COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS SOBRE A...
Transcript of COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS SOBRE A...
i Trabalho desenvolvido com o apoio do Programa PIBIC/FAPESPA.
ii Graduando do curso de Ciências Econômicas da Universidade Federal do Pará. Bolsista
PIBIC/FAPESPA. E-mail: [email protected].
iii Docente do ICSA, Universidade Federal do Pará. E-mail: [email protected]
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS SOBRE A PRODUTIVIDADE DO TRABALHO E DA TERRA
UTILIZANDO MODELOS CROSS SECTION DE CONVERGÊNCIA CONDICIONAL E MODELOS DE CONVERGÊNCIA ESPACIAL: UMA ANÁLISE
PARA AS REGIÕES BRASILEIRASi
Vinícius Camattiii
Ricardo Bruno Nascimento dos Santosiii
(Universidade Federal do Pará)
Resumo
Este estudo verifica, através de modelos econométricos de convergência condicional da
produtividade da terra e do trabalho em relação ao crédito rural e outras variáveis, se o
mesmo contribui positivamente no crescimento econômico dos municípios brasileiros no
período de 1996 a 2006 para as macrorregiões brasileiras, além da influência das demais. Para
este fim, foram utilizados dados do Anuário Estatístico de Crédito Rural do Banco Central
(BACEN), do Ipeadata e do IBGE. Ademais, foram desenvolvidas estatísticas descritivas em
relação à quantidade de contratos e valores médios do repasse de crédito aos municípios por
macrorregião. Como resultado dos modelos, aceitou-se a hipótese de β-convergência
condicional para todas as regiões, observou-se um impacto positivo do crédito sob a
produtividade da terra e do trabalho na maioria dos modelos, e outros resultados relacionados
às demais variáveis, inclusive a interação espacial entre os municípios foi significativa,
apresentando convergência também no modelo espacial e um efeito positivo em geral no
mesmo.
Palavras-chave: Convergência condicional; Crédito rural; Econometria espacial. Abstract
This study verifies, through econometric models of conditional convergence of productivity
of land and labor in relation to rural credit and other variables, whether it contributes
positively to economic growth in municipalities and there is a spatial effect between them in
the period 1996-2006 for Brazilian regions, beyond the influence of others. To this end,
Statistical Yearbook of Rural Credito of Central Bank (BACEN), Ipeadata and IBGE were
used as source of data. In addition, descriptive statistics were developed in relation to the
number of contracts and average values of the credit transfer to municipalities by macro-
region. As a result of the models, accepted the hypothesis of conditional β-convergence for all
regions, there was a positive credit impact on the productivity of land and labor in most
models, and other findings related to other variables, including the spatial interaction between
the municipalities was significant, with convergence also in the spatial model and an overall
positive effect on the same. Thus, the study completed all the goals that had been proposed.
Keywords: Conditional Convergence; Rural credit; Spatial econometrics.
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
1. INTRODUÇÃO
A partir do ano de 1965, aumentou-se
de forma considerável a importância do
crédito rural como um dos principais
incentivos à agricultura. Esta mudança
ocorreu, principalmente, devido a criação
do Sistema Nacional de Crédito Rural
(SNCR), o qual tornou-se o instrumento
protagonista da política agrícola brasileira,
em um momento de busca da inovação
tecnológica do setor, a chamada
“Revolução Verde”. Seus principais
objetivos eram: o financiamento do custeio
da produção; estimular a formação de
capital; impulsionar uma maior velocidade
nas melhorias tecnológicas; e contribuir
para uma melhora na posição econômica
dos produtores, principalmente dos médios
e pequenos.
Entretanto, é importante ressaltar,
segundo Santos e Braga (2013), que
durante as décadas de 1970 e 1980, uma
considerável parcela do crédito rural foi
direcionada aos grandes proprietários de
terras, pois este era subsidiado e
distribuído conforme o tamanho dos
estabelecimentos de propriedade dos
tomadores. Tal aspecto acabou sendo um
fator gerador de restrição de crédito,
principalmente aos pequenos produtores
localizados nas regiões agrícolas.
É importante salientar, ainda, as
regiões em que concentram-se as
concessões do crédito e, em contrapartida,
as regiões que sofrem pela restrição do
mesmo. Segundo o Censo Agropecuário de
2006, de responsabilidade do Instituto
Brasileiro de Geografia e Estatística
(IBGE), 33,48% dos estabelecimentos
agrícolas obtiveram algum tipo de crédito
e, dentre estes, o maior número de
estabelecimentos encontrava-se na região
Sul do país (279.236), enquanto a região
Norte detinha a menor parcela dentre as
macrorregiões brasileiras (22.940). Diante
de tais estatísticas, é possível perceber as
disparidades entre tais regiões e a
necessidade de uma política governamental
que pudesse amenizar tal desigualdade,
uma vez que os critérios para subsídio e
distribuição do crédito eram em função das
áreas e terras possuídas pelos tomadores.
Nesta perspectiva, foi criado o Programa
Nacional de Fortalecimento da Agricultura
Familiar (PRONAF), o qual possibilitou o
acesso ao crédito a uma significativa parte
dos pequenos produtores rurais.
Analisando a relação entre estes
mecanismos creditícios e o crescimento da
economia brasileira, este trabalho visa,
além de conhecer o caráter histórico da
distribuição do crédito ao meio rural de
cada macrorregião, entender o impacto
deste sob os municípios de cada uma das
mesmas; investigar quanto do crescimento
econômico agropecuário pode estar
associado à evolução do crédito distribuído
e determinar se o crédito rural é um
importante condicionante na convergência
de crescimento de cada região, além de
verificar o efeito de outras variáveis no
modelo com vistas a aumentar o poder
explicativo do mesmo. Tal discussão é de
extrema relevância pois, como afirmaram
estudos de Pires (2005), Chinelatto Neto
(2007), Lima (2006) e Galeano; Feijó
(2011), o crédito exerce importante
influência e relação positiva com o
crescimento econômico, desempenhando
um papel de fortalecimento à propulsão do
investimento e acumulação de capital,
financiamento da atividade inovativa,
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
redução da concentração de recursos e
rompimento da dinâmica centro – periferia.
Para tal, buscamos introduzir na
análise, modelos econométricos precisos
como os de convergência (condicional e
espacial), os quais evidenciarão os efeitos
da disponibilidade do crédito rural sobre o
crescimento econômico na região estudada
e o impacto sobre a produtividade. Na
tentativa de relacionar outras variáveis
importantes que podem exercer papel de
influência no crescimento econômico rural,
acrescentamos a quantidade e áreas dos
estabelecimentos agrícolas para cada
região obtendo os resultados para o modelo
de convergência da produtividade da terra
com as demais variáveis, utilizamos o
modelo de convergência de produtividade
do trabalho (PIB por trabalhador) com as
demais variáveis de acordo com as teorias
de crescimento econômico de Solow
(1956) e Mankiw, Romer e Weil (1992) e
também o modelo espcial de acordo com
Rey e Montouri (1999).
Tratando-se do modelo
econométrico espacial, necessitamos
introduzir as coordenadas geográficas de
cada um dos municípios receptores do
crédito.
Diante disso e com vistas a
diminuir lacunas do conhecimento na área,
o escopo deste estudo é verificar
empiricamente se a concessão de crédito
rural é ou não um mecanismo eficaz para
um aumento da produtividade e renda dos
estabelecimentos e, consequentemente,
crescimento e desenvolvimento do meio
rural. A hipótese adotada no trabalho é de
que a política de concessão de crédito rural
tende a diminuir a desigualdade neste setor
para as macrorregiões brasileiras.
2. MÉTODO
2.1 Revisão da literatura
O modelo de convergência de
renda, o qual foi utilizado neste trabalho,
foi estabelecido por Solow (1956) para
verificar se países tendem a convergir para
suas trajetórias de crescimento equilibrado
(estado estacionário). Dessa forma, na
medida em que as diferenças no produto
per capita surjam de países que estão em
diferentes pontos com relação a suas
trajetórias de crescimento equilibrado,
deve-se esperar que países pobres
alcançassem os países ricos.
A hipótese de convergência de
renda (absoluta), introduzida
principalmente por Abramovitz (1986),
consiste em dizer que regiões com rendas
inferiores tendem, no longo prazo, a
crescer mais rápido que regiões de renda
maior, de modo que não exista mais o
hiato entre essas regiões desiguais.
No entanto, de acordo com Baumol
(1986), não eram todos os países que
apresentavam convergência, apenas em
alguns grupos como nos países
componentes da OCDE. Assim, eram
grupos que convergiam e não todos os
países do mundo convergindo para um
mesmo nível de rendas per capita.
Mesmo assim, não se fazia
necessário desconsiderar o modelo
neoclássico. Apenas que havia uma
condição (convergência condicional) para
que as economias de diferentes regiões
apresentassem convergência, a qual era
que os países convergem de acordo com
seu estado estacionário: os países os quais
se encontram antes de seu estado
estacionário crescem mais rápidos em
ralação aos que estão no estado
estacionário ou acima dele, a recíproca é
verdadeira (Barro e Sala-i-Martin, 1992;
Mankiw et al., 1992). Ainda, segundo
Galor (1996, p. 1057), a hipótese de
convergência condicional está intimamente
relacionada com a noção de que cada
economia é caracterizada por um único,
globalmente estável, equilíbrio de estado
estacionário. Para tal pode ser utilizado um
modelo cross section, isto é, de seções
cruzadas para uma ou várias variáveis
estáticas ao longo do tempo. Por isso os
países que são idênticos em seus
fundamentos (e, portanto, em seus sistemas
dinâmicos) convergem para um mesmo
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
estado estacionário, independentemente de
suas condições iniciais.
Não demorou muito e a hipótese de
convergência condicional, onde cada
economia possuía um único estado
estacionário, passou a concorrer com a
hipótese de clubes de convergência,
iniciada por Baumol (1986), e aprimorada
por Durlauf and Johnson (1995) e Galor
(1996). Este modelo afirma que economias
as quais são semelhantes em suas
características estruturais convergem para
o mesmo equilíbrio de estado estacionário,
se seus níveis iniciais de produto per capita
são também semelhantes (GALOR, 1996).
De maneira adicional foram
introduzidos os conceitos de -
convergência e -convergência por
Mankiw et al. (1992) e Barro e Sala-i-
Martin (1992). -convergência, de acordo
com Islam (2003), é quando tanto a renda
per capita quanto o crescimento
convergem, i.e. países pobres em capital
terão produtividade marginal maior, pois
isso segue a hipótese de retornos
decrescentes. Deste modo, com
semelhantes taxas de poupança, economias
pobres irão, crescer mais rápido. Por outro
lado, o conceito de -convergência
consiste na observação da dispersão das
rendas per capita das áreas em estudo em
sucessivos anos.
De acordo com Coelho e
Figueiredo (2007), podemos sintetizar os
conceitos sobre convergência da seguinte
maneira:
(i) Convergência β absoluta ou
incondicional: duas economias
quaisquer tenderão para o
mesmo nível de renda per capita
no longo prazo (estado
estacionário),
independentemente de suas
condições iniciais;
(ii) Convergência β condicional:
duas economias com
características estruturais
comuns (mesmas preferências,
tecnologias, taxas de
crescimento populacional,
políticas públicas, etc.) tenderão
para o mesmo nível de renda
per capita no longo prazo,
independentemente de suas
condições iniciais; e
(iii) Clubes de convergência: duas
economias quaisquer que
compartilham das mesmas
características estruturais e que
possuem condições iniciais
semelhantes tenderão a possuir
o mesmo nível de renda per
capita no longo prazo.
Acrescentando ainda sobre o
modelo de clubes de convergência,
Azariadis e Drazen (1990) introduziram
um efeito limiar, o chamado “threshold”,
no processo de acumulação de capital
físico ou humano para demonstrar que
existe um nível de capital físico e humano
que impulsiona mudanças na produtividade
agregada.
Embora esses modelos de
convergência sejam importantes, um fator
fundamental para tratar de convergência é
o efeito espacial entre os países, os efeitos
de vizinhança que envolvem as interações
espaciais, efeito amplamente ignorado,
como ressalta Rey e Montouri (1999, p.
145, tradução nossa):
Em todas as três noções de
convergência, a unidade de
análise tem sido uma região
individual observada tanto
como parte de um corte
transversal ou como uma série
temporal. Implicitamente, cada
região tem sido vista como uma
entidade independente e o
potencial para interações
observacionais pelo espaço tem
sido amplamente ignorado.
2.2 Procedimentos e fontes de dados
Foram utilizados os dados
presentes no Anuário Estatístico de Crédito
Rural, elaborado pelo Banco Central do
Brasil (BACEN), referentes aos anos 2000
a 2012, envolvendo todos os municípios
pertencentes ao Brasil, evidenciando o
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
repasse de crédito aos estabelecimentos
agropecuários no que diz respeito à
quantidade de contratos e seus respectivos
valores de custeio, investimento e
comercialização. Organizada a base de
dados, foram incluídas as coordenadas
espaciais (latitude e longitude) de cada
município, com o auxílio do Ipeadata.
O Instituto de Pesquisas
Econômicas Aplicadas (IPEA), através de
seu sistema Ipeadata, também forneceu
informações a nível regional para uma
gama de indicadores e variáveis que
auxiliaram na análise do PIB dos
municípios pertencentes ao Brasil. Outra
fonte de informação utilizada foi Instituto
Brasileiro de Geografia e Estatística
(IBGE) através do Sistema IBGE de
Recuperação Automática (SIDRA).
Após a base de dados estar
organizada através do uso de programação
pelo software Stata, utilizamos o deflator
implícito do Pib para atualizar os valores
referentes ao crédito rural. Em seguida
rodamos os modelos, testes de
heterocedasticidade para cada e
corrigimos, se necessário, a presença da
mesma através da matriz robusta de White.
Além disso, verificamos se havia a
presença de multicolinearidade em cada
modelo.
2.3 Modelos de convergência de
renda
Para testar as hipóteses formuladas
no trabalho, utilizaram-se os
procedimentos padrões, ou seja, análise
econométrica dos modelos citados. Para
verificação da convergência, foram usados
os modelos de convergência condicional e
espacial. Além de exibir esses modelos é
necessário apresentar o modelo de –
convergência absoluta.
2.3.1 Cconvergência absoluta
A hipótese da convergência
absoluta afirma que, se considerarmos um
grupo de países, todos com acesso à
mesma tecnologia, possuindo a mesma
taxa de crescimento populacional (n) e a
mesma taxa de propensão a poupar (s),
mas diferindo, somente, em termos de
razão capital/trabalho inicial, k, pode-se
esperar que todos os países irão convergir
para o mesmo nível de renda de estado
estacionário.
Uma forma de analisar o debate
sobre a convergência é associar o nível
inicial de renda per capita estadual com o
aumento da renda per capita ao longo do
tempo. Para o modelo neoclássico, se todos
os Estados estão convergindo para o
mesmo nível de renda per capita, uma
relação negativa deveria ser observada
entre o crescimento da renda per capita ao
longo do tempo e o nível inicial de renda
per capita. Dessa forma, a convergência
absoluta da renda per capita ocorre.
Embora esta abordagem tenha sido
aplicada para países inicialmente, com o
passar dos anos passou a ser direcionadas
para análises mais específicas, como
regiões de integração, regiões de países e
municípios, sendo esta última análise a que
é trabalhada neste artigo.
Rey e Montouri (1999) ressalta que
para testar a - convergência absoluta
vários estudos utilizam uma especificação
de corte transversal como segue:
(
) ( )
onde: é a renda per capita no estado no
ano ; e são parâmetros a serem
estimados; e é o termo de erro
estocástico. Convencionou-se interpretar
uma estimativa negativa para o como
suporte para a hipótese de convergência
desde que tal estimativa sugerisse que as
taxas de crescimento em rendas per capita
sobre o – ésimo período fosse
negativamente correlacionada com as
rendas iniciais (BAUMOL, 1986).
2.3.2 Convergência condicional
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
Segundo Mankiw et al. (1992), o
modelo de Solow não prevê convergência
absoluta; ele prevê somente que a renda
per capita em um dado país converge para
seu valor de estado estacionário. Em outras
palavras, o modelo de Solow prevê
convergência somente após apresentar a
condição de as economias que estão antes
de seu do estado estacionário irão crescer
mais rápido que as que já estão no estado
estacionário ou que já passaram do mesmo,
isto é o que chamamos de convergência
condicional.
Como ressaltado por Barro (1991),
mais de 50 variáveis tem sido escolhidas
pelos pesquisadores para explicar o
fenômeno de convergência. Desta maneira,
foram utilizadas no presente trabalho
diversas variáveis, sendo que utilizamos o
modelo para produtividade do trabalho e
modelo para produtivdade da terra para
cada região.
2.3.2.1 Modelo de produtividade do
trabalho
Foi utilizado o seguinte modelo
para cada macrorregião:
(
) (
)
(
) ( )
( ) ( ) ( ) ( )
onde pib é o PIB agrícola, po é a
população, mcrt é a media do crédito rural
total, mgv a média dos gastos
governamentais agrícola, mrpib a razão
PIB agrícola sobre PIB total, evn a
esperança de vida ao nascer, anoest os anos
de estudo, lng o progresso tecnológico,
depreciação e crescimento populacional; e
o termo de erro.
A escolha da variável lng foi
devido a um aspecto teórico de Mankiw et
al. (1992, p. 415), onde ele assume ser o
valor do progresso tecnológico mais a
depreciação ser 0,5 ( ) e
acrescenta o crescimento populacional.
Deste modo a variável equivale a:
( )
((
) )
2.3.2.2 Modelo de produtividade da
terra
Foi utilizado o seguinte modelo
para cada macrorregião:
(
) (
)
(
) ( )
( ) ( ) ( ) ( )
onde ta é o tamanho da área, mcrt é a
media do crédito rural total nos anos de
1996 a 2006, mgv a média dos gastos
governamentais agrícola, mrpib a razão
PIB agrícola sobre PIB total, evn a
esperança de vida ao nascer, anoest os anos
de estudo, lng o progresso tecnológico,
depreciação e crescimento populacional; e
o termo de erro.
O problema consiste, então, em
estimar os parâmetros do modelo através
do método dos Mínimos Quadrados
Ordinários para a amostra de cross-section
dos municípios de cada macrorregião e
verificar a significância deles.
2.3.3 Convergência espacial
Rey e Montouri (1999), Barreto
(2007) e Resende (2007) demonstram que
podem existir efeitos espaciais entre as
localidades que tem influência no processo
de convergência. Deste modo foram
incluídas técnicas econométricas espaciais
para explicar a convergência de renda entre
as regiões. Essas técnicas estão contidas na
análise exploratória de dados espaciais, a
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
qual tem por objetivo descrever a
distribuição espacial, os padrões de
associação espacial (clusters espaciais),
verificar a existência de diferentes regimes
espaciais ou outras formas de instabilidade
e identificar observações atípicas (isto é,
outliers).
Para aplicar a análise exploratória
de dados espaciais, é necessário especificar
uma matriz de pesos espaciais (W). Essa
matriz é a maneira de se expressar um
determinado arranjo espacial das
interações resultantes do fenômeno a ser
estudado. Por exemplo, se pode supor que,
no estudo de vários fenômenos, regiões
vizinhas tenham uma interação mais forte
entre si do que regiões que não são
vizinhas. De maneira semelhante, regiões
mais afastadas entre si teriam uma menor
interação. Deste modo, em que a distância
entre as regiões importa na definição da
força da interação, seria possível construir
uma matriz W baseada na distância inversa
entre as regiões com vistas a capturar tal
arranjo espacial da interação (ALMEIDA;
PEROBELLI; FERREIRA, 2008).
A matriz de peso espacial, W
(spatial weight matrix em inglês), utilizada
neste trabalho, está baseada na ideia dos k
vizinhos mais próximos, e calculada
utilizando a métrica baseada no grande
círculo entre os centros das regiões, de
acordo com a especificação de Gallo e
Ertur (2003, p. 180):
{
( )
( ) ( ) ( ) ( ) ∑ ( )
⁄
( ) ( )
onde representa a distância, medida
pelo grande círculo, entre os centros das
regiões e . Já ( )é a distância máxima,
ou seja, o valor de corte para considerar
regiões vizinhas à região . Em outras
palavras, as distâncias que estiverem acima
deste ponto não serão tomadas como
vizinhas da região em questão.
Uma análise pertinente a ser feita se
refere a utilizar a estatística I de Moran
para determinar se há ou não
autocorrelação espacial. Isso é importante
para indicar o grau de associação espacial
presente no conjunto de dados. De maneira
geral, o índice de Moran é um teste no qual
sua hipótese nula é de independência
espacial, sendo o seu valor zero; e sua
hipótese alternativa, dependência espacial,
com o valor diferente de zero, sendo
valores positivos indicando correlação
direta, e valores negativos, correlação
inversa. De acordo com Cliff e Ord (1981)
a estatística I de Moran pode ser
especificada da seguinte maneira:
(
) (
)
em que é o vetor de observações para
o ano na forma de desvio em relação a
média. Já houve uma explanação da matriz
de pesos espaciais W, sendo desnecessária
uma explicação adicional. E o é a soma
de todos os elementos de W, de modo que
este termo é um escalar.
Ao passo que a matriz de pesos
espaciais é normalizada, isto é, quando se
ajustam os valores de todas as linhas, de
modo que a somatória de cada linha da
matriz é igual a um, a expressão anterior é
expressa da seguinte forma:
(
)
Quando a autocorrelação espacial é
positiva, isso significa que os municípios
os quais apresentam elevada produtividade
média agrícola são vizinhos de outros
municípios que também apresentam
elevada produtividade média agrícola. Ou,
de modo alternativo, significa dizer que
municípios com baixa produtividade média
agrícola são circundados por outros
municípios os quais também possuem
baixa produtividade média.
Para interpretar a estatística I de
Moran é necessário o diagrama de
espalhamento de Moran. Trata-se de uma
representação do coeficiente de regressão e
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
permite visualizar a correlação linear entre
e através do gráfico de duas variáveis.
A regressão é especificada de forma que o
coeficiente I de Moran é a inclinação da
curva de regressão de contra , sendo
que essa inclinação indica o grau de
ajustamento. Semelhante a um plano
cartesiano, o diagrama é divido em quatro
quadrantes, nos quais cada um representa
padrões de associação espacial local entre
as regiões e seus vizinhos. Dos quatro
quadrantes, AA e BB representam
formação de clusters de valores similares
uma vez que apresentam autocorrelação
espacial positiva; contrariamente, os
quadrantes BA e AB representam
formação de clusters de valores diferentes
já que apresentam autocorrelação espacial
negativa. Entretanto, como afirma
Almeida, Perobelli e Ferreira (2008), tal
diagrama detém uma limitação em relação
à avaliação de incertezas dos clusters que
podem ser formados em cada um dos
quadrantes.
Para uma análise da convergência
espacial, foram adotados dois modelos
econométricos, o de erro espacial e o de
defasagem espacial. Em relação ao de erro
espacial, a primeira modificação ocorre
quando o termo de erro presente na
equação referente à convergência absoluta
segue um processo espacial autoregressivo,
como apresentado na equação abaixo:
Na qual é o coeficiente escalar do
erro espacial, enquanto o termo de erro
é normalmente distribuído com média zero
e variância constante. Substituindo a
equação obtida na equação de
convergência absoluta, obtém-se a forma
funcional do modelo de regressão do erro
espacial:
(
) ( ) ( )
no caso, W é uma matriz de contiguidade
utilizada no cálculo da estatística I de
Moran.
Por sua vez, o modelo de
defasagem espacial inclui efeitos de
transbordamento espacial. No contexto da
convergência, o efeito de transbordamento
é representado pela defasagem espacial do
logaritmo neperiano do PIB per capita de
2000. Assim, formalmente, o modelo
assume a seguinte expressão:
(
) ( )
( )
onde é o coeficiente de transbordamento
espacial e ( ) é a defasagem espacial
do PIB per capita de 2000 e 2005. Espera-
se que o coeficiente seja maior que 0, o
que sugeriria a presença de autocorrelação
espacial positiva, demonstrando
dependência espacial entre os municípios e
suas respectivas variáveis analisadas.
3. RESULTADOS E DISCUSSÃO
3.1 Análise descritiva dos dados
Com base nos bancos de dados
obtidos, foram agregados os estados em
regiões Norte, Nordeste, Sudeste, Centro-
Oeste e Sul. Assim, foram gerados gráficos
das médias dos municípios de cada
macrorregião para contratos e valores de
custeio, investimento e comercialização no
período de 2000 a 2010, onde os valores
foram atualizados pelo IGP-DI a preços de
2000.
O gráfico 1 expõe a média dos
dados de contrato destinado para custeio,
investimento e comercialização de 2000 a
2010, tanto para a agricultura como para a
pecuária:
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
Gráfico 1: Evolução dos contratos de custeio, investimento, comercialização agrícola e
pecuário de 2000 a 2010.
Fonte: Anuário Estatístico do Crédito Rural – Banco Central do Brasil.
Onde:
- mean of ccustagri = media do valor de custeio da agricultura;
- mean of ccustpec = média do valor de custeio da pecuária;
- mean of cinvagri = média do valor de investimento da agricultura;
- mean of cinvpec = média do valor de investimento da pecuária;
- mean of ccomagri = média do valor de comercialização da agricultura;
- mean of ccompec = média do valor de comercialização da agricultura.
Observa-se que na região Norte, os
contratos para investimento em pecuária é
a modalidade de crédito mais concedida na
região bem como na região Nordeste,
enquanto que nas mesmas, em média os
contratos são menos concedidos para
custeio da pecuária e para comercialização,
com nenhum contrato. Na região Centro-
Oeste os contratos foram em maior número
concedidos para custeio da pecuária, e de
maneira menos expressiva para
investimentos da agricultura, bem como
novamente para comercialização. O
pequeno número de contratos de
comercialização se repete nas regiões
sudeste e sul, entretanto, nas mesmas, a
modalidade com mais contratos foi a de
custeio agrícola.
Já no gráfico 2, podemos observar
os valores de crédito atualizados para cada
uma das modalidades para o mesmo
período. Os valores se encontram em
escala de milhão.
0
10
02
00
30
0
CO N NE S SE
mean of ccustagri mean of ccustpec
mean of cinvagri mean of cinvpec
mean of ccomagri mean of ccompec
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
Gráfico 2: Evolução dos valores de custeio, investimento, comercialização agrícola e
pecuário de 2000 a 2010.
Fonte: Anuário Estatístico do Crédito Rural – Banco Central do Brasil.
Onde:
- mean of avcustagri = media do valor de custeio da agricultura;
- mean of avcustpec = média do valor de custeio da pecuária;
- mean of avinvagri = média do valor de investimento da agricultura;
- mean of avinvpec = média do valor de investimento da pecuária;
- mean of avcomagri = média do valor de comercialização da agricultura;
- mean of avcompec = média do valor de comercialização da agricultura.
Pode-se visualizar que a região Sul
foi a que possuiu o maior volume de
crédito de custeio da agricultura em termos
de valor em média, aproximadamente
R$4.500.000,00 em todo o período seguido
pelo Centro – Oeste e Sudeste nessa
categoria. Em relação às outras regiões, o
Norte e o Nordeste foram os que
apresentaram, em geral, os menores
valores em média nas modalidades de
crédito. Nas modalidades em geral,
merecem destaque as regiões Sul e Centro-
Oeste, as quais, em média possuem os
maiores volumes de crédito no total em
relação às outras regiões.
3.2 Convergência condicional
Foram rodados os modelos para
cada macrorregião do Brasil como pode ser
observado nos resultados na tabela 2.
Primeiramente, o valor da estatística F foi
significativo a 1% para todos os modelos,
o que sugere que pelo menos uma variável
explicativa de cada modelo tem influência
na variável dependente.
A tabela 1 apresenta a quantidade
de municípios da amostra e porcentagem
por macrorregião tanto para produtividade
da terra como para produtividade do
trabalho, pois os resultados foram os
mesmos.
01
23
45
CO N NE S SE
mean of avcustagri mean of avcustpec
mean of avinvagri mean of avinvpec
mean of avcomagri mean of avcompec
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
Tabela 1: Amostra dos modelos por
macrorregião.
REGIÃO Frequência Percentual
NO 114 4.42
NE 699 27.1
SE 945 36.64
SU 567 21.99
CO 254 9.85
Total 2,579 100
Fonte: Elaboração dos autores
Como já apresentado na
metodologia, quando o valor do coeficiente
da primeira variável é negativo há beta
convergência e a hipótese de convergência
condicional é aceita. Nos resultados
obtidos todos os modelos apresentaram
convergência a um nível de confiança de
99% para todas as macrorregiões. Com
isso a hipótese de - convergência
condicional foi aceita para todos os
modelos.
A respeito do efeito da variável
crédito no crescimento econômico,
verifica-se que na maioria das vezes
contribui positivamente tanto para a
produtividade do trabalho como para
produtividade da terra. Entretanto, na
região norte e centro - oeste o efeito do
crédito rural não foi significativo para um
aumento nem diminuição da produtividade
da terra. O que se percebe é uma aplicação
ineficiente dos recursos públicos na região,
algo que já foi observado por Silva et al.
(2009), tanto para a região Norte quanto
para o Centro-Oeste no que tange a
aplicação dos Fundos Constitucionais.
Além disso, na região sul o crédito teve um
efeito negativo na produtividade da terra.
Isso sugere que o recurso pode estar sendo
investindo em terrenos menos férteis do
que os terrenos já utilizados, não
aumentando na mesma proproção o nível
de produção, diminuindo a produtividade
da terra, de acordo com a teoria da renda
da terra de David Ricardo, economista do
século XIX.
No que tange aos resultados da
variável gastos governamentais agrícolas,
na maioria dos modelos o resultado não foi
estatisticamente significativo, e quando foi
significativo, indicou uma contribuição
negativa para a produtividade do trabalho
tanto da região sudeste como para a região
sul. Em outro modelo para o Brasil como
um todo, os gastos agrícolas do governo
contribuíram negativamente na
produtividade do trabalho. De modo a
fornecer uma explicação para os gastos
terem influência negativa, Gasques, Verde
e Bastos (2006, p.236) ressalta que:
“enquanto no Brasil tem havido
reduções dos dispêndios com
P&D, os países para os quais se
teve acesso às informações têm
aumentado os dispêndios em
pesquisa como proporção do
PIB. Os anos de 2003 a 2005
mostram uma queda real da
ordem de 14,0% dos recursos da
Embrapa. Os gastos com
pessoal foram reduzidos em
7,8% e o de outras despesas
correntes, de 23,3%”.
Portanto, a gestão dos gastos
governamentais em agricultura deve ser
mais com pesquisa e desenvolvimento
(P&D), que é algo que dá seus resultados
mais no longo prazo, do que no curto
prazo, como observa Gasques et al. (2006).
Romeiro et al. (2014) acrescenta ser
praticado um modelo de intervenção
governamental caótica, sempre com um
caráter de urgência, intervenção que tem os
recursos, mas, que por questões de falta de
gestão e organização acabam podendo ser
até prejudiciais na agricultura além de
serem direcionadas para setores políticos
mais fortes, cedendo às pressões dos
mesmos em detrimento de pressões
particulares dos agentes. Novamente, é
mostrado a importância de ações do
governo na agricultura que visem mais o
longo prazo.
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
A respeito da participação dos
setores produtivos do meio agrícola em
relação à produção global da economia, de
modo geral, podemos observar que nos
modelos de produtividade da terra não
houve influência desta variável na
produtividade da terra, com exceção da
região norte. Uma das possíveis causas
disto estar ocorrendo é da própria
quantidade amostral que obtivemos da
região norte. Caso a causa anterior não seja
a verdadeira, isso pode estar ocorrendo
pelo fato de a agricultura na região ter um
peso menor do que outros setores de maior
contribuição como o setor de mineração.
Já sobre os modelos que tratam da
produtividade do trabalho, verifica-se que
nas regiões nordeste, sudeste e em especial
na região centro – oeste o efeito da
variável analisada foram positivos no
aumento da produtividade do trabalho. Em
termos quantitativos, para o Centro –
Oeste, um aumento da participação do
setor rural em relação à produção global da
economia em uma unidade eleva a
produtividade do trabalho 1,2242 em
escala.
Tal fato pode ser explicado por um
aumento tanto no capital humano, como
mão – de – obra qualificada, como
aumento no capital físico, ou seja,
máquinas e equipamentos. Isso, pois foram
rodadas regressões para crédito de custeio
(o qual é destinado mais para contratação
de trabalhadores e insumos) e crédito de
investimento (o qual é destinado à compra
de máquinas, tratores, etc.) e as mesmas
deram significativas e positivas para as
regiões exceto o de investimento para a
região norte. Assim, a significância
positiva das variáveis crédito de custeio e
crédito de investimento indicam que no
setor agrícola está sendo contratado uma
mão – de – obra mais qualificada e sendo
adquiridas máquinas que aumentam a
produtividade do trabalho nas regiões de
impacto positivo.
Em relação à expectativa de vida ao
nascer, a variável de capital humano não
exerceu influência na produtividade do
trabalho e nem da terra em geral.
Entretanto, na região sudeste houve um
impacto positivo na produtividade, tanto
do trabalho como da terra, já que a
experiência adquirida ao longo dos anos é
aplicada no processo de trabalho,
intensificando a produção e impactando
positivamente ambos os índices. Na região
sul teve significativa influência na
produtividade da terra enquanto que na
região centro – oeste impactou
positivamente a produtividade do trabalho.
Embora nem todas as regiões apresentem
significância estatística é importante
salientar que houve a aceitação da hipótese
alternativa do teste t para o parâmetro no
modelo do Brasil como um todo, com a
mesma amostra no total, e a expectativa de
vida ao nascer teve influência positiva para
os dois modelos.
Sobre a variável anos de estudo,
outra que trata da influência do capital
humano, para a região norte não teve
nenhuma influência no aumento da
produtividade do trabalho e nem da terra.
Isto se dá pela baixa qualidade do ensino
público na região, o qual é extremamente
precário nos municípios interioranos, e em
muitos lugares desta região inexistente.
Como salienta Bento et. al. (2013), pelo
“IDEB (Índice de Desenvolvimento da
Educação Básica), podemos constatar as
consequências que o sistema educacional
acarreta ao ser constituído por professores
leigos, sem a qualificação necessária,
muitos deles com dificuldades básicas,
herdadas de uma alfabetização precária” na
região.
Já a região nordeste teve uma
contribuição positiva dos anos de estudo na
produtividade tanto do trabalho como da
terra. Nos estados nordestinos assim como
para a produtividade do trabalho no
sudeste verificam-se, no período analisado,
evidências de que o sistema educacional
foi direcionado para um trabalho mais
eficiente e também para uma formação que
prepara profissionais que efetivamente
ampliam a produtividade da agropecuária
na região. O mesmo não pode ser dito para
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
Tabela 2: Teste de convergência de renda per capita média e convergência para produtividade da terra, 1996 a 2006.
Obs: *significativo a 10%; ** significativo a 5%; *** significativo a 1%. ¥ FIV corresponde ao Fator de Inflação da Variância e 1/FIV ao inverso desse Fator.
O modelo de produtividade do trablho é ptra e o modelo de produtividade da terra é o pter.
Os testes de heterocedasticidade e multicolinearidade foram realizados com os software Stata versão 13.0.
Valores entre parênteses são os desvios-padrão
Fonte: Elaboração dos autores.
Variáveis NO NE SE SU CO
ptra pter ptra pter ptra pter ptra pter ptra pter
lpib -0,7195*** -0,4961*** -0,4530*** -0,2587*** -0,6244*** -0,3494*** -0,7212*** -0,4523*** -0,8225*** -0,4856***
(0,1298) (0,0696) (0,0683) (0,0431) (0,0435) (0,0293) (0,0755) (0,0561) (0,0594) (0,0444)
lmcrt 0,3484*** -0,0125 0,3788*** 0,2813*** 0,3406*** 0,1853*** 0,2061*** -0,0812*** 0,4678*** 0,0463
(0,1069) (0,0893) (0,0609) (0,0693) (0,0486) (0,0352) (0,0365) (0,0301) (0,0797) (0,0573)
lmgv -0,0683 0,0123 0,0118 0,0298 -0,034* -0,0218 -0,1057*** 0,0071 0,0171 0,0181
(0,0437) (0,0629) (0,0221) (0,0258) (0,0189) (0,0157) (0,0249) (0,0234) (0,0295) (0,0259)
mrpib -0,6238 -0,9118** 0,5688*** 0,0917 0,5123*** 0,2061 0,101 -0,1806 1,2242*** 0,0716
(0,4878) (0,3986) (0,2073) (0,2288) (0,1551) (0,1336) (0,1458) (0,1378) (0,2376) (0,2234)
levn 3,1198 0,9028 0,3455 -0,7124 2,945*** 1,8279** 0,739 1,6866** 2,9049** 2,0806
(2,4743) (2,3445) (0,7536) (0,7492) (0,8663) (0,8391) (0,9204) (0,8605) (1,229) (1,4816)
lanoest 0,2187 0,1804 0,8086*** 0,7475*** 0,3863* -0,4674*** -0,4346* -0,3274 0,6512* 0,6721
(0,3925) (0,3241) (0,1849) (0,1878) (0,2035) (0,1778) (0,2325) (0,249) (0,3431) (0,4175)
lng -0,0013 0,0502 0,0447*** 0,1281*** 0,069*** 0,0909*** 0,0561*** 0,0693*** 0,0383 0,0756***
(0,0564) (0,0454) (0,0334) (0,0361) (0,0224) (0,0222) (0,0164) (0,0183) (0,0248) (0,0268)
Intercepto -14,4878 -4,6493 -6,2169** -1,3695 -15,164*** -8,5119** -1,3211 -5,97* 17,4209*** -11,9593**
(10,1962) (9,5945) (3,1611) (3,2223) (-3,6208) (3,4417) (3,8272) (3,5567) (5,0497) (5,9068)
R2 0,3401 0,4948 0,2042 0,1974 0,2903 0,2007 0,3293 0,2905 0,5114 0,4071
Teste de
Heterocedasticidade
3,69 0,58 88,69 316,11 12,88 0,00 31,12 31,90 0,67 0,08
(0,0546) (0,4478) (0,00) (0,00) (0,00) (0,9503) (0,00) (0,00) (0,4148) (0,7784)
Teste de
Multicolinearidade (1,63)/(0,66) (1,55)/(0,7) (1,37)/(0,7) (1,25)/(0,8) (1,45)/(0,7) (1,33)/(0,75) (1,38)/(0,7) (1,37)/(0,73) (1,44)/(0,7) (1,28)/(0,8)
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
a região sudeste em termos de
produtividade da terra, a qual apresentou
uma contribuição negativa. Isso porque
pode não ter havido um direcionamento
eficaz dos cursos relevantes ao aumento da
produtividade da terra na região. Cursos
que são mais direcionados para esse fim
são de poucos anos de estudo, como os
cursos técnicos. Estudantes com muitos
anos de estudo geralmente são
direcionados para áreas acadêmicas, o que
é muito expressivo nesta macrorregião em
relação as outras, dando uma menor
contribuição para o aumento da
produtividade da terra na região.
Para a região sul, para
produtividade do trabalho, teve apenas um
resultado significativo a 10%, o que sugere
que não existem evidências muito fortes de
que há influência do sul. E para
produtividade da terra os anos de estudo
tiveram nenhuma influência sobre a
variável dependente. Para o Centro – Oeste
o resultado foi semelhante, com a
diferença de no coeficiente da
produtividade do trabalho o impacto foi
positivo, mas com a mesma significância
de 10%. Para a produtividade da terra os
anos de estudo tiveram influência nula.
No que tange a última variável
analisada, a qual é a soma do crescimento
populacional com o crescimento
tecnológico e a depreciação, a maior parte
dos resultados dos coeficientes foram
positivos e significativos, apenas na região
norte para os dois modelos que foi aceita a
hipótese de a variável não ter influência, e
na região centro – oeste que não exerceu
influência na produtividade do trabalho.
Como Mankiw et al. (1992) coloca o
progresso tecnológico mais depreciação
como 0,5, a variável analisada em
evidência é o crescimento populacional.
Assim, tem – se indícios de que uma
aumento na população contribui
positivamente para a produtividade da terra
e para a prodtuividade por trabalhador. O
que em futuras pesquisas se deve
investigar seria se esse aumento na
produtividade é suficiente para que a
mesma população tenha ao menos as
mínimas condições de subsistência.
Sobre o indicador R2 (r ao
quadrado) que mede o nível de explicação
do modelo, podemos afirmar que para
todas as regiões em média foi no valor de
0,3278. O modelo que teve o maior valor
de R2 foi o de produtividade do trabalho
do Centro – Oeste e o menor valor foi o de
produtividade da terra do Nordeste.
A respeito do teste de
heterocedasticidade foi utilizado o teste
Breuch-Pagan. Este testa através da
hipótese nula de que existe
heterocedasticidade e hipótese alternativa
de que existe homoscedasticidade. Assim,
como os valores da tabela sobre teste de
heterocedasticidade entre parênteses são os
p-valores, a maioria dos modelos
mostraram fortes indícios de os dados
serem heterocedásticos a um nível de
significância de 1% e para o modelo ptra
NO a 10%. Em seguida, os modelos que
apresentaram esse problema foram
corrigidos através da matriz robusta de
White.
Em relação ao valor do teste de
multicolinearidade como o valor do FIV
foi inferior a 10, como regra prática,
inferimos que existem indícios
significativos de ausência de
multicolinearidade, e podemos afirmar que
o modelo não viola os pressupostos básicos
do método Mínimos Quadrados
Ordinários. Do mesmo modo os valores do
TOL, que é o inverso do FIV, foram
próximos de 1 o que sugere a ausência de
multicolinearidade da mesma forma que o
indicador FIV. Na tabela 2 verificamos a
média do FIV em relação à média do TOL
para cada região no Teste de
multicolinearidade.
Ainda foram rodadas as matrizes de
correlação para cada modelo do Brasil
como um todo e, como apresentado nas
tabela 3 e 4, as correlações não são fortes,
o que sugere a ausência de
multicolinearidade.
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
Tabela 3: Matriz de correlação com a produtividade do trabalho lpib lmcrt lmgv mrpib levn lanoest lng
lpib 1
lmcrt 0,664 1
lmgv 0,0599 0,1054 1
mrpib 0,1306 -0,1209 -0,3418 1
levn 0,6515 0,5243 0,1957 -0,1332 1
lanoest 0,5757 0,4421 0,176 -0,1735 0,7557 1
lng 0,0268 0,1306 0,094 -0,2307 0,0139 -0,0709 1 Fonte: Elaboração dos autores.
Tabela 4: Matriz de correlação com a produtividade da terra lpib lmcrt lmgv mrpib levn lanoest lng
lpib 1
lmcrt 0,1338 1
lmgv 0,1809 0,1054 1
mrpib -0,0705 -0,1209 -0,3418 1
levn 0,4199 0,5243 0,1957 -0,1332 1
lanoest 0,4066 0,4421 0,176 -0,1735 0,7557 1
lng 0,0119 0,1306 0,094 -0,2307 0,0139 -0,0709 1
Fonte: Elaboração dos autores.
3.4 Convergência espacial
Foram rodados os modelos de
convergência espacial tanto o de Lag como
o de erro espacial para produtividade da
terra e produtividade do trabalho para
todas as macrorregiões do Brasil. Na
Tabela 5 e Tabela 6 são apresentados os
resultados para as macrorregiões
brasileiras.
Em relação à região norte, devido a
amostra ser não muito grande alguns
parâmetros não foram significativos, mas
segue a tendência de todas as demais
regiões. A região nordeste teve um modelo
que se ajustou melhor aos dados bem como
a região sudeste que também vão à mesma
direção da tendência nacional.
Tratando das macrorregiões Sul e
Centro-Oeste do Brasil, as quais
suscitaram resultados bem semelhantes em
relação à variável lpib, observa-se a
significância estatística dos coeficientes
que demonstram a existência ou não de
convergência espacial. Em ambos os casos,
as produtividades do trabalho e da terra
apresentaram considerável taxa de
convergência. Portanto, aceita-se a
hipótese de que certa interação espacial
entre os municípios de tais regiões e das
demais, influencia no crescimento das
produtividades analisadas pelos modelos
além de o crédito ser um fator que
contribui positivamente para todas as
regiões em especial para produtividade do
trabalho.
Os valores de e indicam
que a influência espacial tanto de lag,
como de erro espacial são significativas,
ou seja, existem efeitos espaciais que
devem ser considerados e que influenciam
positivamente no crescimento da
produtividade agrícola tanto da terra, com
também do trabalho para todas as regiões
brasileiras. A única exceção foi o modelo
de erro espacial para a produtividade da
terra da região norte
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
Tabela 5: Teste de convergência espacial para as regiões norte, nordeste e sudeste.
NO NE SE
ptra pter ptra pter ptra pter
Nº de
Municípios 120 699 1031
LAG ERRO LAG ERRO LAG ERRO LAG ERRO LAG ERRO LAG ERRO
Const -12,0648 -10,9981 -5,9192 -4,9892 -6,0909 -4,9118 -1,0031 -1,665 -13,0194 -4,9288 -4,9729 0,3832
(0,202) (0,2572) (0,4823) (0,553) (0,0308) (0,1092) (0,748) (0,6222) (0,0003) (0,2046) (0,1163) (0,9095)
lpib -0,6532 -0,6815 -0,4992 -0,477 -0,4562 -0,5397 -0,2413 -0,2992 -0,6512 -0,7243 -0,3566 -0,5120
(0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00)
lmcrt 0,3762 0,3787 -0,0243 -0,0221 0,3445 0,3315 0,257 0,269 0,2674 0,1951 0,2123 0,2269
(0,00) (0,00) (0,7398) (0,763) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00)
lmgv -0,0848 -0,098 0,0151 0,0149 0,0211 0,0349 0,033 0,0378 0,0061 0,0051 0,019 0,0177
(0,0643) (0,0435) (0,7159) (0,7201) (0,2568) (0,064) (0,1213) (0,0814) (0,6712) (0,7229) (0,1388) (0,1582)
mrpib -0,6628 -0,5719 -0,8795 -0,8831 0,4793 0,533 0,0268 0,1491 0,2973 0,1231 0,0397 0,0693
(0,163) (0,2397) (0,0279) (0,0273) (0,0161) (0,0093) (0,9036) (0,5191) (0,0410) (0,4131) (0,7393) (0,5867)
levn 2,444 2,1653 1,2708 1,0556 0,4832 0,2334 -0,6743 -0,5775 26985 10311 0,9514 -0,5649
(0,2836) (0,3519) (0,5331) (0,6043) (0,4919) (0,7581) (0,3897) (0,4922) (0,0017) (0,2667) (0,2119) (0,4813)
lanoest 0,3316 0,4773 0,0863 0,0806 0,551 0,4571 0,5746 0,5461 0,1491 0,133 -0,6492 -0,2404
(0,4375) (0,275) (0,7997) (0,8129) (0,0017) (0,0207) (0,004) (0,0119) (0,4722) (0,5591) (0,0002) (0,2147)
lng 0,0108 -0,0166 0,0467 0,0491 0,0264 0,0313 0,1084 0,0945 0,1279 0,1051 0,1073 0,0935
(0,8412) (0,7497) (0,3273) (0,3052) (0,3451) (0,259) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00)
AIC 239,74 238,24 206,34 207,36 1358,4 1358,4 1514,9 1512,6 2116,3 2053,9 1857,5 1754,4
I de Moran 0,2492 0,1963 0,2218 0,2218 0,1862 0,1863
(0,00) (0,0172) (0,00) (0,00) (0,00) (0,00)
Multiplicador de 62,045 144,2987 62,045 144,2987 26,465 26,4354 26,465 26,4354 62,045 144,2987 62,045 144,2987
Lagrange (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00)
Log
verossimilhança -109,869 -109,1202 -93,167 -93,6815 -669,1799 -661,3978 -747,459 -746,282 -1048,16 -1016,928 -918,7497 -867,2046
Rho 0,2246
0,3109
0,3452
0,22
0,2954
0,2833
(0,0063)
(0,0027)
(0,00)
(0,00)
(0,00)
(0,00)
Lambda
0,3109
-0,0768
0,4173
0,2596
0,4906
0,5314
(0,0027)
(0,3047)
(0,00)
(0,00)
(0,00)
(0,00)
Obs: os valores entre parênteses são os p – valores.
Fonte: Elaboração dos autores.
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
Tabela 6: Teste de convergência espacial para as regiões sul e centro - oeste
SU CO
ptra pter ptra pter
Nº de Municípios 567 255
LAG ERRO LAG ERRO LAG ERRO LAG ERRO
Const -0,9561 2,2408 -4,929 -2,9835 -16,2437 -16,2487 -10,009 -5,5205
(0,769) (0,5155) (0,1325) (0,3818) (0,0015) (0,003) (0,0555) (0,296)
lpib -0,7069 -0,7757 -0,4116 -0,5484 -0,7286 -0,7741 -0,3761 -0,5358
(0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00)
lmcrt 0,2061 0,2283 -0,0672 -0,0332 0,4019 0,4054 0,0203 0,0803
(0,00) (0,00) (0,0071) (0,2371) (0,00) (0,00) ( 0,7192) (0,173)
lmgv -0,0991 -0,099 0,0072 0,0191 0,0140 0,0197 0,0091 0,0265
(0,00) (0,00) (0,7466) (0,4098) (0,5587) (0,4028) (0,7125) (0,2334)
mrpib 0,1173 0,1079 -0,2089 -0,1535 1,1042 0,902 0,055 0,1711
(0,3972) (0,4418) (0,1084) (0,2409) (0,00) (0,00) (0,7775) (0,3342)
levn 0,5138 -0,394 1,2936 0,6113 2,7552 2,8899 1,7681 0,3340
(0,5156) (0,6383) (0,0989) (0,4558) (0,0273) (0,0306) (0,1686) (0,7966)
lanoest -0,2317 0,0144 -0,0874 0,0521 0,6470 0,411 0,6585 0,8456
(0,3011) (0,9527) (0,7064) (0,8305) (0,0378) (0,1816) (0,0427) (0,0047)
lng 0,0464 0,0364 0,0578 0,0346 0,0267 0,018 0,065 0,0658
(0,0134) (0,0473) (0,0017) (0,0474) (0,2836) (0,4641) (0,0105) (0,0042)
AIC 824,78 798,47 796,04 756,24 333,18 331,43 353,96 325,44
I de Moran 0,1926 0,2894 0,3837 0,4921
(0,00) (0,00) (0,00) (0,00)
Multiplicador de 48,1816 75,2437 48,1816 75,2437 49,4255 76,2428 49,4255 76,2428
Lagrange (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00)
Log verossimilhança -402,3892 -389,2352 -388,0219 -368,1203 -156,5898 -155,7152 -166,9823 -152,7211
Rho 0,2693
0,3149
0,261
0,3862
(0,00)
(0,00)
(0,00)
(0,00)
Lambda
0,3984
0,4821
0,3658
0,5454
(0,00)
(0,00)
(0,00)
(0,00)
Obs: os valores entre parênteses são os p – valores.
Fonte: Elaboração dos autores
4. Conclusão
Todos os resultados obtidos para
todos os modelos de todas as
macrorregiões para convergência
condional apresentaram convergência a um
nível de confiança de 99%. Com isso a
hipótese de - convergência condicional
foi aceita para todos os modelos não
espaciais.
No que tange aos efeitos do fator
crédito, vale ressaltar que, de modo geral,
contribuiu positivamente para o aumento
tanto da produtividade do trabalho como
da produtividade da terra. Apenas em
alguns modelos não foram significativos os
parâmetros estimados, provavelmente pela
restrição amostral de nosso estudo.
A respeito dos gastos
governamentais na agricultura se observa
um efeito nulo em geral. Entretanto, em
algumas regiões, para a produtividade do
trabalho se observa um efeito negativo dos
dispêndios do governo. Inferiu – se que
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
isto ocorre por um planejamento voltado
demasiadamente para o curto prazo, não se
priorizando o longo prazo, como seria em
um investimento maior com pesquisa e
desenvolvimento.
Sobre a variável média do PIB
agrícola em relação ao PIB total, observou-
se um comportamento em geral positivo,
como bastante influente para a
produtividade do trabalho. Todavia, os
coeficientes para os modelos de
produtividade da terra, todos menos para a
região norte não foram significativos.
Nesta macrorregião ocorreu um efeito
negativo, o que pode ser explicado por
restrições amostrais bem como pela forte
influência da mineração em relação a
agricultura na região.
Em relação a variável expectativa
de vida ao nascer e anos de estudo,
variáveis que tratam de aspectos do capital
humano, de maneira geral os resultados
foram positivos como era esperado, com
algumas excessões, as quais podem ser
analisadas com maior profundidade em
estudos subsequentes.
Para a última variável o efeito
também foi positivo em sua maioria como
era esperado. A interpretação é de que o
crescimento populacional aliado ao
crescimento tecnológico contribuem para a
produtividade da terra e do trabalho
positivamente mesmo havendo
depreciação.
Como já colocado em nossa
metodologia que interações espaciais
podem influenciar no crescimento da
produtividade tanto da terra como do
trabalho no setor agrícola brasileiro,
verificou – se que para todos os modelos
de todas as regiões a hipótese de
convergência condicional foi aceita, em
especial para o modelo de produtividade
do trabalho, visto que além de serem
significativos os parâmetros estimados são
também negativos.
Assim, novamente o crédito se
mostrou um fator que contribui
positivamente para o aumento da
produtividade tanto do trabalho como da
terra, em especial da primeira para todas as
regiões.
Referências
ABRAMOVITZ, M. Catching up, forging
ahead, and falling behind. The
Journal of Economic History, v.
46, n. 2, p. 385–406, 1986.
ALMEIDA, E.; PEROBELLI, F.;
FERREIRA, P. Existe
convergência espacial da
produtividade agrícola no Brasil?
Revista de Economia e Sociologia
Rural, v. 46, n. 1, p. 031–052,
2008.
AZARIADIS, C.; DRAZEN, A. Threshold
externalities in economic
development. The Quarterly
Journal of Economics, v. 105, n.
2, p. 501–526, 1990.
BARRETO, R. C. S. Desenvolvimento
Regional E Convergência De
Renda Nos Municípios Do Estado
Do Ceará. p. 211, 2007.
BARRO, R. Economic growth in a cross
section of countries. v. 106, n. 2, p.
407–443, 1991.
BARRO, R. J.; SALA-I-MARTIN, X.
Convergence. Journal of Political
Economy, v. 100, n. 2, p. 223, jan.
1992.
BACEN – Banco Central do Brasil.
Anuário Estatístico de Crédito
Rural. Disponível em:
http://www.bcb.gov.br/?RELRUR
AL.
BAUMOL, W. Productivity growth,
convergence, and welfare: what the
long-run data show. The American
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
Economic Review, v. 76, n. 5, p.
1072–1085, 1986.
CLIFF, A. D.; ORD, J. K. Spatial
processes: models and
applications. London: Pion, 1981.
COELHO, R.; FIGUEIREDO, L. Uma
análise da hipótese da convergência
para os municípios brasileiros.
Revista Brasileira de Economia,
v. 61, n. 31, p. 331–352, 2007.
DURLAUF, S.; JOHNSON, P. Multiple
regimes and cross - country growth
behaviour. Journal of Applied
Econometrics, v. 10, n. 4, p. 365–
384, 1995.
FREITAS, C. A.; BACHA, C. J. C.;
FOSSATTI, D. M. Avaliação do
desenvolvimento do setor
agropecuário no Brasil: período de
1970 a 2000. Economia e
Sociedade, v. 16, n. 1, p. 111-124,
2007.
GALLO, J. LE; ERTUR, C. Exploratory
spatial data analysis of the
distribution of regional per capita
GDP in Europe , 1980 – 1995.
Papers in Regional Science, v.
201, n. 2, p. 175–201, 2003.
GALOR, O. Convergence? Inferences
from theoretical models. The
Economic Journal, v. 106, n. 437,
p. 1056–1069, 1996.
GALOR, O.; ZEIRA, J. Income
distribution and macroeconomics.
The review of economic studies,
v. 60, n. 1, p. 35–52, 1993.
GASQUES, J. G.; VERDE, C. M. V.;
BASTOS, E. T. Gasto Publico em
Agricultura: Retrospectiva e
Prioridades. EconomiA, v. 209-
237, n. 4, p. 7, 2006.
IPEA - Instituto de Pesquisa Econômica
Aplicada. Ipeadata. Disponível
em: http://www.ipeadata.gov.br/
ISLAM, N. What have we learnt from the
convergence debate? Journal of
economic surveys, v. 17, n. 3, p.
309–362, jul. 2003.
JONES, C. Introdução à teoria do
crescimento econômico. Rio de
Janeiro: [s.n.].
LUCAS, R. On the mechanics of economic
development. ECONOMETRIC
SOCIETY MONOGRAPHS, v.
22, p. 3–42, 1998.
MANKIW, N.; ROMER, D.; WEIL, D. A
contribution to the empirics of
economic growth. The Quarterly
Journal of Economics, p. 31,
1992.
PRADO JÚNIOR, C. A Questão Agrária no
Brasil. 3.ed. São Paulo: Brasiliense, 1981.
RESENDE, G. M. Crescimento econômico
dos municípios da Região Sul do
Brasil : uma análise espacial. p.
549–575, 2007.
REY, S.; MONTOURI, B. US regional
income convergence: a spatial
econometric perspective. Regional
studies, v. 33, n. 2, p. 143–156,
1999.
ROMEIRO, A. R. et al. O mundo rural
no Brasil do século 21: A
formação de um novo padrão
agrário e agrícola. 1. ed. Brasília:
Embrapa, 2014.
SANTOS, R. B. N. DOS. Impacto da
restrição ao crédito rural nos
estabelecimentos agropecuários
brasileiros. [s.l.] Universidade
Federal de Viçosa, 2010.
COMPORTAMENTO E EFEITOS DA DISPONIBILIDADE DE CRÉDITO RURAL E OUTRAS VARIÁVEIS
Relatório Final de Bolsa de Iniciação Científica
SOLOW, R. M. A CONTRIBUTION TO
THE THEORY OF ECONOMIC
GROWTH. The Quarterly
Journal of Economics, v. 70, n. 1,
p. 65–94, 1956.
Parecer do Orientador
O referido bolsista ao longo desses dois anos desempenhou um excelente papel durante
sua jornada como bolsista PIBIC. Além de aplicado e compromissado, teve empenho e
liberdade e interesse acadêmico, o que lhe trouxe grande amadurecimento na pesquisa. O
resultado de seu trabalho foi um esforço que deverá ser reconhecido com uma publicação
qualificada (qualis na área de economia).
Como pode ser verificado sua pesquisa se desenvolveu de forma satisfatório e com
mérito, seguindo rigorosamente todas as etapas.
O Bolsista vem criando condições para no futuro seguir uma bela vida acadêmica,
mostrando interesse em seguir em programas de pós-graduação.
Belém, 10/08/2015
Ricardo Bruno Nascimento dos Santos