MULTIPLICADORES DE EMPREGOS LOCAIS NO RIO GRANDE DO SUL

Autores:
Raquel Alves Pérez - Universidade Federal de Pelotas (UFPEL)
Camila de Moura Vogt - Universidade Federal de Santa Maria (UFSM)
Ana Maria Heinrichs Maciel - Universidade Federal de Santa Maria (UFSM)
Marco Tulio Aniceto França - Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)
Adelar Fochezatto - Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)
 Resumo
Este estudo tem como objetivo estimar o multiplicador de empregos locais da indústria sobre o
emprego nos setores de serviços e comércio no estado do Rio Grande do Sul. O multiplicador local de
emprego foi baseado em Moretti (2010) e foi utilizada uma variável instrumental shift-share para
controlar a endogeneidade. Os dados foram analisados por meio de um painel de efeitos aleatórios e
foram extraídos da Relação Anual de Informações Sociais (RAIS) nos anos de 2010, 2015 e 2020. Os
resultados indicam que a variação de 1% dos empregos no setor industrial, implica na variação de
0,28% dos empregos nos setores de serviços. Já nos setores de alta tecnologia, esse efeito chega a
0,32% e nos setores de baixa tecnologia o efeito é de 0,16%. As regiões funcionais de planejamento
também possuem diferenças significativas, o que reforça a importância de políticas públicas que levem
em consideração as questões regionais para a potencialização dos resultados.
Palavras- Chave: Empregos; Multiplicadores empregos locais; Moretti, Rio Grande do Sul, Indústria,
Políticas Públicas.

Abstract

This study aims to estimate the local employment multiplier of the industry on employment in the service and co

Keywords: Jobs; Local employment multipliers, Rio Grande do Sul, Industry, Public Polices.

Área 3: Economia Regional e Urbana

JEL: R58, J21
1. INTRODUÇÃO
Os efeitos dos empregos na economia moldam o desenvolvimento das regiões, uma vez que
trazem efeitos diretos e indiretos influenciadores na dinâmica do crescimento regional. Para países em
desenvolvimento, como o Brasil, é fundamental conhecer estes indicadores, principalmente em estados
que possuem programas públicos de fomento fiscal/financeiro ao desenvolvimento, como o Rio
Grande do Sul.
Estudos de Enrico Moretti remetem que os denominados multiplicadores de empregos locais
possibilitam visualizar essas variáveis com auxílio de técnicas econométricas. Ao atrair um novo
negócio há um efeito na economia local, onde empregos adicionais são gerados multiplicando-se assim
o número de empregos em determinada região (MORETTI, 2010; MORETTI; THULIN, 2013). O
multiplicador de emprego na região é influenciado pela demanda por produtos e serviços (PEREIRA-
LÓPEZ; SOLOAGA, 2013) em virtude do crescimento regional e dos novos empregos gerados pelo
setor industrial, que consequentemente exigem aumento da massa trabalhadora local para atender às
novas demandas (WANG; CHANDA, 2017).
Além disso, cabe pontuar que fatores como a qualificação dos trabalhadores e intensidade
tecnológica regional são evidenciados na literatura como aqueles de maior capacidade de multiplicar
empregos (PEREIRA-LÓPEZ; SOLOAGA, 2013). Assim, o tipo de emprego gerado, ou seja, a
qualidade do emprego gerado é sinônimo de melhores resultados na cadeia empregatícia, que de forma
indireta está regionalmente integrada.
A indústria no Brasil emprega cerca de 7,7 milhões de pessoas no ano de 2020, apresentando
uma receita líquida de R $3.970,2 bilhões (IBGE, 2022). Ao estimar o multiplicador local de longo
prazo do emprego industrial nas mesorregiões brasileiras, entre 2000 e 2010, foi encontrado que para
cada emprego gerado na indústria quatro empregos nas categorias de serviços foram gerados
(MACEDO; MONASTERIO, 2016). Outro estudo estimou o multiplicador de emprego local industrial
para o contexto brasileiro, nos anos de 1991, 2000 e 2010, encontrando que cada emprego gerado na
indústria representou uma redução de 2,6 pessoas desocupadas e gerou 8 empregos no setor serviços
(MORAES ROCHA E ARAÚJO, 2021).
No Rio Grande do Sul o percentual do valor de transformação da indústria representou 35,1%
do total da região Sul (IBGE, 2022). Fochezatto e Valentini (2010) analisaram a relação entre estrutura
produtiva e crescimento econômico nas regiões do Rio Grande do Sul, no período de 1995 a 2005,
sugerindo pelos resultados que houve presença de economias externas locais provenientes da
diversidade produtiva.
O presente artigo tem como objetivo estimar o multiplicador de empregos locais da indústria
sobre os empregos dos setores de serviços e comércio na economia do Rio Grande do Sul. Para tal fim
utilizaram-se os dados disponíveis na Relação Anual de Informações Sociais (RAIS) do Ministério da
Economia, para os anos de 2010, 2015 e 2020.
A realização do estudo se justifica pela contribuição com a literatura, uma vez que não foram
encontrados estudos considerando a técnica no Estado, e os resultados podem preencher lacunas de
pesquisa na perspectiva regional. A justificativa prática, de acordo com Moretti (2010), é ser este um
dado norteador aos governos na perspectiva de direcionar esforços e adequar suas ações em
determinadas regiões, pois precisam ter o conhecimento do valor de multiplicadores locais tanto
localmente quanto para os multiplicadores nacionais.
Além dessa introdução esse artigo possui mais quatro seções: Uma revisão do referencial
teórico com aplicações empíricas do multiplicador de Moretti. O método de construção do indicador
para a realidade do emprego industrial do Rio Grande do Sul, bem como a metodologia shift-share
para a construção de variável instrumental. A apresentação e discussão dos resultados, e finalmente
uma conclusão sobre a pesquisa e encaminhamentos.
2 REFERENCIAL TEÓRICO
Muitos artigos replicaram a metodologia de multiplicadores locais de emprego com o intuito de
analisar a influência de determinados setores econômicos nos demais setores. Motivados pela
aplicação de Moretti (2010), investigações buscaram analisar o efeito multiplicador em diversos
setores, como por exemplo, o efeito do setor de mineração nos setores de serviços (FLEMING E
MEASHAM, 2014), efeito do multiplicador do setor público no setor privado (FAGGIO E
OVERMAN, 2014), ou, o efeito do aumento dos salários da pesca no emprego e na renda dos
residentes (WATSON ET AL., 2021).
No Brasil, no mesmo modo, foram realizadas aplicações dos multiplicadores locais de
emprego. Macedo e Monastério (2016) analisaram o efeito multiplicador do emprego na indústria nas
mesorregiões brasileiras. Loyo, Resende Filho, e Mendes (2018) observaram o efeito multiplicador dos
empregos durante os períodos do 1º e 2º mandatos do Presidente Lula; outra pesquisa observou o efeito
multiplicador da indústria no desemprego (MORAES ROCHA E ARAÚJO, 2021).
O Quadro 01 apresenta evidências da literatura sobre as aplicações do método de
multiplicadores locais, proposto por Enrico Moretti, com diferentes aplicações e os resultados nos
diferentes países.
Quadro 1: Evidências da literatura sobre as aplicações do método de multiplicadores locais de
Enrico Moretti

AUTORES METODOLOGIA MORETTI VALOR

Blasio e
Encontrou efeito zero com o crescimento do
Menon Moretti (2010)
emprego no setor industrial da Itália.
(2011)
 Toda vez que uma economia local gera um novo
emprego atraindo um novo negócio no setor
comercializado, um número significativo de
empregos adicionais é criado no setor não
negociado; EUA: um aumento de 10% no número
de empregos da indústria está associado a um
aumento de 3.3% no emprego de bens e serviços
Moretti e locais; existem quase 5 empregos de serviços para
Thulin Moretti (2010). cada trabalho industrial. Cada trabalho adicional na
(2013) indústria gera 1.59 empregos no setor serviços. O
efeito de empregos qualificados é 2.5; O indicador
médio da indústria é 1.6 enquanto o multiplicador
para alta tecnologia é de 4.9;
Suécia: o aumento no emprego no setor
comercializável por 1 unidade resulta no aumento
de 0.48 unidades adicionais de emprego no setor
serviços na mesma área.
Com base na análise de multiplicadores locais e
levando em consideração as economias de
aglomeração, bem como os efeitos gerais de
equilíbrio, se descobrir que um novo emprego no
setor comercializável negocia em três novos
empregos no setor não comercializável. O
multiplicador local: no México entre 2000 e 2010,
Pereira- Moretti (2010), variou de 2,56 a 3,91.
López e Moretti (2011), e Multiplicadores, informalidade local e a qualidade
Soloaga Moretti e Thulin dos empregos indiretos criados pelo emprego
(2013) (2013). industrial: (cerca de 2).
Intensidade tecnológica: grupo de tecnologia
média-baixa exibe o maior multiplicador em relação
ao emprego serviços (entre 6 e 7).
Qualificação do trabalhador para os 3 grupos de
intensidade tecnológica têm multiplicadores
significativos, sendo de baixa, e média-baixa
tecnologia os valores mais altos (quase 5).
Analisou os efeitos econômicos locais da
mineração, e observou multiplicadores de empregos
locais que a indústria gera em outros setores da
economia na Austrália. Os multiplicadores locais de
mineração são importantes para apenas 6 dos 18
Fleming e setores de serviços locais (no nível de 5% ou
Aplicou Moretti
Measham inferior), como: Comércio por atacado, acomodação
(2010).
(2014) e serviços de alimentação, Transporte, postal e
armazenamento, financeiro e serviços de seguro,
contratação de aluguel e serviços imobiliários e
outros serviços. Um aumento de 100% no emprego
de mineração se traduz em 8% aumento do emprego
de "comércio atacadista".
Faggio e Bartik (1991), Card O emprego no setor público não tem efeito
Overman (2007) e Moretti identificável no emprego total do setor privado,
 entretanto, afeta a composição setorial do setor
privado. As estimativas sugerem que 100 empregos
adicionais no setor público reduz o emprego no
(2014) (2010)
setor industrial em pouco mais de 40 empregos,
enquanto aumenta o emprego no setor de serviços e
construção em pouco mais de 50 empregos.
O multiplicador é aproximadamente três vezes
maior quando os trabalhos iniciais gerados no setor
negociado exigem algum ensino superior. A
estimativa do multiplicador geral médio para a
Noruega sugere que um trabalho adicional no setor
Aplicou Moretti
Dyrstad comercial local, em média, faz com que o emprego
(2010) e Moretti e
(2014) no setor local não negociado aumente com 0,75. A
Thurin (2013).
estimativa do multiplicador específico de habilidade
para a Noruega é três vezes maior. A estimativa
sugere que um trabalho adicional no setor comercial
que exige o ensino superior gera em média 2.46
empregos no setor de serviços.
Moretti (2010) e Os empregos de alta tecnologia têm um
Auricchio
Moretti e Thulin multiplicador de emprego local positivo e
(2015)
(2013). significativo de 2,2 empregos adicionais.
A elasticidade estimada de emprego serviços em
relação ao emprego industrial é igual a 0,618 e
Gerolimetto e indica que um aumento de 10 % no número de
Moretti (2010)
Magrini empregos negociáveis em uma área metropolitana
(2016) está associado a um aumento de 6,2 % no setor
local serviços; aproximadamente 0,86 empregos
não industriais para cada trabalho industrial.
Analisar o efeito da segunda rodada de imigração
no emprego local não industrial. As estimativas
Siegenthaler, sugerem que o multiplicador diminui para 0.6.
Graff e Usando o multiplicador cantonal com instrumento
Moretti (2010)
Mannino Shift-share apresentou a estatística F de primeiro
(2016) estágio de 8.4. As estimações por IV sugerem que
0.9 trabalhos adicionais no setor não industrial são
criados por trabalho no setor industrial;
Ao nível mesorregional, para cada emprego gerado
nos setores industriais quatro são criados nos
setores de serviços, no longo prazo. Também foi
Macedo e Moretti (2010) e
calculado que, para cada emprego gerado nos
Monastério Moretti e Thulin
setores industriais de alta intensidade tecnológica,
(2016) (2012)
são criados cerca de sete empregos nos setores de
serviços. O multiplicador de emprego da indústria
obtido por foi de 3,78%.
Wang e Moretti (2010) e Cada trabalho adicional na indústria cria 0,499
Chanda Moretti e Thulin empregos adicionais no setor não industrial. O
(2017) (2013). coeficiente de contribuição do emprego na indústria
é de 0,339, assim, para cada 10 empregos criados na
indústria, cerca de 3,4 trabalhos adicionais são
gerados no setor serviços. O resultado indica que
 cerca de 12,6% do crescimento do emprego no setor
serviços podem ser atribuído ao crescimento do
emprego na indústria.
Para cada emprego adicional no setor
comercializável por um período de 10 anos, existem
1,6 empregos criados no setor não comercializável;
Jones e Yang A estimativa multiplicadora é menor para períodos
Moretti (2010).
(2018) mais curtos de 1 e 3 anos. Para o setor
manufatureiro o efeito multiplicador é de 1,2
empregos no setor não industrial durante um
período de 10 anos e procedendo a recessão.
O multiplicador de Moretti para trabalhadores
qualificados ou não qualificados no setor não
Aplicou robustez ao negociado é superestimado por um fator de 2. Com
Van Dijk
modelo de Moretti o instrumento shift-share encontrou que 100 novos
(2018)
(2010). empregos no setor comercializável geram 93 a 101
novos empregos no setor não industrial (0.93 1.01),
número total de empregos de 193 a 201.
Analisa a política fiscal contracionista do 1º e 2 º
governo Lula e os impactos multiplicadores de
Loyo, empregos; as estimativas EF (VI) indicam um efeito
Resende Faggio e Overman eliminador de 14 postos de trabalho no setor de
Filho, e (2014) com base em comercializáveis para cada 100 empregos gerados
Mendes Moretti (2010). no setor público. No segundo período, há um efeito
(2018) multiplicador da ordem de 25 empregos gerados no
setor de indústria para cada 100 empregos criados
no setor público.
Um aumento de 1% nos trabalhos gerados por
empresas de fabricação estrangeira está associada a
um aumento de 0,06% no emprego em serviços
intermediários e 0,01% de aumento nos serviços de
Ascani e Moretti (2010) and demanda final. Um aumento de 1% no emprego
Iammarino Faggio and Overman industrial de empresas de propriedade estrangeira
(2018) (2014). gera um aumento de 1,07% no emprego de serviço
intermediário. Aumento de 1% no emprego da
indústria estrangeira em uma região está associado
a 0,49% e um aumento de 0,53% no emprego de
serviço em áreas específicas.
Cada trabalhador em uma ocupação altíssima cria
até 5 empregos extras em serviços locais menos
qualificados, e o multiplicador é maior em regiões
Goos, com maior imigração. Cada trabalho de alta
Konings e tecnologia está vinculado a trabalhos de 3,9 e 4,4
Moretti (2010).
Vandeweyer em setores de baixa tecnologia, dependendo do
(2018) instrumento. Os resultados mostram que a criação
de empregos nas indústrias de alta tecnologia está
associada a um multiplicador de empregos local de
cerca de 4,8.
Lee e Clarke Cada 10 novos empregos de alta tecnologia criam
Moretti (2010)
(2019) cerca de 7 trabalhos locais de serviço não industrial,
 dos quais 6 vão para trabalhadores mal qualificados.
Cada trabalho adicional no setor de manufatura cria
localmente 1.5 trabalhos no setor de serviços. Cada
Kim e Hong
Goos et al. (2018). trabalho adicional criado na indústria de manufatura
(2019)
em uma cidade gera 0,7 empregos no setor de
serviços na mesma cidade.
Rocha e Bartik (1991) e Para cada trabalho gerado pelo setor industrial, em
Araújo Moretti (2010) média, há uma redução de 2,6 pessoas desocupadas
(2021) e 8 empregos são gerados no setor não industrial.
Cada trabalho de indústria está associado à criação
Black et al., 2005;
de 0,7 novos trabalhos. Nas indústrias individuais,
Elche, Faggio & Overman,
apenas os coeficientes de couro, calçados, madeira
Consoli e 2014; Marchand,
e móveis são positivos e significativos, sendo os
2012; Moretti, 2010;
Sánchez-Barrioluengo efeitos multiplicadores de emprego associados,
Moretti & Thulin,
respectivamente, 3,5 e 3,6. O coeficiente negativo
(2021) 2013; Van Dijk,
indica que cada trabalho nas indústrias de papel e
2016.
publicação está associado a 10 perdas de empregos.
Os efeitos diretos e indiretos da pesca comercial do
Alasca nos salários, empregos, renda e registros de
empregos formais; O aumento de 10% nos ganhos
Watson et al. anuais com a pesca dos residentes de uma
Moretti (2010)
(2021) comunidade leva a um aumento correspondente de
0,7% na renda dos residentes. Isso se traduz em um
aumento de 1,54 dólares na renda total para cada
dólar de aumento nas receitas da pesca.
Os multiplicadores são 3 a 5 vezes maiores do que
nos países de alta renda e aumentam com o status
Moretti (2010), de emprego e as habilidades dos empregos
Charpe Moretti e Thulin negociáveis criados. Os multiplicadores são os mais
(2022) (2013), e Faggio e altos, o tamanho relativo do setor industrial é o
Overman (2014). menor, com uma proporção de emprego serviços
e
industrial de 6,9 em Ruanda, 6,3 na Zâmbia e 5,2 na
Tanzânia.
Políticas de "cidade criativa" terão impactos
econômicos locais e desiguais. O estimador de
efeito fixo sugere que um aumento de 10% no
Gutierrez- Adaptação de
emprego criativo está associado a um crescimento
Posada et al., Moretti (2010).
de 1,7% em trabalhos não industriais. O
(2023)
multiplicador OLS é 2,13, o multiplicador IV é de
pelo menos 1,96. Cada trabalho criativo urbano
gera pelo menos 1,96 empregos não comprováveis.
Ostermeyer Moretti (2010). Cada novo trabalho industrial criou até um trabalho
(2023) de serviço local adicional, impulsionado pelo setor
industrial de alta qualificação, onde cada trabalho
adicional criou até dois trabalhos de serviço.
Um aumento no emprego comercializável em 1%
foi associado a um aumento no emprego serviços de
0,751 % nos EUA. Multiplicado com a proporção
de empregos industriais e não industriais, essa
estimativa sugere que, para cada trabalhador
 industrial adicional, foram criados 0,929 empregos
no setor de serviços.
Fonte: Elaborado pelos autores (2023)
Em resumo, o método de multiplicadores locais desenvolvido por Enrico Moretti tem sido
amplamente utilizado na literatura acadêmica para analisar o impacto da indústria em outras atividades
econômicas locais. As evidências da literatura sugerem que esse método é uma ferramenta valiosa para
avaliar os efeitos da indústria sobre o emprego e a renda local.
Os estudos empíricos têm mostrado que a presença da indústria em uma região tem um efeito
multiplicador positivo sobre o emprego e a renda em outras atividades econômicas locais. Esse efeito é
mais pronunciado em setores que têm uma forte ligação com a indústria, como os setores de serviços e
comércio, e em regiões onde a indústria é uma parte significativa da economia local.
Além disso, as evidências sugerem que os multiplicadores locais podem variar entre diferentes
setores da indústria e entre diferentes regiões geográficas. Por exemplo, alguns estudos mostram que
os multiplicadores locais são maiores em setores de alta tecnologia do que em setores de baixa
tecnologia.
3. MÉTODO
Para avaliar o efeito do emprego industrial sobre o emprego dos demais setores econômicos nos
municípios foi utilizada a metodologia de multiplicadores locais de Moretti (2010), com painel de
dados para os municípios gaúchos. A estratégia empírica de dados em painel permite acompanhar os
municípios ao longo do tempo, o que traz uma série de vantagens em relação aos modelos de corte
transversal e séries temporais, dado que é possível controlar a heterogeneidade dos municípios
adicionando mais observações, aumentando os graus de liberdade e reduzindo os problemas de
colinearidade entre as covariáveis (WOOLDRIDGE, 2015). Para estimar os multiplicadores locais,
Moretti (2010; 2013), utilizou um modelo econométrico de variáveis instrumentais, fazendo uso do
instrumento criado por Bartik (1991). Este instrumento deriva do método shift-share e visa retirar os
efeitos de componentes externos sobre a criação de empregos locais.
O modelo genérico que será usado neste trabalho terá a seguinte equação :
ln ( N ¿jt ) =α + β ln ( N Ijt ) + ε jt
¿ ¿
onde: N jt é o emprego serviços e comércio no município j no período t ; N jt é o emprego industrial no
município j no período t ; O termo de erro aleatório padrão é representado por ε jt .
O parâmetro chave a ser estimado é β, que mede o efeito do setor industrial sobre os serviços.
Afim de eliminar a relação de endogeneidade das estimativas entre empregos industriais e não
industriais (tradable e non tradable, conforme Moretti, 2010) é utilizada a a estimação por variáveis
instrumentais. A técnica tem como objetivo encontrar um fator externo, aqui denominado de variável
omitida, que ajude explicar um determinado efeito, as variações de uma ou mais variáveis explicativas
em uma análise de pesquisa. Assim, a variável que não é observada (omitida), assume a posição de
termo de erro (ε), sendo assim inserida no método de estimação, que passa a reconhecer esta variável
omitida na equação (WOOLDRIDGE, 2015). Moretti (2013) associa/compara esta variável omitida
aos efeitos indiretos que uma variável é capaz de produzir em um cenário, corroborando na sua
variação mesmo sem possuir correlação, pois está implicitamente influenciando na variação e no
impacto geral daquela variável.
As variáveis instrumentais são utilizadas para solucionar problemas de endogeneidade, de uma
ou mais variáveis explicativas (WOOLDRIDGE, 2015). Em outros termos, as variáveis explicativas
podem possuir problemas de endogeneidade, ou seja, que as variáveis que causam impacto são
determinadas no contexto do modelo. Assim, é necessário encontrar uma terceira variável, não
associada às duas variáveis analisadas no estudo, mas que gere uma variação nestas variáveis
independentes . Em outras palavras , é um fator externo que pode impactar/influenciar e ajudar a
explicar um contexto de estudo.
Os efeitos dos multiplicadores de empregos locais são
obtidos por meio de um modelo econométrico de variáveis instrument
). Este método é a contribuição mais atual, e adequada, para
estimar multiplicadores locais, utilizando-se do método shift-share para criar a variável instrumental e
resolver os problemas causados por endogeneidade, ou seja, quando a variável explicativa está
correlacionada ao termo de erro (MACEDO; MONASTÉRIO, 2016). O método é analisado sob três
efeitos, conforme mostra a Figura 1.
Figura 1- Método Shift-Share

Fonte: Adaptado de Macedo e Monastério (2016).

A propósito, o método shift-share consiste em identificar quais são os fatores (externos e

internos) que podem influenciar e explicar o crescimento de uma região, descrevendo assim, o
crescimento real observado, e ainda, o crescimento teórico. Este último, refere-se a uma comparação
em relação ao que é posto como referência no estudo, neste caso, o país, conforme a perspectiva: Quais
resultados o RS apresentaria se evoluísse de acordo com os resultados do Brasil?
Desta forma, o instrumento de multiplicadores locais, assim deriva do método shift-share, e
visa retirar os efeitos de componentes externos sobre a criação de empregos locais, capturar o
componente exógeno (externo) do crescimento da indústria no município e retirá-lo para não produzir
efeitos no multiplicador local. A Figura 2 apresenta o modelo teórico representativo para estimação da
variável instrumental do estudo.

Figura 2- Modelo teórico para estimação dos multiplicadores locais

Fonte: Elaborado pelos autores (2023).

Com o modelo é possível analisar no estudo o impacto das variações de empregos não
industriais do Brasil sobre os empregos industriais no RS e, os empregos não industriais no RS.
Com base na variável instrumental shift-share elaborada por Moretti (2010), o instrumento
pode ser escrito como:

[ ]
ω j , m .t−b N j ,n ,t −N j ,n .t −b ,
m
IV =∑
j ωJ ,m .t −b N j ,n ,t −b

onde, ω j , m .t −b é o emprego na indústria j , no município m no ano inicial t−b ; ω J , m .t −b é o emprego

total no município m no ano inicial t−b ; N j ,n ,t é o emprego nacional no setor j no ano t ; e N j ,n ,t −b é o
emprego nacional no setor j no ano inicial t−b . Para as características municipais e nacionais foram
utilizados valores brutos. A variável ω j , m .t −b considerou a composição no ano de 2010 e a variável
N j ,n ,t −N j ,n .t −b a diferença 2015-2010.

3.1 Dados
Para a pesquisa foi utilizada a base de dados das Informações de vínculo formal,
disponibilizadas pela Relação Anual de Informações Sociais - RAIS. A RAIS é uma base de dados
fornecida pelo Ministério do Trabalho - MTE e conta com informações setoriais e municipais do
emprego no Brasil e no Rio Grande do Sul, para os anos de 2010, 2015 e 2020.
Para a construção da variável dependente, emprego nos setores de serviços, foram considerados os
empregos dos subsetores de serviço de: utilidade pública; construção; varejo; atacado; instituições
financeiras; administração técnica e profissional; transportes e comunicações; alojamento e
comunicações; médico, odontológico e veterinário; e educação. Para a construção da variável
independente, empregos na indústria, foram utilizados os empregos industriais de: indústria metal;
indústria mecânica; elétrico e comunicações; equipamento de transporte; madeira e móveis; papel e
impressão; borracha, tabaco e couro; indústria química; têxteis; indústria de calçados; e comida e
bebida. As variáveis foram utilizadas em logaritmo natural. Os setores de extração mineral, produção
de minerais não metálicos, administração pública e agricultura e outros foram desconsiderados para a
construção das variáveis dependente e independente.
A Tabela 01 apresenta a participação do emprego formal nos subsetores para o Rio Grande do
Sul e o Brasil nos anos de 2010, 2015 e 2020. Considerando os dados dos subsetores que compõem a
atividade econômica, o comércio varejista foi o subsetor que apresentou maior destaque para o estado,
apresentando variação positiva de 0,57% para 2010-2015 e variação negativa de -0,05% para 2015-
2020. Para o Brasil, o subsetor que mais se destacou na participação dos empregos formais foi
administração pública, em todos os anos, apresentando variação negativa para ambos os períodos de
2010-2015 e 2015-2020.
Ao agrupar os setores por indústria e serviços, salientou-se que o setor de serviços foi o setor
que mais empregou indivíduos no Estado durante os anos de 2010, 2015 e 2020 apresentando variação
positiva entre os anos. Ao observar o agrupamento de setores para o Brasil encontrou-se que houve
uma proporção maior de pessoas empregadas no setor de serviços.
Tabela 1: Participação do emprego formal nos subsetores para o Rio Grande do Sul e o Brasil (2010, 2015 e 2020)
Rio Grande do Sul Brasil

Subsetores 2010 2015 2020 Variação % 2010 2015 2020 Variação %

Emprego % Emprego % Emprego % 2010-2015 2015-2020 Emprego % Emprego % Emprego % 2010-2015 2015-2020

Extrativa Mineral 6516 0.23 6767 0.23 5795 0.21 -0.01 -0.02 211216 0.48 240488 0.50 227666 0.49 0.02 -0.01

Prod. Mineral Não Metálico 19959 0.71 19504 0.65 17400 0.62 -0.06 -0.03 410734 0.93 425225 0.88 361746 0.78 -0.05 -0.10

Indústria Metalúrgica 71144 2.54 66819 2.22 61976 2.20 -0.31 -0.03 796617 1.81 688457 1.43 648534 1.40 -0.38 -0.03

Indústria Mecânica 74209 2.65 69121 2.30 73577 2.61 -0.35 0.31 566490 1.29 565645 1.18 560031 1.21 -0.11 0.03

Elétrico e Comunic 19052 0.68 17771 0.59 14846 0.53 -0.09 -0.06 281779 0.64 253526 0.53 248020 0.54 -0.11 0.01

Material de Transporte 53985 1.93 51937 1.73 40675 1.44 -0.20 -0.29 583777 1.32 514289 1.07 464844 1.01 -0.25 -0.06

Madeira e Mobiliário 55596 1.98 55379 1.84 51264 1.82 -0.14 -0.03 468744 1.06 440037 0.92 406637 0.88 -0.15 -0.04

Papel e Gráf 29257 1.04 26049 0.87 21090 0.75 -0.18 -0.12 406074 0.92 378054 0.79 317849 0.69 -0.13 -0.10

Borracha, Fumo, Couros 50018 1.78 40494 1.35 38646 1.37 -0.44 0.02 327271 0.74 309411 0.64 287678 0.62 -0.10 -0.02

Indústria Química 52538 / 1.87 51447 1.71 49871 1.77 -0.16 0.06 902703 2.05 896245 1.86 906489 1.96 -0.18 0.10

Indústria Têxtil 38251 1.36 32881 1.09 28328 1.00 -0.27 -0.09 1036949 2.35 890478 1.85 746397 1.61 -0.50 -0.24

Indústria Calçados 118397 4.22 95088 3.16 68689 2.43 -1.06 -0.73 348691 0.79 283065 0.59 239244 0.52 -0.20 -0.07

Alimentos e Bebidas 135208 4.82 148837 4.95 159600 5.66 0.13 0.71 1755873 3.98 1922468 4.00 2001265 4.33 0.02 0.33

Serviço Utilidade Pública 30169 1.08 29384 0.98 26146 0.93 -0.10 -0.05 402284 0.91 447385 0.93 455009 0.98 0.02 0.05

Construção Civil 124875 4.45 121175 4.03 98774 3.50 -0.42 -0.53 2508922 5.69 2422664 5.04 1970686 4.26 -0.65 -0.78

Comércio Varejista 476272 16.98 527695 17.56 493846 17.51 0.57 -0.05 7002037 15.89 7915408 16.47 7372634 15.95 0.58 -0.52

Comércio Atacadista 85418 3.05 97973 3.26 99473 3.53 0.21 0.27 1380202 3.13 1617214 3.36 1681880 3.64 0.23 0.27

Instituição Financeira 49429 1.76 57097 1.90 53166 1.88 0.14 -0.02 785167 1.78 869165 1.81 867433 1.88 0.03 0.07

Adm Técnica Profissional 221592 7.90 253963 8.45 272098 9.65 0.55 1.20 4568046 10.37 5326167 11.08 5892181 12.74 0.72 1.66

Transporte e Comunicações 146380 5.22 174515 5.81 163416 5.79 0.59 -0.01 2308822 5.24 2706822 5.63 2595576 5.61 0.39 -0.02

Aloj Comunic 206571 7.37 240724 8.01 197664 7.01 0.64 -1.00 3702656 8.40 4297614 8.94 3590747 7.77 0.54 -1.18

Médicos Odontológicos Vet 118649 4.23 152360 5.07 161477 5.72 0.84 0.65 1475324 3.35 1988070 4.14 2353149 5.09 0.79 0.95

Ensino 94047 3.35 121898 4.06 108305 3.84 0.70 -0.22 1505000 3.42 1963474 4.09 1916329 4.14 0.67 0.06

Administração Pública 444495 15.85 461901 15.37 434752 15.41 -0.48 0.04 8923380 20.25 9198875 19.14 8662695 18.74 -1.11 -0.40

Agricultura 82135 2.93 84770 2.82 84770 3.00 -0.11 0.18 1409597 3.20 1500561 3.12 1461457 3.16 -0.08 0.04

Total 2804162 100 3005549 100 2820968 100 0.00 0.00 44068355 100 48060807 100 46236176 100 0.00 0.00

Indústria 697655 30.99 655823 26.96 608562 26.66 -4.03 -0.30 7474968 22.57 7141675 19.46 6826988 19.22 -3.11 -0.24

Serviços 1553402 69.01 1776784 73.04 1674365 73.34 4.03 0.30 25638460 77.43 29553983 80.54 28695624 80.78 3.11 0.24
Total (Indústria + serviços) 2251057 100 2432607 100 2282927 100 0.00 0.00 33113428 100 36695658 100 35522612 100 0.00 0.00

Fonte: Elaborado pelos autores com dados RAIS-ME (2023).

4. DISCUSSÃO DOS RESULTADOS
A Tabela 02 apresenta uma síntese dos modelos estimados para encontrar os
multiplicadores locais para o Rio Grande do Sul. A elasticidade encontrada para a variável
endógena (variação do emprego na indústria), a partir do modelo de mínimos quadrados
ordinários (MQO) foi de 0,58 e para o modelo considerando efeitos aleatórios o resultado foi
de 0,29. A elasticidade para o modelo com a variável instrumental foi de 0,24.
Assim, os resultados indicam que, a variação de 1% dos empregos no setor industrial,
implica a variação de 0,24% dos empregos nos setores de serviços. Em outras palavras, os
empregos industriais possuem um efeito positivo sobre o setor de serviço dos municípios.
Como exemplo, o crescimento de aproximadamente 6 mil vagas no setor industrial
aumentaria em 4 mil vagas o setor não industrial.
O resultado é bastante inferior ao encontrado para o Brasil por Macedo e Monastério
(2016), o estudo constatou que o multiplicador local de emprego para o setor industrial foi de
3,78. Entretanto, as mudanças ocorridas nas políticas industriais nos diferentes períodos
analisados e as especificidades da indústria regional pode ser a razão da diferença. Com
relação a estudos em outros países o multiplicado para o estado do Rio Grande do Sul se
assemelha aos resultados encontrados por Moretti e Thulin (2013) para a Suécia 0,49, entre
outros conforme Quadro 01. O que reforça as diferenças entre as especificidades locais das
indústrias.
Tabela 2: Síntese dos multiplicadores locais estimados
MQO Efeito aleatorio Variável Instrumental
Intercepto 3.245*** 4.631*** 4.872***
(0.062) (0.084) (0.108)
Indústria 0.584*** 0.292*** 0.243***
(0.012) (0.014) (0.021)
Num.Obs. 1491 1491 1488
R2 0.628 0.238 0.413
R2 Adj. 0.627 0.237 0.413
Fonte: Elaborado pelos autores (2023). + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001.
O estudo também constatou que os multiplicadores locais de emprego variaram
significativamente entre indústrias de baixa tecnologia e alta tecnologia, bem como entre
diferentes regiões do Brasil. Nas indústrias de baixa tecnologia, o multiplicador local de
emprego foi de 6,81, enquanto nas indústrias de alta tecnologia, foi de 6,94. Os resultados
encontrados para o Rio Grande do Sul apontam as mesmas conclusões (Tabela 03). As
indústrias de alta tecnologia teriam enfeito de 0,32%, em quando as de baixa tecnologia
impacto de 0,166%. De acordo com Macedo e Monasterio (2016), as indústrias de baixa
tecnologia são aquelas que possuem baixos níveis de tecnologia e inovação em seus processos
produtivos, geralmente utilizando métodos mais tradicionais e intensivos em mão de obra. Por
outro lado, as indústrias de alta tecnologia são aquelas que dependem fortemente de
tecnologia avançada e processos produtivos intensivos em conhecimento. Essas indústrias
geralmente têm um nível mais elevado de intensidade de capital e exigem uma força de
trabalho altamente qualificada.
Tabela 3: Síntese dos multiplicadores locais estimados para alta e baixa tecnologia.
Efeito Efeito Variável Variável
MQO Alta MQO Baixa aleatorio aleatorio Instrumental Instrumental
Tecnologia Tecnologia Alta Baixa Alta Baixa
Tecnologia Tecnologia Tecnologia Tecnologia
Intercepto 4.797*** 3.362*** 5.570*** 4.776*** 5.288*** 5.269***

(0.041) (0.063) (0.064) (0.084) (0.057) (0.125)

Indústria 0.540*** 0.584*** 0.199*** 0.273*** 0.326*** 0.166***

(0.012) (0.012) (0.012) (0.014) (0.021) (0.026)

Num.Obs. 1491 1491 1491 1491 1488 1488

R2 0.578 0.606 0.155 0.208 0.489 0.296

R2 Adj. 0.578 0.606 0.155 0.207 0.489 0.296

Fonte: Elaborado pelos autores (2023). + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001
Para os resultados, o teste de multiplicador de Lagrange de Breusch-Pagan rejeitou a
hipótese nula, ou seja, o efeito do modelo de painel aleatório foi significante, permitindo
concluir que o espaço de tempo entre as coletas não foi suficiente para tornar os fatores não
observados mais aleatórios. Ao realizar os testes de Breusch-Godfrey de autocorrelação
enfatizou que os modelos de MQO e o painel com efeitos aleatórios rejeitaram a hipótese nula
de não possuir autocorrelação. Com o teste de heterocedasticidade de Breusch-Pagan não foi
rejeitada a hipótese nula de homocedasticidade, os modelos apresentaram estatísticas T e F
confiáveis. O teste F para efeitos individuais rejeitou a hipótese alternativa , expondo que os
municípios não apresentam efeitos individuais significativos. Por meio do teste de Hausman
foi rejeitada a hipótese nula de efeitos fixos , indicando que os municípios da amostra
apresentaram aleatoriedade.
Foram ainda analisadas as Regiões Funcionais de Planejamento (RFPs) do Rio Grande
do Sul na Tabela 04. Elas são uma divisão territorial criada pelo Governo do Estado para fins
de planejamento e gestão de políticas públicas. Elas foram estabelecidas pela Lei
Complementar Estadual nº 14.376/2013, que definiu a divisão do estado em 28 RFPs. As
RFPs são diferentes das Regiões Administrativas, que correspondem aos Conselhos Regionais
de Desenvolvimento (COREDEs). Enquanto os COREDEs têm uma abordagem mais voltada
para o desenvolvimento regional, as RFPs são uma ferramenta de planejamento que visa a
articulação de políticas públicas em áreas geográficas que compartilham características
socioeconômicas, culturais e ambientais semelhantes.
Os resultados (Tabela 04) mostram as dummies regiões funcionais em relação aos
municípios da região norte do estado. Apesar do resultado em relação ao impacto da indústria
de alta e baixa tecnologia não ter apresentado muita variação em relação aos resultados sem as
dummies, todas as outras regiões funcionais possuem resultados positivos e significativos em
relação a região. O que reforça as diferenças regionais da indústria no estado do Rio Grande
do Sul. A região funcional 05, que contempla os municípios da região sul apresentou os
maiores resultados para alta tecnologia e baixa tecnologia. A região funcional 07, com os
municípios da fronteira norte, apresentou as menores relações.
Tabela 04: Síntese dos multiplicadores locais estimados para alta e baixa tecnologia com
Regiões Funcionais.
Efeito aleatório Efeito aleatório
Alta Tecnologia Baixa Tecnologia
Intercepto 5.082*** 4.305***
(0.109) (0.115)
Indústria 0.198*** 0.275***

(0.012) (0.014)

Região funcional 01 0.966*** 0.814***

(0.184) (0.177)
Região funcional 02 0.542** 0.398*
(0.193) (0.185)
Região funcional 03 0.457* 0.334+
(0.207) (0.198)
Região funcional 04 1.393*** 1.330***
(0.289) (0.276)
Região funcional 05 0.662* 0.661*
(0.283) (0.270)
Região funcional 06 1.560*** 1.365***
(0.294) (0.282)
Região funcional 07 0.336+ 0.461**
 (0.176) (0.168)
Região funcional 08 0.431* 0.563**
(0.206) (0.196)
Num.Obs. 1491 1491
R2 0.198 0.248
R2 Adj. 0.193 0.244
Fonte: Elaborado pelos autores (2023). + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001.

Assim, os resultados indicam que há um efeito positivo dos empregos industriais sobre
os empregos nos setores de serviços, embora este efeito seja menor do que em estudos
anteriores realizados no Brasil. Além disso, a análise mostrou que o impacto varia de acordo
com o tipo de indústria, sendo maior em indústrias de alta tecnologia. Por fim, foram
analisadas as Regiões Funcionais de Planejamento do Rio Grande do Sul e sua relação com os
efeitos de emprego da indústria. Esses resultados podem ser úteis para o planejamento de
políticas públicas voltadas para o desenvolvimento econômico regional.
5. CONSIDERAÇÕES FINAIS
Neste artigo buscou-se analisar o efeito multiplicador de empregos para a indústria do
Rio Grande do Sul por meio de um painel de efeitos aleatórios, para os anos de 2010, 2015 e
2020. O estado gaúcho apresentou maior participação de atividade econômica de emprego
formal no subsetor de comércio varejista, o que difere da atividade econômica nacional, onde
a principal contribuição foi dos empregos formais em administração pública.
Em síntese, os resultados indicam que a variação de 1% dos empregos no setor
industrial implica na variação de 0,24% dos empregos nos setores de serviços. Este resultado
é inferior ao encontrado para o Brasil, possivelmente devido às mudanças ocorridas nas
políticas industriais nos diferentes períodos analisados e às especificidades da indústria
regional. O estudo também constata que os multiplicadores locais de emprego variam
significativamente entre indústrias de baixa tecnologia e alta tecnologia, bem como entre
diferentes regiões do Brasil. As indústrias de alta tecnologia teriam um efeito de 0,32%,
enquanto as de baixa tecnologia, impacto de 0,16%. Foram realizados testes estatísticos para
garantir a confiabilidade dos modelos e foram analisadas as Regiões Funcionais de
Planejamento (RFPs) do Rio Grande do Sul.
A partir da análise é possível concluir que o crescimento da indústria tem impacto
direto no setor serviços. Reforçando, dessa forma, políticas de fomento e manutenção da
indústria estadual para a ampliação de empregos. As principais conclusões do estudo também
vão de acordo com outros estudos empíricos que utilizam o multiplicador de Moretti. A
criação de empregos em setores intensivos em habilidades e inovação, como o setor de
tecnologia, pode gerar efeitos multiplicadores significativos em termos de aumento da
produtividade e renda. Assim o multiplicador de Moretti pode ser uma ferramenta útil para
entender o impacto da tecnologia na economia gaúcha.
Ainda é importante destacar a importância de políticas públicas para promover a
difusão do conhecimento e inovação em setores menos intensivos em habilidades e para
garantir que os benefícios da tecnologia sejam distribuídos de forma mais ampla na sociedade.
Entretanto, apesar dos resultados é importante salientar as limitações do multiplicador de
Moretti. Uma das principais é que ele considera apenas o impacto direto da indústria sobre os
setores de serviços e comércio, ou seja, não leva em conta outros fatores que possam
influenciar o mercado de trabalho, como a migração de trabalhadores ou mudanças na
demanda dos consumidores. Além disso, o multiplicador de Moretti é baseado em uma série
de suposições que nem sempre são realistas, como a hipótese de que os trabalhadores são
perfeitamente móveis entre setores ou que a oferta de trabalho é constante.
Outra limitação importante do multiplicador de Moretti é que ele pode ser afetado por
choques externos, como mudanças na política fiscal ou na taxa de juros, que podem
influenciar o investimento na indústria e, consequentemente, o impacto sobre o mercado de
trabalho.
REFERÊNCIAS
ASCANI, A.; IAMMARINO, S. Multinational enterprises, service outsourcing and regional
structural change. Cambridge Journal of Economics, v. 42, n. 6, p. 1585–1611, 2018.
AURICCHIO, M. Local manufacturing multiplier and human capital in Italian local labor
markets. 2015.
BARTIK, Timothy J. Making Sense of Incentives: Taming Business Incentives to
Promote Prosperity. [s.l.] W.E. Upjohn Institute, 2019.
BARTIK, Timothy. J. Who benefits from state and local economic development policies?
Kalamazoo, MI: WE Upjohn Institute for Employment Research. [s.l: s.n.], 1991.
https://doi.org/10.17848/9780585223940
BLASIO, G. DE; MENON, C. Local effects of manufacturing employment growth in Italy.
Giornale degli Economisti e Annali di Economia, p. 101–112, 2011.
CHARPE, M. Tradable Jobs and Local Labour Market in sub-Saharan Africa. 2022.
DIJK, J. J. VAN. Robustness of econometrically estimated local multipliers across different
methods and data. Journal of Regional Science, v. 58, n. 2, p. 281–294, 2018.
DYRSTAD, E. H. Local Employment Multipliers in Norway: A Comparative Study of
Norway, Sweden and the United States, 2014.
ELCHE, D.; CONSOLI, D.; SÁNCHEZ-BARRIOLUENGO, M. From brawn to brains:
manufacturing–KIBS interdependency. Regional Studies, v. 55, n. 7, p. 1282–1298, 2021.
FAGGIO, G.; OVERMAN, H. The effect of public sector employment on local labour
markets. Journal of urban economics, v. 79, p. 91–107, 2014.
FLEMING, D. A.; MEASHAM, T. G. Local job multipliers of mining. Resources Policy, v.
41, p. 9–15, 2014.
FOCHEZATTO, Adelar; VALENTINI, Paulo Juliano. Economias de aglomeração e
crescimento econômico regional: um estudo aplicado ao Rio Grande do Sul usando um
modelo econométrico com dados em painel. Revista Economia da ANPEC, 2010.
GEROLIMETTO, M.; MAGRINI, S. A spatial analysis of employment multipliers in the US.
Letters in Spatial and Resource Sciences, v. 9, p. 277–285, 2016.
GOOS, M.; KONINGS, J.; VANDEWEYER, M. Local high-tech job multipliers in Europe.
Industrial and Corporate Change, v. 27, n. 4, p. 639–655, 2018.
GUTIERREZ-POSADA, D. et al. Creative clusters and creative multipliers: evidence from
UK cities. Economic Geography, v. 99, n. 1, p. 1–24, 2023.
IBGE. Pesquisa Industrial Anual Empresa 2020. Instituto Brasileiro de Geografia e
Estatística. 2022, Rio de Janeiro, v. 39, n.1, p.1-8, 2020 ISSN 0100-5138.
https://biblioteca.ibge.gov.br/visualizacao/periodicos/1719/pia_2020_v39_n1_empresa_infor
mativo.pdf . Acesso: 8 de março de 2023.
JONES, M.; YANG, L. Regional job multipliers. Applied Economics Letters, v. 25, n. 19, p.
1342–1345, 2018.
KIM, W.-Y.; HONG, S. H. Local employment multipliers when living and working areas are
different. Economics Letters, v. 175, p. 47–50, 2019.
LEE, N.; CLARKE, S. Do low-skilled workers gain from high-tech employment growth?
High-technology multipliers, employment and wages in Britain. Research Policy, v. 48, n. 9,
p. 103803, 2019.
LOYO, A. DE O. L.; ANDRADE RESENDE FILHO, M. DE; MENDES, V. L. Impacto de
Mudanças no Emprego no Setor Público sobre o Mercado de Trabalho Local: evidências para.
Estud. Econ, v. 48, n. 1, p. 77–106, 2018.
MACEDO, Guilherme.; MONASTERIO, Leonardo. Local multiplier of industrial
employment: Brazilian mesoregions (2000-2010). Brazilian Journal of Political Economy,
v. 36, p. 827–839, 2016.
MORAES ROCHA, Roberta. DE; ARAÚJO, Bruno Calda DE. Local multiplier effect of the
tradable sector on the Brazilian labor market. Letters in Spatial and Resource Sciences, v.
14, n. 3, p. 269–286, 2021.
MORETTI, Enrico. Local multipliers. The American Economic Review, v. 100, n. 2, p. 373-
377, 2010.
MORETTI, E.; THULIN, P. Local multipliers and human capital in the United States and
Sweden. Industrial and Corporate Change, v. 22, n. 1, p. 339–362, 2013.
OSTERMEYER, V. Local multipliers and the growth of services: evidence from late
nineteenth century USA, Great Britain, and Sweden. European Review of Economic
History, v. 27, n. 1, p. 70–90, 2023.
SIEGENTHALER, M.; GRAFF, M.; MANNINO, M. Characteristics and drivers of the Swiss
“job miracle”. Review of Economics, v. 67, n. 1, p. 53–89, 2016.
SLATTERY, Cailin; ZIDAR, Owen. Evaluating state and local business tax incentives.
Journal of Economic Perspectives, v.34, n.2, p. 90-118, 2020.DOI: 10.1257/jep.34.2.90
SOLOAGA, I.; PEREIRA, M. Local Multipliers and the Informal Sector in Mexico 2000-
2010. [s.l: s.n.].
WANG, T.; CHANDA, A. Manufacturing growth and local multipliers in china. Available at
SSRN 2697580, 2017.
WATSON, B. et al. Commercial fisheries & local economies. Journal of Environmental
Economics and Management, v. 106, p. 102419, 2021.
WOOLDRIDGE, Jeffrey M. Introductory econometrics: A modern approach. [s.l.]
Cengage learning, 2015.