UMA ANáLISE ExPLORATÓRIA DO EMPREGO FORMAL NA … · Um dos instrumentos comumente utilizados ......

VIII Encontro dE EconomIa BaIana – SEt. 2012 IndUStrIaLIZaÇao E dESEnVoLVImEnto • 846

UMA ANáLISE ExPLORATÓRIA DO EMPREGO FORMAL NA INDúSTRIA DE TRANSFORMAÇÃO DAS MICRORREGIÕES

DO ESTADO DA BAHIA NO ANO DE 2010

Patrícia Araújo Amarante*

Shirley Pereira de Mesquita**

RESUMO

O presente estudo tem a finalidade de identificar aglomerações geográficas e padrões de heterogeneidade espacial no emprego do setor industrial das microrregiões do estado da Bahia no ano de 2010, com ênfase na análise do comportamento da indústria de transformação, setor que responde por 44% da produção industrial total do estado. Para tanto, emprega-se, aos dados acerca do setor formal disponibilizados pela RAIS, a Análise Exploratória de Dados Espaciais, por meio da qual se verifica a existência de algum tipo de associação espacial nas variáveis analisadas, tais como aglomerações espaciais ou regiões homogêneas (clusters) e observações atípicas (outliers). Por meio da análise da estatística espacial I de Moran Global, foi possível observar valores positivos entre 0 e 1, indicando, assim, a existência de correlação espacial positiva no conjunto de dado. Posteriormente, por meio do Indicador Local de Associação Espacial (LISA), identificaram-se concentrações geográficas de municípios com associação espacial positiva de altos valores (clusters do tipo High-High) no emprego formal da indústria de transformação na microrregião de Santo Antônio de Jesus. Destacou-se, ainda, a formação de um expressivo cluster do tipo low-low nas microrregiões de Juazeiro, Barra, Irecê, Barreiras, Boquira, e Guanambi.

Palavras-chave: Economias de aglomeração. Indústria de transformação. Bahia.

ABSTRACT

The present study aims to identify geographical clusters and patterns of spatial heterogeneity in employment in the industrial sector of the micro state of Bahia in 2010, with an emphasis in behavior analysis of the manufacturing industry sector, which accounts for 44% of production total industrial state. For this purpose, is employed, the data about the formal sector provided by the RAIS, the Exploratory Analysis of Spatial Data, through which checks for some kind of spatial association in variables such as spatial clusters or homogeneous regions (clusters) and atypical observations (outliers). By analyzing the spatial statistical global Moran I, it was observed positive values between 0 and 1, thereby indicating the existence of spatial correlation positive set of data. Later, through the Local Indicator of Spatial Association (LISA), were identified geographic concentrations of counties with positive spatial association of high values (clusters of type High-High) in formal employment in the manufacturing industry in the microregion of Santo Antonio de Jesus. Stood out, though, the formation of a significant cluster-type low-low in the regions of Juazeiro, Barra, Irecê, Barriers, Boquira and Guanambi.

Keywords: Economies of agglomeration. Industry. Bahia.

* Mestre e doutoranda em Economia pela Universidade Federal da Paraíba (UFPB). [email protected]** Mestre e doutoranda em Economia pela Universidade Federal da Paraíba (UFPB). [email protected]

UMA ANÁLISE EXPLORATÓRIA DO EMPREGO FORMAL NA INDÚSTRIA DE TRANSFORMAÇÃO DAS MICRORREGIÕES DO ESTADO DA BAHIA NO ANO DE 2010

Patrícia Araújo Amarante, Shirley Pereira de Mesquita

VIII ENCONTRO DE ECONOMIA BAIANA – SET. 2012 INDUSTRIALIZAÇÃO E DESENVOLVIMENTO • 847

1. Introdução

No Brasil, historicamente, as atividades econômicas apresentam altos índices de concentração em determinadas regiões geográficas, fenômeno que resulta em desigualdades na distribuição do emprego e da renda no país. A formação das aglomerações produtivas ocorre principalmente em setores indústrias e atividades relacionadas.

O emprego formal segue a tendência de concentração das atividades econômicas no país. Nas regiões Sul e Sudeste, onde existe a maior concentração de indústrias do país, os níveis de emprego formal no setor são maiores, em relação ao Norte e Nordeste. Apesar desse cenário histórico, nos últimos anos os dados da RAIS apontam para uma redução na concentração do emprego formal no Brasil (Maciente, 2008 e Oliveira e Silva, 2011).

O estado da Bahia1

A literatura teórica sobre economias de aglomeração teve início com o trabalho de Marshall (1985), que destaca as vantagens econômicas de uma “indústria localizada”, ou seja, empresas e trabalhadores concentrados espacialmente. Os autores Krugman (1991a; 1991b), Venables (1996) e Fujita, Krugman e Venables (2002), precursores da Nova Geografia Econômica (NGE), estudaram o comportamento das concentrações de atividades industriais, e destacam como principais determinantes, as econômicas de escala, dos custos de transporte, da disponibilidade de recursos naturais, entre outros fatores. Empiricamente, vários autores desenvolveram trabalhos sobre a determinação das economias de aglomeração em diversos países, tais como, Fingleton, Igliore e Moore (2005), Hanson (2005), Mion (2004), Henderson (2003), entre outros.

, devido à sua extensão geográfica e a diversificação de sua produção, apresenta diversos aglomerados produtivos. A economia baseia-se na indústria, agropecuária, mineração, turismo e nos serviços. O setor industrial equivale a 27% do PIB do estado, e a maior concentração está na indústria de transformação, aproximadamente 44% do total, seguida da construção civil com 30%, em 2009. Segundo dados do Bahia em números 2010 (2011), atividade industrial concentram-se em Paulo Afonso, Salvador, Feira de Santana, Ilheus, Eunápolis e Mucuri. Sendo a maior concentração industrial petroquímica e automotiva na região metropolitana de Salvador; a produção industrial de celulose, ao longo do litoral Sul, e na região central observam-se atividade de mineração. A maior concentração de emprego formal está no setor industrial, com destaque para a indústria de transformação.

Na literatura nacional, ganham destaque os estudos sobre o impacto das aglomerações produtivas sobre os salários, a concentração do emprego no país, principalmente no setor indústria, entre outros temas. Silveira Neto (2005) e Domingues (2005) fornecem evidências acerca do nível e tendência da concentração e especialização geográfica da atividade industrial no Brasil. Badia e Figueiredo (2007) estudam o papel dos retornos crescentes de escala e Monasterio, Damé e Salvo (2008) o efeito das aglomerações sobre os salários.

O trabalho de Silva et. al. (2011), apresenta evidências de que o cluster do setor de couros e calçados da Bahia. O trabalho de Nunes da Silva (2010), para a Bahia, destaca perfil de elevada concentração industrial na indústria extrativa e de transformação no estado, embora os resultados apresentem uma tendência à desconcentração industrial, nessas atividades.

A concentração das atividades industriais influencia diretamente o crescimento econômico e a distribuição de renda. Um dos instrumentos comumente utilizados para análise de aglomerações econômicas é a análise da concentração espacial do emprego, através da

1 O estado possui 417 municípios, agrupados em 32 microrregiões. Segundo dados da Superintendência de Estudos Econômicos e Sociais da Bahia, no ano de 2010 o PIB do estado era de 128.169 bilhões, aproximadamente 4% do PIB do Brasil.




construção de indicadores que possibilitem a análise desse fenômeno, isso principalmente, devido a sua disponibilidade, nessas mensurações.

Esse artigo tem com objetivo principal identificar através da Análise Exploratória de Dados Espaciais aglomerações geográficas de valores significativamente similares (clusters), localidades atípicas (outliers) e padrões de heterogeneidade espacial no emprego do setor industrial das microrregiões do estado da Bahia no ano de 2010, com foco na análise da indústria de transformação. Para definir o padrão de distribuição espacial da indústria são coletadas informações acerca do emprego formal deste setor na Relação Anual de Informações Sociais (RAIS), a qual disponibiliza os dados mais recentes para a obtenção de características do mercado de trabalho ao nível de agregação municipal.

O trabalho encontra-se divido em cinco seções, incluindo essa introdução. A segunda trata da revisão da literatura econômica sobre economias de aglomerações, destacando alguns trabalhos empíricos. Na terceira, uma explanação acerca da estratégia empírica adotada – Análise Exploratória de dados- e sobre o tratamento dos dados. Na quarta, são apresentadas e discutidas as principais evidências empíricas e, por fim, a última seção é reservada à conclusão do estudo.

2. Economias de aglomeração na teoria econômica

A existência de externalidades positivas decorrentes da proximidade geográfica de atividades e agentes econômicos é a base para a formação dos aglomerados produtivos, que constituem variável determinante para o desenvolvimento regional (Lopes, 2010).

Os efeitos das econômicas de aglomeração sobre o crescimento econômico regional e nacional despertaram o interesse de diversos autores para o estudo da organização dessas atividades. O precursor foi Alfred Marshall, em seu Principles of Economics de 1920 estudou as vantagens econômicas geradas pela concentração geográfica das indústrias, introduzindo a noção de distrito industrial. O trabalho de Marshall (1985) apresenta como principais vantagens desses aglomerados produtivos à atração de fornecedores especializados e locais; a qualificação de recursos humanos locais decorrentes da especialização da indústria, facilitando o processo de produção de novas ideias; a presença de transbordamentos ou spillovers de conhecimentos. O autor destaca que as condições físicas da região, tais como o tipo de clima e solo, a disponibilidade e facilidade de acesso aos insumos necessários à produção e aos mercados consumidores.

Após Marshall, muitos autores passaram a estudar os determinantes dos ganhos econômicos das firmas e do crescimento regional provocado pelas aglomerações geográficas de atividades econômicas. Hoover (1936; 1948), a partir da análise de Marshall, identificou as externalidades e classificou-as em economias de urbanização (vantagens do nível total de atividade em determinada área) e localização (benefícios gerados pela proximidade das firmas que produzem bens similares).

Jacobs (1969) explora as economias de urbanização. Destaca a importância da diversificação nas atividades econômicas, como determinantes das externalidades positivas em uma região produtiva, e condicionantes da inovação e crescimento. Porter (1990) focaliza seus estudos na transmissão do conhecimento dentro da indústria. Glaeser et al. (1992) destaca que as externalidades, especialmente às tecnológicas, como o principal condicionante do crescimento econômico.

Krugman (1991; 1995; 1996), formalizou a teoria de Marshall, incorporando a ideias de “economias externas”. Krugman (1991) é o precursor da Nova Geografia Econômica (NGE), além de Porter, Masahisa Fujita e Anthony Venables que são os principais representantes dessa teoria. A NGE aborda a distribuição das atividades no espaço e não




apresenta grandes inovações teóricas, a principal contribuição é a apresentação de uma nova modelagem da teoria tradicional de Marshall. Os modelos da NGE argumentam a favor dos retornos crescentes de escala, dos custos de transporte e das economias de aglomeração e custos de congestionamentos como elementos explicadores da localização industrial (batista silva e silveira neto, 2007).

Para Fujita e Thissen (1996) as externalidades seriam o principal motivador da concentração geográfica das atividades econômicas, e ainda que cada tipo de externalidades pode levar a diferentes aglomerações produtivas. Para esses autores os retornos crescentes de escala são essenciais para explicar a distribuição geográfica das atividades econômicas. Ellison e Glaeser (1997) propuseram um índice de aglomeração industrial, com o fim de mensurar a concentração da atividade econômica e comparar a dinâmica entre setores.

Para Porter (1998a) a concentração geográfica das empresas ocorre por vários fatores, tais como: aspectos históricos; base científica, reunindo condições tanto para a formação quanto para a produção científica; ambiente inovador; existência de empresas fornecedoras e correlatas, formando uma cadeia com efeitos a montante e a jusante, e fatos aleatórios. Já Porter (1999a) destaca a localização e a concentração como variáveis estratégicas para a formação de aglomerações produtivas. Os autores destacam que a vantagem competitiva das firmas é decorrente do desenvolvimento de pesquisas e da difusão do conhecimento nas atividades.

Galinari (2006) aponta que a indústria localizada possibilita a especialização das firmas em determinados segmentos do processo de produção, fornecendo matérias-primas, bens e serviços intermediários à atividade principal. Alves e Silveira Neto (2007) apontam aspectos positivos da concentração produtiva, como o aumento da produtividade local através da disponibilidade de insumos e a da especialização da mão de obra. E o negativo, seria o processo de congestão.

2.1 Evidências Empíricas

A importância das econômicas de aglomeração no contexto do crescimento econômico regional, a disponibilidade de dados e o desenvolvimento de técnicas de econometria espacial, são fatores que influenciaram na expansão dos estudos empíricos a cerca desse assunto. Essa seção destaca alguns trabalhos que apresentam evidencias empíricas sobre o tema, no âmbito internacional e nacional.

Na literatura internacional, Glaeser et al. (1992) estuda a concentração das atividades econômicas nos Estados Unidos nos anos de 156 e 1987, a partir de dados do emprego industrial. Os resultados apontam que a concorrência local e a diversidade urbana são favoráveis ao crescimento do emprego industrial. Ciccone e Hall (1996), estima à função de produção, com dados da economia americana, para verificar os efeitos dos retornos crescentes sobre os diferenciais de produtividade. Os resultados do estudo indicam que a duplicação da densidade do emprego eleva a produtividade média do trabalho em 6%.

Hanson (1998) com dados do México, nos anos de 1980, 1985 e 1988, encontram evidencias que os custos de transporte e as backward e forward linkages influenciam positivamente o emprego regional. Já Rosenthal e Strange (2003) estudam a natureza geográfica e organizacional das economias de aglomerações nos Estados Unidos e os resultados encontrados evidenciam que a concorrência dentro de cada setor industrial incentiva o surgimento de novas firmas.

O estudo de Fingleton (2006) para pequenas regiões da Grã-Bretanha, testa a partir de equações salariais, o poder de explicação da Nova Geografia Econômica no que se refere à




aglomeração das atividades econômicas. Os seus resultados corroboram a teoria da Nova Geografia Econômica no que se refere à importância do mercado potencial para a explicação dos diferenciais de salários na Grã-Bretanha, entretanto, quando a eficiência do trabalho é incluída na análise, o modelo apresenta resultados mais robustos, sugerindo que os conhecimentos técnicos dos trabalhadores também são importantes para explicação das variações dos salários.

Na literatura nacional, Chagas (2004), propõe um modelo baseado na teoria da NGE. Utilizando dados do Censo Demográfico para os municípios do Estado de São Paulo nos anos de 1980, 1991 e 2000, o autor identifica retornos crescentes de escala nos setores dinâmicos (indústria, construção civil, transportes e comunicações, serviços técnicos e auxiliares), deseconomias de escala nos setores mais tradicionais como a agropecuária, prestação de serviços e administração pública e retornos constantes à escala nas atividades do comércio.

O trabalho de Silveira Neto (2005) para o Brasil no período de 1950 a 2000 estuda o nível e a tendência da concentração e especialização geográfica da atividade industrial no Brasil. Seus resultados apoiam os argumentos favoráveis à concentração da atividade econômica presentes nos modelos com retornos crescentes de escala e custos de transporte.

O estudo de Domingues (2005) tem por objetivo analisar os processos de concentração e desconcentração espacial das atividades industriais no Brasil e na Região Nordeste, em especial. A partir da análise das aglomerações industriais, verificou-se que a distribuição geográfica da atividade industrial no Brasil é fortemente concentrada, sendo restrita a algumas áreas metropolitanas, bem como a polos industriais especializados de médio porte localizados, sobretudo, nas Regiões Sul e Sudeste.

Badia e Figueiredo (2007) buscam identificar em que medida a estrutura produtiva local em uma cidade potencializa as economias de escala externas, mensuradas por meio do crescimento do emprego, impulsionando o crescimento de suas atividades industriais. Os seus resultados sugerem que tanto a diversidade industrial nas cidades quanto a escala passada das indústrias e o grau de concentração destas, impactam expressivamente o crescimento do emprego industrial nestas localidades.

Por sua vez, o trabalho de Batista da Silva e Silveira Neto (2009) tem por objetivo caracterizar e identificar os níveis e padrões da concentração da indústria de transformação no Brasil, entre os anos de 1994 e 2004. Seus resultados apontam que a desconcentração industrial é mais intensa no segmento intensivo em recursos naturais e menos expressiva no setor intensivo em capital. Ademais, as evidências corroboram o papel das conexões de mercado, dos custos de transporte e das externalidades dinâmicas sobre o crescimento do emprego, respaldando os argumentos da NGE.

Em estudo realizado por Nunes da Silva (2010) e Souza (2010) para a Bahia e o Ceará, respectivamente, observou-se que há uma tendência à desconcentração industrial para as indústrias extrativa mineral e de transformação, apesar de se ter um perfil de elevada concentração industrial nestes locais.

Silva et. al (2011) analisam o setor de setor de couros e calçados da Bahia nos anos de 2000 e 2009, a análise sugere uma convergência dos resultados com os argumentos teóricos. Os resultados apresentam evidências de que o cluster desse setor gera externalidades positivas sobre o crescimento do emprego, porém, verifica-se que à medida que a clusterização horizontal cresce, há impactos negativos sobre este crescimento devido ao que se chama de efeito congestão.

O trabalho de Oliveira e Silva (2011) analisam a concentração industrial a partir das indústrias extrativa mineral e de transformações em municípios pernambucanos nos anos de 1994 a 2008, os resultados apontam para uma trajetória leve de desconcentração industrial e pequenas modificações na especialização regional ao longo desse período.




Oliveira et. al (2011) analisaram a dinâmica do emprego formal em Santo Antonio de Jesus Bahia, os resultados apontam que entre os anos de 2002 e 2010, a cidade desempenhou um papel relevante dentro do Recôncavo baiano em relação ao estoque de emprego formal.

3. Estratégia Empírica

3.1 Base de dados

A análise abrange dados do estoque de emprego formal na Indústria de transformação do estado da Bahia no ano de 2010, a nível microrregional. A escolha do setor da indústria de transformação para a realização da análise deve-se ao fato de que o setor industrial tem uma expressiva importância para a economia baiana, respondendo por 27% do PIB do estado em 2009. Além disso, verifica-se que a maior concentração está na indústria de transformação.

Tendo em vista a obtenção de características do mercado de trabalho ao nível de agregação microrregional, tais como estoque de emprego, foram utilizados dados secundários extraídos da Relação Anual de Informações Sociais (RAIS), disponibilizada pelo Ministério do Trabalho e Emprego (MTE). 3.2 Análise Exploratória de Dados Espaciais

A Análise Exploratória de Dados Espaciais (AEDE) é um conjunto de técnicas que tem por objetivo descrever e visualizar distribuições espaciais, identificar localizações atípicas ou outliers espaciais, detectar padrões de associação espacial, ou seja, clusters ou hot spots, e sugerir regimes ou outras formas de heterogeneidade espacial. Nesse caso, um conceito central à análise se refere à noção de autocorrelação espacial ou associação espacial, a qual permite identificar a estrutura de correspondência espacial que melhor descreve o padrão de distribuição dos dados, evidenciando como os valores estão correlacionados no espaço (ANSELIN, 1998). Nesse aspecto, como documentado em Le Galo e Ertur (2000), a AEDE fornece medidas globais e locais de autocorrelação espacial, as quais podem ser identificadas através de testes formais de associação espacial como as estatísticas I de Moran global e o Local Indicator of Spatial Association Indicador (LISA).

Apesar de ser uma metodologia que permite somente inferir alguma noção de proximidade, enfatizando a análise da dimensão espacial da formação de clusters, a Análise Exploratória de Dados Espacial, pode indicar, por exemplo, um padrão homogêneo no qual microrregiões mais especializadas na indústria estejam na vizinhança de microrregiões que também possuam maior especialização industrial, o que pode inducar a formação ou consolidação de polos de crescimento dinâmicos nesse setor ou até mesmo um aumento na concentração de renda em determinadas localidades.

Quanto à detecção da autocorrelação global, foi utilizado o I de Moran global, um dos testes formais mais empregados na literatura empírica. Especificamente, a estatística I de Moran identifica a estrutura de correlação espacial que melhor descreve os dados, fornecendo, para tanto, um único valor como medida de associação espacial utilizado para caracterizar toda a região de estudo. Formalmente, o I de Moran global é expresso da seguinte forma:




∑

∑∑

=

= == n

ii

n

i

n

jjiij

x

xxwI

1

2

1 1

Onde: n = número de observações; wij = elementos da matriz de peso espacial que define as relações de vizinhança2

Na análise da autocorrelação espacial local foi utilizado o indicador local de autocorrelação espacial (LISA), definido por Anselin (1995) como qualquer estatística que satisfaça dois critérios: a) o LISA para cada observação fornecerá uma indicação de clusters ou agrupamentos espaciais significativos, de valores semelhantes, em torno daquela observação, bem como uma identificação de instabilidades locais, ou seja, outliers significativos; e b) a soma do LISA para todas as observações será proporcional ao indicador global de associação espacial. A medida LISA para cada região i e período t pode ser expressa da seguinte forma:

; e xi e xj = valores da variável analisada em desvios da média nos municípios “i” e “j”.

∑

∑

=

== n

ii

n

jjiji

i

x

xwxL

1

2

1

A partir dos resultados da estatística LISA, pode-se estabelecer quatro padrões de autocorrelação espacial, os quais representam a formação de clusters, conforme o Quadro 1, a seguir. Os padrões High-High e Low-Low indicam regiões que apresentam homogeneidade de associação espacial, ou seja, localidades com valores altos (baixos) da variável em estudo pertencente a uma vizinhança com valores também altos (baixos). Já as tipologias High-Low e Low-High capturam padrões heterogêneos de associação espacial, isto é, regiões com valores altos (baixos) da variável em análise localizados numa vizinhança com valores baixos (altos).

Quadro 1 – Tipos de autocorrelação espacial

Tipo de autocorrelação Descrição

High-High Valores altos de uma determinada variável cujos vizinhos também apresentam valores altos.

High-Low Valores altos de uma determinada variável cujos vizinhos apresentam valores baixos. Low-High Valores baixos de uma determinada variável cujos vizinhos apresentam valores altos.

Low-Low Valores baixos de uma determinada variável cujos vizinhos também apresentam valores baixos.

Fonte: Elaboração própria. A visualização gráfica dos clusters e outliers espaciais significativos, a qual permite a

identificação dos tipos de associação supracitados, foi realizada por meio dos mapas Moran

2 É utilizada na estimação a usual contiguidade de ordem 1. Isto é, na matriz de pesos espaciais, municípios vizinhos que fazem fronteira, mesmo que de canto (queen), recebem valor um e, os demais, valor zero.




Significance, os quais associam as informações do Diagrama de Dispersão de Moran, por tipo de autocorrelação espacial existente, com os indicadores locais de associação espacial significativos a 10% ou menos. Para a contrução dos indicadores foi utilizada uma matriz de contiguidade do tipo queen3

. Ademais, ressalta-se que os testes formais de associação espacial I de Moran global e o LISA foram realizados por meio de software OpenGeoda.

4. Análise dos Resultados

4.1 Dinâmica Espacial do Emprego Industrial na Bahia

Neste capítulo, apresenta-se uma análise do padrão espacial da distribuição do estoque de emprego formal na indústria de transformação4

da Bahia no ano de 2010, buscando-se evidências de associação espacial relacionadas a esse processo. Para tanto, a primeira etapa é a realização de um estudo preliminar e exploratório acerca da localização do emprego industrial nas microrregiões baianas, buscando-se identificar a presença de algum padrão espacial nos dado. No segundo momento, são realizados testes formais a partir das estatísticas espaciais I de Moran global e local, com o intuito de verificar a existência de algum tipo de associação espacial na variável em questão, tais como clusters e outliers.

4.1.1 Descrição das trajetórias regionais: Distribuição espacial do estoque de emprego formal nas microrregiões do estado da Bahia

Como destacado por Batista da Silva e Silveira Neto (2009), a análise da distribuição espacial de determinada variável no espaço permite a identificação e visualização de possíveis padrões espaciais relacionados aos dados, tais como variáveis com valores extremos e observações de algum atributo alocadas espacialmente, em grupos de valores, os quais podem ser testados e confirmados, posteriormente, através de estatísticas espaciais como o I de Moran global e local. Nesse sentido, a Figura 1, a seguir, apresenta um mapa com a distribuição espacial do emprego industrial na indústria de transformação no estado da Bahia, para o ano de 2010. Para a elaboração desse mapa, utilizou-se o modo de agrupamento por quantil, por meio do qual se procura manter constante o número de objetos (microrregiões) em cada grupo de valores, permitindo a observação de como o emprego está percentualmente distribuído. Empregaram-se cinco quantis, de modo que o número de microrregiões em cada grupo se aproxima de 6 unidades, ou algo em torno de 20% do total (32 microrregiões). O mapa encontra-se representado na cor cinza, com tonalidade tornando-se mais escura na medida em que o quantil contenha municípios como estoque de emprego formal industrial mais elevado.

3 Em geral não existem regras definidas para a escolha das matrizes de pesos espaciais a serem empregadas de forma mais adequada. Tendo isso em vista, comumente utilizam-se distintos tipos de matrizes que podem fornecer um subsídio maior a robustez dos resultados. Nesse trabalho utilizaram-se três tipos de matrizes de pesos espaciais, optando-se pela do tipo Queen que apresentou o maior I de Moran para a indústria de transformação. 4 Os resultados também formam obtidos para os setores da Construção Civil, Serviços, Comércio e Administração Pública. No entanto, optou-se por enfatizar os dados referentes à indústria de transformação, uma vez que estes apresentaram estimativas mais robustas no que se refere à identificação de aglomerações econômica. Os resultados para os demais setores encontram-se no Apêndice desse trabalho.




Figura1: Distribuição espacial do emprego formal na indústria de transformação nas microrregiões baianas no ano de 2010.

Fonte: Elaboração dos autores, no software Terraview, a partir dos dados da RAIS.

Por meio da Figura 1, observa-se que as áreas com tonalidades mais escuras (último quantil), cujo estoque de emprego formal na indústria de transformação está no intervalo de 9.215 a 86.204, se localiza nas microrregiões de Salvador, Feira de Santana, Itapetinga, Ilhéus-Itabuna, Santo Antônio de Jesus e Vitória da Conquista, o que demonstra a forte concentração do emprego nos municípios ali localizados. De fato, essas sete microrregiões se destacam tanto pela concentração da atividade industrial quanto do emprego no estado da Bahia.

Sobre esse aspecto, a Tabela 1, a seguir, destaca o total de emprego formal na indústria de transformação, bem como as respectivas participações de cada microrregião no total de emprego nesse setor,de acordo com dados da RAIS, referentes ao ano de 2010. Com base nessa é possível perceber que as sete microrregiões mencionadas acima concentram 75% do emprego formal na indústria baiana. Apenas a microrregião de Salvador detêm 38% do emprego industrial formal do estado, enquanto a microrregião de Feira de Santana 13%.




Tabela 1: Estoque de emprego formal na indústria de transformação da Bahia - 2010

Microrregião Indústria de Transformação Participação (%) Alagoinhas 3.473 1.55 Barra 200 0.09 Barreiras 4.307 1.92 Bom Jesus da Lapa 234 0.10 Boquira 237 0.11 Brumado 1.185 0.53 Catu 4.239 1.89 Cotegipe 11 0.00 Entre Rios 880 0.39 Euclides da Cunha 252 0.11 Feira de Santana 28.244 12.58 Guanambi 4.271 1.90 Ilhéus-Itabuna 13.285 5.92 Irecê 417 0.19 Itaberaba 3.067 1.37 Itapetinga 19.885 8.86 Jacobina 1.343 0.60 Jequié 8.043 3.58 Jeremoabo 77 0.03 Juazeiro 4.019 1.79 Livramento do Brumado 410 0.18 Paulo Afonso 1.399 0.62 Porto Seguro 9.037 4.03 Ribeira do Pombal 428 0.19 Salvador 86.204 38.40 Santa Maria da Vitória 429 0.19 Santo Antônio de Jesus 11.182 4.98 Seabra 349 0.16 Senhor do Bonfim 765 0.34 Serrinha 5.584 2.49 Valença 1.819 0.81 Vitória da Conquista 9.215 4.10 Total 224.490 100.00

Fonte: Elaboração dos autores com base nos dados da RAIS.

Também se verifica áreas mais escuras no penúltimo quantil de emprego, cujo estoque de emprego formal na indústria está no intervalo de 4.019 a 9.215. Esse quantil é formado pelas microrregiões de Porto Seguro, Jequié, Serrinha, Barreiras, Guanambi, Catu e Juazeiro. A microrregião de Porto Seguro, por exemplo, está dividida em dezenove municípios, com destaque as cidades de Porto Seguro, Eunápolis e Teixeira de Freitas.

É possível observar ainda a localização dos municípios com estoque de emprego industrial formal baixo, ou seja, as áreas com tonalidades mais claras no mapa referentes às microrregiões agrupadas nos três primeiros quantis. Estas são vistas com maior intensidade nas microrregiões de




Alagoinhas, Itaberaba, Valença, Paulo Afonso, Jacobina, Brumado, Entre Rios, Senhor do Bonfim, Santa Maria da Vitória, Ribeira do Pombal, Irecê, Livramento do Brumado, Seabra, Euclides da Cunha, Boquira, Bom Jesus da Lapa, Barra e Jeremoabo e Cotegipe.

Assim, essa primeira análise realizada sobre a dinâmica espacial do estoque de emprego formal na indústria de transformação sugere um “efeito transbordamento” ou externalidades, ou seja, o estoque de emprego de algumas microrregiões estaria sendo influenciando pelo estoque de emprego de microrregiões circunvizinhas. Isso porque, além da quantidade constante de microrregiões alocadas nos quantis, estas estão localizadas próximas e formam aglomerações. Além disso, nota-se uma maior concentração de municípios com tonalidades mais escuras nas microrregiões de Salvador, Feira de Santana, Itapetinga, Ilhéus-Itabuna, Santo Antônio de Jesus e Vitória da Conquista, assim como aglomerações de microrregiões com tonalidades similares, o que pode sugerir algum padrão espacial nos dados.

3.2 Análise exploratória de dados espaciais

As evidências destacadas na seção anterior indicam a existência de algum tipo de associação espacial nos dados utilizados, uma vez que se verificam microrregiões agrupadas espacialmente, por intervalos de valores. Isso sugere a necessidade da aplicação de testes formais para a sua confirmação. Cabe ressaltar que a análise realizada na seção anterior demonstra como estava distribuído espacialmente o estoque de emprego formal na indústria das microrregiões do estado da Bahia, sem fazer referência a possível existência de dependência espacial, uma vez que o estoque de emprego de uma microrregião pode está sendo afetado pelo emprego de seus vizinhos. Nesse caso, será fundamental analisar os resultados encontrados através do emprego de testes estatísticos de autocorrelação espacial, tendo em vista a exposição de inferências mais adequadas a esse respeito.

Os testes formais poderão indicar alguma forma de associação espacial na variável em estudo, tais como os clusters, definidos como aglomerações de microrregiões com estoques de empregos formais similares; e/ou outliers espaciais, variáveis com valores extremos, ou seja, casos isolados. Para tanto, foram utilizadas as estatísticas espaciais I de Moran global e o Local Indicator of Spatial Association Indicador (LISA). Conforme afirmado anteriormente, especificamente, o índice de Moran global visa identificar a estrutura de correlação espacial que melhor descreve os dados, fornecendo, para tanto, um único valor como medida da associação espacial utilizado para a caracterização de toda a região de estudo. Já a medida LISA permite, para cada observação, verificar a existência de clusters ou aglomerações espaciais significativos, de valores similares, em torno daquela observação.

Inicialmente, através da estatística de autocorrelação global, é testada a aleatoriedade dos dados, ou seja, a ausência de dependência espacial da variável em estudo. Ressalta-se que o índice de Moran global varia de -1 a 1. Dados com baixa associação espacial resultam em valores próximos a zero. Valores positivos (0 a +1) e negativos (-1 a 0) indicam autocorrelação espacial positiva e negativa, respectivamente.

Considerando as microrregiões baianas, o valor obtido para a estatística I de Moran, 0,0937, sugere a existência de dependência espacial para a variável estoque de emprego formal industrial, indicando, assim, a presença de microrregiões com estoque de emprego formal elevado com vizinhos na mesma condição. Da mesma forma, microrregiões com estoque de emprego baixo também estariam próximos a outras com estoque de emprego baixo. O valor registrado é estatisticamente ao nível de 5%, com 999 permutações aleatórias. Nesse caso, é possível afirmar a existência de autocorrelação espacial positiva para a variável em estudo no período considerado.

No entanto, como documentado em Batista da Silva e Silveira Neto (2009) apud Anselin (1995), o indicador de associação espacial pode ocultar ou não ser satisfatório na




identificação de padrões locais espaciais, como os clusters e outliers. Sendo assim, a próxima estatística espacial utilizada, o LISA, será útil na análise da significância local dos processos espaciais, tanto no que se refere à identificação de clusters espaciais significantes, bem como no diagnóstico de instabilidades locais.

Na Figura 2, a seguir, é mostrado uma mapa com os resultados do LISA para o estoque de emprego formal. Observam-se três tipos de autocorrelação espacial local para o atributo em questão: high-high, low-low e low-high, registradas para 9 microrregiões estatisticamente significantes a 5%. As áreas na cor branca representam os 23 microrregiões com LISA não significantes. Com relação à identificação de clusters na Análise Exploratória de Dados Espaciais, Lemos et al. (2005) destaca que a verificação do padrão high-high, por exemplo é bastante relevante, uma vez que expressa a correlação espacial de dois ou mais municípios com elevados valores para uma determinada variável em estudo, sugerindo a existência de transbordamentos e encadeamentos produtivos espaciais, através de complementaridades e integração regional. Já os clusters do tipo low-low são significantes na identificação de regiões que não possuem atividade econômica relevante ou são excluídas da atividade industrial. Por outro lado, os outliers do tipo high-low e low-high revelam a existência de aglomeração industrial localizada em apenas um município ou uma “ilha” industrial com um entorno de subsistência, como um enclave urbano-industrial.

Figurs 2: LISA para o estoque de emprego formal na indústria das microrregiões da Bahia no

ano de 2010.

Fonte: Elaboração dos autores, no software OpenGeoda, a partir dos dados da RAIS.




Para a aglomeração espacial do tipo high-high, referente à área do mapa na cor vermelha, foi identificado apenas um cluster formado pelos municípios que compõem a microrregião de Santo Antônio de Jesus, a qual pertencente à mesorregião Metropolitana de Salvador, sendo formada por 21 municípios.

Os clusters do tipo low-low (áreas na cor azul), entretanto, aparecem com maior frequência, sendo verificado em seis microrregiões: Juazeiro, Barra, Irecê, Barreiras, Boquira, e Guanambi.

O terceiro tipo de associação espacial, low-high, ou seja, outliers formados por microrregiões com baixo estoque de emprego formal na indústria de transformação, contíguos daquelas com altos valores para esse mesmo setor, é encontrado para apenas uma microrregião, Catu. Este outlier está representado pela cor azul claro no mapa.

Sendo assim, através das medidas de estatística espacial I de Moran global e local, foi possível observar a existência de alguns regimes espaciais no estoque de emprego formal na indústria de transformação das microrregiões baianas. Inicialmente, a partir do I de Moran global, foi confirmada a hipótese de autocorrelação espacial e, em seguida, por meio da estatística LISA identificou-se alguns clusters e outliers espaciais significantes em 2010. Destaca-se ainda a associação espacial positiva do tipo high-high na microrregião de Santo Antônio de Jesus. Ademais, tem-se a formação de um expressivo cluster do tipo low-low nas microrregiões de Juazeiro, Barra, Irecê, Barreiras, Boquira, e Guanambi.

5. Conclusões O presente trabalho teve a finalidade de identificar através da Análise Exploratória de

Dados Espaciais aglomerações geográficas de valores significativamente similares (clusters), localidades atípicas (outliers) e padrões de heterogeneidade espacial no emprego do setor industrial das microrregiões do estado da Bahia no ano de 2010, com foco na análise da indústria de transformação. No Brasil, os estudos dessa natureza são relevantes, uma vez que se verifica um elevado grau de concentração das atividades econômicas em poucos espaços geográficos, especialmente nas regiões Sul e Sudeste do País, o que também pode ser verificado dentro das fronteiras de um mesmo estado, sugerindo um padrão de desenvolvimento econômico geograficamente diversificado ou especializado.

Num primeiro momento, realizou-se uma análise preliminar acerca do padrão espacial da distribuição do estoque de emprego formal na indústria de transformação da Bahia, buscando-se evidências preliminares de algum padrão espacial nos dados. Os resultados indicam que, além da quantidade constante de microrregiões alocadas nos quantis, estas estão localizadas próximas e formam aglomerações. Além disso, nota-se uma maior concentração de municípios com tonalidades mais escuras nas microrregiões de Salvador, Feira de Santana, Itapetinga, Ilhéus-Itabuna, Santo Antônio de Jesus e Vitória da Conquista, assim como aglomerações de microrregiões com tonalidades similares, o que pode sugerir algum padrão espacial nos dados.

No segundo momento, foram realizados testes formais a partir das estatísticas espaciais I de Moran global e local, com o intuito de verificar a existência de algum tipo de associação espacial na variável em questão, tais como clusters e outliers. Inicialmente, por meio da análise da estatística espacial I de Moran Global, foi possível observar valores positivos entre 0 e 1, indicando, assim, a existência de correlação espacial positiva no conjunto de dado. Posteriormente, por meio do Indicador Local de Associação Espacial (LISA), foi possível observar concentrações geográficas de municípios com associação




espacial positiva de altos valores (clusters do tipo High-High) no emprego formal da indústria de transformação na microrregião de Santo Antônio de Jesus. Destacou-se, ainda, a formação de um expressivo cluster do tipo low-low nas microrregiões de Juazeiro, Barra, Irecê, Barreiras, Boquira, e Guanambi.

Referências ALVES, J. S. ; SILVEIRA NETO, R. M. . Impacto das externalidades ede aglomeraçào no crescimento do emprego: o caso do cluster de confecções em Pernambuco. In: V ENABER - Encontro Nacional da Associação Brasileira de Estudos Regionais e Urbanos, 2007, Recife. Anais do V Enaber, 2007.

ANSELIN, Luc.. Local indicators of spatial association – LISA. Geographical Analysis, v.27, n.2, p. 91-115, 1995. ANSELIN, Luc.. Exploratory spatial data analysis in a geocomputational environment. In: LONGLEY, P.; BROOKS, S.; MCDONNELL R.; MACMILLAN, B. (eds). Geocomputation, a primer. Wiley: New York, 1998. BADIA, D. B; FIGUEREDO, L. Impacto das externalidades dinâmicas de escala sobre o crescimento do emprego industrial nas cidades brasileiras. In ENCONTRO REGIONAL DE ECONOMIA,12., 2007, Fortaleza. Anais..., 2007. Bahia em Números 2010. Superintendência de Estudos Econômicos e Sociais da Bahia. v. 10. P. 1-108. Salvador: SEI, 2011. BATISTA DA SILVA, M. V. B.; SILVEIRA NETO, R. da M. Crescimento do emprego industrial no Brasil e geografia econômica: evidências para o período pós-Real. Revista Economia, v. 8, p. 285-305, 2007. BATISTA DA SILVA, M. V. B.; SILVEIRA NETO, R. da M . Dinâmica da concentração da atividade industrial no Brasil entre 1994 e 2004: uma análise a partir de economias de aglomeração e da nova geografia econômica.. Revista de Economia Aplicada, v. 13, p. 299-331, 2009. ______. Dinâmica da concentração da atividade industrial no Brasil entre 1994 e 2004: uma análise a partir de economias de aglomeração e da nova geografia econômica. Revista de Economia Aplicada, v. 13, p. 299-331, 2009. CERQUEIRA DA SILVA ; FREITAS FILHO, P. R. S. ; BATISTA DA SILVA, Magno Vamberto . DINÂMICA DO EMPREGO INDUSTRIAL NA BAHIA: UMA ANÁLISE PARA SETOR DE COUROS. Revista Desenbahia, v. 8, p. 61-85, 2011. CHAGAS, André Luis Squarize. Externalidades da aglomeração: microfundamentação e evidências empíricas. 2004. 132f. Dissertação (Mestrado em Economia) – Universidade de São Paulo, São Paulo, 2004. CICCONE, Antonio, HALL, Robert E. Productivity and the density of economic activity. American Economic Review, v.86, n.1, p.54-70, Mar. 1996.




DOMINGUES, Edson Paulo. Aglomerações e Periferias Industriais no Brasil e no Nordeste. Revista Econômica do Nordeste, v.36, n.4, p.508-523, 2005. FINGLETON, Bernard.The new economic geography versus urban economics: an evaluation using local wage rates in Great Britain. Oxford Economic Papers, v.58, n.3, p. 501-530, Jul. 2006. FUJITA, Masahisa; THISSE, Jaques-François. Economic of Aglomeration. Journal of the Japanese and International Economies, v.10, n. 21, 1996. FINGLETON, B.; IGLIORI, D.; MOORE, B. Employment Growth of Small High-Technology Firms and the Role of Horizontal Clusters: Evidence from Computing Services and R&D in Great Britain, 1991-2000. Urban Studies, v.41, p. 773–799, 2004. FUJITA, Masahisa; KRUGMAN, Paul; VENABLES, Anthony J. Economia espacial: urbanização, prosperidade econômica e desenvolvimento humano no mundo. São Paulo: Futura, 2002, 391p. GALINARI, Rangel. Retornos crescentes urbano-industriais e spillovers espaciais: evidências a partir da taxa salarial no estado de São Paulo. 2006. 162 f. Dissertação (Mestrado em Economia) - UFMG, CEDEPLAR, Minas Gerais, 2006. GLAESER, Edward L. et al. Growth in Cities. Journal of Political Economy, Chicago, v.100, n.6, p.1126-1152, out./dez., 1992. HANSON, Gordon H. Regional adjustment to trade liberalization. Regional Science and Urban economics, v.28, n.4, p.419-444, Jul. 1998. HANSON, Gordon H.. Market potential, increasing returns and geographic concentration. Journal of International Economics, v.67, p.1-24, 2005. HENDERSON, Vernon J. Marshall's scale economies. Journal of Urban Economics, v.53, n.1, p.1-28, 2003. HOOVER. E. M. Location theory and the shoe and leather industries. Cambridge, MA: Harvard University, 1936. 323 p. HOOVER, E. M. The Location of Economic Activity. Nova York: McGraw-Hill, 1948. IBGE – Instituto Brasileiro de Geografia e Estatística. Disponível em: <http://www.ibge.gov.br>. Acesso em: 02 Set. 2010. JACOBS, Jane. The Economy of Cities. New York-United States: Vintage, 1969. 268p. KRUGMAN, P. Geography and trade. London, England: The MIT Press, 1991a. 142 p. ______. Increasing returns and economic geography. Journal of Political Economy, Chicago, v.99, n.3, p.483-499, jun. 1991b. ______.Development, Geography and Economic Theory. Cambridge, Massachusetts, London, England: The MIT Press, 1995.




______.The self-organizing economy. Oxford, UK: Blackwell Publishers, 1996. LEMOS, M. B. et al. A organização territorial da indústria no Brasil. In: DE NEGRI, J. A., SALERNO, S. S. (Orgs.) Inovações, padrões tecnológicos e desempenho das firmas industriais brasileiras. Brasília: IPEA, 2005. v.1, p.325-364. LOPES, R. P. M. Universidade e Economias de Aglomeração: as dimensões econômicas e espaciais geradas pelo consumo de ensino superior em Vitória da Conquista. In: VI ENCONTRO DE ECONOMIA BAIANA, 2010. Salvador. Anais... Salvador: UFBA/Desenbahia, 2010. MACIENTE, A. N. A concentração do emprego no Brasil entre 1994 e 2005: Aspectos regionais e setoriais. Ipea. Mercado de Trabalho. Rio de Janeiro, 2008. MARSHALL, Alfred. Princípios de economia: tratado introdutório. São Paulo: Abril Cultural, 1985. 270 p. (Os economistas). MINISTÉRIO DO TRABALHO. Relação Anual de Informações Sociais - RAIS. Brasília, 2010. (CD-ROM). MION, G. Spatial Externalities and Empirical Analysis: the case of Italy. Journal of Urban Economics, v. 56, p.97-118, 2004. MONASTERIO, L. M. ; DAMÉ, Otávio ; SALVO, M. . Estrutura espacial das aglomerações e determinação dos salários industriais no Rio Grande do Sul. Ensaios FEE, v. 28, p. 801-824, 2008. NUNES DA SILVA, Jean Pierre. Concentração Industrial e Especialização Regional nos Municípios do Estado da Bahia para o Período de 1994-2008. [Monografia] 58p. Universidade Federal da Paraíba. Curso de graduação em Ciências Econômicas, 2010. OLIVEIRA, I. S. V. ; BATISTA DA SILVA, M. V. Concentração Industrial e Especialização Regional: Evidências obtidas a partir das indústrias extrativa mineral e de transformação para os municípios de Pernambuco no período de 1994 a 2008. In: Encontro Nacional da Associação Brasileira de Estudos Regionais e Urbanos (ENABER), 2011, Natal-RN. IX ENABER, 2011. p. 1-20. Oliveira, A. L. M.; Lima, L. M.; Costa, C. M. L. A DINÂMICA RECENTE DO EMPREGO FORMAL EM SANTO ANTÔNIO DE JESUS/BA. In: II Simposio cidades médias e pequenas da Bahia, 2011. PORTER, Michael E. The competitive advantage of nations. New York: Free Press, 1990. ROSENTHAL, Stuart S., STRANGE, William C. Geography, industrial organization, and agglomeration. Review of Economics and Statistics, v.85, n.2, p.377-393, 2003.




SILVEIRA NETO, Raul da Mota. Concentração Industrial Regional, Especialização Geográfica e Geografia Econômica: Evidências para o Brasil no Período 1950-2000. Revista Econômica do Nordeste, v.36, n.2, Fortaleza, 2005. SOUZA, Tatiane Fernandes de. Concentração Industrial e Especialização Regional: Uma Análise nos Municípios do Estado do Ceará para o período de 1994 – 2008 [Monografia] 53p. Universidade Federal da Paraíba. Curso de Graduação em Ciências Econômicas, 2010. VENABLES, Anthony J. Equilibrium locations of vertically linked industries. International Economic Review, v.37, n.2, p.341-359, maio 1996.




Apêndice

Apêndice A. Distribuição dos postos de emprego por microrregiões da Bahia -2010 Microrregião Indústria Construção Civil Comércio Serviços Adm. Pública

Alagoinhas 3.473 920 6.758 8.211 9.618 Barra 200 67 1.464 714 6.932 Barreiras 4.307 1.445 13.475 10.142 7.779 Bom Jesus da Lapa 234 105 2.177 1.013 6.969 Boquira 237 21 1.215 403 6.111 Brumado 1.185 920 3.228 2.285 8.582 Catu 4.239 1.727 4.183 11.882 7.978 Cotegipe 11 9 342 184 5.521 Entre Rios 880 89 1.222 1.238 5.289 Euclides da Cunha 252 563 2.154 830 10.483 Feira de Santana 28.244 11.921 38.697 34.344 22.929 Guanambi 4.271 466 5.737 4.142 10.653 Ilhéus-Itabuna 13.285 3.377 24.820 29.807 40.403 Irecê 417 311 4.229 2.353 12.761 Itaberaba 3.067 352 2.775 1.631 9.164 Itapetinga 19.885 361 2.775 1.923 8.525 Jacobina 1.343 989 4.495 2.545 12.632 Jequié 8.043 937 9.877 6.230 18.024 Jeremoabo 77 123 301 241 4.700 Juazeiro 4.019 748 9.474 7.034 15.271 Livramento do Brumado 410 75 1.314 577 2.893 Paulo Afonso 1.399 602 3.557 2.955 6.705 Porto Seguro 9.037 4.787 24.173 29.563 26.194 Ribeira do Pombal 428 32 2.563 1.192 12.124 Salvador 86.204 113.437 166.458 439.292 245.758 Santa Maria da Vitória 429 191 1.928 958 7.768 Santo Antônio de Jesus 11.182 2.271 15.227 9.842 18.290 Seabra 349 82 2.157 1.398 9.290 Senhor do Bonfim 765 915 3.922 2.869 9.692 Serrinha 5.584 1.210 4.870 3.249 15.960 Valença 1.819 218 4.509 4.451 8.256 Vitória da Conquista 9.215 4.203 18.142 19.821 18.589

Fonte: RAIS, 2010.




Apêndice B: Distribuição espacial do emprego formal na indústria de construção civil nas microrregiões baianas no ano de 2010.


Apêndice C: Distribuição espacial do emprego formal no comércio nas microrregiões baianas no ano de 2010.





Apêndice D: Distribuição espacial do emprego formal nos serviços nas microrregiões baianas no ano de 2010.


Apêndice E: Distribuição espacial do emprego formal na administração pública nas microrregiões baianas no ano de 2010.


UMA ANáLISE ExPLORATÓRIA DO EMPREGO FORMAL NA … · Um dos instrumentos comumente utilizados ......

Documents

Transcript of UMA ANáLISE ExPLORATÓRIA DO EMPREGO FORMAL NA … · Um dos instrumentos comumente utilizados ......