O presente trabalho analisa a evolução do diferencial de rendimentos entre os empregados no setor agrícola brasileiro, no período entre 1995 e 2009. Utilizando-se dos microdados da PNAD disponibilizados pelo IBGE, são estimadas cinco equações de rendimento como forma de verificar quais os determinantes do rendimento no setor, considerando-se idade, nível de escolaridade, situação censitária, região, atividade, entre outras variáveis. Também são consideradas interações entre região e atividade como forma de identificar o efeito de cada atividade dentro de uma mesma região e entre regiões. Os dois primeiros modelos permitem constatar que o nível educacional é um determinante significativo para a formação do rendimento no setor, o qual passa a ser intensificado a partir dos dez anos de escolaridade. Houve, entretanto, redução do retorno do rendimento à escolaridade, o que corrobora a convexidade do rendimento à educação verificada para outros setores. As horas trabalhadas também mostraram-se um fator significativo para a formação do rendimento do trabalho no setor. Verifica-se ainda um efeito regional significativo, o que está associado aos diferentes níveis de desenvolvimento de atividades agropecuárias entre as regiões. Já os coeficientes associados à cor do indivíduo indicaram que tal variável não apresenta um efeito relevante para a formação dos rendimentos no setor, diferentemente do que ocorre em outros setores. Um aspecto importante foi apresentado pelos coeficientes associados aos indivíduos de cor preta, os quais indicaram que, apesar de existir um diferencial negativo em relação aos indivíduos brancos, tal diferencial mostrou-se inferior ao verificado para a população brasileira em geral. Assim, pode-se afirmar que a diferenciação em termos de cor no setor agrícola não é tão intensa quanto a dos demais setores da economia, sendo o efeito inferior ao verificado no meio urbano. Já os resultados associados ao gênero apontaram para um diferencial positivo de rendimento dos indivíduos do sexo masculino inferior ao verificado para a economia como um todo, o que é um indício de que o gênero é uma característica mais fortemente observada no mercado de trabalho não agrícola. Considerando-se as atividades constata-se que o rendimento associado ao cultivo de milho é, em média, inferior ao obtido nas outras atividades agropecuárias, ao passo que para as atividades cultivo de soja e de cana-de-açúcar constata-se um diferencial positivo. Os resultados associados ao terceiro e ao quarto modelos indicam que a introdução de interações entre região e atividade não altera de maneira significativa os coeficientes das variáveis consideradas nos modelos anteriores. Verifica-se em termos intrarregionais um diferencial predominantemente negativo de rendimentos associado ao cultivo de milho, comportamento contrário ao verificado para o cultivo de soja. Já para o cultivo de cana-de-açúcar constata-se um comportamento distinto entre as regiões, o que ocorre também no caso da criação de bovinos. Já em termos interregionais constata-se um diferencial negativo associado ao cultivo de milho para todas as regiões, considerando-se como base de comparação tal cultivo na região Centro-Oeste, sendo que.as demais atividades apresentam um comportamento distinto entre as regiões. Por fim, o quinto modelo permite verificar que há um efeito significativo sobre o rendimento decorrente da conclusão de cada nível completo de escolaridade.

This paper analyzes the evolution of the earnings gap among employees in the Brazilian agricultural sector, in the period of 1995 to 2009. Using the microdata of the Brazilian National Household Sample Survey (PNAD) of the Brazilian Institute of Geography and Statistics (IBGE), five earnings equations are estimated as a means of identifying the determinant factors of earnings in the sector, considering age, educational background, census situation, region, activity, and other variables. Interactions between region and activity are also considered, as a means of identifying the effect of each activity in the same region and between regions. The first two models show that level of education is a significant determinant factor for the formation of earnings in the sector, which starts to intensify at ten years of school education. However, there has been a reduction in the earnings from investments in schooling, which corroborates the convexity of earnings from education seen in other industries. Hours worked also appeared to be a significant factor for the formation of labor earnings in the sector. There is also a significant regional effect, which is associated with the different levels of development of agricultural and livestock activities between regions. The coefficients associated with the individual's skin color indicated that unlike other sectors, this variable does not have a material effect on the formation of earnings in this sector. An important aspect was presented by the coefficients associated with Black individuals, which indicated that in spite of the existence of a negative difference in relation to White individuals, this difference was less than that verified for the Brazilian population in general. Accordingly, it can be said that differentiation in terms of skin color in the agricultural sector is not as intense as that of the other sectors of the economy, and the effect is less than that observed in the urban environment. The results associated with gender, in turn, pointed towards a positive earnings differential for males that is lower than that verified for the economy as a whole, an indication that gender is a characteristic more strongly observed in the nonagricultural job market. In relation to activities, it can be seen that earnings associated with maize cultivation are, on average, lower than those of other agricultural and livestock activities, while a positive differential is observed for soya and sugarcane cultivation activities. The results associated with the third and fourth models indicate that the introduction of interactions between region and activity does not significantly alter the coefficients of the variables considered in the previous models. In intraregional terms, there is a predominantly negative earnings gap associated with maize cultivation, while the opposite behavior occurs in soya cultivation. In sugarcane cultivation, we see a different behavior between regions, which also occurs in the case of cattle breeding. However, in interregional terms, it is possible to observe a negative differential associated with maize cultivation in all regions, taking this crop in the Midwest as a basis for comparison, while the other activities present different behavior between regions. Finally, the fifth model shows the presence of a significant impact on earnings resulting from the conclusion of each complete level of schooling.