Diferença salarial entre gêneros: análise das regiões brasileiras os anos de 2016 a 2021

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Santos, Leomar dos lattes
Orientador(a): Hilgemberg, Cleise Maria de Almeida Tupich lattes
Banca de defesa: Souza, Solange de Cassia Inforzato de lattes, Oliveira, Luma de lattes
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual de Ponta Grossa
Programa de Pós-Graduação: Programa de Pós - Graduação em Economia
Departamento: Departamento de Economia
País: Brasil
Palavras-chave em Português:
Área do conhecimento CNPq:
Link de acesso: http://tede2.uepg.br/jspui/handle/prefix/4252
Resumo: O objetivo desta pesquisa é analisar a diferença salarial entre gêneros nas macrorregiões brasileiras. Para tanto, buscou-se o referencial teórico sobre os conceitos de capital humano, da segmentação no mercado de trabalho e da discriminação, incluindo relatos sobre fatores que geram os diferenciais salariais. Alguns autores utilizados são Schultz (1964, 1973), Becker (1957, 1973), Mincer (1958), Doeringer e Piore (1970), os quais demonstram que o capital humano é uma das principais fontes que podem contribuir para o aumento do nível de renda. A pesquisa de dados foi realizada com análise dos microdados da PNAD Contínua, com dados das grandes regiões brasileiras no período de 2016 a 2019, e os anos de 2020 e 2021 com influência da Covid-19, para os indivíduos do sexo feminino e masculino. O método utilizado para análise dos dados foi o método de decomposição de Oaxaca- Blinder (1973), que faz uma decomposição dos rendimentos médios de cada um dos gêneros, onde se dividem os diferenciais em uma parte explicada pelas diferenças produtivas dos indivíduos e outra não explicada, com quesitos como cor, raça, gênero, religião. Os resultados mostram que os homens possuem menores níveis de educação e maiores rendimentos comparados com o sexo feminino. A divergência passa a ser notada quando os dados são analisados por região, pois se constata que as regiões mais desenvolvidas economicamente possuem maiores índices de discriminação e desigualdade do que regiões com médias salariais menores. Portanto, através da decomposição de rendimentos podemos encontrar a persistência do tamanho da discriminação entre os gêneros. Também foi possível constatar que houve um aumento do tamanho discriminatório nas regiões do Nordeste e Norte nos anos de 2020 e 2021 períodos afetados pela Covid-19, onde os níveis salariais dos anos anteriores não haviam uma tendência de crescimento.
id UEPG_e4c7d0788da42e66142c9e6538ac3b2c
oai_identifier_str oai:tede2.uepg.br:prefix/4252
network_acronym_str UEPG
network_name_str Biblioteca Digital de Teses e Dissertações da UEPG
repository_id_str
spelling Hilgemberg, Cleise Maria de Almeida Tupichhttps://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4753778J9&tokenCaptchar=03AFcWeA6j6THpPpYdV0lthGvgSS5OS0Q4QQSXLeOU1OAIX6UypRG1Y9GVB7hnjk3c7HXYJxT5KFqB_JPUGLrzV3wi7nzzmuSJYqll2B_kO_y_GQtPwt6i5RPsOmkvOizwWZj76etsiwLZBaYdeNRjFWLwEOPstoNYKnFl5WM6UI4DAhUy6yO3CAuqDm1JSBb7qiTHsYqM-PxUv5TuxOYAjXvVsYDrwNzmy6mb9M9U1nw0ALCB1NvX_L-oHqHlZDQrnLmdezgLInOyEBVFTLtr-Hs4_OznLMn7xP-XIDWjI-f7wr2OKfV-RQF6DRWVSQdFg-dP_VrjEuNKC9yJkzZYQ_TwkqE7MYYzvpDNbjcgY2yCXXFWXHb8bWFIQqwL6kvZBT6AukhTkXO_DrSZw1JLMOJz1zq2QLKfbyHyP-prWzVG9oHW692k_fLCoJa3ZSFBSVR6wJra4lixHqPx1mfodbJ1mQiCXDUAO_GROeoopmpCfyKwugQGcpA2OeUswvwGNG9V2pf8zonv6T0MKBb8ejloRE5dqJa6MaiAVstFE1t8e31bHjNa9ad9va_qVw8pu26LgVSBxwu6ZsVNy3DLQLixKIVjR8LDH7wKNw4KsRo7JeGWEoryahmb1J8rQVPw-mBvSLvzBKWSgkddJb2Mnn8PdzPG-UGW0s28awO6AUun_a1NO_l7gkR-dPvQ15lNWGwYADA_CwwG2iCMkveoVKAVx7TsDFarSIRiEPbYOdZZ-bKhAf1-_l2EcY7XTBXB_f8R9E-yv1zBOliveira, Luma dehttps://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4462814Z0&tokenCaptchar=03AFcWeA7yYmAyEGlDnrjW8TXjnO-TgJE0BHDEgKTngx7UxzlUnpF935Gy-hs87-fNU5kV-ZdnRE6D4FTxp6cv2uB_02pTEroFYn9mLkzuFOZXc5BzXFusThunsk9lI1xhVcrCnYHPd29CjLI6Gd_y2o0AJuAVa9fKYraaOM6Td-sPD5F3oNxGfWa93PYFf4mgClg8A5-5vRbqu1lsWFzEsl6yWZ30DBFQFsMdsilf9uE_Fk5blD5J2eWkxCFQCTm4du6dptC9JvyxRHbb1kzDFw0zpo-59omKOIdWpuFSHineytPE551zutPEsUi5su89x44FOMgwMe1muW6uPFfiuP44GpAnVVIZcShx4e6ukCp01808AMW-wnWsPYA1e0P4EvC4RwdeFXs48pm2-_Nb3fy5Xr2wqzETyfizTtuyjOa6su05mUlXhkxTJRy6zDkzeAgcfUlRBEVWnQt6yxpGsRswnbtv-XVMYdexgQLsq9V8mLqW_95iZ9cIqWEK-1y0trR5O1QA1JxyEoR9scS_oivmmkHg4SaEe0MSjAbUEfEREP5Kzf4Pf_S6RApHaxumSD_fpak5ThT7nNolMxja0LKuYwDl6SNyRoL9x9KXKVHpaaml_Lmn8M4e_yDxBC8-lQiBsFbD8Kt12WhC6X8BMNTxvtb3i-Txc_Veov-j9Hj3UAv3XJ57LrrVoVo0DS7nL3t6Bg3_nFy98dT2BmUg0i827UAEYlByC2Q8K9NCMQ3CH8sad8PxM7KMMbj7zV38Ren2aPh_h-B-Souza, Solange de Cassia Inforzato dehttps://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4723203A7&tokenCaptchar=03AFcWeA4IoIdbhigxB2E1hlolzuZO78qzS1SOHXhf2hGqvBabJ0U1fsstFUsYnWsoSCY-zTVhrzYxZX4u09xLClJc18jpjVRIg4a_8UAHXRMKQmNwnS4wDCKm1nNN6Tj1tatR6MUCYTPSY1KRPnxHIr7NMyv5hZS4j3soKwPMrPvpTNohSgpR9_rICAgRKLFMzEd3EIAjwF-mxmnbKOpBs7jeBwM6Cmpkj2O2xgNPlpj5fwRFBEDAIw3mnwx7ByjaidF58OWSc2T2lOmYXtP0BQoWZhN0FM8XmPrVTasDIDSOarWwhINClHk8AhzgSPkI1uAdPE8camFpOgO7a6uR9o4ZcsysOir8gPxzYmDgFwRSSXvdalklfGPJsHxpO_Hj2bvFP9h-7mkjSjGQo-gMhLfC7vNjhGnXUBw0gy_f-Y7C0Z3avsUHrAQWea_NxjN9n4V7dBjg4UCuV5tD01_t7opsmkGRUkwuIZzNz7hHdNl-4KuTTUgrVn2jLqlXUHxDpUPNgRc6y5bh_XESqS0kCYFgqZJ-dRITFwkd-MzhzJlLmffuIEH1J3-V2n0GT57Zb8UtJSX7vOkO7rIlGEgIXu0_Bdw1b3i6-DAfnAHa_uNK5fSiz4nVW_4BHBe8WCnzLLHOx651TizmPW3dr3kRJ93XaTDysSeXN7O7hNAHKRgXPJkWZNvqZpgqsVVwX3pNTWjATgnNTzzBYT0ToXz9-_Ue9SpoMC0Y5z-0oAMW9hJJg5pzPAXSy3IDjIRRl1g2u3a5YdFFHMFDOliveira, Luma dehttps://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4462814Z0&tokenCaptchar=03AFcWeA7vaEaNTNH5YXUXyqToDsxeuOj06FjtclL-YqiW4YCcxs6MtiqP2uR5svtdkZaVVrP_XHdcjhldeAPsPhlwECwMreJmETp5WCkFJ6nTeNO1x8e5I-r0oi9Yu95P_STj-RF82Tiqr3-whOU9blsltouLpYGh6gZQuA2vaou94_EuHpwpiaR-ngNKV2FLiOLTljcLWalK_3imCecUspnvSRKz0Tp95hkdiGC8-EJN4_bXyA_ln4Ha9M0JPQfMGA_EVg8EfyzZhE1KKWa_tqWPPD8QzUxVw2fQDCtCCUHXShW_SuWsPQ1683sWSMqZz8R0FWLK2ZxvwbkYgBphXP3l1a19-MeiG-nLaOqDlB53rO7U2Jx41V9t2AehxniQJO0gByfNfOFasDEd8MWEUNoWeHfFatme3A4f-DxJuO85iVO3tcqpUIrSipdOgqYBBPJsuavTpJO7Tmjw3o7-yIWKo1o7YsgkNrW6zvWcucKXK0xgPpDYocRsVjvkxDACL_yQWncFrlXYs1RcnfiFEwXvr8HZ45suq9K9IZk4x8YvIaWMvpNJf7S5bEHFL6Blx4E1IbXNbxxziksvGHcJ9gH7Y2oCbXWriTWx_DbVrWWRNhRdprar7i4Ds0SM8vs3nmGGLpmEC-ikGBW3_dFqWMkppeDcvd0xEJtI84xbdGrjxYtLFAfXGksrzNeRb9mJ719ypORI1vFioAvIXFUH-WHjhOnLYWBDk0DaGbEpV4CkcsUvkw1SuGKWFthp2qm6kzcTJwxwb4Zrlattes.cnpq.brSantos, Leomar dos2024-06-10T18:01:35Z2024-06-102024-06-10T18:01:35Z2023-09-26SANTOS, Leomar dos. Diferença salarial entre gêneros: análise das regiões brasileiras os anos de 2016 a 2021. 2023. Dissertação (Mestrado em Economia) - Universidade Estadual de Ponta Grossa, Ponta Grossa, 2023.http://tede2.uepg.br/jspui/handle/prefix/4252O objetivo desta pesquisa é analisar a diferença salarial entre gêneros nas macrorregiões brasileiras. Para tanto, buscou-se o referencial teórico sobre os conceitos de capital humano, da segmentação no mercado de trabalho e da discriminação, incluindo relatos sobre fatores que geram os diferenciais salariais. Alguns autores utilizados são Schultz (1964, 1973), Becker (1957, 1973), Mincer (1958), Doeringer e Piore (1970), os quais demonstram que o capital humano é uma das principais fontes que podem contribuir para o aumento do nível de renda. A pesquisa de dados foi realizada com análise dos microdados da PNAD Contínua, com dados das grandes regiões brasileiras no período de 2016 a 2019, e os anos de 2020 e 2021 com influência da Covid-19, para os indivíduos do sexo feminino e masculino. O método utilizado para análise dos dados foi o método de decomposição de Oaxaca- Blinder (1973), que faz uma decomposição dos rendimentos médios de cada um dos gêneros, onde se dividem os diferenciais em uma parte explicada pelas diferenças produtivas dos indivíduos e outra não explicada, com quesitos como cor, raça, gênero, religião. Os resultados mostram que os homens possuem menores níveis de educação e maiores rendimentos comparados com o sexo feminino. A divergência passa a ser notada quando os dados são analisados por região, pois se constata que as regiões mais desenvolvidas economicamente possuem maiores índices de discriminação e desigualdade do que regiões com médias salariais menores. Portanto, através da decomposição de rendimentos podemos encontrar a persistência do tamanho da discriminação entre os gêneros. Também foi possível constatar que houve um aumento do tamanho discriminatório nas regiões do Nordeste e Norte nos anos de 2020 e 2021 períodos afetados pela Covid-19, onde os níveis salariais dos anos anteriores não haviam uma tendência de crescimento.The objective of this research is to analyze the wage gap between genders in Brazilian macro-regions. To this end, a theoretical framework was sought on the concepts of human capital, segmentation in the labor market and discrimination, including reports on factors that generate salary differentials. Some authors used are Schultz (1964, 1973), Becker (1957, 1973), Mincer (1958), Doeringer and Piore (1970), who demonstrate that human capital is one of the main sources that can contribute to increasing the level of income. A data search was carried out with analysis of microdata from the Continuous PNAD, with data from large Brazilian regions in the period from 2016 to 2019, and the years 2020 and 2021 with the influence of Covid-19, for female and male individuals. The method used to analyze the data was the confidence method of Oaxaca-Blinder (1973), which makes an economy of the average income of each gender, where the differences are divided into a part explained by the productive differences of individuals and another not explained. explained, with questions such as color, race, gender, religion. The results show that men have lower levels of education and higher income compared to women. The divergence becomes noticeable when the data is analyzed by region, as it is found that more economically developed regions have higher rates of discrimination and inequality than regions with lower average salaries. Therefore, through the reduction in income we can find the persistence of discrimination between genders. It was also possible to verify that there was an increase in the discriminatory size in the Northeast and North regions in the years 2020 and 2021, periods affected by Covid-19, where salary levels in previous years did not have an upward trend.Submitted by Angela Maria de Oliveira (amolivei@uepg.br) on 2024-06-10T18:01:35Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Leomar dos Santos.pdf: 2276338 bytes, checksum: 9dd39e7ba6dd59fa3ae0bbd9755b0cc2 (MD5)Made available in DSpace on 2024-06-10T18:01:35Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Leomar dos Santos.pdf: 2276338 bytes, checksum: 9dd39e7ba6dd59fa3ae0bbd9755b0cc2 (MD5) Previous issue date: 2023-09-26porUniversidade Estadual de Ponta GrossaPrograma de Pós - Graduação em EconomiaUEPGBrasilDepartamento de EconomiaAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessCNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIADiferenciais salariaisGêneroDiscriminaçãoSalary differentialsGenderDiscrimationDiferença salarial entre gêneros: análise das regiões brasileiras os anos de 2016 a 2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Biblioteca Digital de Teses e Dissertações da UEPGinstname:Universidade Estadual de Ponta Grossa (UEPG)instacron:UEPGLICENSElicense.txtlicense.txttext/plain; charset=utf-81866http://tede2.uepg.br/jspui/bitstream/prefix/4252/3/license.txt43cd690d6a359e86c1fe3d5b7cba0c9bMD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811http://tede2.uepg.br/jspui/bitstream/prefix/4252/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52ORIGINALLeomar dos Santos.pdfLeomar dos Santos.pdfdissertação completa em pdfapplication/pdf2276338http://tede2.uepg.br/jspui/bitstream/prefix/4252/1/Leomar%20dos%20Santos.pdf9dd39e7ba6dd59fa3ae0bbd9755b0cc2MD51prefix/42522024-06-10 15:01:35.279oai:tede2.uepg.br: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 Digital de Teses e Dissertaçõeshttps://tede2.uepg.br/jspui/PUBhttp://tede2.uepg.br/oai/requestbicen@uepg.br||mv_fidelis@yahoo.com.bropendoar:2024-06-10T18:01:35Biblioteca Digital de Teses e Dissertações da UEPG - Universidade Estadual de Ponta Grossa (UEPG)false
dc.title.pt_BR.fl_str_mv Diferença salarial entre gêneros: análise das regiões brasileiras os anos de 2016 a 2021
title Diferença salarial entre gêneros: análise das regiões brasileiras os anos de 2016 a 2021
spellingShingle Diferença salarial entre gêneros: análise das regiões brasileiras os anos de 2016 a 2021
Santos, Leomar dos
CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA
Diferenciais salariais
Gênero
Discriminação
Salary differentials
Gender
Discrimation
title_short Diferença salarial entre gêneros: análise das regiões brasileiras os anos de 2016 a 2021
title_full Diferença salarial entre gêneros: análise das regiões brasileiras os anos de 2016 a 2021
title_fullStr Diferença salarial entre gêneros: análise das regiões brasileiras os anos de 2016 a 2021
title_full_unstemmed Diferença salarial entre gêneros: análise das regiões brasileiras os anos de 2016 a 2021
title_sort Diferença salarial entre gêneros: análise das regiões brasileiras os anos de 2016 a 2021
author Santos, Leomar dos
author_facet Santos, Leomar dos
author_role author
dc.contributor.advisor1.fl_str_mv Hilgemberg, Cleise Maria de Almeida Tupich
dc.contributor.advisor1Lattes.fl_str_mv https://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4753778J9&tokenCaptchar=03AFcWeA6j6THpPpYdV0lthGvgSS5OS0Q4QQSXLeOU1OAIX6UypRG1Y9GVB7hnjk3c7HXYJxT5KFqB_JPUGLrzV3wi7nzzmuSJYqll2B_kO_y_GQtPwt6i5RPsOmkvOizwWZj76etsiwLZBaYdeNRjFWLwEOPstoNYKnFl5WM6UI4DAhUy6yO3CAuqDm1JSBb7qiTHsYqM-PxUv5TuxOYAjXvVsYDrwNzmy6mb9M9U1nw0ALCB1NvX_L-oHqHlZDQrnLmdezgLInOyEBVFTLtr-Hs4_OznLMn7xP-XIDWjI-f7wr2OKfV-RQF6DRWVSQdFg-dP_VrjEuNKC9yJkzZYQ_TwkqE7MYYzvpDNbjcgY2yCXXFWXHb8bWFIQqwL6kvZBT6AukhTkXO_DrSZw1JLMOJz1zq2QLKfbyHyP-prWzVG9oHW692k_fLCoJa3ZSFBSVR6wJra4lixHqPx1mfodbJ1mQiCXDUAO_GROeoopmpCfyKwugQGcpA2OeUswvwGNG9V2pf8zonv6T0MKBb8ejloRE5dqJa6MaiAVstFE1t8e31bHjNa9ad9va_qVw8pu26LgVSBxwu6ZsVNy3DLQLixKIVjR8LDH7wKNw4KsRo7JeGWEoryahmb1J8rQVPw-mBvSLvzBKWSgkddJb2Mnn8PdzPG-UGW0s28awO6AUun_a1NO_l7gkR-dPvQ15lNWGwYADA_CwwG2iCMkveoVKAVx7TsDFarSIRiEPbYOdZZ-bKhAf1-_l2EcY7XTBXB_f8R9E-yv1zB
dc.contributor.advisor-co1.fl_str_mv Oliveira, Luma de
dc.contributor.advisor-co1Lattes.fl_str_mv https://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4462814Z0&tokenCaptchar=03AFcWeA7yYmAyEGlDnrjW8TXjnO-TgJE0BHDEgKTngx7UxzlUnpF935Gy-hs87-fNU5kV-ZdnRE6D4FTxp6cv2uB_02pTEroFYn9mLkzuFOZXc5BzXFusThunsk9lI1xhVcrCnYHPd29CjLI6Gd_y2o0AJuAVa9fKYraaOM6Td-sPD5F3oNxGfWa93PYFf4mgClg8A5-5vRbqu1lsWFzEsl6yWZ30DBFQFsMdsilf9uE_Fk5blD5J2eWkxCFQCTm4du6dptC9JvyxRHbb1kzDFw0zpo-59omKOIdWpuFSHineytPE551zutPEsUi5su89x44FOMgwMe1muW6uPFfiuP44GpAnVVIZcShx4e6ukCp01808AMW-wnWsPYA1e0P4EvC4RwdeFXs48pm2-_Nb3fy5Xr2wqzETyfizTtuyjOa6su05mUlXhkxTJRy6zDkzeAgcfUlRBEVWnQt6yxpGsRswnbtv-XVMYdexgQLsq9V8mLqW_95iZ9cIqWEK-1y0trR5O1QA1JxyEoR9scS_oivmmkHg4SaEe0MSjAbUEfEREP5Kzf4Pf_S6RApHaxumSD_fpak5ThT7nNolMxja0LKuYwDl6SNyRoL9x9KXKVHpaaml_Lmn8M4e_yDxBC8-lQiBsFbD8Kt12WhC6X8BMNTxvtb3i-Txc_Veov-j9Hj3UAv3XJ57LrrVoVo0DS7nL3t6Bg3_nFy98dT2BmUg0i827UAEYlByC2Q8K9NCMQ3CH8sad8PxM7KMMbj7zV38Ren2aPh_h-B-
dc.contributor.referee1.fl_str_mv Souza, Solange de Cassia Inforzato de
dc.contributor.referee1Lattes.fl_str_mv https://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4723203A7&tokenCaptchar=03AFcWeA4IoIdbhigxB2E1hlolzuZO78qzS1SOHXhf2hGqvBabJ0U1fsstFUsYnWsoSCY-zTVhrzYxZX4u09xLClJc18jpjVRIg4a_8UAHXRMKQmNwnS4wDCKm1nNN6Tj1tatR6MUCYTPSY1KRPnxHIr7NMyv5hZS4j3soKwPMrPvpTNohSgpR9_rICAgRKLFMzEd3EIAjwF-mxmnbKOpBs7jeBwM6Cmpkj2O2xgNPlpj5fwRFBEDAIw3mnwx7ByjaidF58OWSc2T2lOmYXtP0BQoWZhN0FM8XmPrVTasDIDSOarWwhINClHk8AhzgSPkI1uAdPE8camFpOgO7a6uR9o4ZcsysOir8gPxzYmDgFwRSSXvdalklfGPJsHxpO_Hj2bvFP9h-7mkjSjGQo-gMhLfC7vNjhGnXUBw0gy_f-Y7C0Z3avsUHrAQWea_NxjN9n4V7dBjg4UCuV5tD01_t7opsmkGRUkwuIZzNz7hHdNl-4KuTTUgrVn2jLqlXUHxDpUPNgRc6y5bh_XESqS0kCYFgqZJ-dRITFwkd-MzhzJlLmffuIEH1J3-V2n0GT57Zb8UtJSX7vOkO7rIlGEgIXu0_Bdw1b3i6-DAfnAHa_uNK5fSiz4nVW_4BHBe8WCnzLLHOx651TizmPW3dr3kRJ93XaTDysSeXN7O7hNAHKRgXPJkWZNvqZpgqsVVwX3pNTWjATgnNTzzBYT0ToXz9-_Ue9SpoMC0Y5z-0oAMW9hJJg5pzPAXSy3IDjIRRl1g2u3a5YdFFHMFD
dc.contributor.referee3.fl_str_mv Oliveira, Luma de
dc.contributor.referee3Lattes.fl_str_mv https://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4462814Z0&tokenCaptchar=03AFcWeA7vaEaNTNH5YXUXyqToDsxeuOj06FjtclL-YqiW4YCcxs6MtiqP2uR5svtdkZaVVrP_XHdcjhldeAPsPhlwECwMreJmETp5WCkFJ6nTeNO1x8e5I-r0oi9Yu95P_STj-RF82Tiqr3-whOU9blsltouLpYGh6gZQuA2vaou94_EuHpwpiaR-ngNKV2FLiOLTljcLWalK_3imCecUspnvSRKz0Tp95hkdiGC8-EJN4_bXyA_ln4Ha9M0JPQfMGA_EVg8EfyzZhE1KKWa_tqWPPD8QzUxVw2fQDCtCCUHXShW_SuWsPQ1683sWSMqZz8R0FWLK2ZxvwbkYgBphXP3l1a19-MeiG-nLaOqDlB53rO7U2Jx41V9t2AehxniQJO0gByfNfOFasDEd8MWEUNoWeHfFatme3A4f-DxJuO85iVO3tcqpUIrSipdOgqYBBPJsuavTpJO7Tmjw3o7-yIWKo1o7YsgkNrW6zvWcucKXK0xgPpDYocRsVjvkxDACL_yQWncFrlXYs1RcnfiFEwXvr8HZ45suq9K9IZk4x8YvIaWMvpNJf7S5bEHFL6Blx4E1IbXNbxxziksvGHcJ9gH7Y2oCbXWriTWx_DbVrWWRNhRdprar7i4Ds0SM8vs3nmGGLpmEC-ikGBW3_dFqWMkppeDcvd0xEJtI84xbdGrjxYtLFAfXGksrzNeRb9mJ719ypORI1vFioAvIXFUH-WHjhOnLYWBDk0DaGbEpV4CkcsUvkw1SuGKWFthp2qm6kzcTJwxwb4Zr
dc.contributor.authorLattes.fl_str_mv lattes.cnpq.br
dc.contributor.author.fl_str_mv Santos, Leomar dos
contributor_str_mv Hilgemberg, Cleise Maria de Almeida Tupich
Oliveira, Luma de
Souza, Solange de Cassia Inforzato de
Oliveira, Luma de
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA
topic CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA
Diferenciais salariais
Gênero
Discriminação
Salary differentials
Gender
Discrimation
dc.subject.por.fl_str_mv Diferenciais salariais
Gênero
Discriminação
Salary differentials
Gender
Discrimation
description O objetivo desta pesquisa é analisar a diferença salarial entre gêneros nas macrorregiões brasileiras. Para tanto, buscou-se o referencial teórico sobre os conceitos de capital humano, da segmentação no mercado de trabalho e da discriminação, incluindo relatos sobre fatores que geram os diferenciais salariais. Alguns autores utilizados são Schultz (1964, 1973), Becker (1957, 1973), Mincer (1958), Doeringer e Piore (1970), os quais demonstram que o capital humano é uma das principais fontes que podem contribuir para o aumento do nível de renda. A pesquisa de dados foi realizada com análise dos microdados da PNAD Contínua, com dados das grandes regiões brasileiras no período de 2016 a 2019, e os anos de 2020 e 2021 com influência da Covid-19, para os indivíduos do sexo feminino e masculino. O método utilizado para análise dos dados foi o método de decomposição de Oaxaca- Blinder (1973), que faz uma decomposição dos rendimentos médios de cada um dos gêneros, onde se dividem os diferenciais em uma parte explicada pelas diferenças produtivas dos indivíduos e outra não explicada, com quesitos como cor, raça, gênero, religião. Os resultados mostram que os homens possuem menores níveis de educação e maiores rendimentos comparados com o sexo feminino. A divergência passa a ser notada quando os dados são analisados por região, pois se constata que as regiões mais desenvolvidas economicamente possuem maiores índices de discriminação e desigualdade do que regiões com médias salariais menores. Portanto, através da decomposição de rendimentos podemos encontrar a persistência do tamanho da discriminação entre os gêneros. Também foi possível constatar que houve um aumento do tamanho discriminatório nas regiões do Nordeste e Norte nos anos de 2020 e 2021 períodos afetados pela Covid-19, onde os níveis salariais dos anos anteriores não haviam uma tendência de crescimento.
publishDate 2023
dc.date.issued.fl_str_mv 2023-09-26
dc.date.accessioned.fl_str_mv 2024-06-10T18:01:35Z
dc.date.available.fl_str_mv 2024-06-10
2024-06-10T18:01:35Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SANTOS, Leomar dos. Diferença salarial entre gêneros: análise das regiões brasileiras os anos de 2016 a 2021. 2023. Dissertação (Mestrado em Economia) - Universidade Estadual de Ponta Grossa, Ponta Grossa, 2023.
dc.identifier.uri.fl_str_mv http://tede2.uepg.br/jspui/handle/prefix/4252
identifier_str_mv SANTOS, Leomar dos. Diferença salarial entre gêneros: análise das regiões brasileiras os anos de 2016 a 2021. 2023. Dissertação (Mestrado em Economia) - Universidade Estadual de Ponta Grossa, Ponta Grossa, 2023.
url http://tede2.uepg.br/jspui/handle/prefix/4252
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Estadual de Ponta Grossa
dc.publisher.program.fl_str_mv Programa de Pós - Graduação em Economia
dc.publisher.initials.fl_str_mv UEPG
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Departamento de Economia
publisher.none.fl_str_mv Universidade Estadual de Ponta Grossa
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UEPG
instname:Universidade Estadual de Ponta Grossa (UEPG)
instacron:UEPG
instname_str Universidade Estadual de Ponta Grossa (UEPG)
instacron_str UEPG
institution UEPG
reponame_str Biblioteca Digital de Teses e Dissertações da UEPG
collection Biblioteca Digital de Teses e Dissertações da UEPG
bitstream.url.fl_str_mv http://tede2.uepg.br/jspui/bitstream/prefix/4252/3/license.txt
http://tede2.uepg.br/jspui/bitstream/prefix/4252/2/license_rdf
http://tede2.uepg.br/jspui/bitstream/prefix/4252/1/Leomar%20dos%20Santos.pdf
bitstream.checksum.fl_str_mv 43cd690d6a359e86c1fe3d5b7cba0c9b
e39d27027a6cc9cb039ad269a5db8e34
9dd39e7ba6dd59fa3ae0bbd9755b0cc2
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UEPG - Universidade Estadual de Ponta Grossa (UEPG)
repository.mail.fl_str_mv bicen@uepg.br||mv_fidelis@yahoo.com.br
_version_ 1863182607378808832