Inferential Analysis and Predictive Modeling of Wages in Brazil: Empirical Evidence from RAIS Administrative Records (2010–2023)
Utilizzando i dati amministrativi RAIS brasiliani dal 2010 al 2023, questo studio combina la statistica inferenziale e la modellazione predittiva per rivelare persistenti disuguaglianze salariali strutturali, dimostrando che le disparità di genere e razziali si ampliano significativamente ai percentili salariali più elevati e sono guidate ampiamente da differenziali non spiegati, mentre i metodi ensemble superano la regressione tradizionale nella previsione dei guadagni.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Comprendere come le persone guadagnino da vivere è una delle domande più antiche dell'economia, ma in un paese vasto e variegato come il Brasile, la risposta è raramente semplice. Per decenni, i ricercatori hanno cercato di sbrogliare il motivo per cui alcuni lavoratori guadagnano significativamente di più di altri, anche quando sembrano avere le stesse competenze o lavorare negli stessi luoghi. Il rompicapo centrale riguarda tre forze principali: il valore dell'istruzione, l'influenza del luogo e del tipo di attività svolta, e i persistenti divari che rimangono basati sul genere e sulla razza. Sebbene sia ampiamente noto che le donne e i lavoratori neri guadagnino spesso meno, la domanda critica è se questo divario esista perché hanno meno istruzione o lavorano in lavori meno pagati, o se il divario persista anche quando questi fattori vengono presi in considerazione. Questa distinzione è profondamente importante per le politiche pubbliche, perché se il divario è causato da differenze nelle qualifiche, la soluzione è una migliore istruzione; se il divardo rimane dopo aver considerato le qualifiche, suggerisce che sia in gioco qualcosa di più profondo, come la discriminazione o le barriere all'avanzamento.
Un team di ricercatori dell'Università di San Paolo ha affrontato questa questione utilizzando un record massiccio e dettagliato del mercato del lavoro formale brasiliano. Hanno analizzato dati provenienti da oltre 600.000 rapporti di lavoro tra il 2010 e il 2023, tratti da un registro governativo che funziona quasi come un censimento dei lavoratori formali. Combinando i metodi statistici tradizionali con moderni algoritmi informatici, i ricercatori hanno mappato come vengono determinati i salari e se le regole del gioco siano cambiate nel tempo. Il loro lavoro rivela che il mercato del lavoro brasiliano ha subito un significativo cambiamento strutturale nell'ultimo decennio, ma conferma anche che profonde disuguaglianze rimangono ostinatamente fisse. Lo studio scopre che, sebbene l'istruzione e l'esperienza siano potenti motori di reddito, esse non raccontano tutta la storia. Al contrario, i dati mostrano che il sistema svaluta sistematicamente le donne e i lavoratori neri, un modello che diventa ancora più severo man mano che si sale nella scala salariale.
I ricercatori hanno iniziato esaminando i numeri grezzi per vedere se il mercato del lavoro degli anni 2020 fosse diverso da quello degli anni 2010. Hanno riscontrato una netta rottura tra i due periodi, suggerendo che il panorama economico sia stato rimodellato da crisi recenti, riforme e cambiamenti nel modo in cui i dati vengono raccolti. Tuttavia, nonostante questi cambiamenti, le disuguaglianze fondamentali non sono scomparse. Quando i ricercatori hanno controllato per il luogo di residenza, il settore di impiego e l'età, un significativo divario salariale è rimasto per le donne. Infatti, i dati hanno mostrato che le donne in Brasile possiedono spesso livelli di istruzione mediamente più elevati rispetto agli uomini, eppure guadagnano meno. Questo paradosso ha spinto il team ad approfondire, utilizzando un metodo che separa il divario salariale in due parti: la porzione spiegata dalle differenze osservabili, come l'istruzione, e la porzione che non può essere spiegata da questi fattori.
I risultati di questa separazione sono stati sorprendenti. I ricercatori hanno calcolato che se le donne avessero esattamente le stesse caratteristiche osservabili degli uomini, i loro salari sarebbero stati predetti come più alti, non più bassi. Eppure, nella realtà, gli uomini guadagnano ancora di più. L'intero divario, e anche oltre, è guidato dalla porzione "non spiegata". Questa differenza non spiegata, che rappresenta più del 15 percento del divario, suggerisce che le donne ricevono rendimenti inferiori per le loro competenze e la loro esperienza rispetto agli uomini. Lo studio ha anche rilevato che il modello utilizzato per prevedere i salari sottostimava costantemente la paga di donne e lavoratori neri, indicando ulteriormente che il sistema non sta solo perdendo dati, ma è strutturalmente prevenuto contro di loro.
Forse la parte più rivelatrice dello studio è derivata dall'osservare la distribuzione salariale non come una singola media, ma come uno spettro che va dai redditi più bassi a quelli più alti. I ricercatori hanno scoperto che la disuguaglianza non è uniforme; essa si intensifica man mano che si sale la scala. Questo fenomeno, spesso chiamato "soffitto di vetro", significa che le penalizzazioni per essere una donna o un lavoratore nero sono molto più piccole alla base della scala del reddito, ma crescono drammaticamente in cima. Ad esempio, il divario salariale tra uomini e donne è di circa il 12 percento per coloro che si trovano nel decile più basso dei redditi, ma più che triplica arrivando a quasi il 47 percento per il decile superiore. Allo stesso modo, la penalizzazione per essere neri cresce dal 4 percento circa alla base a oltre il 13 percento in cima. Questo schema suggerisce che, mentre i lavori di livello iniziale potrebbero essere relativamente accessibili, le barriere per raggiungere i ruoli di leadership e specializzati più pagati sono formidabili e colpiscono in modo sproporzionato donne e lavoratori neri.
Lo studio ha anche esaminato chi occupa effettivamente i diversi livelli dello spettro salariale. I dati hanno rivelato un netto cambiamento demografico: mentre i lavoratori neri e meticci costituiscono la maggioranza del segmento meno pagato, la loro rappresentanza diminuisce drasticamente al crescere dei salari, mentre i lavoratori bianchi diventano sempre più dominanti in cima. Ciò indica che il "soffitto di vetro" non riguarda solo quanto le persone vengono pagate per lo stesso lavoro, ma anche chi ha accesso ai lavori meglio retribuiti in primo luogo. La combinazione di queste due forze — l'accesso diseguale alle posizioni apicali e la paga diseguale per coloro che vi raggiungono — crea un effetto cumulativo che mantiene alta la disuguaglianza.
Per garantire la robustezza delle loro conclusioni, i ricercatori hanno testato i loro risultati utilizzando modelli informatici avanzati noti come machine learning, progettati per trovare schemi complessi in grandi set di dati che la statistica tradizionale potrebbe perdere. Questi modelli, che hanno appreso dai dati senza ricevere regole specifiche, hanno confermato che l'istruzione e il settore economico sono i predittori più forti dei salari. Tuttavia, i modelli di machine learning hanno anche mostrato che la relazione tra questi fattori e la paga non è semplice o lineare; coinvolge interazioni complesse che variano tra i diversi gruppi. Sebbene questi modelli informatici fossero migliori nel prevedere i numeri esatti dei salari rispetto alle equazioni tradizionali, i ricercatori hanno sottolineato che i modelli statistici più semplici erano essenziali per comprendere le cause sottostanti della disuguaglianza.
Gli autori concludono che il mercato del lavoro brasiliano è caratterizzato da una doppia realtà. Da un lato, c'è stato progresso e cambiamento strutturale nell'ultimo decennio. Dall'altro, i meccanismi della disuguaglianza si sono evoluti piuttosto che scomparsi. La persistenza di un ampio divario salariale non spiegato per le donne, nonostante i loro vantaggi educativi, punta verso una discriminazione strutturale che non è catturata da semplici misure di titolo lavorativo o posizione. L'approfondimento delle penalità razziali e di genere ai livelli di reddito più elevati suggerisce che il percorso verso la vetta è bloccato da barriere che vanno oltre il merito individuale. Lo studio non sostiene di aver risolto il problema o di aver identificato ogni singola causa, ma fornisce una mappa chiara e basata sui dati di dove si collocano le disuguaglianze. Dimostra che colmare i divari salariali richiederà molto più che espandere l'istruzione; richiederà di affrontare le barriere specifiche che impediscono a donne e lavoratori neri di accedere e prosperare nei livelli più alti dell'economia formale.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.