O documento analisa a distribuição espacial e os efeitos de transbordamento do setor agropecuário no Rio Grande do Sul. Apresenta dados sobre a participação do VAB agropecuário no estado e nos municípios e identifica clusters espaciais de atividades agropecuárias. Realiza análises estatísticas para determinar os fatores que influenciam o VAB agropecuário municipal, considerando aspectos como empregos, equipamentos, tamanho das propriedades e educação.
INFORME DE AUDITORIA FINANCIERA Y DE CUMPLIMIENTO CGC 2023.pdf
Distribuição espacial e efeitos de transbordamentos do setor agropecuário no Rio Grande do Sul
1. DISTRIBUIÇÃO ESPACIAL E EFEITOS DE TRANSBORDAMENTOS
DO SETOR AGROPECUÁRIO NO RIO GRANDE DO SUL
Célio Alberto Colle (EMATER, doutor pelo PPGE/PUCRS)
Paulo Henrique de O. Hoeckel (doutorando do PPGE/PUCRS)
Augusto Mussi Alvim (Professor do PPGE/PUCRS)
Adelar Fochezatto (Professor do PPGE/PUCRS)
Porto Alegre, junho de 2017
2. Sumário
Considerações gerais sobre a importância e a distribuição espacial do setor
agropecuário no RS
Análise dos determinantes do VAB agropecuário nos municípios do RS
Análise dos efeitos de transbordamentos da produção agropecuária entre
regiões do RS.
3. Considerações gerais
Nova economia e produção agropecuária (serviços, cidades, mobilidade, distribuição
espacial do desenvolvimento).
Participação do VAB dos setores no VAB total do RS (regra VAB agropecuária, PIB-RS,
PIB-BR)
Ano/Setor Agropecuária Indústria Serviços
2010 6,1 20,5 73,4
2011 6,2 20,0 73,8
2012 5,0 20,0 75,0
2013 7,5 18,1 74,4
Participação média nos municípios em 2013 22,13 9,95 67,99
Número de municípios em que o VAB
agropecuário é maior que o industrial em 2013
368 em um total de 497 (74%)
Número de municípios em que o VAB
agropecuário é maior que o de serviços em 2013
Nenhum. O VAB dos serviços é o maior em
todos os municípios do RS
Fonte dos dados brutos: FEE
4. Participação do VAB agropecuário
no total do município:
VAB agrop. > VAB industrial
VAB agrop. < VAB industrial
5. y = 0.0284e0.0033x
R² = 0.2834
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
1
10
19
28
37
46
55
64
73
82
91
100
109
118
127
136
145
154
163
172
181
190
199
208
217
226
235
244
253
262
271
280
289
298
307
316
325
334
343
352
361
370
379
388
397
406
415
424
433
442
451
460
469
478
487
496
pvabi Expon. (pvabi)
Fonte dos dados brutos: FEE
Participação do VAB industrial no VAB total do município
&
Municípios ordenados de forma ascendente pelo tamanho da população
6. Participação do VAB dos serviços no VAB total do município
&
Municípios ordenados de forma ascendente pelo tamanho da população
Fonte dos dados brutos: FEE
y = 0.00000047x2 + 0.00004284x + 0.63009713
R² = 0.36945249
0
0.2
0.4
0.6
0.8
1
1.2
1
10
19
28
37
46
55
64
73
82
91
100
109
118
127
136
145
154
163
172
181
190
199
208
217
226
235
244
253
262
271
280
289
298
307
316
325
334
343
352
361
370
379
388
397
406
415
424
433
442
451
460
469
478
487
496
pvabs Poly. (pvabs)
7. y = -0.00000114x2 - 0.00000194x + 0.31599907
R² = 0.51633586
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
1
10
19
28
37
46
55
64
73
82
91
100
109
118
127
136
145
154
163
172
181
190
199
208
217
226
235
244
253
262
271
280
289
298
307
316
325
334
343
352
361
370
379
388
397
406
415
424
433
442
451
460
469
478
487
496
pvaba Poly. (pvaba)
Participação do VAB agropecuário no VAB total do município
&
Municípios ordenados de forma ascendente pelo tamanho da população
Fonte dos dados brutos: FEE
12. REVISÃO BIBLIOGRÁFICA
Determinantes do VAB agropecuário dos municípios do RS
Algumas fontes bibliográficas usadas:
(SOBER) Almeida (2005) estudou o caso de MG e utilizou a seguinte função de
produção: VAB=F(Terra, temperatura, precipitação, consumo de energia elétrica,
rodovias pavimentadas, rodovias não pavimentadas e ferrovias).
(ENABER) Pinheiro e Parré (2008) estudaram o caso do PR e usaram a
seguinte função de produção: VAB=F(K, L, Área cultivada, Consumo de Energia
Elétrica).
(RAE) Rocha e Parré (2009) estudaram o caso do RS e usaram a seguinte
função de produção: VAB=F(L, K, Área agrícola, Precipitação, Temperatura,
Consumo de energia elétrica).
Função de produção usada no trabalho:
VAB=F(L, K, CH, NE)
VAB=valor adicionado bruto/área agrícola; L=empregos na agropecuária/área
agrícola; K=número de tratores/estabelecimento agrícola; CH=Idese Educação
(capital humano); NE=número de estabelecimentos agropecuários (tamanho,
efeito escala). Todas as informações estão por município.
13. METODOLOGIA
Variável Fonte Forma de Uso
Valor Adicionado Bruto da
Agropecuária de 2011 (variável
dependente)
FEE Reais (R$) no município
Número de tratores em 2006 (variável
independente)
IBGE
Censo Agropecuário
Número de tratores por
estabelecimento no
município
Número de ocupados em 2006
(variável independente)
IBGE
Censo Agropecuário
Número de ocupados
por hectare no
município
Número de estabelecimentos rurais
(variável independente)
IBGE
Censo Agropecuário
Unidades no município
Idese em 2011 (variável
independente)
FEE
Índice específico da
educação no município
Metodologia:
Os dados utilizados
14. METODOLOGIAModelos utilizados:
Definição da matriz de pesos ou de vizinhança (I de Moran Queen 1)
I de Moran: mostra a auto correlação espacial global (VAB agrop/ha = 0,63)
LISA: mostra a auto correlação espacial local (clusters e outliers)
15. METODOLOGIAEscolha do modelo econométrico:
DIAGNOSTICS FOR SPATIAL DEPENDENCE
FOR WEIGHT MATRIX : Trab_eeg_q1.gal (row-standardized weights)
TEST MI/DF VALUE PROB
Moran's I (error) 0.3307 12.2622 0.00000
Lagrange Multiplier (lag) 1 186.6407 0.00000
Robust LM (lag) 1 47.5039 0.00000
Lagrange Multiplier (error) 1 141.7579 0.00000
Robust LM (error) 1 2.6211 0.10545
Lagrange Multiplier (SARMA) 2 189.2618 0.00000
Se há dependência espacial, o modelo OLS deixa de ser o
MELNV (BLUE).
No modelo espacial os resíduos não são independentes e
não se pode usar MQO (em geral se usa o estimador de MV).
A interpretação dos parâmetros é complexa, envolvendo
uma matriz inversa (n x n), como a mostrada abaixo.
16. RESULTADOS E DISS
Variáveis OLS SAR SEM
Constante -1.773,75 *** -1.440,59 *** -583,49 *
Ocupações por hectare (2006) 11.354,24 *** 6.886,26 *** 8.789,78 ***
Tratores por estabelecimento (2006) 552,26 *** 522,94 *** 578,50 ***
Número de estabelecimentos rurais (2006) -0,2180 *** -0,08726 * -0,07627
Idese Educação (2011) 3.495,50 *** 2058,51 *** 0,63981 ***
Rho (SAR) 0,5435 ***
Lambda (SEM) 0,6398 ***
Observações 497
I de Moran 0,3354 ***
R2 0,4977 0,6557 0,6480
R2-ajustado 0,4936
Resultados das estimações (W=Q1 padronizada): OLS, SAR e SEM
Variável dependente: VAB da agropecuária/área agrícola (2011)
Fonte: Resultados da pesquisa.
Nota: * significante a 10%; ** significante a 5%; *** significante a 1%.
17. RESULTADOS E DISSResultados das estimações SAR: coeficientes e impacto total
Variável dependente: VAB da agropecuária/área agrícola (2011)
Variáveis
SAR
Coeficientes
SAR
Impacto Total*
Constante -1.440,59 -3.155,73
Ocupações por hectare (2006) 6.886,26 15.084,91
Tratores por estabelecimento (2006) 522,94 1.145,54
Número de estabelecimentos rurais (2006) -0,09 -0,19
Idese Educação (2011) 2.058,51 4.509,33
Lembrete:
19. CONCLUSÕES
Comentários finais
Pode-se concluir que existem dois clusters bem definidos em relação ao VAB da agropecuária
(VAB/ha).
O primeiro envolve as regiões do Vale do Taquari e Serra, com predomínio de pequenas e
médias propriedades rurais e produção diversificada. Neste cluster as propriedades são
pequenas, mas produzem alto valor agregado/ha.
O segundo cluster é formado pela Região Sul do Estado com predomínio de propriedades rurais
de médias a grandes. Neste a produção é extensiva e com baixo valor agregado/ha.
Através do I Moran observou-se que existe autocorrelação espacial entre municípios vizinhos.
Isto indica que pode estar havendo efeitos de transbordamentos entre eles.
Dito de outra forma, as boas práticas (mais lucrativas) podem se disseminar (espraiar) de forma
gravitacional: novas tecnologias, novos produtos, imitação, assistência técnica, etc.
As variáveis utilizadas mostraram-se significativas nos modelos propostos confirmando que, mão
de obra, mecanização e educação, impactam positivamente no valor adicionado bruto da
agropecuária nos municípios do RS.
O modelo recomendado permite calcular efeitos multiplicadores de choques produtivos em um
município (região) sobre a produção de outros municípios ou regiões (efeitos diretos e indiretos).