Economias de Urbanização e Condição de Ocupação da Populaç…

ECONOMIAS DE URBANIZAÇÃO E CONDIÇÃO DE OCUPAÇÃO DA
POPULAÇÃO ECONOMICAMENTE ATIVA DO BRASIL: UMA ABORDAGEM
MULTINÍVEL
Ana Carolina da Cruz Lima (CEDEPLAR /UFMG)
Rodrigo Ferreira Simões (CEDEPLAR /UFMG)
RESUMO
O objetivo do trabalho é analisar como o nível de desenvolvimento das estruturas produtivas
estaduais afeta a probabilidade de um indivíduo estar ou não ocupado. Foram estimados
modelos hierárquicos de dois níveis para verificar em que medida varia a condição de
ocupação de trabalhadores (unidades de nível 1) com características semelhantes, porém
residentes em Estados diferentes (unidades de nível 2). Os principais resultados dos modelos
demonstram que quanto mais desenvolvida a estrutura produtiva estadual (quanto maior seu
nível de urbanização), maior é a dificuldade de inserção dos indivíduos no mercado de
trabalho, devido à maior concorrência pelos postos gerados (excesso de mão-de-obra
provocado pela migração) e à necessidade de maiores níveis de qualificação. Porém, esta
influência é semelhante entre os Estados, o que pode estar relacionado à escolha da extensão
territorial relativamente ampla das unidades de nível dois.
Palavras-Chave: Economias de Urbanização; Emprego; Modelos Multiníveis.
ABSTRACT
The main goal of this paper is analyze how the development level of the states’ production
structures affects the individual’s probability to be employed. Two-level hierarchical linear
models were estimated to verify to what extend the employment condition of similar
employees (level 1 units) residents in different states (level 2 units). The main results show
that the more developed is a state (high levels of urbanization), more difficult is to be
employed because the are excess of labor supply and the necessary level of qualification is
very high. Nevertheless, this effect is similar between states what could mean related with the
territorial extension of the two level units.
Keywords: Urbanization Economies; Employment; Multilevel Models.

ECONOMIAS DE URBANIZAÇÃO E CONDIÇÃO DE OCUPAÇÃO DA
POPULAÇÃO ECONOMICAMENTE ATIVA DO BRASIL: UMA ABORDAGEM
MULTINÍVEL
1. Introdução
A análise da dinâmica do mercado de trabalho brasileiro é bastante discutida no meio
acadêmico, principalmente em relação ao seu comportamento nas macrorregiões do país,
dadas as diferenças em seus níveis de desenvolvimento. Estudos realizados nesta área
procuram demonstrar como as disparidades regionais de renda, originadas no processo de
desenvolvimento da economia brasileira e intensificadas em seu período de industrialização
recente, refletem-se em diferenciais de salários entre as regiões (ocupações e trabalhadores
com características similares são remunerados de forma diferenciada no espaço) e como as
características individuais dos trabalhadores, não necessariamente produtivas, influenciam
seus níveis de remuneração.
Neste último caso, destacam-se os trabalhos de Valenzuela (1999), Barros et al (2007)
e Soares (2002). Estes autores analisam as diferenças nas oportunidades de trabalho e na
remuneração do mesmo ao longo do território brasileiro provocadas por questões de gênero e
raça. Estas características seriam elementos centrais neste tipo de análise e, como destacado
por Valenzuela (1999, p. 150), “estão por trás da construção social da desigualdade e da
expressão que esta adquire no mercado de trabalho”. Em torno do gênero é estruturada a
diferença entre trabalho remunerado (produtivo) e doméstico (reprodutivo), bem como as
diferenças dentro do trabalho produtivo entre ocupações e posições de maior prestígio social
(que favorece os homens). Ao mesmo tempo, as diferenças no mercado de trabalho baseadas
na questão racial refletem-se principalmente nas ocupações: os negros concentram-se nas
atividades fundamentalmente manuais e de menor valorização social e remuneração, enquanto
os brancos concentram-se, preferencialmente, em atividades mais elaboradas, de maior
remuneração e valorização social. Os autores demonstram que desde meados da década de
1980, a posição dos indivíduos negros no mercado de trabalho melhorou, tanto em termos de
participação quanto de remuneração, mas estas características ainda implicam em piores
condições de inserção no mercado. Destacam também que as diferenças de gênero e raça
tornam-se mais proeminentes em funções que exigem maior nível de escolaridade e que no
Brasil há forte sensibilidade dos salários em relação ao nível educacional. Assim, a educação
torna-se um fator tradicionalmente associado às possibilidades de inserção ocupacional e de
mobilidade social. Os autores evidenciam o importante papel que o nível de qualificação
pessoal desempenha sobre os diferenciais de salários, entretanto, enfatizam que estas
diferenças são insuficientes para explicar este fenômeno, sendo de fundamental importância
considerar as características não produtivas dos indivíduos.
Fontes (2006) e Barros et al (2007) avançam nesta análise ao considerarem que a
ocupação e os diferenciais de remuneração entre os mercados de trabalho brasileiros também
são segmentados no espaço. Barros et al (2007) evidenciam que as diferenças salariais de
trabalhadores com características idênticas e empregados em atividades similares chegam a
40% entre as regiões brasileiras. Estas diferenças existem porque homens e mulheres, negros
e brancos, são remunerados de forma diferenciada, inclusive no espaço, apesar de serem
perfeitamente substituíveis no processo de produção. Em geral, as regiões mais dinâmicas
costumam remunerar seus trabalhadores de forma mais elevada.
O foco deste trabalho reside justamente nesta questão, pois procura avaliar como
lugares mais dinâmicos influenciam o comportamento do mercado de trabalho local, sem
desconsiderar as características individuais dos trabalhadores. O artigo diferencia-se por
1

ealizar uma análise não sobre os diferenciais de salários no espaço, mas sim sobre a
probabilidade dos indivíduos estarem ou não ocupados de acordo com suas características,
produtivas e não produtivas, considerando-os no espaço – a localidade em que os mesmos
residem (Unidade da Federação). O objetivo é mostrar como a estrutura produtiva local
influencia a condição de ocupação dos trabalhadores. Serão utilizados dois indicadores para
representar o nível de desenvolvimento da estrutura produtiva estadual: a taxa de urbanização
e as respectivas densidades de serviços modernos, ambas calculadas a partir de dados
fornecidos pelo Instituto Brasileiro de Geografia e Estatística (IBGE). A idéia subjacente
reside nas hipóteses das Teorias da Urbanização, pois, segundo as mesmas, quanto mais
desenvolvida uma localidade, maiores são as mudanças na estrutura produtiva em prol de
atividades de alto teor tecnológico e do setor terciário, o que provavelmente afeta a estrutura
ocupacional local.
Para a consecução deste objetivo serão utilizados modelos hierárquicos, nos quais a
probabilidade de estar ou não ocupado será controlada pela inclusão de características
individuais dos trabalhadores (nível 1) e por características do local de residência (nível 2).
Este tipo de modelo permite realizar observações a partir do indivíduo, estimando diretamente
os efeitos da urbanização sobre o mesmo, o que evita a perda de informações decorrente da
eliminação da variabilidade intra-estadual. A fonte de dados é a Pesquisa Nacional por
Amostra de Domicílios – PNAD, fornecida pelo IBGE, de 2008.
Na primeira parte do trabalho é realizada uma breve análise sobre a importância do
processo de urbanização para a dinâmica econômica local. Na segunda parte a metodologia e
os dados utilizados são detalhados. Em seguida são analisados os resultados dos modelos
estimados e realizadas as considerações finais.
2. O Processo de Urbanização e a Configuração do Espaço Econômico
A quantidade de pessoas que a cada ano entra e sai do mercado de trabalho depende de
dois grupos de fatores (Amadeo, 1999): a tendência demográfica do país e o desempenho da
própria economia. Estes movimentos estão intimamente relacionados ao processo de
configuração das atividades econômicas no espaço. Assim, para compreendê-los é preciso
considerar os fatores que levam as atividades a se a aglomerarem em determinadas regiões.
As economias e deseconomias de aglomeração estão no cerne da discussão das teorias
da localização espacial, pois a distribuição das atividades produtivas é resultado da ação de
forças aglomerativas (centrípetas) e de dispersão (centrífugas). Estes conceitos foram
desenvolvidos inicialmente por August Lösch (1954) e J. H. Von Thünen (1966), teóricos
clássicos da localização espacial 1 . No contexto desenvolvido pelos mesmos, é possível haver
concentração da produção em determinadas áreas, mesmo sob a hipótese de homogeneidade
espacial, devido à existência de retornos crescentes de escala no processo produtivo. Contudo,
este processo é limitado. O conceito fundamental para compreender como as forças
desaglomerativas entram em ação, elaborado por Von Thünen para as atividades agrícolas, diz
respeito à renda fundiária. A lógica por trás do mesmo refere-se ao fato das atividades
econômicas como um todo desejarem se localizar nos espaços que fornecem o maior lucro
possível, que são aqueles mais próximos de seus mercados, o que gera uma concorrência pelo
espaço, dando origem à renda fundiária. Assim, quanto mais denso for o centro urbano (em
termos de população e renda), maior será a renda fundiária e, por este motivo, apenas
atividades altamente rentáveis por área terão condições de se localizar no núcleo do centro
urbano. As demais atividades se localizarão no entorno do mesmo num sistema hierarquizado
(das mais produtivas para as menos).
1 Os conceitos de economias de escala, desenvolvido por Lösch, e de renda fundiária, desenvolvido por Von
Thünen, são elementos centrais na análise da estruturação do espaço econômico.
2

Os teóricos da Economia Urbana (Henderson, 1988; Glaeser, 1999; etc.) estenderam a
análise realizada por Von Thünen para os setores industriais e terciários. Os modelos
elaborados por estes teóricos consideram firmas individuais, operando em um ambiente
perfeitamente competitivo e a existência de retornos crescentes de escala. Os conceitos
centrais em suas análises são as economias externas que podem favorecer ou não a
aglomeração. Estas externalidades têm origem na concentração espacial dos agentes
econômicos e podem estar relacionadas a ganhos pecuniários (pela proximidade física de
fornecedores e clientes), tecnológicos (spillovers/transbordamentos de conhecimento são
facilitados pelo contato físico dos agentes e pela troca de informações) e a formação de
mercados de trabalho amplos e especializados (região mais atrativa para trabalhadores e
firmas em um círculo virtuoso) 2 . O foco de análise dos teóricos urbanos são as externalidades
tecnológicas, pois estas só ocorrem mediante interações sociais entre diferentes atores, e as
mesmas são classificadas como “economias de localização ou marshallianas” e “economias de
urbanização ou jacobianas”. No primeiro caso, as firmas são beneficiadas pela concentração
de firmas da mesma indústria ou indústrias similares em determinado centro urbano, como
destacado por Alfred Marshall (importância da especialização produtiva – economias externas
às firmas, mas internas à aglomeração). No segundo caso, as firmas são beneficiadas pela
diversificação produtiva, pela própria escala urbana e pela oferta de serviços sofisticados à
produção, como evidenciado por Jane Jacobs (economias internas à indústria e à localidade,
mas externas às firmas).
Cabe ressaltar alguns aspectos fundamentais das economias de urbanização. Segundo
Jacobs (1969), a especialização produtiva não é fator central para o desenvolvimento urbano,
pois não proporciona condições essenciais à inovação e, desta forma, não é capaz de evitar
que uma região fique estagnada mesmo quando suas indústrias são altamente eficientes. Em
contrapartida, nos grandes centros urbanos que contam com uma grande quantidade de
serviços produtivos e de firmas fornecedoras de insumos há maior divisão do trabalho, o que
cria um ambiente propício à inovação e favorece o surgimento de novas atividades, inclusive
exportadoras. Estas, por sua vez, incentivam o desenvolvimento do sistema de transportes, das
comunicações, de atividades financeiras, etc., o que torna estes centros extremamente
atraentes do ponto de vista da produção (das firmas). Estas vantagens oriundas da
aglomeração urbana também favorecem o consumo devido à maior diversidade de bens e
serviços públicos, bem como a maior facilidade de contato social e o desenvolvimento
cultural, o que atrai consumidores/trabalhadores. Assim, a diversidade implica em dinamismo,
maior flexibilidade e adequação às mudanças, o que torna a economia menos vulnerável. A
autora destaca que a aglomeração também é acompanhada por deseconomias, relacionadas
aos custos de deslocamento e às desamenidades urbanas (poluição, criminalidade, exclusão
social, elevação da renda fundiária, aceleração da migração interna, aumento do desemprego e
subemprego urbanos etc.), que contrabalançam as economias de aglomeração, mas isto não
impede o desenvolvimento, apenas reduz o ritmo de expansão urbana. É de extrema
importância ressaltar aqui que para Jacobs (1969) a cidade é o elemento chave deste processo,
pois nela são criadas as melhores condições para a troca de informações e o fluxo de produtos,
serviços e fatores de produção. A cidade representa o equilíbrio entre as forças aglomerativas
e de dispersão.
Assim, as economias externas são fundamentais para explicar a localização, o padrão
de crescimento das atividades produtivas e o desenvolvimento urbano. Como as atividades
tradicionais são favorecidas por economias de localização, elas tenderão a se localizar em
regiões com significativa especialização produtiva. Já as atividades dinâmicas (de alto teor
tecnológico), que são favorecidas por economias de urbanização, tenderão a se localizar em
2 Tríade Marshalliana.
3

egiões mais diversificadas. Duranton & Puga (2002) analisam quais as vantagens e
desvantagens da especialização e diversificação urbana e chegam a algumas conclusões, entre
as quais podemos destacar a relação entre o crescimento das cidades e seu nível de
especialização ou diversificação e à sua localização relativa, a relação entre inovação e
diversificação, e a tendência à diversificação das grandes cidades.
Dada esta tendência à diversificação dos grandes centros urbanos, é importante
analisar, como já destacava Jacobs (1969), a contribuição do setor de serviços para a dinâmica
econômica. Marshall (1995) demonstra que no período entre 1970 e 1990 a participação do
emprego no setor de serviços cresceu significativamente nas economias desenvolvidas. Tal
crescimento foi viabilizado, principalmente, pelo aumento da integração entre atividades
industriais e de serviços (manufatura necessita cada vez mais de serviços especializados para
realizar sua produção e os serviços precisam do avanço industrial para manter sua dinâmica),
pela adoção do modo de produção flexível (surgimento de pequenas firmas prestadoras de
serviços à indústria), pelo desenvolvimento de novas tecnologias, pelo aumento dos fluxos
internacionais de bens e serviços e pela demanda por novos serviços coerentes com o novo
padrão de vida dos consumidores (conquistar nichos de mercado). O setor de serviços, antes
considerado trabalho-intensivo, se diversificou, aumentou seu potencial produtivo e sua
competitividade, dando origem a novos métodos de execução de difícil padronização, o que
tornou seus segmentos mais sofisticados altamente dependentes de mão-de-obra especializada
(trabalhar com novas tecnologias e pesquisas). Além disso, os serviços modernos (serviços
prestados às indústrias – bancários, desenvolvimento de softwares, consultoria, etc. –,
serviços de informação, serviços financeiros, etc.) tendem a se aglomerar em áreas urbanas,
pois estas dispõem de toda infraestrutura necessária ao desenvolvimento dos mesmos
(transportes, telecomunicações, mão-de-obra qualificada, etc.), nas quais há melhores
condições de proximidade e acessibilidade, bem como a existência de um ambiente de
mercado competitivo que estimula a qualidade dos serviços ofertados. Estes fatos demonstram
a importância relativa do setor de serviços para explicar as mudanças nas economias
modernas, visto que o mesmo tornou-se elemento essencial para o crescimento econômico
(integração entre indústria e serviços reflete os ajustes realizados para manter a
competitividade no cenário econômico mundial em constantes transformações).
A oferta de serviços sofisticados concentra-se justamente nas regiões mais
desenvolvidas, ou seja, é possível observar uma relação positiva entre urbanização e emprego
nos setores de serviços modernos. Entretanto, é preciso salientar que as formas de organização
e as tecnologias de comunicação presentes nestas regiões tendem a tornar estes serviços cada
vez mais intensivos em capital, ou seja, apesar da manutenção da posição estratégica destas
economias, o crescimento do emprego nestes ramos tende a se cada vez mais seletivo e a
crescer a taxas mais baixas. Assim, à medida que novos bens e serviços surgem, determinados
padrões de organização econômica também mudam e isto tem reflexos nas tendências de
emprego, o que é objeto de interesse dos estudiosos do desenvolvimento regional e urbano.
Fica claro então que o desenvolvimento recente das tecnologias, especialmente de
comunicações e transportes, e o processo de urbanização desempenham papel central na nova
organização espacial da produção, o que tem implicações diretas sobre a condição de
ocupação dos trabalhadores, pois em regiões mais populosas, cujas atividades principais são
mais intensivas em capital e em serviços sofisticados, a inserção dos mesmos pode ser mais
difícil. Assim, parece interessante analisar como os níveis de urbanização afetam a
probabilidade de um indivíduo estar ou não inserido no mercado de trabalho, visto que este
processo implica em transformações na estrutura ocupacional do emprego por intermédio dos
movimentos populacionais por ele induzidos e pela reorganização dos mercados de trabalho.
Considera-se que a condição de ocupação dos trabalhadores é influenciada por seus atributos
4

pessoais, produtivos ou não, e pelas condições econômicas do meio em que os mesmos
residem.
3. Metodologia e Base de Dados
3.1 Modelos multiníveis ou hierárquicos
Muitos são os fatores que podem influenciar a inserção de um indivíduo no mercado
de trabalho. Estes fatores podem, a priori, se classificados em duas grandes categorias: a
primeira associada às características dos próprios indivíduos (condições sócio-econômicas) e
a segunda relacionada às características do ambiente em que os mesmos estão inseridos
(infraestrutura econômica, institucional, composição da força de trabalho, etc.). Este fato
demonstra quão importante é identificar e explicar as influências do ambiente e do grupo
sobre o comportamento individual em oposição as suas próprias características. Os modelos
de regressão estimados pelo Método de Mínimos Quadrados Ordinários (MQO) não avaliam a
variabilidade existente entre os grupos, o que acaba limitando a análise, pois as estimativas
dos desvios-padrão apresentam viés. Para minimizar este problema e utilizar os dados de
forma mais eficiente, é possível utilizar modelos multiníveis ou hierárquicos, visto que os
mesmos permitem a elaboração de modelos de regressão nos quais a variável dependente,
medida no menor nível de desagregação, é influenciada por variáveis independentes de
diferentes níveis, relacionados tanto ao próprio indivíduo quanto ao grupo e ao ambiente em
que o mesmo está inserido.
As vantagens destes modelos estão relacionadas a: i) melhoria das estimativas dos
parâmetros, pois o controle das características do grupo mais numeroso da população evita
que os resultados sejam determinados pelo mesmo (são obtidas equações específicas para
cada grupo); ii) possibilidade de realizar testes de hipóteses entre os diferentes níveis
analisados, observando a relação entre os indivíduos e seus respectivos grupos; e iii) é
possível determinar a importância dos diferentes níveis na explicação da variabilidade dos
dados por meio da partição da variância, obtendo, assim, estimativas mais conservadoras dos
desvios-padrão (as características não explicadas em ambos os níveis são captadas por
componentes residuais específicos, o que possibilita a mensuração da contribuição da
variabilidade proveniente de cada nível para a variação total).
Os modelos hierárquicos analisam a relação entre uma variável dependente Y ij (por
exemplo, a condição de ocupação) e uma variável explicativa X ij (por exemplo, anos de
estudo), onde i representa o indivíduo (nível 1) e j o grupo a qual este pertence (nível 2, por
exemplo, o Estado), representada pela seguinte equação:
ij = 0 j + β1
j
Y β X + r ( 1)
ij
ij
Considerando que os grupos podem influenciar o comportamento de seus indivíduos, é
preciso inserir uma variável de controle, W j , para captar estes efeitos. Assim, as equações de
nível 2 são:
β = γ + γ + ( 2)
0 j 00 01W
j u0
j
1 j γ 10
( 3)
β =
Substituindo as equações (2) e (3) na equação (1) obtém-se:
5

Y γ + r ( 4)
ij = 00 + γ 01W
j + γ 10 X ij + u0
j
ij
De acordo com as hipóteses do modelo, os termos de erro ij r e u0 j são aleatórios e
independentes, normalmente distribuídos e de média igual a um. A variância entre os
2
indivíduos, r ij , é dada por σ e a variância entre os grupos (Estados), u0 j , é representada por
2
τ 0 . Ou seja:
r
u
ij
ij
2
~ N(
0,
σ )
2
~ N(
0,
τ )
0
( 5)
A partir destas variâncias pode-se calcular a correlação intragrupo (Estados):
2
τ 0
ρ(
Y ij , Yi
' j ) =
(6)
2 2
( τ + ρ )
0
O coeficiente de correlação intra-estadual mede a proporção da variância entre os
Estados em relação à variância total, ou seja, mostra o quanto da variação na probabilidade de
um indivíduo estar ou não ocupado é explicada por diferenças existentes em suas estruturas
produtivas. Este coeficiente varia entre 0 e 1. Quando seu valor é nulo, isso significa que as
estruturas produtivas estaduais são semelhantes, de tal forma que não afetam a variabilidade
da condição de ocupação dos indivíduos. Quando seu valor é igual a 1 toda a variabilidade na
condição de ocupação é influenciada pelas diferenças nas estruturas produtivas estaduais. Se
este coeficiente é diferente de zero há uma justificativa para o estudo proposto.
Os modelos serão estimados pelo método de Máxima Verossimilhança, cujos
estimadores geram parâmetros consistentes, assintoticamente eficientes e que maximizam a
função de verossimilhança (a probabilidade de se observar esses valores na amostra particular
é máxima), ao mesmo tempo em que são mantidas as hipóteses de linearidade e normalidade
dos resíduos (Raudenbush & Bryk, 2002).
3.2 Fonte de dados e definição das variáveis
A base de dados utilizada para a estimação do modelo foi construída a partir dos
microdados da Pesquisa Nacional por Amostra de Domicílios (PNAD), do IBGE, para o ano
de 2008. Os dados são analisados nos níveis individuais (nível 1) e de acordo com a Unidade
da Federação (nível 2), com o objetivo de mensurar os efeitos da dinâmica das estruturas
produtivas estaduais sobre a condição de ocupação dos trabalhadores brasileiros.
A amostra é comporta por 194.953 indivíduos, agrupados em 27 esferas espaciais
(Estados brasileiros), de ambos os sexos, entre 10 e 65 anos, pertencentes a População
Economicamente Ativa (PEA) 3 . O indivíduo pertencente a PEA possui duas condições de
ocupação: i) ocupado: pessoas que no período de referência (período que antecede a semana
da entrevista), no caso 365 dias, trabalharam ou tinham trabalho; e ii) desocupado: pessoas
que não tinham trabalho no período de referência, mas estavam dispostos a trabalhar e que,
3 A PEA é composta por indivíduos de 10 anos ou mais e equivale ao potencial de mão-de-obra com que pode
contar o setor produtivo (IBGE, 2002).
6

para isso tomaram alguma providência efetiva (IBGE, 2002). As variáveis utilizadas nos
modelos propostos estão relacionadas na tabela 01:
Variável Dependente
cond_ocup Condição de ocupação do
indivíduo.
Variáveis Explicativas de Nível 1 (indivíduo)
Tabela 01 – Definição e descrição das variáveis dos modelos
Descrição Comentários
Dummy que assume valor 1 quando “ocupado” e 0 quando “desocupado”.
Variável Descrição Comentários
sexo* Sexo do indivíduo. Dummy cujo valor é 1 para “homem” e 0 para “mulher.
cor* Raça ou cor do indivíduo. Dummy cujo valor é 1 quando “branca ou amarela” e 0 quando “preta, parda ou indígena”
anest** Anos de estudo do indivíduo. Proxy da qualificação do trabalhador (incorporação de conhecimento).
idade** Idade do indivíduo. Proxy para a experiência do indivíduo: quanto mais velho maior o acúmulo de experiência
idade2** Termo quadrático da idade do
indivíduo.
e maior o domínio sobre a função.
As recompensas relacionadas ao trabalho não são lineares em relação à idade (atingem
um máximo e depois decrescem).
freq** Freqüência à escola. Dummy cujo valor é 1 para “sim” e 0 para “não”.
area_urb Área de residência do indivíduo. Dummy cujo valor é 1 quando “urbana” e 0 quando “rural”.
Variáveis Explicativas de Nível 2
Variável Descrição Comentários
tx_urb Taxa de urbanização estadual. Proxy para o nível de desenvolvimento da estrutura produtiva estadual: à medida que esta
denserv Densidade de serviços
modernos.
cresce maior é o nível de diversificação.
Proxy para o nível de desenvolvimento da estrutura produtiva estadual: participação
relativa do emprego no setor de serviços modernos (economias de urbanização).
Obs1: (*) características não produtivas dos indivíduos; (**) características produtivas dos indivíduos.
Obs2: a variável taxa de urbanização foi obtida dividindo-se a quantidade de domicílios com rede de esgoto na localidade pelo
total de domicílios desta localidade.
Obs3: a variável densidade de serviços modernos foi obtida dividindo-se a quantidade de pessoas ocupadas nos setores de
serviços modernos na localidade pela quantidade de pessoas ocupadas no setor de serviços nesta mesma localidade.
Obs4: por setores de serviços modernos compreendem-se as atividades de transportes terrestres, aéreos e aquaviários e
atividades anexas, correios e telecomunicações, intermediação financeira, seguros e previdência privada, atividades auxiliares
de intermediação financeira, atividades imobiliárias, aluguel de veículos, máquinas e equipamentos, atividades de informática e
conexas, pesquisa e desenvolvimento nas ciências sociais e humanas e serviços prestados principalmente às empresas.
Apesar do foco do trabalho residir na importância da estrutura produtiva urbana, não
foi excluída da análise a população rural, visto que o desenvolvimento do campo depende
cada vez mais de atividades não-agrícolas e dos mercados de trabalho urbanos locais e
regionais, ou seja, há transmissão do meio urbano para o rural (funciona como fonte
complementar de renda).
As estatísticas descritivas das variáveis são apresentadas na tabela 02:
7

Tabela 02 - Estatísticas descritivas
Variável Nº de Obs. Média Desvio-Padrão Min. Max.
Variável Dependente
cond_ocup 194.953 0,95497 0,20736 0 1
Variáveis de Nível 1
sexo 194.953 0,55874 0,49654 0 1
cor 194.953 0,45093 0,49759 0 1
anest 194.953 8,18741 4,33192 0 16
idade 194.953 35,4739 12,70867 10 65
idade2 194.953 1419,912 964,748 100 4.225
freq 194.953 0,14557 0,35262 0 1
area_urb 194.953 0,84171 0,365013 0 1
Variáveis de Nível 2
tx_urb 194.953 43,08467 20,25992 2,86 73,58
denserv 194.953 24,6163 4,793136 13,09 32,49
Fonte: elaboração própria a partir dos dados da PNAD.
Abaixo seguem os histogramas de algumas variáveis contínuas:
Density
0 ,01 ,02 ,03 ,04 ,05
Gráfico 01 - Histograma da variável expl. de nível 1 Idade
10 20 30 40 50 60
idade
Density
0 ,2 ,4 ,6 ,8
Gráfico 02 - Hist. variável expl. de nível 1 Anos de Estudo
0 5 10 15 20
Anos de estudo
Fonte: elaboração própria a partir dos dados da PNAD. Fonte: elaboração própria a partir dos dados da PNAD.
Density
0 ,02 ,04 ,06 ,08 ,1
Gráfico 03 - Histog. da variável expl. nível 2 Tx. Urbanização
0 20 40 60 80
Taxa de Urbanização
Density
0 ,1 ,2 ,3 ,4 ,5
Gráfico 04 - Histog. da variável expl. nível 2 Dens. Serviços
8
15 20 25 30 35
Densidade de Serviços Modernos
Fonte: elaboração própria a partir dos dados da PNAD. Fonte: elaboração própria a partir dos dados da PNAD.

4. Modelos Estimados e Análise dos Resultados
Para evidenciar a importância de incluir variáveis de controle em ambos os níveis de
análise serão estimados quatro modelos alternativos, partindo de um modelo linear simples,
não hierárquico. Dada a pequena amostra de nível 2 (27 observações), os modelos que
incluem as características dos Estados serão estimados primeiramente para a variável tx_urb e
em seguida para a variável denserv, evitando assim a perda de graus de liberdade. Espera-se
que os modelos apresentem resultados semelhantes, corroborando a análise.
4.1 Modelo 1: modelo linear simples, não hierárquico
O objetivo de estimar este modelo consiste em verificar a significância das variáveis
independentes escolhidas para a análise. Como a variável dependente é binária (assume valor
zero ou um), o modelo escolhido para estimação foi o probit, cuja função de distribuição
acumulada é normal. Seus resultados indicarão a probabilidade do indivíduo estar ou não
ocupado. O modelo é representado pela seguinte equação:
cond _ ocup
= β + β sexo + β cor + β anest + β idade + β idade2
+ β freq +
β area _ urb + β tx _ urb + β denserv + ε
7
i
8
0
1
9
2
Suas estimativas estão relacionadas na tabela 03, na qual podemos verificar que todas
as variáveis são significativas. Cabe aqui ressaltar o porquê dos sinais negativos das seguintes
variáveis:
i) freqüência à escola: trabalho e estudo podem ser atividades concorrentes (dedicação
à qualificação pode atrasar a entrada no mercado de trabalho) e, além disso, indivíduos que
estudam têm menor disponibilidade para trabalhar; e
ii) área urbana e densidade de serviços: apesar de aglomerações urbanas apresentarem
uma dinâmica econômica elevada, inclusive em termos de emprego, isto não necessariamente
implica em maior facilidade de inserção no mercado de trabalho, dadas as características dos
postos de trabalho gerados nestas regiões (atividades de maior teor tecnológico e sofisticação,
o que exige maior qualificação dos trabalhadores) e a elevada densidade populacional.
4.2 Modelo 2: modelo nulo ou modelo ANOVA com efeitos aleatórios
Este é o modelo hierárquico linear mais simples, pois não considera variáveis
independentes em ambos os níveis, ou seja, é incondicional. Seus resultados permitem a
partição da variabilidade total observada nos dados entre os resíduos individuais e estaduais.
Este modelo prediz o resultado dentro de cada unidade de nível 1 utilizando apenas um
β , e um termo de erro aleatório, r ij . Este intercepto por
parâmetro de nível 2, o intercepto 0 j
sua vez é determinado por um efeito fixo estadual, γ 00 , aliado a um termo de erro aleatório,
u0 j . As equações do modelo são:
cond _ ocup β + r (8)
ij = 0 j
β = γ + (9)
0 j
00
u0 j
ij
3
i
4
( 7)
Substituindo a equação (9) em (8) obtém-se o modelo completo:
5
6
9

cond _ ocup γ + r (10)
ij = 00 + u0
j
ij
Este modelo fornece a probabilidade média do indivíduo estar ocupado, que é de
aproximadamente 95,59%. Seus resultados podem ser verificados na tabela 03. A variância
total do modelo é igual a 0,043033. O cálculo do coeficiente de correlação entre os indivíduos
pertencentes ao mesmo Estado, , ) Y ρ , demonstra que apenas 0,653% desta variância é
( ij i'
j Y
explicada por diferenças entre as estruturas produtivas estaduais (99,347% decorre das
diferenças entre indivíduos). Estes resultados implicam que a influência das diferenças
estaduais sobre a condição de ocupação, quando não há controle pelas características
individuais, é praticamente insignificante, o que pode ser um indicativo de que as estimativas
obtidas por intermédio do modelo linear simples sejam suficientes para analisar o problema
proposto. Mais adiante serão realizadas considerações sobre este resultado.
4.3 Modelo 3: modelo ANCOVA considerando apenas as covariáveis de nível 1
As características produtivas e não produtivas dos indivíduos são incorporadas ao
modelo por intermédio da equação de nível 1, com a finalidade de verificar como os atributos
pessoais influenciam sua condição de ocupação. Este modelo se diferencia dos modelos
β , que representa a probabilidade média de estar
lineares simples porque seu intercepto, 0 j
ocupado, varia aleatoriamente entre os Estados devido às condições específicas dos mercados
de trabalho locais. Assim, os modelos de nível 1 e 2 são:
cond _ ocup
β area _ urb + r
7
0 j
00
ij
u0 j
= β
ij
0 j
+ β sexo + β cor + β anest + β idade + β idade2
+ β freq +
1
( 11)
β = γ +
(9)
β = γ , n > 0 (12)
nj
n0
Substituindo (9) e (12) em (11) obtém-se o modelo completo:
cond _ ocup
γ
60
ij
70
= γ
00
10
freq + γ area _ urb + u
0 j
+ r
ij
2
20
3
+ γ sexo + γ cor + γ anest + γ idade + γ idade2
+
Os resultados do modelo podem ser verificados na tabela 03. A variância total do
modelo, com a inclusão das variáveis explicativas de nível um, caiu para 0,041316 (-4,156%),
o que foi provocado por reduções de 2,815% e 4,165% nas variâncias entre os Estados e entre
os indivíduos, respectivamente. O coeficiente de correlação intra-estados manteve-se
praticamente constante, explicando apenas 0,662% da variabilidade existente nos dados, ou
seja, a distribuição da variância entre os níveis não se alterou significativamente.
30
( 13)
4.4 Modelos 4 e 5: modelo ANCOVA considerando as covariáveis de ambos os níveis
Este modelo inclui variáveis explicativas de ambos os níveis, evidenciando como as
mesmas podem afetar a variável independente, ou seja, a probabilidade de estar ou não
ocupado. Esta é uma tentativa de identificar o impacto dos atributos estaduais sobre a
4
40
5
50
6
10

condição de ocupação de trabalhadores perfeitamente substituíveis no processo produtivo,
mas residentes em diferentes Unidades da Federação. Como destacado anteriormente, serão
utilizadas duas variáveis para representar o nível de desenvolvimento da estrutura produtiva
estadual, a taxa de urbanização e a densidade do emprego no setor de serviços modernos, para
as quais serão estimados modelos distintos (evitando a perda de graus de liberdade). Os
modelos 4.1 e 4.2 referem-se à variável taxa de urbanização e os modelos 5.1 e 5.2 referem-se
à variável densidade de serviços modernos.
Os modelos 4.1 e 5.1 possuem interceptos aleatórios, com o intuito de verificar porque
alguns Estados proporcionam maior possibilidade de inserção dos indivíduos no mercado de
trabalho. As equações de nível 1 são dadas por (11), as inclinações de nível 2 por (12) e os
interceptos de nível 2 são os seguintes:
β = γ + γ
(14)
0 j
00
01W
j + u0
j
onde W j é igual a taxa de urbanização estadual em 4.1 e a densidade de serviços
modernos em 5.1.
Substituindo (12) e (14) em (11) obtém-se o modelo completo 4 :
cond _ ocup
γ
60
ij
70
= γ
00
+ γ W
01
freq + γ area _ urb + u
j
+ γ sexo + γ cor + γ anest + γ idade + γ idade2
+
0 j
10
+ r
ij
A incorporação da covariável de nível 2 taxa de urbanização (modelo 4.1), reduziu
ligeiramente a variabilidade dos dados analisados para 0,410311 (queda de aproximadamente
0.012%). Neste caso não houve alteração da variância entre indivíduos, o que demonstra que
esta diminuição foi provocada inteiramente pela queda da variância entre Estados. Além
disso, o coeficiente de correlação intra-estados caiu para 0,651%. Os resultados são
praticamente os mesmos quando a variável incorporada ao modelo refere-se à densidade de
serviços modernos (as diferenças observadas entre este modelo, 5.1, e o modelo 4.1 estão
relacionadas à pequenas variações nas estimativas dos parâmetros), o que corrobora os
resultados encontrados. Estes resultados estão relacionados na tabela 03. Além disso, as
variáveis de nível 2 são insignificantes nestas situações.
Dada a possibilidade de que a taxa de urbanização e a densidade de serviços modernos
afetem algumas variáveis explicativas de nível 1, como, por exemplo, a escolaridade dos
indivíduos (representada pela variável anos de estudo) 5 , é interessante estimar este mesmo
modelo considerando que as variáveis de nível 2 possuem inclinações aleatórias. Esta é uma
forma de avaliar porque a associação entre as variáveis de nível 2 (estaduais) e a variável
dependente (probabilidade de estar ocupado) é maior em alguns Estados, ou seja, é uma forma
de avaliar as interações entre níveis. A equação de nível 1 neste caso é representada por (11) e
as equações de nível 2 são representadas por (14) para o intercepto e pela equação abaixo para
as inclinações 6 :
β = γ + γ + u , n > 0 (16)
n0
n0
n1W
j nj
W .
4 Com as mesmas considerações em relação a j
5
Quanto mais desenvolvida uma localidade, maior é o acesso à educação (ou pelo menos deveria ser) e maiores
são os pré-requisitos para cumprir as novas funções que surgem.
W é igual a taxa de urbanização estadual em 4.2 e a densidade de serviços modernos em 5.2.
6 onde j
20
( 15)
30
40
50
11

Constante
Sexo
Cor
Anest
Idade
idade2
Freq
area_urb
tx_urb
Denserv
O modelo completo é obtido substituindo (14) e (16) em (11):
cond _ ocup γ γ
+ u X + r (17)
ij = 00 + γ 01W
j + γ n0
X ij + n0
X ijW
j + u0
j
onde W j é igual a taxa de urbanização estadual em 4.2 e a densidade de serviços
modernos em 5.2 e X ij é o vetor das variáveis independentes de nível 1.
Os resultados destes modelos são praticamente iguais àqueles observados no caso
anterior. As estimativas dos parâmetros pouco se alteram e a variabilidade da associação entre
os níveis de desenvolvimento das estruturas produtivas e a condição de ocupação dos
indivíduos em cada Estado é muito baixa. Há uma pequena redução da variabilidade
observada nos dados (entre 0,1% e 0,4%), provocada pela diminuição da variabilidade intraestados
(aproximadamente 5,5%), especialmente quando utilizamos a variável densidade de
serviços modernos (neste caso, o percentual da variância explicado pelas diferenças entre os
Estados cai para apenas 0,307%).
Tabela 03 - Resultados das estimativas dos modelos
Variável Modelo 1 Modelo 2 Modelo 3
Modelo 4.1
(int. al.)
Modelo 4.2
(inc. al.)
Modelo 5.1
(int. al.)
Modelo 5.2
(inc. al.)
0,6402*** 0,9559*** 0,7605*** 0,7634*** 0,76066*** 0,78133*** 0,76145***
(0,000) (0,000) (0,000) (0,000) (0,000) (0,000)
(0,000)
0,4484***
0,03850*** 0,0385*** 0,03850*** 0,03850*** 0,03850***
(0,000) - (0,000) (0,000) (0,000) (0,000)
(0,000)
0,1522***
0,00653*** 0,00655*** 0,00652*** 0,00659*** 0,00651***
(0,000) - (0,000) (0,000) (0,000) (0,000)
(0,000)
0,00869***
0,00109*** 0,00109*** 0,00109*** 0,00109*** 0,001087***
(0,000) - (0,000) (0,000) (0,000) (0,000)
(0,000)
0,08061***
0,00953*** 0,00953*** 0,00953*** 0,00953*** 0,00953***
(0,000) - (0,000) (0,000) (0,000) (0,000)
(0,000)
-0,00076***
-0,00009*** -0,0001*** -0,0001*** -0,0001*** -0,0001***
(0,000) - (0,000) (0,000) (0,000) (0,000)
(0,000)
-0,1265***
-,01943*** -0,01943*** -0,019422*** -0,01943*** -0,01942***
(0,000) - (0,000) (0,000) (0,000) (0,000)
(0,000)
-0,5874***
-0,03845*** -0,038511*** -0,03847*** -0,03851***
(0,000) - -0,03852*** (0,000) (0,000) (0,000)
(0,000)
0,0023***
-0,0001
(0,000) - - (0,551) - - -
-0,2111**
-0,0001
(0,0280) - - - - (0,129) -
Partição da Variância
var(entre UF’s)
var(entre indivíduos)
var(tx_urb)
varr(denserv)
ρ (coeficiente de correlação
Intra-grupo)
Pseudo R 2
-
-
-
-
-
0.1073
0,00028
0,04275
-
-
Fonte: elaboração própria a partir dos microdados da PNAD – IBGE.
Notas: p-value entre parênteses;
(*) significativa a 10%;
(**) significativa a 5%;
(***) significativa a 1%.
0,00027
0,04104
-
-
0,000269
0,041042
-
-
nj
ij
ij
0,000255
0,041042
1,92E-08
-
0,000249
0,041042
-
-
12
0,000127
0,041042
-
2,86E-07
0,653% 0,662% 0,651% 0,617% 0,604% 0,307%
- - - - - -

4.5 Modelos centralizados na média geral e nas médias dos grupos (modelos 6 e 7)
Como forma de complementar a análise, os modelos 4.1 e 4.2 serão estimados
utilizando a variável anos de estudo dos indivíduos centralizada nas médias estaduais e geral.
Há duas possibilidades de centralização:
i) centralizar a variável em torno da sua média geral de nível 1, o que permite que o
intercepto do modelo seja interpretado como uma média ajustada para cada Estado. Os
modelos 6.1 e 6.2 são representados por:
cond _ ocup
γ
60
ij
70
= γ
00
+ γ W
01
freq + γ area _ urb + u
j
0 j
10
+ r
ij
20
( 18)
30
40
50
13
+ γ sexo + γ cor + γ anest _ geral + γ idade + γ idade2
+
onde W j é igual a taxa de urbanização estadual em 6.1 e a densidade de serviços
modernos em 6.2 e anest _ geral é uma variável explicativa de nível 1 centralizada na média
geral de anos de estudos da amostra.
ii) centralizar a variável em torno de sua média de nível 2 (médias estaduais), de tal
forma que o intercepto do modelo torna-se uma média não ajustada para cada Estado. Os
modelos 7.1 e 7.2 são representados por:
cond _ ocup
γ
60
ij
70
= γ
00
+ γ W
01
freq + γ area _ urb + u
j
+ γ sexo + γ cor + γ anest _ grupo + γ idade + γ idade2
+
0 j
10
+ r
ij
onde W j é igual a taxa de urbanização estadual em 7.1 e a densidade de serviços
modernos em 7.2 e anest _ grupo é uma variável explicativa de nível 1 centralizada na média
de anos de estudos por Estado.
Os resultados destes modelos podem ser verificados na tabela 04. Percebe-se que
quase não há diferenças entre as estimações quando alteramos a variável de nível 2. A
variabilidade dos dados decorrente das diferenças entre indivíduos e entre Estados tem o
mesmo padrão de comportamento encontrado nos modelos analisados acima, com pequena
parcela sendo explicada pelas diferenças estaduais (0,649%). Nos modelos centralizados nas
médias estaduais e na média geral as variáveis de nível 2 são insignificantes. O coeficiente da
constante assume aproximadamente os valores 0,769 quando utilizamos a variável taxa de
urbanização e 0,784 quando utilizamos a variável densidade de serviços modernos, lembrando
que a variável dependente representa a probabilidade de estar ou não ocupado.
20
( 19)
30
40
50

constante
sexo
cor
Tabela 04 - Resultados dos modelos centralizados
Variável Modelo 6.1 Modelo 6.2 Modelo 7.1 Modelo 7.2
0,7699***
(0,000)
0,0385***
(0,000)
0,00655***
(0,000)
0,78789***
(0,000)
0,03850***
(0,000)
0,00659***
(0,000)
anest_grupo - -
anest_geral
idade
idade2
freq
area_urb
tx_urb
0,00109***
(0,000)
0,09532***
(0,000)
-0,0001***
(0,000)
-0,01943***
(0,000)
-0,03849***
(0,000)
denserv -
Partição da Variância
var(entre UF’s)
var(entre indivíduos)
0,76865***
(0,000)
0,03850***
(0,000)
0,00655***
(0,000)
0,00109***
(0,000)
0,78444***
(0,000)
0,03849***
(0,000)
0,00659***
(0,000)
0,00109***
(0,000)
0,00109***
(0,000) - -
0,00953***
(0,000)
-0,0001***
(0,000)
-0,01943***
(0,000)
-0,03847***
(0,000)
-0,00009*
(0,551) -
0,000268
0,041042
0,09532***
(0,000)
-0,0001***
(0,000)
-0,01942***
(0,000)
-0,03849***
(0,000)
-0,00095
(0,129) -
0,000249
0,041042
0,00953***
(0,000)
-0,0001***
(0,000)
-0,01943***
(0,000)
-0,03846***
(0,000)
-0,00006
(0,688) -
0,000268
0,041024
-0,0008
(0,199)
0,000253
0,041042
ρ (coeficiente de correlação
Intra-grupo) 0,649% 0,604% 0,649% 0,612%
Fonte: elaboração própria a partir dos microdados da PNAD – IBGE.
Notas: p-value entre parênteses;
(*) significativa a 10%;
(**) significativa a 5%;
(***) significativa a 1%.
4.6 Análise dos resultados
Duas são as principais considerações sobre os resultados das estimações dos modelos.
A primeira está relacionada ao local de residência do indivíduo. Ao contrário do que se
poderia imaginar a primeira vista, o fato do indivíduo residir em uma área urbana acaba
diminuindo sua probabilidade de estar ocupado em aproximadamente 3,9%. A explicação
para a negatividade do sinal deste parâmetro e também daqueles referentes às variáveis de
nível 2, indicadoras da aglomeração urbana, provavelmente está relacionada ao fato de que
apesar de residir em uma área dinâmica, na qual as oportunidades de emprego são mais
elevadas, há maior concorrência pelos postos que surgem, visto que estas áreas tornam-se
extremamente atrativas para a população como um todo (estimulando a migração), em outras
palavras, pode haver excesso de oferta de mão-de-obra. Além disso, os postos de trabalho
tendem a ser cada vez mais concentrados em atividades poupadoras de mão-de-obra e que
exigem maior nível de qualificação e especialização, dificultando o acesso de trabalhadores
menos qualificados. Logo, uma forma de compensar estas dificuldades de inserção é investir
em educação, o que pode proporcionar vantagens do ponto de vista do indivíduo, pois o
mesmo cria condições para se destacar no mercado de trabalho. Entretanto, deve-se salientar
que quanto mais tempo o indivíduo dedica à sua qualificação, mais ele retarda sua entrada no
mercado de trabalho, ou menos tempo ele dispõe para trabalhar, o que também diminui sua
14

probabilidade de estar ocupado (trabalho e qualificação podem não ser atividades
compatíveis, o que é representado pelo sinal negativo do coeficiente da variável frequência à
escola).
A segunda consideração diz respeito à baixa variabilidade dos dados explicada pelas
diferenças entre as unidades de nível 2, ou seja, os Estados. Todos os modelos estimados
mostram que a estrutura produtiva urbana tem influências sobre a condição de ocupação dos
indivíduos, porém as diferenças entre as estruturas produtivas estaduais pouco importam para
explicar a variação desta condição entre os indivíduos. Em outras palavras, os modelos não
evidenciam diferenças significativas na probabilidade de indivíduos com características
semelhantes (produtivas e não produtivas), mas residentes em locais distintos, estarem ou não
ocupados. Desde o modelo inicial o coeficiente de correlação intra-estados é muito baixo e à
medida que a análise evoluí ele tende a diminuir devido à inclusão das variáveis de controle.
Apesar destes resultados, teoricamente é plausível afirmar que as diferenças entre as
estruturas produtivas estaduais têm influencias significativas sobre a probabilidade de um
indivíduo estar ou não ocupado, pois a heterogeneidade na composição da força de trabalho
entre regiões não é capaz por si só de explicar esta condição. O nível de desenvolvimento de
uma região (representado aqui por seu nível de urbanização e diversificação do setor de
serviços) tem implicações diretas sobre as atividades que nela são desenvolvidas. Uma
possível explicação para os resultados dos modelos neste aspecto serem tão simplórios referese
à extensão territorial das unidades de nível 2 analisadas. A extensão estadual é
relativamente ampla, o que acaba espalhando os efeitos das economias de aglomeração, o que
diminui a heterogeneidade entre os dados de nível 2. Fujita & Thisse (2000) destacam que as
cidades devem constituir-se nas unidades de análise do estudo da localização espacial das
atividades produtivas e seus possíveis desdobramentos, pois é neste nível de desagregação
espacial que ocorrem os diferentes tipos de interação entre os agentes econômicos e as
resultantes inovações tecnológicas e sociais. Ou seja, como já evidenciava Jacobs (1969), a
análise seria mais rica se focasse nas cidades, pois toda vida econômica passa e depende das
mesmas. Evidências neste sentido foram encontradas, por exemplo, por Fontes (2006) na
análise dos diferenciais de salário entre diversos centros urbanos no Brasil.
A limitação para a realização da análise neste nível de desagregação está relacionada à
fonte de dados utilizada, PNAD, que não possui informações municipais.
Todavia, isto não desmerece o trabalho visto que o mesmo procura estabelecer os
principais fatores que influenciam a condição de ocupação dos trabalhadores, o que já trás
alguns resultados interessantes, por meio dos quais verificam-se os seguintes padrões de
ocupação:
15

Probabilidade
,9 ,92 ,94 ,96 ,98
Gráfico 05 - Prob. de estar ocupado por categoria
1
0
1
0
sexo cor freq_esc urb
Variáveis de controle
Fonte: elaboração própria a partir dos dados da PNAD.
O gráfico 05 demonstra a probabilidade de um indivíduo estar ocupado de acordo com
algumas de suas características não produtivas. Em relação ao gênero, como esperado, são os
homens aqueles que têm maior facilidade para encontrar emprego (aproximadamente 97% de
chances contra 93%). O mesmo ocorre em relação à cor, pois os não brancos possuem menor
probabilidade de estarem ocupados. Vale salientar que esta diferença é menor do que aquela
relacionada ao gênero, o que é consistente com os resultados de trabalhos sobre a
discriminação no mercado de trabalho. Os indivíduos que não frequentam a escola, ou porque
já se qualificaram ou porque preferem trabalhar a estudar, também encontram emprego com
mais facilidade (aproximadamente 96,5% contra 90%), e pessoas residentes em áreas nãourbanas
têm probabilidade de encontrar trabalho mais alta devido à baixa concentração
populacional nestas regiões e às características das atividades econômicas ali desenvolvidas.
Em relação à idade, observa-se que quanto mais velho o indivíduo, ou seja, quanto mais
experiente, maior é a sua probabilidade de inserção. Esta relação pode ser verificada no
gráfico 06, de acordo com o gênero e a cor dos indivíduos:
0
1
0
1
16

Por fim, os gráficos 07 e 08 demonstram que a probabilidade dos indivíduos estarem
ocupados quase não se altera de acordo com as variáveis indicadoras do nível de
desenvolvimento das estruturas produtivas estaduais (a reta ajustada é praticamente plana em
ambos os casos, mas ainda assim é possível perceber uma pequena declividade à medida que
a estrutura produtiva urbana torna-se mais densa).
17

5. Considerações Finais
A dinâmica do mercado de trabalho brasileiro é bastante diferenciada entre seus
Estados, seja em termos salariais, de participação ou de ocupação. Estas diferenças são
provocadas pela composição dos próprios mercados de trabalhos locais, cujos participantes
possuem características específicas de seu grupo, bem como pelas próprias estruturas
produtivas estaduais. Dada a importância destas diferenças, o trabalho procurou mensurar a
probabilidade do indivíduo estar ou não ocupado nas diferentes Unidades da Federação
realizando controles por intermédio de características individuais e estaduais.
O principal resultado do trabalho diz respeito ao fato da probabilidade de estar
ocupado diminuir de acordo com o nível de urbanização estadual. Isto ocorre devido à maior
dificuldade de inserção do trabalhador nas atividades ali desenvolvidas, uma vez que as
mesmas tendem a ser intensivas em capital e à maior concorrência por postos de trabalho já
que a localidade é atraente para a população como um todo e não há barreiras à mobilidade do
fator trabalho (áreas mais desenvolvidas pagam melhores salários, têm maior disponibilidade
de bens e serviços, inclusive públicos, etc., o que estimula a migração e eleva a densidade
populacional local) Este fato provavelmente pode ser compensado pelo aumento da
qualificação do trabalhador, direcionando suas ações para o desenvolvimento de atividades
específicas, porém isto pode retardar sua entrada no mercado de trabalho. Além disso, o
controle pelas características individuais mostra que a discriminação de gênero e de cor
também influência a inserção dos trabalhadores, visto que homens brancos continuam a
apresentar uma vantagem em relação aos demais trabalhadores.
Estas duas considerações abrem espaço para uma possível preocupação: o mercado de
trabalho pode estar se tornando cada vez mais seletivo e excludente, o que pode agravar a
situação de alguns grupos populacionais, já que os mesmos não conseguem atender os prérequisitos
necessários para ocupar a maior parcela dos novos postos de trabalho. Claro que
mesmo nos grandes centros urbanos continuam a existir atividades informais e que não
necessitam de qualificação, o que contrabalança em alguma medida esta tendência principal.
Contudo, não se pode desconsiderar estes efeitos, que podem funcionar como desamenidades
urbanas (criminalidade, pobreza, poluição, favelização, etc.). Parece haver uma incapacidade
do setor urbano de criar empregos em número suficiente para absorver todo o contingente
populacional que chega aos centros urbanos, atraídos por suas facilidades e oportunidades.
As estimativas dos modelos propostos em relação à maior preocupação do trabalho,
que era demonstrar a importância das diferenças entre as estruturas produtivas urbanas
estaduais sobre a probabilidade de indivíduos semelhantes estarem ou não ocupados, não
forneceram os resultados esperados. Pequena parcela da variabilidade dos dados analisados
(menos de 1%) é explicada por variações nas estruturas produtivas estaduais, logo o uso de
modelos lineares simples torna-se mais apropriado. Apesar destes resultados, destaca-se que
teórica e empiricamente é comprovado que a distribuição espacial das atividades produtivas
tem influência sobre os desdobramentos das mesmas, inclusive no mercado de trabalho (por
exemplo, diferenciais de salários entre regiões). A explicação mais plausível para isto não ter
aparecido nos modelos estimados deve-se ao fato das unidades territoriais analisadas serem
relativamente extensas, o que acaba diluindo os efeitos das economias de urbanização, já que
o foco destas é a cidade, mais especificamente o centro urbano.
6. Referências Bibliográficas
AMADEO, E. Mercado de trabalho brasileiro: rumos, desafios e o papel do Ministério do
trabalho. In: POSTHUMA, A. C. (org.). Abertura e ajuste do mercado de trabalho no Brasil:
18

políticas para conciliar os desafios de emprego e competitividade. São Paulo: Ed. 34, cap. 5,
p. 35-60, 1999.
BARROS, R. P., FRANCO, S. & MENDONÇA, R. Discriminação e segmentação no
mercado de trabalho e desigualdade de renda no Brasil. Texto para Discussão nº 1288. IPEA.
Rio de Janeiro, 2007.
DURANTON, G. & PUGA, D. Diversity and specialization in cities: why, where and when
does it matter? In: McCANN, P. Industrial location economics. Cheltenham/Northampton:
Edward Elgar, 2002.
FONTES, G. G.; SIMÕES, R. F. & OLIVEIRA, A.M.H.C. de. Diferenciais regionais de
salário no Brasil, 1991 e 2000: uma aplicação dos modelos hierárquicos. Anais do XXXIV
Encontro Nacional de Economia, Salvador, 2006.
FUJITA, M. & THISSE, J-F. The formation of economic agglomerations: old problems and
new perspectives. In: HURIOT, J-M & THISSE, J-F (eds.) Economics os cities: theoretical
perspectives. Cambridge: Cambridge University, p. 3-73, 2000.
GLAESER, E. L. Learning in cities. Journal of Urban Economics, v, 46, nº 2, p. 254-277,
1999
HENDERSON, J. V. Urban development: theory, fact and illusion. New York, Oxford:
Oxford University, 1988.
IBGE. Pesquisa Mensal de Emprego. Relatórios metodológicos, nº 23. Rio de Janeiro, 2002.
JACOBS, J. The economy of cities. Middlesex: Penguin Books, 1969.
LÖSCH, A. The Economics of location. New Haven: Yale University Press, 1954.
MARSHALL, N. & WOOD, P. Services and space: key aspects of urban and regional
development. Longman, London, 1995.
RAUDENBUSH, S. W. & BRYK, A.S. Hierarchical linear models: applications and data
analysis methods. London: Sage, 2002.
SIMÕES, R. F. Localização industrial e relações intersetoriais: uma análise de “fuzzy
cluster” para Minas Gerais. 2003. 182 fls. Tese de doutorado – Instituto de Economia da
Universidade Estadual de Campinas. Campinas, 2003.
SOARES, S. S. D. O perfil da discriminação no mercado de trabalho – homens negros,
mulheres brancas e mulheres negras. Texto para Discussão nº 769. IPEA. Brasília, 2000.
VALENZUELA, M. E. Igualdade de oportunidades e discriminação de raça e gênero no
mercado de trabalho no Brasil. In: POSTHUMA, A. C. (org.). Abertura e ajuste do mercado
de trabalho no Brasil: políticas para conciliar os desafios de emprego e competitividade. São
Paulo: Ed. 34, cap. 5, p. 149-178, 1999.
VON THÜNEN, J.H. The isolated state. New York: Pergamon Press, 1966.
19