Diferença Salarial numa parcela da população indiana.
Daiana, Fabio, Larissa, João Pedro, Luiz Fernando
2025-01-23
p{text-align: justify;}
RESUMO
O estudo intitulado “Diferenças salariais entre gêneros no mercado de trabalho indiano” investiga a relação entre variáveis sociodemográficas e ocupacionais, como idade, gênero, nível de escolaridade, cargo, anos de experiência e remuneração. A análise salarial é um tema central deste estudo, permitindo identificar fatores que influenciam a remuneração e possíveis desigualdades no mercado de trabalho. Utilizando técnicas estatísticas, o estudo busca compreender dinâmicas sociais e destacar o papel da estatística como ferramenta científica para subsidiar políticas públicas e estratégias empresariais que promovam equidade e valorização profissional.
1. Introdução
A análise salarial é um tema de grande relevância em estudos econômicos e organizacionais, pois permite compreender os fatores que influenciam a remuneração dos trabalhadores e identificar possíveis desigualdades no mercado de trabalho. Essas questões são fundamentais para subsidiar políticas públicas e estratégias empresariais voltadas à equidade e à valorização profissional.”
Este trabalho examina a relação entre variáveis sociodemográficas e ocupacionais, como idade, gênero, nível de escolaridade, cargo, anos de experiência e remuneração. A análise salarial, tema central deste estudo, é de grande relevância em contextos econômicos e organizacionais, ao permitir identificar fatores que influenciam a remuneração e possíveis desigualdades no mercado de trabalho. Utilizando técnicas estatísticas, buscamos compreender dinâmicas sociais e destacar o papel da estatística como ferramenta científica para subsidiar políticas públicas e estratégias empresariais que promovam equidade e valorização profissional.
2. Objetivos do Trabalho
• Entender a estrutura da base de dados, verificar a qualidade dos dados e realizar uma análise descritiva inicial.
• Identificar os principais fatores que influenciam o salário
• Avaliar se existe disparidade salarial baseada no gênero
• Analisar a relação entre nível educacional, anos de experiência e salário
2.1. Perguntas de Pesquisa
I. O nível de escolaridade afeta diretamente o salário, independentemente do cargo ocupado?
II. Existe uma disparidade salarial significativa entre gêneros em diferentes cargos ou níveis de educação?
III. O gênero afeta diretamente a remuneração?
3. Metodologia
3.1. Descrição da base de dados
A base de dados fornecida contém informações detalhadas sobre 6704 indivíduos, no entanto ela apresentava erros e por isso foi feita uma higienização nela. Está distribuídos em seis variáveis: idade, gênero, nível de escolaridade, cargo, anos de experiência e salário. Essa base é útil para investigar padrões salariais, impactos da educação e experiência profissional, e possíveis desigualdades relacionadas ao gênero e outras características.
library(readr)## Warning: pacote 'readr' foi compilado no R versão 4.4.2dados = read_csv("C:/Users/Helena/Downloads/Salary_Data.csv")## Rows: 6704 Columns: 6
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (3): Gender, Education Level, Job Title
## dbl (3): Age, Years of Experience, Salary
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.View(dados)dados <- na.omit(dados)
dados$`Education Level` <- gsub("Bachelor's Degree", "Bachelor's", dados$`Education Level`, ignore.case = TRUE)
dados$`Education Level` <- gsub("Master's Degree", "Master's", dados$`Education Level`, ignore.case = TRUE)
dados$`Education Level` <- gsub("PhD", "phD", dados$`Education Level`, ignore.case = TRUE)
tail(dados)## # A tibble: 6 × 6
## Age Gender `Education Level` `Job Title` `Years of Experience` Salary
## <dbl> <chr> <chr> <chr> <dbl> <dbl>
## 1 37 Male Bachelor's Junior Sales Repr… 6 75000
## 2 49 Female phD Director of Marke… 20 200000
## 3 32 Male High School Sales Associate 3 50000
## 4 30 Female Bachelor's Financial Manager 4 55000
## 5 46 Male Master's Marketing Manager 14 140000
## 6 26 Female High School Sales Executive 1 350003.2. Descrição de todas as variáveis da base de dados.
• Idade (Age): Idade do indivíduo em anos completos.
• Gênero (Gender): Identificação do gênero do indivíduo, categorizado como “Masculino” ou “Feminino”.
• Nível de Escolaridade (Education Level): Grau de instrução alcançado pelo indivíduo, classificado em:
- Ensino Médio (High School)
- Graduação (Bachelor’s)
- Mestrado (Master’s)
- Doutorado (PhD)
• Cargo (Position): Função ou título ocupacional do indivíduo dentro da organização.
• Anos de Experiência (Years of Experience): Tempo total de experiência profissional do indivíduo, medido em anos.
• Salário (Salary): Remuneração anual do indivíduo, expressa na moeda local (Rupia Indiana).
3.3. Tamanho da amostra
A base de dados higienizada no estudo contém o total de 6698 de observações, ou seja, n = 6698
3.4. Construção de Indicadores
3.4.1. Média Salarial por Gênero:
Calcula a média dos salários para cada grupo de gênero (“Masculino” e “Feminino”) separadamente, permitindo a comparação direta entre as remunerações médias de homens e mulheres.
3.4.2. Distribuição de Escolaridade:
Determina a porcentagem de indivíduos em cada nível de escolaridade dentro da amostra, fornecendo uma visão da distribuição educacional dos participantes.
3.4.3. Média Salarial por Nível de Escolaridade:
Calcula a média dos salários para cada categoria de escolaridade, permitindo analisar a relação entre o nível educacional e a remuneração.
3.4.4. Média Salarial por Cargo:
Avalia a média salarial associada a cada posição ocupacional, possibilitando a análise de como diferentes cargos influenciam a remuneração.
3.4.5. Correlação entre Anos de Experiência e Salário:
Mede a força e a direção da relação linear entre os anos de experiência (X) e o salário (Y), indicando se há uma tendência de aumento salarial com o aumento da experiência.
3.5. Metodologia utilizada
3.5.1. Análise de Variância (ANOVA)
Foi utilizada para comparar as médias salariais entre diferentes níveis de escolaridade e cargos ocupados, permitindo identificar se esses fatores influenciam significativamente a remuneração.
3.5.2. Teste de Kruskal-Wallis
Devido à não normalidade dos dados salariais, foi utilizado para comparar as distribuições salariais entre diferentes níveis de escolaridade e cargos.
3.5.3. Teste de Shapiro-Wilk
Foi aplicado para avaliar a normalidade dos dados salariais antes da ANOVA. Os resultados indicaram que os dados não seguiam uma distribuição normal, justificando o uso de métodos não paramétricos, como o Kruskal-Wallis.
Observação de uso
Criamos uma semente para limitar a base de dados para 5 mil observações pois o teste de Shapiro só comporta esse número de dados. No entanto, essa manobra não está estatísticamente correta, pois estaríamos desconsiderando parte da população. Por isso, optamos por usar o teste de Anderson-Darling.
3.5.4. Teste de Anderson-Darling
Foi aplicado como uma alternativa ao teste de Shapiro-Wilk para verificar a normalidade dos dados salariais. A sensibilidade deste teste ajudou a confirmar a não normalidade dos dados, fortalecendo a decisão de usar métodos não paramétricos.
3.5.5. Teste de Mann-Whitney
Utilizado para comparar as distribuições salariais entre homens e mulheres, identificando disparidades salariais de gênero.
3.5.6. Estatísticas Descritivas
Foram utilizadas para fornecer uma visão geral do perfil dos participantes e identificar padrões iniciais, como as diferenças médias de salário por gênero, escolaridade e experiência.
4. Análise de Resultados
4.1. Dados Estatísticos descritivos
4.1.1. Media
mean(dados$Salary, na.rm = TRUE)## [1] 115329.3Valor médio dos salários. É o valor esperado se todos os salários fossem uniformemente distribuídos.
4.1.2.Mediana
median(dados$Salary, na.rm = TRUE)## [1] 115000O salário central quando os valores estão ordenados. Como está próximo da média, sugere uma distribuição relativamente simétrica.
4.1.3. Moda
get_mode <- function(v) {
uniqv <- unique(v)
uniqv[which.max(tabulate(match(v, uniqv)))]
}
get_mode(dados$Salary)## [1] 140000É o valor de salário mais frequente na base de dados.
4.1.4. Desvio Padrão
sd(dados$Salary, na.rm = TRUE)## [1] 52789.794.1.5. Variância
var(dados$Salary, na.rm = TRUE)## [1] 27867621934.1.6. Maximo e Minimo
min(dados$Salary, na.rm = TRUE)## [1] 350max(dados$Salary, na.rm = TRUE)## [1] 2500004.1.7. Amplitude
range(dados$Salary, na.rm = TRUE) # Retorna mínimo e máximo## [1] 350 250000diff(range(dados$Salary, na.rm = TRUE)) # Diferença entre mínimo e máximo## [1] 2496504.1.8. Fr absoluta
table(dados$Gender) # Substitua 'Gender' por qualquer variável categórica##
## Female Male Other
## 3013 3671 14table(dados$`Education Level`)##
## Bachelor's High School Master's phD
## 3021 448 1860 13694.1.9. Fr Relativa
prop.table(table(dados$Gender)) * 100 # Percentual##
## Female Male Other
## 44.9835772 54.8074052 0.2090176prop.table(table(dados$`Education Level`)) * 100##
## Bachelor's High School Master's phD
## 45.103016 6.688564 27.769483 20.438937Percentual de cada gênero em relação ao total de pessoas na base. Ajuda a entender a proporção de cada grupo.
4.1.10. Verificar presença de outliers
boxplot(dados$Salary, main = "Boxplot do Salário", ylab = "Salário", col = "lightblue")
outliers <- boxplot.stats(dados$Salary)$out
outliers## numeric(0)
4.2. Analise de Hipótese
4.2.1. Afirmação 1: O Nivel de Escolaridade afeta diretamente a Remuneração.
Variaveis: “Education Level” e “Salary”
options(scipen = 999)
modelo = aov(Salary ~ `Education Level`, data=dados)
residuos = residuals(modelo)Avaliar a normalidade
H0: Os residuos seguem uma normal
H1: Os residuos não seguem uma normal
alpha: 0,05
Teste Anderson-Darling
library(nortest)
ad.test(residuos)##
## Anderson-Darling normality test
##
## data: residuos
## A = 24.978, p-value < 0.00000000000000022Observação sobre Teste Shapiro-Wilk
set.seed(123)
amostra <- sample(residuos, size = 5000, replace = FALSE)
shapiro.test(amostra)##
## Shapiro-Wilk normality test
##
## data: amostra
## W = 0.98699, p-value < 0.00000000000000022Resultado: Os residuos não seguem uma normal.
H0: A remuneração de quem tem maior escolaridade é igual ao de quem possui menor escolaridade
H1: A remuneração de quem tem maior escolaridade não é igual ao de quem possui menor escolaridade
kruskal.test(Salary ~ `Education Level`, data=dados)##
## Kruskal-Wallis rank sum test
##
## data: Salary by Education Level
## Kruskal-Wallis chi-squared = 2822.5, df = 3, p-value <
## 0.00000000000000022Resultado: A remuneração de quem tem maior escolaridade não é igual ao de quem possui menor escolaridade.
No entanto, a remuneração de quem possui maior escolaridade é mais alta ou mais baixa em relação a quem possui menor escolaridade?
library(dplyr)##
## Anexando pacote: 'dplyr'## Os seguintes objetos são mascarados por 'package:stats':
##
## filter, lag## Os seguintes objetos são mascarados por 'package:base':
##
## intersect, setdiff, setequal, uniondados %>% group_by(`Education Level`) %>% summarise (mediana=median(Salary))## # A tibble: 4 × 2
## `Education Level` mediana
## <chr> <dbl>
## 1 Bachelor's 80000
## 2 High School 30000
## 3 Master's 130000
## 4 phD 170000Os resultados mostram que o nível de escolaridade afeta a remuneração. Quanto maior o nível de escolaridade, mais alto será o salário.
4.2.2. Afirmação 2: Existe uma disparidade salarial significativa entre gêneros em diferentes cargos ou níveis de educação.
Variáveis: “Gender”, “Edication Level”, “Job”
library(ggplot2)
library(readr) # Para leitura de arquivos CSV
library(readxl) # Para leitura de arquivos Excel (caso necessário)dados <- dados %>%
mutate(
Gender = as.factor(Gender),
`Job Title` = as.factor(`Job Title`),
`Education Level` = as.factor(`Education Level`)
)4.2.2.1. Gráfico de boxplot para discrepâncias salariais por gênero
p_genero <- ggplot(dados, aes(x = Gender, y = Salary, fill = Gender)) +
geom_boxplot() +
labs(
title = "Discrepâncias Salariais por Gênero",
x = "Gênero",
y = "Salário"
) +
theme_minimal()
p_genero
4.2.2.2. Gráfico de boxplot para discrepâncias salariais por nível educacional
p_educacao <- ggplot(dados, aes(x = `Education Level`, y = Salary, fill = `Education Level`)) +
geom_boxplot() +
labs(
title = "Discrepâncias Salariais por Nível Educacional",
x = "Nível Educacional",
y = "Salário"
) +
theme_minimal()
p_educacao
4.2.2.3. Comparação de Gráficos
library(ggpubr)
ggarrange(p_genero, p_educacao, ncol=1,nrow=2)
O grafico demostra:
- Anos de experiência: Há uma correlação positiva entre o tempo de experiência e o salário. Profissionais com mais anos de trabalho tendem a ter remunerações maiores, refletindo a valorização da expertise adquirida ao longo do tempo.
- Nível de escolaridade: O nível educacional é uma das variáveis mais influentes. Indivíduos com formações mais avançadas, como pós-graduação ou doutorado, apresentam salários significativamente maiores em comparação com aqueles com menor nível de escolaridade.
- Cargo ocupado: O tipo de posição dentro da organização também é determinante. Cargos de maior responsabilidade e liderança estão associados a salários mais elevados.
- Gênero (impacto indireto): Apesar de não ser diretamente relacionado à competência ou formação, a análise revelou disparidades salariais entre gêneros, indicando que barreiras estruturais afetam a remuneração, mesmo em condiçôes semelhantes de escolaridade e experiência.
4.2.2.4. Mapas de calor para explorar correlações entre variáveis (ex.: salário e experiência).
library(ggplot2)
library(readr) # Para leitura de arquivos CSV
library(readxl) # Para leitura de arquivos Excel (caso necessário)
library(reshape2) # Para transformação de dados (melt)## Warning: pacote 'reshape2' foi compilado no R versão 4.4.2library(dplyr) # Para manipulação de dadosdados_numéricos <- dados %>%
select_if(is.numeric)
matriz_correlacao <- cor(dados_numéricos, use = "complete.obs")cor_melt <- melt(matriz_correlacao)Mapa de Calor das Correlações
p_mapa_calor <- ggplot(cor_melt, aes(x = Var1, y = Var2, fill = value)) +
geom_tile(color = "White") +
geom_text(aes(label = round(value, 2)), color = "black", size = 3) +
scale_fill_gradient2(low = "blue", mid = "White", high = "red", midpoint = 1) +
labs(
title = "Mapa de Calor das Correlações",
x = "",
y = "",
fill = "Correlação"
) +
theme_minimal() +
theme(
axis.text.x = element_text(angle = 45, hjust = 1),
axis.text.y = element_text(size = 10)
)
p_mapa_calor
O Grafico demonstra
• Years of Experience (Anos de Experiência) é a variável mais fortemente correlacionada com as outras duas, especialmente com Age (Idade), mostrando que experiência e idade andam praticamente juntas.
• Salary (Salário) está positivamente relacionado tanto com Years of Experience quanto com Age, mas a relação é mais forte com a experiência.
• Este mapa confirma que os salários são influenciados mais diretamente pelos anos de experiência do que apenas pela idade.
4.2.2.5. Histogramas e gráficos de dispersão para análises exploratórias.
library(ggplot2)
library(readr)
library(dplyr) Histograma para a variável Salary
p_hist_salario <- ggplot(dados, aes(x = Salary)) +
geom_histogram(binwidth = 10000, fill = "skyblue", color = "black") +
labs(
title = "Histograma de Salários",
x = "Salário",
y = "Frequência"
) +
theme_minimal()
p_hist_salario 
Histograma para a variável Years_of_Experience
p_hist_experiencia <- ggplot(dados, aes(x = `Years of Experience`)) +
geom_histogram(binwidth = 2, fill = "orange", color = "black") +
labs(
title = "Histograma de Anos de Experiência",
x = "Anos de Experiência",
y = "Frequência"
) +
theme_minimal()
p_hist_experiencia
Dispersão entre Salário e Experiência
p_disp_salario_experiencia <- ggplot(dados, aes(x =
`Years of Experience`, y = Salary)) + geom_point(aes(color = Gender,
shape = `Education Level`), size = 2) + labs( title = "Dispersão:
Salário vs Experiência", x = "Anos de Experiência", y = "Salário", color
= "Gênero", shape = "Nível Educacional" ) + theme_minimal()
p_disp_salario_experiencia
Dispersão entre Idade e Salário
p_disp_idade_salario <- ggplot(dados, aes(x = Age, y = Salary)) +
geom_point(aes(color = Gender, shape = `Education Level`), size = 2) +
labs( title = "Dispersão: Idade vs Salário", x = "Idade", y = "Salário",
color = "Gênero", shape = "Nível Educacional" ) + theme_minimal()
p_disp_idade_salario
Comparações
library(ggpubr)
ggarrange(p_hist_salario, p_hist_experiencia, p_disp_salario_experiencia, p_disp_idade_salario,
ncol=2,nrow=2)
Observações:
• Os gráficos fornecem uma visão ampla das relações entre salário, idade, experiência, nível educacional e gênero.
• Eles confirmam que:
- Experiência é um dos principais fatores que influenciam o salário.
- Nível educacional tem um impacto significativo, muitas vezes superando a influência da experiência.
- Diferenças de gênero devem ser analisadas com mais profundidade, dado o potencial de desigualdade salarial observado nas dispersões.
• Dispersão Salarial: Os dados confirmam uma grande variação nos salários, o que sugere diferenças significativas entre os trabalhadores. Essa disparidade pode estar relacionada a fatores como nível educacional, anos de experiência e ocupação.
• Distribuição de Gênero: Apesar de relativamente equilibrada, há uma leve predominância de homens. Isso pode influenciar análises de disparidade salarial, considerando o impacto potencial do gênero na remuneração.
4.2.3. Afirmação 3: O gênero influencia diretamente a remuneração.
Variaveis: “Salary” e “Gender”
4.2.3.1. Análise de variância (ANOVA)
O gênero afeta diretamente a remuneração
library(ggplot2)
library(car)## Carregando pacotes exigidos: carData##
## Anexando pacote: 'car'## O seguinte objeto é mascarado por 'package:dplyr':
##
## recodelibrary(stats)
library(nortest)dados_clean <- na.omit(dados[, c("Salary", "Gender")])model2 <- aov(Salary ~ Gender, data = dados_clean)
summary(model2)## Df Sum Sq Mean Sq F value Pr(>F)
## Gender 2 303446485976 151723242988 55.33 <0.0000000000000002 ***
## Residuals 6695 18359499920090 2742270339
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Teste Anderson-Darling
residuals2 <- model2$residuals
ad.test(residuals2)##
## Anderson-Darling normality test
##
## data: residuals2
## A = 79.064, p-value < 0.00000000000000022Teste Shapiro-Wilks
residuals2 <- model2$residuals
set.seed(123)
residuals2 <- sample(residuals2, size = 5000, replace = FALSE)
shapiro.test(residuals2)##
## Shapiro-Wilk normality test
##
## data: residuals2
## W = 0.96057, p-value < 0.000000000000000221. Se os resíduos não forem normais, realizar o teste de Mann-Whitney U
2. Logo dividir os dados por gênero
male_salaries <- dados_clean$Salary[dados_clean$Gender == "Male"]
female_salaries <- dados_clean$Salary[dados_clean$Gender == "Female"]Teste de Mann-Whitney U
mann_whitney_test <- wilcox.test(male_salaries, female_salaries, alternative = "two.sided")
mann_whitney_test##
## Wilcoxon rank sum test with continuity correction
##
## data: male_salaries and female_salaries
## W = 6338161, p-value < 0.00000000000000022
## alternative hypothesis: true location shift is not equal to 0Com um valor-p extremamente pequeno (<0.05<0.05), REJEITAMOS a hipótese nula de que as distribuições salariais para homens e mulheres são iguais. Isso indica uma disparidade salarial significativa baseada no gênero.
• Há uma diferença significativa nos salários entre homens e mulheres, tanto pelo teste de ANOVA quanto pelo teste não paramétrico de Mann-Whitney.
• Homens apresentam uma média salarial mais alta em relação às mulheres.
Qual gênero recebe mais?
Remover valores ausentes e filtrar apenas “Male” e “Female”
dados_clean2 <- na.omit(dados[, c("Salary", "Gender")])
dados_clean2 <- subset(dados_clean, Gender %in% c("Male", "Female"))Análise de variância (ANOVA)
model <- aov(Salary ~ Gender, data = dados_clean2)
summary(model)## Df Sum Sq Mean Sq F value Pr(>F)
## Gender 1 301887767297 301887767297 110 <0.0000000000000002 ***
## Residuals 6682 18334053870452 2743797347
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Teste de normalidade (Shapiro-Wilk)
residuals3 <- model$residualsset.seed(123)
residuals3 <- sample(residuals3, size = 5000, replace = FALSE)
shapiro.test(residuals2)##
## Shapiro-Wilk normality test
##
## data: residuals2
## W = 0.96057, p-value < 0.00000000000000022Se os resíduos não forem normais, realizar o teste de Mann-Whitney U
male_salaries <- dados_clean2$Salary[dados_clean2$Gender == "Male"]
female_salaries <- dados_clean2$Salary[dados_clean2$Gender == "Female"]mann_whitney_test <- wilcox.test(male_salaries, female_salaries, alternative = "two.sided")
mann_whitney_test##
## Wilcoxon rank sum test with continuity correction
##
## data: male_salaries and female_salaries
## W = 6338161, p-value < 0.00000000000000022
## alternative hypothesis: true location shift is not equal to 0Comparar as médias dos salários por gênero e ver qual recebe mais
average_salaries <- aggregate(Salary ~ Gender, data = dados_clean2, mean)
print(average_salaries)## Gender Salary
## 1 Female 107889.0
## 2 Male 121395.7highest_salary_gender <- average_salaries[which.max(average_salaries$Salary), "Gender"]
cat("O gênero com maior média salarial é:", highest_salary_gender, "\n")## O gênero com maior média salarial é: 2