Where Do the Returns to Schooling Come From? Educational Transitions and Labor Market Payoffs

Resumo Técnico: "De onde vêm os retornos da escolaridade? Transições educacionais e ganhos no mercado de trabalho"

Problema
A pesquisa convencional sobre os retornos da educação baseia-se tipicamente em duas abordagens: medir a educação como uma variável contínua de "anos de escolaridade" ou dicotomizar o nível de instrução como um tratamento em um ponto específico no tempo (ex: conclusão do ensino médio vs. não conclusão). O autor argumenta que essas conceitualizações não se alinham com a natureza sequencial das transições educacionais, onde os indivíduos tomam uma série de decisões dependentes (ex: conclusão do ensino médio $\to$ frequência ao ensino superior $\to$ obtenção de diploma $\to$ pós-graduação). Os métodos existentes falham em separar os retornos diretos ao mercado de trabalho de um nível educacional específico dos retornos indiretos mediados por transições educacionais subsequentes. Consequentemente, as intervenções de políticas públicas não podem ser avaliadas de forma eficaz com base se elas impulsionam os resultados promovendo mais educação ou se fornecem vantagens diretas no mercado de trabalho.

Estrutura Metodológica
O artigo propõe um framework de mediação causal especificamente desenhado para mediadores binários monotônicos em um cenário sequencial.

• Suposição de Monotonicidade: O framework baseia-se na característica estrutural de que as transições educacionais são monotônicas: um indivíduo não pode completar uma transição de nível superior (ex: graduação universitária) sem antes completar a anterior (ex: conclusão do ensino médio). Formalmente, se $M_k = 0$, então $M_{k+1} = 0$. Esta suposição exclui "defensores" (defiers) e "sempre-tomadores" (always-takers) no contexto da progressão educacional.
• Decomposição do Efeito Médio do Tratamento (ATE): O autor deriva uma decomposição do ATE de uma transição educacional inicial ($A$) sobre um resultado ($Y$, ex: rendimentos) em $K+1$ Efeitos de Caminho Específicos Monotônicos (MPSEs) mutuamente exclusivos:
  1. Um Efeito Direto ($\Delta_0$): O efeito de $A$ sobre $Y$ líquido de todas as $K$ transições subsequentes.
  2. $K$ Efeitos de Continuação (ou Brutos) ($\theta_k$): Os efeitos que operam através de cadeias causais específicas (ex: $A \to M_1 \to Y$, $A \to M_1 \to M_2 \to Y$).
• Identificação: Diferente da análise de mediação convencional, que frequentemente exige suposições de independência "cross-world" (excluindo todos os confundidores pós-tratamento), este framework utiliza a Ignorabilidade Sequencial. Esta suposição, mais fraca, permite a presença de confundidores intermediários observados ($Z_k$) que afetam a relação entre um mediador e o resultado, desde que esses confundidores sejam mensurados. A restrição de monotonicidade garante que a decomposição seja algebricamente única e identifique todos os caminhos causais, enquanto as decomposições padrão com múltiplos mediadores ordenados frequentemente falham em identificar efeitos de caminho puros devido a violações dos critérios de "testemunha retratante" (recanting witness).
• Estratégias de Estimação: O artigo introduz duas abordagens de estimação:
  1. Aprendizado de Máquina Sem Viés (DML - Debiased Machine Learning): Um estimador semiparamétrico utilizando Funções de Influência Eficientes (EIFs) e cross-fitting. Esta abordagem é robusta à especificação incorreta do modelo e a covariáveis de alta dimensão.
  2. Regressão com Resíduos (RWR - Regression-with-Residuals): Uma abordagem paramétrica utilizando modelos lineares e residualização sequencial. Embora menos robusta à especificação incorreta, oferece uma ligação transparente entre os componentes da decomposição e os coeficientes de regressão.

Aplicação Empírica e Resultados
O framework é aplicado à coorte NLSY97 ($N=7.305$) para analisar os retornos da conclusão do ensino médio sobre o rendimento anual logarítmico (idades 32–36). A análise decompõe o efeito total em:

• Efeito direto da conclusão do ensino médio (líquido do ensino superior).
• Efeitos indiretos via: (1) Frequência ao ensino superior sem graduação, (2) Obtenção de graduação sem pós-graduação, e (3) Frequência à pós-graduação.

Principais Achados:

• Dominância de Efeitos Diretos: A vasta maioria (aproximadamente 69–75%) do retorno total da conclusão do ensino médio opera diretamente, líquido da frequência subsequente ao ensino superior e da obtenção de diploma. O efeito direto estimado corresponde a um prêmio salarial de aproximadamente 59–60%.
• Mediação Limitada: Os efeitos indiretos mediados pela frequência ao ensino superior, obtenção de graduação e pós-graduação são relativamente pequenos.
  • O efeito de continuação via frequência ao ensino superior (sem graduação) e via obtenção de graduação (sem pós-graduação) cada um responde por cerca de 15% do efeito total.
  • O caminho através da pós-graduação é negligenciável e estatisticamente insignificante.
• Mecanismo de Pequena Mediação: O artigo atribui a pequena mediação indireta não aos baixos retornos dos diplomas universitários, mas às baixas taxas de progressão contrafactual. Mesmo que os graduados do ensino médio frequentassem o ensino superior, a probabilidade de completarem uma graduação ou frequentarem a pós-graduação sem intervenção adicional é baixa. Assim, o caminho de "continuação" é limitado pela baixa probabilidade de percorrer toda a cadeia educacional.
• Robustez: Análises de sensibilidade em relação ao confundimento não observado sugerem que o principal achado — que os retornos são predominantemente diretos — permanece robusto mesmo sob suposições fortes sobre confundidores não mensurados.

Significância e Contribuições
O artigo apresenta três contribuições principais:

1. Pesquisa Educacional: Fornece uma decomposição não paramétrica dos efeitos da escolaridade que distingue entre retornos diretos no mercado de trabalho e retornos mediados por educação adicional. Isso permite uma compreensão mais matizada de por que a educação compensa, indo além das simples estimativas de "anos de escolaridade".
2. Análise de Mediação Causal: Estende a literatura sobre efeitos de caminho específicos (PSEs) ao explorar a monotonicidade das transições sequenciais. Isso permite a identificação de todos os caminhos causais em uma sequência sob suposições mais fracas (ignorabilidade sequencial) do que as exigidas para configurações gerais de múltiplos mediadores, que frequentemente não conseguem identificar efeitos de caminho puros devido a testemunhas retratantes.
3. Avanço Metodológico: Introduz e valida estimadores semiparamétricos (DML) para efeitos de caminho específicos monotônicos, demonstrando sua superioridade sobre métodos paramétricos (RWR) na presença de especificação incorreta do modelo.

O autor conclui que o framework é aplicável a outros domínios caracterizados por transições dependentes de estado e monotônicas, como formação familiar (casamento/divórcio), progressão de saúde ou contato com o sistema de justiça criminal, embora o artigo foque sua demonstração empírica na educação.