Informal labor and poverty in the metropolitan region of Rio de Janeiro, Brazil

Authors

  • Marcson de Azevedo Araújo
  • Rafael Santos Erbisti
  • Carolina Botelho

DOI:

https://doi.org/10.55905/oelv22n1-035

Keywords:

poverty, formal employment, Rio de Janeiro, Bayesian logistic regression

Abstract

Poverty in Brazil persists as a significant challenge for society, addressing not only fundamental moral concerns but also the need to promote conditions conducive to economic and social development. The complexity of the problem, characterized by multiple factors beyond income, includes historical inequalities, unequal economic structures, and limited access to resources and public services. Despite advancements in recent decades, the increase in poverty between 2014 and 2016, driven by growing income inequality, underscores the fragility of these advances. The rise in poverty rates in the Metropolitan Region of the state of Rio de Janeiro, where affluent areas coexist with deprived communities, becomes a cause for concern, exacerbated by factors such as lack of decent employment, educational precarity and socio-economic impacts of the pandemic. Confronting these issues, a detailed analysis using data from the Continuous National Household Sample Survey (Continuous PNAD) of 2012, 2016 and 2020 highlights the formality of employment as a crucial factor in poverty reduction in the region. The transition from informality to formality is associated with significant gains in poverty reduction, surpassing even the impact of the educational level of the head of the household. Results from Bayesian logistic regression show that formality decreases the likelihood of individuals and their families having per capita household income below the poverty line. This research emphasizes the need for comprehensive public policies in the state of Rio de Janeiro, aiming to promote economic opportunities, improve the quality of education and invest in infrastructure, underscoring the importance of enhancing employment ties as an effective strategy in the fight against poverty.

References

ALKIRE, S.; FOSTER, J. Counting and multidimensional poverty measurement. Ox-ford: Oxford Poverty & Human Development Initiative, 2008.

ATHIAS, L.; OLIVEIRA, L. Indicadores de padrão de vida e distribuição de renda

- panorama nacional e internacional da produção de indicadores sociais. IBGE, Coorde-nação de População e Indicadores Sociais, 2016. p. 110-157, 2016. Disponível em: ⟨https://biblioteca.ibge.gov.br/visualizacao/livros/liv98624.pdf⟩.

BARROS, R. P. de; FRANCO, S.; MENDONÇA, R. A recente queda na desigualdade de renda e o acelerado progresso educacional brasileiro da última década. Texto para Discussão n° 1304, IPEA, Rio de Janeiro. 2006.

BARROS, R. P. de; MENDONÇA, R. Pobreza, estrutura familiar e trabalho. IPEA, 1995.

BOOTH, C. Life and labour of the people in London. London/New York, 1892.

BORGES, E. C. de C. Perfil dos pobres na região metropolitana de Salvador: Uma aná-lise para o ano de 2003. UFBA - Mestrado em Economia, 2005.

COBO, B.; ATHIAS, L.; MATTOS, G. G. d. A multidimensionalidade da pobreza a partir da efetivação de direitos sociais fundamentais: Uma proposta de análise. Revista Brasileira de Monitoramento e Avaliação, 2014.

IBGE. Síntese de Indicadores Sociais: uma análise das condições de vida da população brasileira. [S.l.]: Coordenação de População e Indicadores Sociais. IBGE, 2020.

IPEA. A década inclusiva (2001-2011). Desigualdade, pobreza e políticas de renda. Comunicado IPEA n. 155, set. 2012. Disponível em: <http://zip.net/bwpl1t>.

KANSO, S. Utilização da regressão logística para a classificação de famílias quanto à condição de pobreza nas regiões metropolitanas do Rio de Janeiro e Recife nos anos de 1970, 1980 e 1991. IPEA, XIV Encontro Nacional de Estudos Populacionais, 2004.

MENEZES-FILHO, N. A.; FERNANDES, R.; PICCHETTI, P. Educação e a queda da desigualdade no Brasil. 2006b. Mimeo.

PLUMMER, M. JAGS Version 4.3.0 user manual. [S.l.], 2017.

PLUMMER, M.; BEST, N.; COWLES, K.; VINES, K. Coda: Convergence diagnosis and output analysis for MCMC. R News, v. 6, n. 1, p. 7–11, 2006.

R CORE TEAM. R: A Language and Environment for Statistical Computing. Vienna, Austria, 2021. Disponível em: ⟨http://www.R-project.org/⟩.

ROCHA, S. Pobreza no Brasil: fatos básicos e implicações para política social. Econo-mia e Sociedade, v. 5, n. 1, p. 141–151, 1996.

ROCHA, S. Transferências de renda no Brasil. O fim da Pobreza? [S.l.]: Alta Books, 2019.

ROWNTREE, S. Poverty: A study of a town life. London: Macmillan & Co., 1901.

SOARES, S. Metodologias para estabelecer a linha de pobreza: Objetivas, subjetivas, relativas e multidimensionais. IPEA, 2009.

SOUZA, P. H. G. F. de; HECKSHER, M.; OSÓRIO, R. G. Um país na contramão: A pobreza no Brasil nos últimos dez anos. Nota Técnica 102. Diretoria de Estudos e Políti-cas Sociais. Instituto de Pesquisa Econômica Aplicada - IPEA 2022.

Published

2024-01-16

How to Cite

Araújo, M. de A., Erbisti, R. S., & Botelho, C. (2024). Informal labor and poverty in the metropolitan region of Rio de Janeiro, Brazil. OBSERVATÓRIO DE LA ECONOMÍA LATINOAMERICANA, 22(1), 650–669. https://doi.org/10.55905/oelv22n1-035

Issue

Section

Articles