ANÁLISE DESCRITIVA DO DIFERENCIAL DE SALÁRIOS ENTRE
GÊNEROS NOS POLOS TECNOLÓGICOS DO SUL DO BRASIL
Guilherme Cemin de Paula, UDESC, [email protected]
Vanessa Grudtner, UDESC, [email protected]
RESUMO
Com base em dados descritivos referentes à remuneração, escolaridade e tempo no emprego, o artigo constata
que, apesar de os polostecnológicosse caracterizarem por concentrar ocupações mais modernas que, em geral,
não apresentam vantagens competitivas para homens em relação a mulheres – como a ocupação de analista de
tecnologia da informação, destacada nesse trabalho– aparentemente, as mulheres ainda recebem, em média, um
salário médio menor que o dos homens.
Palavras-chave:discriminação de gênero, polos tecnológicos, analista de tecnologia da informação
1 Introdução
Este artigo faz uma análise descritiva do diferencial de salário entre gênero nos polos
de tecnologia da região sul do Brasil. Para tanto, utiliza-se como referencial a principal
vertente da teoria do capital humano, onde a educação formal e o treinamento determinam as
habilidades cognitivas do trabalhador, estabelecendo-se uma relação tecnicamente direta entre
habilidade e produtividade. A partir daí, identifica discriminação no mercado de trabalho
quando um grupo de indivíduos com mesma produtividade recebe salários diferentes ou
tratamento diferenciado devido a características tais como a etnia, gênero, cor, religião,
idioma, aparência física, etc.(BECKER, 1957). Pelo fato de as profissões ligadas à tecnologia
serem relativamente novas e exigirem um elevado nível educacional, parece razoável supor
que se trata de uma área onde o gênero não determina vantagem competitividade a qualquer
trabalhador. Como normalmente as atividades tecnológicas são desenvolvidas por empresas
ligadas a clusters – aglomerados industriais que associam universidades, empresas e governo,
os chamados polos tecnológicos - optou-se por analisar a discriminação salarial nesse tipo de
polo em comparação com uma ocupação bem característica dessa atividade, analista de
tecnologia da informação.
A pesquisa analisou somente os polos com grande concentração de trabalhadores
empregados nas divisões 26 (fabricação de equipamentos de informática, produtos eletrônicos
e ópticos) e 62 (atividades dos serviços de tecnologia da informação) da Classificação
Nacional de Atividades Econômicas - CNAE 2.0, limitando-se a três polos em Santa Catarina:
Blumenau, Florianópolis e Joinville; seis no Paraná: Curitiba, Londrina, Maringá, região
Oeste e Sudoeste; e três no Rio Grande do Sul: Canoas, Caxias do Sul e Porto Alegre. Assim,
foram coletados os dados referentes à escolaridade, idade e tempo no emprego de cada
trabalhador para controlar a variável de salário.
A próxima seção apresenta os referenciais teóricos e empíricos da análise de
diferencial salarial entre gêneros. A seguir a seção três apresenta a metodologia empregada.
A seção quatro apresenta os resultados e a seção cinco conclui o artigo.
2 Mercado de trabalho e determinação dos salários
O referencial teórico básico sobre determinação dos salários é o modelo do mercado de
trabalho neoclássico, que consiste numa abordagem microeconômica do mercado de trabalho
na qual o salário é determinado da mesma forma que os preços nos mercados de bens e
serviços, qual seja, a partir do equilíbrio entre demanda e oferta em num mercado
concorrencial.
Embora com plena fundamentação microeconômica, uma das principais
críticas a essa abordagem dirige-se à necessidade do pressuposto de homogeneidade da força
de trabalho quando se desdobra a análise microeconômica em uma formulação
macroeconômica do mercado de trabalho.
Respostas a esse tipo de crítica começaram a se estruturar com a emergência das
teorias sobre capital humano a partir do trabalho seminal de (Becker, 1957), criando a
possibilidade de se modelar, com fundamentação microeconômica, a determinação dos
salários levando-se em conta a heterogeneidade da força de trabalho. O capital humano
consiste no conjunto de habilidades dos trabalhadores, as quais diferem entre os indivíduos.
Além disso, tal estoque de capital deriva de decisões individuais de investimento em educação
e treinamento (BECKER, 1975).
A principal vertente da teoria do capital humano parte do suposto de que a educação
formal e o treinamento determinam as habilidades cognitivas do trabalhador e a partir daí,
estabelece-se uma relação tecnicamente direta entre habilidade e produtividade. Tal vertente
dá origem à chamada economia da discriminação. Identifica-se discriminação econômica no
mercado de trabalho quando um grupo de indivíduos recebe salários diferentes ou tratamento
diferenciado apesar de possuírem as mesmas habilidades e produtividade. Tal diferenciação
pode estar associada a características como, etnia, gênero, cor, religião, idioma, aparência
física, as quais estão dissociadas de produtividade (LOUREIRO (2003) apresenta uma resenha
sobre a economia da discriminação).
De fato, a modelagem da economia da discriminação se torna possível a partir da
integração entre a teoria do capital humano e a análise estatística, inicialmente com o
desenvolvimento das funções de salários de (MINCER, 1974) – ou funções mincerianas – que
fornecem um escopo básico para avaliação quantitativa dos retornos da educação
(ASHENFELTER AND ROUSE,1998) e para a mensuração do impacto da experiência
profissional sobre o diferencial salarial entre grupos de trabalhadores (CARD AND
KRUEGER, 1992).
A decomposição de (OAXACA, 1973) e (OAXACA E RANSOM, 1994) é
amplamente empregada na literatura da economia da discriminação por estimar as funções
mincerianas para cada grupo separadamente, através da análise de regressão, e decompor o
diferencial de média dos rendimentos entre grupos – ver, por exemplo, (GIUBERTI E
MENEZES-FILHO, 2005) ou (JACINTO, 2005) para aplicações a casos brasileiros.
2.1 Sobre os polostecnológicos
Os chamados clusters, ou aglomerados industriais, assumem um papel primordial no
que diz respeito ao desenvolvimento de uma região, se tornando, assim, em nosso país, uma
poderosa ferramenta de descentralização econômica.
Os clusters costumam surgir naturalmente através de interações entre empresas,
normalmente nascentes no mercado, e políticas de correção de imperfeições econômicas.
Também é importante, nesse processo, o papel do governo na promoção de políticas de
incentivo às pequenas e médias empresas através de subsídios fiscais e creditícios.
Além da cooperação entre as empresas e do apoio do governo, outras instituições
caracterizam os clusters e, normalmente, asseguram seu sucesso: universidades, centros de
pesquisa e incubadoras de empresas. Isso pelo fato de os clusters estarem intimamente ligados
à
inovação
(CARVALHO;
CHAVES,
2007).
Assim,
mais
especificamente,
os
polostecnológicos assumem essa descrição, por estarem ligados às inovações tecnológicas.
O caso do Vale do Silício, na Califórnia, pode ser considerado o início da história dos
polostecnológicos. Na literatura há uma aceitação geral de que este foi o modelo para as
experiências com tecnologia por todo o globo (DEMATTOS, 1990) e (TAVARES, 1997). A
região apresenta antecedentes históricos que remontam uma trajetória de inovação que vem
desde o século XX e que se intensificou com a criação da base de alta tecnologia ao redor do
Stanford Industrial Park em 1950 (CARVALHO; CHAVES, 2007).
A trajetória do Vale do Silício se mostrou como um bom exemplo e, em regiões com
semelhantes estruturas disponíveis – com mão-de-obra qualificada e infraestrutura avançada –
foram surgindo novos casos de sucesso, como na França e no Reino Unido.
No Brasil, o surgimento dos polos foi impulsionado pelo processo de reestruturação
produtiva que aconteceu na década de 1990. Impulsionados por um grande esforço
colaborativo entre Universidades, Empresas e Governo, numerosos polos surgiram e se
estabeleceram, principalmente na região sudeste (TAVARES, 1997), sendo as primeiras
experiências a de São de José dos Campos e a de Campinas.
Existem atualmente vários aglomerados no Brasil, muitos dos quais estão na região
sul. Em Santa Catarina, por exemplo, destaca-se o polo voltado à eletromecânica em Joinville,
o polo associado à indústria têxtil na região de Blumenau, e o polo da indústria de software, na
região da Grande Florianópolis. No Paraná, os principais clusters estão localizados na região
metropolitana de Curitiba, voltados ao setor de telecomunicações, e em Maringá, nas
confecções. No Rio Grande do Sul se destacam os clusters do Vale do Rio Pardo, na produção
de fumo, de Porto Alegre, no setor de auto-peças, e em Caxias do Sul, no setor têxtil-malhas
(CARVALHO; CHAVES, 2007).
3 Observações metodológicas
O material utilizado nesse artigo provém da Relação Anual de Informações Sociais –
RAIS, do Ministério do Trabalho. É importante esclarecer que a RAIS registra o total de
pessoas empregadas com carteira assinada, em regime celetista e estatutário, durante o ano de
referência. Isso significa que se trata do registro do chamado emprego formal da economia.
A RAIS utiliza a Classificação Nacional de Atividades Econômicas – CNAE,
elaborada pelo IBGE, para classificar os dados quanto à ocupação de cada trabalhador e a
atividade econômica onde este se insere. Essa classificação foi criada em dezembro de 1994 e
é a classificação oficial de atividades utilizada pelo Sistema Estatístico Nacional e pela
Administração Pública, para fins de cadastro e registros de pessoas jurídicas, estando em
constante atualização, sendo a última a versão a CNAE 2.0 de 2007.
A CNAE 2.0 tem em seus princípios a cobertura completa do universo representado, a
definição de categorias mutuamente excludentes e a organização hierárquica das atividades,
sendo detalhada por subclasses, definindo a atividade econômica em cinco níveis: seções,
divisões, grupos, classes e subclasses.
São 21 seções, 87 divisões, 285 grupos, 673 classes e 1301 subclasses. Todas são
classificadas por um código acompanhado de uma denominação. Por exemplo, uma das
atividades identificadas como características aos polostecnológicos é a de Customização de
programas de computador. Sua classificação na CNAE 2.0 é destacada assim:
Seção: J – Informação e comunicação
Divisão: 62 – Atividades dos serviços de tecnologia da informação
Grupo: 62.0 – Atividades dos serviços de tecnologia da informação.
Classe: 62.04-0 – Consultoria em tecnologia da informação
Subclasse: 62.09-0/00 – Customização de programas de computador
Destacando que o dígito 0 no Grupo mostra que essa divisão não é dividida em
Grupos, tendo o Grupo a mesma denominação da Divisão.
Como nosso trabalho não se limita à análise das atividades de tecnologia da
Informação, buscando trabalhar com o maior número de atividades que possam ser exercidas
em um polotecnológico, para coletar os dados, além da Divisão 62, utilizamos, dentro da
Seção C – Indústrias de transformação, a Divisão 26 – Fabricação de equipamentos de
informática, produtos eletrônicos e ópticos. Assim, além das atividades relacionadas à
tecnologia da Informação, englobamos, também, as relacionadas à indústria de transformação
de produtos tecnológicos.
Além de coletar as informações para os trabalhadores de todo o polo foi decidido
destacar as informações relativas aos trabalhadores que exercem uma ocupação que, mais que
as outras, dependa da escolaridade para ser exercida, e que, em tese, seja uma ocupação onde
não deve haver um diferencial muito grande de salário por não haver nenhuma habilidade
necessária que seja intrínseca aos homens para exercê-la.
A ocupação de analista de tecnologia da Informação foi escolhida por ter uma área de
atuação e formação focada em tecnologia, abrangendo profissionais que atuam como analista
de desenvolvimento de sistemas, analista de redes e de comunicação de dados, analista de
suporte computacional e analista de sistemas de automação, tendo formação superior
primordialmente em sistemas de informação, ciência da computação ou engenharia da
computação. Desta maneira, a grande maioria dos trabalhadores tem o ensino superior
completo ou está por completar, uma vez que os polostecnológicos, por estarem ligados a
universidades também empregam bastantes estagiários.
A ocupação, também, além de ser uma das ocupações com maior amostra de
trabalhadores com ensino superior nos polos em geral – um número que possibilita a aplicação
de testes estatísticos –, é uma das que apresenta o maior número de mulheres.
Outras fontes de dados para estudos do mercado de trabalho são a Pesquisa Nacional
de Domicílios (PNAD) e a Pesquisa Mensal do Emprego (PME), ambas elaboradas pelo
IBGE, para centros urbanos brasileiros.
Nesse caso, são dados amostrais desagregados,
diferentemente da RAIS, que fornece dados populacionais e, por serem agregados, os salários
são fornecidos em termos de média para as diferentes categorias. Além disso, outra fonte de
dados é o Sistema de Contas Nacionais também do IBGE, que abrange empregadores,
empregados, trabalhadores por conta própria e trabalhadores não remunerados.
Embora os resultados e conclusões extraídas a partir de cada uma dessas fontes
possam diferir em termos de valor absoluto, não há divergência quanto à tendência do
comportamento dos dados apresentados por essas fontes (CARVALHO, 2003). A decisão a
respeito da fonte de dados utilizada depende do tipo de investigação empreendida, uma vez
que todos apresentam vantagens e desvantagens.
Em nosso trabalho optamos pela RAIS principalmente pelo fato de que a PNAD não
possui a abrangência geográfica necessária para possibilitar a análise dos vários
polostecnológicos de cada estado do sul do país, que é nosso objetivo. E também pelo falo da
principal desvantagem da RAIS ser quanto a abranger apenas do mercado formal de trabalho,
o que não gera grandes distorções, uma vez que o mercado tecnológico é altamente
formalizado.
São diversos os polostecnológicos em cada um dos três estados que compõem o sul do
país. Só na no Rio Grande do Sul, segundo a Secretaria da Ciência, Inovação e
Desenvolvimento tecnológico, são 24 polos. Decidimos, então, restringir nossa pesquisa aos
maiores polos de cada região, definindo como referência para identificar o tamanho dos polos
o número de trabalhadores empregados, dado que coletamos também na RAIS. Assim,
delimitamos a pesquisa em três polos do Rio Grande do Sul, três de Santa Catarina e cinco do
Paraná.
No Rio Grande do Sul utilizamos a classificação dos Conselhos de Desenvolvimento
Regional para selecionar os municípios. Assim, os principais polos encontrados foram o
Metropolitano – que tem como cidade polo Porto Alegre –, o da Serra – onde a cidade polo é
Caxias do Sul – e do Vale do Rio dos Sinos – onde Canoas é a cidade polo.
Em Santa Catarina utilizamos a classificação das Secretarias de Estado de
Desenvolvimento Regional - SDR. Identificamos os seguintes polos como os mais
representativos: SDR Grande Florianópolis, SDR Joinville e SDR Blumenau.
No Paraná identificamos como sendo os maiores polos os de Curitiba, Londrina,
Maringá, Oeste e Sudoeste, conforme apresentado do Panorama Setorial de tecnologia da
Informação 2010, do Sebrae do Paraná (PEREIRA, 2010).
4 Perfil da força de trabalho empregada nos polostecnológicos da região sul
Nesta seção apresenta-se o perfil da mão de obra empregada nos principais polos
tecnológicos de cada um dos três estados da região sul, em termos de rendimento,
escolaridade, idade e tempo no emprego. Tais resultados são resumidos pelas Tabelas A.1 a
A.3 no Apêndice e permitem uma descrição comparativa da força de trabalho empregada nos
polos das regiões selecionadas.
Deve ser enfatizado, aqui, o caráter inédito dos dados, com uma análise específica para
um importante setor da economia. Além disso, a descrição do perfil da força de trabalho com
base nos dados obtidos se assemelha às descrições existentes na literatura para outras
economias e atividades, como, por exemplo, (GIUBERTI E MENEZES-FILHO, 2005),
(JACINTO, 2005) e (LOUREIRO, 2003).
Por fim, deve-se ter em mente o cunho
intermediário dessa descrição do perfil da mão de obra empregada, uma vez que se trata de um
passo imediatamente anterior ao desenvolvimento da análise econométrica e possíveis
conclusões sobre discriminação salarial.
Seguindo a metodologia proposta, as variáveis selecionadas foram o salário-hora, o
grau de escolaridade, a idade e o tempo no emprego dos empregados. O salário-hora é a
variável endógena ao modelo econométrico proposto, já as demais variáveis são introduzidas
no modelo para incorporar uma variável proxy substituta do capital humano -
teoria
inicialmente desenvolvida por (BECKER, 1975), seguida pelo desenvolvimento da
metodologia para mensuração da discriminação (LOUREIRO, 2003). Mais especificamente, a
partir dessa desfrição aqui apresentada pode se empregar, por exemplo, a a decomposição de
(OAXACA, 1973) e (OAXACA E RANSOM, 1994), para se investigar a existência de
discrimanação, como é feito por exemplo por JACINTO (2005) numa análise da indústria
aviária da região sul do Brasil.
Os dados aqui apresentados foram organizados de modo a estimar as funções de
rendimento para os homens e as mulheres e identificar a existência de discriminação por
gênero nos polos e permitem uma análise descritiva do perfil da mão-de-obra empregada nos
polos
A partir das Tabelas A.1 a A.3 do APÊNDICE, descrevemos o perfil dos trabalhadores
da indústria de tecnologia em cada um dos três estados da região sul. Trata-se do perfil médio
do estado, o qual é traçado com base nos dados para os respectivos polos regionais de cada
estado. Assim, a Tabela A.1, para Santa Catarina, é construída a partir de tabelas similares
para cada um dos três polos, Florianópolis, Blumenau e Joinville. Similarmente, a Tabela A.2
é obtida a partir de tableas similares para cada um os cinco polos do Paraná, que são os das
regiões de Curitiba, Londrina, Maringá, região Oeste e Sudoeste. A Tabela A.3, estado do Rio
Grande do Sul, é obtida a partir de dos polos regionais de Canoas, Caxias do Sul e Porto
Alegre.
Para cada uma das regiões metropolitanas nos polos regionais de cada estado, foi
traçado o perfil da mão de obra empregada como uma média do polo todo e o perfil dos
trabalhadores que atuam como analistas de tecnologia da Informação. Esses perfis foram
traçados com base em 56.113 trabalhadores com pelo menos o primeiro grau incompleto,
pertencentes a um desses principais polos tecnológicos da região sul do país, compostos por
33.896 homens e 22.217 mulheres. Deste total, aproximadamente 14,55% estão empregados
na área de analista de tecnologia da Informação.
Apesar de se esperar níveis semelhantes de salários, nos três polos regionais do Estado
de Santa Catarina, tomados em conjunto, existem 13.129 trabalhadores em 2010, com
participação feminina de 37%. O salário médio das mulheres nos polos regionais de Santa
Catarina, considerando-se as 213 ocupações selecionadas, é cerca de 71% do salário dos
homens. A mesma proporção se verifica para o salário por hora. Contudo, já para a ocupação
específica de analista de TI, a diferença entre os rendimentos dos homens e das mulheres
diminui, uma vez que o salário médio das mulheres é 88% do salário dos homens.
A idade média dos homens e das mulheres é praticamente a mesma para o polo como
um todo – cerca de 32 anos – e quando se observam apenas os analistas de TI, essa idade se
reduz para cerca 30 anos, o que aponta para um grau de experiência aproximado, tanto por
gênero quanto por ocupação, uma vez que a experiência advém com a idade dos indivíduos e
o tempo no emprego, o qual tampouco é significativo. Então, uma possível explicação para
um maior salário dos analistas de tecnologia da Informação seria dado pelo grau de
escolaridade, uma vez que cerca de 90% desses trabalhadores possuem nível superior
completo contra 43% dos demais trabalhadores dos polos de Santa Catarina. Porém esse
argumento não pode ser estendido à diferença de gênero, já que 94% das mulheres possuem
nível superior completo e apenas 89% dos homens, apontando para uma possível
discriminação neste mercado.
Nos polos regionais do Estado do Paraná estão registrados, no ano de 2010, 20.744
trabalhadores, sendo que 39,41% são mulheres. O salário-hora de uma trabalhadora é 84% do
trabalhador, mas essa distância diminui bastante quando se consideram apenas os analistas de
TI, onde o salário médio das mulheres é 94% do dos homens, apesar das mulheres também
apresentarem um grau de instrução, em média, maior que o dos homens, como ocorre nos
polos de Santa Catarina. Essa diferença se torna mais significativa quando comparada à média
dos polos de ambos os estados, onde as mulheres apresentam salários menores, mas
parcialmente explicado pelo menor grau de escolaridade.
Nesse estado vale destacar o polo tecnológico de Londrina, o polo com o salário mais
igualitário, para a ocupação de analista de TI, da região sul. Nele o salário dos homens é
apenas 0,03 salários mínimos maior que o das mulheres. A diferença na variável idade e
tempo no emprego não é relevante. Tampouco o grau de escolaridade feminino é
absurdamente maior que o dos homens, 66% das mulheres têm o nível superior completo
contra 59% dos homens, porém 16% das mulheres apresenta apenas o segundo grau completo
contra 12% dos homens.
Nos três polos tecnológicos regionais do Estado do Rio Grande do Sul estão
registrados 22.240 trabalhadores, dos quais 41% são mulheres. O salário-hora das mulheres é,
em média, 77,8% do salário de um trabalhador médio, proporção esta que sobe para 87,9%
para profissionais atuantes como analistas de TI e ela também são em média um pouco mais
jovens, com idade média de 34 anos, enquanto que os homens têm, em média, 33, 6 anos.
Assim como nos outros dois estados, a idade média dos analistas de TI é menor, no caso do
Rio Grande do Sul, são cerca de três anos.
Os polos desse estado merecem uma análise mais detalhada por não serem muito
homogêneos. Por exemplo, no polo de Canoas o salário das mulheres é 77,08% do dos
homens, o que se justifica pelo fato de 73% de todos os trabalhadores com ensino superior
completo serem homens, o que não ocorre com o analista de TI, que apesar da mulher ter
86,52% do salário dos homens sua escolaridade é semelhantes. Diferença que se assemelha à
análise do polo de Porto Alegre, a não ser pelas mulheres apresentarem claramente um maior
nível educacional.
O polo de Caxias do Sul é o único polo da região sul do Brasil onde o salário das
mulheres é mais elevado que o dos homens. Na ocupação de analistas de TI o salário das
mulheres é, em média, 23% maior que o dos homens. A idade média das mulheres é de 32,63
anos e dos homens 28,05. As mulheres também têm nível de escolaridade mais alto e estão
mais concentradas nas áreas de maior duração no emprego. Assim sendo, não termos como
afirmar que todo esse respaldo de capital humano condiz realmente com seus salários.
Quanto à escolaridade, atributo mais importante segundo a teoria do capital humano,
em princípio, nos três estados, os homens têm escolaridade média acima das mulheres quando
se consideram as 213 ocupações dos polos regionais.
Por exemplo, considerando as
populações masculina e feminina, as proporções daqueles que possuem nível superior
completo e incompleto juntos são, respectivamente, 66,47% e 51,3% em Santa Catarina, 47%
e 33,2% no Paraná e 54% e 38% no Rio Grande Sul. Note ainda que Santa Catarina possui a
maior proporção de trabalhadores com esse grau de escolaridade do que os outros dois
estados.
No entanto, essa proporção se inverte quando se observam apenas os profissionais que
atuam como analistas de TI: nos três estados a proporção de mulheres com nível superior
completo é maior que a proporção dos homens. Por exemplo, no estado de Santa Catarina, do
total de mulheres que atuam como analistas de TI, 93% possuem nível superior completo,
enquanto que para os homens essa proporção é 82,9%.
Cabe ressaltar que o Estado de Santa Catarina exibe a maior diferença salarial entre
homens e mulheres e o Paraná, a menor diferença. Além disso, essa diferença é menor
quando se tomam apenas os analistas de TI.
5 Conclusões
Este artigo buscou encontrar, através de análise descritiva, indícios de que há
discriminação entre gêneros nos polostecnológicos da região sul do Brasil. O que se constatou
é que, considerando todos os trabalhadores dos polos dos três estados, os homens recebem em
média um salário aproximadamente 29% maior que o das mulheres. Entretanto, como as
mulheres possuem um nível de escolaridade mais baixo que o dos homens, somentea análise
econométrica pode sugerir conclusões sobre a existência de discriminação nesse mercado.
A diferença salarial é menor quando analisados apenas os dados para os analistas de
TI, onde os homens ganham cerca de 10,77% a mais que as mulheres. Como, nesse caso, as
mulheres possuem escolaridade média maior que a dos homens, há fortes indícios de que há
discriminação nesse mercado. No entanto, a análise econométrica ainda se faz necessária para
a mensuração da discriminação.
6 Referências
ASHENFELTER, O. and ROUSE, A.B. Estimates of the economic return to schooling from a
new sample of twins.QUARTERLY JOURNAL OF ECONOMICS, vol. 84, n. 5, p. 157-73,
1998.
BECKER, G. The economics of discrimination. Chicago: University of Chicago Press, 1957.
BECKER, G. Human capital.2nd edition. New York: Columbia University Press, 1975.
CARD, D. and KRUEGER, A. Does school quality matter? Returns to education and the
characteristics of public schools in the United States.JOURNA L OF POLITICAL
ECONOMY, vol. 100, n.1, p. 1-40, 1992.
CARVALHO, Soraia. S. M.; CHAVES, Catari V. PolosTecnológicos e Desenvolvimento
Regional. Encontro nacional de economia, 35, Recife. 2007.
CARVALHO, N. Uma Decomposição do Aumento da Produtividade do Trabalho no Brasil
Durante os Anos 90. REVISTA DE ECONOMIA CONTEMPORÂNEA, v.7, n. 1, pp. 81-109,
jan./jun, 2003.
DEMATTOS, M. PolosTecnológicos: um estudo de caso. 144f. Dissertação (Mestrado) –
UniversidadeFederal de Minas Gerais, Belo Horizonte, 1990.
GIUBERTI. A.C.; MENEZES-FILHO, N. Discriminação de Rendimentos por Gênero: uma
Comparação Entre o Brasil e os Estados Unidos. ECONOMIA APLICADA, v.8, n. 3, pp. 369383, jul-set, 2005.
JACINTO, P.A. Diferenciais de salários por gênero na indústria avícola da região sul doBrasil.
REVISTA DE ECONOMIA RURAL, vol. 43, n. 3, p. 529-555, jul/set, 2005.
LOUREIRO, P. R. A. (2003). “Uma resenha teórica e empírica sobre economia da discriminação.
REVISTA BRASILEIRA DE ECONOMIA, vol. 57, n. 1, p. 125-157, jan/março, 2003.
MINCER, J. Schooling, experience, and earnings. New York, NBER Press, 1974
OAXACA, R. Male-female wage differentials in urban labor markets.INTERNATIONAL
ECONOMIC REVIEW, vol. 62, n. 1, p. 693-709, 1973.
OAXACA, R. and RANSOM, M. On discrimination and the decomposition of wage
differentials.JOURNAL OF ECONOMETRICS, vol. 61, n. 1, p.5-21, março, 1994.
OAXACA, R.L. The Challenge of Measuring Labor Market Discrimination Against Woman.
SWEDISH ECONOMIC POLICY REVIEW, no. 14, pp. 199-231, 2007.
RAIS – Relação Anual de Informações Sociais do Ministério do Trabalho e Emprego, 2010.
SEBRAE/PR. Panorama setorial de tecnologia da informação 2010. Disponível em
http://portal.pr.sebrae.com.br/FCKeditor/userfiles/file/BancodePesquisas%20/Software/Panorama
%20Setorial%202010.pdf. Acesso em 27/02/2012
TAVARES, H. M. Complexos de alta tecnologia e reestruturação do espaço. In: SANTOS,
Milton (Org.) et al. Fim de século e globalização. 3. ed. São Paulo: Hucitec-Anpur, 1997. p. 270284.
APÊNDICE
Tabela A.1 – Perfil da mão de obra nos polos de Santa Catarina em termos de
rendimento,
gênero, escolaridade, idade e tempo no emprego1:
Variável
polo
analista de TI
Masculino Feminino Total Masculino Feminino Total
Número de salários
mínimos
5,55
3,86
4,93
6,58
5,81
6,39
Salário/Hora
16,72
11,88
14,93
19,62
17,32
19,05
Idade
32,65
31,12
32,08
30,69
30,28
30,59
Escolaridade
1º. grau incompleto
0,0063
0,0105 0,0078
0,0000
0,0000 0,0000
1º. grau completo
0,0190
0,0286 0,0225
0,0009
0,0000 0,0007
2º. grau incompleto
0,0379
0,0606 0,0463
0,0013
0,0013 0,0013
2º. grau completo
0,2721
0,3866 0,3146
0,0330
0,0187 0,0295
Superior incompleto
0,1944
0,1502 0,1780
0,0776
0,0401 0,0684
Superior completo
0,4703
0,3636 0,4307
0,8873
0,9399 0,9002
Até 2,9 meses
0,1073
0,1163 0,1106
0,0915
0,0628 0,0845
3 a 5,9 meses
0,1437
0,1543 0,1476
0,1852
0,2390 0,1984
6 a 11,9 meses
0,1841
0,1964 0,1887
0,1969
0,2443 0,2085
12 a 23,9 meses
0,1804
0,1693 0,1763
0,1418
0,1202 0,1365
24 a 35,9 meses
0,1183
0,0984 0,1109
0,1236
0,1215 0,1231
36 a 59,9 meses
0,1075
0,0998 0,1047
0,1049
0,1001 0,1038
60 a 119,6 meses
0,0881
0,0838 0,0865
0,0885
0,0641 0,0825
120 ou mais meses
0,0707
0,0818 0,0748
0,0676
0,0481 0,0628
8261
4868 13129
2306
0,6292
0,3708 1,0000
0,7548
Tempo no emprego em meses
Total de trabalhadores
Participação (%)
1 Média das regiões de Florianópolis, Blumenau e Joinville- elaboração própria com base na RAIS, 2010
749
3055
0,2452 1,0000
1 Média das regiões de Florianópolis, Blumenau e Joinville- elaboração própria com base na RAIS, 2010
Tabela A.2 – Perfil da mão de obra nos polos do Paraná em termos de rendimento,
gênero, escolaridade, idade e tempo no emprego2
Variável
polo
analista de TI
Masculino Feminino Total Masculino Feminino Total
Número de salários
mínimos
5,02
4,17
4,69
5,69
5,38
5,63
Salário/Hora
15,51
13,16
14,59
17,62
16,63
17,43
Idade
33,41
33,31
33,37
29,89
30,43
29,99
1º. grau incompleto
0,0362
0,0231
0,031
0,0000
0,0000 0,0000
1º. grau completo
0,0383
0,0335 0,0364
0,0026
0,0000 0,0021
2º. grau incompleto
0,0668
0,0477 0,0593
0,0026
0,0000 0,0021
2º. grau completo
0,3882
0,5634 0,4572
0,0629
0,0542 0,0612
Superior incompleto
0,1361
0,0937 0,1194
0,1028
0,0629 0,0952
Superior completo
0,3343
0,2385 0,2966
0,8292
0,8829 0,8395
Até 2,9 meses
0,1122
0,1007 0,1076
0,1580
0,1453 0,1556
3 a 5,9 meses
0,1277
0,1202 0,1248
0,1544
0,1735 0,1580
6 a 11,9 meses
0,1905
0,2028 0,1954
0,1304
0,1171 0,1278
12 a 23,9 meses
0,1959
0,2324 0,2103
0,2040
0,1779 0,1990
24 a 35,9 meses
0,1177
0,1042 0,1124
0,1339
0,1302 0,1332
36 a 59,9 meses
0,1324
0,1199 0,1275
0,1135
0,1171 0,1142
60 a 119,6 meses
0,0707
0,0604 0,0667
0,0731
0,0976 0,0778
120 ou mais meses
0,0529
0,0593 0,0554
0,0327
0,0412 0,0343
Total de trabalhadores
12569
8175 20744
1956
Participação (%)
0,6059
0,3941 1,0000
0,8093
Escolaridade
Tempo no emprego em meses
2Média das regiões Oeste, Sudoeste, Maringá, Londrina e Curitiba - elaboração própria com base na RAIS, 2010
461
2417
0,1907 1,0000
Tabela A. 3 – Perfil da mão de obra nos polos do Rio Grande do Sul em termos de
rendimento, gênero, escolaridade, idade e tempo no emprego3
Variável
polo
analista de TI
Masculino Feminino Total Masculino Feminino Total
Número de salários
mínimos
6,60
5,05
5,96
7,40
6,55
7,21
Salário/Hora
19,62
15,28
17,83
22,08
19,42
21,50
Idade
34,02
33,60
33,84
31,01
31,64
31,15
Escolaridade
1º. grau incompleto
0,0207
0,0366 0,0272
0,0000
0,0000 0,0000
1º. grau completo
0,0302
0,0649 0,0445
0,0014
0,0000 0,0011
2º. grau incompleto
0,0497
0,0645 0,0558
0,0029
0,0017 0,0026
2º. grau completo
0,3515
0,4505 0,3924
0,0670
0,0458 0,0623
Superior incompleto
0,2182
0,1718 0,1991
0,1682
0,1220 0,1581
Superior completo
0,3297
0,2117 0,2810
0,7606
0,8305 0,7759
Até 2,9 meses
0,1103
0,1145 0,1120
0,1211
0,1407 0,1254
3 a 5,9 meses
0,1036
0,0970 0,1009
0,1178
0,1237 0,1191
6 a 11,9 meses
0,1745
0,1696 0,1725
0,1677
0,1458 0,1629
12 a 23,9 meses
0,1753
0,1963 0,1840
0,1971
0,2000 0,1978
24 a 35,9 meses
0,1249
0,1103 0,1189
0,1235
0,1220 0,1232
36 a 59,9 meses
0,1242
0,1088 0,1179
0,1454
0,1203 0,1399
60 a 119,6 meses
0,0984
0,1122 0,1041
0,0822
0,0814 0,0820
120 ou mais meses
0,0887
0,0913 0,0898
0,0451
0,0661 0,0497
Total de trabalhadores
13066
9174 22240
2105
Participação (%)
0,5875
0,4125 1,0000
0,7811
Tempo no emprego em meses
590
2695
0,2189 1,0000
3Média das regiões de Porto Alegre, Canoas e Caxias do Sul - elaboração própria com base na RAIS, 2010
Tabela A.4– Perfil da mão de obra no polo de Florianópolis em termos de rendimento,
gênero, escolaridade, idade e tempo no emprego4
Variável
polo
analista de TI
Masculino Feminino Total
Masculino Feminino Total
Número de salários
mínimos
5,81
3,92
5,06
7,48
6,62
7,33
Salário/Hora
17,73
12,31
15,59
22,55
19,77
22,05
Idade
33,46
31,25
32,59
32,21
32,96
32,34
Escolaridade
1º. grau incompleto
0,0081
0,0113 0,0093
0,0000
0,0000 0,0000
1º. grau completo
0,0181
0,0233 0,0202
0,0011
0,0000 0,0009
2º. grau incompleto
0,0425
0,0740 0,0549
0,0000
0,0000 0,0000
2º. grau completo
0,3611
0,5147 0,4218
0,0541
0,0314 0,0501
Superior incompleto
0,1622
0,1356 0,1517
0,0406
0,0262 0,0380
Superior completo
0,4081
0,2411 0,3421
0,9042
0,9424 0,9109
Até 2,9 meses
0,1141
0,1336 0,1218
0,0947
0,0628 0,0891
3 a 5,9 meses
0,1197
0,1353 0,1258
0,0688
0,0838 0,0714
6 a 11,9 meses
0,1848
0,1894 0,1866
0,2041
0,1990 0,2032
12 a 23,9 meses
0,1955
0,1836 0,1908
0,1995
0,1361 0,1883
24 a 35,9 meses
0,0993
0,0760 0,0901
0,1161
0,1885 0,1289
36 a 59,9 meses
0,1027
0,0866 0,0963
0,1094
0,1309 0,1132
60 a 119,6 meses
0,0832
0,0788 0,0815
0,0958
0,0785 0,0928
120 ou mais meses
0,1007
0,1168 0,1070
0,1116
0,1204 0,1132
Tempo no emprego em meses
Total de trabalhadores
Participação (%)
4470
0,6049
4Elaboração própria com base na RAIS, 2010
2920
7390
887
0,3951 1,0000
0,8228
191
1078
0,1772 1,0000
Tabela A.5 – Perfil da mão de obra no polo de Blumenau em termos de rendimento,
gênero, escolaridade, idade e tempo no emprego5
Variável
polo
analista de TI
Masculino Feminino Total
Masculino Feminino Total
Número de salários
mínimos
4,35
3,85
4,2
5,83
4,92
5,63
Salário/Hora
13,14
11,42
12,61
16,94
14,34
16,37
Idade
31,57
31,38
31,51
30,87
30,31
30,75
Escolaridade
1º. grau incompleto
0,0071
0,0145 0,0094
0,0000
0,0000 0,0000
1º. grau completo
0,0122
0,0369 0,0199
0,0000
0,0000 0,0000
2º. grau incompleto
0,0415
0,0615 0,0478
0,0000
0,0000 0,0000
2º. grau completo
0,1459
0,1834 0,1576
0,0095
0,0169 0,0111
Superior incompleto
0,2913
0,2248 0,2706
0,0757
0,0337 0,0665
Superior completo
0,5020
0,4787 0,4948
0,9148
0,9494 0,9224
Até 2,9 meses
0,0800
0,1085 0,0889
0,0789
0,1067 0,0850
3 a 5,9 meses
0,1231
0,0906 0,1130
0,1325
0,0618 0,1170
6 a 11,9 meses
0,1803
0,1801 0,1803
0,1325
0,1854 0,1441
12 a 23,9 meses
0,1697
0,1801 0,1729
0,1104
0,1854 0,1268
24 a 35,9 meses
0,1535
0,1219 0,1437
0,1593
0,1292 0,1527
36 a 59,9 meses
0,1424
0,1544 0,1461
0,1577
0,1573 0,1576
60 a 119,6 meses
0,1033
0,1130 0,1063
0,1451
0,1124 0,1379
120 ou mais meses
0,0476
0,0515 0,0488
0,0836
0,0618 0,0788
Tempo no emprego em meses
Total de trabalhadores
Participação (%)
1974
0,6883
5Elaboração própria com base na RAIS, 2010
894
2868
634
0,3117 1,0000
0,7808
178
812
0,2192 1,0000
Tabela A.6 – Perfil da mão de obra no polo de Joinville em termos de rendimento,
gênero, escolaridade, idade e tempo no emprego6
Variável
polo
analista de TI
Masculino Feminino Total
Masculino Feminino Total
Número de salários
mínimos
6,22
3,71
5,3
6,16
5,81
6,05
Salário/Hora
18,14
11,1
15,55
18,47
17,49
18,15
Idade
31,83
30,54
31,36
28,82
28,92
28,85
Escolaridade
1º. grau incompleto
0,0011
0,0047 0,0024
0,0000
0,0000 0,0000
1º. grau completo
0,0286
0,0361 0,0313
0,0013
0,0000 0,0009
2º. grau incompleto
0,0226
0,0228 0,0226
0,0038
0,0026 0,0034
2º. grau completo
0,1904
0,2040 0,1954
0,0280
0,0132 0,0232
Superior incompleto
0,1684
0,1271 0,1533
0,1210
0,0500 0,0979
Superior completo
0,5889
0,6053 0,5949
0,8459
0,9342 0,8747
Até 2,9 meses
0,1200
0,0750 0,1034
0,0981
0,0421 0,0798
3 a 5,9 meses
0,2251
0,2609 0,2382
0,3592
0,4000 0,3725
6 a 11,9 meses
0,1866
0,2296 0,2024
0,2408
0,2947 0,2584
12 a 23,9 meses
0,1547
0,1205 0,1421
0,1019
0,0816 0,0953
24 a 35,9 meses
0,1266
0,1404 0,1317
0,1032
0,0842 0,0970
36 a 59,9 meses
0,0815
0,0901 0,0846
0,0573
0,0579 0,0575
60 a 119,6 meses
0,0837
0,0731 0,0798
0,0344
0,0342 0,0343
120 ou mais meses
0,0220
0,0104 0,0178
0,0051
0,0053 0,0052
Tempo no emprego em meses
Total de trabalhadores
Participação (%)
1817
0,6329
6Elaboração própria com base na RAIS, 2010
1054
2871
785
0,3671 1,0000
0,6738
380
1.165
0,3262 1,0000
Tabela A.7 – Perfil da mão de obra no polo de Curitiba em termos de rendimento,
gênero, escolaridade, idade e tempo no emprego7
Variável
polo
analista de TI
Masculino Feminino Total
Masculino Feminino Total
Número de salários
mínimos
5,88
4,62
5,34
6,69
6,08
6,56
Salário/Hora
18,05
14,63
16,59
20,88
18,93
20,48
Idade
34,36
33,71
34,08
30,87
31,30
30,96
Escolaridade
1º. grau incompleto
0,0286
0,0164 0,0234
0,0000
0,0000 0,0000
1º. grau completo
0,0301
0,0229 0,0270
0,0029
0,0000 0,0023
2º. grau incompleto
0,0476
0,0415 0,0450
0,0036
0,0000 0,0028
2º. grau completo
0,3922
0,5820 0,4735
0,0364
0,0441 0,0380
Superior incompleto
0,1297
0,0898 0,1126
0,0650
0,0441 0,0607
Superior completo
0,3719
0,2474 0,3186
0,8922
0,9118 0,8963
Até 2,9 meses
0,1152
0,0945 0,1064
0,1820
0,1653 0,1786
3 a 5,9 meses
0,1217
0,1167 0,1196
0,1670
0,1928 0,1723
6 a 11,9 meses
0,1880
0,2062 0,1958
0,1113
0,1019 0,1094
12 a 23,9 meses
0,1861
0,2385 0,2085
0,1692
0,1625 0,1678
24 a 35,9 meses
0,1147
0,1027 0,1096
0,1199
0,1074 0,1173
36 a 59,9 meses
0,1375
0,1198 0,1299
0,1292
0,1267 0,1287
60 a 119,6 meses
0,0697
0,0538 0,0629
0,0778
0,0964 0,0816
120 ou mais meses
0,0670
0,0677 0,0673
0,0435
0,0468 0,0442
8807
6600 15407
1401
0,5716
0,4284 1,0000
0,7942
Tempo no emprego em meses
Total de trabalhadores
Participação (%)
7Elaboração própria com base na RAIS, 2010
363
1764
0,2058 1,0000
Tabela A.8 – Perfil da mão de obra no polo de Londrina em termos de rendimento,
gênero, escolaridade, idade e tempo no emprego8
Variável
polo
analista de TI
Masculino Feminino Total
Masculino Feminino Total
Número de salários
mínimos
3,05
2,35
2,86
2,76
2,73
2,76
Salário/Hora
9,03
7,43
8,60
8,09
7,98
8,07
32,22
32,67
32,34
27,10
27,32
27,14
Idade
Escolaridade
1º. grau incompleto
0,0771
0,0530 0,0707
0,0000
0,0000 0,0000
1º. grau completo
0,0530
0,0632 0,0557
0,0000
0,0000 0,0000
2º. grau incompleto
0,1652
0,0786 0,1423
0,0000
0,0000 0,0000
2º. grau completo
0,3416
0,4615 0,3734
0,1206
0,1600 0,1270
Superior incompleto
0,1424
0,1145 0,1350
0,2918
0,1800 0,2736
Superior completo
0,2207
0,2291 0,2229
0,5875
0,6600 0,5993
Até 2,9 meses
0,1023
0,1214 0,1074
0,1206
0,0800 0,1140
3 a 5,9 meses
0,1184
0,1162 0,1178
0,0700
0,0600 0,0684
6 a 11,9 meses
0,2121
0,2017 0,2093
0,1946
0,2200 0,1987
12 a 23,9 meses
0,2022
0,1966 0,2007
0,2724
0,2800 0,2736
24 a 35,9 meses
0,1369
0,1197 0,1323
0,2568
0,2600 0,2573
36 a 59,9 meses
0,1134
0,1111 0,1128
0,0311
0,0600 0,0358
60 a 119,6 meses
0,0863
0,0923 0,0879
0,0467
0,0200 0,0423
120 ou mais meses
0,0284
0,0410 0,0317
0,0078
0,0200 0,0098
Tempo no emprego em meses
Total de trabalhadores
Participação (%)
1622
0,7349
8Elaboração própria com base na RAIS, 2010
585
2207
257
0,2651 1,0000
0,8371
50
307
0,1629 1,0000
Tabela A.9 – Perfil da mão de obra no polo de Maringá em termos de rendimento,
gênero, escolaridade, idade e tempo no emprego9
Variável
polo
analista de TI
Masculino Feminino Total
Masculino Feminino Total
Número de salários
mínimos
3,00
2,36
2,81
3,99
3,06
3,91
Salário/Hora
10,5
7,2
9,5
11,82
8,87
11,57
31,00
31,95
31,28
28,37
29,71
28,48
Idade
Escolaridade
1º. grau incompleto
0,0334
0,0438 0,0364
0,0000
0,0000 0,0000
1º. grau completo
0,0721
0,1058 0,0820
0,0000
0,0000 0,0000
2º. grau incompleto
0,0857
0,0712 0,0815
0,0000
0,0000 0,0000
2º. grau completo
0,4097
0,5274 0,4443
0,1250
0,0000 0,1145
Superior incompleto
0,1366
0,0803 0,1200
0,0789
0,0000 0,0723
Superior completo
0,2625
0,1715 0,2358
0,7961
1,0000 0,8133
Até 2,9 meses
0,0964
0,1296 0,1061
0,0658
0,1429 0,0723
3 a 5,9 meses
0,1616
0,1131 0,1474
0,2237
0,0714 0,2108
6 a 11,9 meses
0,1753
0,1861 0,1785
0,1250
0,2143 0,1325
12 a 23,9 meses
0,2428
0,1934 0,2283
0,3618
0,2143 0,3494
24 a 35,9 meses
0,1267
0,1168 0,1238
0,0987
0,0714 0,0964
36 a 59,9 meses
0,1184
0,1478 0,1270
0,0658
0,1429 0,0723
60 a 119,6 meses
0,0645
0,0894 0,0718
0,0592
0,0714 0,0602
120 ou mais meses
0,0144
0,0237 0,0171
0,0000
0,0714 0,0060
Tempo no emprego em meses
Total de trabalhadores
Participação (%)
1318
0,7063
9Elaboração própria com base na RAIS, 2010
548
1866
152
0,2937 1,0000
0,9157
14
166
0,0843 1,0000
Tabela A.10 – Perfil da mão de obra no poloda região Oeste em termos de rendimento,
gênero, escolaridade, idade e tempo no emprego10
Variável
polo
analista de TI
Masculino Feminino Total
Masculino Feminino Total
Número de salários
mínimos
2,79
1,98
2,55
2,96
2,70
2,91
Salário/Hora
8,24
6,04
7,59
8,87
7,99
8,70
30,27
31,44
30,62
27,06
26,16
26,88
Idade
Escolaridade
1º. grau incompleto
0,0563
0,0865 0,0652
0,0000
0,0000 0,0000
1º. grau completo
0,0604
0,0817 0,0667
0,0000
0,0000 0,0000
2º. grau incompleto
0,0483
0,0721 0,0553
0,0000
0,0000 0,0000
2º. grau completo
0,3521
0,3413 0,3489
0,0990
0,0000 0,0794
Superior incompleto
0,1831
0,1202 0,1645
0,1683
0,1200 0,1587
Superior completo
0,2998
0,2981 0,2993
0,7327
0,8800 0,7619
Até 2,9 meses
0,1368
0,1058 0,1277
0,1188
0,0400 0,1032
3 a 5,9 meses
0,1811
0,1442 0,1702
0,1089
0,1200 0,1111
6 a 11,9 meses
0,1710
0,2115 0,1830
0,1683
0,0800 0,1508
12 a 23,9 meses
0,2012
0,2260 0,2085
0,2673
0,2000 0,2540
24 a 35,9 meses
0,1006
0,1250 0,1078
0,0693
0,2400 0,1032
36 a 59,9 meses
0,1449
0,0721 0,1234
0,1584
0,0400 0,1349
60 a 119,6 meses
0,0584
0,1106 0,0738
0,1089
0,2800 0,1429
120 ou mais meses
0,0060
0,0048 0,0057
0,0000
0,0000 0,0000
Tempo no emprego em meses
Total de trabalhadores
Participação (%)
497
0,7050
10Elaboração própria com base na RAIS, 2010
208
705
101
0,2950 1,0000
0,8016
25
126
0,1984 1,0000
Tabela A.11 – Perfil da mão de obra no polo daregião Sudoeste em termos de
rendimento, gênero, escolaridade, idade e tempo no emprego11
Variável
polo
analista de TI
Masculino Feminino Total
Masculino Feminino Total
Número de salários
mínimos
3,41
1,98
2,81
3,33
2,76
3,24
Salário/Hora
10,39
6,50
8,76
9,80
8,00
9,50
Idade
28,44
28,46
28,45
26,60
25,44
26,41
Escolaridade
1º. grau incompleto
0,0185
0,0342 0,0250
0,0000
0,0000 0,0000
1º. grau completo
0,0185
0,0470 0,0304
0,0222
0,0000 0,0185
2º. grau incompleto
0,0492
0,0684 0,0572
0,0000
0,0000 0,0000
2º. grau completo
0,4800
0,5769 0,5206
0,2667
0,1111 0,2407
Superior incompleto
0,2062
0,1581 0,1860
0,1333
0,1111 0,1296
Superior completo
0,2277
0,1154 0,1807
0,5778
0,7778 0,6111
Até 2,9 meses
0,1046
0,1496 0,1234
0,0222
0,0000 0,0185
3 a 5,9 meses
0,1169
0,2265 0,1628
0,1111
0,3333 0,1481
6 a 11,9 meses
0,2431
0,1410 0,2004
0,2889
0,1111 0,2593
12 a 23,9 meses
0,2308
0,2479 0,2379
0,2222
0,1111 0,2037
24 a 35,9 meses
0,0923
0,0598 0,0787
0,1333
0,1111 0,1296
36 a 59,9 meses
0,1262
0,1197 0,1234
0,1556
0,2222 0,1667
60 a 119,6 meses
0,0646
0,0556 0,0608
0,0444
0,1111 0,0556
120 ou mais meses
0,0215
0,0000 0,0125
0,0222
0,0000 0,0185
Tempo no emprego em meses
Total de trabalhadores
Participação (%)
325
0,5814
11Elaboração própria com base na RAIS, 2010
234
559
45
0,4186 1,0000
0,8333
9
54
0,1667 1,0000
Tabela A.12 – Perfil da mão de obra no polo de Canoas em termos de rendimento,
gênero, escolaridade, idade e tempo no emprego12
Variável
polo
analista de TI
Masculino Feminino Total
Masculino Feminino Total
Número de salários
mínimos
5,41
4,17
4,90
7,12
6,16
6,93
Salário/Hora
15,97
12,46
14,52
21,38
18,40
20,78
Idade
34,83
33,28
34,19
29,53
30,19
29,66
Escolaridade
1º. grau incompleto
0,0300
0,0378 0,0332
0,0000
0,0000 0,0000
1º. grau completo
0,0348
0,0602 0,0452
0,0016
0,0000 0,0013
2º. grau incompleto
0,0524
0,0614 0,0561
0,0065
0,0065 0,0065
2º. grau completo
0,3159
0,4708 0,3795
0,0783
0,0519 0,0730
Superior incompleto
0,2383
0,1955 0,2207
0,1746
0,1948 0,1786
Superior completo
0,3287
0,1743 0,2653
0,7390
0,7468 0,7405
Até 2,9 meses
0,1120
0,1250 0,1173
0,1387
0,1753 0,1460
3 a 5,9 meses
0,1152
0,1089 0,1126
0,1452
0,1429 0,1447
6 a 11,9 meses
0,1683
0,1692 0,1687
0,1599
0,1623 0,1604
12 a 23,9 meses
0,1923
0,2758 0,2266
0,1533
0,1623 0,1551
24 a 35,9 meses
0,1503
0,1130 0,1350
0,1060
0,0779 0,1004
36 a 59,9 meses
0,1307
0,0797 0,1098
0,2316
0,2013 0,2256
60 a 119,6 meses
0,0692
0,0619 0,0662
0,0538
0,0714 0,0574
120 ou mais meses
0,0620
0,0665 0,0638
0,0114
0,0065 0,0104
Tempo no emprego em meses
Total de trabalhadores
Participação (%)
2501
0,5892
12Elaboração própria com base na RAIS, 2010
1744
4245
613
0,4108 1,0000
0,7992
154
767
0,2008 1,0000
Tabela A.13 – Perfil da mão de obra no polo de Caxias do Sul em termos de
rendimento, gênero, escolaridade, idade e tempo no emprego13
Variável
polo
analista de TI
Masculino Feminino Total
Masculino Feminino Total
Número de salários
mínimos
4,99
3,61
4,25
4,33
5,32
4,64
Salário/Hora
14,86
10,73
12,64
12,57
15,42
13,47
Idade
32,91
31,67
32,24
28,05
32,63
29,51
Escolaridade
1º. grau incompleto
0,0427
0,0567 0,0503
0,0000
0,0000 0,0000
1º. grau completo
0,0372
0,1129 0,0780
0,0000
0,0000 0,0000
2º. grau incompleto
0,0855
0,0940 0,0900
0,0075
0,0000 0,0051
2º. grau completo
0,3060
0,4444 0,3805
0,0376
0,0161 0,0308
Superior incompleto
0,3535
0,1868 0,2638
0,3759
0,1129 0,2923
Superior completo
0,1751
0,1052 0,1374
0,5789
0,8710 0,6718
Até 2,9 meses
0,1075
0,0863 0,0961
0,1429
0,0645 0,1179
3 a 5,9 meses
0,0868
0,0656 0,0754
0,1504
0,0968 0,1333
6 a 11,9 meses
0,2143
0,1590 0,1845
0,1278
0,1129 0,1231
12 a 23,9 meses
0,1709
0,2423 0,2094
0,1654
0,1290 0,1538
24 a 35,9 meses
0,1110
0,0957 0,1028
0,1429
0,1613 0,1487
36 a 59,9 meses
0,1289
0,1223 0,1254
0,1504
0,1290 0,1436
60 a 119,6 meses
0,1626
0,2051 0,1855
0,1053
0,2258 0,1436
120 ou mais meses
0,0179
0,0236 0,0210
0,0150
0,0806 0,0359
Tempo no emprego em meses
Total de trabalhadores
Participação (%)
1451
0,4617
13Elaboração própria com base na RAIS, 2010
1692
3143
133
0,5383 1,0000
0,6821
62
195
0,3179 1,0000
Tabela A.14 – Perfil da mão de obra no polo de Porto Alegre em termos de
rendimento, gênero, escolaridade, idade e tempo no emprego14
Variável
polo
analista de TI
Masculino Feminino Total
Masculino Feminino Total
Número de salários
mínimos
7,18
5,74
6,63
7,83
6,91
7,63
Salário/Hora
21,38
17,48
19,87
23,32
20,51
22,71
Idade
33,97
34,26
34,08
31,97
32,07
31,99
Escolaridade
1º. grau incompleto
0,0146
0,0303 0,0207
0,0000
0,0000 0,0000
1º. grau completo
0,0279
0,0521 0,0372
0,0015
0,0000 0,0012
2º. grau incompleto
0,0432
0,0568 0,0485
0,0007
0,0000 0,0006
2º. grau completo
0,3686
0,4461 0,3985
0,0648
0,0481 0,0612
Superior incompleto
0,1911
0,1602 0,1792
0,1450
0,0936 0,1339
Superior completo
0,3546
0,2544 0,3159
0,7881
0,8583 0,8032
Até 2,9 meses
0,1103
0,1196 0,1139
0,1111
0,1390 0,1171
3 a 5,9 meses
0,1031
0,1026 0,1029
0,1023
0,1203 0,1062
6 a 11,9 meses
0,1698
0,1729 0,1710
0,1751
0,1444 0,1685
12 a 23,9 meses
0,1714
0,1586 0,1664
0,2200
0,2273 0,2216
24 a 35,9 meses
0,1201
0,1138 0,1177
0,1295
0,1337 0,1304
36 a 59,9 meses
0,1217
0,1136 0,1186
0,1060
0,0856 0,1016
60 a 119,6 meses
0,0962
0,1000 0,0977
0,0927
0,0615 0,0860
120 ou mais meses
0,1073
0,1189 0,1118
0,0633
0,0882 0,0687
9114
5738 14852
1359
0,6137
0,3863 1,0000
0,7842
Tempo no emprego em meses
Total de trabalhadores
Participação (%)
14Elaboração própria com base na RAIS, 2010
374
1733
0,2158 1,0000