Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/19306
Files in This Item:
File Description SizeFormat 
thiagodasilvagouvea.pdfPDF/A558.34 kBAdobe PDFView/Open
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Perobelli, Fernando Salgueiro-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/0592576058333460pt_BR
dc.contributor.referee1Montenegro, Rosa Livia Gonçalves-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/8006172334113593pt_BR
dc.creatorGouvea, Thiago da Silva-
dc.creator.Latteshttp://lattes.cnpq.br/1630511648354735pt_BR
dc.date.accessioned2025-08-28T12:07:20Z-
dc.date.available2025-08-26-
dc.date.available2025-08-28T12:07:20Z-
dc.date.issued2025-08-15-
dc.identifier.urihttps://repositorio.ufjf.br/jspui/handle/ufjf/19306-
dc.description.abstractThis research aimed to identify the most specialized economic sectors in the Serrana Region of the State of Rio de Janeiro between 2019 and 2024, as well as to assess whether these sectors exhibited spatial autocorrelation, in order to verify the existence of productive clusters in the region. Employment data from the Annual Social Information Report (RAIS) were used to calculate the Location Quotient (LQ), followed by the application of Exploratory Spatial Data Analysis (ESDA) methods, which enabled the visualization of cluster maps for the main sectors in the key municipalities of the Serrana region. The results revealed that the municipalities of Nova Friburgo and Bom Jardim exhibit spatial autocorrelation in the apparel manufacturing sector, while São Sebastião do Alto and Santa Maria Madalena stand out positively in the agricultural sector.pt_BR
dc.description.resumoA presente pesquisa teve como objetivo identificar os setores econômicos mais especializados na região serrana do Rio de Janeiro entre os anos de 2019 e 2024, bem como entender se estes setores eram ou não auto correlacionados espacialmente, a fim de verificar se haviam clusters formados na região. Para este estudo, foram utilizados dados de emprego da Relação Anual de Informações Sociais (RAIS) para o cálculo do Quociente Locacional (QL) e aplicados métodos de Análise Exploratória de Dados Espaciais (AEDE), o que permitiu a visualização dos mapas de clusters dos principais setores das principais cidades da serra fluminense. Ao final do estudo, foi possível verificar que os municípios de Nova Friburgo e Bom Jardim possuem autocorrelação espacial no setor de confecção vestuário, bem como São Sebastião do Alto e Santa Maria Madalena se destacam positivamente no setor de agropecuária.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Juiz de Fora (UFJF)pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentFaculdade de Economiapt_BR
dc.publisher.initialsUFJFpt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/br/*
dc.subjectAutocorrelação espacialpt_BR
dc.subjectQuociente locacionalpt_BR
dc.subjectRegião serrana do Rio de Janeiropt_BR
dc.subjectSpatial autocorrelationpt_BR
dc.subjectLocation quotientpt_BR
dc.subjectSerrana region of Rio de Janeiropt_BR
dc.subject.cnpqCNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIApt_BR
dc.titleEspecialização e autocorrelação espacial: a dinâmica econômica dos municípios da região Serrana do RJpt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
Appears in Collections:Ciências Econômicas - Campus JF - TCC Graduação

Show simple item record Recommend this item
Facebook Twitter LinkedIn Google+ Mendeley Whatsapp


This item is licensed under a Creative Commons License Creative Commons