A EVOLUÇÃO DO RENDIMENTO SALARIAL NO MERCADO DE TRABALHO

1. Introdução

Passo a passo de como fazer o download dos microdados anuais da PNAD contínua de 2012 a 2024, criar médias e dummies das variáveis e gráficos e tabelas dos dados.

1.1 Dicionário

Dicionário de variáveis utilizadas na análise

Variável	Descrição
UF	estados
V2005	condição no domicílio
VD4002	condição de ocupação (1 = ocupado 2 = desocupado)
V2010	raça
V20082	ano de nascimento
V2009	idade (0 a 130)
V2007	sexo (1 = homem 2 = mulher)
VD3005	anos de estudo
VD4016	rendimento mensal habitual no trabalho principal (em reais)
VD4019	rendimento mensal habitual em todos os trabalhos (em reais)
V4040	tempo de emprego (categorias: 1 mês, menos de 1 ano, menos de 2 anos e 2 anos ou mais)
V40401	tempo de emprego (categorias 1 a 11, 01 mês a 11 meses)
V40402	tempo de emprego (de 1 ano a 2 anos, categorias: 00 a 11)
V40403	tempo de emprego (2 a 98 = 2 anos ou mais)
VD4009	Posição na ocupação no trabalho principal da semana de referência para pessoas de 14 anos ou mais de idade
VD4008	Posição na ocupação e categoria do emprego do trabalho principal da semana de referência para pessoas de 14 anos ou mais de idade
VD4031	Horas habitualmente trabalhadas por semana em todos os trabalhos para pessoas de 14 anos ou mais de idade
VD4012	Contribuição para instituto de previdência em qualquer trabalho da semana de referência para pessoas de 14 anos ou mais de idade
VD4010	Grupamentos de atividade principal do empreendimento do trabalho principal da semana de referência para pessoas de 14 anos ou mais de idade

1.2 Passos iniciais

Limpando enviroment, instalando e carregando pacotes

#Limpando o environment
#rm(list = ls())


#instalando e carregando pacotes
#install.packages("PNADcIBGE")
#install.packages("dplyr")
#install.packages("gt")
#install.packages("tidyr")
#install.packages("purrr")
#install.packages("ggplot2")
#install.packages("plm")
#install.packages("DT")
#install.packages("stargazer")
#install.packages("modelsummary")

library(PNADcIBGE)
library(dplyr)
library(gt)
library(tidyr)
library(purrr)
library(ggplot2)
library(plm)
library(DT)
library(stargazer)
library(modelsummary)

2. Extração, Filtragem e Manipulação dos dados

2.1. Extração

Selecionando variáveis baseado no dicionário da PNAD

#selecionado as variáveis
varselec <-  c("UF","V2005","VD4002","V2010", "V20082", "V2009", "V2007", "VD3005", "VD4016", "VD4019", 
               "V4040","V40401","V40402", "V40403", "VD4009", "VD4008", "VD4031", "VD4012", "VD4010")

Baixando base de dados de 2012 a 2023

O código abaixo faz download e armazena os dados de todos os anos de 2012 a 2024 baixados com a função get_pnadc e realiza um loop para não precisar ficar repetindo o código para todos os anos. O paramêtro Interview serve para escolher a entrevista no ano, conseguindo assim os dados anuais. Deflator = TRUE insere a variável para deflacionamento dos dados de remuneração.

# Criando função para fazer download dos microdados e que continua mesmo se algum ano der erro

baixar_dados <- possibly(
  ~ get_pnadc(
      year = .x,
      interview = 5, # nem todos os anos têm interview = 5
      design = FALSE,
      labels = FALSE,
      deflator = TRUE,
      defyear = 2024
      vars = varselec
  ),
  otherwise = NULL  # Retorna NULL se erro
)

anos <- 2012:2024

# aplicando a função criada acima em cada ano, ou seja, fazendo download dos microdados de cada ano
dados_brutos <- map(anos, baixar_dados) |> 
  set_names(paste0("PNADC", anos))

# Salva os dados brutos em um arquivo para não precisar fazer o download novamente
saveRDS(dados_brutos, "dados_brutos.rds")

2.1. Filtragem e Manipulação dos dados

Abaixo, é criada a função processar_dados() para selecionar variáveis, aplicar filtros e gerar variáveis derivadas das originais, como faixas etárias, dummies de sexo, raça, região e rendas ajustadas. O código utiliza pipes (|>) para organizar o fluxo de manipulação. Além disso, foi selecionada a variável CO2, presente nos microdados quando Deflator = TRUE, que servirá para criar a variável renda deflacionada. No final, a função é aplicada a cada ano com map(), gerando a lista dados_processados. Atente-se aos #comentários para entender o que acontece com cada bloco do código.

# puxando os dados salvos
  dados_brutos <- readRDS("dadosbrutos_select_vars.rds")

#criando função para selecionar, filtrar e manipular os microdados
processar_dados <- function(dados) {
  ano <- unique(dados$Ano)
  
  dados |>
    #selecionando variáveis de interesse
    select(Ano, Trimestre, UF, UPA, V1008, V1014, V2005, VD4002, V2010, V20082, V2009, V2007, 
           VD3005, VD4016, VD4019, V4040, V40401, V40402, V40403, VD4009, VD4008, VD4031, 
           VD4012, VD4010, CO2, ID_DOMICILIO) |>
    filter(
      #filtrando por ano de nascimento
      V20082 >= 1959, 
      V20082 != 9999
          ) |>
    mutate(
      
      # variáveis categóricas
      escolaridade = as.integer(VD3005),
      idade = as.integer(V2009),
      
      #criando variáveis de renda 
      Renda_nominal = VD4019,
      RendaReal = VD4019 * CO2,
      renda_hora = RendaReal/(VD4031 * 4.345),
      log_renda_hora = log(renda_hora),
      
      #dummie por sexo
      Homem = as.integer(V2007 == 1),
      Mulher = 1L - Homem,
      
      #dummie por raça
      branco = as.integer(V2010 == 1),
      ñbranco = 1L - branco,
      
      # Criando dummie de Faixas etárias
      FaixaEtaria1_20a29 = case_when(idade >= 20 & idade <= 29 ~ 1L, TRUE ~ 0L),
      FaixaEtaria2_30a39 = case_when(idade >= 30 & idade <= 39 ~ 1L, TRUE ~ 0L),
      FaixaEtaria3_40a49 = case_when(idade >= 40 & idade <= 49 ~ 1L, TRUE ~ 0L),
      FaixaEtaria4_50a65 = case_when(idade >= 50 & idade <= 65 ~ 1L, TRUE ~ 0L),
      
      #criando variáveis dummies por setor de atividade
      servidor_publico = as.integer(VD4008 == 3),
      setor_privado = as.integer(VD4008 == 1),
      
      #criando variáveis dummies para os setores da economia
      setor_primario = case_when(VD4010 == "01" ~ 1L, TRUE ~ 0L),
      setor_secundario = case_when(VD4010 %in% c("02", "03") ~ 1L, TRUE ~ 0L),
      setor_terciario = case_when(VD4010 %in% c("04","05","06","07","08","09","10","11") ~ 1L, TRUE ~ 0L),
      
      #criando variáveis dummies para formalidade do emprego
      formal = case_when(
                VD4009 %in% c("01", "03", "05", "07") ~ 1L,
                VD4009 %in% c("04", "08", "09") & VD4012 == "1" ~ 1L,
                TRUE ~ 0L),
  
      informal = case_when(
                  VD4009 %in% c("02", "06", "10") ~ 1L,
                  VD4009 %in% c("04", "08", "09") & VD4012 == "2" ~ 1L,
                  TRUE ~ 0L),
      
      #criando variáveis dummies por regiões
      regiao_norte = case_when(UF %in% c(11,12,13,14,15,16,17) ~ 1L, TRUE ~ 0L),
      regiao_nordeste = case_when(UF %in% c(21,22,23,24,25,26,27,28,29) ~ 1L, TRUE ~ 0L),
      regiao_sudeste = case_when(UF %in% c(31,32,33,35) ~ 1L, TRUE ~ 0L),
      regiao_sul = case_when(UF %in% c(41,42,43) ~ 1L, TRUE ~ 0L),
      regiao_centroOeste = case_when(UF %in% c(50,51,52,53) ~ 1L, TRUE ~ 0L),
  
      
      #criando variável dummie para os anos 
      ano2012a2014 = case_when(Ano %in% 2012:2014 ~ 1L, TRUE ~ 0L),
      ano2015a2019 = case_when(Ano %in% 2015:2019 ~ 1L, TRUE ~ 0L),
      ano2020e2021 = case_when(Ano %in% 2020:2021 ~ 1L, TRUE ~ 0L),
      ano2022a2024 = case_when(Ano %in% 2022:2024 ~ 1L, TRUE ~ 0L),
      
    )|>
    group_by(ID_DOMICILIO) |>
    mutate(
      #variáveis dummies baseadas na condição de domicílio
      ChefeFamilia = as.integer(V2005 == "01"),
      Conjuge = as.integer(V2005 == "02"),
      
      #variável para identificar quais domicílios tem conjuges para identificar os casados
      tem_conjuge = as.integer(any(Conjuge == 1)),
      
      #criando variáveis dummies para estado civil
      Casados = as.integer(tem_conjuge & (ChefeFamilia == 1 | Conjuge == 1)),
      ñcasados = as.integer(Casados == 0),
      
      #criando variáveis para identificar se indivíduos casados têm filhos menores de 10 anos
      tem_filho_menor10 = as.integer(any(V2005 %in% 4:6 & V2009 < 10)),
      casado_comfilho = as.integer(Casados == 1 & tem_filho_menor10 == 1),
      casado_semfilho = as.integer(Casados == 1 & tem_filho_menor10 == 0)
    ) |>
    ungroup()
    
}

# Aplicar a todos os anos
dados_processados <- map(dados_brutos, processar_dados)

2.2. Criação de Coortes e Médias por Coortes)

Esse bloco de código aplica uma transformação aos dados processados, criando uma variável identificadora chamada ID, formada pela combinação do ano de nascimento (V20082) e do sexo (V2007) de cada indivíduo. Em seguida, os dados são agrupados por essa ID, representando coortes de indivíduos com características demográficas semelhantes, e são calculadas as médias de diversas variáveis dentro de cada grupo. Essas médias são adicionadas como novas variáveis com o sufixo _ID, permitindo análises agregadas por coorte.

# puxando dados do bloco anterior para criar as coortes(IDs)
dados_IDs <- map(dados_processados, ~ {.x |>
    mutate(
      #criando ID juntando ano de nascimento e sexo separado por "_"
      ID = interaction(V20082, V2007, sep = "_")
    ) |> 
    group_by(ID) |>
    #criando média de cada variável por ID
    mutate(across(c(
      branco, ñbranco, 
      Casados, ñcasados, 
      casado_comfilho, casado_semfilho,
      ChefeFamilia, Conjuge, 
      escolaridade, 
      Renda_nominal, RendaReal,
      ano2020e2021, ano2012a2014, 
      ano2015a2019,ano2022a2024,
      servidor_publico, setor_privado,
      setor_primario, setor_secundario, setor_terciario,
      formal, informal,
      regiao_norte, regiao_nordeste, regiao_sudeste, regiao_sul, regiao_centroOeste,
      
      ), ~ mean(., na.rm = TRUE), .names = "Média_{.col}_ID")) |>
    
    ungroup()
})

2.3 Filtragem final do banco de dados

O bloco de código abaixo realiza o filtro final dos dados, selecionando apenas os indivíduos ocupados (VD4002 == 1), com 20 anos ou mais de idade, e que possuem renda nominal entre R$100 e R$100 mil. Após aplicar esses critérios a cada ano da base de dados, os dados filtrados são combinados em um único objeto com todas as observações anuais, permitindo a análise integrada de todos os anos disponíveis a partir de agora.

# Filtro final
dados_filtrados <- map(dados_IDs, ~( .x |>
    filter(
      VD4002 == 1, #apenas indivíduos ocupados
      V20082 <= 1992, #filtrando para o intervalo de idade desejável
      RendaReal >= 100,
      RendaReal <= 100000)  # que recebem entrem 100 e 100 mil
    ))

# Unir todos os anos
dados_anuais <- bind_rows(dados_filtrados)

3. Estatística Descritiva

3.1. Estatística Descritiva Geral do Banco de Dados

#calculando estatísca descritiva

tabela_dadosgerais <- dados_anuais |>
  group_by(Ano) |>
  summarise(
    qtd_obs = n(),
    qtd_homens = sum(V2007 == 1, na.rm = TRUE),
    qtd_mulheres = sum(V2007 == 2, na.rm = TRUE),
    qtd_casados = sum(Casados == 1, na.rm = TRUE),
    qtd_ñcasados = sum(Casados == 0, na.rm = TRUE),
    qtd_brancos = sum(branco == 1, na.rm = TRUE),
    qtd_ñbrancos = sum(branco == 0, na.rm = TRUE),
    qtd_ChefesFamilia = sum(ChefeFamilia == 1, na.rm = TRUE),
    qtd_conjuges = sum(Conjuge == 1, na.rm = TRUE),
    
    # Faixas etárias
    qtd_faixa_20a29 = sum(FaixaEtaria1_20a29 == 1, na.rm = TRUE),
    qtd_faixa_30a39 = sum(FaixaEtaria2_30a39 == 1, na.rm = TRUE),
    qtd_faixa_40a49 = sum(FaixaEtaria3_40a49 == 1, na.rm = TRUE),
    qtd_faixa_50a65 = sum(FaixaEtaria4_50a65 == 1, na.rm = TRUE),

    # Setor de atividade (vínculo)
    qtd_servidor_publico = sum(servidor_publico == 1, na.rm = TRUE),
    qtd_setor_privado = sum(setor_privado == 1, na.rm = TRUE),

    # Setores da economia
    qtd_setor_primario = sum(setor_primario == 1, na.rm = TRUE),
    qtd_setor_secundario = sum(setor_secundario == 1, na.rm = TRUE),
    qtd_setor_terciario = sum(setor_terciario == 1, na.rm = TRUE),

    # Formalidade
    qtd_formal = sum(formal == 1, na.rm = TRUE),
    qtd_informal = sum(informal == 1, na.rm = TRUE),

    # Regiões
    qtd_regiao_norte = sum(regiao_norte == 1, na.rm = TRUE),
    qtd_regiao_nordeste = sum(regiao_nordeste == 1, na.rm = TRUE),
    qtd_regiao_sudeste = sum(regiao_sudeste == 1, na.rm = TRUE),
    qtd_regiao_sul = sum(regiao_sul == 1, na.rm = TRUE),
    qtd_regiao_centroOeste = sum(regiao_centroOeste == 1, na.rm = TRUE),

    # Anos da pandemia
    qtd_Ano2020e2021 = sum(ano2020e2021 == 1, na.rm = TRUE),

    .groups = "drop"
  )

# gerando e configurando tabela com o pacote gt
tabela_dadosgerais |>
  gt() |>
  # Formatar quantidades (separador de milhar)
  fmt_number(
    columns = starts_with("qtd"),
    decimals = 0,
    sep_mark = ".",
    dec_mark = ","
  ) 

Ano	qtd_obs	qtd_homens	qtd_mulheres	qtd_casados	qtd_ñcasados	qtd_brancos	qtd_ñbrancos	qtd_ChefesFamilia	qtd_conjuges	qtd_faixa_20a29	qtd_faixa_30a39	qtd_faixa_40a49	qtd_faixa_50a65	qtd_servidor_publico	qtd_setor_privado	qtd_setor_primario	qtd_setor_secundario	qtd_setor_terciario	qtd_formal	qtd_informal	qtd_regiao_norte	qtd_regiao_nordeste	qtd_regiao_sudeste	qtd_regiao_sul	qtd_regiao_centroOeste	qtd_Ano2020e2021
2012	136.217	80.198	56.019	80.073	56.144	61.142	75.075	66.442	33.239	41.764	44.716	37.535	10.514	19.342	70.314	18.316	30.396	87.410	82.426	53.791	17.409	38.586	38.369	26.595	15.258	0
2013	138.031	81.003	57.028	83.040	54.991	60.884	77.147	69.732	34.857	40.075	46.316	38.108	13.532	19.801	69.744	18.712	30.457	88.843	84.509	53.522	17.694	38.528	39.369	26.705	15.735	0
2014	137.377	80.774	56.603	83.889	53.488	60.650	76.727	70.849	35.312	34.897	46.445	39.154	16.881	20.491	67.531	18.855	29.515	88.977	85.376	52.001	17.860	39.235	38.733	26.347	15.202	0
2015	134.589	78.970	55.619	83.818	50.771	58.856	75.733	70.958	35.641	29.837	45.721	38.973	20.058	19.911	63.818	18.693	28.327	87.543	84.073	50.516	17.266	38.290	37.859	26.302	14.872	0
2016	129.492	75.565	53.927	81.471	48.021	55.644	73.848	69.408	34.694	23.831	43.923	38.773	22.965	19.325	59.464	18.696	25.426	85.356	80.724	48.768	16.931	36.234	36.960	25.042	14.325	0
2017	122.688	70.933	51.755	78.112	44.576	52.611	70.077	65.757	34.603	19.467	41.585	37.142	24.494	18.814	54.834	17.037	23.590	82.042	75.481	47.207	15.771	33.295	35.152	23.952	14.518	0
2018	121.725	69.707	52.018	78.663	43.062	51.447	70.278	65.563	35.481	15.804	41.464	37.616	26.841	18.696	53.432	16.447	22.802	82.429	74.194	47.531	15.370	32.402	36.726	22.917	14.310	0
2019	122.913	70.275	52.638	80.759	42.154	51.375	71.538	66.329	36.667	12.429	41.918	38.602	29.964	19.072	52.629	16.388	22.600	83.882	74.227	48.686	15.812	32.349	37.140	23.051	14.561	0
2020	99.020	56.996	42.024	66.227	32.793	42.779	56.241	53.296	30.696	7.173	33.632	31.903	26.312	16.473	41.762	12.878	18.069	68.036	61.900	37.120	12.657	24.803	30.347	19.740	11.473	99.020
2021	86.921	50.205	36.716	56.389	30.532	37.140	49.781	48.062	26.166	3.538	28.808	29.252	25.323	14.353	34.985	12.548	16.038	58.308	53.062	33.859	11.720	21.642	26.135	17.153	10.271	86.921
2022	99.665	56.989	42.676	65.117	34.548	42.270	57.395	54.794	31.292	1.435	32.929	34.188	31.113	16.126	40.595	14.286	17.939	67.410	59.475	40.190	13.393	25.552	28.772	19.678	12.270	0
2023	100.668	57.155	43.513	65.129	35.539	42.427	58.241	55.418	31.645	0	31.564	35.230	33.874	16.495	40.934	13.912	18.077	68.660	60.423	40.245	13.262	26.175	29.175	19.635	12.421	0
2024	102.596	58.372	44.224	66.680	35.916	43.012	59.584	56.984	33.242	0	30.356	36.915	35.325	16.525	42.350	14.131	18.909	69.540	61.569	41.027	13.050	27.023	30.303	20.219	12.001	0

4. Análise Econométrica

Criando Pseudo Painel

# puxando os dados salvos
  #dados_anuais <- readRDS("dados_anuais.rds")

# filtrando para criar o pseudo painel
pseudopainel <- dados_anuais |> 
  select(Ano, ID, log_renda_hora, ends_with("_ID")) |> 
  distinct(Ano, ID, .keep_all = TRUE)

# criando painel
pseudopainel <- pdata.frame(pseudopainel, index = c("ID", "Ano"))

# exibindo painel 
datatable(pseudopainel, options = list(scrollX = TRUE))

4.1

#colocando a coluna ID como chr para poder selecionar as IDs por sexo
pseudopainel$ID <- as.character(pseudopainel$ID)

# filtrando painel apenas para ID de indivíduos homens
painel_homens <- pseudopainel |> 
  filter(substr(pseudopainel$ID, nchar(pseudopainel$ID), nchar(pseudopainel$ID)) == "1")

#regressao para ID homens com efeito fixo (within)
regressao_renda_hora_homens <- plm(
  log_renda_hora ~ 
    Média_escolaridade_ID,
  data = painel_homens,
  model = "within"
)

# Resumo da regressão
#summary(regressao_renda_hora_homens)
cat("### Regressão: Renda por Hora Homens\n\n")

### Regressão: Renda por Hora Homens

modelsummary(regressao_renda_hora_homens,
             stars = TRUE,
             statistic = "std.error", 
             output = "html")

	(1)
+ p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001
Média_escolaridade_ID	0.280*
	(0.135)
Num.Obs.	442
R2	0.011
R2 Adj.	-0.072
AIC	912.2
BIC	920.4
RMSE	0.68

# filtrando painel apenas para ID de indivíduos mulheres
painel_mulheres <- pseudopainel |> 
  filter(substr(pseudopainel$ID, nchar(pseudopainel$ID), nchar(pseudopainel$ID)) == "2")

#regressao para ID homens com efeito fixo (within)
regressao_renda_hora_mulheres <- plm(
  log_renda_hora ~ 
    Média_escolaridade_ID,
  data = painel_mulheres,
  index = c("ID", "Ano"),
  model = "within"
)

# Resumo da regressão
#summary(regressao_renda_hora_mulheres)
cat("### Regressão: Renda por Hora Mulheres\n\n")

### Regressão: Renda por Hora Mulheres

modelsummary(regressao_renda_hora_mulheres,
             stars = TRUE,
             statistic = "std.error", 
             output = "html")

	(1)
+ p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001
Média_escolaridade_ID	0.297*
	(0.131)
Num.Obs.	442
R2	0.012
R2 Adj.	-0.070
AIC	984.9
BIC	993.1
RMSE	0.73