Please use this identifier to cite or link to this item:
https://www.arca.fiocruz.br/handle/icict/56986
INEQUALITY AND INCOME SEGREGATION IN BRAZILIAN CITIES: A NATIONWIDE ANALYSIS
Author
Affilliation
Fundação Oswaldo Cruz. Instituto Gonçalo Muniz. Centro de Integração de Dados e Conhecimentos para a Saúde. Salvador, BA, Brasil / Universidade Federal da Bahia. Escola de Economia. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Muniz. Centro de Integração de Dados e Conhecimentos para a Saúde. Salvador, BA, Brasil / Universidade Federal da Bahia. Escola de Economia. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Muniz. Centro de Integração de Dados e Conhecimentos para a Saúde. Salvador, BA, Brasil / Universidade Federal da Bahia. Instituto de Física. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Muniz. Centro de Integração de Dados e Conhecimentos para a Saúde. Salvador, BA, Brasil / Universidade Federal da Bahia. Instituto de Física. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Muniz. Centro de Integração de Dados e Conhecimentos para a Saúde. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Muniz. Centro de Integração de Dados e Conhecimentos para a Saúde. Salvador, BA, Brasil / Universidade Federal da Bahia. Instituto de Física. Salvador, BA, Brasil.
Universidade Federal de Minas Gerais. Observatório de Saúde Urbana de Belo Horizonte. Belo Horizonte, MG, Brasil.
Department of Epidemiology and Biostatistics. Drexel University Dornsife School of Public Health. Philadelphia, USA.
Universidade Federal de Minas Gerais. Observatório de Saúde Urbana de Belo Horizonte. Belo Horizonte, MG, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Muniz. Centro de Integração de Dados e Conhecimentos para a Saúde. Salvador, BA, Brasil / Universidade Federal da Bahia. Instituto de Saúde Pública. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Muniz. Centro de Integração de Dados e Conhecimentos para a Saúde. Salvador, BA, Brasil / Universidade Federal da Bahia. Escola de Economia. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Muniz. Centro de Integração de Dados e Conhecimentos para a Saúde. Salvador, BA, Brasil / Universidade Federal da Bahia. Instituto de Física. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Muniz. Centro de Integração de Dados e Conhecimentos para a Saúde. Salvador, BA, Brasil / Universidade Federal da Bahia. Instituto de Física. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Muniz. Centro de Integração de Dados e Conhecimentos para a Saúde. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Muniz. Centro de Integração de Dados e Conhecimentos para a Saúde. Salvador, BA, Brasil / Universidade Federal da Bahia. Instituto de Física. Salvador, BA, Brasil.
Universidade Federal de Minas Gerais. Observatório de Saúde Urbana de Belo Horizonte. Belo Horizonte, MG, Brasil.
Department of Epidemiology and Biostatistics. Drexel University Dornsife School of Public Health. Philadelphia, USA.
Universidade Federal de Minas Gerais. Observatório de Saúde Urbana de Belo Horizonte. Belo Horizonte, MG, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Muniz. Centro de Integração de Dados e Conhecimentos para a Saúde. Salvador, BA, Brasil / Universidade Federal da Bahia. Instituto de Saúde Pública. Salvador, BA, Brasil.
Abstract
Residential segregation has brought signifcant challenges to cities worldwide and has important implications for health. This study aimed to assess income segregation in the 152 largest Brazilian cities in the SALURBAL Project. We identify specifc socioeconomic characteristics related to residential segregation by income using the Brazilian demographic census of 2010 and calculated the income dissimilarity index (IDI) at the census tract level for each city, subsequently comparing it with Gini and other local socioeconomic variables. We evaluated our results’ robustness using a bootstrap correction to the IDI to examine the consequences of using diferent income cut-ofs in substantial urban and regional inequalities. We identifed a two minimum wage cut-of as the most appropriate. We found little evidence of upward bias in the calculation of the IDI regardless of the cut-of used. Among the ten most segregated cities, nine are in the Northeast region, with Brazil’s highest income inequality and poverty. Our results indicate that the Gini index and poverty are the main variables associated with residential segregation.
Share