Vulnerabilidades Territoriais COVID-19 em Portugal Impactos no emprego, sociedade e economia
As crises e os choques económicos não afetam todos os territórios da mesma forma, alguns tendem a revelar-se mais vulneráveis do que outros às suas consequências. Este estudo propõe-se identificar essas vulnerabilidades e relacioná-las com diferentes padrões de resposta face à crise económica decorrente da pandemia de COVID-19.
As vulnerabilidades territoriais são geradas por processos institucionais e políticos, por deliberações coletivas e pelos riscos inerentes a diferentes tipos de inserção das atividades económicas em cadeias de produção globais.
suscetibilidade
A suscetibilidade corresponde ao grau de robustez interna das estruturas socioeconómicas.
exposição
A exposição face às crises corresponde ao grau de permeabilidade dos territórios a circunstâncias externas adversas.
resiliência
A resiliência é entendida neste estudo como uma combinação de capacidades dos territórios: capacidade de resistência de um sistema em manter a sua estrutura face a choques e perturbações externas; capacidade de recuperação para voltar a equilíbrios pré-choque; capacidade de adaptação ou reorientação; e capacidade de renovação, isto é, de gerar novos caminhos.
Uma conclusão fundamental do estudo é que os municípios se enquadram em seis grandes grupos, correspondendo a seis diferentes configurações de vulnerabilidades. Estes seis grupos apresentam níveis diferentes de resiliência.
O indicador utilizado para operacionalizar a resiliência foi a variação do desemprego registado entre fevereiro de 2020 – o início da pandemia em Portugal – e dezembro de 2021, permitindo ter em conta vários processos de adaptação em curso nos territórios. Para cada mês, o valor corresponde à diferença entre o desemprego registado nesse mês e o desemprego registado em fevereiro de 2020, expressa em percentagem do valor do desemprego registado em fevereiro de 2020.
Nota Metodológica
A abordagem estatística adotada para a classificação dos municípios em grupos foi uma análise de clusters, usando as seguintes oito variáveis:
- Rácio entre o desemprego registado em fevereiro de 2020 e a estimativa da população residente em idade ativa em 2019 (fontes: IEFP e INE).
- Rendimento bruto declarado por sujeito passivo, 2018 (fonte: INE).
- Rácio entre o percentil 90 e o percentil 10 do rendimento bruto declarado em 2018 (Fonte: INE).
- Rácio entre (a) o pessoal ao serviço em estabelecimentos entre 0 e 9 trabalhadores e (b) o total de pessoas ao serviço em 2018 (fonte: INE).
- Rácio entre (a) o número de trabalhadores por conta de outrem com contrato a termo certo, termo incerto ou outras situações e (b) o número de trabalhadores por conta de outrem nos estabelecimentos, em outubro de 2018 (fonte: INE).
- Rácio entre (a) o número de pessoas ao serviço nos estabelecimentos nas atividades associadas ao turismo (componente turística) e (b) o número total de pessoas ao serviço nos estabelecimentos, em 31 de outubro de 2018 (fonte: GEP/MTSS).
- Rácio entre (a) o número de pessoas ao serviço nos estabelecimentos nas atividades expostas à quebra das exportações e (b) o número total de pessoas ao serviço nos estabelecimentos, em 31 de outubro de 2018 (fonte: GEP/MTSS).
- Rácio entre (a) o número de pessoas ao serviço nos estabelecimentos associados a atividades imobiliárias e da construção e (b) o número total de pessoas ao serviço nos estabelecimentos, em 31 de outubro de 2018 (fonte: GEP/MTSS).
Em primeiro lugar, foi realizada uma análise hierárquica, seguindo o método de Ward e utilizando a distância euclidiana quadrada como medida. Através deste procedimento, os municípios são sucessivamente agrupados de acordo com o grau de semelhança que apresentam entre si, em função dos resultados que apresentam em cada um dos indicadores considerados.
Como critério para a decisão do número de clusters a reter foi utilizada a visualização em dendrograma. A pertença a cada cluster foi posteriormente comparada e confirmada por agrupamento automático (K-Means). A realização de uma análise da variância simples (ANOVA) sugere diferenças estatisticamente significativas para todos os seis clusters em todas as variáveis incluídas.
Equipa:
João Ferrão
• Hugo Pinto
• José Maria Castro Caldas
• Renato Miguel do Carmo
Desenvolvimento website:
Carlos Simões
• Catarina Mendes Cruz
• Pedro Estevão
Este website foi elaborado no âmbito do projeto “EmployALL - A crise do emprego e o Estado Social em Portugal: deter a produção de vulnerabilidades sociais e de desigualdades” (referência PTDC/SOC-SOC/30543/2017), financiado pela Fundação para a Ciência e a Tecnologia através de fundos nacionais.