundo quantil até 25% no último quantil. Nesse sentido, o efeito discriminatório parece ser maior entre as atividades pagadoras de maiores salários.

Há de se destacar que a principal causa da diferença salarial por variáveis observáveis está nos anos de escolaridade, principalmente quando se analisam, novamente, os maiores salários (Figura 2, Tabela 4). Sendo assim, brancos ganham mais do que não brancos, em geral, porque possuem maiores níveis de escolaridade. Entretanto, ao analisar a decomposição salarial explicada por esta variável ao longo dos triênios, confirma-se hipótese levantada anteriormente na análise descritiva dos dados de que a educação seria um dos principais responsáveis pela aproximação salarial entre brancos e não brancos ao longo da última década. Analisando a média, nota-se uma redução na diferença salarial de 9,4% para 6,1% devido a tal fator produtivo. Este efeito é crescente a partir do quinto quantil, atingindo seu maior valor no fim da distribuição de salários, onde a queda no wagegap entre brancos e não brancos foi de 19,7% para 11,5% entre 2002-2004 e 2012-2014. Entretanto, mesmo que se reduza ao longo do tempo nos quantis e na média, ainda permanece alta a diferença salarial devido à escolaridade.

Figura 3: Decomposição salarial explicada para educação

Fonte: Elaboração própria. Resultados em porcentagem

Tabela 4: Decomposição detalhada da diferença salarial explicada entre brancos e não brancos, na média e nas caudas da distribuição

Variável	2002-2004			2007-2009			2012-2014
	Q.10	Q.50	Q.90	Q.10	Q.50	Q.90	Q.10	Q.50	Q.90
Anos de Educação	0,074* (0,002)	0,094* (0,001)	0,197* (0,003)	0,064* (0,002)	0,070* (0,001)	0,154* (0,002)	0,058* (0,002)	0,061* (0,001)	0,115* (0,002)
Experiência Específica	0,005* (0,001)	0,008* (0,001)	0,015* (0,001)	0,008* (0,001)	0,008* (0,000)	0,017* (0,001)	0,009* (0,001)	0,009* (0,000)	0,016* (0,001)
Experiência	0,001 (0,001)	0,001 (0,001)	0,002 (0,001)	0,002* (0,001)	0,002* (0,001)	0,004* (0,001)	0,002* (0,000)	0,003* (0,001)	0,004* (0,001)
Sindicalizado	-0,003* (0,000)	0,005* (0,000)	0,018* (0,001)	-0,002* (0,000)	0,003* (0,000)	0,011* (0,001)	-0,002* (0,000)	0,002* (0,000)	0,006* (0,000)
Metropolitano	0,005* (0,000)	0,004* (0,000)	0,004* (0,000)	0,004* (0,000)	0,002* (0,000)	0,003* (0,000)	0,007* (0,000)	0,003* (0,000)	0,005* (0,000)
Urbano	0,004* (0,001)	0,003* (0,000)	0,005* (0,000)	0,005* (0,001)	0,002* (0,000)	0,006* (0,000)	0,008* (0,001)	0,002* (0,000)	0,006* (0,000)
Casado	0,002* (0,000)	0,002* (0,000)	0,002* (0,000)	0,002* (0,000)	0,002* (0,000)	0,002* (0,000)	0,001* (0,000)	0,001* (0,000)	0,002* (0,000)
Homem	-0,006* (0,000)	-0,002* (0,000)	-0,007* (0,000)	-0,006* (0,000)	-0,004* (0,000)	-0,010* (0,001)	-0,008* (0,000)	-0,006* (0,000)	-0,012* (0,001)
Chefe do Domicílio	-0,002* (0,000)	-0,002* (0,000)	-0,003* (0,000)	-0,002* (0,000)	-0,002* (0,000)	-0,003* (0,000)	-0,002* (0,000)	-0,002* (0,000)	-0,004* (0,000)
Nasceu no Município	0,001* (0,000)	0,001* (0,000)	0,001* (0,000)	0,000* (0,000)	0,000* (0,000)	0,000* (0,000)	0,001* (0,000)	0,000* (0,000)	0,001* (0,000)
Estatutário	-0,003* (0,000)	0,002* (0,000)	0,013* (0,001)	-0,003* (0,000)	0,002* (0,000)	0,017* (0,001)	-0,002* (0,000)	0,003* (0,000)	0,015* (0,001)
Empregado sem carteira assinada	0,028* (0,001)	0,014* (0,000)	-0,008* (0,001)	0,029* (0,001)	0,009* (0,000)	-0,009* (0,000)	0,024* (0,001)	0,004* (0,000)	-0,006* (0,000)
Doméstico sem carteira assinada	0,033* (0,001)	0,011* (0,000)	-0,014* (0,001)	0,036* (0,001)	0,005* (0,000)	-0,013* (0,000)	0,028* (0,001)	0,000 (0,000)	-0,008* (0,000)
Conta própria	0,022* (0,001)	0,003* (0,000)	-0,010* (0,001)	0,021* (0,001)	0,001* (0,000)	-0,010* (-0,001)	0,021* (0,001)	-0,001* (0,000)	-0,008* (0,000)
Empregador	-0,003* (0,001)	0,009* (0,000)	0,043* (0,002)	-0,004* (0,000)	0,007* (0,000)	0,041* (0,002)	-0,004* (0,000)	0,007* (0,000)	0,036* (0,002)

Nota: Erro-Padrão entre parênteses. * p<0.01, ** p<0.05. . Constam ainda como controles da regressão: dummies de UF, CBO e demais ocupações (militares, carteira assinada e domésticos com carteira assinada).

Demais variáveis apresentam efeito bem menos significativo para explicar a diferença salarial entre brancos e não brancos e, além disso, nota-se que estas permanecerem praticamente constantes ao longo dos triênios analisados. Ainda assim, destaca-se que experiência, experiência específica, ser sindicalizado, metropolitano e morar em regiões urbanas são alguns dos fatores que contribuem para o aumento da diferença salarial entre as raças. Entre as ocupações, destaca-se no final da distribuição salarial o fato de ser empregador e estatuário, ambas as ocupações favorecendo aos brancos. Isto sugere que nestas ocupações, as atividades que pagam os maiores salários são concentradores de trabalhadores não brancos.

É curioso notar, entretanto, que ocupações com menor regulação legal (empregado/doméstico sem carteira assinada e autônomo) também favorecem a brancos, só que no início da distribuição salarial.

A decomposição dos efeitos não explicados é apresentada na tabela 5. Novamente, a educação é o componente que mais afeta o diferencial salarial entre brancos e não brancos, porém na parte não explicada da diferença total (a Figura 4 ajuda a visualizar melhor o resultado). Isto sugere que, mantendo tudo o mais constante, os retornos salariais da educação são maiores pra brancos do que não brancos. Existe uma vasta literatura sobre o tema, que vai desde o acesso à educação por parte dos não brancos até a qualidade heterogênea da educação disponível para os grupos (Andrade e Dachs, 2007; Gisi, 2006; Guimarães, 2013; Osorio, 2013; Rosemberg, 2013) Quanto aos efeitos ao longo da distribuição, nota-se que estes são baixos nos primeiros dois quantis, sugerindo que em atividades que pagam próximo ao salário mínimo o retorno da educação não parece ter tanta relevância quanto no efeito não explicado da diferença salarial entre raças. Entretanto, a partir do terceiro quantil os efeitos já são bem elevados e permanecem quase constantes até o fim da cauda à direita da distribuição. Avaliando os triênios, nota-se inclusive um avanço deste componente para explicar a discriminação de salários que avança na média de 15,1% para 19,6% de 2002-2004 a 2012-2014.

Figura 4: Decomposição salarial não explicada para educação experiência e experiência específica

Fonte: Elaboração própria. Resultados em porcentagem

Demais fatores produtivos são também apresentados na Figura 4. Tanto a experiência quanto a experiência específica são determinantes relevantes para explicar as diferenças salariais. Nesse sentido, os retornos pagos aos trabalhadores mais experientes e aqueles com maiores anos de experiência dentro da empresa em que trabalham parecem favorecer mais aos brancos. O efeito destas variáveis ao longo dos triênios permaneceu próximo do constante, onde em 2012-2014 determinaram cerca de 6,5%, em média, da diferença salarial não observada entre as raças. A experiência específica tem o curioso fato de nas pontas da distribuição favorecer os não brancos (menos no último período, onde os que recebem mais não possuem diferença significativa entre raças). Controles para o gênero, sindicalizado, da região metropolitana, casado, chefe de domicilio possuem efeitos significativos sobre a média e efeitos ainda maiores nas caudas. Cabe destaque que o fato de morar na zona urbana acentua a discriminação em média de 2,9% até 4,1%.

O tipo de ocupação merece destaque especial, pois parece afetar bastante na discriminação. Trabalhadores não brancos, com as mesmas características que os brancos, apresentam salários significativamente inferiores em ocupações tradicionalmente com menor regulação, a destacar: trabalho sem carteira assinada, trabalho doméstico sem carteira assinada e trabalho autônomo (Figura 5). O determinante médio da decomposição salarial não explicada destas variáveis é da ordem de 3%, 2,7% e 5,3%, respectivamente. Entretanto, ao analisar a distribuição salarial, nota-se que estes valores ganham magnitude no segundo quantil onde para as mesmas variáveis, os valores atingem, aproximadamente, 6%, 4% e 10%, respectivamente. Nesse sentido, sugere-se que nessas ocupações, trabalhos de menor qualificação estão mais suscetíveis a discriminação de salários contra não brancos. Nestes casos, como há contato direto entre contratante e contratado, um possível gosto pela discriminação racial pode-se fazer presente uma vez esta relação de trabalho não é regulada por leis formais. Entretanto, há de se destacar ainda que estas foram as únicas variáveis analisadas aonde se pode notar uma queda do efeito não observado ao longo dos quantis salariais, com destaque para os primeiros.

Figura 5: Decomposição salarial não explicada para trabalho sem carteira assinada, doméstico sem carteira assinada e autonomo

Fonte: Elaboração própria. Resultados em porcentagem.

Tabela 5: Decomposição detalhada da diferença salarial não explicada entre brancos e não brancos, na média e nas caudas da distribuição

Variável	2002-2004			2007-2009			2012-2014
	Q.10	Q.50	Q.90	Q.10	Q.50	Q.90	Q.10	Q.50	Q.90
Anos de Educação	-0,026* (0,010)	0,151* (0,006)	0,113* (0,014)	-0,023** (0,012)	0,191* (0,006)	0,101* (0,015)	-0,123* (0,011)	0,196* (0,007)	0,134* (0,017)
Experiência Específica	-0,017 (0,010)	0,057* (0,005)	-0,056* (0,011)	-0,035* (0,010)	0,070* (0,005)	-0,037* (0,012)	-0,048* (0,009)	0,067* (0,005)	-0,004 (0,013)
Experiência	-0,174* (0,029)	0,059* (0,016)	0,016 (0,030)	-0,174* (0,027)	0,108* (0,015)	-0,029 (0,030)	-0,123* (0,023)	0,065* (0,015)	0,004 (0,032)
Sindicalizado	0,008* (0,001)	0,002** (0,001)	-0,018* (0,003)	0,008* (0,001)	0,002** (0,001)	-0,011* (0,003)	0,012* (0,001)	0,003* (0,001)	0,004 (0,003)
Metropolitano	-0,024* (0,004)	0,018* (0,002)	0,026* (0,005)	-0,043* (0,004)	0,012* (0,002)	0,031* (0,005)	-0,059* (0,003)	0,010* (0,002)	0,072* (0,005)
Urbano	0,027 (0,017)	0,029* (0,008)	0,005 (0,013)	0,029** (0,015)	0,041* (0,007)	-0,019 (0,013)	-0,096* (0,014)	0,036* (0,008)	-0,026* (0,015)
Casado	-0,022* (0,007)	0,018* (0,004)	0,006 (0,009)	-0,009 (0,007)	0,014* (0,004)	-0,002 (0,008)	-0,019* (0,006)	0,008** (0,004)	-0,003 (0,009)
Homem	-0,079* (0,007)	0,025* (0,004)	0,010 (0,009)	-0,064* (0,006)	0,037* (0,003)	0,000 (0,007)	-0,075* (0,005)	0,022* (0,003)	-0,008 (0,009)
Chefe do Domicílio	-0,037* (0,005)	0,014* (0,003)	0,028* (0,007)	-0,027* (0,004)	0,013* (0,003)	0,020* (0,006)	-0,021* (0,004)	0,018* (0,002)	0,017* (0,006)
Nasceu no Município	0,026* (0,004)	0,007* (0,002)	0,007 (0,005)	0,021* (0,004)	0,004* (0,002)	-0,002 (0,006)	0,028* (0,004)	0,005** (0,002)	0,009 (0,006)
Estatutário	0,007* (0,001)	0,005* (0,001)	-0,050* (0,002)	0,007* (0,001)	0,003* (0,001)	-0,045* (0,002)	0,008* (0,001)	0,003* (0,001)	-0,020* (0,002)
Empregado sem carteira assinada	0,022* (0,002)	0,030* (0,002)	-0,021* (0,003)	0,028* (0,002)	0,022* (0,001)	-0,027* (0,003)	0,058* (0,002)	0,013* (0,001)	-0,014* (0,003)
Doméstico sem carteira assinada	0,012* (0,002)	0,027* (0,001)	-0,000 (0,001)	0,017* (0,002)	0,017* (0,001)	-0,002** (0,001)	0,039* (0,001)	0,011* (0,001)	-0,001 (0,001)
Conta própria	0,076* (0,003)	0,053* (0,002)	-0,065* (0,004)	0,073* (0,003)	0,041* (0,002)	-0,050* (0,004)	0,123* (0,003)	0,034* (0,002)	-0,037* (0,004)
Empregador	0,002* (0,000)	0,001* (0,000)	-0,020* (0,002)	0,002* (0,000)	0,002* (0,000)	-0,015* (0,002)	0,002* (0,000)	0,001* (0,000)	-0,012* (0,001)

Nota: Erro-Padrão entre parênteses. * p<0.01, ** p<0.05.  Constam ainda como controles da regressão: dummies de UF, CBO e demais ocupações (militares, carteira assinada e domésticos com carteira assinada)

5. DISCUSSÃO E CONSIDERAÇÕES FINAIS

Este trabalho procurou analisar as desigualdades salariais entre brancos e não brancos no mercado de trabalho brasileiro ao longo do período 2002-2014. Para tanto, utilizou-se uma metodologia de decomposição contrafactual (Oaxaca-Blinder) conjugada a uma abordagem de regressão quantílica (RIF-Regression) e os microdados da PNAD. Nossos resultados apontaram que as diferenças salariais (totais, oriundas de fatores observados e de discriminação) são maiores nos quantis mais elevados da distribuição, ou seja, em profissões ou atividades cujos salários são maiores. Além disso, notamos uma queda marcante no gap salarial entre as raças, determinada basicamente por características observáveis, a destacar a aproximação do nível de escolaridade entre brancos e não brancos. Já a discriminação de salários parece ter diminuído muito pouco ao longo do período analisado. Nota-se na média uma queda moderada neste efeito entre 2002-2004 e 2007-2009, que depois permaneceu constante até 2012-2014. Trabalhos como Mora (2008), Cacciamali et al. (2010), Carvalho et al. (2006) mostram, assim como neste artigo, a persistência da discriminação salarial entre raças ao longo do tempo, efeito este não só observado no Brasil, mas também em outros países, como os EUA (ver Douglas e Steinberger (2015)).

Nossos resultados são complementares a alguns estudos encontrados na literatura, com metodologias e propostas semelhantes. Se diferenciando dos trabalhos citados anteriormente, (Salardi, 2016), ao analisar o gap salarial entre raças no período 1987-2006 (com dados da PNAD) achou como resultado uma queda do efeito discriminatório ao longo do período analisado, o qual de acordo com nosso trabalho não se manteve no restante da última década. Álvarez (2013), a partir da PNAD de 2001 e 2011 e da decomposição salarial de Melly, encontrou que entre o primeiro e o segundo período analisado houve uma queda no gap salarial entre as raças, provido principalmente de características observáveis, enquanto que os determinantes não observáveis se mantiveram mais constantes. Além disso, mesmo utilizando outra metodologia econométrica quantílica, seus resultados ao longo dos quantis salariais são semelhantes aos encontrados no presente estudo: as diferenças totais, observadas e não observadas caem até o segundo quantil, depois aumentam proporcionalmente aos quantis mais elevados da distribuição. Este mesmo comportamento dos efeitos da decomposição salarial ao longo da distribuição também é observado em Freitas Filho e Sampaio (2015), onde o autor utiliza a mesma metodologia do presente trabalho só que com dados do Censo de 2010, sem comparar períodos distintos.

Há de se destacar também o papel da educação para a queda das desigualdades no mercado de trabalho. Nosso estudo aponta que a escolaridade é o principal determinante do gap salarial entre as raças tanto na decomposição por fatores explicados como na decomposição por fatores não explicados (efeito neste caso fruto de diferentes retornos salariais à escolaridade). Tais resultados estão também em linha com Salardi (2016), Álvarez (2013) e Freitas Filho e Sampaio (2015). Entretanto, mostramos no presente estudo que ao longo do período analisado (2002-2014) este fator produtivo foi o grande responsável pela aproximação salarial entre brancos e não brancos. É interessante notar ainda que a queda do gap salarial pelo avanço dos anos de escolaridade ocorreu com maior magnitude nos quantis mais elevados da distribuição, ou seja, nos postos de trabalho pagadores de maiores salários. Entre 2002 e 2014 a queda devida a tal fator produtivo foi de, aproximadamente, 8 p.p no nono quantil. Como as ocupações com maior remuneração empregam, em geral, trabalhadores com pelo menos ensino superior completo, tal resultado pode estar relacionado com o enfoque dado ao longo das décadas de 2000 e 2010 às políticas de educação para o ensino superior, aonde se destaca no período a criação das cotas universitárias raciais. Nesse sentido, mostra-se a importância de políticas ativas na área da educação para que se reduzam as desigualdades socioeconômicas. Corroborando com tal discussão, preocupa-se com o fato de que brancos possuam maiores retornos à educação do que os não brancos. É imprescindível então que se busque uma melhor qualidade do ensino público de educação básica a favorecer principalmente os menos afortunados e proporcionar a estes maiores oportunidades de ingresso no ensino superior.

Destaca-se ainda o papel das ocupações na discriminação salarial, resultado até então pouco discutido na literatura. Nossos resultados sugerem que em trabalhos domésticos sem carteira assinada, demais trabalhos sem carteira assinada e trabalhos autônomos parece haver uma maior propensão a discriminação salarial entre as raças, principalmente nas atividades menos remuneradas (início da distribuição de salários).  Levantou-se a hipótese de que tal efeito pode ser fruto do contato direito entre contratante e contratado cuja relação de trabalho não é regulada por leis formais. Neste caso, o contratante poderia fazer valer seu possível gosto por discriminação. Freitas Filho e Sampaio (2015) também destaca nas atividades de trabalho um componente importante para explicar efeitos discriminatórios de salários, só que comparando homens e mulheres. Há, porém, de se salientar que os modelos de Oaxaca-Blinder, Oaxaca-Ransom, entre outros, estimam o componente do diferencial que não é explicado pelos atributos produtivos. A literatura do assunto, no entanto, atribui essa parte do diferencial à discriminação.

Por fim, salienta-se ainda que, dentre as variáveis analisadas para avaliar o efeito discriminátorio de salarios, as ocupações sem regulação foram as únicas que apresentaram queda no seu efeito ao longo do periodo analisado. Tal queda foi maior nas profissões pagadores de menores salarios, as quais por serem menos valorizadas poderiam favorecer ainda mais a discriminação contra não brancos. Nesse sentido, a queda observada neste efeito pode ser reflexo de um processo de inclusão social experimentada no período de análise. Sugere-se então que futuros trabalhos estudem especificamente tais ocupações buscando  entender melhor o mecanismo que opera na discriminação salarial de raça experimentada nestas profissões.

Sugere-se para trabalhos futuros que replique-se tal metodologia para o diferencial salarial entre os gêneros, de modo a salientar o diferencial que é determinado pelos tipos de ocupações, uma vez que a literatura ainda verifica diferenciais não explicados entre homens e mulheres, porém não foram identificados trabalhos que considerem o tipo de ocupação como fator explicativo para o Brasil.

REFERÊNCIAS

ÁLVAREZ, L. G. Women in the Workforce: A Decomposition of Female Racial Wage Gaps in BrazilMaster Thesis, Lund University-School of Economics and Management, , 2013.

ANDRADE, C. Y. DE; DACHS, J. N. W. Acesso à educação por faixas etárias segundo renda e raça/cor. Cadernos de Pesquisa, 2007.

BALDWIN, M. L.; CHOE, C. Wage discrimination against workers with sensory disabilities. Industrial Relations: A Journal of Economy and Society, v. 53, n. 1, p. 101–124, 2014.

BLINDER, A. S. Wage discrimination: reduced form and structural estimates. Journal of Human resources, p. 436–455, 1973.

CACCIAMALI, M. C.; TATEI, F.; ROSALINO, J. W. Estreitamento dos diferenciais de salários e aumento do grau de discriminação: limitações da mensuração padrão? Planejamento e políticas Públicas, 2010.

CAMPANTE, F. R.; CRESPO, A. R. V; LEITE, P. G. P. G. Desigualdade salarial entre raças no mercado de trabalho urbano brasileiro: aspectos regionais. Revista Brasileira de Economia, v. 58, p. 185–210, 2004.

CARVALHO, A. P. DE; NÉRI, M. C.; SILVA, D. B. DO N. Diferenciais de salários por raça e gênero no Brasil: aplicação dos procedimentos de Oaxaca e Heckman em pesquisas amostrais complexas. Rio de Janeiro, Brazil: Instituto Brasileiro de Geografia e Estatística. Mimeographed document, 2006.

CASTAGNETTI, C.; ROSTI, L. Unfair tournaments: gender stereotyping and wage discrimination among Italian graduates. Gender & Society, v. 27, n. 5, p. 630–658, 2013.

CHENG, Z. et al. Employment and wage discrimination in the Chinese cities: A comparative study of migrants and locals. Habitat International, v. 39, p. 246–255, 2013.

DOUGLAS, J. H.; STEINBERGER, M. D. The Sexual Orientation Wage Gap for Racial Minorities. Industrial Relations: A Journal of Economy and Society, v. 54, n. 1, p. 59–108, 2015.

FIRPO, S.; FORTIN, N. M.; LEMIEUX, T. Unconditional quantile regressions. Econometrica, v. 77, n. 3, p. 953–973, 2009.

FORTIN, N.; LEMIEUX, T.; FIRPO, S. Decomposition methods in economics. Handbook of labor economics, v. 4, p. 1–102, 2011.

FOX, J. E. et al. Denying Discrimination: Status,‘Race’, and the Whitening of Britain’s New Europeans. Oxford economic papers, v. 65, n. 2, p. 729–748, 2015.

FREITAS FILHO, P. R. DE S.; SAMPAIO, B. Wage Discrimination in Brazil: Inferences based on Unconditional Quantile Regressions2015

FRIO, G. S.; UHR, D. DE A. P.; UHR, J. G. Z. EXISTE DISCRIMINAÇÃO SALARIAL NO MERCADO DE TRABALHO DOS ADVOGADOS NO BRASIL? EVIDÊNCIAS ADICIONAIS. Economic Analysis of Law Review, v. 8, n. 2, p. 351–379, 2017.

GISI, M. L. A Educação Superior no Brasil e o caráter de desigualdade do acesso e da permanência. Revista Diálogo Educacional, v. 6, n. 17, 2006.

GRANDNER, T.; GSTACH, D. Decomposing wage discrimination in Germany and Austria with counterfactual densities. Empirica, v. 42, n. 1, p. 49, 2015.

GUIMARÃES, A. S. A. Acesso de negros às universidades públicas. Cadernos de Pesquisa, n. 118, p. 247–268, 2013.

GUIMARÃES, C. R. F. F.; SILVA, J. R. Pay gap by gender in the tourism industry of Brazil. Tourism Management, v. 52, p. 440–450, 2016.

HERRING, C.; HENDERSON, L. Wealth inequality in black and white: Cultural and structural sources of the racial wealth gap. Race and Social Problems, v. 8, n. 1, p. 4, 2016.

KOMATSU, B. K.; MENEZES FILHO, N. A. Salário mínimo e desigualdade salarial: um estudo com densidades contrafactuais nas regiões metropolitanas brasileiras. 2015.

LANG, K.; LEHMANN, J.; YEON, K. Racial discrimination in the labor market: Theory and empirics. Journal of Economic Literature, v. 50, n. 4, p. 959–1006, 2012.

LEITE, P. G. Race discrimination or inequality of opportunities: The Brazilian case. [s.l.] Discussion papers//Ibero America Institute for Economic Research, 2005.

LIU, W. et al. Gender discrimination and firms’ profit: evidence from Brazil. Journal of Economic Studies, v. 43, n. 5, p. 801–814, 2016.

LUBRANO, M.; NDOYE, A. A. J. Bayesian Unconditional Quantile Regression: An Analysis of Recent Expansions in Wage Structure and Earnings Inequality in the US 1992–2009. Scottish Journal of Political Economy, v. 61, n. 2, p. 129–153, 2014.

MA, X. Determinants of the Wage Gap between Migrants and Local Urban Residents in China: 2002-2013. Modern Economy, v. 7, p. 786–798, 2016.

MICHELMORE, K.; SASSLER, S. Explaining the Gender Wage Gap in STEM: Does Field Sex Composition Matter? RSF, 2016.

MINCER, J. Schooling, Experience, and Earnings. Human Behavior & Social Institutions No. 2. 1974.

MORA, R. A nonparametric decomposition of the Mexican American average wage gap. Journal of Applied Econometrics, v. 23, n. 4, p. 463–485, 2008.

OAXACA, R. Male-female wage differentials in urban labor markets. International economic review, p. 693–709, 1973.

OSORIO, R. G. Classe, raça e acesso ao ensino superior no Brasil. Cadernos de Pesquisa, v. 39, n. 138, p. 867–880, 2013.

ROSEMBERG, F. Raça e educação inicial. Cadernos de pesquisa, n. 77, p. 25–34, 2013.

SALARDI, P. The Evolution of Gender and Racial Occupational Segregation Across Formal and Non‐Formal Labor Markets in Brazil, 1987 to 2006. Review of Income and Wealth, v. 62, n. S1, 2016.

SENGUPTA, A.; DAS, P. Gender wage discrimination across social and religious groups in India. Economic and Political Weekly, v. 49, n. 21, p. 71, 2014.

SILVA, J. R.; GUIMARÃES, C. R. F. F. Wage differentials in Brazil: Tourism vs. other service sectors. Cogent Economics & Finance, v. 5, n. 1, 2017.

UHR, P. et al. Um estudo sobre a discriminação salarial no mercado de trabalho dos administradores do Brasil. Revista de Economia e Administração, v. 13, n. 2, p. 194–213, 2014.

VAZ, D. V.; HOFFMANN, R. Remuneração nos serviços no Brasil: o contraste entre funcionários públicos e privados. Economia e Sociedade, v. 16, n. 2, p. 199–232, 2007.

WANG, H.; GUO, F.; CHENG, Z. A distributional analysis of wage discrimination against migrant workers in China’s urban labour market. Urban Studies, v. 52, n. 13, p. 2383–2403, 2015.

ZHU, R. Wage differentials between urban residents and rural migrants in urban China during 2002–2007: A distributional analysis. China Economic Review, v. 37, p. 2–14, 2016.

APÊNDICE A

Tabela A.1: Decomposição de oaxaca nos quantis (10-90) da distribuição salarial

Quantil	2002-2004			2007-2009			2012-2014
	Diferença	Explicada	Não explicada	Diferença	Explicada	Não explicada	Diferença	Explicada	Não explicada
10	0,477* (0,004)	0,316* (0,003)	0,161* (0,004)	0,425* (0,004)	0,297* (0,003)	0,128* (0,004)	0,325* (0,004)	0,224* (0,002)	0,100* (0,003)
20	0,331* (0,003)	0,312 (0,002)	0,019* (0,003)	0,248* (0,002)	0,230* (0,001)	0,019* (0,002)	0,172* (0,002)	0,171* (0,001)	0,001 (0,002)
30	0,378* (0,003)	0,286* (0,002)	0,092* (0,003)	0,256* (0,002)	0,217* (0,002)	0,039* (0,002)	0,242* (0,002)	0,163* (0,001)	0,079* (0,002)
40	0,429* (0,003)	0,294* (0,002)	0,136* (0,002)	0,320* (0,002)	0,233* (0,001)	0,087* (0,002)	0,294* (0,002)	0,228* (0,002)	0,066* (0,002)
50	0,454* (0,003)	0,345* (0,002)	0,109* (0,003)	0,364* (0,003)	0,289* (0,002)	0,075* (0,002)	0,332* (0,003)	0,245* (0,002)	0,086* (0,002)
60	0,487* (0,003)	0,396* (0,003)	0,092* (0,003)	0,393* (0,003)	0,304* (0,002)	0,089* (0,003)	0,357* (0,003)	0,275* (0,002)	0,082* (0,003)
70	0,546* (0,004)	0,415* (0,003)	0,131* (0,003)	0,480* (0,004)	0,359* (0,003)	0,121* (0,003)	0,427* (0,003)	0,292* (0,002)	0,134* (0,003)
80	0,656* (0,004)	0,465* (0,004)	0,191* (0,004)	0,558* (0,004)	0,403* (0,003)	0,155* (0,004)	0,507* (0,004)	0,342* (0,003)	0,165* (0,004)
90	0,722* (0,006)	0,481* (0,005)	0,241* (0,006)	0,647* (0,006)	0,445* (0,004)	0,201* (0,006)	0,572* (0,006)	0,376* (0,004)	0,196* (0,006)

Nota: Erro-Padrão robusto entre parênteses. * p<0.01, ** p<0.05.

DATA DE SUBMISSÃO: 26/07/2017

DATA DE APROVAÇÃO: 24/07/2018

---

[1] O PIB per capita avançou de 9,468 para 15,972 em paridade de poder de compra (PPP) corrente.

[2] A parte não explicada é interpretada como discriminação desde que se assuma a hipótese de que não há omissão de variáveis relevantes.

[3] Entre parênteses, justificamos, através da literatura, o porquê dessas variáveis serem inclusas.