Baixe o app para aproveitar ainda mais
Prévia do material em texto
Edivaldo Constantino das Neves Jr. Carlos Roberto Azzoni André Luiz Squarize Chagas Habilidades e Aglomeração: Evidências para o Brasil São Paulo,27 de Março de 2017 Objetivos Discutir em que extensão o prêmio salarial urbano é diferente para trabalhadores com distintos perfis de habilidades. Em termos substantivos, o estudo busca verificar se os efeitos associados ao aumento do tamanho populacional diferem de acordo com as habilidades dos trabalhadores. Revisão de Literatura ECONOMIAS DE AGLOMERAÇÃO: Duranton e Puga (2004); Glaeser e Gottlieb (2009); Puga (2010); Combes e Gobillon (2015). SORTING ESPACIAL DE TRABALHADORES: Glaeser e Mare (2001); Combes et al (2010); Matano e Naticchioni (2013); Moretti (2004). HETEROGENEIDADE INDIVIDUAL: Rosenthal e Strange (2008); Carlsen et al (2016); Guvenen et al (2015); Bacolod et al (2010); Florida et al (2010); Andersson et al (2014). Uma importante linha de argumentação discute os conceitos de economias de urbanização e localização (Combes e Gobillon, 2015) Microfundamentação das economias de aglomeração proposta por Duranton e Puga (2004), composta pelos efeitos de sharing, matching e learning. Nem todos os trabalhadores usufruem igualmente dos benefícios do aumento da escala urbana (Rosenthal e Strange, 2004) heterogeneidade individual habilidades individuais. Segundo Puga (2010) e Combes et al (2010), trabalhadores mais qualificados (i) tendem a se especializar, e, portanto se beneficiar um melhor matching em uma cidade com um mercado interno mais dinâmico; (ii) possuem maior capacidade de aprender uns com os outros, capturando o conhecimento que “está no ar”, e portanto interagindo e aprendendo mais; (iii) se beneficiam da existência de complementaridade de recursos disponíveis em grandes e densos mercados. 3 Modelo Teórico Problema do agente individual: Maximizar a sua utilidade U=(X,h, Aj) sujeito a sua restrição orçamentária descrita como Wj(zi)+K=X+rjh Problema da firma: Maximizar os lucros: Max π = pX – rjh – W(zi)Nzi. O nível ótimo de salários é descrito por W(zi) = f´[Nzi,h,Aj]. Nesse cenário, o preço implícito de uma competência específica é dada por ∂W(zi)/∂Nzi, e o impacto total da aglomeração nos salários dos trabalhadores é ∂W(zi)/∂A. O foco é, então, compreender como o preço implícito das habilidades dependem da aglomeração, ∂2W(zi)/∂Nzi∂A. 1) Adaptação do modelo de Roback (1982) com o objetivo de descrever o equilíbrio espacial na presença de efeitos de aglomeração e heterogeneidade nas habilidades dos trabalhadores e analisar suas implicações sobre os níveis de renda dos indivíduos de diferentes localidades. 2) Assim, o modelo considera um equilíbrio espacial em que as decisões da região de moradia e produção, por parte dos trabalhadores e firmas, respectivamente, são condicionadas pelos salários, preços dos bens locais (aluguel), efeitos de aglomeração e heterogeneidade das habilidades dos agentes. 4 Escolaridade e o Tamanho Urbano TamanhoUrbano menor que 100.000 entre 100.000 e 750.000 entre 750.000 e 2.500.000 maior que 2.500.000 Educação Menorque Ensino Médio 41.51 37.42 32.61 30.31 Ensino Médio 51.10 53.29 56.59 54.84 Graduação ou mais 7.39 9.29 10.80 14.84 Habilidades, Educação, Aglomeração e Salários Fonte: Bacolod , Blumm e Strange (2009) Escolaridade e Habilidades Grupo Educacional Cognitivo Q1 Q2 Q3 Q4 Q5 Menorque Ensino Médio 63.17 15.02 18.04 3.56 0.20 Ensino Médio 37.99 15.50 34.34 10.25 1.91 Graduação 3.34 4.89 26.76 35.46 29.55 Social Q1 Q2 Q3 Q4 Q5 Menorque Ensino Médio 38.33 30.10 19.37 3.61 8.58 Ensino Médio 19.38 22.60 31.49 8.04 18.49 Graduação 2.06 4.55 28.96 25.53 38.90 Motor Q1 Q2 Q3 Q4 Q5 Menorque Ensino Médio 3.63 14.82 30.81 17.99 32.76 Ensino Médio 15.08 32.32 24.05 13.36 15.19 Graduação 46.03 39.54 9.44 2.95 2.03 Base de Dados e Construção dos Índices de Habilidades Relação Anual de Informações Sociais (RAIS – Ministério do Trabalho e do Emprego) e a base desenvolvida por Maciente (2013). Os dados de Maciente (2013) consistem em um levantamento ocupacional que identifica a intensidade de um conjunto mais amplo de habilidades e competências técnicas e cognitivas para cada ocupação. Foi implementada uma categorização das habilidades constituída pelas dimensões cognitiva, social e motor. Para cada uma dessas dimensões foi selecionado um conjunto de variáveis, dentre as 263 da ONET. Em seguida, para cada grupo de habilidades foi executada a técnica de Análise de Fator Comum (Bacolod et al, 2010; Guvenen et al, 2015). Obtendo assim um reflexo do nível geral de habilidades requeridas no mercado de trabalho formal brasileiro. ONET 263 variaveis 8 Base de Dados e Construção dos Índices de Habilidades Habilidades ÍndiceCognitivo (-0.24/0.29) ÍndiceSocial (-0.21/0.35) ÍndiceMotor (-0.17/0.29) Deductive Reasoning Social Perceptiveness Manual Dexterity Inductive Reasoning Coordination Control Precision Category Flexibility Persuasion Static Strength Reading Comprehension Negotiation Dynamic Strength Writing Establishing and Maintaining Interpersonal Relationships Performing General Physical Activities Critical Thinking Selling or Influencing Others Handling and Moving Objects ComplexProblemSolving Resolving Conflicts and Negotiatingwith Others Analytical Thinking Mathematical Reasoning Base de Dados e Construção dos Índices de Habilidades Social Cognitivo Alto Alto Baixo Engenheiro civil (aeroportos) X Médico cardiologista Gerente de comunicação Diretor de recursos humanos Médico neurocirurgião Diretor de câmbio e comércio exterior Baixo Jornaleiro (em banca de jornal) Jardineiro Vendedor em domicílio Borracheiro Feirante Costureiro na confecção em série Vendedor ambulante Operador de cortadeira de papel Assistente de vendas Lavador de artefatos de tapeçaria Pipoqueiro ambulante Base de Dados e Construção dos Índices de Habilidades Motor Cognitivo Alto Alto Baixo Médico cirurgião cardiovascular Engenheiro civil (hidráulica) Médico neurocirurgião Advogado de empresa Cirurgião dentista -odontogeriatra Engenheiro químico (indústria química) Médico cirurgião de cabeça e pescoço Professor de sociologia do ensino superior Médico cirurgião do aparelho digestivo Lingüista Cirurgião dentista - odontologista legal Físico (atômica e molecular) Baixo Operador deretorcedeira Telefonista Fundidor de metais Modelo artístico Pedreiro Operador de telemarketing ativo Operador de máquina perfuradora (minas e pedreiras) Modelo de modas Armador de estrutura de concreto armado Operador de telemarketing ativo e receptivo Carvoeiro Operador de mensagens de telecomunicações (correios) Base de Dados e Construção dos Índices de Habilidades Motor Social Alto Alto Baixo Fisioterapeutatraumato-ortopédicafuncional Diretor de riscos de mercado Fisioterapeuta esportivo Turismólogo Fisioterapeuta respiratória Assessor de imprensa Fisioterapeuta do trabalho Relações públicas Supervisor da área florestal Corretor de valores, ativos financeiros, mercadorias e derivativos Fisioterapeuta geral Psicólogo social Baixo Montador de móveis e artefatos de madeira Revisor de texto Auxiliar de maquinista de trem Modelo publicitário Forneiro na fundição de vidro Modelo de modas Montador de máquinas de minas e pedreiras Modelo artístico Moldador de plástico por injeção Operador de máquina intercaladora e placas (compensados) Habilidades Por Skill: Salário Quintil / Salário Médio Por Skill: Salário Quintil Grandes Aglomerações/Salário Médio do Quintil Tamanho Urbano e Habilidades Modelagem Cross-Section lnwifsjt = µstZjt + stln(popst) + βstZjt*ln(popst) + tXist + tQfst + ifsjt i=indivíduo; f=firma; j=ocupação; s=LMA; t=tempo Modelagem Cross-Section Ln(salario-hora) Modelo1 Modelo2 Modelo3 Modelo4Modelo5 Modelo6 Modelo7 Cognitivo 2.285* -0.739** 0.150 (0.038) (0.31) (0.412) Cognitivo*ln(pop) 0.206* 0.142* (0.023) (0.030) Social 1.430* -1.088* -0.882*** (0.052) (0.412) (0.516) Social*ln(pop) 0.172* 0.065*** (0.031) (0.039) Motor -0.980* 1.244* 0.489 (0.052) (0.423) (0.361) Motor*ln(pop) -0.153* -0.034 (0.032) (0.027) Controles Sim Sim Sim Sim Sim Sim Sim R2 Ajustado 0.515 0.5175 0.4786 0.4804 0.4582 0.4595 0.5178 Número de obs. 5986269 5986269 5986269 5986269 5986269 5986269 5986269 F 858.7 1453.87 678.33 863.08 709.03 749.27 1340.23 Prob>F 0.000 0.000 0.000 0.000 0.000 0.000 0.000 Modelagem Cross-Section ∂lnwistj/∂Ztj = [βst + µstln(pop)] Modelagem Cross-Section Skill Wage Premium along the skills distribution Skill Urban Wage Returns along the skills distribution Modelagem Painel lnwistj = stln(pop) + µstZtj*ln(pop) + tXist + tQist +tMit + i + t + mr + istj i=indivíduo; f=firma; j=ocupação; s=LMA; t=tempo; mr=macro-região Análise Descritiva Painel 2003-2013 Variação entreÁreas 16.13 Variação entre Ocupações 64.09 Variação entre Ocupação eÁreas 12.43 Variação entre Firmas 48.46 Mudou deÁrea,masnão Ocupação 3.7 Mudou deOcupação,mas nãoÁrea 51.66 Número de indivíduos 613,498 Número de observações 6,748,478 Modelagem Painel Ln(hourly wage) 1 2 3 4 Ln(pop) 0.005* 0.006* 0.006* 0.005* (0.001) (0.001) (0.001) (0.001) Cognitive*ln(pop) 0.048* 0.035* (0.001) (0.001) Social*ln(pop) 0.039* 0.021* (0.001) (0.001) Motor*ln(pop) -0.017* 0.008* (0.001) (0.001) Mobility between occupations -0.006* -0.006* -0.001** -0.007* (0.001) (0.001) (0.001) (0.001) Mobility between LMA 0.011* 0.011* 0.011* 0.011* (0.002) (0.002) (0.002) (0.002) Mobility between firms -0.037* -0.036* -0.038* -0.036* (0.001) (0.001) (0.001) (0.001) Adjusted R2 0.9322 0.9321 0.9315 0.9323 # Obs. 5600138 5600138 5600138 5600138 F 24226.21 24537.14 23029.33 23056.96 Prob>F 0.000 0.000 0.000 0.000 Modelagem Painel Ln(hourly wage) 1 Ln(pop) 0.005* (0.001) Cog*Soc*ln(pop) 0.155* (0.007) Cog*Mot*ln(pop) 0.008 (0.008) Soc*Mot*ln(pop) -0.061* (0.008) Mobilitybetweenoccupations -0.002* (0.001) MobilitybetweenLMA 0.011* (0.002) Mobilitybetweenfirms -0.037* (0.001) AdjustedR2 0,9317 # Obs. 5600138 F 23132,83 Prob>F 0,000 Considerações Finais Foram construídos índices que captam as dimensões de habilidades cognitivas, sociais e motoras. Os resultados mostraram que os preços das habilidades cognitivas e sociais aumentam com o tamanho da aglomeração. Além disso, a combinação de habilidades cognitivas e sociais potencializa os ganhos aglomerativos. Tal resultado ressalta que os ganhos de aglomeração não se manifestam de forma equânime para todos os trabalhadores de uma urbe. Direções da Tese Migração, matching e perfil de habilidades. Existem habilidades à prova de crise econômica? Existem heterogeneidades regionais? Referências ANDERSSON, M., KLAESSON, J., e LARSSON, J. P. “The Sources of the Urban Wage Premium by Worker Skills” (No. 2014/6). Lund University, CIRCLE-Center for Innovation, Research and Competences in the Learning Economy (2014). BACOLOD M; BLUM B; STRANGE W., “Skills in the city”, Journal of Urban Economics 65:136-153, (2009). BACOLOD, M. P.; BLUM, B. S. “Two Sides of the Same Coin US “Residual” Inequality and the Gender Gap”. Journal of Human Resources, v. 45, n. 1, p. 197-242, (2010) CARLSEN, F., RATTSO J., STOKKE H.E. “Urban wage premium and the role of education: Identification of agglomeration effects for Norway.” (2012). COMBES, P.-P., DURANTIN, G., GOBILLON, L., ROUX, S. “Estimating agglomeration economies with history, geology, and worker effects”. In: Glaeser, E.L. (Ed.), Agglomeration Economics. University of Chicago Press for the NBER, Chicago, IL, pp. 15–65 (2010). COMBES, P.P.; DURANTON G.; GOBILLON L. "Spatial wage disparities: Sorting matters!." Journal of Urban Economics 63, no. 2 (2008): 723-742. COMBES, P.P.; GOBILLON, L. “The empirics of agglomeration economies”. In: Handbook of Regional and Urban Economics Vol 5A, North-Holland, Amsterdam, 1st Edition, pp. 247-348, (2015) DURANTON, G., PUGA, D., “Micro-foundations of urban agglomeration economies”. In: Henderson, J.V., Thisse, J.F. (Eds.), Handbook of Regional and Urban Economics 4. Elsevier, Amsterdam, (2004). FLORIDA R., MELLANDER C., STOLARICK K., ROSS A. “Cities, skills and wages.” Journal of Economic Geography (2011). Referências GLAESER, E. L.; D. GOTTLIEB J.D.. “The wealth of cities: Agglomeration economies and spatial equilibrium in the United States.” No. w14806. National Bureau of Economic Research, (2009). GLAESER, E.; MARE, D. “Cities and Skills”. Journal of Labor Economics, v. 19, n. 2, p. 316-342. (2001). GLAESER, E.; RESSEGER, M. G. “The complementarity between cities and skills”. Journal of Regional Science, v. 50, n. 1, pp. 221–244. (2010). GROOT, S.; De GROOT, H. LF. "Estimating the skill bias in agglomeration externalities and social returns to education: Evidence from dutch matched worker-firm micro-data." (2014). GUVENEN F.; KURUSCU B. ; TANAKA S. ; WICZER D. “Multidimensional Skill Mismatch”, Working Papers”, University of Toronto, Department of Economics. (2015). PUGA, D. “The magnitude and causes of agglomeration economies”. Journal of Regional Science, v. 50, n. 1, pp. 203-219 (2010). ROSENTHAL S.; STRANGE W., “Evidence on the nature and sources of agglomeration economies”. In: Henderson, J.V., Thisse, J.F. (Eds.), Handbook of Regional and Urban Economics 4. Elsevier, Amsterdam, pp. 2119–2171, (2004). Habilidades e Aglomeração: Evidências para o Brasil OBRIGADO!! Edivaldo Constantino das Neves Júnior Carlos Roberto Azzoni André Luiz Squarize Chagas Questionário ONET
Compartilhar