O EMPREGO RURAL NÃO AGROPECUÁRIO NO CONTEXTO DE VARIABILIDADE CLIMÁTICA1
Larissa Giardini Simões Gabriel Medeiros Abrahão
INTRODUÇÃO
A vulnerabilidade climática é capaz de afetar os capitais natural e financeiro, principalmente dos domicílios com menos recursos. Ao reduzir a produtividade agrícola, afetando tanto as plantas quanto parasitas, patógenos e insetos, condições climáticas adversas atrapalham a sobrevivência rural. Há a perda de empregos e renda advindos da fazenda, o que representa menos recursos para compra de insumos agrícolas e investimentos em capital humano, como saúde e educação (IPCC, 2014). A perda de capitais financeiro e natural desencadeia respostas adaptativas que podem alterar os padrões de plantio e produção agrícola (CHALLINOR et al., 2014).
Respostas dos indivíduos e domicílios não se limitam à esfera da agropecuária. Diversificação setorial é uma das abordagens utilizadas pelos domicílios rurais para reduzir os riscos e prejuízos com a agricultura; quanto maior o risco climático mais provável é de se ter indivíduos empregados em atividades não agrícolas no meio rural (BAEZ; MASON, 2008). Dessa forma, a inserção em empregos rurais não agropecuárias (ERNA) pode fazer parte das estratégias de adaptação dos domicílios aos desafios impostos pelo clima. Esse setor já é reconhecido como uma possível ferramenta para combater a pobreza rural: tem potencial para absorver uma força de trabalho desempregada, diminuir o êxodo e aumentar a renda da família rural (JONASSON; HELFAND, 2010).
Assim, a variabilidade climática ao afetar a produtividade agropecuária pode alterar a inserção dos trabalhadores na ERNA. É preciso ressaltar que a ligação entre produtividade agropecuário e o setor não-agropecuário se dá por diversas vias que não atuam sempre na mesma direção. Encadeamentos e feedbacks podem ser responsáveis por uma relação direta entre as economias agropecuárias e não agropecuárias, mas existe também um efeito substituição quando a agropecuária é menos produtiva e os trabalhadores precisam recorrer a outros setores para
1
Trabalho apresentado no V Seminário Nacional População, Espaço e Ambiente, realizado nos dias 19 e 20 de Agosto de 2019, em Diamantina-MG.
estabilizar da renda (PASTUSIAK et al., 2017).
As famílias que permanecem no rural empregam estratégias para lidar com os choques de renda originados da queda da produção agropecuária: diversifica-se a renda ao alocar alguns trabalhadores a setores menos sensíveis à variações ou aloca-se toda a família a empregos não agropecuários. Inicialmente a estratégia de diversificação dentro da família é menos radical e pode ser empregada inserindo no mercado de trabalho esposas ou filhos que trabalhavam no autossustento ou no serviço doméstico não-remunerado. Assim, ressaltar os aspectos de gênero na inserção no ERNA é fundamental levando em conta que as decisões de adaptação são tomadas em conjunto pelas famílias.
Investigar os padrões de adaptação às mudanças climáticas empregados é imprescindível já que são os mais pobres os mais vulneráveis as mudanças climáticas, gerando um desafio incremental no combate a pobreza (SKOUFIAS; VINHA; CONROY, 2011; THORNTON et al., 2014). Ou seja, ampliar os estudos do rural e sua adaptação aos eventos climáticos à economia não-agropecuária é fundamental para que se possa utilizar da diversificação nesse combate. No Brasil isso ainda é mais importante já que economia rural e economia agropecuária são vistas como sinônimos e existe uma grande escassez de trabalhos sobre o rural não-agropecuário.
Esse trabalho pretende responder a seguinte questão: variações climáticas, por meio de seus impactos na produtividade agropecuária, afetam os padrões de emprego rural não agropecuário? Mais especificamente, pretende-se contribuir ao investigar os padrões regionais de ERNA atrelados às variações climáticas. Pra tal, é realizada uma estimação do impacto das variações anuais de temperatura e precipitação sobre as taxas de ERNA, controlando-se para outras características regionais que influenciem esse fenômeno. A premissa é que a ERNA seja afetada pelo clima por meio da produtividade, que não é utilizada no trabalho por ser afetada também por outras variáveis. Além disso, é realizada uma comparação entre o impacto dessa volatilidade nas taxas femininas e masculinas de emprego não agropecuário. Por fim, dois recortes distintos são utilizados para a determinação da taxa de ERNA, um considerando todos os residentes do rural e outro apenas os ocupados. Essa abordagem é importante para captar decisões de entrada no mercado de trabalho originadas em choques climáticos. Uma abordagem espacial será utilizada para dar conta dos esfeitos regionais do fenômeno e em todo trabalho
é adotado um recorte de gênero para dar conta das especificidades na inserção ocupacionais entre homens e mulheres.
DADOS E METODOLOGIAS
Para antecipar futuros impactos da mudança climática, idealmente deveria ser utilizada uma série histórica de informações individuais, principalmente sobre a atividade e variações climáticas. Por limitações de disponibilidade de bases de dados que sejam representativas por municípios, a estratégia adotada é a utilização de informações cross-section referentes a um ano. Isso garante heterogeneidade nos indicadores utilizados, já que os municípios brasileiros são diversificados climatologicamente e socioeconomicamente (BARBIERI et al., 2015).
Assim, foi construída uma base de dados utilizando informações do Censo Demográfico de 2010, da Pesquisa Agrícola Municipal, também de 2010, além de dados climáticos para o período de 1985 a 2015. Como variáveis respostas foram utilizadas a taxa de emprego rural não agropecuário (txerna) calculada como a proporção dos indivíduos de 18 anos ou mais residentes de áreas rurais que reportaram estarem ocupados no período de referência e em alguma ocupação fora das áreas de agricultura, pecuária, produção florestal, pesca e aquacultura. Essa proporção também foi obtida para mulheres e homens (txernaf e txernam). Além dessas, foi considerada também a proporção de ocupados em outros setores em relação ao total de residentes da região rural para captar entrada e saída do mercado de trabalho (erna2, erna2f, erna2m).
Em relação às variáveis explicativas, como proxy para o tamanho do mercado foi utilizada a variável de população, na forma logaritimizada (poplog). Para captar a urbanização dos municípios utilizou-se as taxas de população rural com acesso à energia elétrica (txenergia) e acesso a telefone, fixo ou celular (txtelefone). A premissa é que urbanização diminui os custos de participação em mercados de insumos e produtos (JONASSON; HELFAND, 2010).
A média de anos de estudo dos indivíduos da região rural (anosest) também é incluída representando o capital humano da região, que pode ser ainda mais importante quando analisamos a oferta e demanda por trabalho em setores não agropecuários. Incluiu-se também uma variável de monoculturas, “monocult”, representando a proporção dessas em relação à área total colhida do município. Segundo (MECHARLA, 2002) nas regiões onde culturas mais comercializáveis são
produzidas, há mais oportunidade de empregos rurais não agropecuários induzidos pela agropecuária, como processamento e comércio. Entretanto, no Brasil essa relação pode ser diferente já que as regiões onde existe mais agricultura coincidem com as onde há mais monocultura, devido ao processo de ocupação do país.
As variáveis climáticas, precipitação e temperatura, foram extraídas de Xavier; King e Scanlon (2016), que fornece dados diários interpolados de estações meteorológicas em grades de 0,25º x 0,25º. A média climatológica da precipitação acumulada anual entre 1980 e 2015 (precclim) foi incluída para caracterizar a predisposição para a agricultura e pecuária dos municípios. Para capturar a resposta do mercado de trabalho e os transbordamentos ao setor rural não agropecuário devido a alterações climáticas, a variável criada é a anomalia, ou seja, a diferença da media anual de 2010 para a média histórica de temperatura (anomatemp) e precipitação (anomaprec) em cada município. Além da anomalia em nível foi incluído no modelo o quadrado das anomalias para capturar as não linearidades na resposta do ERNA à variabilidade climática.
Estimadores de Mínimos Quadrados Ordinários na presença de dependência espacial no termo de erro se apresentam enviesados. A expectativa é que esse seja o caso particular da relação entre clima e participação em atividades agropecuárias. A análise exploratória de dados espaciais é utilizada para descrever e identificar padrões espaciais, além de visualizar suas distribuições.
A dependência espacial, caso confirmada, pode ser incorporada de duas formas distintas: adicionando um regressor na forma de uma variável com lag espacial e na estrutura do erro. A estratégia a ser empregada consiste em estimar o modelo utilizando o método MQO e realizar testes de especificação espacial (testes de autocorrelação espaciais). Mais de um tipo de matriz será utilizada para confirmar a consistência dos resultados a diferentes especificações espaciais. Caso as hipóteses nulas de ausência de correlação espacial sejam rejeitadas, os modelos são estimados seguindo a especificação indicada pelos testes.
DISCUSSÃO
Analisando os diagramas de dispersão do I de Moran e os mapas de Moran Significance confirma-se as suspeitas de autocorrelação espacial nos dados e através de um teste de hipótese rejeita-se a hipótese de aleatoriedade espacial. É
possível perceber uma segmentação do território com as regiões Sul e Sudeste apresentando grande parte das áreas de associação de valores altos e uma dispersão de valores baixos concentrados no restante do país. Percebe-se também uma grande área de concentração de valores baixos no Amazonas e Acre. Os resultados são semelhantes quando se analisa separadamente as taxas de homens e mulheres: o padrão espacial é confirmado e os homens apresentam ainda mais espacialidade desse fenômeno do que as mulheres.
FIGURAS 1 E 2 – Estatísticas I de Moran Global e LISA da TxERNA
Testes em resíduos do modelo não espacial confirmam a espacialidade de forma consistente entre as diferentes especificações espaciais e apontam para a estimação do modelo lag. A Tabela 1 apresenta os resultados dos modelos espaciais de determinação da taxa de ERNA na população geral, feminina e masculina. O teste de correlação espacial sugere que a inclusão da lag espacial corrigiu essa correlação, exceto para as mulheres.
TABELA 1 – Modelos de determinação d
Homens e mulheres
Constante Coef
-34.0863 ***
Anomaprec 0.0062 ***
De acordo com o modelo da população total, a significância dos coeficientes aponta que a relação entre ERNA e anomalias climáticas foi encontrada, assim como os efeitos não lineares. Os Gráficos 1 e 2 apresentam os efeitos das anomalias no ERNA para as magnitudes encontradas na amostra. O efeito de ambas as variáveis é não monotônico, apresentando o mínimo próximo do valor 0, ou seja, quanto mais diferentes das médias de longo prazo forem os valores de precipitação e temperatura, mais indivíduos empregados no ERNA.
GRÁFICO 1 – Efeito da anomalia da
temperatura
GRÁFICO 2 – Efeito da anomalia da
precipitação 0.12 0.1 0.08 0.06 0.04 0.02 0 -0.02 -4 -3 -2 -1 0 1 2 3 AnomaTemp 0.2 0.15 0.1 0.05 0 -0.05 -1500-1000-500 0 500 1000 AnomaPrec Efe ito A n o m a Te m p Efe ito A n o m a Pre c
Considerando que a variabilidade climática impacte negativamente a produção (ou seja, as culturas e atividade desenvolvidas sejam prejudicadas em anos com climas distantes de um ponto ótimo), o efeito encontrado das anomalias é o inverso do esperado para uma função de produtividade agrícola corroborando a tese de que o ERNA representa mais um setor residual do que um setor com ligações diretas ao agropecuário. Esse ponto ótimo não necessariamente é a média climática, ou seja, o zero de anomalia, mas é razoável esperar que as atividades desenvolvidas em determinado local são as mais adaptadas para as condições climáticas frequentes naquele local.
A precipitação climática e a monocultura afetam negativamente a taxa de ERNA, representando a vocação agrícola do município e o padrão de ocupação territorial brasileiro, onde municípios que chovem mais foram ocupados com finalidade agrícola. Entretanto esse último não foi significativo estatisticamente.
Considerando as diferenças entre homens e mulheres percebem-se que o pseudo R2 espacial é consideravelmente menor para o modelo incluindo apenas mulheres e que a inserção no ERNA é mais bem explicadas pelas variáveis municipais incluídas para os homens. Outro indício nesse sentido é trazido pelo teste AK de efeitos espaciais que aponta que a inclusão de um lag espacial não conseguiu modelar toda a espacialidade do modelo.
No modelo masculino de determinação da taxa de ERNA, todas as variáveis incluídas foram significativas e os sinais dos coeficientes são os mesmos do modelo misto. Assim, a determinação da taxa de ocupação em atividades não agropecuárias no meio rural é diferente entre homens e mulheres e as variáveis incluídas são melhores para explicar o comportamento dos homens.
Ambos Homens Mulheres
GRÁFICO 3 – Efeito da anomalia da
temperatura (homens e mulheres)
GRÁFICO 4 – Efeito da anomalia
da precipitação (homens e mulheres) 0.2 0.15 0.1 0.05 0 -0.05 -4 -3 -2 -1 0 1 2 3 AnomaTemp 0.3 0.25 0.2 0.15 0.1 0.05 0 -0.05 -1500 -1000-500 0 500 1000 AnomaPrec
Ambos Homens Mulheres
Efe ito A n o m a Te m p Efe ito A n o m a Pre c
Os Gráficos 3 e 4 mostram que em variações positivas de precipitação o efeito na participação da ERNA é maior entre homens e negativas maior para mulheres. Como, grosso modo, mais precipitação está relacionado a uma maior produtividade agrícola, o efeito residual da relação agropecuária/ERNA é maior para mulheres, e o efeito indução via demanda e interligações da cadeia produtiva mais presente na taxa masculina.
O caso da temperatura é inverso, quando a anomalia é positiva o efeito é maior para as mulheres e quando é negativa maior para homens sendo que no Brasil, temperaturas mais baixas estão relacionadas a maior produtividade. Ou seja, a adaptação às anomalias climáticas é distinto entre homens e mulheres: a inserção no ERNA devido a queda de produtividade é maior entre mulheres e devido a variações relacionadas a aumento de produtividade está mais presente entre homens.
Como tentativa de avançar na compreensão do efeito da variabilidade climática na oferta de trabalho rural não agropecuário, principalmente entre mulheres, foi utilizada uma nova delimitação para a taxa ERNA: a proporção de empregados nesse setor entre todos os residentes no rural (txerna2). Esse é um modelo que capta ao mesmo tempo a decisão de ofertar trabalho e o ingresso no setor rural não agropecuário. O pseudo R2 espacial ainda é menor para o modelo feminino, mas reduziu-se a diferença entre as qualidades de ajuste em relação à especificação anterior. Ou seja, quando se considera a entrada e saída de pessoas no mercado de trabalho diminui a diferença entre a capacidade das variáveis incluídas, inclusive a variabilidade climática, de explicar esse comportamento para mulheres e homens. Ainda assim o modelo de lag não foi suficiente para eliminar a autocorrelação espacial do modelo da taxa feminina.
As variáveis climáticas são significativas para a determinação da taxa de ERNA3 em todos os modelos, com exceção da anomalia da temperatura em nível, que não é significativa no modelo masculino. Os efeitos totais das anomalias climáticas na taxa de ERNA2 têm comportamento similar à anterior: as variações são relacionadas ao aumento da taxa ERNA3, mas variações mais relacionadas a aumento de produtividade aumentam mais o ERNA masculino e variações relacionadas a queda de produtividade tem efeito maior no feminino. Essa diferença entre os grupos, entretanto, é menor nessas especificações.
CONSIDERAÇÕES FINAIS
As anomalias climáticas (precipitação e temperatura) são determinantes da taxa municipal de ERNA e as variações afetam positivamente essa taxa, ou seja, o efeito de substituição de um setor pelo outro, ou de busca de fontes secundárias de renda é mais proeminente do que os linkages entre a agropecuária e os demais setores. As variáveis incluídas são melhores em conjunto para explicar o comportamento do mercado de trabalho masculino e a adaptação dos indivíduos de um município a anomalias climáticas apresenta padrões de gênero. A inserção no ERNA devido a queda de produtividade é maior entre mulheres e devido a variações relacionadas a aumento de produtividade está mais presente entre homens. Pode-se imaginar que choques de produtividade e renda sofridos pela família sejam respondidos com a participação no setor não agropecuário de mulheres, já que essas mais frequentemente do que os homens estão trabalhando apenas nos serviços domésticos ou em atividades informais e para consumo da família.
Assim, é importante analisar também a ativação, ou seja, entrada no mercado de trabalho das mulheres e a relação dessas com as anomalias climáticas.
Quando consideramos a taxa ERNA como a proporção de todos os ocupados na área rural aumentamos o potencial do modelo em explicar também o comportamento feminino. Essa distinção é importante já que a participação no mercado de trabalho entre homens e mulheres apresenta taxas muito distintas; por exemplo, as mulheres têm maior proporção de ERNA entre ocupados do que os homens e homens tem maior proporção de ERNA entre residentes do rural.
Ainda asim as variáveis utilizadas não deram conta de toda a espacialidade no caso feminino, indicando que existem outros fatores na inserção feminina que não foram incluídos. Como continuação desse trabalho é importante aprofundar no padrão de inserção desse grupo no ERNA. Outra questão importante é a limitação desse modelo em analisar os efeitos positivos da variabilidade climática na taxa de ERNA já que as ligações via aumento de demanda e via cadeia produtiva não se realizam no mesmo ciclo de cultura. É preciso que efetive a colheita, e assim o resultado das condições climáticas, para que a produção agropecuária possa induzir o consumo nos demais setores.
REFERÊNCIAS
BAEZ, J. E.; MASON, A. D. Dealing with climate change: household risk management and adaptation in Latin America. [S. l. : s. n.], 2008.
BARBIERI, A. F. et al. Population transitions and temperature change in Minas Gerais, Brazil: a multidimensional approach. Revista Brasileira de Estudos de População, São Paulo, SP, v. 32, n. 3, p. 461-488, 2015.
CHALLINOR, A. J. et al. A meta-analysis of crop yield under climate change and adaptation. Nature Climate Change, [S. l.], v. 4, p. 287-291, 2014.
INTERGOVERNMENTAL PANEL ON CLIMATE CHANGE. Climate change 2014 – impacts, adaptation and vulnerability: Part A: global and sectoral aspects: Working Group II Contribution to the IPCC Fifth Assessment Report: volume 1: Global and sectoral aspects. Cambridge: Cambridge University Press, 2014.
JONASSON, E.; HELFAND, S. M. How important are locational characteristics for rural non-agricultural employment? Lessons from Brazil. World Development, New York, NY, v. 38, n. 5, p. 727-741, 2010.
MECHARLA, P. R. Determinants of inter-district variations in rural non-farm employment in Andhra Pradesh: a district level data analysis. PRUS Working Paper, [S. l.], n. 13, 2002.
PASTUSIAK, R. et al. What may determine off-farm income? A review. Agricultural Economics (Zemědělská ekonomika), Amsterdam, v. 63, n. 8, p. 380-391, 2017. SKOUFIAS, E.; VINHA, K.; CONROY, H. V. The impacts of climate variability on welfare in rural Mexico. Washington, DC: The World Bank, 2011. (The World Bank Policy Research Working Paper).
THORNTON, P. K. et al. Climate variability and vulnerability to climate change: a review. Global Change Biology, Oxford, v. 20, n. 11, p. 3313-3328, 2014.
XAVIER, A. C.; KING, C. W.; SCANLON, B. R. Daily gridded meteorological variables in Brazil (1980–2013). International Journal of Climatology, Inglaterra, v. 36, n. 6, p. 2644-2659, 2016.
