Inferential Analysis and Predictive Modeling of Wages in Brazil: Empirical Evidence from RAIS Administrative Records (2010–2023)
Utilizando datos administrativos de la RAIS brasileña de 2010 a 2023, este estudio combina la estadística inferencial y el modelado predictivo para revelar desigualdades salariales estructurales persistentes, demostrando que las disparidades de género y raza se amplían significativamente en los percentiles salariales más altos y son impulsadas en gran medida por diferenciales no explicados, mientras que los métodos de ensamble superan a la regresión tradicional en la predicción de ingresos.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Comprender cómo las personas se ganan la vida es una de las preguntas más antiguas en la economía, pero en un país tan vasto y variado como Brasil, la respuesta rara vez es sencilla. Durante décadas, los investigadores han intentado desentrañar por qué algunos trabajadores ganan significativamente más que otros, incluso cuando parecen tener las mismas habilidades o trabajar en los mismos lugares. El enigma central involucra tres fuerzas principales: el valor de la educación, la influencia de dónde y qué hace alguien para ganarse la vida, y las brechas persistentes que permanecen basadas en el género y la raza. Si bien es ampliamente conocido que las mujeres y los trabajadores negros suelen ganar menos, la pregunta crítica es si esta brecha existe porque tienen menos educación o trabajan en empleos peor pagados, o si la brecha persiste incluso cuando se contabilizan esos factores. Esta distinción es profundamente importante para las políticas públicas, porque si la brecha es causada por diferencias en las cualificaciones, la solución son mejores escuelas; si la brecha permanece tras contabilizar las cualificaciones, sugiere que hay algo más profundo en juego, como la discriminación o las barreras para el ascenso.
Un equipo de investigadores de la Universidad de São Paulo ha abordado esta cuestión utilizando un registro masivo y detallado del mercado laboral formal brasileño. Analizaron datos de más de 600.000 relaciones laborales que abarcan desde 2010 hasta 2023, extraídos de un registro gubernamental que funciona casi como un censo de los trabajadores formales. Al combinar métodos estadísticos tradicionales con algoritmos informáticos modernos, los investigadores mapearon cómo se determinan los salarios y si las reglas del juego han cambiado con el tiempo. Su trabajo revela que el mercado laboral brasileño ha experimentado un cambio estructural significativo en la última década, pero también confirma que las desigualdades profundamente arraigadas permanecen obstinadamente fijas. El estudio encuentra que, si bien la educación y la experiencia son motores poderosos de ingresos, no cuentan toda la historia. En cambio, los datos muestran que el sistema infravalora sistemáticamente a las mujeres y a los trabajadores negros, un patrón que se vuelve aún más severo cuanto más alto se mira en la escala salarial.
Los investigadores comenzaron examinando los números brutos para ver si el mercado laboral de la década de 2020 era diferente al de la de 2010. Encontraron una ruptura clara entre los dos períodos, lo que sugiere que el panorama económico ha sido remodelado por crisis recientes, reformas y cambios en la forma en que se recopilan los datos. Sin embargo, a pesar de estos cambios, las desigualdades fundamentales no desaparecieron. Cuando los investigadores controlaron dónde vive una persona, en qué industria trabaja y qué edad tiene, una brecha salarial significativa persistió para las mujeres. De hecho, los datos mostraron que las mujeres en Brasil a menudo poseen niveles de educación más altos en promedio que los hombres, pero aun así ganan menos. Esta paradoja llevó al equipo a profundizar, utilizando un método que separa la brecha salarial en dos partes: la porción explicada por diferencias observables, como la escolaridad, y la porción que no puede explicarse por estos factores.
Los resultados de esta separación fueron impactantes. Los investigadores calcularon que si las mujeres tuvieran exactamente las mismas características observables que los hombres, sus salarios serían en realidad predichos como más altos, no más bajos. Sin embargo, en la realidad, los hombres siguen ganando más. Toda la brecha, y más allá, es impulsada por la porción "no explicada". Esta diferencia no explicada, que representa más del 15 por ciento de la brecha, sugiere que las mujeres están recibiendo menores retornos por sus habilidades y experiencia en comparación con los hombres. El estudio también encontró que el modelo utilizado para predecir los salarios subestimaba consistentemente la remuneración de las mujeres y de los trabajadores negros, lo que indica además que el sistema no solo está perdiendo datos, sino que es estructuralmente sesgado contra ellos.
Quizás la parte más reveladora del estudio provino de observar la distribución salarial no como un promedio único, sino como un espectro desde los que menos ganan hasta los que más ganan. Los investigadores descubrieron que la desigualdad no es uniforme; se intensifica a medida que uno sube en la escala. Este fenómeno, a menudo llamado "techo de cristal", significa que las penalizaciones por ser mujer o un trabajador negro son mucho menores en la base de la escala de ingresos, pero crecen drásticamente en la cima. Por ejemplo, la brecha salarial entre hombres y mujeres es de aproximadamente un 12 por ciento para los que están en el décimo inferior de ingresos, pero aumenta más del triple hasta casi un 47 por ciento para los que están en el décimo superior. Del mismo modo, la penalización por ser negro crece de aproximadamente un 4 por ciento en la base a más del 13 por ciento en la cima. Este patrón sugiere que, si bien los trabajos de nivel inicial pueden ser relativamente accesibles, las barreras para alcanzar los roles de liderazgo y especialización mejor pagados son formidables y afectan desproporcionadamente a las mujeres y a los trabajadores negros.
El estudio también examinó quién ocupa realmente estos diferentes niveles del espectro salarial. Los datos revelaron un cambio demográfico marcado: mientras que los trabajadores negros y mestizos constituyen la mayoría del segmento peor pagado, su representación disminuye drásticamente a medida que los salarios aumentan, mientras que los trabajadores blancos se vuelven cada vez más dominantes en la cima. Esto indica que el "techo de cristal" no se trata solo de cuánto gana la gente por el mismo trabajo, sino también de quién accede a los trabajos mejor pagados en primer lugar. La combinación de estas dos fuerzas —el acceso desigual a los puestos superiores y la remuneración desigual para aquellos que sí llegan a ellos— crea un efecto compuesto que mantiene alta la desigualdad.
Para asegurar que sus hallazgos fueran robustos, los investigadores probaron sus conclusiones utilizando modelos informáticos avanzados conocidos como aprendizaje automático (machine learning), los cuales están diseñados para encontrar patrones complejos en grandes conjuntos de datos que la estadística tradicional podría pasar por alto. Estos modelos, que aprendieron de los datos sin que se les dieran reglas específicas, confirmaron que la educación y el sector económico son los predictores más fuertes de los salarios. Sin embargo, los modelos de aprendizaje automático también mostraron que la relación entre estos factores y la remuneración no es simple ni lineal; involucra interacciones complejas que varían entre diferentes grupos. Aunque estos modelos informáticos fueron mejores para predecir cifras salariales exactas que las ecuaciones tradicionales, los investigadores enfatizaron que los modelos estadísticos más simples eran esenciales para comprender las causas subyacentes de la desigualdad.
Los autores concluyen que el mercado laboral brasileño se caracteriza por una realidad dual. Por un lado, ha habido progreso y cambios estructurales durante la última década. Por otro lado, los mecanismos de la desigualdad han evolucionado en lugar de desaparecer. La persistencia de una gran brecha salarial no explicada para las mujeres, a pesar de sus ventajas educativas, apunta a una discriminación estructural que no es capturada por medidas simples de cargo laboral o ubicación. El profundo de las penalizaciones raciales y de género en los niveles de ingresos más altos sugiere que el camino hacia la cima está bloqueado por barreras que van más allá del mérito individual. El estudio no pretende haber resuelto el problema o identificado cada una de sus causas, pero proporciona un mapa claro y basado en datos de dónde residen las desigualdades. Muestra que solucionar las brechas salariales requerirá más que solo expandir la educación; requerirá abordar las barridades específicas que impiden que las mujeres y los trabajadores negros accedan y prosperen en los niveles más altos de la economía formal.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.