Nesta primeira etapa, foi feita uma avaliação, do ponto de vista espacial, da participação setorial dos municípios baianos ao longo do período de 2002 a 2018. Além disso, a análise foi realizada através da observação das 32 microrregiões do estado da Bahia. Por fim, decidimos explorar algumas estatísticas descritivas além de avaliar a autocorrelação municipal pelo indicador de Moran-I.

Como já era esperado, Salvador concentra relativamente a maior composição da criação de empregos formais diante das 32 microrregiões do Estado em 2002: mais de 54% do total de empregos de todos os 8 setores avaliados (Administração Pública, Indústria Mineral, Serviços, Comércio, Agropecuária, Construção Civil, Indústria de Transformação e Serviços Industriais de Utilidade Pública). A menor concentração relativa na criação de empregos neste período ficou a cargo de Jeremoabo: menos de 1% de criação de empregos, o que, em termos absolutos, corresponde a 2218 empregos criados. 

E em 2018, o que aconteceu? Será que houve uma mudança estrutural? Para avaliar, mostraremos um gráfico semelhante ao primeiro, mas com os dados de 2018. Para esse período, aponta-se o fato de que Salvador ainda concentra a maior capacidade de criação de empregos formais quando são considerados aqueles 8 setores: aproximadamente 46% dos empregos formais da Bahia são gerados na capital. E a menor concentração ficou também na região de Jeremoabo: menos de 1% dos empregos formais foram criados em 2018. 

Como fato estilizado, temos que Salvador detém a maior importância na criação de empregos formais para os 8 setores analisados e que Jeremoabo detém a menor importância. A partir daqui, o policy-maker que atua em âmbito estadual deve focalizar a atenção para Jeremoabo e entender o motivo pelo qual a região não consegue ter uma dinâmica na geração de emprego ao longo do tempo. E o policy-maker local da microrregião deve atentar para o fato de não ter uma mudança estrutural na localidade. 

Para termos uma melhor noção do que aconteceu nesse período, avaliamos o indicador de Moran-I. Ele nos fornece uma sinalização se existe autocorrelação entre as 32 microrregiões baianas. Em seguida, visando a identificar possíveis clusters e outliers, utilizamos a estatística Lisa, a qual consegue captar clusters existentes na participação relativa de criação de emprego de cada microrregião baiana.

Com o índice de Moran, conseguimos avaliar a dependência espacial das microrregiões. Como interpretá-lo no gráfico acima? É muito simples. Basta seguir a seguinte regra: 0 implica que não existe autocorrelação espacial entre as microrregiões. Estar entre 0 e 1 implica que a autocorrelação existe e ela é positiva. E estar entre -1 e 0 implica que a autocorrelação existe e ela é negativa. Dessa forma, nota-se que existe uma correlação espacial entre as microrregiões no período de 2002 quando se olha para a participação relativa de cada microrregião na criação de emprego em todos os 8 setores.

Complementando, cada quadrante corresponde a um determinado tipo de autocorrelação. O quadrante 1 (alto-alto) significa que existem microrregiões com alta capacidade de empregos que mantêm vizinhança com microrregiões que também tem alta capacidade de criação de empregos. O quadrante 2 (baixo-baixo) significa que existem microrregiões com baixa capacidade de criação de empregos que mantêm vizinhança com microrregiões que criam poucos empregos. O quadrante 3 (alto-baixo) significa que existe vizinhança entre microrregiões com alta capacidade de criação de empregos com microrregiões que criam poucos. O último quadrante (baixo-alto) implica existência de microrregiões com baixa capacidade de criação de empregos em vizinhança com microrregiões de alta capacidade de criação de emprego. 

Percebe-se, portanto, que existem dois tipos de autocorrelação espacial quando se considera o caso da avaliação da participação relativa de cada município na criação de empregos do ano de 2002: correlação positiva no caso dos quadrantes 1 e 2, e correlação negativa no caso do quadrantes 3 e 4.

Apesar de ser um bom indicador de correlação espacial, o índice de Moran possui uma deficiência: ele é capaz de esconder outliers e clusters. Assim sendo, temos que recorrer a uma estatística capaz de captar isso nos dados para o ano de 2002, qual seja: Lisa. Abaixo seguem os gráficos e resultados.

Observa-se que há o caso alto-alto e alto-baixo. Com isso, percebemos os clusters existentes no estado da Bahia para o caso da capacidade de criação de emprego relativa de cada microrregião no total de 8 setores aqui avaliados. Um destaque que deve ser dado é que as microrregiões que fazem fronteira com outros Estados tendem a apresentar uma grande capacidade de ter representatividade na criação de emprego e geração de valor para a Bahia. Uma boa parte do centro do Estado tende a não gerar tanto emprego e, portanto, não apresenta nenhuma significância quando estamos em busca de clusters. 

O gráfico acima é um complemento do primeiro gráfico da estatística Lisa. Ele mostra qual é o nível de significância dos clusters identificado pela estatística Lisa. Observamos um nível de significância de 1%, 5% e 10% para os dois clusters avaliados. Fato interessante aqui: Luís Eduardo Magalhães está em um cluster do tipo alto-baixo considerando um nível de significância de 1%.

Acima temos o índice de Moran-I para o caso de 2018. Como se percebe, a autocorrelação espacial positiva presente em 2002 se manteve ao longo do tempo. E, além disso, continuamos com os dois tipos de autocorrelação identificados no ano de 2002. Dessa forma, aparentemente não há mudança estrutural quando se olha para o caso da geração relativa da criação de emprego nos 8 setores. Para uma identificação desse cluster, segue a estatística lisa.

Como fica claro, quase não há mudança na composição dos clusters: apenas uma microrregião para cada tipo de correlação espacial deixou de fazer parte. E dessa forma, passaram a ser não significativos. Além disso, pode-se mostrar que o cluster contendo microrregiões ao nível de significância de 1% teve um aumento.

Fizemos agora o mesmo exercício agora para o caso da variação de empregos  considerando a diferença de composição do último ano avaliado (2018) para o primeiro ano avaliado (2002). Seguem os gráficos e resultados.

Na primeira parte do gráfico, temos, como já dito, a diferença (variação) entre 2018 e 2002. Observa-se que a microrregião com maior capacidade de criação relativo ao desempenho de criação no ano t0 (2002) e t1 (2018) foi a de Barreiras, alcançando a marca de diferença de criação de emprego ao longo do período em mais de 260%. 

Há uma explicação para esse caso? Sim! Barreiras pode ser considerada um polo regional de crescimento. Por ter uma dinâmica na atividade agrícola e no setor tecnológico, espera-se que Barreiras tenha essa evolução ao longo do tempo. Além disso, ela concentra um dos clusters no caso de emprego relativo da região em relação ao total para os 8 setores considerados.

Em contrapartida, a microrregião com menor variação relativa no crescimento de emprego para o intervalo 2002-2018 foi a de Ilhéus-Itabuna. O que deve ser atribuído? Podemos aqui usar a teoria da convergência de renda de Solow, que foi incorporada na análise da desigualdade regional: microrregiões que apresentaram altas taxas lá atrás de capacidade de geração de emprego, dado como consequência da dinâmica de setores que impulsionaram a economia, tende no longo prazo a apresentarem taxas menores.

Temos o índice de Moran-I que apresenta uma correlação positiva entre as microrregiões ao longo do tempo.  E apresenta algo interessante: temos a presença de três tipos de clusters.

Através da avaliação da estatística lisa, podemos avaliar os três clusters. Antes, vale a pena destacar o fato de que não há significância estatística para o caso de 22 microrregiões. Agora podemos falar dos clusters. O correspondente a microrregião de Barreiras apresenta uma correlação do tipo alto-alto, como já era de se esperar: toda essa microrregião apresenta um bom nível de crescimento econômico. Diante disso, espera-se um aumento relativo do emprego de mão-de-obra, uma vez que passa a ser efeito desse crescimento acompanhado do aumento da demanda do mercado de trabalho. Observa-se um fato estilizado: região central do estado não tem a capacidade de gerar emprego e ter significância estatística quando avaliamos a região.

Diante do apresentado, a recomendação para o policy-maker é clara: há muito o que ser feito na região central do estado. Aproveitando o fato de termos correlação espacial em microrregiões próximas, o policy-maker deveria pensar em como integrar essa região com as microrregiões que pertencem a um cluster. Mais importante que isso: melhor política pública seria investimento em capital humano. Com capital humano mais bem qualificado, poderíamos ter uma imigração dessa mão-de-obra qualificada que seria absorvida pelos clusters ou poderíamos ter um movimento pendular, o qual proporcionaria importar renda para essas região. E dessa forma, com reformas microeconômicas acertadas e reformas institucionais, haveria uma tendência a atrair investimento para essa região. Assim, veríamos um crescimento econômico.

A meta aqui agora é analisar os coeficientes de especialização ao longo do tempo. Para tanto, segue um gráfico que o representa nas 32 microrregiões no ano de 2002.

Temos aqui em cima um gráfico com os quantis dos coeficientes de especialização no ano de 2002. Analisando o 2° quartil, percebemos que até a mediana do total da amostra de 32 microrregiões baianas possuem um coeficiente de especialização em até 0,486. O que isso significa? Que metade das microrregiões da Bahia em 2002 apresentava um grau de semelhança nos 8 setores com o total dos setores da região.

Para esse período, o setor que tinha um coeficiente de especialização mais alto era Cotegipe. Dessa forma, os 8 setores de Cotegipe eram distintos dos 8 setores das outras microrregiões. Além disso, Jeremoabo, o lanterna na participação da criação de empregos entre 2002 e 2018, também apresentava uma distinção dos 8 setores em relação ao comportamento dos 8 setores no resto das microrregiões.

Em contrapartida, a microrregião que apresentou o menor coeficiente de especialização foi Vitória da Conquista. Foi seguida pela capital do estado (Salvador). Aqui vem a surpresa: Salvador, se comparados todos os setores analisados, possui um grau de semelhança com o que é desenvolvido nas outras microrregiões. E por que surpreende? Porque, dada a capacidade de criar muitos empregos nos mais variados setores e, com isso, se tornar líder na participação da criação de empregos, espera-se que tenha um grau diferenciado da região. 

Em seguida, temos o caso de 2018.

Observa-se a mesma tendência de 2002, o que, em um olhar inicial, sugere que não houve mudança estrutural no que diz respeito à mediana, uma medida robusta de se avaliar o comportamento de metade das microrregiões. Dessa forma, 50% das microrregiões apresentam, em seus 8 setores, uma semelhança com o restante das microrregiões.

Merece um destaque com alto coeficiente de especialização e maior que um: Jeremoabo e Cotegipe. Diante desse quadro, temos um fato interessante a ser registrado: é justamente pelo fato de ser distinto os 8 setores dessas microrregiões das demais microrregiões que Jeremoabo e Cotegipe apresentam baixa capacidade de gerar emprego. Se tivessem um comportamento médio e os setores fossem tão dinâmicos quanto, por exemplo, microrregião de Barreiras, a história tenderia a ser outra.

Na liderança de baixo coeficiente de especialização, ficou Ilhéus. Esse comportamento dos setores serem semelhantes ao resto da Bahia não chega a ser um problema: o problema da microrregião já foi exposto na Etapa 1, a saber: baixa capacidade ao longo do tempo de gerar empregos formais.

Por fim, analisamos aqui o CE e QL de um setor que chama a atenção quando olhamos a composição de empregos formais na Bahia: Administração Pública. Como resultado, temos o seguinte:

1. Ano 2002: A Adm Pública, representando 32%, foi o setor com maior quantidade de empregos formais. Salvador foi responsável por 51,2% desse resultado no setor;

2. Em 2018, o setor de adm pública passa ao 2º lugar com 27%, e o setor de Serviços torna-se o maior em geração de empregos formais com 33,92%. Salvador segue como cidade com maior quantidade de empregos formais, e representa 62% do setor de serviços.

O policy-maker, visando ao desenvolvimento regional, deve avaliar o caso de Jeremoabo e Cotegipe. Para o desenvolvimento de ambas microrregiões, não é necessário a conduta de distribuir subsídios sem critério de metas estratégicas a serem alcançadas: é importante investir em educação, a fim de que a mão-de-obra esteja preparada para os desafios atuais de uma sociedade em transformação pelo impacto da tecnologia. Além de focalizar em uma agenda microeconômica que dê aos agentes econômicos um incentivo adequado e uma agenda institucional capaz de criar um quadro jurídico que seja sinônimo de segurança para que, assim, o investimento seja possível. 

Nesta etapa, analisamos o comportamento do setor público. Para tanto, analisamos o Mapbox da participação de empregos gerados nesse setor em relação ao total de setores da Bahia: a finalidade aqui é a de ir além do que a estatística espacial do mapa de quantis da amostra das microrregiões pode fornecer: captar outlier. Depois disso, analisamos a variação do setor durante o intervalo 2002-2018 com a mesma estatística espacial, Mapbox. 

Segue o primeiro gráfico: participação de empregos gerados pelo setor público em relação ao total de todos os setores da Bahia.

Através do Mapbox, identificamos um outlier: Jeremoabo. Tal fato é importantíssimo no que foi desenvolvido até agora em outras etapas porque, a partir dele, podemos entender o porquê na Etapa 1 termos verificado que Jeremoabo ao longo do tempo não tende a gerar tantos empregos formais em outros setores: a explicação disso pode ser dada da seguinte forma: uma vez que o setor de administração pública é um setor que captura impostos da sociedade e, dessa forma, tende a diminuir a poupança privada dos agentes econômicos (Sp = Y-C-T), pode ser que não haja estímulo ao investimento privado em setores que dinamizam a economia, o que leva a pouca demanda no mercado de trabalho. Diante disso, o resultado social, olhando o emprego formal, é negativo. Poderíamos ir além na análise aqui: pode-se conjecturar que exista um tradeoff entre emprego do setor público e emprego em outros setores no caso de Jeremoabo. Dessa forma, uma concentração de empregos no setor público terá um custo social, a saber: possível desaquecimento no mercado de trabalho de outros setores.

Indo além na análise: o caso de Jeremoabo só reforça as dicas sugeridas nas etapas anteriores quando o policy-maker deseja alcançar o desenvolvimento: reformas microeconômicas e institucionais. E o investimento em capital humano, uma vez que setores dinâmicos necessitam de mão-de-obra qualificada.

Para finalizar essa discussão, nota-se que entre 50% e 75% das microrregiões possuem um grau elevado de participação relativa do setor público em relação ao total dos setores: chegando a corresponder até aproximadamente 49% do total de empregabilidade em 24 microrregiões. 

Abaixo, temos o gráfico que analisa a variação dos empregos do setor público ao longo do tempo.

Antecipando um fato interessante sobre o caso da variação de empregos o setor público ao longo do tempo: microrregião de Barreiras é um dos outliers. Tendo uma variação muito alta, Barreiras tende a apresentar o possível tradeoff conjecturado até aqui então? Seria um contra-exemplo? Ou será que a ideia de um tradeoff não se revela ser perfeita que foi sugerida para o caso de Jeremoabo?

A seguir, discutimos esses fatos.

Qual explicação para o fato de Barreiras? É um contra-exemplo a ideia de tradeoff apresentada? De forma alguma. A razão é clara: porque Barreiras se difere de Jeremoabo por ser um grande polo econômico que possui uma especialização não só na atividade agropecuária, mas também em atividades que contam com a participação de tecnologia. Assim sendo, fica fácil entender esse caso: como os setores de Barreiras têm uma grande capacidade de contribuir com impostos dado o crescimento econômico, a alta empregabilidade no setor público acaba sendo compensada. Temos, então, um efeito compensador do tradeoff nessa microrregião.

O fato é que notamos a presença de um outro outlier: Entre Rios. Além disso, notamos que boa parte da Bahia tem uma tendência a ter o setor público como agente empregador. Isso pode, como já vimos, comprometer o desenvolvimento regional.