Revista: CCCSS Contribuciones a las Ciencias Sociales
ISSN: 1988-7833

---

IDENTIFICAÇÃO DOS COMPONENTES ASSOCIADOS AO DESEMPREGO NO MERCADO DE TRABALHO BRASILEIRO

---

1. Introdução

O Instituto Brasileiro de Geografia e Estatística (IBGE), por intermédio da Pesquisa Nacional por Amostra de Domicilio Contínua (PNAd contínua) para o 1º trimestre de 2016, trouxe a público dados do desemprego atual no Brasil. Com uma taxa de desempregados de 11,2%, o país detém cerca de 11,4 milhões de brasileiros que estão sem empregos no âmbito nacional. Esse percentual é o maior já registrada pelo (IBGE) desde de 2012 quando começou-se as pesquisas para tipo de indicador social.
Ante ao exposto, quais seriam os determinantes econômicos que possivelmente estariam associados ao fenômeno do desemprego no pais? É motivado por tal inquietação que o presente artigo se propõe a firmar um juízo preliminar sobre a atual dinâmica do desemprego, de maneira a identificar os vetores econômicos, que de forma subjacente, estejam associados às perdas de postos de trabalho no mercado brasileiro. Para o alcance de tais pretensões, tomaremos como fulcro metodológico a Análise Multivariada, por meio da técnica de Análise Fatorial (AF), fazendo uso de ferramentas computacionais, com vistas ao desenvolvimento de um modelo econométrico, com grau de adequabilidade estatística robusta e habilitado a explicar, em termos relativos o cenário ora descrito. Da mesma forma, literaturas especializadas que tratam das dinâmicas de desemprego e dos aspectos metodológicos aqui adotados como Phillips (1958), Vargas (2000), Pena(2013), Satoris (2003), Downing (1998), entre outros, serão evocadas para fins de se examinar hipóteses teoricamente defendidas no campo das ciências econômicas. Ao cabo, concluiremos que os investimentos nos setores primário e terciário; as reduções dos custos do setor imobiliário são, do ponto de vista econômico, os caminhos aqui apontados para a reversão do atual cenário.

2. Materiais e Métodos
2.1. Área de Observação
Dados oficiais do Instituto Brasileiro de Geografia e Estatística (IBGE) dão conta de que, o estado brasileiro situa-se América Latina comportando atualmente uma população da ordem de 204,450 milhões habitantes. Além disso, detém um território de 8,515 milhões km², um Produto Interno Bruto (PIB) de US$ 3,072 trilhões e um PIB per capita de US$ 15.153,00.
No que tange o mercado de trabalho, dados do Ministério do Trabalho e Emprego (MTE) apontam que, em 2015 o país encerrou o ano com um saldo de -1,625 milhões de vínculos formais perdidos, e segundo o IBGE, com uma taxa de desemprego de 6,9% ao final desse período.
2.2. Métodos Utilizados
I) Coleta de dados:
Procedeu a compilação de dados relativos ás atividades econômicas principais do pais, bem como informações relativas as variáveis monetárias e de investimentos no país, para o período de 2000 até 2015. Para extração dessas informações foi acessado o banco de dados do Sistema de Modelagem SIDRA/IBGE, bem como os sistema de acesso online do Cadastro Geral de Empregados e Desempregados (CAGED) de responsabilidade do MTE. Em seguida, com objetivo de sistematizar as informações, os dados extraídos foram importados para uma planilha, e consolidados na Tabela 1.
II) Modelo Matemático
Pena (2010) alega que para exposição simplificada de uma dada realidade, dentro de uma perspectiva teórica, é basilar e oportuno o firmamento de um polinômio linear com a finalidade de estimação, podendo assumir a figura de um modelo regressão simples com uma única variável explicativa. Para facilitação algébrica da técnica metodológica, o modelo pode ser expresso da seguinte forma:
Onde:
Q = a variável dependente
φ= intercepto do modelo
β.η = vetoriza a inclinação da equação

III) Modelo Econométrico
Uma vez assimilado o modelo matemático, passa-se a edificação de um modelo estatístico, em condições de superar as limitações deterministas do arcabouço algebrico (1), de forma a captalizar no transcurso da inferição dos parametros, as resultantes estocasticas das variáveis especificadas na estrutura algébrica. Dessa maneira, o modelo estatístico trasnforma-se em um modelo de regressão linear, admitindo duas variáveis explicativas, assim ilustrado:
Onde:
TDEM = Taxa de Desemprego Anual
φ= intercepto do modelo
β1.η1 = aponta a inclinação da equação (1º fator)
β2.η2 = aponta a inclinação da equação (2º fator)
e = erro aleatório (ou estocástico)

Sartoris (2003) avalia que o componente erro aleatório ou erro estocástico ( representa todas interferências exogenas ao modelo com possibilidades de produzir alterações no comportamento da variável dependente (TDEM). Para essa situação, este tipo de erro pode ser resultante de variáveis que foram suprimidas ao longo do processo de especificação do modelo, com fito de torna-lo mais robusto e significativo,  implicando na tomada de apenas dos dois fatores (η1 e η2 ) selecionados para melhor explicar o fenomeno em exame.

IV) Tratamento de Dados
Para tratamento e modelagem das variáveis selecionadas fez-se uso  de ferramentas computacionais com o intento de desenvolver uma Análise Multivariada (AM) que permita a exposição de um diagnóstico preliminar das múltiplas variáveis (atividades e indicadores) distintas, de forma a se perceber o nível de correlações existentes entre elas.
Uma vez definida as variáveis a serem examinadas fatorialmente pelo método de rotação varimax, usou-se dois testes de hipóteses objetivando avaliar a confiabilidade das cargas fatoriais produzidas:
(I) teste de Kaiser-Meyer-Olkin (KMO): que exibe a proporção da variância entendida como comum a todas as variáveis distintas, ou seja, que expõe o fator comum entre as variáveis, implicando que: próximo de 1, mais apropriada é a amostra para o emprego da análise fatorial. Na compreensão de Hair et al. (2006), o mesmo discerni que a partir de 0,5 tem-se um KMO de consistência interna aceitável;
(II) teste de esfericidade de Bartlett: examina a robustez geral da matriz de correlação, em outras palavras, testa a hipótese nula de que a matriz de correlação é uma matriz identidade.
No desenvolvimento da AF foi produzido de 3 (três) fatores, que equivalem, cada um, a um rol de atividades econômicas e indicadores que conservam entre si intensa correlação, e dessa forma passam a serem exibidas a partir de dimensões latentes, a qual denomina-se fatores.
Ainda na esteira do tratamento de dados, os escores fatoriais correspondentes as cargas fatoriais geradas foram examinados em conjunto com as taxas anuais de desemprego do Brasil por intermédio de uma regressão linear múltipla, com fito de elaborar um modelo econométrico, habilitado a apresentar explicações sobre o patamar de desemprego associado aos fatores obtidos a partir da interação entre atividades econômicas e indicadores do mercado de trabalho brasileiro.

3. Resultados e Discussões
Com fulcro na técnica da AF desenvolvida, foi possível proceder aos testes KMO e Bartlett. Inicialmente observou-se que os fatores obtidos não apresentaram adequabilidade, e considerando que as pretensões do presente estudo tem por finalidade a aferição dos determinantes do desemprego no mercado de trabalho formal, tornou-se imperativo a retirada da variável “Agricultura” do rol de variáveis, uma vez que cerca de 70% dos trabalhadores que compõe essa atividade encontram-se na informalidade (PNAD,2013). Outra variável que pouco estabeleceu relações com as demais variáveis, para fins de explicar o desemprego, foi a “PFI”, onde tal fenômeno se justifica pelo fato do estoque de emprego no setor industrial ter se comportado de maneira inversa em relação a taxa de desemprego do país ao longo dos últimos 11 anos 1.  E ao proceder a aplicação da AF, sem esta variável, o teste de KMO apontou significância nas correlações das variáveis ao nos exibir um valor de 0,539 indicando que a composição fatorial (em 3 fatores) possui um nível relevante de adequabilidade. Da mesma forma, o teste de Bartlett, com um potencial de 68,642 registrando que as correlações são significantes a um nível de 1% de probabilidade, conforme se pode inferir na Tabela 2.

Ainda sobre o desenvolvimento fatorial das variáveis, obteve-se, além dos testes anteriormente expostos, os valores da variância total explicada exibida na Tabela 3, onde possível inferir que os primeiros três fatores na coluna “componente” explicam cerca de 93,982% da variância total das variáveis, medida essa notadamente satisfatório e robusta, que corroboram o nível de composição fatorial das variáveis escolhidas para explicar o fenômeno do desemprego no mercado de trabalho brasileiro.
É imperioso nesta etapa avaliar as cargas fatoriais significativas na matriz rotacionada, com fito de conferir nomenclatura aos fatores F1, F2 e F3 na Tabela 4. Nessa tabela as cargas fatoriais maiores, situadas na linha das variáveis, estão vinculadas ao fator da matriz rotacionada, nesse particular, o “F1”, que será chamado de “Investimentos no Setor Primário e Terciário”, é composto de seis variáveis (Serviços, Taxa de Investimento do País e Pecuária); o segundo fator “F2”, que explica mais de 27% da variância total, se chamará de “Inflação e Custo Imobiliário”, constituído de duas variáveis (IPCA e Custo da Construção Civil); e por fim fator “F3”, que atribuímos o nome de “Vendas do Comércio Varejista” é composto apenas pelo Volume de Vendas do Comércio Varejista.
Desenvolvida a AF, torna-se conveniente uma avaliação econométrica, por intermédio do processo de regressão linear múltipla. Inicialmente tem-se a disposição uma equação fatorial, tendo como regressores os fatores extraídos da AF, e como variável dependente a o nível de desemprego do país:
Onde:
TDEM = Taxa de Desemprego do País ao ano; φ= representa o valor médio da Taxa de Desemprego quando os fatores forem iguais à zero; (𝛽1, 𝛽2, 𝛽3) = são os coeficientes estimados pelo método dos Mínimos Quadrados Ordinários (MQO) e medem as alterações no valor médio de TDEM resultante da variação de um escore fatorial em um dos fatores, em ceteris paribus; (IPT; ICC; VCJ) = correspondem as variáveis explicativas ou aos regressores do modelo, sendo eles: Investimentos no Setor Primário e Terciário, Inflação e Custo Imobiliário e Volume de Vendas do Comércio Varejista, respectivamente; e = é o erro aleatório do modelo (3).
Agora tem-se a apresentação da base de dados a ser usada no modelo de regressão linear múltipla (3):
Os números que compõe a segunda coluna da Tabela 5 correspondem as taxas anuais de desemprego no Brasil, para o período de 2000 a 2015; os números que formam as colunas dos fatores são escores fatoriais, e foram calculados a partir das cargas fatoriais, onde os mesmos correspondem aos valores dos fatores ao longo do ano para fins do arcabouço algébrico (3).
Modelada a regressão linear via dados da Tabela 5, inicialmente obteve-se as estatísticas ilustradas na Tabela 6. A mesma registra que o percentual de explicação para ao modelo, conferido pelo coeficiente de determinação (R² ajustado), foi de 0,664503, ou seja, aproximadamente 66,45% das variações ocorridas nos níveis de desemprego do Brasil são explicadas: pelas variações nos investimentos nos setores primário e terciário da economia brasileira; pelos níveis de inflação ao consumidor e no mercado imobiliário do país; e pelos níveis no volume de vendas do segmento varejista brasileiro. Por outro lado, apenas 33,5% correspondem a variações exógenas, produzidas por variáveis que não encontram-se especificadas no modelo TDEM.

Dentre os testes de hipóteses estatísticas, apontadas como mais relevantes pela literatura especializada, tem-se as Estatísticas t e F, que de acordo com Sartoris (2003) possibilita constituir um juízo sobre a adequabilidade dos parâmetros e do modelo para fins de explicações sobre o fenômeno do desemprego brasileiro. Para o cálculo dessas inferências utilizou-se um software econométrico, onde apurou-se os seguintes resultados:
Para o modelo TDEM observa-se que os parâmetros das variáveis IPT e ICC apresentaram-se significativos a 5% de probabilidade de erro, o que possibilita inferir que esses coeficientes técnicos são significativos para explicar as variações nos níveis de desemprego do país entre os anos de 2000-2016, a exceção do parâmetro da variável VCJ, que apresentou baixo poder de explicação para as variações na variável dependente, ocorrência que pode ser justificada pelo fator dos efeitos do segmento do comercio já está compreendido no fator IPT, uma vez que o mesmo abarca todo setor terciário. Outro componente a se destacar é a estatística F de 10,9 que mostra-se significante a 1% de probabilidade, o que permite concluir que o modelo em questão é adequado para explicar os níveis de desemprego no país ao longo dos últimos 16 anos.
Objetivando o melhor exame dos resultados da ANOVA, torna-se fundamental a exibição consolidada da representação algébrica de TDEM, onde na Tabela 7 temos os valores correspondentes aos coeficientes dos fatores, do intercepto e das estatística t de cada coeficiente:
É possível inferir do modelo (4) que os investimentos nos setores primário e terciário impactam negativamente no nível de desemprego do país, pois para cada unidade de escore fatorial deste fator, ceteris paribus, tem-se uma retração na taxa anual de desemprego da ordem de 2,05% sobre o percentual médio 8,11%. Em termos de comércio varejista, uma unidade de escore fatorial no varejo implica em uma retração no nível de desemprego do país de apenas 0,034%. Tal impacto corrobora com o trade off entre desemprego e ampliação da atividade varejista apontado por Vargas (2000), contudo, esse percentual de impacto ínfimo convalida a conclusão quanto ao baixo poder de explicação do varejo no modelo, já apontado a anteriormente na ANOVA. E contrariando as premissas de Phillips (1958)2 e Samuelson & Solow (1960), é possível notar no modelo que incrementos nos níveis de inflação ao consumidor e nos custos imobiliários impactam fortemente em +1,04% na taxa de desemprego do país.

4. Considerações Finais
O presente artigo teve como finalidade a tentativa de se identificar os determinantes econômicos associados ao fenômeno do desemprego no pais, de forma a e perceber os vetores econômicos, que de forma subjacente, implicaram nas perdas vínculos formais no mercado de trabalho brasileiro. E a partir da técnica da AF constatou-se que, os investimentos nos setores primário e terciário são capazes de promover uma subtração significativa nos níveis de desemprego do país da ordem de 2,05% ao ano. Não por acaso, o setor agropecuário, que encerrou 2014 já com uma perda de 20.880, voltou a contabilizar perda, chegando ao final de 2015 com um saldo negativo de 5.851 vínculos empregatícios. O setor de serviços, que registrou em 2014 um saldo positivo de 373.098 vínculos formais, encerrou 2015 com uma perda 317.443 postos de trabalho, ou seja, os ganhos em postos de trabalho em 2014 foram quase todos perdidos em 2015 neste segmento. Tais ocorrências corroboraram fortemente a tendência de alta na taxa de desemprego nacional nos últimos dois anos.
Outro dado a se destacar foi o impacto negativo que os custos de insumos da construção civil promovem na geração de novos vínculos formais de trabalho. Aliado aos níveis de preço do consumidor, os custos imobiliários incrementaram em 1,04% ao ano os níveis de desemprego no Brasil. Tal fenômeno é corroborado pelas retrações observadas no setor da construção civil, que em 2015 fechou com um saldo negativo de 414.092 vínculos, e em 2016 já acumula uma perda de 88.700 vínculos formais. E por fim, a aferição dos resultados apontaram para uma correlação positiva entre os níveis de preço ao consumidor e as taxas de desemprego anuais do país, fenômeno esse que contradiz as observações de Samuelson e Solow (1960) em suas observações empíricas do mercado de trabalho norte-americano.
Portanto, a partir de um olhar econométrico, foi possível aferir os componentes econômicos associados ao desemprego no país, sugerindo a adoção de políticas públicas que visem estimular, via investimentos, os setores primário e terciário, bem como a adoção de medidas que barateiem os insumos associados ao setor da construção civil, bem como medidas que visem à redução dos níveis de preços ao consumidor, com vistas à reversão do cenário crônico de desemprego que atualmente assolado o país.
5. Referências                                                      
< http://portal.mte.gov.br/rais/> Acesso em 21/06/2016.
< http://www.ibge.gov.br/home/> Acesso em 12/06/2016.
< http://www.sidra.ibge.gov.br/> Acesso em 04/06/2016.
DOWNING, D.; WESTERFIELD, R.W. & BRADFORD, D.J. Princípios administração financeira. São Paulo: Saraiva,1998.
HAIR, Jr.; BLACK, W. C; BABIN, B. J; ANDERSON, R. E & TATHAM, R. L. Multivariate Data Analysis. 6ª edição. Upper Saddle River, NJ: Pearson Prentice Hall, 2006.
LAKATOS, E. M; MARCONI, M, A. Metodologia do trabalho científico: procedimentos básicos, pesquisa bibliográfica, projeto e relatório, publicações e trabalhos científicos. 7ªed. 7ª reimpr. São Paulo: Atlas, 2012.
PENA, H. W. A. Métodos Quantitativos: Metodologia de Análise Econométrica: Especificação e Análise a partir do método dos mínimos quadrados ordinários- M. Q. O. Universidade Federal Rural da Amazônia. Belém- PA. 2010.
___________ Modelagem da conversão de ecossistemas no contexto da economia: uma análise aplicada ao município de Mojú, nordeste do estado do Pará. In: Universidade Federal Rural da Amazônia – UFRA. (tese de doutorado), Belém/PA - 2013.
PHILLIPS, A. W. The relationship between unemployment and rate of change of money wages in the Unitened Kingdom, 1861- 1957. In: London School of Economics - 1958.
SAMUELSON, P.A.; SOLOW, R.M. Analytical aspects of anti-inflation policy. American Economic Review, v. 50, n. 2, May, p. 177-194, 1960
SARTORIS, A. Estatística e introdução a econometria. São Paulo: Saraiva, 2003.
VARGAS, H. C. O comércio e os serviços varejistas: principais agentes e sua inserção urbana.  In: GEOUSP Espaço e Tempo. Nº 8 FFLCH-USP /Humanitas, p 77-87.dezembro/2000.

Recibido: 24/09/2016 Aceptado: 15/12/2016 Publicado: Diciembre de 2016

---

Nota Importante a Leer:

Los comentarios al artículo son responsabilidad exclusiva del remitente.

Si necesita algún tipo de información referente al articulo póngase en contacto con el email suministrado por el autor del articulo al principio del mismo.

Un comentario no es mas que un simple medio para comunicar su opinion a futuros lectores.

El autor del articulo no esta obligado a responder o leer comentarios referentes al articulo.

Al escribir un comentario, debe tener en cuenta que recibirá notificaciones cada vez que alguien escriba un nuevo comentario en este articulo.

Eumed.net se reserva el derecho de eliminar aquellos comentarios que tengan lenguaje inadecuado o agresivo.

Si usted considera que algún comentario de esta página es inadecuado o agresivo, por favor,pulse aqui.