Use este identificador para citar ou linkar para este item: https://repositorio.ufjf.br/jspui/handle/ufjf/19331
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
matheusalexandredasilva.pdfPDF/A511.38 kBAdobe PDFVisualizar/Abrir
Tipo: Trabalho de Conclusão de Curso
Título: Diferenciais de rendimentos por cor, uma análise do estado de Minas Gerais no ano de 2023
Autor(es): Silva, Matheus Alexandre da
Primeiro Orientador: Uceli, Amanda Ferrari
Membro da banca: Pinheiro, Sahra Ferreira
Membro da banca: Meireles, Débora Chaves
Resumo: A desigualdade de rendimento entre grupos raciais é uma característica persistente do mercado de trabalho brasileiro. Este trabalho tem como objetivo investigar a discriminação racial nos salários no estado de Minas Gerais em 2023, quantificando a parcela do diferencial de rendimentos entre trabalhadores brancos e negros que não pode ser explicada por características produtivas. A análise utiliza microdados da Pesquisa Nacional por Amostra de Domicílios Contínua (PNAD Contínua, IBGE, 2023) e emprega a metodologia de decomposição de Oaxaca-Blinder (1973). Os resultados indicam, em Minas Gerais, um diferencial de rendimento médio de aproximadamente 32% em favor dos trabalhadores brancos. A decomposição revela que 59,5% dessa disparidade de rendimentos não decorrem de diferenças em dotações como escolaridade e experiência, mas de retornos desiguais a essas qualificações. Em particular, o estudo evidencia que cada ano adicional de estudo resulta em um retorno de rendimento significativamente menor para trabalhadores negros em comparação com seus pares brancos. Conclui-se que a discriminação racial permanece como um fator estrutural e determinante da desigualdade no mercado de trabalho mineiro, sugerindo que políticas públicas devem ir além da promoção do acesso à educação, focando também em garantir equidade nos retornos do capital humano e em combater práticas discriminatórias no ambiente de trabalho.
Abstract: Wage inequality between racial groups is a persistent feature of the Brazilian labor market. This paper aims to investigate racial discrimination in wages in the state of Minas Gerais in 2023, quantifying the portion of the income differential between white and black workers that cannot be explained by productive characteristics. The analysis uses microdata from the national household sample survey, Pesquisa Nacional por Amostra de Domicílios Contínua (PNAD Contínua, IBGE, 2023) and employs the Oaxaca-Blinder decomposition methodology (1973). The results indicate, in Minas Gerais, an average wage differential of approximately 32% in favor of white workers. The decomposition reveals that 59.5% of this income disparity does not stem from differences in endowments such as education and experience, but rather from unequal returns to these qualifications. In particular, the study shows that each additional year of study results in a significantly lower wage return for black workers compared to their white peers. The study concludes that racial discrimination remains a structural and determining factor of inequality in the Minas Gerais labor market, suggesting that public policies must go beyond promoting access to education, also focusing on ensuring equity in the returns to human capital and combating discriminatory practices in the workplace.​
Palavras-chave: Desigualdade de rendimentos
Discriminação racial
Mercado de trabalho
Oaxaca-Blinder
Minas Gerais
Income inequality
Racial discrimination
Labor market
Oaxaca-Blinder
Minas Gerais
CNPq: CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA
Idioma: por
País: Brasil
Editor: Universidade Federal de Juiz de Fora - Campus Avançado de Governador Valadares
Sigla da Instituição: UFJF/GV
Departamento: ICSA - Instituto Ciências Sociais Aplicadas
Tipo de Acesso: Acesso Aberto
Attribution-NonCommercial-NoDerivs 3.0 Brazil
Licenças Creative Commons: http://creativecommons.org/licenses/by-nc-nd/3.0/br/
URI: https://repositorio.ufjf.br/jspui/handle/ufjf/19331
Data do documento: 18-Ago-2025
Aparece nas coleções:Ciências Econômicas - Campus GV



Este item está licenciado sob uma Licença Creative Commons Creative Commons