Os principais setores de emprego na Mesorregião do Sul/Sudoeste de Minas

uma análise multivariada

Autores

  • Pedro José Papandréa Universidade Federal de Alfenas (UNIFAL), Alfenas, MG, Brasil.
  • Alex de Sousa Pereira Universidade Federal de Alfenas (UNIFAL), Alfenas, MG, Brasil.
  • Anderson Paulo de Paiva Universidade Federal de Itajubá (UNIFEI), Itajubá, MG, Brasil.

DOI:

https://doi.org/10.14488/1676-1901.v22i4.4716

Palavras-chave:

Emprego, Desemprego, Minas Gerais, Análise de Agrupamento e Componentes Principais

Resumo

O presente trabalho é uma análise empírica quantitativa que teve por objetivo verificar como se comportam os índices de empregabilidade (trabalhadores admitidos, demitidos e número de trabalhadores acumulados), para os municípios da Mesorregião do Sul/Sudoeste de Minas Gerais. Dessa forma, utilizou-se de técnicas de análise multivariada a fim de chegar ao objetivo proposto por este estudo. Os dados utilizados compõem um conjunto de 14 variáveis, retirados diretamente do Cadastro Geral de Empregados e Desempregados (CAGED) no ano de 2020, sendo as informações referentes aos setores da economia: agropecuário, comércio, construção civil, indústria e serviços. As análises estabelecidas foram feitas através da linguagem de programação Python. Entre os métodos multivariados utilizados, empregou-se a análise de componentes principais (ACP) e a análise de agrupamento (AA) através dos métodos hierárquico (Ward) e não hierárquico (k-médias). Os resultados obtidos demonstraram que os municípios de Varginha, Poços de Caldas, Pouso Alegre e Extrema foram os municípios que apresentaram maior índice de empregabilidade para a maioria dos setores da economia. Por fim, Alfenas, Três Pontas e São Sebastião do Paraíso foram munícipios que se apresentaram com altos índices de empregabilidade em todos os setores analisados.

Downloads

Não há dados estatísticos.

Referências

ANDRADE, R. G. R. A expansão da cafeicultura em Minas Gerais: da intervenção do Estado à liberação do mercado. 1994. 173 f. Dissertação (Mestrado em Economia) - Universidade Federal de Minas Gerais, Belo Horizonte, 1994.

BHALERAO, Rajeev S. et al. Principal component analysis of event-by-event fluctuations. Physical review letters, v. 114, n. 15, p. 152301, 2015.

BOUROCHE, Jean-Marie; SAPORTA, Gilbert; PENCHEL, M. Análise de dados. Rio de Janeiro. Zahr Editores, 1982.

CAGED, 2020. Programa de disseminação das estatísticas do trabalho. CAGED, 2021. Disponível em: http://pdet.mte.gov.br/novo-caged. Acesso em: 2 set. 2021.

CRESWELL, John W.; CLARK, Vicki L. Pesquisa de Métodos Mistos: Série Métodos de Pesquisa. Penso Editora, 2015.

DA CUNHA, André Luiz Barbosa Nunes; DE MORAES MODOTTI, Maíra; SETTI, José Reynaldo. Classificação de caminhões através de agrupamento por análise de cluster. In: XXII CONGRESSO DE PESQUISA E ENSINO EM TRANSPORTES DA ANPET. Anais [...], Fortaleza/CE. 2008. p. 1447-1459.

FERREIRA, Daniel Furtado. Estatística multivariada. Lavras: Editora Ufla, 2008.

GRIMM, Laurence G.; YARNOLD, Paul R. Reading and understanding MORE multivariate statistics. American psychological association, 2000.

HAIR, Joseph F. et al. Análise multivariada de dados. Bookman editora, 2009.

HOTELLING, Harold. Analysis of a complex of statistical variables into principal components. Journal of educational psychology, v. 24, n. 6, p. 417, 1933.

INSTITUITO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Divisão Regional do Brasil. IBGE, 2021. Disponível em: https://www.ibge.gov.br/geociencias/organizacao-doterritorio/divisao-regional/15778-divisoes-regionais-do-brasil.html?=&t=o-que-e. Acesso em: 2 set. 2021.

JOHNSON, Richard Arnold et al. Applied multivariate statistical analysis. Upper Saddle River, NJ: Prentice hall, 2002.

JOLLIFFE, I. Principal component analysis. Wiley Online Library, 2002.

JOLLIFFE, Ian T. Discarding variables in a principal component analysis. I: Artificial data. Journal of the Royal Statistical Society: Series C (Applied Statistics), v. 21, n. 2, p. 160-173, 1972.

KAISER, Henry F. The varimax criterion for analytic rotation in factor analysis. Psychometrika, 1958, v. 23, n. 3, p. 187-200.

KARHUNEN, Juha; JOUTSENSALO, Jyrki. Generalizations of principal component analysis, optimization problems, and neural networks. Neural Networks, v. 8, n. 4, p. 549-562, 1995.

KUBRUSLY, Lucia Silva; SABOIA, João Luiz Maurity. Uma análise multivariada da população ocupada nas regiões metropolitanas brasileiras. Ensaios FEE, v. 27, n. 2, 2006.

LIN, Jing; ZHANG, Aimin. Fault feature separation using wavelet-ICA filter. NDT & e International, v. 38, n. 6, p. 421-427, 2005.

MOURA, Felipe Moretto; DO VALE, Ana Rute. Mercado de trabalho nos pequenos municípios e polarização regional: uma análise sobre Divisa Nova e Alfenas, no Sul/Sudoeste de Minas. Espaço em Revista, v. 20, n. 2, p. 1-18, 2018.

PAIVA, AP de. Metodologia de superfície de resposta e análise de componentes principais em otimização de processos de manufatura com múltiplas respostas correlacionadas. Universidade Federal de Itajubá, 2006.

PRATES, Ângelo Marcos Queiróz et al. A dinâmica da estrutura produtiva da região sul/sudoeste de Minas Gerais nos anos recentes: apontamentos de sua inserção na economia mineira. In: XIV SEMINÁRIOSOBRE A ECONOMIA MINEIRA. Anais [...]. Cedeplar, Universidade Federal de Minas Gerais. 2010.

PYTHON. The Python programming language. Python, 2021. Disponível em: https://docs.python.org/3/reference. Acesso em: 28 ago. 2021.

RENCHER, A. C. Methods of multivariate analysis. [S. l.]: John Wiley & Sons, 2003.

SWINIARSKI, R. W.; SKOWRON, A. Rough set methods in feature selection and recognition. Pattern recognition letters, v. 24, n. 6, p. 833-849, 2003.

VICINI, Lorena. Análise multivariada: da teoria à prática. 2005.

WANG, X.; PALIWAL, K. K. Feature extraction and dimensionality reduction algorithms and their applications in vowel recognition. Pattern recognition, v. 36, n. 10, p. 2429–2439, 2003.

ZAÏANE, O. R.; FOSS, A.; LEE, C.-H.; WANG, W. On data clustering analysis: Scalability, constraints, and validation. In: ADVANCES IN KNOWLEDGE DISCOVERY AND DATA MINING. [S.l.]: Springer, 2002. p. 28–39.

Downloads

Publicado

12-05-2023

Como Citar

Papandréa, P. J., Pereira, A. de S., & Paiva, A. P. de. (2023). Os principais setores de emprego na Mesorregião do Sul/Sudoeste de Minas: uma análise multivariada. Revista Produção Online, 22(4), 3528–3554. https://doi.org/10.14488/1676-1901.v22i4.4716

Edição

v. 22 n. 4 (2022)

Seção

Artigos

Licença

Copyright (c) 2023 Revista Produção Online

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

A Revista se reserva no direito de efetuar, no artigo publicado, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua, respeitando, porém, o estilo dos autores.

A obra publicada é de inteira responsabilidade do(s) autor(es), cabendo à Revista Produção Online apenas a avaliação da obra, na qualidade de veículo de publicação científica. A Revista Produção Online não se responsabiliza por eventuais violações à Lei nº 9.610/1998, Lei de Direito Autoral.

A revista Produção Online permite que o autor detenha o copyright dos artigos aceitos para publicação, sem restrições.

Esta obra está licenciada sob uma Licença Creative Commons.