Concentração de Capital Humano e Diferenciais de Emprego entre as regiões brasileiras 1

Concentração de Capital Humano e Diferenciais de Emprego entre as regiões brasileiras 1 RESUMO O objetivo central do trabalho é analisar os efeitos da concentração de mão-de-obra qualificada no emprego, oferta de trabalho e taxa de ocupação, nas diferentes regiões brasileiras entre 1980 e 2010. O trabalho também investiga se os efeitos da concentração de capital humano afeta todos os trabalhadores, considerando sexo, idade e educação, da mesma forma ou se existe diferentes efeitos de acordo com as características individuais. A análise é feita tanto em nível agregado (municípios) como para os indivíduos. Uma contribuição do trabalho é a utilização de uma variável instrumental para predizer o nível de concentração de capital humano ao invés de se usar somente o nível observado, a partir da concentração de pessoas com nível médio ou superior de educação, atualmente nas localidades. Utilizamos dados do censo demográfico do Brasil de 1980 a 2010 e modelos de regressão múltipla. Palavras-chave: capital humano, oferta de trabalho, Brasil, diferenciais 1

Concentração de Capital Humano e Diferenciais de Emprego entre as regiões brasileiras 1 INTRODUÇÃO As condições de emprego (taxa de atividade, ocupação e salários) diferem bastante entre as diferentes localidades de um país. Em países em desenvolvimento, como no caso brasileiro, essa diferença é observada tanto nas áreas mais desenvolvidas, tal como o Sudeste como nas regiões menos desenvolvidas, como por exemplo as regiões Norte e Nordeste. Essas diferenças observadas nos mercados de trabalho locais geraram uma extensa literatura que vem tentando entender melhor os mecanismos que podem explicar a dinâmica dos mercados de trabalho locais (Savedoff, 1990; 1991; Queiroz, 2003; Moretti, 2004, 2011; entre outros). De modo geral, diversos estudos têm se dedicado a entender como a concentração de capital humano de uma localidade pode afetar os níveis de salários dos trabalhadores localizados naquela região (Savedoff, 1990; 1991; Queiroz, 2003; Queiroz e Calazans, 2012; Moretti, 2004; Rauch, 1993; Molho, 1991). Todavia, os efeitos da concentração de trabalhos qualificados podem ter impactos em outras dimensões importantes do mercado de trabalho, tal como a taxa de atividade econômica e nível de ocupação. As evidências empíricas para os Estados Unidos e para o Reino Unido vem mostrando que a concentração de profissionais altamente qualificados em uma localidade gera externalidades positivas para toda a economia local, aumentando a participação dos indivíduos da força de trabalho, principalmente entre os menos qualificados (Manning, 2004; Kaplanis, 2010; Gabe and Abel, 2011; Winters, 2012; Iranzo and Peri, 2006) Neste artigo, buscamos responder a pergunta: como a distribuição e concentração de capital humano pode afetar a oferta de trabalho nas localidades brasileiras? De forma mais específica, avaliamos esse efeito ao longo do tempo (1980 a 2010) e estudamos se os impactos da concentração de capital humano é o mesmo para toda a população ou se são observados diferenciais importantes de acordo com as características individuais. A hipótese central do trabalho é que a concentração de capital humano afeta o emprego ao influenciar na decisão dos trabalhadores de entrar no mercado de trabalho e dos seus investimentos em qualificação. Além disso, a concentração de capital humano está relacionada com economias mais dinâmicas que tem uma maior demanda por trabalhadores. Nossa segunda hipótese é que os efeitos são diferentes para trabalhadores 2

de acordo com a idade mais jovens reduzem oferta de trabalho para investir em educação e por nível educacional menos educados enfrentam maiores dificuldades de entrar no mercado de trabalho. A concentração de capital humano (pessoas com maior nível de educação) em determinadas localidades é considerada um dos principais elementos para explicar os diferenciais observados. Seguindo a teoria de capital humano de Becker, sabe-se que trabalhadores mais qualificados comandam salários mais elevados, todavia existem ainda outros elementos relacionados a essa concentração que podem levar aos diferenciais observados (Topel, 1996; Moretti, 2011; Glaeser, 2011). Todavia, existem poucos estudos sobre os efeitos da concentração de educação em outras dimensões do mercado de trabalho (Manning, 2004; Kaplanis, 2010). Moretti (2011) apresenta uma extensa revisão da literatura e mostra resultados importantes da concentração de mão-de-obra sobre os ganhos de produtividade de determinadas localidades e na capacidade de atrair investimentos de alta tecnologia e mais produtivos. Todavia, o autor argumenta, assim como Glaeser & Gottlieb (2010), que não há um consenso na literatura sobre a importância e os efeitos da economia de aglomeração. Glaeser & Maré (1994) mostram que as cidades, devido a sua conformação, facilitam as trocas de conhecimento e habilidades entre os trabalhadores. Dessa forma, as cidades, ao apresentarem um ambiente mais denso, facilitam as relações interpessoais e os trabalhadores menos produtivos se beneficiam das informações vindas dos mais produtivos. Esse efeito torna-se mais forte em localidades com elevado grau de capital humano médio, consideradas mais produtivas, pois o intercâmbio entre os trabalhadores aumenta a produtividade global e, consequentemente, o nível salarial (Glaeser, 2011; Golgher, 2008). Molho (1992) e Topel (1986) argumentam que a variabilidade regional dos salários deve-se tanto as características dos indivíduos como as condições regionais. O impacto regional pode ser dado por: estrutura do emprego regional, dinâmica do mercado de trabalho e diferenciais de custo de vida. Glaeser et al. (1992) sugere que as cidades (regiões) mais densas apresentam um padrão mais dinâmico de crescimento, uma vez que as firmas localizadas nestas localidades se beneficiam dos conhecimentos gerados pelas empresas vizinhas. Por outro lado, as firmas geograficamente isoladas não 3

apresentam os ganhos advindos da aglomeração produtiva. Do mesmo modo, os trabalhadores residentes em densas aglomerações se beneficiam do conhecimento e das habilidades dos outros trabalhadores, mesmo que estes estejam lotados em diferentes firmas. Embora a magnitude do retorno da educação formal seja considerável e um dos mais importantes tópicos de estudo na teoria econômica, a literatura concentrou-se inteiramente nos efeitos privados deste retorno, embora existam claras evidências da existência de retornos sociais à educação formal. O trabalho clássico sobre os efeitos sociais da acumulação individual de capital humano é o de Acemoglu (1996). Neste estudo, o autor propõe os microfundamentos da taxa de retorno social da educação formal. A premissa básica do modelo é que os investimentos pessoais em educação e treinamento criam benefícios para os demais agentes da economia, tanto mais qualificados como menos qualificados. Acemoglu (1996) mostra que ao investir em capital humano os indivíduos se tornam mais produtivos e ao se relacionar com os outros trabalhadores, no local de trabalho ou fora dele, são capazes de transmitir conhecimentos e novas habilidades para os demais. Além disso, ao encontrar trabalhadores mais qualificados as firmas têm maior incentivo em investir em capital físico de maior tecnologia. Este contato com máquinas e equipamentos modernos eleva a produtividade de todos os trabalhadores, inclusive daqueles que pouco investiram em capital humano (Berry & Glaeser 2005). 2 DADOS E MÉTODOS Nós utilizamos os dados do Censo Demográfico do Brasil para os anos de 1980, 1991, 2000 e 2010, coletados pelo Instituto Brasileiro de Geografia e Estatística (IBGE) e disponibilizados pelo projeto IPUMS. A escolha do censo como fonte principal de dados justifica-se pela possibilidade de se analisar os mercados locais do Brasil, ao invés de concentrar a análise nas regiões metropolitanas e estados da federação. O Censo Demográfico fornece uma série de informações referentes ao mercado de trabalho e a situação geral dos indivíduos. O IPUMS coleta e organiza informações de dados censitários de diversos países do mundo, buscando compatibilizar e harmonizar as variáveis existentes para que possam ser comparáveis entre países e no mesmo país ao longo do tempo. 4

A construção dos mercados de trabalho locais no Brasil foi feita utilizando a variável de municípios brasileiros compatibilizada pelo IPUMS entre 1980 e 2010. Como os limites geográficos das localidades não permaneceram constantes no tempo, essa variável harmonizada foi criada a partir da estrutura existente em 1980. Na construção das unidades geográficas, os municípios com menos de 20.000 habitantes foram reagrupados em um único grupo chamado "Resto do Estado. Assim, ao invés de trabalhar com cerca de 5000 localidades existentes no censo de 1991, a análise é feita com base em 1774 unidades geográficas comparáveis. Cabe ressaltar, que é possível identificar a localização geográfica (mesorregião) de todos os municípios brasileiros em todos os pontos do tempo, inclusive os agrupados no grupo "resto do estado". O efeito da concentração de mão-de-obra qualificada na oferta de trabalho e no nível de ocupação dos mercados de trabalho locais no Brasil é feito em duas etapas distintas. Em primeiro lugar, avaliamos qual o efeito do nível de educação no nível de ocupação e na oferta de trabalho do município. Em segundo lugar, estimamos o efeito do nível da concentração de mão-de-obra qualificada nas probabilidades individuais de ofertar trabalhar e estar ocupado, buscando, assim, responder a duas perguntas: i) qual o efeito da concentração de capital humano e ii) se essa concentração beneficia todos os trabalhadores ou se determinados sub-grupos se beneficiam mais do que outros. Como a oferta de trabalho individual é afetada pelo nível de salários locais, seguindo o modelo básico de oferta de trabalho, é fundamental incluir essas variáveis no modelo de regressão com objetivo de estimar o efeito da concentração sobre as variáveis de interesse. Outras características do mercado de trabalho que devem ser consideradas no estudo: amenidades urbanas (Glaeser, 2011), custo de vida local (Rauch, 1993), composição ocupacional das localidades (Topel, 1994) e estrutura etária da população (Amaral, 2013). O estoque de capital humano de cada localidade é dado pelo número de pessoas com curso superior, (em alguns casos a análise é feita com pessoas com ensino médio completo). Todavia, a distribuição espacial da população por educação está associada a fatores não observados que por sua vez podem estar correlacionados com o nível de renda, de forma que o nível de educação se torna endógeno em nosso modelo (MORETTI, 2004). A alternativa para contornar esse problema é instrumentalizar o 5

estoque de mão-de-obra qualificada nas localidades a partir de informações defasadas da localidade, de modo a eliminar qualquer tipo de endogeneidade. Assim, a proporção de graduados de 2010 é estimada a partir das observações do censo de 2000 e seguimos a mesma lógica para os períodos anteriores. Ainda baseado em MORETTI (2004), utilizamos a estrutura etária defasada da população como instrumento, pois há evidências que as coortes mais jovens entrantes no mercado de trabalho são mais educadas que coortes mais velhas, de modo que quanto maior da razão de dependência no passado, maior será a proporção de graduados no futuro. Ademais, incluímos as taxas de escolarização líquidas no ensino médio e o rendimento total do trabalho como instrumentos defasados como forma de mensurar a qualidade do nível de educação nas localidades brasileiras. 3 RESULTADOS 3.1 Análise descritiva Entre 1991 e 2010, o Brasil passou por diversas mudanças demográficas, sociais e econômicas que impactam diretamente tanto o nível do estoque de capital humano quanto a taxa de atividade da população em idade ativa. Como, podemos observar na TABELA 1, a proporção de indivíduos de 20 a 64 com ensino superior completo, subiu de 5,11% em 1991 para 11,63% em 2010, sendo que o aumento é mais expressivo entre os anos de 2000 e 2010. Já a taxa de atividade dos homens no mesmo grupo etário cai de 91% para 84% entre 1991 e 2010. TABELA 1 Proporção de pessoas com ensino superior e taxa de atividade masculina - Brasil, 20 a 64 anos - 1991, 2000 e 2010 Proporção de graduados Taxa de atividade Correlação 1991 5.1% 90.8% -0.2895 2000 5.9% 87.3% 0.2336 2010 11.6% 84.0% 0.4905 Fonte: Elaboração própria com base nos Censos Demográficos de 1980, 1991, 2000 e 2010 Nota: estatisticamente significativo a 1% O Gráfico 1 mostra a correlação entre o estoque de capital humano e a taxa geral de atividade masculina nos três últimos censos, sem incluir nenhuma variável de controle. Em 1991, a correlação entre o estoque de capital humano da população em idade ativa e 6

a taxa de atividade masculina em uma localidade era negativa e significativa. Já para os anos de 2000 e 2010 a correlação passa a ser positiva, significativa e aumenta de intensidade com o passar dos anos, ou seja, nos anos mais recentes localidades com maior concentração de mão-de-obra educada apresentavam uma maior taxa de atividade econômica.. GRÁFICO 1 Relação entre o estoque de capital (proporção de graduados no ensino superior) e a taxa de atividade masculina - 1991, 2000 e 2010 1991 2000.4.6.8 1 2010 0.1.2.3.4.6.8 1 0.1.2.3 % graduados taxa de atividade Valores ajustados Fonte: Elaboração própria com base nos Censos Demográficos de 1980, 1991, 2000 e 2010 Estimação do estoque de capital das localidades Antes de apresentar os resultados para os efeitos da concentração de capital humano sobre a chance de estar incluso na PEA ou não, apresentamos com um pouco mais de detalhe a relação entre as duas variáveis no nível macro e do processo de estimativa da variável de estoque de capital humano em cada localidade. Em todos os casos o estoque de capital humano está medido através da proporção de pessoas com ensino superior de 20 a 64 anos e a taxa de atividade considera os homens, nesse mesmo grupo etário, que trabalhavam ou procuravam trabalho no período de referência. De maneira geral, os modelos estão bem ajustados e apresentam um elevado R2-ajustado. 7

TABELA 2 Modelo estimado para a proporção de graduados no ensino superior - Homens e mulheres, 20 a 64 anos Variáveis independentes defasadas 1991 2000 2010 Taxa de escolarização líquida para jovens de 15 0.5063 0.4330 0.3972 anos (0.0041) (0.0019) (0.0011) Taxa de escolarização líquida para jovens de 16 0.1372 0.2559-0.0183 anos (0.0014) (0.0011) (0.0007) Taxa de escolarização líquida para jovens de 17 0.1492 0.0991-0.0713 anos (0.0012) (0.0009) (0.0006) -0.0702-0.0226-0.0382 Razão de dependência jovem (0.0002) (0.0001) (0.0001) 0.0000 0.0000 0.0121 Rendimento médio do trabalho (0.0000) (0.0000) (0.0000) 5.4894 0.3955 1.4041 Constante (0.0188) (0.0072) (0.0102) Número de observações 2045491 2628108 2788730 R2-ajustado 0.741 0.7927 0.8782 Fonte: Elaboração própria com base nos Censos Demográficos de 1980, 1991, 2000 e 2010 Nota: estatisticamente significativo a 1%; ** estatisticamente significativo a 5%; * estatisticamente significativo a 10%; desvio-padrão entre parênteses ( ). A Tabela 2 apresenta os resultados para os três anos analisados. Observamos que quanto maior o rendimento médio do trabalho da localidade no passado, maior será proporção de pessoas com nível superior. Esse resultado é de suma importância e ao encontro com a literatura de capital humano, indicando que localidades mais desenvolvidas demandam e atraem mais força de trabalho qualificada. Em relação a razão de dependência jovem defasada, os resultados não coincidem com os resultados (positivos) encontrados por Moretti (2004) para os Estados Unidos, entre 1980 e 1990. Em todos os anos, os coeficientes da razão de dependência são negativos. Uma possível explicação para tal fenômeno pode ser explicada pelo processo de transição demográfica. As localidades mais desenvolvidas estariam mais adiantadas no processo de envelhecimento da estrutura etária da população que as localidades menos desenvolvidas e também em um processo mais acelerado de universalização e melhoria das condições de escolaridade da população. A variável de maior interesse em nosso modelo são os instrumentos para medir a qualidade do ensino. Os coeficientes estimados foram significativos e positivos para os anos de 1991 e 2000. Por outro lado, para o ano de 2010, as variáveis de qualidade de educação são negativas, ou seja, uma maior taxa de escolarização líquida no censo anterior reduz a proporção de trabalhadores com ensino superior no censo corrente. 8

Resultados individuais Nós utilizamos um modelo de regressão logística para analisar a probabilidade de um trabalhador masculina estar ou não inserido na PEA. O nosso modelo considerou como variáveis controle a idade, a escolaridade, a taxa de urbanização e a proporção de imigrantes da localidade e concentrou na relação entre participar no mercado de trabalho e a proporção de graduados instrumentalizada. Como regiões de altas taxas de atividade atraem um número maior de imigrantes, essa variável também é endógena ao modelo. Para controlar esse problema a proporção de imigrantes corrente é instrumentalizada a partir da proporção de imigrantes defasada, ou seja, estimamos a relação entre o percentual de migrantes em 2010 com base na proporção de migrantes de 2000. Como uma das nossas hipóteses é que os efeitos da educação e da concentração de capital humano sobre a taxa de atividade são diferenciados ao longo da estrutura etária, estimamos quatro modelos para cada um dos anos: homens de 20 a 64 anos (Tabela 3), homens de 20 a 29 anos (Tabela 4), homens de 30 a 49 anos (Tabela 5) e homens de 50 a 64 anos (Tabela 6). Pela TABELA 3, podemos notar que entre os homens de 20 a 64 anos, a concentração de capital humano tem efeitos positivos sobre a chance de participar da força de trabalho nos três anos analisados. Esse efeito é maior no ano de 2000, quando um aumento de um ponto percentual na proporção de graduados gera um aumento de mais de três pontos percentuais sobre as chances de um homem ser da PEA. A distribuição dos trabalhadores com nível superior em 2000 deve explicar boa parte dos resultados observados. Uma maior concentração de pessoas com nível superior acontece em lugares com mercado de trabalho mais dinâmico e maior demanda pro trabalho, resultando nesse impacto positivo. Em 2010, devido ao aumento da proporção de pessoas com nível superior uma redução na desigualdade da distribuição, observamos um efeito mais reduzido. Para os grupos de 20 a 29 anos (TABELA 4) e 30 a 49 anos (TABELA 5), os efeitos são positivos e significativos para os três anos analisados, sendo que o coeficiente sempre é maior em 2000 e menor em 2010. É interessante notar que, em 1991 e em 2000, o efeito da concentração de capital humano é maior para os mais jovens. Contudo, isso se inverte em 2010, sendo que o efeito passa a ser menor para os mais jovens. Isso, pode ser explicado pelo adiamento da entrada no mercado de trabalho por parte dessa 9

população, que busca uma melhor qualificação e portanto, permanece mais tempo na escola. Para a população mais idosa (TABELA 6), em 1991, os efeitos da concentração de capital humano são negativos, em 2000, não significativos e em 2010, positivos. Esse grupo etário está bastante próximo da idade de aposentadoria, deve-se notar que a média de aposentadoria no Brasil é ao redor de 55 anos. Dessa forma, nos anos 1990 é possível que esse grupo etário esteja deixando a força de trabalho e se tornando inativos. Nos anos 2010, com o crescimento da economia e um aumento da demanda por trabalho, que não era atendida pela força de trabalho mais jovem, esse grupo etário reverteu a sua posição no mercado de trabalho aumento a oferta, em especial nas localidades mais dinâmicas. Em relação as demais variáveis incluídas no modelo, chama a atenção, em primeiro lugar, o efeito da educação individual na oferta de trabalho. A chance de um homem participar da força de trabalho está fortemente relacionada com seu nível de escolaridade. Essa chance também está relacionada com a idade do trabalhador. Para a população de 20 a 64 anos, ter ensino superior completo aumenta a chance de ser da PEA em mais de 240% em relação aos homens com ensino fundamental incompleto. Em todos os anos analisados, os efeitos são mais expressivos para a população de 30 a 49 anos (TABELA 5). Em segundo lugar, observamos o efeito positivo e significativo da migração na oferta de trabalho. No modelo, assumimos que a variável migração esteja captando uma parte da dimensão de dinâmica e atratividade de cada localidade, ou seja, localidades mais atrativas para os migrantes teriam um mercado de trabalho mais dinâmica e uma maior taxa de participação no mercado de trabalho. 10

TABELA 3 Razão de chances para a participação da PEA - Homens, 20 a 64 anos 1991 2000 2010 Proporção de graduados predita 1.0074 (0.0019) 1.0307 (0.0013) 1.0081 (0.0008) Idade 0.9531 (0.0003) 0.9608 (0.0002) 0.9834 (0.0002) Ensino fundamental completo (Ref: Ens. fundamental incompleto) 1.0154 (0.0083) * 1.3154 (0.0074) 1.3541 (0.0070) Ensino médio completo 0.9637 (0.0085) 1.4172 (0.0089) 1.7440 (0.0102) Pelo menos ensino superior completo 2.4668 (0.0399) 2.5917 (0.0302) 2.7834 (0.0290) Proporção de imigrantes predita 1.0372 (0.0009) 1.0322 (0.0006) 1.0853 (0.0017) Taxa de urbanização 0.9870 (0.0002) 0.9955 (0.0002) 1.0011 (0.0002) Constante 121.3877 (2.1942) 27.6285 (0.3782) 4.6992 (0.0659) Número de observações 2045491 2628108 2611402 Teste de Wald 39996.54 67805.93 38622.15 Razão de verossimilhança -10359330.00-16166734.00-21420817.00 Fonte: Elaboração própria com base nos Censos Demográficos de 1980, 1991, 2000 e 2010 Nota: estatisticamente significativo a 1%; ** estatisticamente significativo a 5%; * estatisticamente significativo a 10%; desvio-padrão entre parênteses ( ). TABELA 4 Razão de chances para a participação da PEA - Homens, 20 a 29 anos Proporção de graduação predita Idade Ensino fundamental completo (Ref: Ens. fundamental incompleto Ensino médio completo Pelo menos ensino superior completo Proporção de imigrantes predita Taxa de urbanização Constante 1991 2000 2010 1.0466 1.0560 1.0065 (0.0036) (0.0025) (0.0015) 1.2083 1.1339 1.1308 (0.0024) (0.0016) (0.0015) 1.0027 1.4185 1.7287 (0.0127) NS (0.0133) (0.0163) 0.6162 1.2620 2.1193 (0.0084) (0.0129) (0.0209) 1.3511 1.7764 2.6343 (0.0597) (0.0612) (0.0542) 1.0520 1.0369 1.1075 (0.0016) (0.0012) (0.0031) 0.9938 1.0006 1.0032 (0.0004) (0.0003) * (0.0003) 0.1264 0.2049 0.0750 (0.0062) (0.0076) (0.0028) Número de observações 724717 867182 829684 Teste de Wald 11033.61 15030.51 19935.00 Razão de verossimilhança -3387126.70-4895928.60-6938758.50 Fonte: Elaboração própria com base nos Censos Demográficos de 1980, 1991, 2000 e 2010 Nota: estatisticamente significativo a 1%; ** estatisticamente significativo a 5%; * estatisticamente significativo a 10%; desvio-padrão entre parênteses ( ). 11

TABELA 5 Razão de chances para a participação da PEA - Homens, 30 a 49 anos Proporção de graduação predita Idade Ensino fundamental completo (Ref: Ens. fundamental incompleto) Ensino médio completo Pelo menos ensino superior completo Proporção de imigrantes predita Taxa de urbanização Constante 1991 2000 2010 1.0218 1.0485 1.0108 (0.0037) (0.0023) (0.0015) 0.9500 0.9607 0.9926 (0.0010) (0.0006) (0.0006) 1.5045 1.5340 1.4864 (0.0260) (0.0145) (0.0125) 2.0237 2.2611 2.3317 (0.0420) (0.0271) (0.0242) 4.4048 4.3748 3.7112 (0.1626) (0.1053) (0.0720) 1.0358 1.0317 1.0840 (0.0017) (0.0011) (0.0029) 0.9865 0.9964 1.0031 (0.0004) (0.0003) (0.0003) 242.5071 35.6765 3.9215 (11.9176) (1.1376) (0.1231) Número de observações 959517 1272244 1247151 Teste de Wald 7007.29 17535.15 16069.10 Razão de verossimilhança -3063077.40-5895728.90-7896384.50 Fonte: Elaboração própria com base nos Censos Demográficos de 1980, 1991, 2000 e 2010 Nota: estatisticamente significativo a 1%; ** estatisticamente significativo a 5%; * estatisticamente significativo a 10%; desvio-padrão entre parênteses ( ). TABELA 6 Razão de chances para a participação da PEA - Homens, 50 a 64 anos 1991 2000 2010 Proporção de graduação predita 0.9755 (0.0030) 1.0018 (0.0021) NS 1.0130 (0.0015) Idade 0.8845 (0.0010) 0.8887 (0.0007) 0.8880 (0.0008) Ensino fundamental completo (Ref: Ens. fundamental incompleto) 0.7695 (0.0129) 0.9274 (0.0106) 1.1075 (0.0111) Ensino médio completo 0.7779 (0.0143) 0.8953 (0.0112) 1.2486 (0.0143) Pelo menos ensino superior completo 1.5970 (0.0366) 1.7603 (0.0286) 2.1200 (0.0346) Proporção de imigrantes predita 1.0178 (0.0014) 1.0197 (0.0011) 1.0454 (0.0029) Taxa de urbanização 0.9783 (0.0003) 0.9866 (0.0003) 0.9929 (0.0003) 17631.4700 4956.6140 2900.6590 Constante (1196.5970) (261.1406) (169.1114) Número de observações 361257 488682 534567 Teste de Wald 22526.00 24353.12 19988.34 Razão de verossimilhança -3150461.70-4616362.30-5691426.20 Fonte: Elaboração própria com base nos Censos Demográficos de 1980, 1991, 2000 e 2010 Nota: estatisticamente significativo a 1%; ** estatisticamente significativo a 5%; * estatisticamente significativo a 10%; desvio-padrão entre parênteses ( ). 12

4 CONCLUSÃO O trabalho analisa a oferta de trabalho masculina no nível macro (municípios) e micro (individuo) em relação a concentração de mão de obra qualificada no Brasil de 1980 a 2010. A grande parte dos estudos anteriores, sobre concentração de mão-de-obra qualificada, concentra-se nos seus impactos nos salários e no retorno provado e social aos investimentos educacionais. Essa literatura mostra que a concentração gera efeitos positivos para a grande parte dos trabalhadores, de todos os níveis de qualificação. Esses efeitos, que aumentam a produtividade geral e dos trabalhadores tem impacto positivo sobre a oferta de trabalho. Localidades mais dinâmicas podem atrair trabalhadores, isso gera impactos positivos sobre toda a população e aumenta a inserção das pessoas no mercado de trabalho Os resultados mostram que entre 1991 e 2010, para o nível macro, a uma mudança no sentido e na magnitude da relação. Em 1991, encontramos uma relação negativa entre a concentração de capital humano e a oferta de trabalho. Nos dois períodos seguintes, essa relação fica positiva e há uma aumento na magnitude da relação. Ou seja, localidades com maior concentração de capital humano apresentam taxas de atividade mais elevadas. Os resultados do nível micro também mostram a mesma relação de modo geral, mas com algumas diferenças quando analisamos os diferentes grupos etários. É interessante notar que ao longo dos anos, para os jovens adultos, a relação vai perdendo força. A principal explicação é que esse grupo etário (20-29 anos de idade) deve estar investindo mais em educação para conseguir uma melhor inserção no mercado de trabalho e nessas localidades com mais alto nível de concentração, as exigências do mercado de trabalho é maior. Em relação aos homens mais velhos, a relação e invertida. Com o crescimento da econômica entre 2000 e 2010, ocorreu um aumento da demanda por mão-de-obra e esse grupo, mais perto da aposentadoria, aumentou a sua participação na força de trabalho ativa. Os próximos passos do trabalho incluem a estimativa de modelos considerando a oferta de trabalho feminina e análise apenas para cidades médias e grandes. 13

6 REFERÊNCIAS ACEMOGLU, D. A microfundation for social increasing returns in human capital. Quartely Journal of Economics, 111: 779-804, 1996. BLACK, D, & HENDERSON, V. A theory of urban growth. Journal of Political Economy, 107: 252-284, 1999. BLACK, Duncan. Local human capital externalities: educational segregation and inequality. Mimeo, London School of Economics, 1998. FONTES, G. G. ; SIMÕES, R. F. ; OLIVEIRA, A. M. H. C.. Diferenciais regionais de salário no Brasil, 1991 e 2000: uma aplicação dos modelos hierárquicos. In: XXXIV Encontro Nacional de Economia, 2006, Salvador. Anais. São Paulo : ANPEC, 2006. GLAESER, E. (2011) Triumph of the City, New York: Penguin Press (2011) GLAESER, E. & BERRY, C. (2005) The Divergence of Human Capital Levels across Cities, Papers in Regional Science, 84(3) 407-444. GLAESER, E. & RESSEGER, M. (2010) The Complementarity between Cities and Skills, Journal of Regional Science, 50(1) (2010): 221-244. GLAESER, E.L. & MARE, D.C.. Cities and skills. NBER Working Paper n. 4728, 1994. GLAESER, E.L.; KALLAL, H.; SHEIKMAN, J. & SHLEIFER, A.. Growth in cities. Journal of Political Economy, 100: 1126-1152, 1992. GLAESER, Edward and Joshua Gottlieb The Wealth of Cities: Agglomeration and the Spatial Equilibrium in the United States, Journal of Economic Literature, 2009. HOUT, Mike. Social and Economic Returns to College Education in the United States. Annual Review of Sociology, 38, 2012. KAPLANIS I. Local human capital and its impact on local employment chances in Britain. 2010. SERC Discussion Paper 40. KATZ, L., e K. MURPHY. 1992. Changes in relative wages, 1963-1987: supply and demand factors. The Quarterly Journal of Economics, 107, 1: 35-78. MANNING A. We can work it out: the impact of technological change on the demand for low-skill workers. Scottish Journal of Political Economy 2004;51:581-608 MARTINS, P. & PEREIRA, T. Does Education reduce wage inequality? Quantile regression evidence from 16 countries. Labour Economics 11, 2004 MAS A, MORETTI E. 2009. Peers at work. American Economic Review 99: 112-145. MINNESOTA POPULATION CENTER. Integrated Public Use Microdata Series, International: Version 6.1 [Machine-readable database]. Minneapolis: University of Minnesota, 2014 MOLHO, Ian. Patterns and trends in local pay in Great Britain, 1975-76 to 1987-88. Urban Studies, 28 (4), 535-552, 1991. MORETTI E. 2004a. Workers education, spillovers, and productivity: Evidence from plant-level production functions. American Economic Review 94: 656-690. MORETTI, E. 2004b Estimating the social return to education: evidence from repeated cross-sectional and logitudinal data. Journal of Econometrics, 121, 2004 14

MORETTI, E. Human Capital Externalities in Cities. NBER Working Paper, No. 9641, April 2003 (também publicado no Handbook of Urban and Regional Economics) MORETTI, Enrico, 2011. "Local Labor Markets," Handbook of Labor Economics, Elsevier. QUEIROZ, B. Diferencial Regional de Salários e retornos sociais à educação: uma abordagem hierárquica. In: WAJNMAN, S. & MACHADO, F. (orgs). Mercado de Trabalho: uma análise a partir de pesquisas domiciliares no Brasil. Belo Horizonte: Editora da UFMG, 2003 QUEIROZ, B. L. ; CALAZANS, J.A.. Os Efeitos da Concentração de capital humano no retorno privado e social da educaçao no Brasil. In: XVII Encontro Nacional de Estudos Populacionais, 2010, Caxambu. Anais do XVII Encontro Nacional de Estudos de População. Campinas : ABEP, 2010 QUEIROZ, B. L., GOLGHER, A. B. Human capital differentials across municipalities and states in Brazil. Population Review, Vol. 47, No. 2, 2008. RAUCH, J.E. Productivity gains from geographic concentration of human capital: evidence from cities. Journal of Urban Economics, 34: 380-400, 1993. RIGOTTI, J. I. R. Geography of population flow according to the migrants educacional level. Estudos avançados, são Paulo, v. 20, n. 57, p. 237-254, 2006. SAVEDOFF, W. Os diferenciais de salários no Brasil: segmentação versus dinamismo da demanda. IN: Pesquisa e Planejamento Econômico. Rio de Janeiro, v20, no. 3, 1990. SAVEDOFF, W. Wage dynamics in urban Brazil: evidence of regional segmentation or national markets? Revista Brasileira de Econometria, v. 11, no. 2, 1991 TOPEL, R. Local labor markets. Journal of Political Economy, v. 94, n. 3, p.111-143, 1986. TOPEL, R. Regional labor markets and the determinants of wage inequality. The American Economic Review, v. 84, n. 2, p. 17-22, 1994. 15