Espacios. Vol. 37 (Nº 07) Año 2016. Pág. 1

Spillovers no mercado de trabalho formal rural na região norte do Brasil: Uma abordagem por gênero

Spillovers in rural formal labor market in northern Brazil: An approach by gender

Josineide Aquino da Silva AMARAL 1; Rubicleis Gomes da SILVA 2

Recibido: 21/10/15 • Aprobado: 20/11/2015


Contenido

1. Introdução

2. Metodologia

3. Resultados e discussões

4. Conclusões

5. Referências bibliográficas


RESUMO:

As diferenças de crescimento e desenvolvimento entre os municípios da Região Norte do Brasil é notório. Este trabalho objetiva detectar a existência de spillovers do crescimento do emprego nos municípios da Região Norte no ano de 2010, especificamente: a) verificar a existência de relacionamento espacial entre crescimento do PIB per capita e crescimento do emprego; b) averiguar os efeitos direto e indireto do PIB per capita sobre o crescimento líquido do emprego dos municípios da Região Norte. Os resultados mostram que não existe autocorrelação espacial do emprego entre os municípios.
Palavras-chave: Spillovers, Gênero, Agropecuária, Emprego.

ABSTRACT:

Growth and development differences among the municipalities in the North Region of Brazil are notorious. This work aims to detect the existence of spillovers of employment growth in the cities of the Northern Region in 2010, specifically: a) verify the existence of spatial relationship between growth of GDP per capita and employment growth; b) determine the direct and indirect effects of GDP per capita of net employment growth in the North's cities. The results show that there is no spatial autocorrelation employment among cities.
Key Words: Spillovers, Gender, Agriculture, Employment.

1. Introdução

1.1. Considerações Iniciais

A rotatividade e o crescimento do emprego se mostram de forma diferente para homens e mulheres. Os homens possuem maior rotatividade, e por isso estão mais sujeitos às características da agropecuária na região. O crescimento do emprego mostrou-se negativo para os trabalhadores da agropecuária na Região Norte na década de 2000.

Mesmo com crescimento econômico de alguns municípios, de modo geral a região vem desempregando no meio rural. Os homens tiveram taxa de decrescimento no emprego de -101,48% e o emprego feminino decaíram em -309,67% na década de 2000 no setor agropecuário.

Compreender as desigualdades entre os municípios de um mesmo estado torna-se um dos maiores desafios da atualidade em termos de políticas públicas. Entender porque áreas relativamente próximas apresentam marcantes diferenças em relação ao seu grau de desenvolvimento econômico, bem como as diferenças do nível de emprego, podem ser de fundamental importância para formulação de políticas voltadas para a redução dessas desigualdades, evitando bolsões de pobreza e desemprego.

As mudanças regionais ocorridas nos últimos anos têm transformado a vida do homem no campo. A Região Norte do Brasil, que engloba sete estados, tem se tornado motivo de preocupação. Por possuir a maior área de floresta Amazônica, constitui área de intenso interesse nacional e internacional relacionado à preservação dos recursos naturais abrigados pelo ecossistema amazônico. No entanto, é necessário conciliar preservação ambiental com desenvolvimento econômico para preservar o emprego dos habitantes dessa região, que somam quase 16 milhões de pessoas (IPEA, 2013).

O território brasileiro em sua vasta área possui imensas desigualdades, uma característica é a desigual distribuição da atividade econômica no espaço. Mesmo com o crescimento econômico ocorrido nas últimas décadas, as diferenças entre os estados ainda são bastante visíveis - regiões menos favorecidas como Norte e Nordeste e a diferença econômica entre as macrorregiões é bastante visível (MELO e SIMÕES, 2009).

O desenvolvimento da agropecuária seria uma das alternativas para se promover o emprego na região. No entanto, não é uma tarefa fácil. As atividades agropecuárias existentes na região encaram diversos desafios, que vão da disputa pela posse da terra à preservação ambiental; do êxodo rural ao financiamento da produção; da infraestrutura de escoamento da produção à viabilização econômica da agricultura familiar: envolvendo questões políticas, sociais, ambientais, tecnológicas e econômicas (IPEA, 2013).

O mercado de trabalho formal na agropecuária da Região Norte ainda é pouco discutido entre os estudiosos e ainda existem muitas perguntas sobre este mercado. Entender como se comporta este crescimento do emprego na agropecuária é de fundamental importância para assegurar o emprego dentro do setor.  Logo, o problema que permeia este trabalho é: existem spillovers do crescimento líquido do emprego no mercado de trabalho formal rural na agropecuária da Região Norte por gênero?

A importância desse trabalho consiste em verificar como os efeitos de spillovers influenciam no emprego nos municípios da Região Norte do Brasil, mostrando como se encontram os níveis de emprego no meio rural dentro dos municípios. Constitui-se em um relevante instrumento para a formulação de políticas públicas, pois os resultados devem auxiliar para uma maior eficiência e, principalmente, na melhoria da qualidade dos postos de trabalho.

Vários autores discutem os efeitos spillovers na economia nacional e internacional, Gille (2011), Leite e Silva (2011), Fahel, Ferreira e Barroso (2013), Borjas (1995), Martinho (2005).

Gille (2011) analisou os efeitos da educação sobre a produtividade na agricultura na Índia e concluiu que quanto maior a educação dos vizinhos maior a produção da propriedade. É um dos poucos a sublinhar que as externalidades de educação não existem apenas em contextos urbanos e que as repercussões da educação não ocorrem apenas entre trabalhadores da indústria e setores de serviço. Existem também as repercussões nos setores considerados mais tradicionais, como a agricultura.

Leite e Silva (2011) investigaram a ocorrência de um padrão de transbordamento entre a pobreza de determinado município e seus vizinhos, principalmente nas regiões fronteiriças. Tendo como objeto de estudo todos os municípios espírito-santenses e municípios do Rio de Janeiro, Minas Gerais e Bahia, que se localizam próximos à fronteira com o Espírito Santo, chegou-se à conclusão de que existem transbordamentos na incidência de pobreza e na concentração de renda, com diferenças em termos das barreiras ao processo de difusão espacial.

Fahel, Ferreira e Barroso (2013) analisaram os efeitos indiretos das transferências governamentais sobre a educação, avaliando o impacto do PBF (programa bolsa família) na dimensão educacional, analisando as variáveis de proficiência e repetência escolar. Os resultados mostram que a proficiência escolar foi negativamente relacionada com a adesão ao programa, sendo indício de que, apesar do programa incentivar os alunos a frequentarem a escola, faltam medidas que gerem ganhos de aprendizagem para os alunos.

Borjas (1995) analisa o mercado de trabalho americano, mostrando que as diferenças na oferta e demanda por trabalho influenciam na decisão dos trabalhadores na hora de migrar para outra cidade em busca de emprego. Evidencia também que o salário é um fator importante para o trabalhador no momento de tomada de decisões. Quanto maior o salário, maior a chance de mudanças dos trabalhadores, considerando as despesas com a mudança. Observa-se também que as pessoas com níveis educacionais mais elevados e mais jovens estão mais propensas a mudanças.

A influência das localidades vizinhas no desenvolvimento de certo município por meio de efeitos spillovers espaciais é cada vez mais utilizado em trabalhos empíricos (MARTINHO, 2005), sendo esses efeitos espaciais importantes sob o ponto de vista econométrico.

De acordo com Martinho (2005), as externalidades espaciais podem influenciar a evolução da produtividade de uma determinada região por meio da evolução da produtividade de regiões vizinhas. O aumento da produtividade em um município pode influenciar a produtividade no município vizinho, levando ao crescimento econômico.

Considerando o exposto, este trabalho objetiva detectar a existência de spillovers do crescimento do emprego nos municípios da Região Norte no ano de 2010, especificamente: a) verificar a existência de relacionamento espacial entre crescimento do PIB per capita e crescimento do emprego; b) averiguar os efeitos direto e indireto do PIB per capita sobre o crescimento líquido do emprego dos municípios da Região Norte.

Em alguns mercados de trabalho notam-se os transbordamentos do emprego, levando o crescimento do emprego em municípios vizinhos dos municípios que possuem níveis de emprego elevado. Levando em consideração o exposto, a hipótese que norteia este trabalho é que não existem spillovers no mercado de trabalho formal rural na agropecuária da região norte para os gêneros.

Além desta introdução, este trabalho divide-se em mais duas partes. A primeira mostra a metodologia utilizada, a segunda os resultados e discussões e, por fim, as conclusões.

2. Metodologia

2.1. Referencial analítico

2.1.1. Análise Exploratória de Dados Espaciais (AEDE)

A análise exploratória de dados será utilizada para analisar a autocorrelação espacial entre o crescimento do emprego e o PIB per capita dos gêneros. O I de Moran analisa a autocorrelação espacial global, e o LISA (Indicador Local de Associação Espacial) a autocorrelação local do emprego.

A análise exploratória de dados espaciais (AEDE) se preocupa em avaliar se há alguma forma de associação espacial entre áreas geográficas. O interesse maior recai sobre a distribuição espacial, de forma a identificar possíveis padrões de associação espacial (clusters espaciais).

O processo de implementação da AEDE e da estimação dos modelos econométricos espaciais requer a construção de uma matriz de pesos espaciais (W) construída com base no modelo dos k vizinhos mais próximos, utilizando a métrica do grande círculo entre os centros dos municípios.

A estatística I de Moranfoi utilizada para calcular a autocorrelação espacial, onde o seu resultado indica se os dados se distribuem ou não de forma aleatória no espaço (ANSELIN, 1988). A estatística é obtida a partir da formulação abaixo:

O valor do I de Moran varia de –1 a 1. Valores próximos de zero, indicam a inexistência de autocorrelação espacial significativa entre os valores da região e seus vizinhos.

Em se tratando da autocorrelação espacial global, esta é positiva quando valores altos ou baixos de uma variável aleatória tendem a se aglomerar no espaço indicando a existência de autocorrelação positiva. Quando o seu sinal é negativo, denota a existência de heterogeneidade espacial, isto é, nota-se autocorrelação espacial negativa quando áreas geográficas tendem a ser cercadas por vizinhos com valores muito dissimilares (LE GALLO e ERTUR, 2003).

A matriz de pesos espaciais W, é utilizada com o objetivo de capturar os efeitos de contiguidade e vizinhança sobre os dados analisados. Esta matriz pode ser elaborada com base em diversos critérios. Entretanto, neste estudo ela será especificada com base no critério de contiguidade. A matriz binária W, além de ser uma matriz quadrada e positiva, possui sua diagonal principal nula e sua célula wij é nula, se a região i não for vizinho/contíguo de j (em que o índice ij corresponde ao vizinho i da observação j). Caso contrário, ela assume o valor unitário. Para facilitar a interpretação geralmente padronizam-se os valores da matriz W dividindo cada elemento Wij pela soma total da linha à qual pertence, de maneira que a soma de cada linha da matriz padronizada seja 1 (ANSELIN, 1996).

É importante notar que os elementos da matriz de pesos são não-estocásticos e exógenos ao modelo. Tipicamente, eles são baseados na disposição geográfica das observações, ou contiguidade. Pesos são não-nulos quando duas localidades desfrutam de uma fronteira comum, ou dentro de certa distância uma da outra. De qualquer forma, existem especificações alternativas da matriz de pesos espaciais, tais como a diminuição da distância (distância inversa ou distância inversa ao quadrado), a estrutura de uma rede social, a distância econômica, k vizinhos mais próximos, ou medidas de interação baseadas no comércio. Nenhuma dessas matrizes está isenta de limitações (ANSELIN, 1988).

Formalmente, considerando-se N regiões:

    

Os resultados apresentados no diagrama de dispersão de Moran podem ser mapeados, constituindo o chamado mapa de dispersão de Moran, porém, assim como acontece com o diagrama, o mapa apresenta grupos de autocorrelação espacial tanto estatisticamente significativos quanto não significativos. Portanto, as estatísticas de autocorrelação global não têm a capacidade de identificar a ocorrência de autocorrelação local, estatisticamente significante (ALMEIDA et al., 2006).

Em virtude disso, são utilizados os indicadores de autocorrelação local que examinam os padrões de associação espacial em maiores detalhes. Segundo Anselin (1995), um Indicador Local de Associação Espacial (Local Indicator of SpatialAssociation – LISA) baseado no I de Moran pode ser especificado como:

em que yi,t , é a observação de uma variável de interesse no município i para o ano t, µt é a média das observações entre os municípios para o ano t para a qual o somatório em relação à j é tal que somente os valores vizinhos de j são incluídos.

A estatística pode ser representada da seguinte maneira: valores positivos de Ii,t, significam que existem clusters espaciais com valores similares (alto ou baixo); e valores negativos significam que há clusters com valores diferentes entre os municípios e seus vizinhos.

Segundo Anselin (1995), um Indicador Local de Associação Espacial (LISA) será qualquer estatística que satisfaça dois critérios: i) um indicador LISA deve possuir, para cada observação, uma indicação de clusters espaciais, significativos estatisticamente, de valores similares em torno da vizinhança de uma determinada observação (municípios); ii) o somatório dos LISAs, para todos os países, é proporcional ao indicador de autocorrelação espacial global.

2.2.2. Modelos Espaciais

Serão utilizados os modelos espaciais para analisar os spillovers espaciais do emprego masculino e feminino e o PIB per capita na Região Norte do Brasil.

A metodologia utilizada é baseada na econometria espacial que busca por meio dos modelos de regressão linear a influência das características das observações vizinhas numa localidade próxima, o que pode ser verificada na variável dependente, na variável independente, ou até mesmo em mais de um tipo de variável simultaneamente. A matriz de pesos espaciais W incorpora a dependência espacial no modelo, onde tais pesos são definidos de acordo com a importância que se atribui a uma observação.

Definida a matriz de pesos espaciais, segue a configuração da forma funcional. No modelo clássico, tem-se que uma característica está correlacionada com um conjunto de regressores mais um termo aleatório, ou seja:

De acordo com LeSage e Pace (2009), agentes econômicos tomam decisões correntes que são influenciadas pelo comportamento de outros agentes no passado. O modelo em que os spillovers espaciais são observados na variável dependente denomina-se Spacial Autoregressive Model (SAR). Anselin e Bera (1998) incluíram variáveis independentes no modelo SAR sem que haja interferência espacial, sendo intitulado de mixe dregressive-spacial autoregressive model. Esse modelo pode ser expresso como:

Dependendo do processo gerador de dados, a dependência espacial não se limita apenas em termos da variável dependente. Além do lag espacial do regressando, é possível que existam simultaneamente spillovers espaciais originados em regressores omitidos no termo de erro e que devam ser explicados na equação. O modelo que contém dependência espacial em ambos é chamado de SpatialDurbinModel (SDM), expresso na seguinte equação:

   

Usam-se defasagens espaciais para refletir a dependência do processo de perturbação, o que leva ao modelo de erro espacial SEM, que contém dependência espacial apenas no termo de erro. Neste caso, a dificuldade de interpretação dos dados aumenta porque a dependência está em fatores que não são percebidos pelo econometrista, o que não acontece nos dois modelos anteriores. O modelo SEM pode ser escrito com  seguinte notação:

em que E é o termo de erro com processo espacial autorregressivo (nx1). Dentro dessa disturbância encontra-se um erro totalmente aleatório, a saber:

 

Outro modelo importante da família de regressão é o SAC, que implementa dependência espacial no termo de erro e na variável dependente, sendo uma combinação de SAR e SEM. Sua forma funcional é dada por:

Para LeSage e Pace (2009), a matriz W1 pode ser igual a matriz W2, passando a se chamar de SpatialAutoregressiveMovingAverageModel (SARMA).

Nos modelos onde é encontrado algum tipo de dependência espacial, a estimação por MQO gera estimadores viesados e inconsistentes. Sendo assim, LeSage e Pace (2009) e Almeida (2012) sugerem a estimação por Máxima Verossimilhança. Uma hipótese importante para gerar a função de verossimilhança é a de que o termo de erro segue uma Distribuição Normal constante (homocedásticos). Com a estimação por Máxima Verossimilhança, os parâmetros estimados são assintoticamente consistentes e torna-se possível realizar inferência estatística.

O teste do Multiplicador de Lagrange (LM) é o mais apropriado para sugerir qual a especificação é a mais adequada para representar os dados. É o teste assintótico mais utilizado na literatura de econometria espacial por necessitar da estimação do modelo apenas sob a hipótese nula (ANSELIN et. al 2000). Ele pode ser realizado em sua versão tradicional ou robusta, tanto para o modelo que incorpora lag-espacial na variável dependente quanto no erro. No primeiro caso, temos as formas:

         

em que  "tr" é o traço da matriz M = I – X(X'X)-1X' e "B" é o estimador de MQO. O teste com o modelo de erro espacial, nas versões tradicional e robusta, assume as seguintes funções:

As estatísticas do teste LM seguem uma distribuição Qui-Quadrado com apenas 1 grau de liberdade. Deve-se atentar que as versões robustas serão válidas apenas se as versões padrões forem significantes. Para decidir qual das opções é a melhor, deve-se observar qual teste LM tem o menor p-valor – ou escolher a alternativa com maior estatística LM. Se RML > LM e for significante, então se deve selecionar a alternativa com maior RLM.           

2.3. Fonte de Dados

Os dados utilizados foram obtidos do DATASUS e do CAGED. O PIB per capita dos 449 municípios da Região Norte no ano de 2010 foi retirado do DATASUS. Vale lembrar que os dados são fornecidos pelos administradores dos municípios e que por esse motivo pode haver inconsistência nos mesmo. Os dados do Caged foram utilizados para calcular a taxa de crescimento líquido do emprego masculina e feminina no ano de 2010.

A escolha do ano de 2010 para a análise do emprego teve como argumento o final do mandato de um governo, que se iniciou em 2002. Outro motivo é o início da recuperação da crise mundial que se iniciou em 2007 nos Estados Unidos e se espalhou pelo mundo, afetando diversos setores da economia, incluindo o setor agropecuário.

3. Resultados e discussões

Nesta seção será feita uma análise do emprego líquido formal no mercado de trabalho na agropecuária da Região Norte do Brasil. Será analisado o crescimento líquido do trabalho na agropecuária levando em consideração o PIB per capita de cada município da Região Norte.

3.1. Análise Exploratória dos Dados Espaciais

O primeiro passo a ser dado para averiguar a presença de autocorrelação espacial entre os agentes está em analisar o índice I de Moran. Este nos mostra a associação espacial global, sendo que o valor positivo para a estatística I de Moran aponta autocorrelação espacial positiva, ou seja, os agentes interagem entre si. No caso do presente trabalho, isso significa dizer que os municípios que apresentam elevado crescimento líquido do emprego são vizinhos de outros municípios que também apresentam elevado crescimento líquido do emprego ou, alternativamente, municípios com baixo crescimento do emprego são circundados por outros que também ostentam baixo crescimento.

A Figura 1 mostra a distribuição do crescimento líquido do emprego masculino e feminino na Região Norte do Brasil. Observa-se que ocorre uma grande disparidade entre os municípios, tanto para homens quanto para mulheres. Grande parte dos municípios possui taxas negativas de crescimento do emprego. As partes mais escuras do mapa mostram crescimento positivo e está concentrada nos estados do Tocantins e Pará para os dois gêneros. A explicação está no fato de que os dois estados são os maiores produtores agropecuários da região.

 A taxa do crescimento líquido do emprego mostrou-se negativa na década de 2000. O emprego na agropecuária vem diminuindo ao longo dos anos, sendo que os homens são os mais atingidos pelo desemprego. A diminuição na taxa de crescimento do emprego pode ser explicada pela grande informalidade do setor. Como se trata de uma atividade sazonal, muitos dos empregadores não registram os trabalhadores, causando grande insegurança para os mesmos. A Figura 1 mostra que o crescimento do emprego foi maior nos estados com maior produção agropecuária.

Figura 1: Distribuição espacial do Crescimento Líquido do Emprego por gênero na Região Norte em 2010

Fonte: elaborado pelo autor.

Os resultados na Tabela 1 mostram que não existe correlação espacial do emprego formal feminino e masculino na Região Norte no ano de 2010, o p-valor não é significativo para explicar a correlação espacial do emprego por gênero.

A não existência de autocorrelação espacial significa que o emprego na agropecuária não está se externalizando no espaço, ou seja, exercendo influência, o que significa dizer que não existe padrão espacial.  O crescimento (descimento) do emprego em um município não impacta no crescimento (descimento) do emprego do município vizinho. Não está ocorrendo spillovers do emprego entre os municípios.

Não se detecta spillovers espaciais onde se verifica a presença de clusters globais, indicando que a variação no crescimento líquido do emprego por gênero não está associada a variação no crescimento líquido do emprego dos municípios vizinhos.

Tabela 1:I de Moran Global Univariado do Crescimento Líquido do Emprego formal por gênero na Agropecuária da região Norte, 2010

Variáveis

Matriz de Peso

I

Média

Desvio – Padrão

P-value

CLEM

Rainha

0,01385

-0,002

0,02778

0,26480

CLEF

-0,00520

-0,002

0,02522

0,46920

CLEM

Torre

0,01557

-0,002

0,02811

0,24810

CLEF

-0,00425

-0,002

0,02548

0,47790

Fonte: elaborado pelo autor.

A inexistência de correlação espacial não impede a formação de clusters do emprego distribuído entre os municípios da região. Na Figura 2 são mostrados os clusters espaciais do crescimento líquido do emprego feminino através do I de Moran Local, também conhecido como LISA (Indicador Local de Associação Espacial). Nota-se que grande parte foi não significativo. Os municípios que possuem baixa taxa de crescimento do emprego estão circundados por municípios que também possuem o mesmo atributo, ao nível de significância de 5%. Também é evidenciado que municípios com alto crescimento do emprego são vizinhos de municípios com baixo crescimento e vice versa.

Não foi encontrado municípios com os atributos Alto-Alto, ou seja, não existe cluster de municípios com alto crescimento do emprego vizinhos de municípios com alto crescimento.

Figura 2: I de Moran Univariado Local do crescimento líquido do emprego feminino na Região Norte do Brasil em 2010

Fonte: elaborado pelo autor.

O crescimento líquido do emprego masculino está evidenciado na Figura 3. Ao contrário dos clusters femininos, os masculinos apresentam municípios com alto crescimento do emprego circundados por municípios que também possuem alto crescimento do emprego. No entanto, não foi detectado transbordamento do emprego de um município para seu vizinho. Esses municípios possuem nível de significância de 5%. É evidenciado também municípios com baixo crescimento do emprego rodeados de municípios com as mesmas características.

Outro cluster formado são de municípios com alto crescimento do emprego que possuem vizinhos com baixo crescimento. Portanto, nesse caso o crescimento em um município não transborda para seu vizinho. Fica difícil definir as causas que impede o transbordamento entre esses municípios, pois podem existir inúmeras hipóteses. Também existem municípios que possuem baixo crescimento do emprego cercados por municípios com alto crescimento do emprego. Tais municípios possuem nível de significância de 1%.

Levando em consideração que o emprego é um bem, pode-se afirmar que ele é um bem rival e excludente. Quando o crescimento do emprego impacta de forma positiva nos municípios da região, ocorre uma externalidade positiva do crescimento do emprego. E quando impacta negativamente ocorre a externalidade negativa. Os clusters de Baixo-Baixo, Alto-baixo e Baixo-Alto são exemplos de externalidade negativas. Apenas o cluster Alto-Alto possui característica de externalidade positiva.

Figura 3:I de Moran Univariado Local do crescimento líquido do emprego masculino na Região Norte do Brasil em 2010

Fonte: elaborado pelo autor.

Fica evidente que grande parte dos municípios da Região Norte não foram significativos para a análise de cluster local, isso pode estar condicionado ao fato de que esses municípios tiveram taxas negativas do crescimento líquido do emprego no período analisado. A ausência de spillover do emprego também pode estar ligada a informalidade do emprego, pois muitos trabalhadores não são registrados. Outro fator a ser levado em consideração são as políticas ambientais que tem se tornado um entrave no crescimento da agropecuária. Deve-se considerar ainda o fato de que a agropecuária na região é sazonal.

A figura 4 mostra os clusters do I de Moran local multivariado para o crescimento líquido do emprego feminino relacionado com o PIB per capita dos municípios. Esta estatística apresenta o grau de associação linear (positiva ou negativa) entre o valor para uma variável em uma dada localização i e a média de outra variável nas localizações vizinhas.

Os resultados da Figura 4 mostram que para grande parte dos municípios foram não significativos, ou seja, não existe uma relação entre o crescimento líquido do emprego e o PIB per capita. É evidenciado também o cluster High-High, municípios com alto crescimento líquido do emprego rodeados por municípios com alto PIB per capita. Nota-se também na Figura 4 a presença de clustersLow-Low, municípios com baixo crescimento líquido do emprego circundados por municípios com baixo PIB per capita.

Os clusters High-Low e Low-High mostram municípios com alto crescimento do emprego vizinhos de municípios com baixo PIB per capita e municípios com baixo crescimento do emprego rodeados de municípios com alto PIB per capita.

Diante dos resultados, pode-se concluir que o PIB per capita não impacta diretamente no crescimento do emprego. Não existe uma relação entre o crescimento do emprego e o PIB per capita dos municípios da Região Norte.

Figura 4:I de Moran Multivariado Local do crescimento líquido do emprego feminino na Região Norte do Brasil em 2010

F:\josineide\cle_f_MMULT_SIG.bmp

  Fonte: elaborado pelo autor.

A Figura 5 mostra o I de Moran multivariado do crescimento líquido do emprego masculino em relação ao PIB per capita. Os resultados mostram que municípios com alto crescimento líquido do emprego estão rodeados por municípios com alto PIB per capita.  E municípios com baixo crescimento do emprego são vizinhos de municípios com baixo PIB per capita. Fica evidente também a presença de municípios com baixo crescimento do emprego cercados por municípios com alto PIB per capita e vice versa.

Para a maioria dos municípios a análise foi não significativa, ou seja, não existe uma relação entre o crescimento do emprego e o PIB per capita. O mapa de significância mostra que os clusters Baixo-Alto e Alto-Baixo foram significativos a 5% e os clusters Alto-Alto e Baixo-Baixo tiveram significância de 1%.

Figura 5: I de Moran Multivariado Local do crescimento líquido do emprego masculino na Região Norte do Brasil em 2010

F:\josineide\cle_f_MMULT_SIG.bmp

Fonte: elaborado pelo autor.

3.2. Análise dos spillovers

A análise dos modelos espaciais foi elaborada a partir do modelo de clássico de regressão linear (MCRL), utilizando a metodologia sugerida por Anselin e Bera (1998), LeSage e Pace (2009).

O conjunto de testes para averiguar a presença de autocorrelação espacial é útil tanto para auxiliar a especificação do modelo econométrico-espacial quanto para a tarefa de validação ou diagnóstico desse modelo.  Para isso, fez-se os testes de multiplicador de Lagrange e multiplicador de Lagrange robusto.

A tabela 3 mostra os modelos estimados por MQO para a análise do crescimento líquido do emprego.  Para realizar o Teste do Multiplicador de Lagrange foi necessário inserir a matriz de vizinhança no modelo a ser estimado, sendo testadas as matrizes tipo Rainha e Torre. A tabela 3 está dividida em três partes. Na primeira, os coeficientes e sua significância estatística. Na segunda parte, os testes para normalidade dos resíduos e para a heterocedasticidade, bem como para o indicador para a multicolinearidade são mostrados. Na terceira parte, por fim, os testes para o diagnóstico da autocorrelação espacial.

Os resultados da tabela 3 mostram que educação, CLEF e CLEM deram estatisticamente significativos. A variável PIB foi significativa apenas para o gênero feminino. Os testes de diagnósticos mostram que não existe multicolinearidade. O teste Jarque-Bera mostra que os resíduos não são normais, logo, rejeita-se a hipótese de que os resíduos são distribuídos de forma aleatória no espaço. O teste White evidencia que o modelo é heterocedástico.

Tabela 3:Estimação por MQO do emprego líquido formal por gênero na Agropecuária Região Norte, 2010

Variáveis

Feminino

Masculino

Coeficiente

Probabilidade

Coeficiente

Probabilidade

Constante

-15,2566

0,5363

1,4542

0,0733

PIB

-0,0017

0,0564

0,0001

0,6857

Educação

12,3366

0,0757

-4,5654

0,0466

CLEF/CLEM

0,2696

0,0605

0,0293

0,0605

Diagnostico

Multicolinearidade

8,8732

-

8,8659

-

Jarque-Bera

280.621,94

0,0000

27046,4118

0,0000

Koenker-Basset

0,3629

0,9478

2,8617

0,4135

White

4,3250

0,8888

90,7940

0,0000

Matrizes

Modelos

Feminino

Masculino

RAINHA

TORRE

RAINHA

TORRE

I – valor

I – valor

I – valor

I – valor

I de Moran

0,1027

0,1073

0,5143

0,5791

(0,9182)

(0,9145)

(0,6070)

(0,5625)

MLerr

0,0006

0,0009

0,1885

0,2496

(0,9807)

(0,9763)

(0,6641)

(0,6172)

RMLerr

1,8425

1,6265

0,0250

0,0008

(0,1747)

(0,2022)

(0,8743)

(0,9768)

MLlag

0,0113

0,0083

0,2025

0,2542

(0,9154)

(0,9272)

(0,6527)

(0,6141)

RMLlag

1,8532

1,6339

0,0389

0,0053

(0,1734)

(0,2012)

(0,8436)

(0,9416)

ML(SARMA)

1,8538

1,6348

0,2274

0,2550

(0,3958)

(0,4416)

(0,8924)

(0,8802)

KRerr

7,0896

6,7741

2,0316

2,1535

(0,1312)

(0,1483)

(0,7299)

(0,7075)

R² Ajustado

AIC

SC

F –test

0,0189

0,0122

5686,24

5702,67

2,8514

0,0156*

0,009*

4689,68*

4706,11*

2,3528*

Observação: os resultados entre parêntesis indicam o valor da probabilidade e valores com * referem-se aos valores masculinos.
Fonte: elaborado pelo autor.                                      

Os testes dos multiplicadores de Lagrange se mostraram estatisticamente não significativos, evidenciando que não existe autocorrelação espacial. Logo, é possível afirmar que o método de Mínimo Quadrado Ordinários é o mais apropriado para análise dos dados. Os testes de Akaike (AIC) e Schwartz (SC) mostraram que em termos da qualidade de ajuste a melhor regressão estimada pelo método dos mínimos quadrados foi para o gênero masculino.

Os testes apontam ausência de dependência espacial, logo, não existe evidencias de spillovers espaciais do emprego na agropecuária da Região Norte. A agropecuária na Região Norte é pouco significativa em termos de emprego, os setores com maior significância são o setor público e o de serviços. Outro fator que pode influenciar nos resultados é a grande informalidade, já que grande parte dos trabalhadores contratados não são legalmente registrados em carteira.

Os resultados mostram que não existem spillovers do crescimento líquido do emprego na agropecuária para os municípios da Região Norte do Brasil por gênero, evidenciando que o crescimento do emprego em um município não impacta nos vizinhos, assim, não existe autocorrelação espacial do emprego. Os fenômenos ocorrem aleatoriamente no espaço.

Os clusters mostram que municípios que possuem alto crescimento líquido do emprego estão circundados por municípios com baixo crescimento, evidenciando que o crescimento do emprego não depende do município vizinho. Desta forma, os resultados corroboram a hipótese de que não existe spillovers do crescimento líquido do emprego.

A tabela 4 mostra a elasticidade do emprego por gênero na Região Norte. Os resultados mostram que a variação de 1% no PIB ocasiona uma queda de 0,59% no crescimento líquido do emprego feminino. E a variação de 1(um) ano na escolaridade da mulher acarreta um aumento de 1,61% no crescimento líquido do emprego feminino, ou seja, quanto maior for a escolaridade maior o crescimento do emprego feminino. O crescimento do emprego masculino não impacta no crescimento do emprego feminino.

Observa-se também na tabela 4 que a variação de 1% no PIB eleva o crescimento líquido do emprego masculino em 0,32%, ou seja, o aumento do PIB não tem impacto no crescimento do emprego. A variação de 1% na escolaridade masculina aumenta o emprego em 2,01%, mostrando que a escolaridade tem impacto positivo no crescimento líquido do emprego masculino. A variação de 1% no crescimento líquido do emprego feminino ocasiona uma queda de 0,42% no crescimento líquido do emprego masculino.

Tabela 4:Elasticidade do emprego por gênero na agropecuária na Região Norte

Variáveis

Crescimento Líquido do Emprego

Elasticidade
Feminina

Elasticidade
masculina

PIB

(0,59)

0,32

EDUCAÇÃO

1,61

2,01

CLEF

(0,42)

CLEM

0,00

 

Fonte: elaborado pelo autor

O PIB teve impacto negativo no emprego feminino, ou seja, o aumento do PIB per capita não aumentou o nível de emprego das trabalhadoras. A educação se mostra positiva para o emprego, tanto masculino quanto feminino. Quanto maior o nível de escolaridade dos trabalhadores maior o crescimento do emprego na agropecuária.

4. Conclusões

O presente trabalho teve por objetivo detectar a existência de spillovers do crescimento líquido do emprego nos municípios da Região Norte no ano de 2010. O estudo foi inovador por ter incluído informações sobre o mercado de trabalho na agropecuária de uma região que é vista como uma das mais atrasadas economicamente do país.

O foco foi averiguar as correlações espaciais entre o emprego e o PIB per capita nos municípios do Norte do Brasil para fazer uma análise da autocorrelação espacial. Os resultados evidenciaram que não existe autocorrelação espacial do emprego entre os municípios da região. Os testes dos multiplicadores de Lagrange (erro e robusto) mostraram-se não significativos tanto para a defasagem como para spillovers, logo não foi possível fazer as análises pelos modelos SAR, SDM e SAC. Também não foi possível analisar os efeitos diretos, indiretos e total entre os municípios.

Os resultados mostraram que para o gênero feminino não foi detectado clusters com características High-High (alto-alto), ou seja, municípios com elevado crescimento do emprego circundados por municípios com as mesmas características.

Para o gênero masculino foram detectados os quatro quadrantes para o crescimento líquido do emprego high-high (alto-alto), low-low (baixo-baixo), high-low (alto-baixo) e low-high (baixo-alto). Na grande maioria dos municípios os resultados foram não significativos, ou seja, não existe uma relação do crescimento do emprego em um município com o crescimento do emprego em outro município.

A não existência de spillovers nos municípios da região pode estar ligado a vários fatores. Alguns podem ser as políticas ambientais que muitas vezes tem se tornado um entrave no crescimento da agropecuária, a falta de políticas que desenvolva o setor de formar homogenia, além da informalidade que é grande nesse setor.

Os resultados mostram que não existem spillovers do crescimento líquido do emprego na agropecuária da região Norte por gênero, logo, aceita-se a hipótese de que não há evidencias de externalidades do emprego.

As limitações deste trabalho devem-se ao fato de que os dados foram obtidos de fontes secundárias, por causa da grande dificuldade de se extrair dados primários, e foram trabalhados apenas com emprego formal em um setor em que o índice de informalidade é bastante elevado. No entanto, tais limitações não invalidam o trabalho, apenas restringem a análise.

Futuras pesquisas podem analisar se o crescimento líquido do emprego está ligado ao desenvolvimento do setor agropecuário e se as políticas de desenvolvimento para a região são importantes para o crescimento do emprego nesse setor.

5. Referências bibliográficas

ALMEIDA, E. (2012); "Econometria Espacial Aplicada", Campinas, SP: Editora Alínea.

ANSELIN, L; BERA, A. (1998);"Spatial dependence in linear regression models with an introduction to spatial econometrics", In Handbook of applied economic statistics, New York:

Marcel Dekker edited by Amman Ullah And David E.A. Giles.

ANSELIN, L. (1988); "Spatial econometrics:methods and models", Academic, Boston, 284p.

ANSELIN, L. (1995); "Local indicators of spatial association – LISA", Geographical Analysis.

ANSELIN, L. (1996); "The moran scatterplot as an ESDA tool local instability in spatial association" In: Spatial Analytical Perspectives on GIS in Environmental and Socio-Economic Sciences, London: Taylor and Francis.

ANSELIN, L.; COHEN, J.; COOK, W. G.; TITA, G. (2000); "Spatial Analyses of Crime. Measurement and Analyses of Crime and Justice", Criminal Justice, vol. 4.

BORJAS, George J.(1995);"Labor Economics",Library of Congress Cataloging-in-Publication Data. McGraw Hill, 5aed. New York (NY), UEA.

Departamento de Informática do Sistema Único de Saúde (DATASUS). (2014); Disponível em:  http://www2.datasus.gov.br/DATASUS/index.php.

FAHEL, M.; FERREIRA, A.; BARROSO, M. (2013); "O impacto do Bolsa Família no desempenho escolar em Belo Horizonte: spillover effect da condicionalidade-educação". XXIX Congresso Latino Americano de Sociologia - Chile. Disponível em http://www.cedefes.org.br.Acessoem 02 de agosto de 2014.

GILLE, Véronique. (2011);"Education spillovers in farm productivity: empirical evidence in rural India". Proceedings of the German Development Economics Conference, Berlin,

No. 31.

INSTITUTO DE PESQUISA ECONOMICA APLICADA – IPEA. (2013); "A agropecuária na região norte: oportunidades e limitações ao desenvolvimento",Texto para discussão 1836,Rio de Janeiro. Disponível em http://repositorio.ipea.gov.br. Acesso em 04 de agosto de 2014.

LE GALLO, J., ERTUR, C. (2003); "Exploratory spatial data analysis of the distribution of regional per capita GDP in Europe, 1980-1995", Papers in regional science, Volume 82. pp. 175-201.

LEITE, L. de M.; SILVA, S. P. (2011);"Transbordamentos de pobreza entre municípios do espírito santo e seus vizinhos em outros estados", Universidade Federal do Rio Grande do Norte.Disponível em http://www.cchla.ufrn.br. Acesso em 02 de agosto de 2014.

LESAGE, J. P.; PACE, R. K. (2009); "Introduction to Spatial econometrics", CRC Press, Boca Raton.

MARTINHO, Vitor J.P. (2005);"Análise dos Efeitos Espaciais na Produtividade Setorial entre as Regiões Portuguesas",Coimbra – Portugal. Disponível em www4.fe.uc.pt/ceue. Acesso em 29 de junho de 2014.   

MELO, Luzia Maria Cavalcante de; SIMÕES, Rodrigo. (2009); "Desigualdade econômica regional e spillovers espaciais: evidências para o nordeste do Brasil",Belo Horizonte: UFMG/Cedeplar.

VARIAN, Hal R. (1992); "Microeconomics analysis", New York 3° ed. Editora Norton &Company.

VARIAN, Hal R. (1994); "Microeconomia: princípios básicos",Rio de Janeiro: Campus,4ª edição.


1. Mestre em Desenvolvimento Regional e Graduada em economia pela universidade Federal do Acre. (jasaeconomia@hotmail.com)  
2. Doutor e Mestre em Economia Aplicada



Vol. 37 (Nº 07) Año 2016

[Índice]

[En caso de encontrar algún error en este website favor enviar email a webmaster]