1.1 Teoria Do Capital Humano, Escolaridade E Renda No Brasil. Capital humano: abordagem teórica

A partir de meados da década de 1950, com os avanços nos estudos sobre a teoria do crescimento econômico - como como ^{Solow (1956)} e, posteriormente, com enfoque no capital humano, ^{Mincer (1958}, ¹⁹⁷⁴), ^{Schultz (1964}), ^{Becker (1964)}, entre outros -, revelou-se que investimentos em educação, diante de aspectos a nível tanto individual quanto social, geram impactos positivos significativos no desenvolvimento econômico.

^{Mincer (1958)}, a partir da correlação entre o investimento educacional individual e a distribuição de renda pessoal, expressou que as distinções presentes nos rendimentos particulares estavam ligadas ao nível de investimento no capital humano. Com isso, com o objetivo de quantificar as taxas de retorno do investimento em educação, Mincer (1974) elaborou a "função salário do capital humano", dependente de fatores relacionados à escolaridade e à experiência (equação 1):

Em que o InY _i é o logaritmo da renda, S é número de anos de estudo do indivíduo, J é o número de anos de experiência no mercado de trabalho, J ² é o termo experiência que indica a concavidade do salário, b ₁ a taxa de retorno em educação, b ₂ a taxa de experiência, b ₃ a taxa de experiência ao quadrado, e v _¡ é o termo de erro.

Ademais, ^{Schultz (1961)}, pioneiro na abordagem da educação como um investimento, observou que o fato do crescimento do produto dos Estados Unidos ter sido maior que o crescimento dos fatores de produção decorria, em grande parte, do aumento de investimento em capital humano. ^{Schultz (1961)}, ainda, apontou que a diferença do nível de escolaridade entre os estados dos Estados Unidos da América explicava a desigualdade entre os agentes econômicos. Isto é, os indivíduos com os maiores números de anos de estudos obtinham rendimentos salariais superiores.

Nesse sentido, ^{Schultz (1964)} indicou que a expansão dos investimentos em capital humano - realizada por meio da educação, capacitando os indivíduos ética e intelectualmente , para tomar decisões racionais nas esferas individuais e sociais - acarretaria impactos positivos em diversos setores da economia, visto que a qualificação populacional aumentaria a produtividade e os rendimentos tanto dos trabalhadores quanto das empresas.

Adicionalmente, ^{Schultz (1973)} mensurou o capital humano de duas formas: quantitativa, que se refere à proporção da quantidade de pessoas inseridas na população economicamente ativa; e a qualitativa, que se refere aos aspectos como nível técnico, as qualificações e habilidades que influenciam a produtividade pessoal. Dessa forma, definiu-se os investimentos presentes no processo de formação do capital humano, que incluem investimentos em saúde, em todos os níveis educacionais, em qualificações para o mercado de trabalho, migração de indivíduos e de famílias, e programas de estudos para adultos.

Em suma, conforme expresso por ^{Viana e Lima (2010)}, os estudos de ^{Schultz (1973)} mostraram que, diante de um panorama temporal de médio e longo prazo, é evidente uma forte relação entre investimento em capital humano e o valor econômico do homem, tendo em vista que a elasticidade da produtividade aumenta à medida que os investimentos em educação também aumentam, causando efeitos positivos na eficiência, rendimentos salariais individuais e no cenário macroeconômico.

Outrossim, ^{Becker (1962)}, com base na correlação entre habilidade e educação, constatou que o aumento da qualidade dos estudos resultaria em uma elevação da taxa de retorno da educação. Além disso, o investimento em capital humano por meio da educação engloba o estudo, qualificação no mercado de trabalho, saúde e a obtenção do conhecimento sobre o sistema econômico. Nesse sentido, a desigualdade salarial está associada às disparidades nos investimentos em capital humano, haja vista que, como os indivíduos habilidosos investem mais em educação, eles têm rendimentos salariais superiores.

^{Becker (1993)} aponta para outros benefícios advindos dos investimentos em capital humano, tanto no contexto econômico, quanto no político, social e cultural, tais como efeitos positivos na área da saúde, em o elevado nível de conhecimento dos indivíduos proporciona a realização de atividades de prevenção a doenças. Também, o aumento de investimentos em educação promoveria resultados positivos no aprimoramento da democracia, uma vez que os indivíduos teriam relacionamento mais consciente e racional com os governantes, bem como maior compreensão de políticas públicas, sobretudo de controle de natalidade.

Outros teóricos apresentaram observações importantes dos efeitos positivos do capital humano para a economia. ^{Lucas (1988)} verificou que, caso o nível de capital humano seja baixo nos países em desenvolvimento, não é possível ocorrer fluxos de riqueza a partir dos países ricos. ^{Romer (1990)} expressou que o capital humano exerce a função de um insumo para o crescimento econômico, que é impulsionado pela capacidade dos setores de pesquisa científica de promover avanços tecnológicos, advindos da necessidade de se realizar investimentos por parte dos agentes maximizadores de lucro. Dessa forma, as políticas de estímulo ao capital humano possuem efeitos constantes sobre a taxa de crescimento de cada país.

1.2 Escolaridade e Renda no Brasil

A literatura empírica acerca da teoria do capital humano é extensa e possui amplas quantidades de estudos aplicados que comprovam os efeitos positivos do investimento em educação nos rendimentos individuais e sociais. No Brasil, os estudos empíricos, além de verificar a magnitude das taxas de retorno do investimento em capital humano, destacam análises sobre a diferença e a distribuição de renda no país, sobretudo diante das variáveis de gênero, raça, e das regiões brasileiras.

^{Sachsida, Loureiro e Mendonça (2004)}), ao investigar o retorno em escolaridade para o Brasil, indicaram que os indivíduos e as famílias com baixos índices de renda e de escolaridade não estão inclinados a investir em educação no curto prazo, visto que os custos são elevados e os retornos ocorrem apenas no médio e longo prazos. Outras variáveis analisadas que afetam o nível de escolaridade são, respectivamente, a raça e o estado civil: pessoas brancas possuem um nível de escolaridade superior aos não brancos; e o casamento influencia negativamente na taxa de escolaridade. Tal resultado pode ser corroborado pelo fato de a população dos países desenvolvidos adiarem o início da vida conjugal, com o intuito de atingir níveis de bem-estar superiores.

Também, ^{Rodrigues (2010)} investigou os retornos salariais dos investimentos em educação de 2001 a 2008 em todas as unidades federativas do Brasil com dados da PNAD. Os resultados indicaram que, apesar do nível positivo dos retornos de investimento em capital humano, a taxa identificada de discriminação de gênero e raça no mercado de trabalho brasileiro foi elevada. Ainda, a relação entre o logaritmo do salário equivalente e as variáveis independentes não pode ser representada de forma linear, visto que o acréscimo de anos de escolaridade, após certo ponto, acarreta um aumento desproporcional do retorno da educação no mercado de trabalho em determinados estados brasileiros. Como exemplo, o retorno estimado aumenta de 7,11% para 22,88%, a qualquer nível acima de 11 anos de escolaridade, no estado de Minas Gerais, e de 5,09% para 22,88% no estado de São Paulo.

^{Cunha et al. (2019)} investigaram os determinantes salariais em cada região metropolitana do Brasil a partir dos dados da PNAD dos anos de 2013, 2014 e 2015. Dessa forma, observou-se que os homens apresentam rendimentos salariais maiores em relação mulheres em todas as regiões metropolitanas, principalmente na região metropolitana de Belo Horizonte, onde o rendimento-hora médio foi de 25% a mais que as mulheres. Além disso, para a variável cor, o rendimento-hora médio dos brancos foi superior ao dos não brancos, especialmente na região metropolitana de Salvador, onde o rendimento-hora médio foi 14% a mais do que os não brancos. Outros resultados apontaram que as regiões metropolitanas de Brasília e São Paulo possuem maiores rendimentos, enquanto as regiões metropolitanas de Recife e Fortaleza, os menores rendimentos.

^{Barbosa e Lemos (2019)} estimaram o efeito do capital humano sobre a produtividade do trabalho nos estados do Brasil no período de 2004 a 2015. No estudo, o capital humano é composto não apenas pela escolaridade, mas também pelo índice de saneamento (ISAN), que é calculada através da agregação ponderada da população que possuiu acesso à água encanada, saneamento e coleta de lixo. Tais indicadores são substanciais para o pleno funcionamento da saúde dos seres humanos, impactando tanto na resistência quanto na resiliência física. Os resultados apontaram que os Estados da região Sudeste, que apresentaram as populações com mais acesso aos ativos da composição do índice de saneamento (ISAN), obtiveram as maiores médias de produtividade, enquanto os estados do Nordeste apresentam as menores produtividades.

^{Silva Filho, Silva e Miyamoto (2020)} analisaram as disparidades salariais na agropecuária brasileira a partir dos microdados da Relação Anual de Informações Sociais (RAIS) dos anos de 2000, 2005, 2010 e 2015. Com isso, destacou-se que, embora a participação das mulheres tenha aumentado no mercado agropecuário brasileiro, a desigualdade de renda por sexo na mediana se elevou ao longo dos anos em favor dos homens, aumentando de 16% em 2000 para 22% em 2015. E, ainda, os retornos salariais aumentaram proporcionalmente ao tempo de permanência no emprego, sendo que, os trabalhadores com mais de 10 anos no mesmo posto de trabalho, recebiam rendimentos 25% maiores àqueles que ficavam menos de um ano em 2000, e 34% em 2015. Por fim, constatou-se que a renda dos ocupados formais do setor agropecuário da região Nordeste era inferior em relação a todas as regiões do Brasil, principalmente em relação ao Centro-Oeste, onde a disparidade atingiu 28% em 2000, 30% em 2005, com pequenas reduções em 2010 e 2015.

^{Costa, Carrasco-Gutierrez e Reis (2020)}, ao medir o quanto da desigualdade de renda entre grupos de sexo e raça é explicado pela diferença de habilidades produtivas dos indivíduos e o quanto é explicado pelos fatores discriminatórios no mercado de trabalho do Brasil, realizaram uma análise a partir de microdados da PNAD 2015. Os resultados da pesquisa mostraram que a discrepância de rendimento salarial entre os sexos foi expressiva em todos os níveis de habilidade produtiva, no qual, com exceção da região Norte, as características observáveis dos homens foram, em média, mais favoráveis que as das mulheres. Ademais, verificou-se que, entre as diferenças salariais entre os grupos estudados, os homens ganham mais que as mulheres, e os brancos ganham mais que os não brancos, sendo a diferença salarial entre raças maior que a diferença salarial entre sexos.

^{Costa e Leite (2021)}, por meio da estimativa de dois modelos mincerianos adaptados sobre a taxa interna de retorno para investimento em capital humano, observaram que as taxas de retorno para os homens foram de 7,79% a 10,39% no modelo I, e de 7,04% a 10,29% no modelo II, apresentando maiores taxas para as regiões nordeste e norte. Nesse caso, as taxas de remuneração indicaram uma tendência decrescente à medida que se eleva o investimento em capital físico. Para as mulheres, as taxas de retorno foram de 8,78% a 13,52%; os valores para as regiões nordeste e norte foram de 11,38% a 13,52% no primeiro modelo e de 8,02% a 12,84% no segundo modelo.

^{Mattei e Bezerra (2021)} estimaram os rendimentos para todos os estados do Brasil, com base nos dados da RAIS de 2015, e constataram retornos salariais crescentes em relação aos níveis mais altos de escolaridade. Com isso, averiguou-se que, no setor de comércio, os trabalhadores com ensino superior completo receberam uma renda 1,31 vez maior do que os trabalhadores com ensino superior incompleto, e os trabalhadores com pós-graduação, uma renda 3,2 vezes maior que um trabalhador com ensino superior completo. No setor de serviços, os trabalhadores com o ensino superior completo auferiram renda 1,4 vez maior que os trabalhadores com ensino superior incompleto, e os trabalhadores com pós-graduação, 1,54 vez a mais que um trabalhador com o ensino superior. Também, ressaltou-se que os efeitos das externalidades do capital humano foram significativos para o aumento da produtividade dos setores analisados.

Mantovani, ^{Souza e Gomes (2021)} investigaram os retornos salariais, bem como os efeitos da segmentação ocupacional sobre os rendimentos dos trabalhadores para os estados da Bahia e do Paraná, com base nos dados da PNAD de 2015. Em suma, além de mostrar que a escolaridade e a experiência apresentaram ganhos salariais adicionais, os resultados do estudo indicaram que para a variável gênero: a) a escolaridade apresentou retornos superiores para as mulheres, embora tenham recebido salários menores em todos os setores e estados; b) o indivíduo branco obteve retorno salarial maior no estado do Paraná em relação ao estado da Bahia; c) o setor de atividade com melhor remuneração é o de serviços. Também, ressaltou-se que tanto os salários interocupacionais (entre grupos) quanto os salários intraocupaçionais (dentro dos grupos) apontaram que as diferenças salariais e o efeito da segmentação são maiores no Paraná, o estado mais desenvolvido, ao mesmo tempo que a discriminação de gênero é superior na Bahia, o estado com indicadores econômicos e sociais mais desfavoráveis.

^{Silva, Bondezan e Sousa Lucas (2022)} analisaram os impactos da educação nos rendimentos salariais das regiões Sul e Nordeste do Brasil, a partir dos dados da PNAD contínua para o ano de 2017. Nesse sentido, para o Brasil, a taxa de retorno da escolaridade foi de 2,9% para os primeiros 4 anos de estudo, 4,2% para 8 anos de estudo, 12,4% para o ensino médio e 33,2% para o Ensino Superior. Para a região Sul, a taxa de retorno da educação foi de 1,8% para 4 anos de estudo, 3,9% para a conclusão do Ensino Fundamental, 10,6% para o ensino médio e 26,3% para o Ensino Superior. Para a região Nordeste, a taxa de retorno da educação foi de 2,7% para 4 anos de estudo, 5,2% para 8 anos, 13,5% para o ensino médio e 33,2% para o Ensino Superior. Dessa forma, destacou-se que os retornos da educação para indivíduos com Ensino Superior foram maiores em todas as regiões analisadas, sobretudo na região Nordeste em relação a região Sul.

^{Ferreira et al. (2022)} apuraram o efeito dos níveis de escolaridade - ensino fundamental, ensino médio e ensino superior - a partir dos microdados da PNAD para os anos de 2001, 2004, 2007, 2011 e 2015. Como resultado, mostrou-se que, em relação aos indivíduos que não possuem nenhum nível de instrução, os trabalhadores com ensino superior obtiveram retornos elevados, sobretudo para o ano de 2004, que atingiu 63,5%. Por outro lado, em relação aos indivíduos sem grau de escolaridade, o ensino médio obteve retornos decrescentes, sendo de 13,9% em 2001 e de 1,7% em 2011, respectivamente. Por fim, verificou-se que o ensino fundamental apresentou pouco acréscimo nos rendimentos em 2001 e 2004, e coeficientes com sinais negativos nos anos de 2007, 2011 e 2015, em relação aos indivíduos sem grau de instrução.

^{Souza, Almeida e Gomes (2022)} examinaram os efeitos das macrorregiões brasileiras, Nordeste e Sudeste, sobre os rendimentos dos trabalhadores, com base nos microdados da PNAD de 2005 e 2015. Os resultados mostraram que a influência do capital humano sobre os retornos salariais se reduziu ao longo do tempo: a cada ano adicional de estudo, os níveis de retornos salariais reduziram-se tanto na região Nordeste, de 6,90% em 2005 para 5,23% em 2015, quanto na região Sudeste, de 7,53% em 2005 para 5,69% em 2015. Da mesma forma, a cada ano adicional de experiência, os níveis de retornos salariais reduziram-se na região Nordeste de 2,54% em 2005 para 2,27% em 2015, e, na região Sudeste, de 3,30% em 2005 para 2,24% em 2015. Assim, destacou-se que os trabalhadores da região Sudeste obtiveram rendimentos salariais superiores em relação a região Nordeste, em decorrência do nível de escolaridade individual, bem como das características socioeconômicas regionais.

Por fim, em tais estudos, verifica-se que o aumento da produtividade da população está intrinsicamente relacionado à acumulação de capital humano, destacando o nível educacional como uma variável importante para o crescimento das economias regionais, por possibilitar o aumento do nível de produtividade, qualificação e rendimento da população; bem como o advento de tecnologias que paulatinamente aprimoram o processo produtivo.

2.1 Metodologia Econométrica

A função do salário do capital humano proposto por ^{Mincer (1974)}, dependente de fatores relacionados à escolaridade e à experiência, a fim de quantificar as taxas de retorno do investimento em educação, foi adotada por inúmeros estudos aplicados como mostrado em ^{Da Silva, De Araújo Mendes e Gonzaga (2020)}, ^{Bastos, Carvalho e Macedo (2020)}, Ceretta e Schwaab (2019), ^{Neves e Lima (2019)}, entre outros. A equação, neste estudo, é dada da seguinte forma (equação 2):

Sendo ln(SE/horas) o logaritmo da renda por horas trabalhadas; Escol a escolaridade do indivíduo; Exp os anos de experiência no mercado de trabalho; Exp ² a experiência ao quadrado; e v o termo de erro. Entretanto, a estimação dos impactos dos anos de estudos nos salários com o uso da Equação de ^{Mincer (1974)}, através do Mínimos Quadrados Ordinários (MQO), apresenta problemas de estimadores viesados e inconsistentes decorrentes da omissão de variáveis importantes no modelo, erros de medida na variável educação e endogeneidade da escolaridade (^{Rodrigues, 2010}).

Para exemplificar, quanto à omissão de variáveis importantes no modelo, verifica-se que a renda de um indivíduo não depende diretamente apenas da educação ou da experiência, mas também de outras variáveis, tais como as condições socioeconómicas familiares e a decisão de pertencer ao mercado de trabalho. Além disso, quanto aos erros de medida, nota-se que, enquanto a omissão de variáveis causa uma superestimação dos parâmetros do modelo, a inserção de novas variáveis independentes para aprimorar o modelo tende a aumentar o risco da inclusão de variáveis irrelevantes, ampliando o viés negativo do erro de medida. Por fim, a endogeneidade da escolaridade ocorre porque o termo aleatório incorpora fatores não observáveis relacionados à variável educação, mas que não estão especificados na equação de rendimento (^{Rodrigues, 2010}).

Com o intuito de minimizar o viés da variável omitida também será estimada uma Equação ^{Minceriana Adaptada. Isto é, a partir da função salário do capital humano de Mincer (1974)}, inseriu-se outras variáveis dummies, a fim de contornar o problema de omissões de variáveis importantes no modelo, bem como verificar as desigualdades nas taxas de rendimento salarial segundo as variáveis Sexo, Cor, Perímetro Urbano e Residencia na Capital dos estados da região Norte. Dessa forma, a equação Minceriana Adaptada é dada da seguinte forma (equação 3):

Em que ln(SE/horas) representa o logaritmo do salário efetivo por hora trabalhada; Escol representa os anos de estudo; Exp é a experiência obtida no mercado de trabalho; Exp ² é a experiência ao quadrado; Sexo é uma variável dummy, 1 para Homem e 0 caso contrário; Cor é uma variável dummy, 1 para Branco e 0 caso contrário; Capital é uma variável dummy, 1 para indivíduos que residem na Capital e 0 caso contrário; Urbano é uma variável dummy, 1 para residente de área Urbana e 0 caso contrário; e v é o termo de erro.

2.2 Fonte e tratamento de dados

A base de dados utilizada para estimar os retornos do nível de escolaridade sobre o rendimento salarial na região Norte foi a Pesquisa Nacional por Amostra de Domicílio Contínua trimestral (PNADC/T) realizada pelo Instituto Brasileiro de Geografia e Estatística (IBGE), com o objetivo de produzir indicadores da evolução, em médio e longo prazos, das informações necessárias para o desenvolvimento socioeconómico do Brasil, como as áreas demográfica, de saúde, de consumo alimentar e nutrição, de condições de habitação e equipamentos domésticos, de educação e cultura, de trabalho e de nível económico do domicílio. Assim, a amostra utilizada foi divulgada no 1° trimestre de 2022, refletindo características atuais da população, composta por 22.273 observações. O Quadro 1 apresenta a descrição das variáveis utilizadas direta ou indiretamente nos modelos econométricos do presente estudo.