AS ECONOMIAS DE AGLOMERAÇÃO E OS SALÁRIOS INDUSTRIAIS NO PARANÁ:
UMA ANÁLISE ESPACIAL
Francieli Tonet Maciel1
Eliza Antonia de Queiroz2
RESUMO
O objetivo deste trabalho foi identificar a existência de economias de aglomeração entre os
municípios do Estado do Paraná e verificar seus efeitos sobre os mercados de trabalho locais, em
termos de salários urbano-industriais. Foram empregadas duas abordagens de análise espacial, a
análise exploratória de dados espaciais (AEDE) e a estimação de modelos econométricos
espaciais, a partir da utilização da base de dados da RAIS/MTE. Os resultados apontam para a
presença de clusters de municípios com salários industriais similares, e as estimativas confirmam
a existência de dependência espacial dos salários. Além disso, verificou-se que as economias de
aglomeração têm impacto significativo sobre os salários e que esses são maiores entre os
municípios que apresentam maior diversidade das atividades produtivas.
Palavras-chave: economias de aglomeração; salários industriais; análise espacial.
ABSTRACT
The aim of this paper was to identify the existence of agglomeration economies among the
municipalities of Paraná and evaluate its effects on local labor markets in terms of urbanindustrial wages. We used two approaches to spatial analysis, the exploratory spatial data analysis
(ESDA) and estimation of spatial econometric models, from the use of the database RAIS/MTE.
The results indicate the presence of clusters of municipalities with similar industrial wages, and
the estimates confirm the existence of spatial dependence of wages. Furthermore, it was found
that agglomeration economies have a significant impact on wages and that these are higher in
municipalities with the greatest diversity of productive activities.
Keywords: agglomeration economies; industrial wages; spatial analysis.
Área ANPEC: Área 3 – Economia Regional e Urbana
Classificação JEL: R1
1
Doutoranda do Programa de Pós-Graduação em Economia do CEDEPLAR/UFMG. e-mail:
[email protected]
2
Professora do Instituto Federal de Minas Gerais - Campus Sabará. Doutoranda do Programa de Pós-Graduação em
Economia do CEDEPLAR/UFMG. e-mail: [email protected]
1. INTRODUÇÃO
Os efeitos das chamadas economias de aglomeração sobre o desenvolvimento local é uma
preocupação frequente na literatura sobre economia regional. Essas economias de aglomeração
podem assumir a forma de economias de localização, resultantes da concentração geográfica de
firmas do mesmo setor ou complementares, onde retornos crescentes seriam decorrentes da
especialização local, gerando as chamadas externalidades MAR (Marshall-Arrow-Romer). Elas
também podem assumir a forma de economias de urbanização, resultantes da concentração de
diversas indústrias e setores em centros urbanos, onde são geradas externalidades baseadas na
diversificação, conhecidas na literatura como externalidades jacobianas.
Uma vez que as economias de aglomeração causam uma concentração do mercado de
trabalho local, torna-se relevante a análise de seus efeitos sobre o bem estar dos trabalhadores,
principalmente sobre os salários auferidos pelos mesmos. A hipótese teórica prevalecente é de
que as economias de aglomeração teriam um impacto positivo sobre os salários locais, havendo a
possibilidade da existência de um gradiente de salários nominais entre os centros industriais, em
que os salários diminuem à medida que as cidades se distanciam de um centro urbano de
referência.
Nesse sentido, políticas públicas que promovam condições favoráveis à instalação de
empresas em determinadas localidades poderiam gerar gradientes regionais de salários, e,
portanto, poderiam desempenhar papel importante na redução de disparidades regionais, em
especial em países de grande heterogeneidade regional como o Brasil, se aplicadas a diferentes
regiões como forma de promover o desenvolvimento local.
O objetivo do presente trabalho é o de identificar economias de aglomeração entre os
municípios do Estado do Paraná e verificar seus efeitos sobre o mercado de trabalho local, em
termos de salários, uma vez que o estado vem apresentando uma desconcentração de suas
atividades industriais nos últimos anos, em termos da participação na geração de empregos.3 Para
tal finalidade, utilizou-se a base de dados da Relação Anual de Informações Sociais (RAIS) do
Ministério do Trabalho e Emprego (MTE) e foram empregadas duas abordagens de análise
espacial, a Análise Exploratória dos Dados Espaciais (AEDE) e a Econometria Espacial.
A AEDE permite a descrição da distribuição e dos padrões de associação espacial dos
salários industriais entre os municípios, identificando possíveis clusters e a presença de outiliers.
Por outro lado, a metodologia de Econometria Espacial trata dos efeitos da dependência e da
heterogeneidade espacial na análise de regressão, permitindo a estimação da autocorrelação
espacial entre as economias de aglomeração e os salários.
Além desta introdução, o trabalho se encontra dividido em mais três seções. Na segunda
seção, discute-se o referencial teórico acerca das economias de aglomeração e seus efeitos sobre
o mercado de trabalho. Na terceira seção são apresentadas metodologias empregadas na análise e
os dados utilizados. A quarta seção se destina à análise e discussão dos resultados encontrados.
Por fim, são apresentadas algumas considerações finais.
3
De acordo com Sabóia (2000) o Paraná, assim como a maioria dos estados, apresentou uma desconcentração
industrial na década de 1990, aumentando a participação dos municípios do interior no total de empregos e
estabelecimentos industriais. Conforme o Ipardes (2007) no período de 1995-2005 houve um aumento da dispersão
da atividade industrial no estado, com a redução em 6,0 pontos percentuais da participação na geração de empregos
da microrregião de Curitiba.
2. ECONOMIAS DE AGLOMERAÇÃO E EFEITOS SOBRE O MERCADO DE TRABALHO
O foco dos estudos sobre economia regional consiste nos determinantes da localização
geográfica das atividades econômicas, de forma a estabelecer a dinâmica do capital, ou seja, o
que motiva ou influencia sua movimentação no espaço, permitindo também entender sua
concentração e a definição de centro/periferia, bem como o desenvolvimento local/regional.
O termo economias de aglomeração refere-se aos ganhos de produtividade relativos à
aglomeração geográfica das atividades produtivas, ou seja, valendo-se, entre outras, de vantagens
advindas da redução de custos via redução das porosidades do processo de produção e dos custos
dos insumos. Trata-se, portanto, de processos que ocorrem externamente à firma, valendo-se de
economias externas, ou externalidades.
Em Marshall (1890) a concepção das economias externas de aglomeração é derivada da
especialização produtiva, denominadas de economias de especialização. A partir do conceito de
distritos industriais, o autor identifica três fontes de externalidades desses distritos, quais sejam:
1) externalidades no mercado de trabalho, decorrente da experiência acumulada no mercado de
trabalho local; 2) externalidades no encadeamento entre firmas e seus fornecedores, com maior
facilidade de acesso aos fornecedores de matérias primas e insumos diversos, inclusive às
inovações com grande redução de custos; 3) spillovers tecnológicos, com o compartilhamento do
conhecimento entre firmas, refletindo na troca de informações e difusão de novas descobertas e
tecnologias, como resultado de uma rede dentro do aglomerado industrial, o que levaria à
disseminação de novos conhecimentos e práticas, bem como o acúmulo de habilidades
produtivas. Essas três fontes de externalidades identificadas por Marshall compõem a
denominada “tríade marshalliana” (LEMOS, 2008).
Dessa forma, a indústria localizada, concentrada geograficamente em um determinado
distrito industrial, propiciava a obtenção de economias externas, que significavam vantagens
econômicas advindas da divisão do trabalho e da especialização entre firmas de um mesmo ramo
ou setor, onde cada firma se responsabilizaria por uma etapa do processo, e o distrito se
especializava em um segmento de atividade. São, portanto, economias de escala externas à firma,
mas internas à aglomeração industrial em que a firma se localiza. Assim, para Marshall quanto
mais especializado fosse um distrito, concentrando as firmas desse segmento de atividade, mais
poder de aglomeração teria, já que atrairia mais firmas desse segmento em virtude das
externalidades geradas. (LEMOS, 2008).
Outra possível explicação para as economias de aglomeração é fundamentada na
concepção de aglomeração urbana, através do conceito de economias de urbanização, as quais
são baseadas na diversificação de atividades. Essa concepção de economias de urbanização é
apresentada por Jacobs (1969) que fundamenta o conceito de economias de escala e aglomeração
através das denominadas “externalidades jacobianas”, derivadas da diversificação das atividades
com a incorporação de uma gama de atividades industriais e de serviços nos centros urbanos.
A aglomeração se daria pela decisão dos empresários sobre a alocação de novos
investimentos produtivos nesses centros urbanos de referência, por possuírem infraestrutura
mínima para o suporte das atividades industriais, como transportes, energia, oferta de serviços
modernos, centros de pesquisa, capital humano relativamente desenvolvido e mercado
consumidor denso. Assim, as economias de urbanização de Jacobs são economias externas à
indústria, mas internas ao território, propiciadas com a diversificação de atividades nos centros
urbanos e a divisão social do trabalho produtivo urbano (MONTE-MÓR, 2006).
Para Jacobs (1969), uma principal consequência das externalidades de urbanização
repousa sobre a divisão social de trabalho, com uma tendência à concentração do mercado de
trabalho local nos centros urbanos, sendo o diferencial salarial o fator de atração dos
trabalhadores para os centros urbanos.
Um dos aspectos incorporados nas “externalidades marshallianas”, é a existência de um
mercado de trabalho especializado, fruto da disseminação dos segredos da profissão entre os
trabalhadores que compõem o mercado de trabalho local. Nesse sentido, a economia de
aglomeração via especialização propicia redução de custos com especialização e recrutamento de
mão-de-obra. O mercado de trabalho local e especializado propiciaria ganhos de produtividade e
maior capacitação dos trabalhadores, com maiores remunerações para os trabalhadores naquele
mercado de trabalho local (LEMOS, 2008).
Ao tratar do efeito das economias de aglomeração sobre os salários industriais brasileiros,
Galinari et al. (2003) destacam as evidências empíricas, tanto em países desenvolvidos como
também em países de industrialização recente, de que as economias de aglomeração implicam em
efeitos positivos importantes para os ganhos de produtividade do trabalho das firmas, bem como
para os salários urbano-industriais.
Assim, existem evidências de aumento da produtividade e das remunerações dos
trabalhadores em decorrência da aglomeração, seja ela de especialização, como em Marshall, ou
de urbanização, como em Jacobs. No caso das economias de especialização, a perspectiva é de
que em decorrência haveria o crescimento da produtividade do trabalho, devido às economias de
especialização, e o consequente aumento da remuneração nominal nos centros industriais. Nesse
sentido, os ganhos de produtividade das firmas seriam repassados em parte para os trabalhadores
nos distritos industriais.
Outro ponto de vista, baseado nas economias de urbanização, é que esse efeito sobre o
nível de bem-estar dos trabalhadores, no que diz respeito aos rendimentos nominais dos
trabalhos, seria uma consequência da aglomeração de atividades diversas e complementares
concentradas nos centros urbanos. Assim, os diferenciais regionais de salários tem um
componente explicado pelos retornos crescentes no mercado de trabalho, e seriam explicados em
parte por diferenças de produtividade dos trabalhadores, embora também sejam importantes as
características específicas do mercado de trabalho local, como características institucionais
locais, sindicalização e diferenças de custo de vida entre as regiões (GALINARI et al., 2003).
Existiria, portanto, um gradiente de remuneração dos trabalhadores, sendo que os que
participam do mercado de trabalho nos centros urbanos de referência tem maiores remunerações
do que os outros, havendo um componente regional para a explicação desse gradiente de
remuneração. Segundo Galinari et al. (2003, p. 10): “Em outras palavras, os salários podem
estar submetidos a algum tipo de dependência espacial, isto é, ser inversamente proporcionais à
distância das cidades a um centro urbano de referência.”
Algumas explicações são apresentadas para esse diferencial regional de salários nominais.
Segundo Hanson (1997), esse gradiente salarial seria devido aos custos de vida mais altos nos
centros urbanos e também aos custos de migração dos trabalhadores para esses centros urbanos,
havendo uma necessidade de compensar os “custos de congestionamento” com maiores salários.
Ademais, nesse caso os custos de transporte das matérias-primas e outros insumos seriam
menores, o que seria uma compensação para pagamento de salários maiores nos centros urbanos,
no que diz respeito ao custo total da produção.
Fora dos centros urbanos os salários seriam menores, já que deveria compensar o custo de
transporte dos produtos finais ao centro industrial de referência, e também não haveria os “custos
de congestionamento”. Corrobora o efeito de políticas governamentais localizadas, como
isenções fiscais, que podem favorecer determinadas regiões e contribuir para a configuração
desses gradientes salariais, já que a aglomeração espacial das atividades geraria um gradiente
regional de salários (HANSON, 1997).
O trabalho de Wheaton e Lewis (2002) corrobora esse argumento, ao apresentar
evidências das economias de aglomeração no mercado de trabalho urbano dos EUA, destacando
que os trabalhadores industriais ocupados no mercado de trabalho urbano recebem maiores
remunerações nominais. Para tanto, os autores trabalham com a concepção de trabalhador
equivalente, comparando trabalhadores ocupados em uma mesma ocupação ou setor industrial.
Ademais, os diferenciais salariais regionais não estariam diretamente associados apenas às
diferenças de produtividade do trabalho, e sim às características específicas dos centros urbanos.
Dessa forma, características locais, das instituições, dos sindicatos e de diferenciais de custo de
vida explicariam também essas diferenças salariais entre as regiões.
O trabalho de Rauch (1993), ao tratar dos ganhos de produtividade derivados da
concentração geográfica do capital humano, enfatiza que uma externalidade positiva decorrente
da aglomeração é o aumento da qualificação dos trabalhadores, seja formal ou informal, devido à
concorrência acirrada entre os trabalhadores dos centros urbanos, o que influencia positivamente
os salários dos trabalhadores, com ganhos de produtividade derivados das melhorias
tecnológicas.
Em Kim (1990) é apontado o efeito do maior poder de barganha entre firmas e
trabalhadores, no que concerne aos salários, devido ao efeito da aglomeração econômica das
atividades, o que reflete em maiores salários para os trabalhadores. O argumento é que na medida
em que aumenta o número de trabalhadores no mercado, aumenta também a barganha entre as
exigências das firmas e as características heterogêneas dos trabalhadores, fazendo com que os
próprios trabalhadores optem em investir em sua qualificação como parte da estratégia de
inserção no mercado de trabalho local, arcando pessoalmente com esse custo, o que aumenta a
produtividade do trabalho. Assim, as firmas teriam custos de treinamentos da mão de obra
reduzidos, gerando economias que poderiam refletir em maiores salários.
Uma consideração importante a se fazer é se esse efeito sobre a remuneração nominal dos
trabalhadores nos centros urbanos, devido à aglomeração industrial, será percebida tão somente
para os trabalhadores especializados em atividades específicas, geradoras de aglomeração
industrial pelas economias de especialização de Marshall, ou nos vários setores de atividade que
se desenvolvem nos centros urbanos, a partir das economias de urbanização de Jacobs, voltadas
para a diversificação de setores de atividade nos centros urbanos.
3. METODOLOGIA
A hipótese teórica de que os salários urbanos admitem a possibilidade da existência de
gradientes, em que esses diminuem à medida que as cidades se distanciam de um centro urbano
de referência, incorre na hipótese de que há uma dependência espacial dos salários industriais.
Dessa forma, a utilização de modelos econométricos convencionais poderiam gerar estimadores
inconsistentes ou enviesados, devido à presença de autocorrelação espacial. A análise espacial
difere da análise padrão ao levar em consideração a distribuição espacial das observações. Dessa
maneira, para atender o objetivo proposto neste trabalho, são utilizadas duas abordagens de
análise espacial, a Análise Exploratória dos Dados Espaciais (AEDE) e a análise de regressão por
meio de Modelos Econométricos Espaciais.
3.1. Análise Exploratória dos Dados
A análise exploratória de dados espaciais (AEDE) se baseia nos aspectos espaciais
contidos nas bases de dados, e tem como objetivo, de acordo com Anselin (1995) descrever e
visualizar distribuições espaciais, detectar padrões de associações espaciais (clusters espaciais),
verificar a presença de diferentes regimes espaciais e identificar outiliers.
As técnicas de AEDE utilizadas neste trabalho consistem das estatísticas I de Moran
global e local, a última pertencente ao grupo de indicadores LISA (Local Indicators of Spacial
Association). A estatística I de Moran pode ser interpretada por meio de uma regressão linear da
variável dependente (y) sobre sua defasagem espacial (Wy), onde W é uma matriz de pesos
espaciais. A inclinação dessa regressão, ρ, é um indicador da extensão da autocorrelação entre
cada observação e a média de seus vizinhos. Este valor é o I de Moran global e sua visualização
gráfica é por meio de um diagrama de dispersão (Moran Scatterplot).
Em um diagrama de dispersão de Moran, o primeiro e o terceiro quadrantes representam a
autocorrelação espacial positiva, de modo que valore altos (baixos) para uma observação são
circundados por altos (baixos) valores da média dos vizinhos. Os segundo e quarto quadrantes
indicam autocorrelação espacial negativa, em altos (baixos) valores para uma observação são
rodeados por baixos (altos) da média dos vizinhos.
Essas estatísticas globais, no entanto, ignoram a existência de padrões locais de
autocorrelação especial. As estatísticas LISA fazem a decomposição de indicadores globais em
indicadores locais permitindo avaliar a contribuição individual de cada observação para a
estatística global. Assim, autocorrelação espacial positiva significa valores similares (altos ou
baixos) à média dos vizinhos para uma determinada observação, evidenciando a presença de
clusters de altos (alto-alto) e/ou baixos (baixo-baixo) valores para as variáveis. Por outro lado, a
autocorrelação espacial negativa indica valores significativamente mais altos (ou baixos) para a
observação quando comparados à média dos vizinhos (alto-baixo ou baixo-alto), evidenciado a
presença de observações atípicas (outliers espaciais).
3.2. Análise Empírica
A dependência espacial em um modelo de regressão, ou sua expressão empírica, a
autocorrelação espacial, corresponde a uma situação onde os valores da variável dependente e/ou
o termo de erro em uma localização são correlacionados com o valor das observações
correspondentes em localizações vizinhas. A dependência espacial pode ser incorporada em um
modelo de regressão de duas maneiras: com uma defasagem espacial (lag espacial) ou como um
termo de erro correlacionado espacialmente.
A primeira alternativa se refere ao modelo autoregressivo espacial (spatial autoregressive
model), ou modelo SAR. Conforme Anselin (1999), formalmente, o modelo de lag espacial, ou
de regressão misto pode ser expresso como:
y = ρWy + Xβ + ε
onde o parâmetro ρ reflete a dependência espacial medindo a influencia média dos vizinhos sobre
as observações no vetor y; essa estimação fornece a proporção da variação total em y explicada
pela dependência espacial.
O termo de lag espacial incluído no modelo conduz a um problema de endogeneidade,
uma vez que o vetor de lags espaciais, Wy , é correlacionado com o vetor de resíduos, ε . Dessa
forma, a estimação dos parâmetros no modelo SAR misto via mínimos quadrados ordinários
(MQO) produz estimativas inconsistentes ou enviesadas (CARVALHO e ALBUQUERQUE,
2010).
A dependência espacial no termo de erro é expressa por um processo de erro espacial
auto-regressivo ou de média móvel. O auto-regressivo espacial é formalizado da seguinte forma:
y = Xβ + ε
ε = λ Wε + ξ
Se a hipótese alternativa é um modelo de erro, o estimador de MQO permanecerá não
enviesado, mas não será mais eficiente.
3.3. Descrição dos dados
Este trabalho utiliza como base de dados a Relação Anual de Informações Sociais do
Ministério do Trabalho e Emprego (RAIS/MTE), que possui informações disponíveis para todo o
Brasil sobre o estabelecimento empregador e sobre o empregado, a partir dos vínculos
empregatícios formalizados em um determinado ano-base. Uma das principais vantagens dessa
base de dados consiste da desagregação setorial e geográfica de suas informações, permitindo que
a obtenção e o processamento dos dados se deem tanto em termos espaciais, no nível de
municípios, quanto em termos setoriais. Porém, sua cobertura inclui somente as relações
contratuais formalizadas, omitindo a parcela dos trabalhadores do setor informal, o que por sua
vez, pode introduzir um viés referente ao mercado de trabalho real.
Foram utilizados os dados da RAIS/MTE referentes ao ano de 2010 para o Estado do
Paraná. Do ponto de vista geográfico, os dados foram desagregados por municípios,
compreendendo os 399 municípios do estado. Com respeito à atividade econômica, utilizou-se
uma desagregação setorial, considerando o setor industrial segundo a classificação de grande
setor e subsetor de atividade do IBGE.
Quanto às variáveis utilizadas, as informações sobre os salários industriais (variável
dependente) se referem à média da remuneração nominal do mês de referência. Com relação às
variáveis explicativas, a concentração do mercado de trabalho industrial local, variável
importante no contexto das economias de aglomeração, foi obtida pela razão entre emprego
industrial local e o total do emprego industrial no estado.
Outra variável importante no contexto das economias de aglomeração diz respeito à
especialização ou diversidade produtiva das cidades e seus efeitos sobre os salários locais. Para
representar tal variável, calculou-se o índice Hirschman-Herfindal (HH) conforme Henderson
(1999), que constitui um indicador da variabilidade da especialização produtiva entre as cidades,
ou da mesma forma, da diversidade local das atividades industriais.4
Com a finalidade de captar as economias internas de escala, utilizou-se os dados
referentes ao tamanho relativo das empresas estabilizadas em uma localidade, isto é, a variável
foi obtida pela razão entre a população ocupada em empresas com mais de 100 funcionários e a
população total ocupada na indústria nessa localidade.5
4
5
Para maiores detalhes quanto à especificação do índice, ver Henderson (1999:16).
Conforme definido em Pereira e Lemos (2002).
Os dados de educação, utilizados como uma proxy do capital humano incorporado na
indústria, correspondem ao estoque de trabalhadores com ensino fundamental, médio e superior
como porcentagem do total de trabalhadores da cidade. A idade média dos trabalhadores da
indústria também foi utilizada, como proxy para a experiência no mercado de trabalho.
De acordo com os dados, em 2010 o setor industrial representava 24,82% do total de
emprego formal do estado, sendo as indústrias de Alimentos e Bebidas, Têxtil, Madeira e
Mobiliário, e a Indústria Química, as de maior representatividade, respectivamente,
representando juntas mais de 50% do total do emprego.
A participação do emprego industrial com relação ao emprego dos outros setores por
município é mostrada no mapa (a) da Figura 1. Entre os que apresentam maior participação
relativa, pode-se destacar 42 municípios, cujo emprego industrial representa entre de 41% e 83%
do total de emprego, localizados, principalmente, nas microrregiões de Cianorte, Umuarama,
Paranavaí, Astorga, Porecatu, Londrina, Floraí, Apucarana, Maringá, Campo Mourão, Foz do
Iguaçu, Capanema, Toledo, Pato Branco, Ponta Grossa, Curitiba, Rio Negro e Wenceslau Braz.
O mapa (b) da Figura 1 mostra a concentração local do emprego industrial, isto é, os
municípios que apresentam a maior proporção de empregos industriais do estado. Entre eles,
destacam-se os municípios da Região Metropolitana de Curitiba (Curitiba, São José dos Pinhais,
Araucária, Pinhais e Colombo), Maringá, Londrina, Cascavel, Arapongas, Toledo, Ponta Grossa,
Apucarana e Rolândia, com mais de dez mil empregos industriais e que correspondem a 50% do
emprego industrial no Estado do Paraná.
FIGURA 1
Participação relativa e Concentração do emprego industrial nos municípios do Paraná em 2010
Fonte: Elaboração própria, a partir dos dados da RAIS/MTE 2010.
Como se pode observar, a maior parte dessas cidades pode ser considerada de médio
porte (com exceção de Curitiba, Londrina e Rolândia), que no contexto das economias de
aglomeração, segundo Galinari et al. (2003), tendem a ser favorecidas pela decisão dos
empresários sobre a alocação de novos investimentos produtivos por possuírem infraestrutura
mínima para o suporte das atividades industriais, como transportes, energia, oferta de serviços
modernos, concentração de centros de pesquisa, capital humano relativamente desenvolvido e
mercado consumidor denso.
A Tabela 1 mostra as cidades (de médio e grande porte) com os maiores e os menores
HH’s, isto é, as com o maior e menor índice de especialização da indústria, e o setor em que são
especializadas. Entre elas oito apresentam um maior grau de especialização, uma vez que a
proporção do emprego de um determinado setor nestas cidades tem um desvio ou se diferencia
em mais de 10% da proporção do emprego desse mesmo setor no estado. Os setores em que são
mais especializadas são, em ordem decrescente, os de Madeira e Mobiliário, Indústria Têxtil,
Serviço Industrial de Utilidade Pública, Indústria Química, Material de Transporte, Elétrico e
Comunicação e o de Alimentos e Bebidas.
No outro extremo aparecem as cidades que apresentam os HH’s mais baixos, isto é, as
que menos se diferenciam quanto às proporções do emprego entre os setores na cidade com
relação às proporções do estado, e, portanto, são mais diversificadas. Entre as cidades que
apresentam maior diversificação das atividades industriais, destacam-se Ponta Grossa, Araucária,
Londrina, Maringá e Cascavel, que com exceção de Araucária, correspondem às maiores cidades
do estado depois de Curitiba, o que por sua vez, condiz com a teoria de que as cidades maiores
tenderiam a apresentar uma estrutura industrial mais diversificada.
6
Tabela 1 – Cidades com maior e menor HH e setores em que são especializadas, 2010
Cidade
Setor da Indústria
HH
Arapongas
Madeira e Mobiliário
0,32
Apucarana
Indústria Têxtil
0,31
Foz do Iguaçu
Serviço Industrial de Utilidade Pública
0,24
Paranaguá
Indústria Química
0,21
São José dos Pinhais
Material de Transporte
0,15
Guarapuava
Madeira e Mobiliário
0,13
Almirante Tamandaré
Elétrico e Comunicação
0,12
Toledo
Alimentos e Bebidas
0,11
………………………. ………………………………………
………..
Ponta Grossa
Madeira e Mobiliário
0,05
Araucária
Alimentos e Bebidas
0,04
Londrina
Indústria Têxtil
0,03
Maringá
Alimentos e Bebidas
0,02
Cascavel
Alimentos e Bebidas
0,02
Fonte: Elaboração própria, a partir dos dados da RAIS/MTE 2010.
6
Conforme a definição utilizada por Pereira e Lemos (2002), são consideradas cidades de médio porte aquelas cujo
tamanho da população se encontre entre 100 mil e 500 mil habitantes.
4. RESULTADOS E DISCUSSÕES
A análise dos salários industriais por meio de modelos econométricos convencionais pode
induzir estimadores inconsistentes ou enviesados, uma vez que tal variável pode ser
autocorrelacionada espacialmente devido ao fato da possível existência de gradientes, em que
assume maior valor em um determinado centro e diminui à medida que as cidades se distanciam
do mesmo. Dessa forma, com a finalidade de verificar a relação entre as economias de
aglomeração e os salários pagos na indústria dos municípios paranaenses, são utilizadas técnicas
de econometria espacial que permitem identificar se há algum tipo de dependência espacial tanto
na variável dependente como no modelo com um todo.
Inicialmente, realiza-se uma Análise Exploratória dos Dados Espaciais (AEDE) com a
finalidade de descrever e visualizar a distribuição e os padrões de associação espacial dos salários
industriais entre os municípios do Estado do Paraná no ano de 2010. A Figura 1 apresenta o
diagrama de dispersão de Moran para os salários/hora da indústria e os diagramas do I de Moran
bivariado para a associação espacial global entre a concentração industrial, a especialização (HH)
e as economias internas de escala e os salários/hora, que além de testarem a hipótese de
aleatoriedade espacial, fornecem os tipos de associação linear espacial.
FIGURA 2. Diagramas de dispersão de Moran (uni e bivariados) para os Salários/Hora,
Concentração Industrial, HH e Economias Internas de Escala, Paraná, 2010
Fonte: Elaboração própria, a partir dos dados da RAIS/MTE 2010.
O primeiro diagrama indica que há uma autocorrelação espacial positiva dos salários
industriais entre os municípios paranaenses, ou seja, há uma predominância de municípios com
média de salários alta (baixa) que são circundados por municípios que também apresentam, em
média, altos (baixos) salários.
O segundo diagrama sugere que há uma autocorrelação positiva entre a concentração
industrial e os salários, isto é, os municípios que apresentam alta concentração industrial tendem
a estar rodeados por municípios vizinhos com altos salários industriais, bem como os que
apresentam baixa concentração são vizinhos de municípios com baixos salários.
No terceiro diagrama, no entanto, observa-se que há uma autocorrelação negativa entre o
HH e os salários, isto é, municípios que apresentam alto índice de especialização tendem a estar
rodeados por municípios com baixos salários, bem como os que apresentam baixa especialização,
ou da mesma forma, são mais diversificados, são vizinhos de municípios que apresentam altos
salários.
Por fim, o último diagrama indica que, embora baixa, há uma autocorrelação positiva
entre as economias internas de escala e os salários, isto é, municípios com uma maior alocação de
estabelecimentos com escala interna tendem a estar rodeados por vizinhos com altos salários, e os
com baixa alocação tendem a ser vizinhos de municípios com baixos salários.
Assim, os resultados dos diagramas de Moran indicam que há um padrão espacial global
dos salários industriais no Paraná, e que municípios que apresentam economias de aglomeração,
que são mais diversificadas e que apresentam economias internas de escala tendem a apresentar
maiores salários e exercem influência sobre os salários de seus vizinhos. No entanto, esta é uma
estatística global, e pode ocultar padrões locais de autocorrelação espacial, como a presença de
outiliers, por exemplo, que podem exercer uma influência espúria sobre os coeficientes de
autocorrelação espacial. Dessa forma, calcula-se o I de Moran Local, chamado de indicador
LISA, representado por meio dos mapas de clusters. A Figura 3 mostra o mapa de clusters
estatisticamente significativos para os salários/horas industriais.
FIGURA 3. Moran Local para os Salários/Hora Industriais no Paraná
Fonte: Elaboração própria, a partir dos dados da RAIS/MTE 2010.
Como se pode verificar, entre os clusters do tipo AA (alto-alto), isto é, municípios que
apresentam altos salários circundados por municípios vizinhos que apresentam, em média alto
salários, encontram-se, em sua maioria, os municípios localizados na Região Metropolitana de
Curitiba7, três municípios da Região Sudeste do Paraná (Mallet, Rio Azul e Rebouças) e um
município do Oeste Paranaense (Santa Terezinha de Itaipu). Essa predominância de
agrupamentos desse tipo na Região Metropolitana de Curitiba pode estar relacionada ao fato de
haver uma grande concentração industrial nesta região.
Com relação aos clusters do tipo BB (baixo-baixo), municípios com baixos salários
rodeados por municípios com baixa média de salários, destacam-se os localizados nas Regiões
Centro Ocidental e Centro-Sul do estado (Iretama, Roncador, Nova Cantu, Altamira do Paraná,
Laranjal, Palmital e Nova Laranjeiras), Sudoeste (Pérola d’Oeste, Pranchita, Ampére, Pinhal de
São Bento, Salgado Filho e Bom Jesus do Sul), Norte Pioneiro (Santana do Itararé, Siqueira
Campos, Salto do Itararé), e os municípios de Guaraniaçu ao Oeste, Faxinal, Borrazópolis e
Lidianópolis ao Norte, e Paranavaí e Pérola no Noroeste do estado. A formação de clusters desse
tipo, principalmente na região central do estado pode estar relacionada à baixa concentração
industrial.
Verifica-se também que há presença de autocorrelação espacial negativa, que se refere às
altas médias salariais em relação às baixas médias dos vizinhos, e vice-versa, caracterizando
outiliers espaciais.
FIGURA 4. Moran Local Bivariado para a Concentração Industrial e os Salários/Hora
Fonte: Elaboração própria, a partir dos dados da RAIS/MTE 2010.
A Figura 4 mostra o Moran Local Bivariado para a concentração industrial e os
salários/hora. Verifica-se que os clusters de altos salários encontram-se localizados na Região
7
Itaperuçu, Campo Magro, Almirante Tamandaré, Colombo, Campo Largo, Curitiba, Araucária, Balsa Nova,
Contenda, Mandirituba, Fazenda Rio Grande, São José do Pinhais, Morretes e Quatro Barras.
Metropolitana de Curitiba, em que os municípios que apresentam alta concentração industrial são
rodeados por municípios com média salarial elevada. Esses resultados sugerem que as economias
de aglomeração exercem influência positiva sobre os salários. Porém, há também uma presença
de outiliers nessa região, em que municípios com baixa concentração industrial encontram-se
rodeados por municípios com alta média salarial, o que pode exercer alguma influência sobre a
medida global de autocorrelação espacial.
Com relação aos clusters de baixos salários destacam-se os municípios localizados na
região central do estado, onde há baixa concentração industrial e a média salarial dos municípios
vizinhos é baixa, o que também indica que há uma autocorrelação positiva entre as economias de
aglomeração e os salários.
Na Figura 5 são apresentados os clusters para a autocorrelação espacial entre o índice de
especialização industrial (HH) e os salários. Verifica-se que há autocorrelação negativa
predominantemente entre os municípios localizados na Região Metropolitana de Curitiba, onde
há baixa especialização e altos salários, com exceção dos municípios de Antonina e Porto
Amazonas. Esse tipo de autocorrelação também ocorre no Oeste do estado, nos municípios de
Santa Terezinha de Itaipu, São Miguel do Iguaçu e Itaipulândia, e no Sudeste, em São João do
Triunfo, Antônio Olinto e Paulo Frontin, onde há também a existência de clusters que são
formados pelos municípios de Rebouças, Rio Azul e Mallet, que apresentam alta especialização e
altos salários.
Há ainda a presença de autocorrelação negativa, em que municípios com alta
especialização são circundados por vizinhos com baixos salários. Sete deles estão localizados na
região central do estado, três no Sudoeste, um no Norte, um no Noroeste e dois no Norte
Pioneiro. Esses resultados sugerem que municípios mais diversificados quanto às atividades
industriais tendem a ser rodeados por municípios vizinhos que apresentam maiores salários.
FIGURA 5. Moran Local Bivariado para a Especialização Industrial e os Salários/Hora
Fonte: Elaboração própria, a partir dos dados da RAIS/MTE 2010.
O mapa da Figura 6 mostra os clusters para autocorrelação espacial entre as economias
internas de escala e os salários/hora. Observa-se que, assim como no caso da concentração
industrial, há uma predominância de clusters de altos salários na Região Metropolitana de
Curitiba e de baixos salários na região central do estado. Porém há também a presença de clusters
do tipo AA em alguns municípios das regiões Sudeste e Oeste (Rebouças, Rio Azul, Mallet, São
Miguel do Iguaçu e Itaipulândia), indicando que mesmo na ausência de aglomerados industriais
nessas localidades, as economias internas às firmas geram maiores salários.
FIGURA 6. Moran Local Bivariado para as Economias Internas de Escala e os Salários/Hora
Fonte: Elaboração própria, a partir dos dados da RAIS/MTE 2010.
Os indicadores LISA sugerem que há uma dependência espacial entre os salários
industriais no Paraná, e que há uma autocorrelação espacial positiva entre os salários e as
economias internas e externas de escala. Por outro lado, há evidências de que a especialização
tem autocorrelação espacial negativa com os salários. No entanto, esta é uma análise preliminar
dos dados e, portanto, deve-se prosseguir à análise empírica.
A tabela 2 apresenta os resultados das estimações realizadas via MQO, em que a variável
depende é salário/hora pago na indústria. São estimados dois modelos, sendo que no segundo
modelo são incluídas variáveis dummys para controlar a influência dos outiliers sobre a medida
global de autocorrelação espacial.
Como se pode observar, todos os coeficientes para os dois modelos estimados se mostram
estatisticamente significativos ao nível de significância de 1%, porém há evidências de não
normalidade dos erros e de heterocedasticidade, como apontado pelos testes Jarque-Bera,
Breusch-Pagan e Koenker-Bassett. Esses resultados têm importantes implicações para se escolher
os métodos de estimação para os modelos econométrico-espaciais.
Tabela 2 – Estimativas de MQO para o Logaritmo dos Salários/Hora
da Indústria no Paraná, 2010
Variável Independente = Ln Salário/Hora
Variável
Modelo 1
Modelo 2
Constante
0.1345
0.0321***
Concentração Industrial
4.2535***
4.7476***
Especialização (HH)
-0.2914***
-0.2417***
Economias internas
0.4996***
0.4405***
Escolaridade
0.3557***
0.3699***
Idade Média
0.0369***
0.0394***
Outiliers positivos
0.8094***
Outiliers negativos
-1.4491***
Jarque-Bera
644.96***
71.64***
Breusch_Pagan
111.41***
199.15***
Koenker-Bassett
10.39*
97.72***
Fonte: Elaboração própria, a partir dos dados da RAIS/MTE 2010.
Nota: *significativo a 10%. **significativo a 5%, ***significativo a 1%.
Os testes para dependência espacial e especificação do modelo são apresentados na
Tabela 3. Verifica-se por meio do teste I de Moran a presença de autocorrelação espacial positiva
dos termos de erro, e os testes robustos do tipo Multiplicador de Lagrange (LM robusto) indicam
que, no primeiro modelo, a autocorrelação espacial é na forma de defasagem espacial, uma vez
que o LM robusto (lag) se mostra estatisticamente significativo a 10% e o LM robusto (erro) é
não significativo, o que é confirmado no segundo modelo, em que o LM robusto (lag) é
estatisticamente significativo a 1%.
Tabela 3 – Testes de especificação para os modelos MQO
Modelo 1
Modelo 2
Testes
Valor
Prob
Valor
Prob
Moran's I (erro)
3.5900
0.0003
3.2000
0.0013
LM (lag)
13.7700
0.0002
23.9100
0.0000
LM robusto (lag)
2.7000
0.0999
14.6200
0.0001
LM (erro)
11.7800
0.0006
9.3000
0.0023
LM robusto (erro)
0.7100
0.3989
0.0200
0.8953
LM (sarma)
14.4800
0.0007
23.9300
0.0000
Fonte: Elaboração própria, a partir dos dados da RAIS/MTE 2010.
Dessa forma, estimou-se o modelo SAR, e devido à violação dos pressupostos de
normalidade e de homocedasticidade, utilizou-se o métodos dos Mínimos Quadrados em dois
Estágios (MQ2E), que além de não prescindir do pressuposto de normalidade dos termos de erro,
constitui uma abordagem alternativa ao estimador de Máxima Verossimilhança ao contornar o
problema de endogeneidade causado pela inclusão da defasagem da variável independente, e
permite a incorporação de correções para a presença de heterocedasticidade e autocorrelação
espacial dos resíduos. Os resultados são apresentados na Tabela 4.
Tabela 4 – Estimação Espacial do Logaritmo dos Salários/Hora da Indústria no Paraná,
2010
MQ2E Robusto
Variável
Coeficiente
Desvio padrão
Valor (z)
Pr(>|z|)
W_Sal (rho)
0.2778
0.0689
4.0316
0.0000
Constante
-0.4062
0.1157
-3.5111
0.0004
Concentração Industrial
3.6633
0.8968
4.0850
0.0000
Especialização (HH)
-0.2044
0.0486
-4.2052
0.0000
Economias internas
0.4369
0.0383
11.3928
0.0000
Escolaridade
0.4238
0.0653
6.4869
0.0000
Idade Média
0.0374
0.0022
16.3967
0.0000
Outiliers positivos
0.8251
0.0727
11.3507
0.0000
Outiliers negativos
-1.4019
0.3612
-3.8808
0.0001
Fonte: Elaboração própria, a partir dos dados da RAIS/MTE 2010.
Como se pode notar, o coeficiente relacionado à variável dependente espacialmente
defasada é positivo e estatisticamente significativo, indicando que os salários industriais de uma
determinada localidade são afetados pela média dos salários de seus vizinhos, isto é, há uma
dependência espacial dos mesmos entre os municípios paranaenses, como sugerido
anteriormente.
O coeficiente relacionado ao grau de escolaridade mostra que quanto maior for a
escolaridade da população empregada no setor industrial de uma determinada localidade maiores
serão os salários, considerando-se os efeitos diretos e indiretos da interação espacial. Da mesma
forma, o coeficiente relacionado à média de idade dessa população indica que os salários
aumentam com a idade (ou experiência no mercado de trabalho), embora em baixa magnitude.
Esses resultados evidenciam a importância do investimento em capital humano sobre a
produtividade do trabalho, permitindo aos trabalhadores auferirem maiores rendimentos.
Com relação às economias internas às firmas, os resultados sugerem que a presença de
empresas que apresentam ganhos de escala de produção tem impacto positivo sobre os salários de
uma determinada localidade, e consequentemente das localidades vizinhas, considerando os
efeitos realimentadores da dependência espacial. Todavia, a influência dessa variável é bem
menor do que o impacto devido à variável referente às economias externas ou de aglomeração.
A variável “concentração industrial” representa as economias de aglomeração, uma vez
que reflete o quão expressiva é a atividade industrial local em relação à estadual. Os resultados
mostram que as economias de aglomeração têm impacto significativo sobre o mercado de
trabalho local, em termos de salários, o que indica que as cidades com maior peso industrial
teriam maiores salários, e haveria um transbordamento desses efeitos. Assim, as cidades mais
próximas a esses centros seriam beneficiadas por meio do processo de interação espacial.
No que diz respeito à variável relacionada ao índice Hirschman-Herfindal (HH) que
expressa o grau de especialização das cidades em uma determinada atividade industrial, os
resultados sugerem que quanto mais especializado é um centro urbano em determinada atividade
produtiva, menores são os salários pagos no mesmo, levando em consideração os efeitos diretos e
indiretos da interação espacial. Este resultado corrobora com a teoria de Jacobs (1969) de que a
aglomeração de diferentes setores industriais geraria diversidade local, favorecendo a geração de
inovações e retornos crescentes que, por sua vez, podem ter impacto positivo sobre o mercado de
trabalho.
Para o caso do Paraná, como já observado anteriormente, há uma maior incidência entre
os municípios que apresentam os maiores HH’s de agrupamentos de segmentos industriais mais
tradicionais, que são intensivos em mão de obra e fabricam produtos de baixo conteúdo
tecnológico, como o setor de fabricação de móveis e de alimentos e bebidas, por exemplo, em
que as economias internas de escala tendem a ser menores do que em setores tecnologicamente
mais avançados, e consequentemente, os salários mais baixos. Embora entre os centros mais
diversificados também haja uma predominância desses setores mais tradicionais, eles apresentam
elevado grau de concentração de atividades de maior intensidade tecnológica, como apontado por
Ipardes (2007).
Assim, conclui-se que as economias de aglomeração na forma de economias urbanas, ou
de diversificação, apresentam maiores retornos em termos de salários do que as economias de
especialização no Estado do Paraná, mostrando que os centros urbanos que apresentam maior
infraestrutura para desenvolver atividades diversas geram maiores retornos aos trabalhadores,
sendo essas cidades concentradas principalmente na Região Metropolitana de Curitiba, Oeste e
Norte do estado, embora para a última região não tenha se verificado a presença de dependência
espacial dos salários.
5. CONSIDERAÇÕES FINAIS
O estudo dos efeitos das economias de aglomeração, tanto na forma de economias de
localização como na forma de economias urbanas ou de diversificação, sobre os mercados de
trabalho locais, é relevante na medida em que essas economias podem explicar, em parte, o
desenvolvimento local e as disparidades existentes entre regiões distintas. A hipótese
prevalecente na literatura é da existência de gradientes dos salários urbanos, de forma que os
salários seriam maiores em centros urbanos que apresentam aglomerações industriais e
diminuiriam à medida que as cidades se distanciam desses centros.
O objetivo deste trabalho foi identificar a existência de economias de aglomeração entre
os municípios do Estado do Paraná e verificar seus efeitos sobre os salários locais, a partir da
utilização dos dados da RAIS/MTE referentes ao ano de 2010. Foram empregadas duas
abordagens de análise espacial, a análise exploratória dos dados espaciais, que permitiu a
identificação de clusters industriais e da presença de outiliers, e a análise de regressão por meio
do modelo de lag espacial, que possibilitou a estimação dos efeitos das variáveis relacionadas às
economias de aglomeração sobre os salários, levando em consideração a dependência espacial.
Os resultados indicam que há uma dependência espacial entre os salários industriais, o
que implica que parte da variação dos salários de uma determinada cidade é devida à variação da
média salarial de cidades vizinhas. Com relação à qualificação da PEA industrial, verificou-se
que as cidades que dispõem de capital humano relativamente mais desenvolvido se beneficiam de
maior produtividade do trabalho e, consequentemente, de maiores salários.
Quanto as variáveis relacionadas às economias internas e externas de escala (ou
economias aglomeração), verificou-se que essas têm efeitos positivos sobre os salários, sendo o
impacto das primeiras de magnitude bem menor em relação às segundas. Assim, há evidências de
que as cidades com maior peso industrial em relação à indústria do estado teriam maiores
salários, e as cidades mais próximas a esses centros seriam beneficiadas, por meio do processo de
interação espacial.
Além disso, os resultados mostram que as cidades que apresentam maiores índices de
especialização produtiva pagam menores salários em relação às que apresentam maior
diversificação das atividades produtivas, isto é, há evidências de que as cidades que se
beneficiam de economias de urbanização apresentam vantagens salariais. Tal resultado está de
acordo com a teoria de Jacobs (1969) de que é a diversidade de atividades desenvolvidas em uma
cidade que propicia maior produtividade do trabalho e, consequentemente, maiores salários.
Assim, para o caso do Paraná foi possível verificar que há uma concentração industrial,
em especial nas regiões Metropolitana de Curitiba, Norte e Oeste do estado, enquanto que a
região central do estado é a menos industrializada. Embora haja uma predominância de setores
industriais mais tradicionais no estado, que são mais intensivos em mão de obra, os setores
tecnologicamente mais avançados se concentram em poucas cidades, em especial nas
microrregiões de Curitiba, Londrina, Maringá, Cascavel, Toledo e Ponta Grossa, o que por sua
vez, permite uma maior diversificação elevando os salários. Porém, apenas na microrregião de
Curitiba se verifica a presença de clusters espaciais.
Entretanto, não se pode afirmar que as economias de especialização não sejam relevantes,
uma vez que deve se considerar as particularidades de cada região, sendo que em muitas
localidades os fatores que permitem a criação de economias de especialização são ainda
incipientes e a aglomeração de empresas do mesmo ramo, por si só, não é suficiente para gerar
economias de especialização. Assim, o foco das políticas que visem o desenvolvimento local não
deve ser apenas sobre as economias de aglomeração, mas também sobre a melhoria dos sistemas
urbanos locais e a capacitação da força de trabalho, beneficiando não apenas os empresários, mas
também a força de trabalho local.
6. REFERÊNCIAS BIBLIOGRÁFICAS
ANSELIN, L. Local Indicators of Spatial Association – LISA. Geographical Analysis, Vol. 27,
Nº2, 1995.
ANSELIN, L. Spatial Econometrics. Bruton Center, School of Social Sciences, University of
Texas, Dallas, 1999.
CARVALHO, A. X. Y.; ALBUQUERQUE, P. H. M. Tópicos em Econometria Espacial para
dados cross-section. Brasília: Ipea, 2010. (Texto para Discussão, n. 1508).
GALINARI, R., et al. Os efeitos das economias de aglomeração sobre os salários industriais:
uma aplicação ao caso brasileiro. Belo Horizonte: Cedeplar-UFMG, 2003. (texto para Discussão
Nº 213).
HANSON, G. H. Increasing returns, trade and the regional structure of wages. The Economic
Journal, v. 107, 113-133, 1997.
HENDERSON, J. V. Marshall’s scale economies. NBER Working Paper Nº 7358, September,
1999.
IPARDES. Dinâmica Recente da Indústria Paranaense: estrutura e emprego. Curitiba: Instituto
Paranaense de Desenvolvimento Econômico e Social, 2007. 84 p.
JACOBS, J. The economy of cities. Random House, New York, 1969.
KIM, S. Labor heterogeneity, wage bargaining, and agglomeration economies. Journal of Urban
Economics, v. 28, 160-177, 1990.
LEMOS, M. B. A nova geografia econômica: uma leitura crítica. Tese (Titular) – Faculdade de
Ciências Econômicas. Universidade Federal de Minas Gerais, 2008.
MARSHALL, A. Princípios de Economia: tratado introdutório. São Paulo: Nova Cultural, 1985
[1890].
MONTE-MÓR, R. L. As teorias urbanas e o planejamento urbano no Brasil. In: DINIZ, Clélio
C., CROCCO, Marco A. (Orgs.). Economia regional e urbana: Contribuições teóricas recentes.
Belo Horizonte: Editora UFMG, 2006.
PEREIRA, F. M.; LEMOS, M. B. Cidades Médias Brasileiras: características e dinâmica urbanoindustriais. Pesquisa e Planejamento Econômico. Rio de Janeiro, v. 33, n. 1, abril de 2003.
RAUCH, J. E. Productivity gains from geographic concentration of human capital: evidence from
the cities. Journal of Urban Economics, v. 34, 380-400, 1993.
SABÓIA, J. Desconcentração Industrial no Brasil nos Anos 90: Um Enfoque Regional. Pesquisa
e Planejamento Econômico. Rio de Janeiro, v. 30 n. 1, p. 69-116, abril de 2000.
WHEATON, W. C. & LEWIS, M. J. Urban wages and labor market agglomeration. Journal of
Urban Economics, v. 51, 542-562, 2002.