Inferential Analysis and Predictive Modeling of Wages in Brazil: Empirical Evidence from RAIS Administrative Records (2010–2023)
Unter Verwendung brasilianischer RAIS-Verwaltungsdaten von 2010 bis 2023 kombiniert diese Studie inferenzstatistische Verfahren und prädiktive Modellierung, um persistente strukturelle Lohnungleichheiten aufzuzeigen, wobei sie demonstriert, dass sich geschlechtsspezifische und rassische Disparitäten in höheren Lohnperzentilen signifikant vergrößern und maßgeblich durch unerklärte Differenziale getrieben werden, während Ensemble-Methoden die traditionelle Regression bei der Vorhersage von Einkommen übertreffen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Zu verstehen, wie Menschen ihren Lebensunterhalt verdienen, gehört zu den ältesten Fragen der Wirtschaftswissenschaften, doch in einem so riesigen und vielfältigen Land wie Brasilien ist die Antwort selten einfach. Seit Jahrzehnten versuchen Forscher zu entwirren, warum einige Arbeitnehmer deutlich mehr verdienen als andere, selbst wenn sie scheinbar über die gleichen Fähigkeiten verfügen oder am gleichen Ort arbeiten. Das zentrale Rätsel umfasst drei Hauptkräfte: den Wert von Bildung, den Einfluss dessen, wo und was jemand beruflich ausübt, und die hartnäckigen Lücken, die auf Basis von Geschlecht und Herkunft bestehen bleiben. Während es allgemein bekannt ist, dass Frauen und schwarze Arbeitnehmer oft weniger verdienen, ist die entscheidende Frage, ob diese Lücke besteht, weil sie weniger gebildet sind oder in schlechter bezahlten Jobs arbeiten, oder ob die Lücke auch dann bestehen bleibt, wenn diese Faktoren berücksichtigt werden. Diese Unterscheidung ist für die öffentliche Politik von großer Bedeutung, denn wenn die Lücke durch Unterschiede in der Qualifikation verursacht wird, ist die Lösung bessere Schulen; wenn die Lücke nach Berücksichtigung der Qualifikationen bestehen bleibt, deutet dies auf etwas Tiefer Liegendes hin, wie etwa Diskriminierung oder Barrieren beim beruflichen Aufstieg.
Ein Team von Forschern der Universität von São Paulo ist dieser Frage unter Verwendung eines massiven, detaillierten Datensatzes des brasilianischen formalen Arbeitsmarktes nachgegangen. Sie analysierten Daten aus über 600.000 Beschäftigungsverhältnissen, die den Zeitraum von 2010 bis 2023 abdecken und aus einem staatlichen Register stammen, das fast wie ein Zensus für formell Beschäftigte fungiert. Durch die Kombination traditioneller statistischer Methoden mit modernen Computeralgorithmen kartierten die Forscher, wie Löhne bestimmt werden und ob sich die Spielregeln im Laufe der Zeit verändert haben. Ihre Arbeit zeigt, dass der brasilianische Arbeitsmarkt in den letzten zehn Jahren einen signifikanten strukturellen Wandel durchlaufen hat, bestätigt jedoch auch, dass tief verwurzelte Ungleichheiten hartnäckig bestehen bleiben. Die Studie kommt zu dem Ergebnis, dass Bildung und Berufserfahrung zwar starke Treiber des Einkommens sind, aber nicht die ganze Geschichte erzählen. Stattdessen zeigen die Daten, dass das System Frauen und schwarze Arbeitnehmer systematisch unterbewertet – ein Muster, das mit zunehmender Höhe der Lohnleiter noch gravierender wird.
Die Forscher begannen damit, die Rohzahlen zu untersuchen, um zu sehen, ob der Arbeitsmarkt der 2020er Jahre anders aussah als der der 2010er Jahre. Sie fanden einen klaren Bruch zwischen den beiden Zeiträumen, was darauf hindeutet, dass die Wirtschaftslandschaft durch jüngste Krisen, Reformen und Änderungen in der Datenerhebung neu geformt wurde. Trotz dieser Verschiebungen verschwanden die grundlegenden Ungleichheiten nicht. Als die Forscher kontrollierten, wo eine Person lebt, in welcher Branche sie arbeitet und wie alt sie ist, blieb eine signifikante Lohnlücke für Frauen bestehen. Tatsächlich zeigten die Daten, dass Frauen in Brasilien im Durchschnitt oft ein höheres Bildungsniveau aufweisen als Männer, aber dennoch weniger verdienen. Dieses Paradoxon veranlaste das Team dazu, tiefer zu graben, indem sie eine Methode anwandten, die die Lohnlücke in zwei Teile zerlegt: den Teil, der durch beobachtbare Unterschiede wie Schulbildung erklärt werden kann, und den Teil, der durch diese Faktoren nicht erklärt werden kann.
Die Ergebnisse dieser Trennung waren bemerkenswert. Die Forscher berechneten, dass, wenn Frauen exakt dieselben beobachtbaren Merkmale wie Männer hätten, ihre Löhne tatsächlich höher vorhergesagt würden, nicht niedriger. Dennoch verdienen Männer in der Realität mehr. Die gesamte Lücke, und sogar noch darüber hinaus, wird durch den „unerklärten“ Teil getrieben. Dieser unerklärte Unterschied, der mehr als 15 Prozent der Lücke ausmacht, deutet darauf hin, dass Frauen im Vergleich zu Männern geringere Erträge für ihre Fähigkeiten und ihre Erfahrung erhalten. Die Studie fand auch heraus, dass das Modell, das zur Vorhersage von Löhnen verwendet wurde, die Bezahlung von Frauen und schwarzen Arbeitnehmern konsistent unterschätzte, was weiter darauf hindeutet, dass das System nicht nur Daten vermissen lässt, sondern strukturell gegen sie voreingenommen ist.
Der vielleicht aufschlussreichste Teil der Studie ergab sich aus der Betrachtung der Lohnverteilung nicht als ein einzelner Durchschnitt, sondern als ein Spektrum vom niedrigsten bis zum höchsten Verdiener. Die Forscher entdeckten, dass die Ungleichheit nicht gleichmäßig verteilt ist; sie intensiviert sich, je weiter man die Leiter hinaufsteigt. Dieses Phänomen, das oft als „gläserne Decke“ bezeichnet wird, bedeutet, dass die Nachteile für Frauen oder schwarze Arbeitnehmer am unteren Ende der Einkommensskala viel geringer sind, aber im oberen Bereich dramatisch zunehmen. So beträgt beispielsweise die Lohnlücke zwischen Männern und Frauen etwa 12 Prozent für die untersten Zehntel der Verdiener, steigt aber für das oberste Zehntel auf fast 47 Prozent an. Ähnlich verhält es sich mit dem Malus für schwarze Arbeitnehmer, der von etwa 4 Prozent am unteren Ende auf über 13 Prozent an der Spitze wächst. Dieses Muster legt nahe, dass Einstiegsjobs zwar relativ zugänglich sein mögen, die Barrieren für das Erreichen der höchstbezahlten Führungs- und Spezialistenrollen jedoch gewaltig sind und Frauen sowie schwarze Arbeitnehmer überproportional betreffen.
Die Studie untersuchte auch, wer tatsächlich die verschiedenen Ebenen des Lohnspektrums besetzt. Die Daten offenbarten eine drastische demografische Verschiebung: Während schwarze und gemischtrassische Arbeitnehmer die Mehrheit des am niedrigsten bezahlten Segments ausmachen, schrumpft ihre Repräsentanz drastisch, sobald die Löhne steigen, während weiße Arbeitnehmer an der Spitze zunehmend dominieren. Dies deutet darauf hin, dass die „gläserne Decke“ nicht nur davon handelt, wie viel Menschen für die gleiche Arbeit bezahlt bekommen, sondern auch davon, wer überhaupt Zugang zu den hochbezahlten Jobs hat. Die Kombination dieser beiden Kräfte – ungleicher Zugang zu Spitzenpositionen und ungleiche Bezahlung derjenigen, die es tatsächlich dorthin schaffen – erzeugt einen kumulativen Effekt, der die Ungleichheit hoch hält.
Um die Robustheit ihrer Ergebnisse sicherzustellen, testeten die Forscher ihre Schlussfolgerungen mithilfe fortgeschrittener Computermodelle, die als maschinelles Lernen bekannt sind und darauf ausgelegt sind, komplexe Muster in großen Datensätzen zu finden, die die traditionelle Statistik möglicherweise übersehen würde. Diese Modelle, die aus den Daten lernten, ohne spezifische Regeln vorgegeben zu bekommen, bestätigten, dass Bildung und der Wirtschaftssektor die stärksten Prädiktoren für Löhne sind. Die Machine-Learning-Modelle zeigten jedoch auch, dass die Beziehung zwischen diesen Faktoren und der Bezahlung nicht einfach oder linear ist; sie beinhaltet komplexe Interaktionen, die je nach Gruppe variieren. Obwohl diese Computermodelle besser in der Lage waren, exakte Lohnzahlen vorherzusagen als die traditionellen Gleichungen, betonten die Forscher, dass die einfacheren statistischen Modelle essenziell für das Verständnis der zugrunde liegenden Ursachen der Ungleichheit waren.
Die Autoren kommen zu dem Schluss, dass der brasilianische Arbeitsmarkt durch eine duale Realität gekennzeichnet ist. Einerseits gab es Fortschritte und strukturelle Veränderungen im letzten Jahrzehnt. Andererseits haben sich die Mechanismen der Ungleichheit eher entwickelt als aufgelöst. Die Persistenz einer großen unerklärten Lohnlücke bei Frauen, trotz ihrer bildungsbezogenen Vorteile, deutet auf eine strukturelle Diskriminierung hin, die durch einfache Maße wie Jobtitel oder Standort nicht erfasst wird. Die Verschärfung der rassistischen und geschlechtsspezifischen Nachteile auf den höchsten Einkommensniveaus legt nahe, dass der Weg nach oben durch Barrieren blockiert ist, die über individuelles Verdienst hinausgehen. Die Studie behauptet nicht, das Problem gelöst oder jede einzelne Ursache identifiziert zu haben, aber sie liefert eine klare, datengestützte Karte dessen, wo die Ungleichheiten liegen. Sie zeigt, dass die Beseitigung der Lohnunterschiede mehr erfordert als nur die Erweiterung der Bildung; es wird notwendig sein, die spezifischen Barrieren anzugehen, die Frauen und schwarze Arbeitnehmer daran hindern, in den höchsten Ebenen der formalen Wirtschaft aufzusteigen und erfolgreich zu sein.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.