Movimento Pendular de Trabalhadores no Estado do Rio de Janeiro: Estudo de Casos Relevantes

(1)

Movimento Pendular de Trabalhadores no Estado do Rio de

Janeiro: Estudo de Casos Relevantes

∗

Marcelo Nicoll♣

Palavras-chave: movimento pendular, saldo migratório, renda do trabalho e desemprego.

Resumo

O estudo do mercado de trabalho a nível local vem se tornando cada vez mais uma ferramenta importante para o desenho programas públicos e tomada de decisões por parte de empresas e dos governantes. A produção acadêmica nesta área é bastante fértil e abundante. Porém, existe ainda uma lacuna no entendimento mais profundo das realidades do mercado de trabalho local, que de maneira geral vem sendo abordado, por conveniência, como sendo um sistema fechado, sem influência dos fluxos migratórios de trabalhadores que, na prática, são pouco conhecidos em virtude da escassez de dados e de trabalhos acadêmicos específicos. Este trabalho visa ajudar a conhecer melhor o fluxo diário de trabalhadores entre os municípios do estado do Rio de Janeiro tentando identificar os principais determinantes para estes deslocamentos.

∗_{Trabalho apresentado no XVI Encontro Nacional de Estudos Populacionais, realizado em Caxambu- MG –}

Brasil, de 29 de setembro a 03 de outubro de 2008.

(2)

Movimento Pendular de Trabalhadores no Estado do Rio de

Janeiro: Estudo de Casos Relevantes

∗

Marcelo Nicoll♣

Introdução

O estudo do mercado de trabalho ao nível local vem se tornando uma ferramenta cada vez mais importante no desenho programas públicos e na tomada de decisões por parte do governo, das empresas e de organizações sociais (PAIVA, 2003).

A produção acadêmica na área de mercado de trabalho é bastante fértil e abundante. Porém, existe ainda uma lacuna no entendimento mais profundo das realidades do mercado de trabalho local, que, de maneira geral e por conveniência, vem sendo abordado como um sistema fechado, sem influência dos fluxos migratórios de trabalhadores que, segundo Favero (2004) na prática, são pouco conhecidos em virtude da escassez de dados e de trabalhos acadêmicos específicos.

Este trabalho visa ajudar a conhecer melhor o fluxo diário de trabalhadores entre os municípios do estado do Rio de Janeiro através do mapeamento da entrada, da saída e do saldo migratório dos ocupados. Será comum a utilização do termos: movimento pendular, pêndulo ou trabalhador pendular, para se referir ao grupo em movimento de acordo com a definição proposta por Sandroni (1994).

1. MOVIMENTOS PENDULARES RELEVANTES

Os principais movimentos inter-municipais do Rio de Janeiro serão analisados sobre as perspectivas da origem e do destino dos trabalhadores, levando-se em conta o peso absoluto e relativo do volume destes contingentes para o estado e para os municípios. Que municípios recebem maior número de trabalhadores não residentes? Quais são aqueles que apresentam maior proporção de trabalhados residentes ocupando posições fora do mercado local? São perguntas que o este capítulo vai tentar responder.

No estado do Rio de janeiro aproximadamente 16% dos ocupados trabalham ou estudam em outro município, somando mais de 844 mil pessoas. Aproximadamente 60% destes trabalhadores se deslocam para a capital e 10% para Niterói, representando os dois maiores movimentos do estado. Do ponto de vista da saída dos trabalhadores, os maiores volumes partem dos municípios de: São Gonçalo (16%), Nova Iguaçu (15%), Duque de

(3)

Caxias (11%), São João de Meriti (10%) e Belford Roxo (9%), seguidos de Niterói (6%) e da capital do estado (4%).

Figura 2.1

Proporção de Pessoas que Trabalham em Município Diferente do que Reside (com Relação ao Total de Trabalhadores em Movimento no Estado) Segundo Município de RESIDÊNCIA – Estado do Rio de Janeiro, 2000

O mapa exposto na figura 2.1 revela os municípios de origem de maiores volumes de movimento pendular, na forma de percentual com relação ao total de trabalhadores pendulares no estado. Em apenas cinco municípios (coloridos em vermelho) está a origem de quase 60% de todo o movimento pendular estadual, sendo estes, em ordem de importância pelo número de trabalhadores: São Gonçalo (16%), com 131 mil; Nova Iguaçu (15%), com 125 mil; Duque de Caxias (11%) com 91 mil; São João de Meriti (10%), com 80 mil; e Belford Roxo (10%), com 72 mil. Niterói representa 6% do movimento, Rio de Janeiro 4% e 20% distribui-se, em ordem de representatividade, por: Nilópolis, Itaboraí e Magé (3% cada); Queimados, Japerí e Barra Mansa (2% cada); e Volta Redonda, Maricá, Seropédica, Itaguaí, São Pedro da Aldeia, Cabo Frio, Barra do Piraí, Campos dos Goytacazes e Petrópolis (1% cada). A diferença de 10%, que completa a totalidade do movimento pendular, está pulverizada entres os demais municípios do estado. Como constata-se, a principal origem do movimento pendular está na Região Metropolitana do estado, com alguns focos na Região dos Lagos, no Norte Fluminense e na Região do Vale do Paraíba.

Figura 2.2

(4)

(com Relação ao Total de Trabalhadores em Movimento no Estado) Segundo Município de TRABALHO – Estado do Rio de Janeiro, 2000

Os municípios de destino dos maiores volumes de trabalhadores em movimento pendular estão destacados no mapa acima (figura 2.2), sendo representados segundo o percentual com relação ao total de trabalhadores em movimento no estado. A capital (colorida de vinho) recebe o maior contingente de egressos, absorvendo 58% (mais de 492 mil trabalhadores) de todo o movimento estadual. Niterói (em vermelho) tem relativa capacidade de absorção de trabalhadores do estado: 10% (88 mil). Com menor volume (até 5%) figuram ainda como destino alguns municípios da Região Metropolitana (Nova Iguaçu, São Gonçalo, São João de Meriti, Nilópolis, Belford Roxo), do Norte Fluminense (Macaé e Campos dos Goytacazes), do Vale do Paraíba (Resende e Volta Redonda), além de Petrópolis, Região Serrana e Cabo Frio, Região dos Lagos.

Figura 2.3

Saldo Percentual do Movimento Pendular dos Trabalhadores de 16 a 64 anos Estado do Rio de Janeiro, 2000

(5)

A figura 2.3 mapeia o saldo percentual dos trabalhadores em movimento pendular no estado do Rio de Janeiro, que é o resultado, positivo ou negativo, da diferença entre o contingente que sai e que entra em determinado município, dividido pelo total de trabalhadores do município. Esta medida, quando positiva, fornece uma idéia aproximada de pressão sobre o mercado de trabalho local, e quando negativa, transmite evasão de trabalhadores residentes.

O mapa (figura 2.3) mostra que os locais coloridos em verde (mais intenso para os maiores percentuais), com saldo positivo maior que 10% (de ingressos), são cercados por municípios coloridos em vermelho (mais intenso para maiores saldos negativos), onde a massa de trabalhadores evasivos é representativa para a força de trabalho local. Os movimentos de trocas de mão-de-obra entre tais municípios serão analisados com maior rigor. Naqueles municípios coloridos de azul, em que o saldo não ultrapassa 5% (positivo ou negativo), os movimentos foram considerados de menor relevância e, portanto, descartados da análise neste estudo.

Nos mais elevados saldos positivos da classificação acima, destacam-se dois municípios receptores de mão-de-obra: Armação dos Búzios (33%) e Macaé (20%). Com saldos positivos elevados, aparecem ainda: Rio de Janeiro (18%), Niterói (17%), Piraí e Mangaratiba (ambos com saldo 12%).

Diante da análise dos mapas feita acima concluí-se que os movimentos de maior volume de contingente estão na Região Metropolitana do Rio de Janeiro, com destino à capital e ao município de Niterói. Do ponto de vista dos saldos percentuais, os municípios de maior saída de trabalhadores coincidem com os de maior volume absoluto e da perspectiva da pressão de entrada dos trabalhadores no mercado local, destacam-se Armação dos Búzios e Macaé, nos extremos da distribuição.

(6)

2. CARACTERÍSTICAS DOS MOVIMENTOS PENDULARES

Será que se pode relacionar altos saldos de evasão (sinal negativo) dos trabalhadores com elevadas taxas de desemprego?

Gráfico 1

Taxa de Desemprego X Saldo Percentual do Movimento de Trabalhadores Municípios do Estado do Rio de Janeiro - 2000

15% 20% 25% 30% 35% 40% -60% -50% -40% -30% -20% -10% 0% 10% 20% 30% 40% Saldo Percentual Ta xa de de sem pr eg o Tendência linear

Fonte: Censo Demográfico Brasileiro 2000.

O gráfico 1 tenta responder esta pergunta. Ele mostra a dispersão dos pontos que tem como abscissa o saldo percentual do movimento, no município, e como coordenada sua taxa de desemprego. Foi adicionado ao gráfico uma curva de tendência linear, para facilitar a compreensão da relação entre as variáveis. A inclinação da curva de tendência linear indica a sensibilidade da relação entre as variáveis.

O desemprego varia pouco com relação às variações do saldo percentual, o coeficiente de correlação das variáveis é igual a -0,534 e a inclinação da curva de tendência linear é pouco acentuada. Existem municípios onde a relação parece não se verificar, já que quando os saldos percentuais são próximos de zero o desemprego não segue o padrão definido. Nos extremos da distribuição do saldo percentual, a relação parece ser mais forte, perdendo força no intervalo entre -15% e 15%. Essas informações sugerem que as motivações para o movimento pendular, nestes municípios, podem ser por outras razões que não somente a oferta de postos de trabalho.

As próximas seções tentarão apontar algumas variáveis alternativas ao emprego e atividade dos trabalhadores nos municípios, buscando contribuir para o entendimento dos mais relevantes movimentos pendulares no estado do Rio de Janeiro.

(7)

3.1. Metodologia de Análise dos Movimentos

A população alvo deste estudo são trabalhadores ocupados com idade entre 16 e 64 anos que declararam trabalhar ou estudar em município diferente daquele em que estabelecem domicílio, segundo os dados do Censo Demográfico de 2000 para o estado do Rio de Janeiro. Considerou-se ocupado aquele que, na semana de referência da pesquisa, tinha trabalho (mesmo estando afastado), ajudou sem remuneração pessoa do domicílio, esteve ocupado como estagiário ou aprendiz ou envolvido em atividades para o consumo ou auto-produção.

Será utilizado um modelo logístico de regressão linear para tentar inferir quais os fatores que mais contribuem para a probabilidade de um ocupado, na faixa etária de 16 a 64 anos, residente em determinado município, trabalhar em outro município específico. Desta forma, através do pacote estatístico computacional SPSS, para cada um dos movimentos identificados, será ajustado um modelo que testa a significância das variáveis, relevantes ao mercado de trabalho, disponíveis no Censo Demográfico de 2000. Foram consideradas relevantes ao mercado de trabalho, variáveis relacionadas à qualificação, à remuneração, à carga de trabalho e ao tipo de ocupação. Como aproximação de qualificação da mão-de-obra utilizou-se os anos de estudo completos. A remuneração foi representada pelo rendimento mensal de todas as fontes de trabalho. A carga de trabalho foi medida através do total de horas trabalhadas na semana em todos os trabalhos. E finalmente, o tipo de ocupação foi inserido no modelo com a introdução de variáveis dummy, criadas a partir do agrupamento dos grandes grupos da Classificação Nacional das Ocupações.

Em resumo, o que se busca com o ajuste de um modelo para cada movimento pendular específico entre dois municípios é descobrir quais variáveis, das onze testadas, tem relevância na explicação do deslocamento e, dentre aquelas que têm relevância, qual o peso relativo na probabilidade em favor de ser um trabalhador pendular.

A variável resposta do modelo, portanto, é ser trabalhador pendular, assumindo valor 1, quando trabalha no determinado município (diferente daquele em que reside) e valor 0, no caso contrário. Neste exercício será utilizada como função de ligação a logit(p), que associa o logaritmo da vantagem em favor do evento considerado com o previsor linear, assim:

( )

_⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − = p p p logit 1 ln

Dois testes foram produzidos através do pacote estatístico SPSS para a avaliação do modelo e seus parâmetros: (i) teste de hipóteses sobre os coeficientes: para grandes amostras a estatística de Wald pode ser utilizada para testar se os coeficientes são iguais a zero. Esta estatística tem distribuição qui-quadrado com grau de liberdade (n – p), onde n é o número de observações e p o número de parâmetros estimados. A hipótese nula é de que o coeficiente do parâmetro é igual a 0; e (ii) teste de hipóteses sobre a inclusão de variável : afim de comparar os modelos contemplando cada uma das variáveis explicativas, foi utilizada a estatística da razão de verossimilhança, que é o quociente entre a verossimilhança do modelo avaliado e a do reduzido. A ferramenta foi o procedimento “FORWARD” do SPSS, que faz o teste incluindo as variáveis explicativas uma a uma. O teste da razão de verossimilhança analisa as mudanças no log da verossimilhança quando cada variável é acrescentada no modelo estimado. O teste é feito dividindo a verossimilhança do modelo reduzido, contendo apenas o

(8)

intercepto, e o modelo maximal, que seria aquele a ser testado. Para grandes amostras, a deviance – duas vezes o logaritmo da razão de verossimilhança – tem distribuição qui-quadrado com grau de liberdade (n – p), onde n é o número de observações e p o número de parâmetros estimados. A hipótese nula é de que o modelo reduzido é tão bom quanto o modelo testado.

Abaixo seguem listadas as variáveis explicativas e a descrição de modelo maximal utilizado como referência no processo de obtenção do melhor ajuste para cada movimento entre municípios específicos:

( )

t t t t t t t t t t t t

p

ε

δ

β

+

=

OCUP

ANOSESTU

HS_WSEMA

Y_TRAB

logit

8 7 6 5 4 3 2 1 4 3 2 1 Onde:

. Y_TRAB é o rendimento mensal de todas as fontes de trabalho; . HS_WSEMA é o total de horas trabalhados na semana;

. ANOSESTU é o número de anos de estudo completos;

. OCUP1 estar ocupado nas forças armadas, policiais e bombeiros militares;

. OCUP2 ocupações superiores do poder público, organizações, empresas, gerência; . OCUP3 profissionais das ciências e das artes;

. OCUP4 técnicos de nível médio;

. OCUP5 estar ocupado em serviços administrativos;

. OCUP6 ocupados: serviços e vendedores (doméstico, comércio, lojas, mercados); . OCUP7 estar ocupado;

. OCUP8 estar ocupado.

O processo de análise dos movimentos será a partir da observação da tabela resumo do melhor ajuste encontrado para o modelo, segundo as ferramentas do pacote computacional SPSS. Apresenta-se e as variáveis incluídas no modelo, o calculo dos seus coeficientes (coluna β das tabelas), suas estatísticas e resultados do teste de significância e as variáveis excluídas do modelo. Para facilitar o entendimento do leitor, cada movimento foi organizado de acordo com o município de destino dos trabalhadores, sendo agrupados conforme a região do estado envolvida nos deslocamentos.

(9)

3.2. Modelos ORIGEM X DESTINO

3.2.1. Movimentos na Região Metropolitana com Destino à Capital

a) Nova Iguaçu X Rio de Janeiro

Tabela 3.1

--- Variables in the Equation --- Variable B S.E. Wald df Sig R Exp(B) Y_TRAB 8.88E-05 5.864E-06 229.4403 1 .0000 .0249 1.0001 HS_WSEMA .0051 .0003 375.7945 1 .0000 .0320 1.0052 ANOSESTU -.0169 .0012 189.8727 1 .0000 -.0227 .9832 OCUPA2 -.5806 .0279 433.1191 1 .0000 -.0343 .5595 OCUPA3 -.2947 .0227 168.0445 1 .0000 -.0213 .7447 OCUPA5 .0806 .0175 21.1929 1 .0000 .0072 1.0839 OCUPA6 -.1200 .0146 67.6932 1 .0000 -.0134 .8869 OCUPA7 -1.7777 .1153 237.9220 1 .0000 -.0254 .1690 OCUPA8 -.3308 .0153 467.9365 1 .0000 -.0357 .7183 Constant -.6286 .0206 935.4063 1 .0000

--- Variables not in the Equation --- Residual Chi Square not computed because of redundancies.

Variable Score df Sig R OCUPA1 2.2357 1 .1349 .0008 OCUPA4 2.2357 1 .1349 .0008 No more variables can be deleted or added.

O deslocamento dos moradores de Nova Iguaçu que trabalham no Rio de Janeiro, segundo a modelagem utilizada, é caracterizado pela força de explicação da variável

rendimento do trabalho (coeficiente de 8,88) e das ocupações nos serviços administrativos,

apesar da predominância das categorias serviços e vendedores (66%) e produção de bens e

serviços industriais (28%) no volume do movimento. Quanto maior a escolaridade menor a

chance de ser pendular, o que sugere que os trabalhadores com menos qualificação buscam melhor remuneração no Rio de Janeiro, com carga de trabalho um pouco superior. Não se mostraram significantes as ocupações nas forças armadas ou militares e técnicos de nível

médio. Aqueles incluídos nas categorias de ocupação não citadas acima tem fortes

probabilidades de não estarem envolvidos em tal movimento.

b) Duque de Caxias X Rio de Janeiro

Tabela 3.2

--- Variables in the Equation --- Variable B S.E. Wald df Sig R Exp(B) HS_WSEMA .0046 .0003 243.9468 1 .0000 .0280 1.0046 ANOSESTU .0100 .0013 60.7396 1 .0000 .0138 1.0100 OCUPA1 -.2685 .0619 18.8178 1 .0000 -.0074 .7645 OCUPA2 -.2612 .0271 92.9108 1 .0000 -.0172 .7701 OCUPA3 -.2105 .0228 85.0728 1 .0000 -.0164 .8101 OCUPA5 .1923 .0150 165.1552 1 .0000 .0230 1.2121 OCUPA7 -1.2622 .1011 155.7279 1 .0000 -.0223 .2830 OCUPA8 -.2455 .0099 620.2942 1 .0000 -.0448 .7823

(10)

Constant -.9717 .0172 3185.691 1 .0000

Variable Score df Sig R Y_TRAB 1.7171 1 .1901 .0000 OCUPA4 .7892 1 .3743 .0000 OCUPA6 .7892 1 .3743 .0000 No more variables can be deleted or added.

A modelagem para o movimento de trabalhadores de Duque de Caxias ao Rio de Janeiro, indicou como não significantes as variáveis: rendimento do trabalho, ocupações

técnicas de nível médio e serviços e vendedores. Contribuindo positivamente com a maior

força relativa, encontra-se a categoria de ocupações nos serviços administrativos. Com força moderada e positiva estão ainda o número de horas trabalhadas na semana e os anos

completos de estudo. As demais variáveis inclusas no modelo, relativas às categorias de

ocupação, tem coeficientes negativos e maiores que os positivos, significando que para estas categorias há maior chance do trabalhador não pertencer ao grupo em movimento.

c) São João de Meriti X Rio de Janeiro

Tabela 3.3

--- Variables in the Equation --- Variable B S.E. Wald df Sig R Exp(B) Y_TRAB .0003 1.245E-05 451.3538 1 .0000 .0481 1.0003 HS_WSEMA .0046 .0004 154.2783 1 .0000 .0280 1.0046 ANOSESTU .0193 .0018 118.3988 1 .0000 .0245 1.0195 OCUPA3 .2179 .0387 31.6642 1 .0000 .0124 1.2435 OCUPA4 .5474 .0328 278.9171 1 .0000 .0378 1.7287 OCUPA5 .7580 .0318 566.7949 1 .0000 .0539 2.1339 OCUPA6 .3376 .0295 130.5616 1 .0000 .0257 1.4016 OCUPA8 .2761 .0296 87.0888 1 .0000 .0209 1.3179 Constant -1.0726 .0373 827.4964 1 .0000

Variable Score df Sig R OCUPA1 3.5947 1 .0580 .0029 OCUPA2 2.7410 1 .0978 .0020 OCUPA7 .2624 1 .6085 .0000 No more variables can be deleted or added.

Em São João de Meriti todas as categorias de ocupação inclusas no modelo tem coeficiente positivo destacando-se os serviços administrativos (coeficiente 0,758) e os

técnicos de nível médio (β = 0,5474). As variáveis referentes às ocupações nas forças armadas ou militares e agropecuários, florestais, caça e pesca, e superiores do poder público ou empresas, foram excluídas do modelo. O rendimento do trabalho, as horas trabalhadas na semana e os anos completos de estudo, apesar de terem sido aceitas pelo teste de Wald, tem

(11)

d) São Gonçalo X Rio de Janeiro

Tabela 3.4

--- Variables in the Equation --- Variable B S.E. Wald df Sig R Exp(B) Y_TRAB .0005 8.587E-06 3285.599 1 .0000 .1092 1.0005 HS_WSEMA .0018 .0003 28.3760 1 .0000 .0098 1.0018 ANOSESTU .0422 .0016 733.8667 1 .0000 .0515 1.0431 OCUPA1 .6034 .0371 265.1574 1 .0000 .0309 1.8284 OCUPA3 .1050 .0236 19.7486 1 .0000 .0080 1.1108 OCUPA4 .6736 .0169 1591.519 1 .0000 .0760 1.9612 OCUPA5 .9667 .0159 3717.184 1 .0000 .1161 2.6293 OCUPA6 .1878 .0128 215.8665 1 .0000 .0279 1.2066 OCUPA7 -.4893 .0867 31.8693 1 .0000 -.0104 .6131 Constant -2.2583 .0214 11117.14 1 .0000

Variable Score df Sig R OCUPA2 .4004 1 .5269 .0000 OCUPA8 .2876 1 .5918 .0000 No more variables can be deleted or added.

No movimento de São Gonçalo para o Rio de Janeiro o modelo exclui as variáveis das ocupações superiores do poder público ou empresas e produção de bens e serviços industrias. Assim como no movimento dos trabalhadores de Duque de Caxias para a capital, a categoria com maior probabilidade no fenômeno (coeficiente 0.9667) são ocupações nos serviços

administrativos. Exceto para ocupados na categoria agropecuários, florestais, caça e pesca,

onde o coeficiente é negativo e relativamente forte, todas as demais categorias tem contribuição positiva para a condição de trabalhador pendular. As variáveis rendimento do

trabalho e horas trabalhadas na semana (coeficientes 0,0005 e 0,0018 respectivamente) tem

pequena força explicativa neste movimento. Trabalhadores com maior número de anos

completos de estudo estão mais propensos a este movimento.

e) Belford Roxo X Rio de Janeiro

Tabela 3.5

--- Variables in the Equation --- Variable B S.E. Wald df Sig R Exp(B) Y_TRAB .0002 1.483E-05 135.3369 1 .0000 .0289 1.0002 HS_WSEMA .0081 .0004 445.7971 1 .0000 .0528 1.0082 ANOSESTU -.0095 .0019 25.0254 1 .0000 -.0120 .9905 OCUPA2 -.2260 .0941 5.7743 1 .0163 -.0049 .7977 OCUPA3 .3606 .0880 16.7881 1 .0000 .0096 1.4342 OCUPA4 .1818 .0842 4.6688 1 .0307 .0041 1.1994 OCUPA5 .7593 .0831 83.5021 1 .0000 .0226 2.1367 OCUPA6 .3924 .0809 23.5184 1 .0000 .0116 1.4805 OCUPA7 -.4222 .1449 8.4876 1 .0036 -.0064 .6556 OCUPA8 .2338 .0810 8.3228 1 .0039 .0063 1.2634 Constant -1.0458 .0831 158.4529 1 .0000

--- Variables not in the Equation --- Residual Chi Square 3.832 with 1 df Sig = .0503 Variable Score df Sig R

(12)

OCUPA1 3.8322 1 .0503 .0034 No more variables can be deleted or added.

Na modelagem do movimento pendular de Belford Roxo para o Rio de Janeiro apenas a categoria de ocupação forças armadas ou militares foi excluída. Ter mais escolaridade (anos completos de estudo) contribui para estar fora do pêndulo, ou seja, o deslocamento é de trabalhadores menos qualificados. Na ordem dos valores de seus coeficientes, com maior chance de trabalhar no Rio de Janeiro, estão as categorias serviços administrativos (β = 0,7593), serviços e vendedores (β = 0,3924), profissionais das ciências e artes (β = 0,3606),

produção de bens e serviços industrias (β = 0,2338) e técnicos de nível médio (β = 0,1818).

Nas ocupações agropecuárias, florestais, caça e pesca e superiores do poder público ou

empresas estão os trabalhadores com maior probabilidade de não serem parte do grupo em

movimento. É interessante destacar que o mercado de trabalho de Belford Roxo, em comparação aos demais movimentos com destino ao Rio de Janeiro, é o que apresentas as maiores proporções das categorias serviços e vendedores (43%) e produção de bens e serviços

industrias (35%), mas ainda assim não tem capacidade de absorver por completo a demanda

de seus residentes por postos nestas ocupações.

f) Niterói X Rio de Janeiro

Tabela 3.6

--- Variables in the Equation --- Variable B S.E. Wald df Sig R Exp(B) Y_TRAB ,0001 3,441E-06 941,5767 1 ,0000 ,0705 1,0001 HS_WSEMA ,0016 ,0004 12,7836 1 ,0003 ,0075 1,0016 ANOSESTU ,1323 ,0022 3633,351 1 ,0000 ,1385 1,1415 OCUPA1 -,2140 ,0477 20,1021 1 ,0000 -,0098 ,8073 OCUPA3 -,2487 ,0221 126,1388 1 ,0000 -,0256 ,7798 OCUPA4 ,0648 ,0239 7,3378 1 ,0068 ,0053 1,0670 OCUPA5 ,3882 ,0241 258,7647 1 ,0000 ,0368 1,4743 OCUPA6 -,7805 ,0261 897,0494 1 ,0000 -,0688 ,4582 OCUPA7 -1,8313 ,1628 126,5452 1 ,0000 -,0256 ,1602 OCUPA8 -,6684 ,0302 491,0367 1 ,0000 -,0508 ,5125 Constant -2,7092 ,0396 4674,204 1 ,0000

--- Variables not in the Equation --- Residual Chi Square ,962 with 1 df Sig = ,3267 Variable Score df Sig R

OCUPA2 ,9620 1 ,3267 ,0000 No more variables can be deleted or added.

No caso do movimento de Niterói para o Rio de Janeiro o ajuste mostra a baixa relevância do rendimento mensal do trabalho e sensível diferença positiva do número horas

trabalhadas por semana, com maior escolaridade para o grupo pendular com relação ao

mercado de trabalho niteroiense. Apesar do maior percentual de pendulares pertencer à categoria profissionais das ciências e das artes (30%), esta é a que tem maior probabilidade contra o movimento (β= -0,2487). Duas categorias apresentam probabilidades a favor do

(13)

trabalharem na capital, com exceção da categoria superiores do poder público ou empresas que não foi incluída no modelo.

g) Nilópolis X Rio de Janeiro

Tabela 3.7

--- Variables in the Equation --- Variable B S.E. Wald df Sig R Exp(B) Y_TRAB ,0005 2,005E-05 597,6519 1 ,0000 ,0944 1,0005 HS_WSEMA ,0086 ,0006 190,9521 1 ,0000 ,0532 1,0087 ANOSESTU ,0135 ,0031 18,5572 1 ,0000 ,0157 1,0136 OCUPA2 -,4415 ,0522 71,6379 1 ,0000 -,0323 ,6431 OCUPA3 -,2583 ,0413 39,2113 1 ,0000 -,0236 ,7723 OCUPA4 ,1329 ,0330 16,2480 1 ,0001 ,0146 1,1422 OCUPA5 ,4106 ,0299 188,5231 1 ,0000 ,0528 1,5077 OCUPA7 -3,6145 1,4940 5,8535 1 ,0155 -,0076 ,0269 OCUPA8 -,0512 ,0244 4,4105 1 ,0357 -,0060 ,9501 Constant -,9580 ,0377 644,3282 1 ,0000

Variable Score df Sig R OCUPA1 ,0254 1 ,8735 ,0000 OCUPA6 ,0254 1 ,8734 ,0000 No more variables can be deleted or added.

O movimento dos trabalhadores de Nilópolis para o Rio de Janeiro se assemelha bastante às características daquele com origem em Niterói e mesmo destino. Da mesma forma, verifica-se a baixa relevância do rendimento mensal do trabalho, sensível diferença positiva do número horas trabalhadas por semana, e maior número de anos de estudo

completos do grupo pendular mas, nesse caso, a escolaridade perde parte de seu poder de

explicação em favor da carga horária. As variáveis representando as ocupações nas forças

armadas ou militares e serviços e vendedores foram excluídas do ajuste e as demais

categorias possuem probabilidades positivas de não estarem envolvidas no deslocamento. É interessante destacar que a categoria serviços e vendedores é a de maior volume do movimento pendular, representando 36% do total.

3.2.2. Movimentos na Região Metropolitana com Destino à Niterói

a) São Gonçalo X Niterói

Tabela 3.8

--- Variables in the Equation --- Variable B S.E. Wald df Sig R Exp(B) Y_TRAB 7.71E-05 8.199E-06 88.4792 1 .0000 .0173 1.0001 HS_WSEMA .0064 .0003 423.3879 1 .0000 .0381 1.0064 ANOSESTU .0125 .0014 74.8905 1 .0000 .0158 1.0125 OCUPA1 .2903 .0436 44.3957 1 .0000 .0121 1.3369 OCUPA4 .3449 .0232 221.0517 1 .0000 .0275 1.4118

(14)

OCUPA5 .7717 .0221 1220.039 1 .0000 .0647 2.1634 OCUPA6 .5165 .0207 622.2675 1 .0000 .0462 1.6761 OCUPA7 -.4624 .0773 35.7799 1 .0000 -.0108 .6298 OCUPA8 -.1106 .0218 25.7671 1 .0000 -.0090 .8953 Constant -1.9069 .0281 4604.764 1 .0000

Variable Score df Sig R OCUPA2 .2637 1 .6076 .0000 OCUPA3 .2590 1 .6108 .0000 No more variables can be deleted or added.

Diferente dos trabalhadores que moram em São Gonçalo e trabalham na capital do estado, a tabela 3.8 mostra que a modelagem para aqueles que se deslocam para Niterói indica forte poder de explicação para o rendimento do trabalho (β = 7,71). Há sensível diferença positiva na escolaridade e carga horário (maior) do trabalhador pendular. Foram excluídas do ajuste as categorias de ocupação: profissionais das ciências e das artes e superiores do poder

público ou empresas. As duas categorias relacionadas à serviços (serviços administrativos e serviços e vendedores) tem as maiores probabilidade em favor do pêndulo, seguidas num

patamar mais baixo, por técnicos de nível médio (β = 0,3449) e forças armadas ou militares (β = 0,2903). As ocupações agropecuários, florestais, caça e pesca (assim como no movimento para o Rio de Janeiro) e produção de bens e serviços industrias tem probabilidades positivas contra o movimento pendular.

b) Rio de Janeiro X Niterói

Tabela 3.9

--- Variables in the Equation --- Variable B S.E. Wald df Sig R Exp(B) ANOSESTU .1151 .0049 557.9831 1 .0000 .0881 1.1220 OCUPA1 .5500 .0899 37.4333 1 .0000 .0222 1.7333 OCUPA3 .2840 .0420 45.7337 1 .0000 .0247 1.3284 OCUPA4 .4442 .0426 108.7663 1 .0000 .0386 1.5592 OCUPA6 -.3788 .0491 59.3885 1 .0000 -.0283 .6847 OCUPA7 -2.6855 1.2420 4.6750 1 .0306 -.0061 .0682 OCUPA8 -.3274 .0584 31.4394 1 .0000 -.0203 .7208 Constant -7.3278 .0668 12028.67 1 .0000

Variable Score df Sig R Y_TRAB 1.8474 1 .1741 .0000 HS_WSEMA 2.9900 1 .0838 .0037 OCUPA2 2.5746 1 .1086 .0028 OCUPA5 2.5975 1 .1070 .0029 No more variables can be deleted or added.

No deslocamento de trabalhadores da capital do estado para Niterói, o rendimento do trabalho, o número horas trabalhadas por semana e as variáveis referentes às ocupações nos

(15)

movimento pois serviços administrativos foi a única categoria de ocupação significante em todos ajustes, sempre com probabilidade a favor dos pêndulos. Provavelmente pelo fato do mercado de trabalho de Niterói ser mais qualificado do que o do Rio de Janeiro (na média: 9,8 contra 9,2 anos de estudo), os trabalhadores pendulares tem escolaridade superior a ambos os mercados (média 12 anos de estudo). As ocupações com probabilidades a favor do movimento foram técnicos de nível médio, profissionais das ciências e das artes e das

forças armadas ou militares. Com probabilidades contra o movimento estão as demais

categorias de ocupação, chamando a atenção de que são as de menor exigência de qualificação.

c) Itaboraí X Niterói

Tabela 3.10

--- Variables in the Equation --- Variable B S.E. Wald df Sig R Exp(B) Y_TRAB .0002 2.372E-05 79.4782 1 .0000 .0422 1.0002 OCUPA1 -.6994 .1739 16.1732 1 .0001 -.0181 .4969 OCUPA2 -.9039 .1064 72.2154 1 .0000 -.0402 .4050 OCUPA3 -.8625 .0998 74.7311 1 .0000 -.0409 .4221 OCUPA5 .2620 .0520 25.4305 1 .0000 .0232 1.2995 OCUPA6 .5965 .0270 487.6203 1 .0000 .1057 1.8157 OCUPA7 -2.2229 .2860 60.4263 1 .0000 -.0367 .1083 Constant -1.9548 .0233 7013.615 1 .0000

Variable Score df Sig R HS_WSEMA .0446 1 .8327 .0000 ANOSESTU .0061 1 .9376 .0000 OCUPA4 1.1751 1 .2784 .0000 OCUPA8 1.1753 1 .2783 .0000 No more variables can be deleted or added.

No movimento de Itaboraí com destino à Niterói, qualificação, carga horária e ocupações técnicas de nível médio e agropecuários, florestais, caça e pesca, não contribuem para explicação do fenômeno. O rendimento mensal do trabalho influencia muito pouco (β = 0,0002) e apenas serviços administrativos e serviços e vendedores tem probabilidade a favor do pêndulo, com todas as demais variáveis de ocupações possuindo fortes probabilidades contra o deslocamento.

3.2.3. Movimentos no Norte Fluminense com Destino à Macaé

a) Campos dos Goytacazes X Macaé

Tabela 3.12

--- Variables in the Equation --- Variable B S.E. Wald df Sig R Exp(B) Y_TRAB ,0001 1,264E-05 107,2463 1 ,0000 ,0613 1,0001

(16)

HS_WSEMA ,0344 ,0012 865,8170 1 ,0000 ,1755 1,0350 ANOSESTU ,2178 ,0062 1226,183 1 ,0000 ,2089 1,2433 OCUPA2 -,8100 ,2266 12,7783 1 ,0004 -,0196 ,4448 OCUPA3 -1,1767 ,1968 35,7332 1 ,0000 -,0347 ,3083 OCUPA4 1,0233 ,1581 41,9059 1 ,0000 ,0377 2,7823 OCUPA5 1,1076 ,1581 49,0501 1 ,0000 ,0410 3,0271 OCUPA6 ,5767 ,1535 14,1080 1 ,0002 ,0208 1,7802 OCUPA8 2,2961 ,1480 240,7370 1 ,0000 ,0923 9,9355 Constant -8,7762 ,1683 2720,415 1 ,0000

--- Variables not in the Equation --- Residual Chi Square 1,855 with 2 df Sig = ,3956 Variable Score df Sig R

OCUPA1 1,6290 1 ,2018 ,0000 OCUPA7 1,7700 1 ,1834 ,0000 No more variables can be deleted or added.

A tabela 3.12 descreve o modelo final ajustado para o movimento com origem em Campos dos Goytacazes e destino em Macaé. O rendimento do trabalho tem baixo poder de explicação. O número de horas trabalhadas na semana e anos de estudo completos são significantemente maiores para os pendulares. Com exceção das forças armadas ou militares e agropecuários, florestais, caça e pesca, as demais categorias de ocupação apresentam forte poder de explicação, tanto a favor como contra o movimento. Destacam-se produção de bens

e serviços industrias, com maior coeficiente positivo (1,1076) e profissionais das ciências e das artes, com maior coeficiente negativo (-1,1767). Além de profissionais das ciências e das artes, superiores do poder público ou empresas também tem coeficiente negativo, mostrando

que este movimento é mais provável para os trabalhadores de categorias ocupação menos qualificadas, ainda que sua escolaridade seja mais elevada em comparação aos trabalhadores de Campos nas mesmas ocupações.

b) Conceição de Macabú X Macaé

Tabela 3.11

--- Variables in the Equation --- Variable B S.E. Wald df Sig R Exp(B) Y_TRAB ,0006 7,571E-05 61,2215 1 ,0000 ,0967 1,0006 HS_WSEMA ,0198 ,0021 87,7508 1 ,0000 ,1164 1,0200 ANOSESTU ,0312 ,0101 9,5474 1 ,0020 ,0345 1,0317 OCUPA1 -6,3530 3,1265 4,1290 1 ,0422 -,0183 ,0017 OCUPA2 -1,4222 ,2386 35,5255 1 ,0000 -,0728 ,2412 OCUPA5 ,7169 ,1132 40,0748 1 ,0000 ,0776 2,0480 OCUPA7 -2,5677 ,3005 73,0068 1 ,0000 -,1059 ,0767 OCUPA8 ,3231 ,0742 18,9825 1 ,0000 ,0518 1,3814 Constant -2,7022 ,1368 390,2919 1 ,0000

Variable Score df Sig R OCUPA3 ,0769 1 ,7815 ,0000 OCUPA4 ,1548 1 ,6940 ,0000 OCUPA6 ,0458 1 ,8305 ,0000

(17)

De Conceição de Macabú para Macaé o modelo ajustado para o movimento, da mesma forma que para Campos dos Goytacazes, indicou baixo poder de explicação para o rendimento do trabalho e número de horas trabalhadas na semana e anos de estudo completos significantemente maiores para os pendulares. Apenas serviços administrativos e produção de

bens e serviços industrias tem probabilidade a favor do movimento. As demais categorias,

excetuando-se profissionais das ciências e das artes, técnicos de nível médio e serviços e

vendedores (excluídas do modelo), apresentam elevados coeficientes negativos, mostrando

maiores probabilidades de não pertenceram ao movimento pendular.

c) Rio de Janeiro X Macaé

Tabela 3.13

--- Variables in the Equation --- Variable B S.E. Wald df Sig R Exp(B) HS_WSEMA .0514 .0051 102.3809 1 .0000 .2004 1.0528 ANOSESTU .1188 .0275 18.6594 1 .0000 .0816 1.1262 OCUPA1 2.1382 .3148 46.1327 1 .0000 .1329 8.4845 OCUPA3 .7101 .2492 8.1214 1 .0044 .0495 2.0341 Constant -13.9315 .4340 1030.520 1 .0000

Variable Score df Sig R Y_TRAB 2.3997 1 .1214 .0126 OCUPA2 1.2214 1 .2691 .0000 OCUPA4 1.3260 1 .2495 .0000 OCUPA5 .0513 1 .8208 .0000 OCUPA6 .9615 1 .3268 .0000 OCUPA7 .2265 1 .6342 .0000 OCUPA8 1.4128 1 .2346 .0000 No more variables can be deleted or added.

A tabela 3.13 trás o ajuste para o movimento do Rio de Janeiro para o município de Macaé. Neste movimento rendimento mensal do trabalho não é fator relevante, mas sim a maior qualificação e carga horária para os que trabalham em Macaé, além do enquadramento nos grupos de ocupação das forças armadas ou militares, com mais força, e profissionais das

ciências e artes. Nenhuma outra categoria de ocupação se mostrou significante.

3.2.4. Movimentos na Região dos Lagos com Destino à Armação dos Búzios

a) Cabo Frio X Armação dos Búzios

Tabela 3.14

--- Variables in the Equation --- Variable B S.E. Wald df Sig R Exp(B) Y_TRAB -,0003 5,085E-05 30,0604 1 ,0000 -,0389 ,9997 HS_WSEMA ,0138 ,0013 104,9644 1 ,0000 ,0745 1,0139 ANOSESTU -,0628 ,0063 99,9809 1 ,0000 -,0727 ,9392 OCUPA1 -3,9242 1,4977 6,8648 1 ,0088 -,0162 ,0198

(18)

OCUPA5 ,5795 ,0856 45,8057 1 ,0000 ,0486 1,7851 OCUPA6 ,4923 ,0471 109,0502 1 ,0000 ,0760 1,6361 OCUPA7 -,8038 ,1744 21,2548 1 ,0000 -,0322 ,4476 Constant -3,2122 ,0813 1562,550 1 ,0000

Variable Score df Sig R OCUPA2 ,0013 1 ,9717 ,0000 OCUPA3 ,0144 1 ,9044 ,0000 OCUPA4 1,4549 1 ,2277 ,0000 OCUPA8 1,0600 1 ,3032 ,0000 No more variables can be deleted or added.

Para as pessoas que moram em Cabo Frio e trabalham em Armação dos Búzios a modelagem excluiu quatro categorias de ocupação da explicação do fenômeno: superiores do

poder público ou empresas, profissionais das ciências e das artes, técnicos de nível médio e produção de bens e serviços industrias. Os trabalhadores pendulares tendem a ter maior

escolaridade, maior carga horária semanal e remuneração mensal sensivelmente menor que os do mercado de trabalho de Cabo Frio. Probabilidades em favor do movimento estão associadas às categorias dos serviços administrativos e serviços e vendedores. Ocupações nas

forças armadas ou militares tem probabilidade fortíssima de não estar incluído no pêndulo,

assim como, com menos força, estar ocupado como agropecuários, florestais, caça e pesca.

b) São Pedro da Aldeia X Armação dos Búzios Tabela 3.15

--- Variables in the Equation --- Variable B S.E. Wald df Sig R Exp(B) OCUPA1 1,5460 ,3259 22,5081 1 ,0000 ,0864 4,6928 Constant -4,1846 ,0630 4407,110 1 ,0000

Variable Score df Sig R Y_TRAB 7,8768 1 ,0050 ,0463 HS_WSEMA 10,2250 1 ,0014 ,0547 ANOSESTU 27,1115 1 ,0000 ,0956 OCUPA2 ,0664 1 ,7967 ,0000 OCUPA3 8,2363 1 ,0041 ,0477 OCUPA4 29,3744 1 ,0000 ,0999 OCUPA5 13,0269 1 ,0003 ,0634 OCUPA6 ,5521 1 ,4575 ,0000 OCUPA7 11,3957 1 ,0007 ,0585 OCUPA8 26,3380 1 ,0000 ,0942

Adding the most significant variable will result in a model which duplicates a prior model.

(19)

A tabela 3.15 mostra que a modelagem para o movimento de São Pedro da Aldeia em direção à Armação dos Búzios apontou a significância de apenas uma variável: as ocupações nas forças armadas ou militares; excluindo todas as demais variáveis testadas. O contingente que enfrenta este trajeto representa 2% do total daqueles que trabalham em Armação dos Búzios mas não moram no município, e não chega a 2.000 pessoas.

CONSIDERAÇÕES FINAIS

A título de conclusão, alguns pontos serão destacados agora numa abordagem mais ampla dos movimentos, no contexto do estado do Rio de Janeiro e da população envolvida nos deslocamentos.

No que se refere ao movimento de trabalhadores da região metropolitana do estado com direção à capital, em geral, os municípios cedem sua mão-de-obra mais qualificada, com exceção de Nova Iguaçu e Belford Roxo. Estar ocupado nos serviços administrativos representa maior probabilidade de trabalhar no Rio de Janeiro, mas é interessante destacar que nos movimentos oriundos de Nova Iguaçu e Berford Roxo há também grande probabilidade associada a categoria serviços e vendedores, que inclui trabalhadores no serviço doméstico, enquanto que aqueles que moram em Niterói ou Nilópolis tem mais possibilidades nas ocupações de técnicos de nível médio. Ao contrário do que se poderia imaginar, com exceção do município de Nova Iguaçu, a variável rendimento mensal do trabalho não demonstrou ser aquela que mais motiva o movimento pendular. Ao que parece, é a falta de oferta de trabalho no mercado local que faz com que o trabalhador parta para a capital, com maior poder de absorção. Outra observação importante diz respeito a maior carga de trabalho dos pendulares, mesmo que apenas sensivelmente em alguns dos movimentos.

Destacam-se São Gonçalo, seguido de perto por Nova Iguaçu, como municípios com maior volume de trabalhadores evasivos e Japeri, que não tem um movimento tão volumoso mas metade de seu mercado trabalha fora.

Na à região metropolitana, além da capital, Niterói tem grande capacidade e dinamismo na absorção do segundo maior contingente de mão-de-obra. Seja em categorias de nível de qualificação mais elevada, como no caso do deslocamento com origem no Rio de Janeiro, ou nas de menor exigência qualitativa, como no movimento originário de São Gonçalo, o mercado de trabalho de Niterói exige maior qualificação. A remuneração mais elevada e a maior oferta de trabalho em Niterói atrai os moradores de São Gonçalo. Para os trabalhadores oriundos do Rio de Janeiro e Itaboraí, as motivações não perpassam os rendimentos mas a oferta de postos de trabalho em determinadas ocupações.

Fora da região metropolitana, os ajustes para os movimentos pendulares analisados indicaram que a motivação surge pela demanda, por parte dos municípios de destino, por categorias de ocupações específicas.

(20)

BIBLIOGRAFIA

IBGE. Censo Demográfico Brasileiro. Rio de Janeiro, 2000.

_____. Malha digital dos Municípios do Estado do Rio de Janeiro, 2000. CIDE. Território, 2003. in: http://www.cide.rj.gov.br/territorio/t10.asp SANDRONI, P. Novo dicionário de economia. São Paulo: Best-Seller, 1994.

PAIVA, L. H. O Dilema do Financiamento Orçamentário das Políticas Públicas de

Emprego. IPEA: Rio de Janeiro, 2003.

FAVERO, E. O Dilema do Financiamento Orçamentário das Políticas Públicas de Emprego. USP: São Paulo, 2004.