Oferta de escolas e retorno do ensino médio entre os jovens no Brasil

Franca, Maíra Penna; Machado, Danielle Carusi; Corseuil, Carlos Henrique Working Paper Oferta de escolas e retorno do ensino médio entre os jovens no Brasil Texto para Discussão, No. 2804 Provided in Cooperation with: Institute of Applied Economic Research (ipea), Brasília Suggested Citation: Franca, Maíra Penna; Machado, Danielle Carusi; Corseuil, Carlos Henrique (2022) : Oferta de escolas e retorno do ensino médio entre os jovens no Brasil, Texto para Discussão, No. 2804, Instituto de Pesquisa Econômica Aplicada (IPEA), Brasília, https://doi.org/10.38116/td2804 This Version is available at: https://hdl.handle.net/10419/284860 Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Terms of use: Documents in EconStor may be saved and copied for your personal and scholarly purposes. You are not to copy documents for public or commercial purposes, to exhibit the documents publicly, to make them publicly available on the internet, or to distribute or otherwise use the documents in public. If the documents have been made available under an Open Content Licence (especially Creative Commons Licences), you may exercise further usage rights as specified in the indicated licence. https://creativecommons.org/licenses/by/2.5/br/ 2804 OFERTA DE ESCOLAS E RETORNO OFERTA DE ESCOLAS E RETORNO DO ENSINO MÉDIO ENTRE DO ENSINO MÉDIO ENTRE OS JOVENS NO BRASILOS JOVENS NO BRASIL MAÍRA PENNA FRANCAMAÍRA PENNA FRANCA DANIELLE CARUSI MACHADODANIELLE CARUSI MACHADO CARLOS HENRIQUE CORSEUILCARLOS HENRIQUE CORSEUIL 2804 Brasília, outubro de 2022 OFERTA DE ESCOLAS E RETORNO DO ENSINO MÉDIO ENTRE OS JOVENS NO BRASIL MAÍRA PENNA FRANCA1 DANIELLE CARUSI MACHADO2 CARLOS HENRIQUE CORSEUIL3 1. Pesquisadora do Programa de Pós-Graduação em Economia da Universidade Federal Fluminense (UFF); e professora substituta no Departamento de Economia da UFF. E-mail: <[email protected]>. 2. Professora associada no Programa de Pós-Graduação em Economia da UFF. E-mail: <[email protected]>. 3. Técnico de planejamento e pesquisa na Diretoria de Estudos e Políticas Sociais do Instituto de Pesquisa Econômica Aplicada (Disoc/Ipea). E-mail: <carlos[email protected].br>. Texto para Discussão Publicação seriada que divulga resultados de estudos e pesquisas em desenvolvimento pelo Ipea com o objetivo de fomentar o debate e oferecer subsídios à formulação e avaliação de políticas públicas. © Instituto de Pesquisa Econômica Aplicada – ipea 2022 Texto para discussão / Instituto de Pesquisa Econômica Aplicada.- Brasília : Rio de Janeiro : Ipea , 1990ISSN 1415-4765 1.Brasil. 2.Aspectos Econômicos. 3.Aspectos Sociais. I. Instituto de Pesquisa Econômica Aplicada. CDD 330.908 As publicações do Ipea estão disponíveis para download gratuito nos formatos PDF (todas) e EPUB (livros e periódicos). Acesse: http://www.ipea.gov.br/portal/publicacoes As opiniões emitidas nesta publicação são de exclusiva e inteira responsabilidade dos autores, não exprimindo, necessariamente, o ponto de vista do Instituto de Pesquisa Econômica Aplicada ou do Ministério da Economia. É permitida a reprodução deste texto e dos dados nele contidos, desde que citada a fonte. Reproduções para fins comerciais são proibidas. JEL: J21; J24; J31. DOI: http://dx.doi.org/10.38116/td2804 Governo Federal Ministério da Economia Ministro Paulo Guedes Fundação pública vinculada ao Ministério da Economia, o Ipea fornece suporte técnico e institucional às ações governamentais– possibilitando a formulação de inúmeras políticas públicas e programas de desenvolvimento brasileiros– e disponibiliza, para a sociedade, pesquisas e estudos realizados por seustécnicos. Presidente ERIK ALENCAR DE FIGUEIREDO Diretor de Desenvolvimento Institucional ANDRÉ SAMPAIO ZUVANOV Diretor de Estudos e Políticas do Estado, das Instituições e da Democracia FLAVIO LYRIO CARNEIRO Diretor de Estudos e Políticas Macroeconômicas MARCO ANTÔNIO FREITAS DE HOLLANDA CAVALCANTI Diretor de Estudos e Políticas Regionais, Urbanas e Ambientais NILO LUIZ SACCARO JUNIOR Diretor de Estudos e Políticas Setoriais, de Inovação, Regulação e Infraestrutura JOÃO MARIA DE OLIVEIRA Diretor de Estudos e Políticas Sociais HERTON ELLERY ARAÚJO Diretor de Estudos Internacionais PAULO DE ANDRADE JACINTO Assessor-chefe de Imprensa e Comunicação (substituto) JOÃO CLÁUDIO GARCIA RODRIGUES LIMA Ouvidoria: http://www.ipea.gov.br/ouvidoria URL: http://www.ipea.gov.br SUMÁRIO SINOPSE ABSTRACT 1 INTRODUÇÃO ........................................................................ 6 2 DISCUSSÃO CONCEITUAL E EVIDÊNCIAS EMPÍRICAS .............8 3 DADOS ...............................................................................12 4 MODELO EMPÍRICO .............................................................23 5 RESULTADOS ......................................................................24 6 CONSIDERAÇÕES FINAIS .....................................................35 REFERÊNCIAS .........................................................................36 SINOPSE A evolução da escolaridade no Brasil foi significativa, sobretudo para o ensino fundamental, praticamente universalizado entre crianças e adolescentes. Entretanto, para os jovens, a etapa escolar do nível médio é marcada por baixo ingresso ou abandono. Nesse contexto, entender a magnitude do retorno salarial do nível médio é crucial para lançar luz sobre as vantagens em cursá-lo e sua importância para desigualdade de renda. No Brasil, existem poucos estudos sobre o retorno salarial do ensino médio que considerem explicitamente o problema de endogeneidade da escolaridade em uma equação salarial e que explorem variabilidade de fatores institucionais. Este artigo visa complementar essa lacuna, pois estima o retorno salarial do ensino médio para os jovens de 20 a 24 anos no Brasil empregando um conjunto de instrumentos que captam a densidade de oferta de escolas no município quando o jovem tinha 15 anos, idade de entrada no ensino médio. Como as medidas de oferta de escolas apresentaram uma relação positiva e significativa com a probabilidade de o jovem ter o ensino médio completo, conseguimos identificar o retorno do ensino médio pelo método de variáveis instrumentais que ficou entre 11% e 20%. Palavras-chave: retornos econômicos; ensino médio; variáveis instrumentais; capital humano. ABSTRACT Schooling attendance improved significantly in Brazil, mainly for primary schooling. Attendance levels however are still deficient at secondary level; where dropout levels also worries policy makers. This paper aims to estimate the wage premium for secondary education attained by young workers aged 20 to 24 in Brazil; as this could potentially lead to low levels of interest for attending secondary schools. We take into account the endogeneity of education in the wage equation, by employing a set of instruments that capture the supply density of schools in the municipality when the young worker was 15 years old; considered as the entry age for secondary school. The return estimates obtained by the method of instrumental variables ranged from 11% to 20%. The results also indicate that measures of school supply have a positive and significant relationship with the probability of a young person having completed high school. Keywords: economic returns; high school education; instrumental variables; human capital. TEXTO para DISCUSSÃO 6 2804 1 INTRODUÇÃO Nas últimas duas décadas, verificou-se uma expansão considerável do sistema educacional brasileiro, o que resultou no aumento do nível de escolaridade da população de jovens e adultos. O acesso ao ensino fundamental foi praticamente universalizado, com 97% de crianças e adolescentes de 7 a 14 anos frequentando a escola já em 2010. No entanto, a cobertura do nível médio ainda se encontra aquém do desejado. Entre os jovens de 15 a 17 anos, cerca de 80% frequentavam a escola em qualquer nível, porém somente 50% desse grupo frequentava o nível de ensino médio, havendo, portanto, um percentual considerável de jovens fora da escola e com defasagem escolar. Apesar da quase universalização do ensino fundamental, o ingresso e a conclusão do ensino médio por parte dos jovens no Brasil ainda são, portanto, desafios para política educacional.1 De acordo com Barros et al. (2017), a não permanência dos jovens no ensino médio, resultando em uma baixa taxa de conclusão, decorre de fatores extra e intraescolares. Os fatores fora da escola estão basicamente relacionados às condições sociais e econômicas das famílias destes jovens, capazes de limitar a ida ou a permanência na escola. Os fatores escolares associam-se, sobretudo, as dificuldades de um bom ambiente escolar, que garantam aprendizagem de qualidade e uma percepção mais clara da importância da educação para uma boa inserção profissional e trajetória de vida futura. A literatura econômica, a exemplo de Crespo e Reis (2009) e Barbosa Filho e Pêssoa (2008), aponta que o mercado de trabalho brasileiro proporciona ganhos elevados para o nível médio de escolaridade e que a desigualdade de renda no Brasil é fortemente explicada pelas desigualdades educacionais (Menezes-Filho, 2001; Barros, Foguel e Ulyssea, 2007). Portanto, é de extrema importância entender melhor como os rendimentos se relacionam com o nível de educação, sobretudo na etapa do nível médio. Na literatura internacional, Psacharopoulos e Patrinos (2004) evidenciam que os retornos à escolaridade são decrescentes em relação ao nível de desenvolvimento socieconômico. As maiores taxas de retorno são observadas na América Latina e Caribe e na África Subsaariana. No grupo de países mais desenvolvidos, pertencentes à Organização para a Cooperação e Desenvolvimento Econômico (OCDE), os retornos estimados são mais baixos. No nível médio de ensino, os retornos na America Latina são estimados em 17% e em 11,3% nos países da OCDE. 1. O Plano Nacional de Educação (Lei no 13.005/2014) estabeleceu como metas elevar a taxa líquida de matrículas da população de 15 a 17 anos no ensino médio para 85% e elevar a escolaridade média da população de 18 a 29 anos, de modo a alcançar, no mínimo, doze anos de estudo (o que equivale à conclusão do ensino médio) até 2024. TEXTO para DISCUSSÃO TEXTO para DISCUSSÃO 7 2804 Este artigo tem por objetivo estimar o retorno salarial do ensino médio para os jovens de 20 a 24 anos no Brasil. Há um desafio metodológico para a correta identificação desse retorno, uma vez que a comparação do salário entre indivíduos que completam ou não o ensino médio pode refletir outras diferenças entre esses grupos de indivíduos que também interferem na determinação do salário, bem como no progresso educacional. Por exemplo, indivíduos mais resilientes tendem a progredir mais tanto na trajetória escolar como na profissional. Levando em consideração esse problema (a endogeneidade da educação na equação de rendimentos), este trabalho contribui com a literatura ao empregar um conjunto de instrumentos que exploram fatores institucionais, relacionados especificamente à variabilidade da densidade de oferta de escolas no município quando o jovem tinha 15 anos, idade de entrada no ensino médio. Intuitivamente o uso desse instrumento permite que comparemos salários de indivíduos que tinham a mesma chance de ingressar no ensino médio (por exemplo, indivíduos igualmente resilientes) mas que progrediram de forma distinta nessa etapa do ensino devido, exclusivamente, a uma diferença na disponibilidade de escolas no seu entorno naquele momento. Considerando que a oferta de escolas na região aumenta o conjunto de possibilidades dos jovens de frequentarem o ensino médio, e que os indivíduos irão atribuir um peso maior às instituições que estão mais próximas, foram construídas medidas de oferta de escolas ponderadas pelas distâncias entre municípios. Seguindo o proposto por Doyle e Skinner (2016), além da variável de oferta de escolas no próprio município de residência quando em idade escolar, agregamos uma medida de densidade da oferta escolar nos municípios próximos. A variável do número de escolas foi ponderada pela distância geodésica entre as coordenadas centrais dos municípios de forma a captar uma proxy de densidade escolar. Os resultados do primeiro estágio, que informam a relevância do nosso instrumento, comprovam que a densidade de escolas possui um efeito significativo na probabilidade de conclusão do ensino médio. No segundo estágio, quando se estima o nosso parâmetro de interesse, observamos que a conclusão do ensino médio está associada a um retorno salarial que varia entre 11% e 20% de acordo com os instrumentos utilizados. Na especificação com apenas a variável de escolas por 1 mil habitantes, o retorno estimado, 11%, é muito próximo à estimativa por mínimos quadrados ordinários (MQO), 10%. O artigo está dividido em seis seções, sendo a primeira esta introdução. A seção 2 aborda aspectos teóricos e apresenta uma breve revisão da literatura sobre o tema. Em seguida, na seção 3, apresentamos as bases de dados e fazemos uma análise descritiva das variáveis. A seção 4 descreve a estratégia empírica, enquanto a seção 5 apresenta os resultados. Por fim, a seção 6 apresenta as considerações finais. TEXTO para DISCUSSÃO 8 2804 2 DISCUSSÃO CONCEITUAL E EVIDÊNCIAS EMPÍRICAS A relação entre educação e salários tem sido amplamente estudada pela literatura econômica desde os trabalhos seminais de Becker (1962; 1975) e Mincer (1958; 1974). De acordo com modelo proposto por Becker (1975), os agentes irão decidir o nível de educação que irão alcançar tendo em vista os custos e benefícios de obtenção de cada ano de escolaridade. Nesse arcabouço teórico, considerando a alocação de tempo finita entre estudo e trabalho, os indivíduos incorrem em um custo de oportunidade durante a escolarização devido aos rendimentos que deixam de ser recebidos no mercado de trabalho. Em contrapartida, o retorno da educação se traduz em aumentos salariais. A mensuração dos retornos educacionais baseia-se na equação (1) de rendimentos proposta por Mincer (1974): , (1) em que é o logaritmo do rendimento do trabalho; , a escolaridade, em geral medida por anos de estudo; , um vetor de variáveis de controle; e , o distúrbio aleatório que comporta fatores não observados que influenciam os rendimentos. O coeficiente é frequentemente interpretado como retorno da educação. No entanto, como apontado por Heckman, Lochner e Todd (2003), o coeficiente minceriano só poderá ser interpretado como taxa de retorno da educação sob determinadas circunstâncias. A identificação do efeito causal da educação sobre os rendimentos esbarra em diversas dificuldades, entre elas o chamado “viés de variável omitida”. Segundo Card (1999), esse viés surge pela correlação entre a habilidade individual, não observada no modelo, e o custo marginal da escolaridade. Em geral, espera-se que indivíduos com maior habilidade tenham menor custo marginal de se escolarizar e, com isso, tenderão a completar um número maior de anos de estudo. Paralelo a isso, indivíduos mais habilidosos são também aqueles com maior potencial de auferir renda. Desse modo, espera-se que haja uma correlação positiva entre anos de estudo e salários mesmo na ausência de efeito causal de escolaridade sobre os rendimentos do trabalho. Para que recupere o efeito causal da escolaridade, é preciso que a hipótese de exogeneidade seja atendida. Um dos métodos mais utilizado para lidar com o problema é o de variável instrumental (VI). Com base em Ashenfelter, Harmon e Osterbeek (1999), a essência do método VI consiste em explorar uma variação natural nos dados que influencie na decisão de se escolarizar e que não seja correlacionada com o resíduo da equação de rendimentos. A VI não irá afetar diretamente o resultado de interesse, ela só irá afetar o rendimento por meio da sua relação com a probabilidade de se escolarizar ou não. Além disso, assume-se que o efeito do tratamento, isto é, o retorno à educação, é homogêneo para cada indivíduo i. TEXTO para DISCUSSÃO TEXTO para DISCUSSÃO 15 2804 TABELA 2 Proporção de indivíduos de 20 a 24 anos por tempo de moradia no município (Em %) Tempo de moradia no município Idade 20 anos 21 anos 22 anos 23 anos 24 anos < 5 anos 13,4 14,0 14,5 14,3 14,0 5 anos 1,0 1,1 1,3 1,5 1,4 6 anos 1,3 1,4 1,4 1,6 1,8 7 anos 1,0 1,0 1,1 1,1 1,3 8 anos 1,1 1,2 1,2 1,3 1,3 > = 9 anos 82,2 81,4 80,6 80,2 80,1 Residentes no município desde os 15 anos 86,6 84,9 82,9 81,6 80,1       Variável de município utilizada: Município de residência em 31/7/2005 Município de residência anterior Município de residência em 31/7/2010 Fonte: Dados do Censo Demográfico 2010. Elaboração dos autores. A amostra final é composta por 597.467 jovens, que representavam, com fator de expansão, 5,7 milhões de brasileiros de 20 a 24 anos. O grupo de jovens com ensino médio completo é considerado como grupo de tratamento. Como nosso interesse reside em estimar o retorno salarial do nível médio, não foram considerados os jovens que tenham cursado algum semestre do ensino superior, tendo em vista que esses jovens já teriam acumulado mais capital humano e, portanto, estaríamos captando um retorno salarial que vai além do nível médio. Em contrapartida, o grupo de controle abrange duas categorias de indivíduos, citadas a seguir. 1) Ensino fundamental completo: jovens que se formaram no nível fundamental e encerraram a escolaridade nessa etapa de ensino sem nunca ter frequentado o ensino médio. 2) Ensino médio incompleto: jovens que concluíram o ensino fundamental e frequentaram alguma série do nível médio. TEXTO para DISCUSSÃO 16 2804 A especificação básica do modelo considera as duas categorias como grupo de controle. Na análise de robustez do modelo, retiramos os jovens com ensino médio incompleto com intuito de isolar um possível efeito de se ter frequentado, sem concluir, o ensino médio. 3.2 Variáveis instrumentais Com os dados dos Censos Escolares de 2001 a 2005, construímos a variável de oferta total de escolas de ensino médio por município. Foram considerados todos os estabelecimentos das redes pública e privada com a condição de funcionamento ativa no ano. O número de escolas de ensino médio em cada município foi dividido pela respectiva população de 15 a 19 anos. Os dados de população por município e faixa etária foram extraídos do portal de informações do Ministério da Saúde.4 Além da oferta de escolas no próprio município, foi construída uma medida de densidade de oferta de escolas nos municípios vizinhos. Para tanto, utilizou-se a distância geodésica entre as coordenadas centrais dos municípios como fator de ponderação para o número de escolas.5 As coordenadas dos municípios foram obtidas no site do IBGE e utilizaram-se as malhas territoriais por município de 2005. Dois tipos de medidas de oferta de escolas por município foram criados. A primeira corresponde ao número de escolas do próprio município para cada 1 mil habitantes de 15 a 19 anos. , (2) em que m indexa o município e t, o ano. O segundo tipo de instrumento é baseado em Doyle e Skinner (2016) e busca captar a densidade de oferta de escolas na região, isto é, em cidades que estejam próximas do município de residência aos 15 anos. Levando em consideração que a oferta de escolas na região aumenta o conjunto de possibilidades dos jovens de frequentarem o ensino médio, e que os indivíduos irão atribuir um peso maior às instituições que estejam em municípios mais próximos, a nossa medida de densidade escolar contempla pesos baseados no inverso da distância geodésica, conforme ilustrado pela equação 3. 4. Disponível em: <https://bit.ly/3BIqZsY>. Acesso em: 28 set. 2018. 5. A distância geodésica é a distância mais curta entre dois pontos em um elipsoide. O cálculo das distâncias foi feito pelo software R com pacote Geosphere que produz estimativas de alta precisão. TEXTO para DISCUSSÃO TEXTO para DISCUSSÃO 17 2804 , (3) em que é a distância geodésica entre as coordenadas dos centroides do município de residência m e do município k. 6 O denominador corresponde ao somatório das distâncias entre o município m e os K(m) municípios que estavam a uma distância de até 80 km da distância geodésica, incluindo municípios de estados diferentes que fazem divisa. O termo exponencial é negativo, de forma que municípios mais próximos recebem um peso maior. Com , os pesos são uma função linear da distância, quando , os pesos decrescem exponencialmente à medida que a distância aumenta. No limite, com , todo o peso será atribuído ao município mais próximo. Usamos duas especificações, com e . Para cada município m, a densidade de escolas na região é dada pelo peso do município multiplicado pelo número de escolas por habitantes no respectivo município e no ano t, conforme mostrado na equação 4. . (4) 3.3 Análise descritiva O gráfico 1 apresenta as distribuições das variáveis escolas por habitantes e densidade de escolas na região, com fator linear, por faixa etária. Os jovens de 20 a 21 anos foram expostos a uma maior oferta de escolas por habitantes (1,5 na média), em relação aos jovens de 22 a 24 anos (1,3 na média). O mesmo ocorre com a medida de densidade, cuja média era de 1,7 para os mais novos, e 1,5 para os jovens de 22 a 24 anos. As distribuições por sexo não apresentaram diferenças significativas. 6. O município de residência aos 15 anos é o menor nível de agregação que obtemos no Censo Demográfico. Para o município de residência na data de referência da pesquisa, é possível localizar o setor censitário. No entanto, para o município de residência em 2005, ou município de residência anterior, não é possível identificar o setor censitário, somente o próprio município. TEXTO para DISCUSSÃO 18 2804 GRÁFICO 1 Distribuição do número de escolas por 1 mil habitantes e da densidade de escolas ( ) por faixa etária 1A – Escolas por habitantes 1B – Densidade de escolas na região (ρ = 1) Fontes: Dados dos Censos Escolares de 2001 a 2005 e do Censo Demográfico 2010. Elaboração dos autores. Obs.: Figura cujos leiaute e textos não puderam ser padronizados e revisados em virtude das condições técnicas dos originais (nota do Editorial). As medidas de ofertas de escolas também são muito influenciadas pelo tamanho da população. O gráfico 2 apresenta a distribuição das duas variáveis por tamanho do município, de acordo com a classificação do IBGE. As cidades pequenas são aquelas que têm até 100 mil habitantes. As cidades médias possuem entre 100 mil e 500 mil habitantes, e as cidades grandes têm população acima de 500 mil. Em 2005, 95% dos municípios brasileiros tinham até 100 mil habitantes. Esses municípios concentravam 50% da população brasileira de 15 a 19 anos, enquanto as cidades médias e grandes respondiam por 24% e 26% da população de jovens, respectivamente. Pelo gráfico 2, pode-se observar uma maior dispersão no número de escolas por habitantes e na medida de densidade de escolas para os jovens de cidades pequenas. Nas cidades grandes, há uma concentração em torno da média de 1,2 escolas por 1 mil habitantes de 15 a 19 anos. TEXTO para DISCUSSÃO TEXTO para DISCUSSÃO 19 2804 GRÁFICO 2 Distribuição do número de escolas por 1 mil habitantes e da densidade de escolas ( ) por tamanho do município 2A – Escolas por habitante 2B – Densidade de escolas na região (ρ = 1) Fontes: Dados dos Censos Escolares de 2001 a 2005 e do Censo Demográfico 2010. Elaboração dos autores. Obs.: Figura cujos leiaute e textos não puderam ser padronizados e revisados em virtude das condições técnicas dos originais (nota do Editorial). A figura 1 apresenta a distribuição regional das medidas de escolas por 1 mil habitantes. Na figura 1A, está representada a medida de escolas de ensino médio por 1 mil habitantes. As áreas com tonalidade vermelha possuem menor número relativo de escolas, enquanto as de tons azuis, maior oferta de escolas por habitantes. As regiões Centro-Oeste e Sul apresentam as maiores ofertas relativas de escolas. O Sudeste possui o maior número absoluto de escolas, no entanto essa região também concentra a maior parte da população. Em 2005, cerca de 40% dos jovens de 15 a 19 anos moravam no Sudeste. Nas regiões Norte e Nordeste, verifica-se uma menor oferta relativa de escolas. Por sua vez, para a medida de densidade de escolas, na figura 1B, o padrão regional se torna mais acentuado. Verifica-se uma grande faixa vermelha no Norte, devido à enorme distância entre municípios nessa região. TEXTO para DISCUSSÃO 20 2804 FIGURA 1 Medidas de escolas de ensino médio por 1 mil habitantes de 15 a 19 anos 1A – Número de escolas 1B – Densidade de escolas (ρ = 1) Fonte: Dados dos Censos Escolares de 2001 a 2005. Elaboração dos autores. Obs.: 1. As figuras correspondem à média de 2001 a 2005. 2. Figura cujos leiaute e textos não puderam ser padronizados e revisados em virtude das condições técnicas dos originais (nota do Editorial). TEXTO para DISCUSSÃO TEXTO para DISCUSSÃO 21 2804 A tabela 3 reporta os valores médios das variáveis explicativas usadas no modelo de regressão por grupo de escolaridade. Na primeira coluna, está representado o grupo de tratamento, e, na segunda coluna, o grupo de controle, composto por aqueles indivíduos que concluíram o ensino fundamental, mas não chegaram a concluir o ensino médio. Observa-se uma maior predominância de homens, cerca de 65%, nos grupos de menor escolaridade, em comparação a 54% no grupo com médio completo. A média salarial dos jovens com nível médio completo, de R$ 5,40 por hora, é 7,5% maior do que a média salarial dos jovens que não concluíram o ensino médio. No entanto, é preciso ressaltar que há uma grande heterogeneidade no grupo de controle. As terceira e quarta colunas mostram as características socioeconômicas dos jovens com nível de escolaridade fundamental completo e médio incompleto, respectivamente. A média salarial por hora dos jovens com ensino médio incompleto (R$ 4,77) se mostrou inferior à média dos jovens que não chegaram a frequentar essa etapa de ensino. Na comparação entre jovens com fundamental completo (R$ 5,35) e médio completo (R$ 5,39), a diferença salarial é pouco expressiva. Os jovens com ensino médio incompleto apresentaram uma média de idade menor, com 43% na faixa etária de 20 a 21 anos, em comparação a 36,0% nos demais grupos. Nesse grupo, também se verificou maior presença de negros (58,4%) do que entre os jovens com apenas fundamental completo (52,8%) e entre os que concluíram o ensino médio (50,9%). TEXTO para DISCUSSÃO 22 2804 TABELA 3 Características da amostra por grupo de escolaridade  Médio completo Fundamental completo + médio incompleto Fundamental completo Médio incompleto Características socioeconômicas Salário/hora (R$) 5,39 5,01 5,35 4,77 20-21 anos (%) 36,2 40,4 36,3 43,4 22-24 anos (%) 63,8 59,6 63,7 56,6 Homens (%) 53,8 64,8 64,9 64,8 Mulheres (%) 46,2 35,2 35,1 35,2 Brancos (%) 49,1 44,0 47,2 41,6 Negros (%) 50,9 56,0 52,8 58,4 Características regionais Cidade pequena (até 100 mil hab.) (%) 45,5 50,3 51,5 49,4 Cidade média (100-500 mil hab.) (%) 26,7 24,5 24,0 24,9 Cidade grande (> 500 mil hab.) (%) 27,7 25,2 24,6 25,6 Região não metropolitana (%) 48,2 51,6 51,6 51,7 Região metropolitana (%) 51,8 48,4 48,4 48,3 Norte (%) 6,8 7,7 5,9 9,1 Nordeste (%) 23,3 23,6 19,6 26,4 Sudeste (%) 46,9 42,5 47,5 38,9 Sul (%) 15,5 17,9 19,8 16,5 Centro-Oeste (%) 7,5 8,3 7,2 9,1 Variáveis instrumentais Escolas/hab. 1,26 1,24 1,25 1,24 Densidade de escolas (ρ = 1)1,52 1,53 1,54 1,52 Densidade de escolas (ρ = 2) 1,48 1,49 1,51 1,48 Observações 358.884 238.583 100.621 137.962 Fontes: Dados dos Censos Escolares de 2001 a 2005 e do Censo Demográfico 2010. Elaboração dos autores. TEXTO para DISCUSSÃO TEXTO para DISCUSSÃO 23 2804 Uma possível explicação para a média salarial dos jovens com apenas fundamental completo ser maior do que a dos jovens com algum ensino médio é que o primeiro grupo possui maior experiência potencial. Isto é, esses indivíduos encerraram a escolaridade mais cedo, com oito anos de estudo, e provavelmente ingressaram há mais tempo no mercado de trabalho, tendo acumulado mais experiência do que os indivíduos que seguiram para etapa de ensino médio. Outra possibilidade é que a seleção baseada em características não observáveis para determinar a condição de empregado seja mais intensa para quem tem apenas o ensino fundamental. No que tange às características regionais, verifica-se uma maior concentração dos jovens com médio completo em regiões metropolitanas (51,8%) e em cidades grandes (27,7%). Também foram inclusas as médias das VIs. A oferta relativa de escolas no município é levemente maior para os jovens com médio completo (1,26) do que para jovens com fundamental completo (1,25) e médio incompleto (1,24). No entanto, as medidas de densidade de escolas apresentam uma pequena diferença de 0,3 a mais para o grupo de menor escolaridade. 4 MODELO EMPÍRICO Para estimar o retorno salarial associado a cursar o nível médio de ensino, partimos de uma equação de rendimentos adaptada: , (5) em que representa uma variável binária com valor igual a 1 para indivíduos que tenham completado o ensino médio; é um vetor de características do indivíduo que inclui sexo, cor, faixa etária e características regionais; e é o logaritmo do rendimento por hora no trabalho principal. Uma especificação como (5) é problemática, visto que há fatores não observados que podem estar afetando simultaneamente a probabilidade de completar o ensino médio e a capacidade de auferir renda, tal como a resiliência do indivíduo que citamos na seção 1. Na ausência de dados experimentais, buscamos encontrar características do município em que o jovem morava aos 15 anos que possam estar razoavelmente correlacionadas ao seu nível de escolaridade, mas que estejam relacionadas aos rendimentos apenas por meio do mecanismo de escolaridade. Para lidar com o problema de endogeneidade explicado, aplicamos o método de mínimos quadrados em dois estágios (two stages least square – 2SLS). Nesse contexto, o termo é um vetor de instrumentos que inclui a medida de escolas por município e a medida de densidade de municípios vizinhos. TEXTO para DISCUSSÃO 24 2804 Primeiro estágio: = 10 +11 + 12 + 1 . (6) Segundo estágio: ( )= + ^+ + . (7) O nosso parâmetro de interesse é o coeficiente da equação (7). Para que esse coeficiente possa ser interpretado como efeito do prêmio salarial associado ao ensino médio, é necessário que o modelo satisfaça certas restrições conhecidas como hipóteses de identificação. A princípio, a densidade de escola deve ser um bom preditor da probabilidade de conclusão do ensino médio, o que implica não ser nulo. A outra restrição muito importante para a correta identificação de é que a densidade de escolas não deve afetar diretamente o salário. Qualquer influência da densidade no salário deve se dar exclusivamente pela sua relação com a probabilidade de se escolarizar ou não. Essa restrição não seria satisfeita, por exemplo, para a medida de densidade de escolas, só do próprio município se considerarmos que municípios semelhantes nas características observáveis consideradas na tabela 3 podem diferir na importância dada pelos seus habitantes ao ensino médio e ao emprego formal (que remunera mais). Nesse cenário, o prêmio salarial que estimaríamos usando a primeira opção de instrumento estaria contaminada por um efeito derivado de uma norma social e, portanto, diferiria do verdadeiro valor do prêmio salarial associado ao ensino médio. Essa restrição não é diretamente testável, e nos resta argumentar o quão plausível são argumentos que a refutam, tal como o colocado anteriormente. Desse modo, podemos dizer que as VIs que incorporam a oferta de escolas em municípios em torno do próprio município do indivíduo tendem a ter uma maior probabilidade de satisfazer essa restrição, haja visto que as decisões de ampliar ou não a rede de escolas em municípios ao redor extrapola a influência de qualquer fator determinante limitado ao próprio município. 5 RESULTADOS Nesta seção, são apresentadas as estimativas do retorno salarial de ensino médio pelo método VI, considerando as duas especificações para o grupo de controle: i) fundamental completo mais médio incompleto; e ii) fundamental completo, bem como pelo método de MQO para fins de comparação. A tabela 4 expõe o resultado do segundo estágio para o primeiro grupo de controle. TEXTO para DISCUSSÃO TEXTO para DISCUSSÃO 31 2804 5.2 Heterogeneidade dos retornos por sexo e faixa etária Nesta subseção, investigamos se o retorno salarial do ensino médio varia de acordo com sexo e a faixa etária dos indivíduos. Na hipótese de retornos heterogêneos da educação, a estimativa produzida pelo método VI pode ser interpretada como uma média ponderada dos retornos marginais para a educação na população, em que o peso para qualquer indivíduo é dado pelo tamanho relativo do incremento em sua escolaridade induzida pelo instrumento (Card, 2001). Tendo isso em vista, reportamos os retornos e as estatísticas de testes dos instrumentos para homens e mulheres e para jovens por faixa etária: 20-21 anos e 22-24 anos. Para esses recortes, consideramos a especificação com ensino médio incompleto. De acordo com os resultados das tabelas 8 e 9, o retorno salarial estimado por MQO é maior para homens (10,8%) do que para mulheres (8,9%). No entanto, pelo método VI, o retorno estimado para mulheres é bem mais expressivo, variando entre 18,4% e 28,8%. Para os homens, apenas a estimativa VI (2) é significativa ao nível de 10%, o coeficiente de 12,2% é bem mais próximo ao obtido pelo MQO do que o observado para mulheres com os mesmos instrumentos. Os coeficientes de oferta de escolas no município, no primeiro estágio, se mostraram significativos, para ambos os sexos. Para os homens, a oferta de escolas por 1 mil habitantes eleva a probabilidade de conclusão do ensino médio em 2,6 pontos percentuais (p.p.). Para as mulheres, esse valor é um pouco mais baixo, de 2,1 p.p. A literatura sobre gênero destaca a existência de barreiras relacionadas à composição familiar e a presença de filhos que dificultam a inserção das mulheres no mercado de trabalho. Sendo assim, é provável que as mulheres compliers façam parte de um grupo mais bem selecionado do que os homens, e, por isso, a estimativa VI é significativamente mais alta para as mulheres. TEXTO para DISCUSSÃO 32 2804 TABELA 8 Retorno do ensino médio de homens – grupo de controle: ensino fundamental completo mais ensino médio incompleto  MQO VI (1) VI (2) VI (3) Médio completo 0,108*** (0,003) 0,051 (0,070) 0,122* (0,071) 0,077 (0,071) Primeiro estágio     Oferta de escolas no município -  0,026*** (0,001) 0,026*** (0,001) 0,026*** (0,001) Densidade de escolas (ρ = 1) -  -  0,003 (0,002)  - Densidade de escolas (ρ = 2) -  -  -  0,002 (0,002) Observações 354.044 354.044 354.044 354.044 R² - 0,016 0,016 0,016 Teste F - 127,9 124,4 124,4 Kleibergen-Paap rk LM - 328,3 329,2 328,4 p-value - 0,0 0,0 0,0 Kleibergen-Paap rk Wald F - 327,7 164,4 163,9 Anderson-Rubin chi-sq - 0,514 109,3 43,01 p-value - 0,474 0,0 0,0 Fontes: Dados dos Censos Escolares de 2001 a 2005 e do Censo Demográfico 2010. Elaboração dos autores. Obs.: 1. Erros-padrão robustos entre parênteses. 2. Significância: *** p < 0,01; ** p < 0,05; e * p < 0,1. TEXTO para DISCUSSÃO TEXTO para DISCUSSÃO 33 2804 TABELA 9 Retorno do ensino médio de mulheres – grupo de controle: ensino fundamental completo mais ensino médio incompleto  MQO VI (1) VI (2) VI (3) Médio completo 0,089*** (0,003) 0,184* (0,106) 0,288*** (0,107) 0,233** (0,107) Primeiro estágio     Oferta de escolas no município -  0,021*** (0,002) 0,021*** (0,002) 0,021*** (0,002) Densidade de escolas (ρ = 1) -   - 0,004 (0,003) -  Densidade de escolas (ρ = 2) -  -  -  0,003 (0,002) Observações 243.423 243.423 243.423 243.423 R² - 0,008 0,008 0,008 Teste F - 44,15 42,96 42,92 Kleibergen-Paap rk LM - 154,4 156,1 155,1 p-value - 0,0 0,0 0,0 Kleibergen-Paap rk Wald F - 154 77,86 77,35 Anderson-Rubin chi-sq - 3 42,71 20,64 p-value - 0,0832 0,0 0,0 Fontes: Dados dos Censos Escolares de 2001 a 2005 e do Censo Demográfico 2010. Elaboração dos autores. Obs.: 1. Erros-padrão robustos entre parênteses. 2. Significância: *** p < 0,01; ** p < 0,05; e * p < 0,1. Com base nas tabelas 10 e 11, no que tange à faixa etária, verificam-se retornos maiores para os mais velhos, na faixa de 22 a 24 anos. A estimativa MQO para esses dois grupos é bem próxima, 9,2% para os mais novos, e 10,5% para os jovens de 22 a 24 anos. No entanto, os resultados produzidos pelo método VI diferem substancialmente. Entre os jovens de 20 a 21 anos, os coeficientes VIs não são significativos. Para os mais velhos, VI tende a elevar o retorno, com coeficientes significativos ao nível de 5% que variam entre 19% e 28%. TEXTO para DISCUSSÃO 34 2804 TABELA 10 Retorno do ensino médio da faixa etária de 20 a 21 anos – grupo de controle: ensino fundamental completo mais ensino médio incompleto  MQO VI (1) VI (2) VI (3) Médio completo 0,092*** (0,003) 0,044 (0,088) 0,134 (0,088) 0,090 (0,088) Primeiro estágio     Oferta de escolas no município -  0,025*** (0,002) 0,024*** (0,002) 0,024*** (0,002) Densidade de escolas (ρ = 1) -  -  0,005* (0,003) -  Densidade de escolas (ρ = 2) -  -  -  0,003 (0,002) Observações 228.145 228.145 228.145 228.145 R² - 0,026 0,026 0,026 Teste F - 143,7 139,6 139,5 Kleibergen-Paap rk LM - 208,5 210,5 209,8 p-value - 0,0 0,0 0,0 Kleibergen-Paap rk Wald F - 208,3 105,2 104,9 Anderson-Rubin chi-sq - 0,252 45,84 17,68 p-value - 0,616 0,0 0,0 Fontes: Dados dos Censos Escolares de 2001 a 2005 e do Censo Demográfico 2010. Elaboração dos autores. Obs.: 1. Erros-padrão robustos entre parênteses. 2. Significância: *** p < 0,01; ** p < 0,05; e * p < 0,1. TEXTO para DISCUSSÃO TEXTO para DISCUSSÃO 35 2804 TABELA 11 Retorno do ensino médio da faixa etária de 22 a 24 anos – grupo de controle: ensino fundamental completo mais ensino médio incompleto  MQO VI (1) VI (2) VI (3) Médio completo 0,105*** (0,003) 0,191** (0,082) 0,276*** (0,082) 0,211** (0,082) Primeiro estágio     Oferta de escolas no município -  0,023*** (0,001) 0,023*** (0,002) 0,023*** (0,002) Densidade de escolas (ρ = 1)  - -  0,003 (0,002) -  Densidade de escolas (ρ = 2)  - -  -  0,001 (0,002) Observações 369.322 369.322 369.322 369.322 R² - 0,019 0,019 0,019 Teste F - 165,3 160,7 160,6 Kleibergen-Paap rk LM - 257,8 258,6 257,8 p-value - 0,0 0,0 0,0 Kleibergen-Paap rk Wald F - 257 129 128,5 Anderson-Rubin chi-sq - 5,450 114,4 51,81 p-value - 0,0196 0,0 0,0 Fontes: Dados dos Censos Escolares de 2001 a 2005 e do Censo Demográfico 2010. Elaboração dos autores. Obs.: 1. Erros-padrão robustos entre parênteses. 2. Significância: *** p < 0,01; ** p < 0,05; e * p < 0,1. 6 CONSIDERAÇÕES FINAIS Este artigo teve como objetivo estimar o retorno salarial de nível médio para jovens brasileiros em 2010. Além de atualizar as estimativas encontradas na literatura para períodos anteriores, este estudo propôs um conjunto de VIs que buscam captar a densidade de escolas quando o jovem tinha 15 anos, idade de entrada no ensino médio. O trabalho também inova ao usar dados censitários e no enfoque para população de jovens de 20 a 24 anos, recém-formados no ensino médio. Os resultados apontam que as medidas de oferta de escolas têm uma relação positiva e significativa com a probabilidade de o jovem ter o ensino médio completo em 2010. O retorno TEXTO para DISCUSSÃO 36 2804 salarial obtido pelo método VI variou entre 11% e 20%, acima da estimativa obtida pelo método de mínimos quadrados, ao se considerar como grupo de controle os jovens com nível de ensino fundamental completo e médio incompleto. Esse resultado é condizente com a literatura empírica que utiliza fatores institucionais relacionados ao sistema educacional como instrumento para educação. Se os retornos educacionais não foram constantes, o que se estima pelo método de VI é justamente o retorno para o grupo de indivíduos cuja decisão de completar o ensino médio é mais sensível à proximidade de escolas. Dessa forma, diferentes métricas para o cálculo de proximidade podem identificar o retorno ao ensino médio para diferentes grupos, o que explica a variação obtida nas nossas estimativas entre as diferentes formas que usamos para o cálculo de densidade de escolas. A fim de verificar a hipótese de retornos heterogêneos, estimamos os modelos separadamente para homens e mulheres, e por faixa etária. Os resultados por sexo variam de acordo com o método empregado. Na estimação por MQO, a diferença salarial associada ao nível médio é maior para os homens (11%) do que para mulheres (9%), enquanto que, no modelo VI, essa situação se reverte, com retornos elevados para mulheres (18% a 29%) e retornos pouco significativos para homens. Em relação à faixa etária, jovens de 22 a 24 anos apresentaram maiores retornos do que os mais novos em ambas as metodologias, sendo que, para os jovens de 20 a 21 anos, as estimativas por VI não foram significativas. Diversos desdobramentos do exercício empírico aqui apresentado podem ser feitos. Um deles é a aplicação da mesma metodologia para o Censo Demográfico 2000 e para as edições de 1991 a 1995 do Censo Escolar, de modo a possibilitar a comparação dos retornos de ensino médio entre 2000 e 2010. Outra possibilidade é estender a análise para o nível de ensino superior. REFERÊNCIAS ANGRIST, J.; KRUEGER, A. Does compulsory school attendance affect schooling and earnings? Quarterly Journal of Economics, v. 106, n. 4, p. 979-1014. Nov. 1991. ANGRIST, J.; PISCHKE, J.-S. Mostly harmless economics: an empiricist’s companion. Princeton: Princeton University Press, 2008. ASHENFELTER, O.; HARMON, C.; OSTERBEEK, H. A review of estimates of the schooling/earnings relationship with tests of publication bias. Labour Economics, v. 6, n. 4, p. 453-470, 1999. TEXTO para DISCUSSÃO TEXTO para DISCUSSÃO 37 2804 BARBOSA FILHO, F. H.; PÊSSOA, S. A. Retorno da educação no Brasil. Pesquisa e Planejamento Econômico, Rio de Janeiro, v. 38, n. 1, p. 97-125, 2008. BARROS, R. P.; FOGUEL, M.; ULYSSEA, G. Desigualdade de renda no Brasil: uma análise da queda recente. Brasília: Ipea, 2007. v. 3. BARROS, R. P. et al. Políticas públicas para redução do abandono e evasão escolar de jovens. São Paulo: Fundação Brava; Instituto Unibanco; Insper; Instituto Ayrton Senna, 2017. Disponível em: <https://bit.ly/2yefRpe>. Acesso em: 13 out. 2022. BECKER, G. Investment in human capital: a theoretical analysis. Journal of Political Economy, n. 70,p. 9-49, 1962. ______. Human capital: a theoretical and empirical analysis. New York: Columbia University Press, 1975. CARD, D. Earnings, schooling and ability revisited. Research in Labor Economics, v. 14, p. 23-48, 1995. ______. The causal effect of education on earnings. In: ASHENFELTER, O.; CARD, D. (Ed.).Handbook of Labor Economics. New York: North-Holland, 1999. ______. Estimating the return to schooling: progress on some persistent econometric problems. Econometrica, v. 69, n. 5, p. 1127-1160, 2001. CASTRO, C. M. Investimento em educação no Brasil: uma réplica. Revista Pesquisa e Planejamento Econômico, v. 1, n. 2, 1971. CRESPO, A.; REIS, M. Sheepskin effects and the relationship between earnings and education: analyzing their evolution over time in Brazil.Revista Brasileira de Economia, v. 63, n. 3, p. 209-231, 2009. DOYLE, W. R.; SKINNER, B. T. Estimating the education-earnings equation using geographic variation. Economics of Education Review, v. 53, p. 254-267, 2016. DUFLO, E. Schooling and labor market consequences of school construction in Indonesia: evidence form an unusual policy experiment. American Economic Review, v. 91, n. 4, p. 795-813, 2001. HECKMAN, J. J. Sample selection bias as a specification error. Econometrica: Journal of the econometric society, p. 153-161, 1979. TEXTO para DISCUSSÃO 38 2804 HECKMAN, J. J.; LOCHNER, L. J.; TODD, P. E. Fifty years of mincer earnings regressions. National Bureau of Economic Research, May 2003. (NBER Working Papers, n. 9732). IMBENS, G, W.; ANGRIST, J. Identification and estimation of local average treatment effects.Econometrica,v. 62,n. 2, p. 467-475, 1994. KASSOUF, A. L. The wage rate estimation using Heckman procedure. Revista de Econometria, v. 14, n. 1, p. 89-107, 1994. ______. Wage gender discrimination and segmentation in the Brazilian labor market. Brazilian Journal of Applied Economics, v. 2, n. 2, p. 243-269, 1998. LAM, D.; SCHOENI, R. Effects of family background on earnings and returns to schooling: evidence from Brazil. Journal of Political Economy, v. 101, n. 4, p. 710-739, 1993. LANGONI, C. G. As causas do crescimento econômico do Brasil. Rio de Janeiro: Apec, 1974. MENEZES-FILHO, N. A. Educação e desigualdade. In: LISBOA, M. de B.; MENEZES-FILHO, N. A.; KASSOUF, A. L. Microeconomia e sociedade no Brasil. Rio de Janeiro: FGV EPGE, 2001. MINCER, J. Investment in human capital and personal income distribution. Journal of Political Economy, v. 66, n. 4, p. 281-302, 1958. ______. Schooling, experience e earnings. Columbia University Press, 1974. MOURA, R. L. Testando as hipóteses do modelo de Mincer para o Brasil. Revista Brasileira de Economia, Rio de Janeiro, v. 64, n. 4, p. 407-449, 2008. RESENDE, M.; WYLLIE, R. Retornos para educação no Brasil: evidências empíricas adicionais. Economia Aplicada, São Paulo, v. 10, n. 3, p. 349-365, jul.-set. 2006. PSACHAROPOULOS, G.; PATRINOS, H. A. Returns to investment in education: a further update. Education Economics, Athens, v. 12, n. 2, p. 111-134, 2004. SULIANO, D. C.; SIQUEIRA, M. L. Retornos da educação no Brasil em âmbito regional considerando um ambiente de menor desigualdade. Economia Aplicada, São Paulo, v. 16, n. 1, p. 137-165, jan.-mar. 2012. TEIXEIRA, W. M.; MENEZES-FILHO, N. A. Estimando o retorno à educação do Brasil considerando a legislação educacional brasileira como um instrumento. Revista de Economia Política, v. 32, n. 3, p. 479-496, São Paulo, 2012. TEXTO para DISCUSSÃO TEXTO para DISCUSSÃO 39 2804 UEDA, E. M.; HOFFMANN, R. Estimando o retorno da educação no Brasil. Economia Aplicada, São Paulo, v. 6, n. 2, p. 209-238, abr.-jun. 2002. BIBLIOGRAFIA COMPLEMENTAR PSACHAROPOULOS, G. Returns to investment in education: a global update. World Development, Oxford, v. 22, n. 9, p. 1325-1343, Sept. 1994. Ipea – Instituto de Pesquisa Econômica Aplicada EDITORIAL Chefe do Editorial Aeromilson Trajano de Mesquita Assistentes da Chefia Rafael Augusto Ferreira Cardoso Samuel Elias de Souza Supervisão Camilla de Miranda Mariath Gomes Everson da Silva Moura Revisão Alice Souza Lopes Amanda Ramos Marques Ana Clara Escórcio Xavier Barbara de Castro Clícia Silveira Rodrigues Olavo Mesquita de Carvalho Regina Marta de Aguiar Reginaldo da Silva Domingos Brena Rolim Peixoto da Silva (estagiária) Nayane Santos Rodrigues (estagiária) Editoração Anderson Silva Reis Cristiano Ferreira de Araújo Danielle de Oliveira Ayres Danilo Leite de Macedo Tavares Leonardo Hideki Higa Capa Aline Cristine Torres da Silva Martins Projeto Gráfico Aline Cristine Torres da Silva Martins The manuscripts in languages other than Portuguese published herein have not been proofread. Ipea – Brasília Setor de Edifícios Públicos Sul 702/902, Bloco C Centro Empresarial Brasília 50, Torre B CEP: 70390-025, Asa Sul, Brasília-DF