ads:
FACULDADE DE ADMINISTRAÇÃO, CONTABILIDADE E ECONOMIA
MESTRADO EM ECONOMIA
RODRIGO PERES DE ÁVILA
A DINÂMICA DO PRODUTO E DA POPULAÇÃO NO
RIO GRANDE DO SUL (1949/2000): UMA ANÁLISE DE DADOS DE PAINEL
Porto Alegre
2007
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
1
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL – PUCRS
FACE – FACULDADE DE ADMINISTRAÇÃO, CONTABILIDADE E ECONOMIA
PPGE – PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA
MESTRADO EM ECONOMIA DO DESENVOLVIMENTO
A DINÂMICA DO PRODUTO E DA POPULAÇÃO NO
RIO GRANDE DO SUL (1949/2000): UMA ANÁLISE DE DADOS DE PAINEL
RODRIGO PERES DE ÁVILA
ORIENTADOR
Prof. Dr. Adelar Fochezatto
CO-ORIENTADORA
Profa. Dra. Izete Pengo Bagolin
Porto Alegre, 2007
ads:
2
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL – PUCRS
FACE – FACULDADE DE ADMINISTRAÇÃO, CONTABILIDADE E ECONOMIA
PPGE – PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA
MESTRADO EM ECONOMIA DO DESENVOLVIMENTO
A DINÂMICA DO PRODUTO E DA POPULAÇÃO NO
RIO GRANDE DO SUL (1949/2000): UMA ANÁLISE DE DADOS DE PAINEL
Dissertação apresentada a
Coordenação do Curso de Pós-
Graduação em Economia, da
Pontifícia Universidade Católica
do Rio Grande do Sul, como
requisito parcial para obtenção do
grau de Mestre.
RODRIGO PERES DE ÁVILA
ORIENTADOR
Prof. Dr. Adelar Fochezatto
CO-ORIENTADORA
Profa. Dra. Izete Pengo Bagolin
Porto Alegre, 2007
3
RODRIGO PERES DE ÁVILA
A DINÂMICA DO PRODUTO E DA POPULAÇÃO NO
RIO GRANDE DO SUL (1949/2000): UMA ANÁLISE DE DADOS DE PAINEL
Dissertação apresentada a
Coordenação do Curso de Pós-
Graduação em Economia, da
Pontifícia Universidade Católica
do Rio Grande do Sul, como
requisito parcial para obtenção do
grau de Mestre.
Aprovada em ______ de ____________________ de _______
BANCA EXAMINADORA:
_______________________________
Prof. Dr. Adalmir Antonio Marquetti
_______________________________
Profa. Dra. Izete Pengo Bagolin
_______________________________
Prof. Dr. Sabino da Silva Porto Junior
4
AGRADECIMENTOS
Agradeço aos meus pais, Beto e Elisete, por terem feito todos os esforços para que eu
cumprisse esta etapa. Agradeço também a todos os meus familiares que me incentivaram e me
ajudaram nestes dois anos. Não posso deixar de citar minha tia Leonice e meus tios Sérgio e
Augusto. Faço questão de deixar claro que sem o apoio da minha família eu não estaria aqui.
Agradeço aos meus orientadores, Adelar e Izete, não só pelos ensinamentos, que
foram fundamentais, mas pela liberdade que me deram para que eu desenvolvesse o trabalho.
Preciso agradecer especialmente à professora Izete por ter sido, além de tudo, uma grande
amiga e conselheira. Agradeço aos professores Adalmir, Aod, Augusto, Duílio e Valter, que
sempre estiveram disponíveis para conversar sobre a dissertação e sobre tudo que eu
precisasse.
Agradeço especialmente ao meu eterno professor Leonardo Monasterio, ou Seu Leo,
que fugiu pra Inglaterra para não me orientar de novo. Tudo bem, Leo! Mesmo por e-mail, os
teus ensinamentos foram fundamentais. Foi o Leonardo quem me mostrou o que é Economia,
e foi por causa dele que eu decidi seguir a carreira acadêmica.
Agradeço aos meus colegas Eduardo Barbosa, Fernanda, Letícia e Reisoli, não só pela
amizade, mas pelos cafés em que conversamos sobre nossos trabalhos. Agradeço também ao
colega de pesquisa Lewison, que esteve sempre disposto a me ajudar, ou a rir das
barbaridades que eu dizia. E ao amigo Davi, pelo constante incentivo.
Por fim, agradeço à minha namorada Renata e seus pais, Renato e Cleusa. O apoio da
família Sperrhake foi muito importante para mim. Obrigado Renata, por ter me ouvido falar
meses sobre convergência, crescimento, AECs, dados de painel, etc. Obrigado pelo amor, pela
confiança, pelo companheirismo, por tudo. Eu te amo.
Que venha o período (t + 1).
5
RESUMO
O trabalho estuda a dinâmica do produto e da população no Rio Grande do Sul, entre os anos
de 1949 e 2000. É testada a hipótese de convergência de renda, derivada do modelo
neoclássico de crescimento, a partir de uma estrutura econométrica em dados de painel com
efeitos fixos. Estima-se qual a influência da migração no processo de evolução das AECs
(Áreas Estatisticamente Comparáveis) gaúchas e se há relação espacial significativa. Os
resultados indicam a ocorrência de convergência condicional, acelerada pelo fluxo
populacional e positivamente influenciada pelo nível de renda da vizinhança.
Palavras-Chave: convergência condicional, dados de painel, migrações.
Key-Words: conditional convergence, panel data, migrations
Classificação do JEL: O18, R12, R23.
6
ABSTRACT
The main objective of this research was to study the Growth and Population dynamic in Rio
Grande do Sul from 1949 to 2000. It was done departing from the neoclassical growth model
hypothesis of income convergence. A panel data model was tested using the fixed effect
specification. The migration effect over the evolution process of the AECs (statistically
comparable areas) trying to find out the existence of spatial relationship was also tested. The
results show the presence of conditional convergence, which is accelerated by the population
increase and directly related to the neighbourhood income
Palavras-Chave: convergência condicional, dados de painel, migrações.
Key-Words: conditional convergence, panel data, migrations
Classificação do JEL: O18, R12, R23.
7
LISTA DE GRÁFICOS
Gráfico 1 - Evolução da População do Rio Grande do Sul (1939/2000)................
21
Gráfico 2 - Desvios da Média Estadual (PIB per capita) – 1939/2000...................
30
Gráfico 3 - Participação Regional no PIB – 1939/2000......................................... 32
Gráfico 4 - Participação Regional na População – 1939/2000............................... 34
Gráfico 5 - Diferencial-Participação Regional no PIB e na População –
1939/2000.............................................................................................
35
Gráfico 6 - Evolução do plot de coordenadas paralelas para as AECs gaúchas,
em relação ao PIB per capita – 1949/2000...........................................
37
Gráfico 7 - Evolução da Correlação Calculada para o PIB e População das
AECs....................................................................................................
41
Gráfico 8 - Evolução da Variância entre o PIB per capita das AECs –
1949/2000...........................................................................................
42
Gráfico 9 - Representação gráfica da estatística I de Moran.................................. 45
Gráfico 10 - Representação do padrão de contigüidade das unidades..................... 46
Gráfico 11 - Matriz de contigüidade dos padrões Queen e Rook............................. 47
Gráfico 12 - Evolução do I de Moran calculado das AECs – 1949/2000................. 49
8
LISTA DE FIGURAS
Figura 1 - Mapas do PIB per capita das AECs em relação à média estadual – 1939 e
1949 .............................................................................................................
17
Figura 2 - Mapas do PIB per capita das AECs em relação à média estadual – 1959 e
1970 .............................................................................................................
19
Figura 3 - Mapas do PIB per capita das AECs em relação à média estadual – 1990 e
2000 .............................................................................................................
20
Figura 4 - Mapas da População das AECs em relação à média estadual – 1949 e
2000 .............................................................................................................
22
Figura 5 - Mapas do Fluxo Migratório entre AECs– 1939/1949 e 1949/1959 ............ 23
Figura 6 - Mapas do Fluxo Migratório entre AECs– 1959/1970 e 1970/1980 ............ 24
Figura 7 - Mapas do Fluxo Migratório entre AECs– 1980/1990 e 1990/2000 ............ 25
Figura 8 - Scatterplots para PIB e População – 1949/1959, 1949/1970, 1949/1980,
1949/1990 e 1949/2000 ............................................................................
39
Figura 9 - I de Moran das AECs em relação ao PIB– 1949, 1959, 1970, 1980, 1990
e 2000 ..........................................................................................................
48
Figura 10 - LISA das AECs em relação ao PIB per capita– 1949, 1959, 1970, 1980,
1990 e 2000 .................................................................................................
51
Figura 11 - Representação da Velocidade de Convergência das AECs – (1949/2000) . 75
9
LISTA DE TABELAS
Tabela 1 - Coeficiente de Williamsom para as AECs gaúchas (1949-2000) ............. 43
Tabela 2 - Convergência Absoluta entre AECs (1949/2000)...................................... 67
Tabela 3 - Convergência Condicional entre AECs (1949/2000)................................. 68
Tabela 4 - Convergência Condicional com Migração entre AECs (1949/2000) ....... 71
Tabela 5 - Velocidade de Convergência e Meia-Vida das AECs (1949/2000) ......... 74
10
SUMÁRIO
INTRODUÇÃO ................................................................................................................................................... 11
1 A CARACTERIZAÇÃO DA ECONOMIA DO RIO GRANDE DO SUL.................................................. 15
1.1
ASPECTOS
HISTÓRICOS
SOBRE
A
TRAJETÓRIA
DA
ECONOMIA
GAÚCHA
NO
SÉCULO
XX ..15
1.1.1 A Trajetória do PIB no Rio Grande do Sul......................................................................................... 16
1.1.2 A Trajetória da População no Rio Grande do Sul.............................................................................. 20
1.2
EVIDÊNCIAS
EMPÍRICAS
SOBRE
O
CRESCIMENTO
GAÚCHO:
UMA
REVISÃO
DA
LITERATURA
RECENTE .............................................................................................................................. 25
2 O PRODUTO E A POPULAÇÃO DO RIO GRANDE DO SUL: UMA ANÁLISE EXPLORATÓRIA
DOS DADOS........................................................................................................................................................ 29
2.1
EVOLUÇÃO
DOS
DIFERENCIAIS
REGIONAIS
DE
RENDA ............................................................... 29
2.2
PARTICIPAÇÃO
REGIONAL
NO
PRODUTO
E
NA
POPULAÇÃO...................................................... 31
2.3
EVOLUÇÃO
DO
PIB
E
MOBILIDADE
DAS
AEC
S
GAÚCHAS............................................................. 37
2.4
SIGMA
CONVERGÊNCIA
E
COEFICIENTE
DE
WILLIAMSOM......................................................... 41
2.5
ANÁLISE
EXPLORATÓRIA
ESPACIAL ................................................................................................ 44
2.5.1 O Indicador de Moran ........................................................................................................................ 44
2.5.2 O Teste LISA ....................................................................................................................................... 50
3 CRESCIMENTO E CONVERGÊNCIA NAS REGIÕES DO RIO GRANDE DO SUL........................... 54
3.1
O
MODELO
DE
SOLOW........................................................................................................................... 54
3.2
OS
CONCEITOS
DE
CONVERGÊNCIA
DE
RENDA ............................................................................. 58
3.4
EVIDÊNCIAS
EMPÍRICAS
SOBRE
A
RELAÇÃO
ENTRE
MIGRAÇÃO
E
CRESCIMENTO
ECONÔMICO .................................................................................................................................................. 62
3.5
A
BASE
DE
DADOS
UTILIZADA............................................................................................................ 64
3.5.1 O PIB per capita ................................................................................................................................. 64
3.5.2 O PIB per capita da Vizinhança ......................................................................................................... 65
3.5.3 O Saldo Migratório............................................................................................................................. 66
3.6
OS
RESULTADOS
OBTIDOS................................................................................................................... 66
3.6.1 Convergência Absoluta (1949/2000) .................................................................................................. 67
3.6.2 Convergência Condicional (1949/2000)............................................................................................. 68
3.6.3 Convergência Condicionada pela Migração (1949/2000).................................................................. 70
CONCLUSÃO ..................................................................................................................................................... 76
REFERÊNCIAS .................................................................................................................................................. 81
11
INTRODUÇÃO
O estudo de problemas regionais tem crescido nos últimos anos, tanto no Brasil quanto
no resto do mundo. São diversos os trabalhos que analisam a dinâmica das economias
regionais, em diferentes níveis de agregação. Não obstante, o avanço das técnicas analíticas
tem sido essencial para a realização de novas pesquisas, de modo que as causas da estagnação
e do dinamismo das regiões têm sido minuciosamente averiguadas. Nesse sentido, a análise da
convergência de renda é uma das questões mais debatidas na literatura. Especificamente, são
inúmeros os trabalhos publicados no Brasil estimando a velocidade de convergência entre
municípios, regiões ou estados. Tais questões ganham importância adicional em países e
regiões que apresentam elevada desigualdade de renda.
É extensa a literatura que realiza testes empíricos para verificar a convergência de
renda no Brasil, e tal literatura está vinculada predominantemente ao modelo neoclássico de
Solow. Destaca-se aqui resumidamente três linhas: os trabalhos que testam a convergência
utilizando econometria espacial, através de regressões cross section, dentre os quais se pode
citar Magalhães (2001), Magalhães, Hewings e Azzoni (2000), Pimentel e Haddad (2004),
entre outros; os trabalhos que testam a convergência através de cadeias de markov, dentre os
quais cita-se Stulp e Fochezatto (2004), Porto Júnior e Ribeiro (2003), Laurini, Andrade e
Pereira (2003); e finalmente os trabalhos que estudam a convergência através de dados de
painel, dentre os quais pode-se citar Cançado (1999), Menezes e Azzoni (2000), Moreira e
Netto Jr. (2003), Menezes e Ferreira Jr. (2003), Ramalho e Targino (2004), Silveira Neto e
Justo (2006) e Silveira Neto e Azzoni (2000). A pesquisa aqui apresentada insere-se nesta
última linha de estudos.
O Rio Grande do Sul é um Estado que apresenta consideráveis disparidades regionais.
Tais desigualdades têm-se mantido, em maior ou menor medida, nas últimas décadas,
conforme apontam diversos trabalhos, dos quais cita-se Amaral e Alonso (2005). Em função
12
disso, diversos estudos já foram realizados, dentre estes alguns citados anteriormente, com o
objetivo de encontrar explicações para o desempenho econômico de municípios, áreas ou
regiões. Especificamente, para estudar o crescimento ou verificar a hipótese das disparidades
regionais, diversas técnicas e dados têm sido utilizados pelos pesquisadores, buscando captar
as diferenças estruturais e socioeconômicas dentro do Estado. Nesta linha, são estudados
aspectos como nível de capital humano, taxa de urbanização, localização espacial, indicadores
de pobreza e desigualdade, indicadores demográficos, etc.
O trabalho aqui apresentado diferencia-se dos já existentes na literatura por três pontos
básicos. O primeiro, é a utilização da técnica de dados de painel para estudar um período de
meio século no Rio Grande do Sul. Em Menezes e Azzoni (2000) encontram-se argumentos
sobre as vantagens da aplicação de painéis para esse tipo de pesquisa. O segundo ponto é a
tentativa de inclusão de uma variável que capte os saldos migratórios internos, iniciativa
baseada no trabalho de Cançado (1999), que faz este exercício analisando os estados
brasileiros. A inclusão dos saldos migratórios como fator explicativo do crescimento
econômico é coerente com as implicações do modelo de Solow, o qual considera que o livre
fluxo de mão-de-obra afeta positivamente o crescimento. O terceiro ponto é o cálculo de uma
velocidade de convergência específica para cada localidade convergente no período.
Tradicionalmente, os trabalhos que utilizam econometria para averiguar a hipótese de
convergência o fazem estimando uma velocidade conjunta para todas as unidades de análise.
Tal limitação pode ser superada com uma modelagem específica em dados de painel.
Sublinha-se que a regionalização aqui adotada busca contornar um problema presente
quando se utiliza séries de tempo longas: uma cidade pode sofrer alteração em sua área
geográfica com o passar das décadas, em função das emancipações. Dessa forma, torna-se
inconsistente a comparação entre um município ou uma região no início e no fim do período
analisado, se ele não ocupa a mesma área física. A utilização das Áreas Estatisticamente
Comparáveis (AEC)
1
neutraliza o problema das emancipações, visto que cada uma das 58
áreas é formada por um conjunto de municípios que representam a mesma área total, do início
ao fim do período.
Assim, o objetivo geral deste trabalho é estudar o desempenho econômico do Rio
Grande do Sul, no período entre 1949 e 2000, testando a hipótese de convergência através de
regressões com dados de painel. A análise é conduzida em relação ao PIB per capita em cada
Área Estatisticamente Comparável (AEC). Além disso, busca-se analisar de que forma o
1
Buscando facilitar a identificação das AECs, durante o trabalho optou-se por apresentar ao lado do número da
localidade o nome do município mais representativo o qual ela representa.
13
fenômeno da migração populacional interna tem afetado o crescimento econômico das
localidades. Como já exposto, tal iniciativa é coerente com as implicações da modelagem
neoclássica do crescimento econômico.
Outro objetivo do trabalho é apresentar análises exploratórias que embasam e
complementam os resultados obtidos com o modelo testado. Por isso, efetuam-se testes
espaciais como o Indicador de Moran, que se refere à aplicação da Análise Exploratória de
Dados (ESDA), além de testes para medir a desigualdade, como o coeficiente de Williamsom,
entre outros. Complementarmente, pode-se apontar como objetivo do trabalho fazer uma
revisão analítica da trajetória da economia do Rio Grande do Sul, no período abrangido pela
base de dados utilizada para as análises empíricas. Com isso, busca-se oferecer uma
contextualização para que os resultados finais sejam corretamente interpretados.
O trabalho justifica-se primeiramente pelo conhecido cenário de desigualdade regional
existente no Estado. Acredita-se que estimar se tal cenário tende a manter-se ou modificar-se
no longo prazo justifica a utilidade da pesquisa. Além disso, vale retomar as já citadas
contribuições adicionais do trabalho em relação ao anteriormente publicado sobre o tema,
quais sejam: utilização de dados de painel para um período de 50 anos, consideração dos
saldos migratórios e da dimensão espacial do crescimento.
Vale salientar que o Rio Grande do Sul tem seu desempenho econômico
historicamente atrelado ao cenário nacional e internacional, em função principalmente de sua
base exportadora representativa e do crescente processo de integração comercial. Por isso, as
modificações estruturais ocorridas no País e no exterior são importantes para entender a
performace das diferentes regiões, que por sua vez são heterogêneas em diversos aspectos
culturais, sociais e econômicos. Neste sentido, considerou-se importante apresentar, ainda que
sem o nível de detalhamento da literatura especializada em história econômica, alguns dos
principais fatos ocorridos com a economia gaúcha no período.
Depois disso, o trabalho desenvolve-se sob uma perspectiva empírica, apresentando
resultados exploratórios relativos às variáveis de interesse. Essa análise exploratória é
efetuada com o intuito de abranger questões sobre desigualdade, concentração espacial e
mobilidade de produção e população dentro do Estado. Com isso, espera-se apresentar uma
gama suficiente de informações para que se entenda de maneira ampla a dinâmica da
economia gaúcha no período. Só a partir daí parte-se para a modelagem teórica e
econométrica, visando testar a hipótese de convergência de renda entre as AECs.
O marco teórico inicial para o desenvolvimento do trabalho é o modelo neoclássico de
Solow, o qual sugere que os níveis de renda tendem à equalização no longo prazo, em virtude
14
dos retornos decrescentes do capital. O instrumental adotado, econometria com dados de
painel, apresenta algumas vantagens metodológicas em relação ao modelo mais comumente
usado, com dados em cross section. Dentre outras razões, pelo fato de considerar um número
maior de dados, já que em um painel utilizam-se dados horizontais e verticais. Além disso, é
possível um maior detalhamento em relação aos coeficientes estimados para cada unidade,
além de maior confiabilidade em função da possibilidade de abranger mais períodos.
Os painéis estimados caracterizam-se por serem estáticos. Em modelos estáticos,
assume-se que as variáveis explicativas não dependem do erro, que por sua vez deve estar
aleatoriamente distribuído, com média zero e variância constante. Além disso, optou-se por
estimar um painel do tipo efeito fixo, o que está de acordo com a literatura sobre crescimento.
Um painel de efeito fixo se caracteriza pela inclusão de uma variável explicativa que varia
entre as regiões, mas é fixa no tempo, contornando assim o chamado problema do viés da
variável omitida. Tal utilização é bastante utilizada para estimar a convergência, visto que
capta as características específicas de cada localidade analisada, como ambiente institucional
e cultural.
O trabalho é dividido em 3 capítulos, além desta introdução e de uma conclusão. No
primeiro capítulo busca-se a compreensão de aspectos históricos sobre a economia do Rio
Grande do Sul no século XX. Para tanto, analisa-se a trajetória do Produto e da População no
Estado, e suas relações com outros aspectos da economia estadual e nacional. Ainda neste
capítulo, efetua-se uma revisão de literatura focada em estudos sobre a economia gaúcha. No
segundo capítulo, faz-se uma análise exploratória dos dados que serão utilizados no modelo
econométrico. Analisa-se aspectos referentes à desigualdade, concentração e localização
espacial, entre outros. Por fim, no terceiro capítulo, testa-se a hipótese de convergência de
renda no Estado e apresenta-se o modelo de Solow e aspectos metodológicos referentes à
modelagem de dados de painel. Depois disso, apresenta-se os resultados das análises
econométricas efetuadas.
15
1 A CARACTERIZAÇÃO DA ECONOMIA DO RIO GRANDE DO SUL
Este capítulo tem como objetivo oferecer as informações iniciais necessárias para que
se compreenda, ainda que resumidamente, a trajetória econômica do Rio Grande do Sul no
período de estudo. Em outras palavras, pretende-se contextualizar brevemente o cenário a ser
analisado no trabalho. Para tanto, serão abordados alguns aspectos do desenvolvimento
histórico da economia do Estado, e complementarmente apresentados alguns dados que
sustentem as proposições encontradas na literatura
2
. Procura-se dar ênfase aos fatos
relacionados ao produto e à população, visto que estas são as variáveis chaves da pesquisa
aqui desenvolvida e do modelo a ser testado. Adicionalmente, será efetuada uma revisão sobre
os trabalhos empíricos que estudaram o crescimento econômico gaúcho através de diferentes
técnicas, em diversos períodos, buscando assim comparar alguns resultados e traçar algumas
perspectivas para a economia do Estado.
1.1 ASPECTOS HISTÓRICOS SOBRE A TRAJETÓRIA DA ECONOMIA GAÚCHA
NO SÉCULO XX
Especificamente, nesta seção busca-se fazer um apanhado histórico sobre a economia
do Rio Grande do Sul, com ênfase nas questões de produção e população. Serão abordadas as
relações da economia gaúcha com a realidade nacional e internacional, além de algumas
reflexões referentes à estruturação produtiva setorial do Estado. Vale salientar que não há a
pretensão de se fazer uma revisão completa da trajetória econômica do Rio Grande do Sul nos
2
Inevitavelmente, algumas informações sobre a trajetória da economia gaúcha refletem tão somente o ponto de
vista dos autores pesquisados, existindo assim espaço para argumentações divergentes.
16
últimos 50 anos. Algumas das publicações da FEE (Fundação de Economia e Estatística),
dentre as quais cita-se as de Alonso (1994), Jardim (2002) e Herrlein Jr. (2002) suprem essa
lacuna, servindo inclusive de insumo para as análises que aqui serão efetuadas.
1.1.1 A Trajetória do PIB no Rio Grande do Sul
Conforme apontam Amaral e Alonso (2005), historicamente a economia do Rio
Grande do Sul integrou-se ao desenvolvimento da economia brasileira, acompanhando seus
períodos de expansão e estagnação
3
. É importante a constatação de que tais movimentos não
se deram de maneira homogênea entre as regiões do Estado, caracterizando assim o processo
que chamamos de desigualdade regional. Isso porque o desempenho das regiões sempre
esteve fortemente vinculado aos setores nela predominantes. Como há uma heterogeneidade
no desempenho dos diversos setores produtivos, em virtude dos diferentes arranjos ocorridos
no decorrer da história, há também uma diferenciação no desempenho econômico regional
4
.
Talvez por isso, no caso gaúcho, a disparidade entre as regiões em termos de riqueza e
crescimento é um dos temas mais freqüentes na literatura econômica. Não obstante, o período
apontado como o de expansão das desigualdades regionais é justamente o analisado
inicialmente neste trabalho, a década de 40 e 50. Tal fato reforça a importância da análise das
causas históricas de tais disparidades, precedente aos testes empíricos realizados. Busca-se
assim estudar a evolução da economia estadual sob enfoques complementares. Os mapas
abaixo nos permitem visualizar a distribuição do PIB per capita entre as AECs gaúchas nos
anos de 1939 e 1949.
3
Exceção feita ao final da década de 50, quando o Rio Grande do Sul experimentou uma crise regional em meio
ao sucesso nacional, obtido através do Plano de Metas.
4
Para demonstrar essas heterogeneidades regionais, serão expostos no decorrer do capítulo diversos mapas com
a distribuição das variáveis de interesse entre as AECs gaúchas.
17
1939
1949
Figura 1 – Mapas do PIB per capita das AECs em relação à média estadual – 1939 e 1949
Fonte: Elaboração Própria
Percebe-se claramente através dos mapas que a distribuição da produção gaúcha
encontrava-se em patamar bastante desigual nos períodos analisados. Em 1939 ainda havia
um resquício da distribuição do início do século, quando a região Campanha apresentava os
mais altos indicadores de produção, ao passo que no nordeste do Estado localizavam-se as
AECs mais pobres: 54 (Vacaria), 58 (São Francisco de Paula), 45 (Santo Antônio da
Patrulha), 46 (Osório). Já em 1949 começa a se estabelecer um enriquecimento da região
Serrana, e um empobrecimento relativo na região Sul, especialmente em relação às AECs 48
(Canguçu), 19 (Pinheiro Machado), 20 (Piratini), 9 (Herval) e 38 (Caçapava do Sul).
Antes que se prossiga com diagnósticos sobre a situação do PIB gaúcho, é importante
salientar que o trabalho de Herrlein Jr. (2002) aponta os anos entre 30 e 60 como de transição
entre diferenciados modelos de crescimento. Segundo o autor, anteriormente o Rio Grande do
Sul adotara um modelo regional de desenvolvimento, e posteriormente prevaleceu um modelo
de integração à economia nacional e internacional, que se impôs a partir dos anos 60 até os
dias atuais. Vale sublinhar que esse período de transição pode ser considerado crítico para a
economia gaúcha, visto que seu desempenho foi, em linhas gerais, bastante inferior ao
nacional, gerando algumas mudanças estruturais na sua organização produtiva. Tais questões
serão abordadas ao longo do capítulo.
Embora as primeiras três décadas do século não sejam o foco das análises empíricas
que serão efetuadas neste trabalho, acredita-se ser importante algumas palavras sobre seu
desenvolvimento, para que se tenha uma melhor compreensão dos fatos ocorridos a partir da
década de 40. De fato, o modelo de desenvolvimento existente até 1930 caracterizava-se por
um isolamento regional do Rio Grande do Sul, diante de um cenário nacional muito pouco
integrado. Foi um período que pode ser caracterizado como de sucesso para a economia
18
gaúcha, já que houve uma considerável expansão do produto, seguida por um grande
dinamismo demográfico
5
. Segundo a literatura, ao final dos anos 20 a economia gaúcha já se
caracterizava pela relativa complexidade e diversidade produtiva, ampliando seus mercados
nacionalmente e também fora do país.
Especificamente a partir dos anos 50, começa a efetuar-se uma transformação da
economia gaúcha, processo que se deu na forma de uma crise local, segundo Herrlein Jr.
(2002). Não cabe aqui uma discussão aprofundada sobre as causas desse mau desempenho da
economia gaúcha no período, embora haja uma extensa literatura sobre a questão
6
. Mas vale
observar que aparentemente tratou-se de uma crise predominantemente regional, visto que o
País crescia a taxas bastante elevadas em função de novos programas de crescimento
econômico
7
. Há evidências na literatura de que o processo de crescente integração ao mercado
nacional submeteu os setores produtivos gaúchos a um padrão de concorrência maior do que
eles podiam suportar. Nessa linha, Alonso (1994) aponta que esse choque ocorrido foi
responsável pelo declínio de alguns setores da economia gaúcha, o que se constitui como uma
das explicações para o agravamento da grande desigualdade observada dentro do Estado nesse
período, como já exposto.
Os mapas a seguir novamente nos permitem visualizar a situação do Rio Grande do
Sul em termos de PIB per capita, nos anos de 1959 e 1970. Nota-se que a situação em 1970
apresenta uma melhora relativa quando comparada à década anterior. Embora a fotografia
geral seja semelhante entre os dois mapas, ao observar os dados com maior cuidado constata-
se a melhoria da situação relativa de algumas AECs, dentre as quais: 55 (Passo Fundo), 36
(São Borja), 13 (Itaqui), 27 (Santiago) e 9 (Herval). Ao mesmo tempo, houve um
empobrecimento relativo de algumas localidades importantes, dentre as quais incluem-se as
AECs 29 (São Lourenço do Sul), 47 (Mostardas), 58 (São Francisco de Paula) e 24 (Rio
Pardo).
5
Houve nesse período um processo de relativa urbanização no Rio Grande do Sul. A taxa de crescimento da
população urbana foi de 3% entre 1920 e 1940, enquanto que a taxa de crescimento total no mesmo período foi
de apenas 2,1%.
6
Os trabalhos de Herrlein Jr. (2002, 2002b) apresentam uma síntese das diferentes explicações teóricas para a
crise ocorrida, algumas inclusive ultrapassam a questão econômica.
7
A segunda metade da década de 50 é caracterizada como o “grande salto” da economia brasileira, através do
Plano de Metas.
19
1959
1970
Figura 2 – Mapas do PIB per capita das AECs em relação à média estadual – 1959 e 1970
Fonte: Elaboração Própria
Outro fator que pode ser considerado como agravante da supracitada crise foi
justamente a forte dependência entre os setores produtivos no Rio Grande do Sul, talvez ainda
reflexo do período anterior, caracterizado pelo isolamento econômico e mercado nacional
pouco integrado. Desta forma, a baixa produtividade na agropecuária afetava sobremaneira o
desempenho industrial, através do encarecimento das matérias-primas, quando comparadas
aos preços nacionais.
Contudo, a partir da segunda metade da década de 60 a economia do Estado parece ter
completado o processo de transformação iniciado nos primeiros anos da década de 50,
passando a caracterizar-se pelo peso expressivo de novos setores produtivos. Neste ponto,
parece razoável afirmar que houve realmente uma transformação estrutural da economia
gaúcha, que se tornou mais dinâmica e mais integrada ao cenário nacional. Deste período até a
década de 80, o Estado experimentou ganhos de produtividade superiores à média nacional
em mais de 1% ao ano. Tal fato, aliado ao processo de abertura econômica que passava a
experimentar o País, trouxe ganhos para os setores produtivos exportadores gaúchos,
historicamente bastante importantes na composição do PIB. Paralelamente, continuou a
desenvolver-se um processo de crescente urbanização no Rio Grande do Sul
8
.
A composição setorial do PIB gaúcho mudou bastante neste período. Embora não seja
essa exatamente a questão abordada no trabalho, são úteis algumas considerações. Por
exemplo, em Alonso (1994) é exposta a idéia de que a diversificação setorial foi um dos
fatores explicativos do bom desempenho de algumas localidades do Estado, ao mesmo tempo
em que a falta de dinamismo é apontada como uma das causas do fracasso econômico de
8
Entre 1960 e 1985, o percentual de população residente no campo caiu de 55% para 28%, segundo dados da
FEE.
20
outras regiões. Apresenta-se a seguir os mapas de distribuição do PIB per capita referentes às
décadas que completam o período em estudo. Como os resultados das décadas de 80 e 90 são
bastante parecidos visualmente, optou-se por omitir o primeiro. Desta forma, abaixo estão
representados os anos de 1990 e 2000. Confirma-se o cenário de baixo crescimento da década
de 90, resultado compatível com o desempenho nacional. No ano de 2000 há uma relativa
recuperação, especialmente no eixo que liga os dois principais pólos do Estado: Porto Alegre
e Caxias do Sul.
1990
2000
Figura 3 – Mapas do PIB per capita das AECs em relação à média estadual – 1990 e 2000
Fonte: Elaboração Própria
Na mesma linha, dados a partir da década de 80 apontam para um declínio relativo da
agropecuária em termos de participação no produto, assim como um pequeno processo de
desindustrialização. Em compensação, o setor de serviços tem crescido desde então, se
tornando o mais importante em relação à produção do Estado (58% do total em 1998). Estes
resultados são compatíveis com o crescimento acentuado da região metropolitana verificado
principalmente nos anos 90. Em Amaral e Alonso (2005), observa-se que a média das taxas de
crescimento anual do PIB do Rio Grande do Sul entre 1986 e 2001 foi de 2,38%, tendo a
indústria crescido a 2,70%, a agropecuária a 2,63% e os serviços a 2,11% ao ano. Tais taxas
podem ser caracterizadas como baixas, mas estiveram predominantemente acima da média
nacional.
1.1.2 A Trajetória da População no Rio Grande do Sul
Agora que já traçou-se uma breve descrição da trajetória econômica do Rio Grande do
Sul nas últimas décadas, cabem algumas considerações sobre a evolução histórica da sua
21
população. Isto porque o componente populacional é um fator de suma importância para a
explicação dos diferenciais em termos de produção e renda per capita entre regiões, sendo
assim a segunda variável de maior importância no modelo que será testado no terceiro
capítulo. Desta forma, nesta seção busca-se descrever a evolução do cenário gaúcho
relativamente ao nível populacional das AECs. Além de caracterizar os fenômenos ocorridos
no decorrer das décadas, será efetuada uma análise a respeito da relação entre os fluxos
migratórios e as variações no nível de renda das localidades.
Nos últimos 50 anos, o Rio Grande do Sul experimentou um aumento expressivo de
sua população, atingindo em 2000 a marca de aproximadamente 10 milhões de habitantes.
Contudo, o ritmo do crescimento populacional variou consideravelmente de década em
década e nas diferentes regiões. Enquanto na década de 1940 a taxa de crescimento
populacional era em média de 2,12% ao ano, este valor passou a reduzir-se continuamente a
partir da década de 1950, chegando ao patamar de 1,21% em 2000. O gráfico a seguir mostra
a evolução da população total do Rio Grande do Sul no período de análise.
0
2
4
6
8
10
12
1939 1949 1959 1970 1980 1990 2000
Habitantes (milhões)
Gráfico 1 – Evolução da População do Rio Grande do Sul (1939/2000)
Fonte: Elaboração Própria
Adicionalmente, constata-se que apenas em 1940 o crescimento populacional gaúcho
foi superior ao observado no Brasil (1,50% a.a.), sendo que a partir da década de 1950 a
população gaúcha cresceu menos do que a média nacional. Já em 2000 o crescimento foi de
1,62%. Os mapas a seguir permitem a comparação entre a proporção de habitantes por AEC
22
em 1949 e 2000. Uma análise mais geral nos traz a constatação de que o padrão de
distribuição não se modificou muito no período
9
. Contudo, posteriormente serão expostos
mapas sobre os indícios de fluxo migratório, que demonstrarão que houve um processo de
mobilidade entre as localidades gaúchas, conforme sugere a literatura especializada (Jardim e
Barcellos, 2005).
1949 2000
Figura 4 – Mapas da População das AECs em relação à média estadual – 1949 e 2000
Fonte: Elaboração Própria
Ainda que não seja o foco principal desta seção discutir teoricamente a questão da
evolução populacional, parece pertinente explicitar quais são os fatores explicativos do
crescimento demográfico. Os principais componentes que afetam o crescimento populacional
são a mortalidade, a fecundidade e a migração. O trabalho de Jardim (2002) apresenta a
chamada Equação Demográfica Básica, que pode ser escrita como:
EIONPP
t
−+−+=
0
Onde P
t
é a população de uma região no ano t; P
0
é a população dessa mesma região
no ano 0; N é o número de nascimentos ocorridos entre os períodos 0 e t; O é o número de
óbitos ocorridos entre 0 e t; I é o número de pessoas que imigraram para a região entre o ano
0 e o ano t; e E é o número de pessoas que emigraram da região entre 0 e t.
No Rio Grande do Sul, principalmente a partir dos anos 60, a queda da taxa de
expansão da população se deu prioritariamente em função da menor fecundidade das
mulheres gaúchas
10
e da migração de gaúchos, principalmente para estados da Região Sul e –
9
É importante perceber que as AECs são bastante heterogêneas entre si, abrigando um número de municípios
bastante diferentes. Além disso, como mostra claramente o mapa, constituem espaços físicos bastante diversos.
Esta é uma explicação plausível para o fato da AEC 55 apresentar-se como uma das áreas de maior população.
10
Em 1950 cada mulher tinha em média 5 filhos, enquanto que em 2000 apenas 2,3 filhos.
23
posteriormente – Região Centro Oeste. Segundo Jardim (2002), a proporção de nascidos no
Rio Grande do Sul que residiam fora do Estado era de apenas 4% em 1940, aumentando para
aproximadamente 10% a partir da década de 1970 e estabilizando-se neste patamar até a
atualidade.
Os dados sobre a distribuição da população no Rio Grande do Sul apontam para uma
concentração nos maiores centros. Outra tendência inquestionável, associada a esta, foi o
processo de êxodo rural ocorrido. Este processo tomou força a partir da década de 70, quando
as áreas mais urbanizadas tiveram crescimento populacional intenso. Por exemplo, entre 1970
e 1980, a população total do Estado cresceu em média 1,55% ao ano. Ao mesmo tempo, o
crescimento da população rural foi de -2,08%. Os dados mostram que a população residente
em áreas urbanas mais do que dobrou entre 1940 e 1980. Os mapas abaixo mostram as AECs
que apresentaram, durante as décadas, fluxo migratório positivo e negativo, através dos
desvios da média.
1939/1949
1949/1959
Figura 5 – Mapas do Fluxo Migratório entre AECs– 1939/1949 e 1949/1959
Fonte: Elaboração Própria
As localidades representadas em tonalidades de azul são as que tiveram fluxo
migratório negativo, enquanto as localidades representadas em tonalidades de vermelho
tiveram fluxo migratório positivo. As AECs representadas em amarelo não apresentaram
evidência de fluxo migratório. Percebe-se que as AECs localizadas mais ao sul do Estado
parecem ter perdido população no período analisado, ao passo que as AECs localizadas ao
norte e ao leste tiveram fluxos populacionais positivos. No segundo mapa, que refere-se ao
período 1949/1959, percebe-se também que o número de localidades com fluxo migratório
negativo aumentou, o que sugere um processo de concentração da população em poucas
24
AECs. Esse processo mostrou-se contínuo nas décadas seguintes, e está de acordo com o
exposto na literatura gaúcha sobre o tema.
Um fato muito importante a ser destacado é que a direção do fluxo migratório
modificou-se ao longo das décadas no Rio Grande do Sul. Antes de 1980, a maioria da
população que deixava a zona rural tinha como destino a cidade de Porto Alegre. Já depois da
década de 80 as maiores cidades do interior retiveram parte da população migrante, e outra
parcela teve como destino os municípios vizinhos de Porto Alegre, a chamada região
metropolitana. Aliado a isso, constata-se que o grau de urbanização no Estado cresceu 162%
entre 1940 e 2000, alcançando o patamar de 81,65% no fim do período
11
. Os mapas a seguir
mostram a evolução dos fluxos migratórios para as décadas seguintes, através dos desvios da
média estadual.
1959/1970 1970/1980
Figura 6 – Mapas do Fluxo Migratório entre AECs– 1959/1970 e 1970/1980
Fonte: Elaboração Própria
Constata-se a já referida acentuação da concentração populacional na região
metropolitana do Estado. O número de AECs que apresentaram evidências de fluxo negativo,
ou seja, expulsão de população, continuou aumentando entre as décadas analisadas. Tal fato
pode ser explicado, pelo menos em parte, pelo processo de urbanização experimentado pelo
Rio Grande do Sul, especialmente durante a segunda metade do século XX. Por fim, para
completar o panorama aqui proposto sobre a evolução da população gaúcha, apresenta-se os
mapas com os desvios em relação à média para os dois últimos anos analisados.
11
Em 2000, havia mais de 8 milhões de residentes em áreas urbanas no Rio Grande do Sul, dentre os quais mais
de 1,3 milhão em Porto Alegre.
25
1980/1990 1990/2000
Figura 7 – Mapas do Fluxo Migratório entre AECs– 1980/1990 e 1990/2000
Fonte: Elaboração Própria
A principal tendência observada nas últimas décadas é o acentuado incremento
populacional na porção leste do Estado. Em contrapartida, nota-se a perda de população por
parte da AEC 55 (Passo Fundo). Não obstante, sublinha-se a consolidação do eixo
metropolitano e serrano como principal receptor de população do Estado, processo que
ultimamente também tem se expandido ao litoral norte, como pode ser visto através da AEC
46 (Osório). Se compararmos os mapas referentes à migração do início e do fim do período,
constataremos facilmente que houve uma mudança estrutural nessa dimensão da trajetória
gaúcha, marcada pela crescente concentração populacional nos maiores centros do Rio
Grande do Sul. Resta responder se esse processo influenciou positivamente ou não o
crescimento das economias, bem como a hipótese de convergência de renda. Tais questões
serão abordadas nos capítulos seguintes.
1.2 EVIDÊNCIAS EMPÍRICAS SOBRE O CRESCIMENTO GAÚCHO: UMA
REVISÃO DA LITERATURA RECENTE
Nesta seção, o objetivo é explorar os estudos empíricos sobre a economia do Rio
Grande do Sul, publicados nos últimos anos. Com isso, espera-se encontrar evidências sobre o
crescimento do Estado durante o século XX. As análises serão conduzidas com o intuito de
expor e comparar os resultados encontrados na literatura, além de visualizar que tipo de
variáveis têm sido adotadas para explicar o crescimento econômico e a desigualdade de renda
entre as regiões. É importante deixar claro que não busca-se aqui fazer reflexões sobre as
26
teorias de crescimento, tampouco discussão metodológica sobre os instrumentais e
modelagens utilizadas nas análises publicadas. Tais questões estarão presentes no terceiro
capítulo.
Um dos pontos de partida para o desenvolvimento deste estudo foi o trabalho de
Monasterio (2002). Em sua tese de doutorado, o autor busca explicar as causas do declínio
relativo da Campanha durante o século XX, prioritariamente através da abordagem do Capital
Social. Não obstante, são efetuados testes empíricos para dimensionar o crescimento das
regiões do Estado, através de diferentes regionalizações e técnicas econométricas. Estes são
os resultados que interessam mais diretamente para a discussão aqui proposta. Assim, em
linhas gerais pode-se dizer que as conclusões do autor são de que o crescimento regional
observado está condicionado por características sociais existentes no início do século.
Ademais, a velocidade de convergência encontrada para o período 1939-1980 é relativamente
baixa: em torno de 5% ao ano. Já para o período 1970-1998 a velocidade calculada é mais
elevada, em torno de 12% ao ano.
De Monasterio (2002), optou-se também por adotar a argumentação para justificar a
regionalização em alguns momentos proposta
12
, aquela sugerida por Fonseca (1983), que
propõe uma divisão baseada em características das localidades no século XIX. O ponto básico
é que, se fosse utilizada uma regionalização recente, a mesma já incorporaria desigualdades
atualmente verificadas. Adotando uma regionalização anterior ao período estudado (1949-
2000), é possível supor que tais efeitos foram isolados da análise efetuada. Ainda referente à
regionalização, Alonso (1994) sustenta que as diferenças entre as principais regionalizações
adotadas no Rio Grande do Sul são praticamente irrelevantes em termos empíricos.
Adicionalmente, vale fazer algumas considerações sobre os diversos trabalhos que
testaram a hipótese de convergência para o Rio Grande do Sul. Principalmente a partir da
década de 90, com a abundância de dados, diversas análises empíricas foram feitas. Destaca-
se primeiramente os estudos de Ribeiro e Marquetti (2002) e Marquetti et al (2005), já que
estes – assim como o aqui proposto – consideram o saldo populacional como fator explicativo
do crescimento da renda. É esperado pelos autores uma relação positiva entre crescimento
populacional e renda per capita, justificada pelo aumento do mercado consumidor e das
12
Cabe salientar que o foco principal deste trabalho não é comparar as grandes regiões do Estado (campanha
versus serra, norte versus sul, etc.). Em alguns momentos da pesquisa estas regionalizações são adotadas apenas
com o intuito de simplificar informações graficamente. A análise efetiva é feita em relação às AECs do Estado,
de tal forma que estas são as unidades espaciais de interesse no modelo econométrico. Também não é foco
principal do trabalho discutir teorias sobre o conceito de região, ou sobre regionalizações. Tais questões são
abordadas apenas com o intuito de esclarecer aspectos relevantes aos testes empíricos aqui realizados
.
27
vantagens de escala observadas. De uma maneira geral, os trabalhos concluem que os
municípios gaúchos tendem à convergência condicional, de acordo com os dados relativos à
década de 1990. Além disso, expõem que o crescimento populacional, o nível de
especialização industrial e também do setor agropecuário, têm relação positiva com o
crescimento econômico observado.
Aplicando o instrumental econométrico espacial, Monasterio e Ávila (2004) estudam o
desempenho das AECs gaúchas no período 1939/2001. Os testes realizados pelos autores
explicitam a necessidade de se considerar aspectos espaciais nos modelos econométricos. São
feitas análises exploratórias que mostram haver uma relação espacial significativa no Estado.
Ademais, a velocidade de convergência calculada foi baixa, além de diferenciada entre a
região Campanha (-0,007) e o resto do Rio Grande do Sul (-0,011). Complementarmente,
Ávila e Monasterio (2006) discutem, também utilizando econometria espacial, as diferenças
dos resultados empíricos que podem ser oriundas do critério de regionalização adotado pelos
pesquisadores, testando tal hipótese para os COREDEs e municípios gaúchos.
Já Stulp e Fochezatto (2004) analisam a evolução das disparidades regionais no Rio
Grande do Sul, no período 1985/1999, e adotam a regionalização por COREDE. É aplicado o
instrumental das cadeias de markov para testar a convergência absoluta entre as regiões,
considerando-se o PIB per capita. Os resultados obtidos pelos autores não permitem rejeitar a
hipótese de convergência para o período. Através do processo dinâmico de markov, os autores
projetam que das cinco classes de renda existentes no Estado, duas irão desaparecer no longo
prazo (justamente a primeira e última classe). Dessa forma, concluem que a tendência no Rio
Grande do Sul é de que as rendas se aproximem da média estadual, num período estimado em
19 anos.
Outra vertente importante de trabalhos sobre o Rio Grande do Sul são aqueles que
verificam a hipótese do crescimento estar associado à desigualdade, pressuposto explícito da
curva de Kuznets
13
. Os trabalhos de Bêrni et al (2002) e Bagolin et all (2004) abordam esta
questão através de testes empíricos. O primeiro trabalho analisa o período 1990-1991,
apontando que a relação entre crescimento e desigualdade depende do setor da economia
analisado. Além disso, os autores expõem uma relação positiva entre o valor agregado e a
desigualdade municipal. Já o trabalho de Bagolin et all (2004) analisa o período 1970-1991,
no qual a renda per capita estadual cresceu 25%, mas com aumento da desigualdade
intramunicipal. Através de dados de painel, os autores sustentam que não pode ser rejeitada a
13
De acordo com Kuznets a relação entre a desigualdade e o crescimento da renda per capita tem a forma de um
U-invertido.
28
hipótese de Kuznets para o Rio Grande do Sul no período analisado, mas que as curvas são
diferenciadas entre os municípios, de acordo com suas características individuais.
Por fim, optou-se por apresentar o estudo de Porto Júnior e Ribeiro (2000), o qual,
entre outras análises, testa a hipótese de convergência entre os municípios da região sul do
Brasil. Tal trabalho se diferencia por fazer uma discussão mais detalhada sobre as teorias
relacionadas ao crescimento econômico. Os autores também expõem as fragilidades dos
modelos cross section para o teste da hipótese de convergência, o que reforça a utilização de
dados de painel que será aqui desenvolvida. Como resultado para os municípios, os autores
reforçam a literatura que aponta para a convergência condicional no período analisado,
indicando ainda a formação de clubes de riqueza e pobreza no longo prazo.
É óbvio que não foram esgotadas as referências bibliográficas sobre mensuração
empírica do crescimento no Rio Grande do Sul. A pretensão foi a de apresentar algumas das
principais publicações sobre o tema, de forma que o leitor tenha uma visualização geral dos
resultados e análises efetuadas até então. Acredita-se também que ao apresentar tais estudos,
fica evidenciada a relevância da pesquisa aqui desenvolvida, visto que ela traz inovações em
relação ao modelo e às variáveis utilizadas. Antes do desenvolvimento econométrico, o
segundo capítulo apresentará algumas análises exploratórias sobre os dados do Rio Grande do
Sul, evidenciando alguns aspectos relevantes, tais como a associação espacial e a
concentração regional existentes no Estado.
29
2 O PRODUTO E A POPULAÇÃO DO RIO GRANDE DO SUL: UMA ANÁLISE
EXPLORATÓRIA DOS DADOS
Este capítulo tem como objetivo apresentar um panorama geral sobre a evolução do
produto e da população no Rio Grande do Sul. Busca-se caracterizar os fenômenos ocorridos
no período de análise, através de um enfoque exploratório. Com isso, espera-se ter uma visão
das mudanças ocorridas na economia gaúcha, identificando aspectos referentes ao
desempenho das AECs. Efetuam-se análises sobre a concentração regional do produto e da
população e sobre a desigualdade entre as AECs. Adicionalmente, realizam-se testes
espaciais, também de caráter exploratório, buscando identificar quais os padrões de
dependência espacial presentes no Rio Grande do Sul, entre os anos de 1949 e 2000. Depois
destes resultados, no capítulo seguinte, parte-se para a apresentação do modelo proposto para
a estimação da convergência de renda absoluta e condicional.
2.1 EVOLUÇÃO DOS DIFERENCIAIS REGIONAIS DE RENDA
Para que se tenha uma primeira idéia de como está evoluindo o PIB gaúcho no período
1949/2000, pode-se analisar os desvios da média estadual em relação ao produto per capita.
Para facilitar a visualização, optou-se por agregar as AECs em 4 regiões, tal como
apresentado em Fonseca (1983). O gráfico abaixo resume as informações a partir da década
de 1940.
30
-0,40
-0,30
-0,20
-0,10
0,00
0,10
0,20
0,30
0,40
0,50
1939 1949 1959 1970 1980 1990 2000
Anos
Desvios (%)
campanha planalto serra área mista
Gráfico 2 – Desvios da Média Estadual (PIB per capita) – 1939/2000
Fonte: Elaborado pelo Autor
A primeira constatação a ser feita é a queda relativa da região da Campanha, dentre as
quais se incluem as AECs 4 (Bagé), 14 (Jaguarão), 17 (Santana do Livramento), 18 (Pelotas),
20 (Piratini), 23 (Rio Grande), 34 (Uruguaiana) e 50 (São Gabriel), entre outras. A região
encontrava-se 20% acima da média estadual em 1939, experimentando uma queda brusca até
1949, quando ficou praticamente junto à média estadual. A partir de então, até a década de
1980, a região alcançou uma melhora no seu desempenho relativo, mas sem recuperar sua
posição inicial. A partir de então, a Campanha teve nova perda em relação ao Rio Grande do
Sul, obtendo desvio negativo de aproximadamente 20% em 2000.
Outra tendência facilmente identificável através do gráfico é a ascensão relativa da
região Serra
14
, a qual inclui as AECs 2 (Veranópolis), 5 (Bento Gonçalves), 10 (Farroupilha),
21 (Porto Alegre), 40 (Santa Cruz), 44 (Gravataí), 53 (Canoas) e 57 (Caxias do Sul), entre
outras. No início do período analisado, a região estava bastante próxima a média estadual,
mas já com o passar da primeira década observou-se uma troca de posição com a Campanha,
onde a Serra passou a ter desvio superior a 20% da média. Ademais, o período entre 1949 e
1959 foi o único em que a região teve uma queda em relação ao Rio Grande do Sul, mas ainda
14
De acordo com a regionalização proposta por Fonseca (1983), a região denominada Serra inclui algumas
AECs da área metropolitana do Estado, inclusive a de Porto Alegre. As razões pelas quais tal regionalização foi
adotada está explicitada no capítulo anterior.
31
assim posicionando-se como a primeira região do Estado, em termos de PIB per capita. A
partir de então, houve uma melhora relativa bastante acentuada, culminando com um desvio
de 45% em 1990. Tal valor manteve-se praticamente constante até 2000.
Já a região Planalto, composta pelas AECs 33 (Tupanciretã), 54 (Vacaria) e 55 (Passo
Fundo), esteve abaixo da média estadual do início ao fim do período analisado, embora sua
performace tenha variado consideravelmente. De 1939 até 1959 a região manteve desvio em
torno de -16% em relação ao Estado. Na década seguinte houve uma melhora relativa de seu
desempenho, alcançando em 1970 desvio negativo de 7%. A década seguinte foi de
considerável piora para a região, sendo que em 1980 o desvio em relação ao Rio Grande do
Sul chegou a -27%. A partir daí, até o ano 2000, o Planalto recuperou sua posição de 1970, se
aproximando bastante da média estadual (-4%). Já a região denominada por Fonseca (1983)
como Área Mista teve desempenho bastante homogêneo no período analisado, sempre
apresentando desvios negativos em relação à média. A região apresentava no início do
período desvio de -23% e no fim do período de -19%. Algumas das regiões que compõem a
Área Mista são: 15 (Nova esperança do Sul), 25 (Santa Maria), 31 (Torres), 36 (São Borja),
43 (Viamão), 51 (Camaquã), 52 (Cachoeira do Sul) e 56 (Guaíba).
2.2 PARTICIPAÇÃO REGIONAL NO PRODUTO E NA POPULAÇÃO
Aqui, continuou-se utilizando a regionalização proposta por Fonseca (1983), com o
intuito de facilitar a visualização dos fenômenos ocorridos. Serão expostos resultados
referentes à participação de cada região no total do produto e da população do Estado, além de
uma análise sobre o diferencial entre as duas variáveis para o período analisado. Assim, pode-
se visualizar se o deslocamento populacional acompanhou proporcionalmente as mudanças na
produção gaúcha. O gráfico a seguir refere-se à participação das regiões no PIB total do
Estado.
32
0
10
20
30
40
50
60
70
1939 1949 1959 1970 1980 1990 2000
Anos
% de Participação
campanha planalto serra área mista
Gráfico 3 – Participação Regional no PIB – 1939/2000
Fonte: Elaborado pelo Autor
Percebe-se que a região denominada Serra foi, durante todo o período, a que mais
concentrou o produto estadual. Verifica-se que houve uma tendência ininterrupta de aumento
da participação relativa da região, que passou de 36% do PIB em 1939 para 58% em 2000. A
diferença entre a Serra e a segunda região mais importante era de aproximadamente 9 pontos
percentuais em 1939, passando para cerca de 40 pontos percentuais em 2000. As AECs da
Serra que mais concentraram a produção foram: 21 (Porto Alegre), 53 (Canoas), 57 (Caxias
do Sul) e 44 (Gravataí). A AEC 21 (Porto Alegre) tem sua participação sendo reduzida no
período, visto que em 1949 abrigava 18,65% do PIB gaúcho, chegando ao máximo em 1970
com 24,80% e experimentando queda nas décadas seguintes até alcançar o patamar de 11,71%
em 2000. Outra AEC da região que merece destaque é a 53 (Canoas). Nas primeiras décadas,
a AEC representava em torno de 8% do PIB gaúcho, proporção que foi aumentando
continuamente com o decorrer das décadas, chegando a 23% em 2000, sendo assim a AEC
com a maior proporção da produção do Estado. Por fim, vale dizer que a AEC 57 (Caxias do
Sul) também teve um aumento expressivo da sua participação no período, passando de 1,5%
em 1939 para quase 6% em 2000.
Depois de analisar o enriquecimento relativo das AECs da Serra, novamente é
necessário fazer menção ao empobrecimento relativo da região Campanha. A região era a
segunda com maior concentração do PIB no início do período, foi perdendo posições relativas
com o decorrer das décadas, chegando à última posição em 2000. A Campanha acumulava,
em 1939, 27% do PIB estadual, enquanto que no ano 2000 apenas 11%. Dentre as AECs da
33
região, a 18 (Pelotas) é um bom exemplo do processo de inversão ocorrido no período
analisado. No início do período, a AEC era responsável por 4,76% do PIB gaúcho, proporção
bastante superior ao encontrado na AEC 57 (Caxias do Sul), por exemplo. A partir da década
de 1970 esta proporção passou a diminuir com elevada velocidade, sendo que em 2000 a AEC
representa menos de 2% do total produzido no Estado. Situação semelhante aconteceu com a
AEC 50 (São Gabriel), que era detentora de 2,26% do PIB no início do período, mas com o
passar das décadas passou a representar apenas 0,85% do total.
A região Planalto também teve perda na sua posição relativa. Em 1949 a região
concentrava cerca de 25% do PIB gaúcho, atrás apenas da região Serra. A partir de então,
houve uma queda que se expandiu até o ano de 1990, quando a região passou a representar
16% do total produzido no Estado. Tal patamar manteve-se estável até o ano 2000. A AEC
mais representativa da região é a 55 (Passo Fundo), que chegou a representar 23% da
produção em 1949, e em 2000 representou em torno de 16%. Cabe a ressalva de que a AEC
55 abriga um número muito grande de municípios, ocupando espaço físico também
desproporcional às demais AECs. Desta forma, os resultados precisam ser analisados com
cautela, para que não nos levem a conclusões equivocadas, causadas por essa
heterogeneidade.
Já a Área Mista foi a região que menos apresentou variação no período analisado,
embora tenha tido suave queda quando compara-se os anos iniciais e o patamar de 2000. A
região apresentou em média 15% do PIB do Rio grande do Sul, durante o período em estudo.
As AECs mais representativas da região, em termos de PIB, são a 52 (Cachoeira do Sul), 43
(Viamão) e 25 (Santa Maria).
Agora que já se obteve uma breve descrição da participação das regiões no PIB,
analisando também o desempenho das principais AECs, cabe analisar como se dá esse
movimento em relação ao contingente populacional. O gráfico a seguir permitirá identificar se
houve um processo de concentração populacional, ou se as proporções mantiveram-se
constantes no período analisado.
34
0
5
10
15
20
25
30
35
40
45
50
1939 1949 1959 1970 1980 1990 2000
Anos
% de Participação
campanha planalto serra área mista
Gráfico 4 – Participação Regional na População – 1939/2000
Fonte: Elaborado pelo Autor
Em relação à região Serra, houve uma evolução da concentração populacional
semelhante à ocorrida com o PIB. A participação da região na população estadual era de 28%
em 1939, aumentou continuamente até o fim do período analisado, alcançando o patamar de
46% em 2000. As principais AECs da região em termos populacionais são basicamente as
mesmas quando da análise em relação ao produto: 21 (Porto Alegre), 53 (Canoas), 57 (Caxias
do Sul), entre outras. Já a região Planalto teve uma queda relativa na sua participação na
população. No início do período a região tinha praticamente a mesma participação da Serra,
mas com a queda verificada a partir de 1959, a região apresentou em 2000 quase 20% da
população gaúcha. Essa queda esteve intimamente associada ao desempenho da AEC 55
(Passo Fundo), que tinha mais de 25% da população do Estado no início do período, caindo
para 18,7% em 2000.
As regiões Campanha e Área Mista tiveram desempenho bastante parecido em relação
à população no período analisado. Ambas apresentavam cerca de 22% da população no início
do período, experimentaram uma queda até a década de 1980, e mantiveram-se relativamente
estáveis a partir de então. Apesar das regiões apresentarem evolução semelhante, houve um
distanciamento na proporção populacional no final do período, com a Área Mista
representando 20% da população e a Campanha 15%. Constata-se que, das AECs mais
35
representativas da Campanha, apenas a 18 (Pelotas) teve aumento de sua participação na
população, de 3,14% para 3,46% no período. Em relação a Área Mista, destaca-se o aumento
da participação da AEC 43 (Viamão), que tinha apenas 0,5% da população em 1939 e passou
para mais de 4% em 2000. Processo inverso observa-se em relação a AEC 52 (Cachoeira do
Sul), mas com menor intensidade. A localidade era responsável por 7,62% da população em
1939, e depois de contínuas quedas no período, passou a representar 4,18% em 2000.
Outro resultado interessante a ser destacado é o aumento da dispersão entre as regiões.
È possível visualizar que no início do período estas encontravam-se razoavelmente próximas,
sendo a diferença entre a região mais e menos populosa de aproximadamente 6%. Em 1970
esta diferença já era de 13%, e finalmente em 2000 a diferença observada chegou aos 29%.
Corroborando esta análise regional, a dispersão calculada entre as AECs também aumentou
nas décadas analisadas, de forma que a variância calculada era de 0,17 em 1949, crescendo
continuamente até o patamar de 0,28 em 2000.
O próximo passo do estudo consiste em apresentar o cálculo do diferencial entre a
participação das regiões no produto e na população. Valores próximos de zero indicariam que
a região tem a mesma participação no PIB e na população, em outras palavras, que o produto
estaria bem distribuído. Valores positivos indicam que a região concentra mais produção do
que população, enquanto valores negativos indicam insuficiência de produto em relação ao
nível populacional. O gráfico abaixo resume as informações.
-10
-5
0
5
10
15
20
1939 1949 1959 1970 1980 1990 2000
Anos
Diferencial (%)
campanha planalto serra área mista
Gráfico 5 – Diferencial-Participação Regional no PIB e na População – 1939/2000
Fonte: Elaborado pelo Autor
36
Nota-se que, no início do período, tinha-se duas regiões com desequilíbrio positivo, ou
seja, maior proporção de produto em relação à população, e duas regiões com desequilíbrio
negativo. Com o decorrer das décadas, o aumento populacional experimentado pela região
Serra não foi suficiente para acompanhar o aumento da participação da região no PIB. Prova
disso é que o diferencial observado aumentou em todos os períodos, exceto entre 1970 e 1980.
A Campanha experimentou uma mudança na sua posição relativa. Enquanto no início do
período era responsável por um desequilíbrio positivo de aproximadamente 5%, em 2000
passou a ter desequilíbrio negativo em torno de -4%.
Analisando especificamente as AECs, constata-se que dentre as da região Serra, até a
década de 1970 apenas a AEC 21 (Porto Alegre) apresentava grande diferencial (entre 9% e
11%). As demais AECs apresentaram diferenciais em torno de 1%. A partir de 1970, a AEC
53 (Caxias do Sul) começou a apresentar tendência de aumento do diferencial observado (de
3,3% em 1970 para mais de 7% em 2000). Já a AEC 21 (Porto Alegre) passou a experimentar
um decréscimo do diferencial, chegando a apresentar diferencial negativo em 2000, em torno
de -1,63%. Tal fato está ligado ao fluxo populacional em direção à localidade, conforme foi
exposto no segundo capítulo. Dentre as AECs da região Campanha, houve o já referido
processo de inversão do diferencial calculado, que pode ser representado pelo desempenho da
AEC 18 (Pelotas). A localidade tinha diferencial positivo de 1,62% no início do período,
passando a ter diferencial negativo em torno de -1,5% em 2000. A AEC 23 (Rio Grande) teve
desempenho semelhante, mas não o suficiente para apresentar diferencial negativo em 2000, o
valor calculado para o período foi de 0,5%.
Já as regiões Planalto e Área Mista, durante o período inteiro, apresentaram
insuficiência de produto para os seus níveis populacionais, mesmo com a região Planalto
tendo experimentado queda na sua proporção de habitantes. Este fato pode inclusive ser
responsável pela explicação da melhora relativa da região quando se analisa o seu diferencial,
já que em 2000 o Planalto foi a segunda região com relativamente mais produto para seu nível
populacional, apesar de ainda apresentar desequilíbrio negativo de -3%. O diferencial da AEC
55 (Passo Fundo) – a mais representativa da região – girava em torno de -7% nas três
primeiras décadas analisadas, mas aproximou-se do equilíbrio em 2000, passando a ser de -
2,8%. As demais AECs do Planalto tiveram diferencial próximo de zero por todo o período.
Na Área Mista, as AECs que tiveram desempenho destacável foram as de número 25 (Santa
Maria) e 43 (Viamão). Ambas apresentaram diferencial negativo se agravando no período,
passando de aproximadamente -0,29% e -0,17% em 1939 para -1,20% e -2,6% em 2000,
respectivamente. As demais AECs tiveram diferencial próximo de zero no período, com
37
exceção da AEC 52 (Cachoeira do Sul) que até a década de 1980 teve diferencial negativo de
-1,9%, em média.
2.3 EVOLUÇÃO DO PIB E MOBILIDADE DAS AECs GAÚCHAS
Uma maneira bastante simples de perceber a evolução do PIB das AECs dentro do Rio
Grande do Sul é através de um gráfico do tipo plot de coordenadas paralelas. Na
representação, cada linha representa uma AEC e a evolução ocorrida representa o PIB per
capita da localidade em cada período analisado
15
. Como os valores encontram-se
padronizados, ou seja, a escala é a mesma, também pode-se ter uma visão sobre a evolução da
dispersão do produto gaúcho. Caso não haja mudanças nas posições relativas das localidades
durante o período, o gráfico apresentará linhas paralelas. Caso haja inversões nas posições
relativas, as linhas se cruzarão.
No gráfico abaixo, os valores estão dispostos em relação à média. Desta forma, linhas
à direita do valor zero representam as AECs relativamente mais ricas, enquanto as linhas à
esquerda representam as mais pobres. A primeira linha horizontal representa o início do
período e a última o período final. A intensidade das mudanças na situação das AECs dentro
do Estado pode ser medida pelo número de vezes que as linhas se cruzam durante o período.
As informações expostas vão de 1949 até 2000.
Gráfico 6 – Evolução do plot de coordenadas paralelas para as AECs gaúchas, em
relação ao PIB per capita – 1949/2000
Fonte: Elaborado pelo Autor
15
Vale salientar que a análise da seção anterior referiu-se à participação no PIB total.
38
A linha destacada em amarelo representa a AEC 32 (Triunfo). Através do gráfico
pode-se perceber claramente o motivo pelo qual considera-se a localidade um outlier a partir
da década de 1990
16
. Ademais, pode-se perceber claramente, analisando as linhas, que houve
vários processos de inversão de posições entre as AECs gaúchas no período analisado.
Monasterio e Ávila (2004) fazem exercício semelhante para o período 1939-2001, contudo
sem padronizar os dados, e argumentam que pode estar ocorrendo um processo denominado
por Acemoglu (2002) como “Reversal of Fortune”, onde as economias relativamente ricas
empobrecem e as economias relativamente pobres enriquecem. Os testes sobre a hipótese de
beta convergência nos trarão mais informações sobre essa questão. Em linhas gerais, a análise
do plot de coordenadas paralelas nos assegura que houve mobilidade relativa entre as
localidades gaúchas. Também parece ter havido um processo de diminuição da dispersão em
termos de PIB per capita, visto que as linhas no final do período encontram-se mais próximas
entre si do que o observado em 1949.
Já uma representação do tipo scatterplot relaciona o valor de determinada variável
entre diferentes períodos. Desta forma, ao comparar-se a distribuição inicial de qualquer
variável com a das décadas seguintes, pode-se ter uma visualização do processo de
mobilidade ocorrido. Em um scatterplot, caso não haja mudança nas variáveis observadas
durante os dois períodos comparados, o valor calculado será igual a um. Não obstante, quanto
menor o valor calculado, maior terá sido a modificação ocorrida. A seguir, a visualização dos
scatterplots para o Produto e População, entre os anos de 1949 e 2000.
16
O PIB per capita da AEC 32 torna-se aproximadamente 9 vezes maior do que a segunda AEC mais rica.
39
Figura 8 – Scatterplots para PIB e População – 1949/1959, 1949/1970, 1949/1980, 1949/1990 e 1949/2000
Fonte: Elaborado pelo Autor
40
Percebe-se que o PIB per capita das AECs, em todos os intervalos analisados,
apresentou-se menos correlacionado do que o contingente populacional das localidades.
Embora a comparação do período inicial com anos mais distantes (maiores intervalos) tenda a
aumentar a mobilidade observada entre as AECs, a intensidade das mudanças em relação ao
PIB foi maior em todos os testes propostos. Em outras palavras, o produto gaúcho parece
apresentar-se com maior dinamismo interno do que os fluxos populacionais.
A mobilidade em termos de produto aumentou consideravelmente com o decorrer das
primeiras décadas, visto que entre 1949 e 1959 o valor calculado foi de 0,8217 enquanto entre
1949 e 1970 foi de 0,7606. Em relação à população o valor manteve-se praticamente
constante, em torno de 0,99 no mesmo intervalo. Tal constatação sugere um processo de
mudança quase irrelevante nas duas primeiras décadas, em relação ao nível populacional. Já
quando correlaciona-se os dados das AECs em período de tempo que compreende 30 anos,
visualiza-se uma crescente dispersão dos pontos que representam as localidades gaúchas. Isso
significa que há indicativo de crescente mobilidade das posições relativas com o decorrer das
décadas. Em relação à população, os dados continuam mostrando mudanças relativas bem
menores, ainda que o valor calculado no período 1949/1980 tenha se reduzido para 0,9531.
Vale ressaltar que a partir do intervalo 1949/1990, em virtude do já citado outlier AEC
32 (Triunfo), calculou-se a relação excluindo tal localidade. Na medida em que o período
analisado aumenta, a associação entre os valores cai. Em relação ao PIB per capita, o valor
calculado cai para 0,7154 e no que diz respeito à população para 0,9109. Por fim, a relação
entre 1949 e 2000 mostra a mesma tendência dos gráficos anteriores. A correlação continuou
caindo em relação ao PIB per capita e em relação à população, mesmo o menor valor
calculado (0,8709) é superior ao maior valor encontrado quando analisou-se o PIB,
justamente para o período 1949/1959. Esse fato ilustra a já citada diferença do padrão de
comportamento das duas variáveis. Complementando o que já foi exposto, mostra-se a seguir
um gráfico que resume as inclinações calculadas em todos os períodos, para produto e
população.
41
0,5
0,55
0,6
0,65
0,7
0,75
0,8
0,85
0,9
0,95
1
1949/1959 1949/1970 1949/1980 1949/1990 1949/2000
Valor Calculado
Slope (PIB) Slope (POP)
Gráfico 7 – Evolução da Correlação Calculada para o PIB e População das AECs
Fonte: Elaborado pelo Autor
Percebe-se que, para o nível populacional, a taxa de mudança marginal vai crescendo
quanto maior é o intervalo analisado. Tal visualização indica que há um processo contínuo de
mobilidade entre as AECs do Estado, embora tais mudanças pareçam ocorrer com pouca
velocidade, dado que a correlação encontrada é sempre consideravelmente elevada. Em
relação ao nível de produto, as mudanças entre as AECs são bastante expressivas,
principalmente até o ano de 1980. Nos intervalos seguintes, parece que as posições relativas
das localidades analisadas mantiveram-se estáveis.
2.4 SIGMA CONVERGÊNCIA E COEFICIENTE DE WILLIAMSOM
O conceito de sigma convergência é bastante intuitivo. Trata-se da análise da
dispersão do produto entre as regiões. Aqui, não foi necessário nenhum tipo de agregação,
sendo a dispersão calculada em relação às AECs
17
. Haverá sigma convergência se a variância
entre os PIBs per capita das AECs decrescer no decorrer do período analisado. Analogamente,
caso a variância calculada aumente, caracteriza-se o período como o de sigma divergência.
17
A AEC 32 foi excluída por abrigar a cidade de Triunfo, conhecido outlier em termos de PIB a partir da década
de 1980, em função do pólo petroquímico.
42
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
0,16
0,18
0,2
1949 1959 1970 1980 1990 2000
Variância
Gráfico 8 – Evolução da Variância entre o PIB per capita das AECs – 1949/2000
Fonte: Elaborado pelo Autor
O gráfico mostra que o Rio Grande do Sul passou por um processo de divergência no
período analisado. A dispersão entre os produtos per capita das AECs manteve-se
relativamente estável entre 1949 e 1980, embora tenha havido uma leve diminuição da
variância. Contudo, entre 1980 e 1990 houve um aumento expressivo da dispersão calculada,
caracterizando a ocorrência de sigma divergência. Se tal constatação é negativa, a década
seguinte caracterizou-se pela diminuição dessa desigualdade, o que pode ser um indício
positivo para o futuro da economia do Estado. Ainda assim, a constatação geral é de que as
diferenças entre as AECs gaúchas aumentaram durante a parcela analisada do século XX.
Já o coeficiente de Williamsom é um conhecido indicador de desigualdade, utilizado
freqüentemente na literatura sobre crescimento econômico. Constitui-se em um indicador
ponderado de variação que estima a dispersão dos níveis de produto per capita das regiões
analisadas em relação ao total, ou seja, a média de todas as regiões. Cada desvio regional é
ponderado pela participação de cada localidade na população total observada. Desta forma,
quanto maior o valor do coeficiente de Williamsom, maior a desigualdade observada no
período. Tal indicador tem formulação matemática correspondente a:
43
∑
−
=
n
P
Y
YY
I
ii
W
2
Onde Y
i
é o produto per capita da localidade i;
Y
é o produto per capita médio do
Estado; P
i
é a população da localidade i; n é a população total do Estado. Cabe salientar que
existe na literatura a exposição de algumas limitações do coeficiente de Williamsom, dentre
as quais o fato do indicador não considerar as diferenças na distribuição interpessoal de renda.
A despeito disso, é um indicador utilizado em diversos trabalhos, inclusive sobre o Rio
Grande do Sul, como em Amaral e Alonso (2005) e Porto Junior e Ribeiro (2000).
Ao contrário do gráfico que mostra a variância do PIB per capita gaúcho, ou seja,
estima a hipótese de sigma convergência, os valores do coeficiente de Williamsom sugerem
uma diminuição da desigualdade entre as AECs no período 1949-2000. De acordo com os
resultados, há um aumento da desigualdade no período 1949-1970, mas entre 1970 e 1980
ocorre uma queda bastante acentuada. Daí em diante, há um pequeno aumento no indicador
calculado, mas não o suficiente para que no período total se verifique um aumento global da
desigualdade. A tabela abaixo mostra os resultados para as décadas analisadas.
Tabela 1 – Coeficiente de Williamsom para as AECs gaúchas (1949-2000)
Ano Williamsom
1949 0,4631
1959 0,5057
1970 0,5520
1980 0,3759
1990 0,4288
2000 0,4036
Fonte: Elaborado pelo Autor
A comparação entre a análise de sigma convergência e do coeficiente de Williamsom
estimado nos leva a uma indefinição sobre a evolução da desigualdade em termos de produto
per capita no período entre 1949 e 2000. Como já exposto, o teste baseado na variância indica,
de forma geral, um aumento da desigualdade, enquanto o indicador de Williamsom sugere o
oposto. Contudo, quando se analisa especificamente os dois indicadores de década em década,
pode-se perceber que os resultados encontrados são semelhantes, com exceção do período
1959/1970, em que a variância quase não se altera e o coeficiente de Williamsom aumenta em
44
aproximadamente 0,05. Nos demais intervalos, o sentido da variação observada é o mesmo,
diferindo apenas a sua magnitude.
2.5 ANÁLISE EXPLORATÓRIA ESPACIAL
A importância da análise espacial não pode ser menosprezada por pesquisadores que
estudam o fenômeno do crescimento econômico. A localização das unidades estudadas pode
influenciar, de forma positiva ou negativa, o seu desempenho econômico. Desta forma, torna-
se importante saber se existe relação espacial significativa, qual a intensidade dessa relação, e
como ela vem evoluindo com o passar das décadas. Nesse sentido, o instrumental
desenvolvido por Anselin (1988) permite que sejam identificados os padrões espaciais
presentes entre as AECs do Estado. A seguir serão apresentados dois testes que nos permitem
vislumbrar o processo de associação espacial ocorrido no Rio Grande do Sul, no período
analisado.
2.5.1 O Indicador de Moran
Caracteriza-se o I de Moran como um indicador global de concentração espacial,
visto que ele se limita a responder se a distribuição é não-aleatória, não permitindo
identificar quais unidades estão espacialmente correlacionadas. Matematicamente, o I de
Moran é assim representado:
Onde:
n= número de observações
∑
∑∑
=
= =
=
n
i
i
n
i
n
j
jiij
x
xxw
I
1
2
1 1
45
w
ij
= elementos da matriz de contigüidade binária normalizada (W) . Quando os
elementos, no caso as AECs, i e j forem contíguos, w
ij
terá valor 1; caso contrário, 0.
A matriz deve ser normalizada pelo total das linhas.
x
i
e x
j
= são os valores da variável analisada em desvios da média.
Quando o valor do I de Moran se aproxima de +1 pode-se concluir que a variável
apresenta dependência positiva (valores semelhantes espacialmente associados).
Analogamente, I de Moran próximo de -1 nos leva a concluir que a variável apresenta
dependência negativa (valores dessemelhantes espacialmente associados). Quando o I de
Moran apresentar valor próximo de zero, assume-se que a distribuição dos dados analisados é
aleatória, no âmbito espacial.
A significância da estatística I de Moran foi verificada neste trabalho através do
seguinte teste: permutou-se aleatoriamente os dados, de modo a gerar inúmeras distribuições
aleatórias do I de Moran. Com isso, verificou-se a probabilidade do I de Moran efetivamente
calculado ter sido encontrado por acaso, ou seja, gerou-se uma distribuição aleatória de
índices de Moran e comparou-se com o valor encontrado. Assim, é possível saber a
probabilidade do I de Moran não ser significativo estatisticamente.
Apresenta-se abaixo a representação gráfica da estatística de Moran (Moran
ScatterPlot). No eixo x, estariam representados os valores verificados para cada unidade
analisada. Valores à direita do eixo central (zero) são superiores à média das unidades,
analogamente, valores à esquerda do eixo central (zero) são inferiores à média. No eixo y
estão representados os valores verificados das unidades vizinhas. Da mesma forma, valores
acima do eixo central (zero) são superiores à média das unidades, enquanto valores abaixo do
eixo central (zero) são valores inferiores.
Gráfico 9 – Representação gráfica da estatística I de Moran
Fonte: Elaborado pelo Autor
46
Os pontos que se encontram no primeiro quadrante representam as unidades que
possuem um valor acima da média para a variável abordada, cercada por unidades que
igualmente apresentam valores superiores à média (High-high). Da mesma forma, os pontos
que se encontram no terceiro quadrante representam unidades que possuem valor abaixo da
média para a variável abordada, cercada por unidades que igualmente apresentam valores
inferiores à média (Low-low).
No segundo quadrante se encontram as unidades que apresentam valor de dada
variável inferior à média, mas possuem vizinhança com valor superior à média (Low-high).
Por fim, no quarto quadrante, encontram-se as unidades que apresentam valores acima da
média, cercadas por unidades que apresentam valores abaixo da média, para dada variável
(High-low).
A matriz de pesos espaciais (W) indica qual padrão de fronteira é considerado no teste.
Os dois principais tipos de matriz de pesos são: Queen e Rook. Na primeira, são consideradas
vizinhas todas as unidades que compartilham qualquer tipo de fronteira com a unidade
analisada: uma borda comum ou um nó comum. Na segunda, são consideradas vizinhas
apenas as unidades que compartilham uma borda comum. Este é um passo importante na
pesquisa sobre economia espacial, visto que a escolha de um ou outro padrão de vizinhança
afeta os resultados posteriormente encontrados, inclusive na análise econométrica efetuada no
terceiro capítulo.
Neste trabalho, conforme apresentado em Pimentel e Haddad (2004) e Monasterio e
Ávila (2004), optou-se por utilizar o padrão denominado Queen, com grau de vizinhança igual
a um. Desta forma, são consideradas vizinhas todas as unidades que compartilham qualquer
tipo de fronteira com a unidade analisada. O gráfico a seguir ilustra a questão.
A
B
D
C
Gráfico 10 – Representação do padrão de contigüidade das unidades
Fonte: Elaborado pelo Autor
47
Como mostra o exemplo, se considerarmos como unidade analisada o quadrilátero
representado pela letra A, de acordo com o padrão Queen e grau de vizinhança igual a um,
serão consideradas vizinhas as unidades representadas pelos quadriláteros B e C. Se fosse
utilizado o padrão Queen, mas com grau de vizinhança igual a dois, além de B e C, seria
considerada vizinha a unidade representada pelo quadrilátero D, já que é vizinha secundária
de A. Caso fosse escolhido o padrão Rook, tomando como análise o quadrilátero A, seria
considerada unidade vizinha apenas o quadrilátero B. A seguir são apresentadas as duas
matrizes, de acordo com o exemplo, uma para o padrão Queen e outra para o padrão Rook,
ambas com grau de vizinhança igual a um.
Padrão Queen Padrão Rook
A
B
C D
A
B
C D
A
0 1 1 0 A
0 1 0 0
B
1 0 1 1 B
1 0 1 1
C
0 1 0 0 C
0 1 0 0
D
0 1 0 0 D
0 1 0 0
Gráfico 11 – Matriz de contigüidade dos padrões Queen e Rook
Fonte: Elaborado pelo Autor
Em ambos os casos a matriz, que tem diagonal principal igual a zero, apresenta valor
igual a um para as unidades consideradas vizinhas e zero para as unidades que não são
consideradas vizinhas. A seguir são apresentados os gráficos I de Moran para as AECs
gaúchas, desde 1949 até 2000. Os dados referem-se ao PIB per capita de cada AEC e o PIB
per capita médio de suas AECs vizinhas.
48
Figura 9 – I de Moran das AECs em relação ao PIB– 1949, 1959, 1970, 1980, 1990 e 2000
Fonte: Elaborado pelo Autor
49
A análise dos gráficos permite apontar que, para todas as décadas analisadas, houve
relação espacial positiva, significativa estatisticamente. Em outras palavras, as AECs com
nível de PIB per capita semelhante tendem a estar espacialmente associadas, em todas as
décadas
18
. Embora o Indicador de Moran não permita analisar onde estão os clusters
espaciais, o resultado nos dá uma idéia da magnitude da associação espacial. Quanto maior
for o valor calculado do I de Moran, mais intensa é a associação espacial observada. O gráfico
abaixo descreve tais informações.
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
0,5
1949 1959 1970 1980 1990 2000
Anos
Moran Calculado
Gráfico 12 – Evolução do I de Moran calculado das AECs – 1949/2000
Fonte: Elaborado pelo Autor
É possível observar que houve um aumento da importância da dimensão espacial em
relação ao PIB per capita das AECs gaúchas, embora não tenha sido um aumento constante. O
maior aumento ocorreu entre a década de 1990 e 2000, sendo que neste último ano o I de
Moran apresenta o maior valor dentre os períodos analisados: 0,4341. É interessante a
constatação de que entre as décadas em que houve queda da magnitude da relação espacial,
houve aumento da dispersão entre as AECs. Já entre as décadas em que houve aumento da
magnitude da relação espacial, houve queda da dispersão entre as AECs, em relação ao PIB
per capita. Este padrão foi observado em todo o período 1949-2000.
18
Para os anos de 1990 e 2000, desconsiderou-se a AEC 32 (Triunfo).
50
2.5.2 O Teste LISA
Agora que já foram apresentados os resultados referentes ao Indicador Global de
Associação Espacial, o I de Moran, cabe mostrar os resultados referentes ao Indicador Local,
o LISA (Indicador Local de Associação Espacial). Diferentemente da estatística de Moran, o
teste LISA nos permite visualizar onde estão localizados os clusters espaciais significativos
estatisticamente. Não obstante, o I de Moran nos permitiu dizer que há, em todas as décadas,
associação espacial positiva em relação ao nível de PIB das AECs gaúchas.
Complementarmente, o teste LISA nos mostrará quais áreas apresentam relação espacial
significativa, em cada década
19
. Cabe salientar que, ao descrever os resultados, optou-se por
analisar apenas as relações espaciais positivas, ou seja, riqueza associada à riqueza e pobreza
associada à pobreza. Tal opção é coerente com o resultado dos testes I de Moran de todas as
décadas.
O Indicador de Moran Local apresenta resultados proporcionais ao I de Moran global.
Conforme apontado em Pimentel e Haddad (2004), a soma dos I
i
deve ser igual ao I de Moran
global. Esse teste, mais específico, nos permite demonstrar se em cada ponto há uma
aglomeração significativa de valores semelhantes ou ainda uma aglomeração significativa de
valores dessemelhantes. O Indicador Local é representado pela seguinte expressão:
∑
∑
=
i
i
j
jiji
i
x
xwx
I
2
Analogamente ao Indicador global, valores próximos de +1 nos remetem a existência
de relação espacial do tipo High-high e Low-low. Valores próximos de –1 nos remetem à
existência de relação espacial do tipo High-low e Low-high. Valores próximos de zero nos
indicam que a unidade não está significativamente associada espacialmente aos seus vizinhos.
A seguir são apresentados os resultados dos testes LISA, relativos às mesmas variáveis
apresentadas para o cálculo do I de Moran.
19
Para facilitar a descrição dos resultados, optamos por denominar como “riqueza” o fato de uma região
encontrar-se acima da média estadual, assim como “pobreza” o fato de uma região encontrar-se abaixo da média
estadual. Não é objetivo do presente trabalho discutir os conceitos de pobreza e riqueza, tal debate pode ser
encontrado na literatura especializada.
51
Figura 10 – LISA das AECs em relação ao PIB per capita– 1949, 1959, 1970, 1980, 1990 e 2000
Fonte: Elaborado pelo Autor
Em 1949, o principal cluster de pobreza era aquele formado pelas AECs 19 (Pinheiro
Machado), 20 (Piratini) e 51 (Camaquã). Este foi o cluster que justamente se consolidou na
década seguinte, ainda com o acréscimo da AEC 38 (Caçapava do Sul). Existiam ainda, em
1949, dois indícios de clusters de pobreza, nas AECs 33 (Tupanciretã) e 46 (Osório).
Contudo, tais clusters não se consolidaram, desaparecendo na década seguinte e também nos
testes relativos ao ano de 1970. Ainda sobre 1949, observa-se um cluster de riqueza no espaço
52
constituído pelas AECs 53 (Canoas), 10 (Farroupilha), 11 (Flores da Cunha) e 5 (Bento
Gonçalves). É interessante a constatação de que esse cluster desapareceu nas duas décadas
seguintes, conforme mostram os testes de 1959 e 1970, mas formou-se novamente, com as
mesmas AECs, no ano de 1980. Por fim, ainda em relação ao ano de 1949, havia um indício
de cluster espacial de riqueza na AEC 26 (Santa Vitória do Palmar). Tal cluster manteve-se
significativo no ano de 1959, mas a partir daí não mais.
O resultado do teste referente ao ano de 1959 é bastante parecido com o anterior, salvo
o já referido desaparecimento do cluster de riqueza das AECs 53, 10, 11 e 5 e dos clusters de
pobreza das AECs 33 (Tupanciretã) e 46 (Osório). Já o teste aplicado em dados do ano de
1970 tem como principal característica o início do desaparecimento do cluster de pobreza
verificado nas décadas anteriores. Enquanto em 1959 tal cluster era composto pelas AECs 19
(Pinheiro Machado), 20 (Piratini), 38 (Caçapava do Sul) e 51 (Camaquã), no ano de 1970
apenas a AEC 51 manteve-se estatisticamente significativa, o que era forte indício de
desaparecimento do cluster. Tal tendência se confirmou, de forma que nos testes referentes
aos anos de 1980, 1990 e 2000, nenhuma das referidas áreas se apresentou como cluster de
pobreza. Ainda sobre o ano de 1970, há mais dois fenômenos importantes a serem destacados.
Em primeiro lugar, o teste mostra o reinício da formação do cluster de riqueza observado em
1949, mas que havia desaparecido na década seguinte. Tal tendência se confirmou, como
demonstram os testes relativos aos anos a partir de 1980. Por fim, o ano de 1970 também é
marcado pelo retorno do cluster de pobreza da AEC 46 (Osório), fato que se confirmou em
1980 e 2000. Nota-se claramente que o ano de 1970 foi aquele em que menos AECs tiveram a
associação espacial dada como estatisticamente significativa.
O teste LISA do ano de 1980 consolida o reaparecimento do cluster de riqueza
composto pelas AECs 53 (Canoas), 10 (Farroupilha), 11 (Flores da Cunha) e 5 (Bento
Gonçalves). Também pode-se observar o ressurgimento do cluster de pobreza ocorrido em
1949, na região da AEC 33 (Tupanciretã), mas dessa vez acompanhando pela AEC 25 (Santa
Maria). Já o teste do ano de 1990 nos traz como tendência a considerável expansão do cluster
de riqueza que havia reaparecido em 1980. Em 1990, tal cluster foi composto pelas AECs 53
(Canoas), 3 (Antônio Prado), 5 (Bento Gonçalves), 42 (Taquari), 56 (Guaíba) e 21 (Porto
Alegre). Tal cluster manteve-se de forma praticamente igual no teste relativo ao ano 2000.
Outro fato ocorrido em 1990 que repetiu-se em 2000 foi o aparecimento da AEC 50 (São
Gabriel) como cluster de pobreza, fato que não havia ocorrido em nenhuma das décadas
anteriores. A diferença é que em 2000 esse cluster cresceu, abrangendo também a AEC 22
(Quaraí).
53
De uma maneira geral, os seis testes apresentados nos permitiram identificar onde
estavam localizadas as associações espaciais positivas indicadas pelas estatísticas de Moran
anteriormente apresentadas. Mais do que isso, a repetição dos testes de década em década
permitiu que se tivesse uma idéia da dinâmica que marcou o surgimento e o desaparecimento
dos diversos clusters nos últimos 50 anos. Como conclusão geral, pode-se apontar que os
clusters de pobreza ocorridos se deram de forma mais generalizada pelas regiões do Rio
Grande do Sul, enquanto os clusters de riqueza estiveram quase que exclusivamente
localizados em torno do eixo entre as AECs 21 (Porto Alegre) e 57 (Caxias do Sul), o que de
acordo com a regionalização adotada nos testes exploratórios anteriores classificou-se como
região Serra.
Depois de diversas análises exploratórias sobre os dados de produto e população da
economia gaúcha, o próximo capítulo nos trará o modelo estimado para testar a hipótese
neoclássica de convergência de renda. Para tanto, discute-se o modelo de Solow e faz-se
algumas colocações sobre a modelagem apropriada para testes em painel.
54
3 CRESCIMENTO E CONVERGÊNCIA NAS REGIÕES DO RIO GRANDE DO SUL
Este capítulo apresenta os resultados obtidos através dos testes econométricos
realizados, relativos à hipótese de convergência de renda no Rio Grande do Sul, no período
1949/2000. Começa-se com a apresentação formal do modelo de Solow, visto que este é a
base teórica para os testes desenvolvidos. Logo após, são expostos conceitos sobre os
diferentes tipos de convergência e suas implicações. Por fim, serão apresentados os passos
referentes à realização dos testes empíricos, a modelagem inicialmente desenvolvida por
Barro e Sala-i-Martin (1995), bem como os resultados obtidos.
3.1 O MODELO DE SOLOW
Na teoria do crescimento econômico, o modelo de Solow apresenta-se como uma das
alternativas mais utilizadas empiricamente para estimar o desempenho das economias. A
despeito do modelo ter sido idealizado para estudar a performace dos países, algumas
adaptações permitem a sua utilização para abordar o crescimento de localidades dentro de um
mesmo espaço nacional. Tal prática é facilmente encontrada na literatura, conforme já foi
apresentado no primeiro capítulo.
É importante sublinhar inicialmente que, para a formulação de seu raciocínio, Solow
considera basicamente a existência de mercados competitivos, além de funções de produção
com mobilidade dos fatores e retornos constantes de escala. Como decorrência da hipótese de
mercados de fatores perfeitos, temos que os preços destes são dados, e as firmas, buscando a
55
maximização do lucro, contratarão capital e trabalho até que estas produtividades marginais se
igualem aos respectivos preços.
Em linhas gerais, trata-se de um modelo simplificado, que considera uma economia
produzindo um único bem através de dois fatores, justamente capital e trabalho. Além disso,
considera o nível tecnológico exógeno e trabalha com a hipótese de economias fechadas.
Como sua função de produção apresenta retornos decrescentes, deduz-se daí a tendência à
convergência de renda entre as economias, no longo prazo. Não obstante, é um modelo que se
baseia nos pressupostos neoclássicos sobre as economias, ou seja, postula o ajustamento
automático ao crescimento equilibrado através do livre deslocamento de capital físico e
humano, além dos ajustes tecnológicos.
Depois do modelo de Solow, alguns autores buscaram aperfeiçoamentos para que
tivéssemos uma formalização teórica e empírica mais próxima da realidade. Um dos
principais pontos abordados foi a necessidade de endogeneizar o nível tecnológico, visto que
este é o componente que explica o crescimento de longo prazo quando as economias
encontram-se estacionárias. Tal tarefa foi executada por Romer (1986) e Lucas (1988). As
principais contribuições dos autores, além da endogeneização do nível tecnológico, foram as
discussões em torno do capital humano e das externalidades decorrentes do processo de
crescimento econômico.
Mais recentemente, modelos como os de Bem-David e Quah retomam a discussão
sobre modelos de tecnologia exógena ou endógena para analisar o crescimento econômico.
Porto Junior e Ribeiro (2000) apontam que o primeiro modelo apóia-se nas hipóteses
neoclássicas, enquanto o segundo se utiliza do crescimento endógeno com imperfeita
mobilidade de capital, violando assim uma das hipóteses anteriormente utilizadas por Solow.
Obviamente, a escolha de uma ou outra modelagem implica em diferenças nos
resultados esperados empiricamente. Aqui, trata-se especificamente das proposições relativas
ao modelo de Solow. Não obstante, diversos trabalhos aplicados têm perseguido a
endogeneização de diversos fatores explicativos do crescimento, tais como nível de capital
humano, nível de urbanização e aglomeração, nível de investimento em tecnologia. Esses
esforços não significam necessariamente negar o modelo proposto por Solow e sim buscar
explicar os fatores condicionantes do crescimento de cada localidade.
Depois dessa breve descrição das intuições e implicações do modelo proposto, cabe
uma análise mais explícita dos mecanismos que levam à suposição do crescimento
equilibrado entre economias. Uma simplificada formalização matemática do modelo de
crescimento de Solow pode ser feita partindo-se da função de produção:
56
)1(
))()(()()(
αα
−
= tLtAtKtY
10
<
<
α
Onde Y é o produto (dividido entre consumo e investimento), K é o capital e L é o
trabalho. Assume-se que L e A variam exogenamente a taxas “n” e “g”, assim pode-se
escrever, a partir dos valores iniciais de L e A, que:
nt
eLtL
)0()( =
gt
eAtA
)0()( =
Assumindo que uma unidade de produto alocada para investimento gera uma unidade
de novo capital, que o estoque de capital se deprecia à uma taxa constante e positiva e que
poupança e investimento se igualam, as mudanças no estoque de capital (ou investimento
líquido) podem ser escritas como:
KsYK
δ
−=
&
Adicionalmente, toma-se por “s” a fração constante do produto de uma economia que
é poupado e investido, e define-se o produto (Y) e o estoque de capital (K) por unidade de
trabalho eficiente
20
:
ALYy /
ˆ
=
e
ALKk /
ˆ
=
A partir desse ponto, pode-se estudar a dinâmica do capital e do produto no modelo
proposto por Solow. Diferenciando a expressão k = K/AL em relação ao tempo, tem-se que:
22
1
A
A
L
K
L
L
A
K
K
AL
k
&
&
&
−
−
=
Ou ainda:
k
A
A
L
L
AL
K
A
A
AL
K
L
L
AL
K
AL
K
k
−−=
−
−=
&
&&
&
&&
&
Como assume-se que L e A variam exogenamente a taxas “n” e “g”, sendo
KsYK
δ
−=
&
, pode-se substituir tais expressões no lado direito da equação acima, o que
resulta em:
( )
kgn
AL
KsY
k +−
−
=
δ
&
Ou
20
A nomenclatura utilizada na literatura para definir o termo (AL) é variável, também podendo utilizar-se
“unidade de eficiência”.
57
( )
kgnK
AL
sY
k +−−=
δ
&
Finalmente, considerando que o produto por unidade de eficiência pode ser definido
como
α
kALY =
/ , tem-se que:
)(
ˆ
)()(
ˆ
)(
ˆ
tkgntystk
δ
++−=
&
Ou ainda:
)(
ˆ
)()(
ˆ
)(
ˆ
tkgntkstk
δ
α
++−=
&
Onde
δ
é a taxa de depreciação do capital. A partir da equação da dinâmica do capital,
pode-se definir o estado estacionário de uma economia, que é dado por:
)1/(1
*
ˆ
α
δ
−
++
=
gn
s
k
No estado estacionário, representado pela equação acima, o estoque de capital (ALk),
está crescendo de acordo com a equação que pode ser definida como:
δ
+=+== n
L
L
A
A
K
K
Kg
&
&
&
ˆ
Já o produto (ALy), tem seu crescimento no estado estacionário representado pela
equação descrita por:
δ
+=+== n
L
L
A
A
Y
Y
Yg
&
&
&
ˆ
Portanto, finalmente, das equações apresentadas, a taxa de crescimento do produto por
trabalhador e estoque de capital por trabalhador podem ser escritas como:
δ
=−=
L
L
gg
KLK
&
ˆˆ
/
e
δ
=−=
L
L
gg
YLY
&
ˆˆ
/
Dessa forma, efetuou-se uma breve apresentação do modelo de crescimento de Solow,
explicitando suas principais equações e suas conseqüentes implicações em uma economia. Por
fim, é necessário expor algumas predições do modelo, as quais: as razões K/AL e Y/AL são
constantes no estado estacionário; a taxa de crescimento de Y/L no estado estacionário
58
depende somente de A; o produto (Y), o estoque de capital (K) e a eficiência do trabalho (AL)
crescem à mesma taxa no estado estacionário, dada pela soma das taxas de crescimento de L e
A; por fim, uma variação negativa na taxa de crescimento do trabalho (n) eleva o estoque de
capital por trabalhador (k) e o produto por trabalhador (y), diminuindo assim as taxas de
crescimento de Y, K e AL.
3.2 OS CONCEITOS DE CONVERGÊNCIA DE RENDA
O ponto de partida para a maioria dos trabalhos que visam estimar a convergência
de renda entre regiões é o instrumental desenvolvido por Barro e Sala-i-Martin (1995).
Trabalha-se basicamente com três definições de convergência: a primeira, mais simples e
intuitiva, é a sigma convergência, verificada através da dispersão da renda entre as
regiões
21
; uma segunda definição é a da beta-convergência absoluta, onde as regiões
possuem parâmetros iniciais iguais, e portanto alcançarão no longo prazo o mesmo estado
estacionário
22
; finalmente, a beta-convergência condicional, onde as regiões possuem uma
dotação inicial de recursos que pode ser diferente, e portanto poderão convergir para
estados estacionários diferentes. Definições mais rigorosas sobre esses dois conceitos
podem ser extraídas de manipulações matemáticas do modelo de Solow. Uma definição
intuitiva e aplicável a trabalhos empíricos dos conceitos de beta e sigma convergência pode
ser apresentada como:
-
beta-convergência absoluta (β-convergência): ocorre quando existe
correlação negativa entre as taxas de crescimento da renda real per capita e o
nível inicial da renda per capita
23
, ou seja, ela prevê que economias mais
atrasadas cresçam a ritmos maiores que economias mais desenvolvidas e em
conseqüência, a renda per capita dessas economias se igualem no longo
prazo. A imperfeição desta afirmativa é supor que todas as economias
21
Os resultados sobre sigma convergência foram expostos no segundo capítulo, bem como uma breve descrição
de sua definição teórica.
22
Estágio de uma economia em que não há mais crescimento por unidade de eficiência.
23
Ou o nível de renda no período (t-1), em aplicações de dados de painel.
59
possuem tecnologias, instituições, preferências e outras características
idênticas. Barro e Sala-i-Martin (1995)
-
beta-convergência condicional: considera que as economias apresentam
características diferentes e que cada uma apresenta um estado estacionário
diferente. Em conseqüência, as economias pobres crescem a um ritmo maior
que as regiões ricas, mas não necessariamente atingem o mesmo nível de
renda per capita. Ou seja, há convergência condicional apenas no sentido de
que as economias crescem a taxas maiores, quanto maior for sua distância
em relação à taxa de crescimento de longo prazo. Barro e Sala-i-Martin
(1995).
-
sigma convergência (σ-convergência): considera a dispersão da renda per
capita entre as economias no tempo. Segundo esse conceito, há convergência
se o desvio-padrão da renda de um conjunto de regiões decrescesse no longo
prazo. Ela implica que a variação nas suas rendas com relação à média tenha
declinado, ou seja, ocorre convergência quando há um contínuo declínio no
coeficiente de variação. Barro e Sala-i-Martin (1995).
3.3 A MODELAGEM ECONOMÉTRICA: DADOS DE PAINEL
Como já foi brevemente exposto, a literatura de economia regional apresenta
diferentes métodos para a estimação da convergência de renda entre regiões. Neste ponto, será
apresentada a modelagem adequada para testes utilizando dados em painel, além de algumas
comparações com as regressões que utilizam dados cross-section. Em virtude dos retornos
decrescentes do capital, já que na função de produção apresentada por Solow temos que:
10
<
<
α
, a literatura de crescimento toma como evidência de convergência a relação
negativa entre o nível inicial de renda (ou PIB), que nesse caso é usada como proxy do
estoque de capital, e a taxa de crescimento no período estudado. Como observam Menezes e
Azzoni (2000), é importante visualizar que tal correlação negativa tem sido descrita na
literatura como um indicativo de convergência, tanto em relação ao nível de renda como em
relação à taxa de crescimento observada.
60
Nos modelos cross-section, a prática consiste em regredir a renda inicial em função do
crescimento observado, de forma que o sinal negativo do coeficiente
β
indica a ocorrência de
convergência (absoluta). Para buscar captar as diferentes dotações iniciais das regiões, desta
forma estimando a convergência condicional, têm se popularizado na literatura o uso de
proxies de capital humano, urbanização, etc. Tal prática pode ser visualizada em Pimentel e
Haddad (2004), entre outros autores. Contudo, como tais modelos utilizam apenas um período
na regressão, estes estudos não levam em conta as características que podem afetar as
dotações iniciais das regiões. Tal limitação é superada quando se utilizam dados em painel, já
que são considerados mais períodos
24
.
Um modelo de dados de painel que seja do tipo Efeito Fixo contorna o chamado
problema do viés da variável omitida, presente no estimador de mínimos quadrados ordinários
(MQO), já que este se caracteriza pela inclusão de uma variável explicativa que varia entre as
regiões, mas é fixa no tempo. Assim, esta variável age de forma a captar as características
específicas de cada localidade, que podem ser de difícil mensuração empírica, como por
exemplo o ambiente cultural, o nível tecnológico, etc. Como descrito em Menezes e Azzoni
(2000), uma equação simples de estimação do modelo de Solow em dados de painel estático
25
pode ser definida como:
gt
etLtA
tY
tLtA
tY
ty
)()(
)(
)()(
)(
)(
ˆ
==
Aplicando logaritmo:
gtAtygtA
tL
tY
ty −−=−−
= )0()()0(ln
)(
)(
ln)(
ˆ
Onde y(t) é o produto per capita. Considerando que o termo A(0) representa, além do
nível tecnológico, as dotações iniciais de cada região, escreve-se, ainda de acordo com
Menezes e Azzoni (2000), que eA
+
=
α
)0(ln , onde
α
é constante enquanto “e” capta os
24
Uma forma mais simples de se verificar a dinâmica do processo de convergência é a aplicação de funções de
densidade kernel. Contudo, o formato externo da função não permitirá a identificação das regiões. Uma breve
exposição sobre tais funções pode ser encontrada em Laurini, Andrade e Pereira (2003).
25
No modelo estático, assume-se que as variáveis explicativas não dependem do erro, que por sua vez deve estar
aleatoriamente distribuído, com média zero e variância constante igual a
2
σ
.
61
choques aleatórios ocorridos nas regiões, como mudanças políticas, sociais, comportamentais,
etc. Após manipulação algébrica
26
, encontra-se a equação para o nível inicial de renda:
+−−++
−
−−
−
−=−
−−−
)(ln)1()ln(
1
)1()ln(
1
)1()(ln)(ln
112
tyegnesetyty
βτβτβτ
δ
α
α
α
α
)()0(ln)1(
12
tetgAe
βτβτ
−−
−+−
Onde o expoente
β
representa )1)((
α
δ
−
+
+
gn e o expoente
τ
representa (t
2
-t
1
). Na
literatura sobre dados de painel, o efeito fixo é representado pelo termo )0(ln)1( Ae
βτ
−
− e o
efeito aleatório corresponde ao termo )(
12
tetg
βτ
−
− . Como ambos estão explicitados na
equação apresentada, deixam de fazer parte do erro da regressão. Segundo Silva e Cruz Jr
(2004), a escolha da especificação do modelo de painel depende fundamentalmente do
objetivo da pesquisa e da origem dos dados. Caso o intuito seja analisar o comportamento de
uma unidade econômica individual, ou de todas as regiões de um determinado estado, de
modo que não exista escolha da amostra, o modelo de efeito fixo deve ser o mais
apropriado
27
. Contudo, a escolha da especificação a ser utilizada pode ser feita através do
teste de Hausman, que segundo Silva e Cruz Jr (2004) é definido como:
[ ]
)(
2
2
)()(
)(
k
ii
ii
X
VARBVAR
b
W −
−
−
=
β
β
Onde
i
b é o estimador de efeitos fixos e
i
β
o estimador de efeitos aleatórios. Caso o
valor da estatística qui-quadrado calculado exceder o valor da tabela, o método de estimação
por efeitos aleatórios é mais adequado; caso não exceda o valor da tabela, deve-se utilizar a
especificação de efeitos fixos.
Assim, ainda sem fazer a definição sobre qual especificação será utilizada, pode-se
apresentar, em linhas gerais, o modelo a ser testado neste estudo através da seguinte equação,
que corresponde a um modelo estático de dados em painel:
itittititiit
vmyy
εµηλλλα
++++++=∆
−−− 1,31,21,1
26
O desenvolvimento matemático completo desta modelagem pode ser encontrado em Menezes e Azzoni
(2000). Apresenta-se aqui apenas as principais equações.
27
A literatura sobre crescimento indica a utilização de estimadores de efeitos fixos para o teste da convergência,
visto que nesse caso não há nenhum tipo de escolha em relação à amostra, são consideradas todas as unidades
geográficas disponíveis.
62
Onde:
=∆
it
y
crescimento da região
i
no período
t
=
α
intercepto
1, −ti
y
= renda da região
i
no período
(t-1)
1, −ti
m
= saldo migratório da região
i
no período
(t-1)
v
i, t-1
=
renda dos vizinhos da região
i
no período
(t-1)
t
η
= estimador de efeito aleatório no período
t
i
µ
= estimador de efeito fixo na região
i
it
ε
= termo de erro da região
i
no período
t
Espera-se, de acordo com a teoria de crescimento considerada, que
1
λ
seja negativo,
indicando a ocorrência de convergência de renda; que
2
λ
seja positivo, indicando que a
migração ocorre em direção às localidades que crescem mais; e que
3
λ
seja positivo,
indicando que a renda dos vizinhos contribui para o crescimento econômico das regiões.
3.4 EVIDÊNCIAS EMPÍRICAS SOBRE A RELAÇÃO ENTRE MIGRAÇÃO E
CRESCIMENTO ECONÔMICO
Está amplamente exposto na literatura o mecanismo pelo qual o deslocamento da
população entre as regiões tende a afetar o nível de renda per capita. Resumidamente, pode-se
dizer que as regiões onde a relação capital-trabalho é elevada tende a apresentar maior
remuneração ao capital humano, ocasionando assim fluxo migratório positivo. O primeiro
trabalho a testar a hipótese de que a migração deveria ter impacto sobre o crescimento
econômico das regiões brasileiras foi o de Cançado (1999). Tal trabalho está fundamentado
nos modelos propostos por Barro e Sala-i-Martin (1995), que estimaram o impacto da
migração no crescimento econômico observado nos Estados Unidos e no Japão. No Brasil, a
partir do trabalho de Cançado (1999), alguns estudos estimaram a relação entre fluxos
migratórios e variáveis econômicas, tais como salário, PIB e renda.
Contudo, existem outros fatores teóricos que explicam a taxa de migração entre
regiões. Em diversos trabalhos, dentre os quais, Silveira Neto e Justo (2006) são testadas
63
algumas variáveis que tendem a impactar a decisão individual de migração. Os resultados
encontrados pelos autores sugerem que, além da renda esperada e da possibilidade de
conseguir emprego, fatores espaciais também são importantes para a tomada de decisão, de
modo que a distância e a densidade demográfica foram significativas estatisticamente no
modelo proposto. Esta pode ser uma explicação para o fato do Rio Grande do Sul ser o
Estado com o menor índice de migração do país, a despeito de ser uma das economias mais
fortes do Brasil, e fortalece a importância de pesquisas que expliquem as mudanças estruturais
da população dentro do Estado.
Outro aspecto interessante presente na literatura, e que pode servir como argumento
para a sustentação da idéia de que a migração afeta o crescimento econômico é a hipótese dos
migrantes serem um grupo com características pessoais diferenciadas, quando comparados ao
resto da população. O trabalho de Menezes-Filho e Ferreira (2003) testa essa hipótese
analisando os estados brasileiros e expõe que os migrantes tendem a conseguir melhores
remunerações pelo trabalho, mesmo quando controlados os demais fatores que influenciam
esta dimensão, como gênero, experiência e escolaridade. A conclusão geral dos autores é que
o fluxo de trabalhadores mais produtivos dos estados mais pobres para os mais ricos pode
estar agravando as diferenças inter-regionais de renda no Brasil.
Assim como Menezes-Filho e Ferreira. (2003), grande parte dos trabalhos publicados
nesta área analisam a questão “migração
versus
renda” a partir dos estados brasileiros.
Contudo, esta mesma literatura mostra evidências de que, no Rio Grande do Sul, o fluxo
migratório interno é de grande importância. O primeiro fato é que o Estado apresenta
características culturais bastante peculiares, o que age como um incentivo negativo para que o
fluxo migratório inter-estadual ocorra; o segundo fato refere-se à distância, já que o Estado
encontra-se no extremo sul do país, apresentando custos maiores para deslocamento; fatores
climáticos também são apontados na literatura como importantes na decisão do migrante,
sendo que no Rio Grande do Sul a temperatura média é relativamente baixa.
Por outro lado, como já referido, excetuando-se os períodos em que houve um
deslocamento de parte da população gaúcha para o povoamento do Paraná e do Mato Grosso,
a parcela de moradores gaúchos que saem do Estado é estável e relativamente baixa (10% da
população). Ao mesmo tempo, ocorreram processos importantes de redistribuição
populacional dentro do Estado, destacando-se o esvaziamento das regiões menos urbanizadas
e o fluxo intenso em direção à região metropolitana. Baseado nessas evidências será testado se
as diferenças entre os fluxos populacionais entre as AECs gaúchas influenciou seus
desempenhos econômicos.
64
3.5 A BASE DE DADOS UTILIZADA
A base de dados utilizada neste trabalho foi inicialmente construída em Alonso et al.
(1986), onde são fornecidos dados sobre o PIB e a população do Estado do Rio Grande do
Sul, para os anos de 1939, 1949, 1959, 1970 e 1980. Como trata-se de uma série longa, se fez
necessária a regionalização dos municípios gaúchos em áreas estatisticamente comparáveis
(AEC), já que em função das emancipações ocorridas, um mesmo município não representaria
necessariamente a mesma área geográfica do início ao fim do período. Desta forma, a
regionalização permite a utilização de uma série longa, sem que os dados apresentem-se
viesados.
Posteriormente, o trabalho de Monasterio e Ávila (2004b) completou a série
regionalizada até o ano de 2000. Assim, como resultado final, obteve-se uma série de PIB e
população de 58 áreas estatisticamente comparáveis do Rio Grande do Sul, para os anos de
1939, 1949, 1959, 1970, 1980, 1985, 1990, 1996, 1997, 1998, 1999 e 2000. Os valores
referentes ao PIB foram convertidos em reais (R$) do ano 2000.
3.5.1 O PIB per capita
Como já exposto, utiliza-se nesse trabalho o nível de PIB per capita como
proxy
do
nível de renda das localidades estudadas. Além dos conhecidos problemas na utilização de
dados de produto, alguns inconvenientes podem surgir em função do nível de agregação
espacial utilizado. As AECs são, em sua maioria, unidades relativamente pequenas, de modo
que em alguns casos o produto pode ser gerado em uma localidade e apropriado por
habitantes de uma AEC vizinha. Tentou-se contornar esse problema com a inclusão da
variável PIB médio da vizinhança de cada localidade. Em linhas gerais, é necessário cautela
ao avaliar a efetiva situação econômica da população destas AEC com base no PIB per capita.
De acordo com Monasterio e Ávila (2004b), se este for o intuito, os dados de renda per capita
seriam mais recomendáveis. Por outro lado, se o objetivo for analisar a concentração espacial
da produção, o PIB é mais apropriado.
65
Ao tratarem do mesmo problema, Monasterio e Ávila (2004b) calculam a correlação
entre os dados de renda per capita e PIB per capita para o ano de 2000. Os testes são feitos
entre as AECs e entre os municípios gaúchos. Os autores constatam que, para o ano 2000, a
correlação entre os dados das AEC é relativamente baixa. O valor obtido no teste é de 0,35; e
com a exclusão da AEC 32 (Triunfo) a correlação aumenta para 0,49. Contudo, vale ressaltar
que a baixa correlação não é um problema acarretado pela utilização de AEC como unidade
de estudo. O mesmo teste de correlação entre PIB e renda para os 467 municípios gaúchos
mostrou um valor de 0,44. Ou seja, não muito distante do obtido em relação às AEC. Os
autores concluem que existem diferenças entre os valores de produto e renda, quer para os
municípios, quer para as AEC. Contudo, tais diferenças não decorrem do nível de agregação.
3.5.2 O PIB per capita da Vizinhança
Os testes exploratórios realizados no capítulo 2 fortaleceram a idéia de que a dimensão
espacial é importante na explicação do crescimento econômico. O instrumental desenvolvido
por Anselin (1995) nos permitiu verificar que existe uma relação espacial positiva e
significativa entre as AECs gaúchas no período analisado. Coube então, incluir esta variável
nos painéis montados para verificar a hipótese de convergência no Rio Grande do Sul.
Para tanto, utilizou-se a mesma matriz de contigüidade exposta no capítulo anterior
28
,
e calculou-se assim o PIB per capita médio de cada AEC gaúcha, em cada um dos períodos
analisados. Assim, espera-se que a variável impacte positivamente o crescimento no período,
confirmando os resultados de associação espacial obtidos. Cabe salientar que esta hipótese já
foi testada para o Rio Grande do Sul no período 1939/2000, no trabalho de Monasterio e
Ávila (2004). Contudo, os autores não utilizaram o instrumental dos dados de painel.
28
Matriz padrão Queen, com grau de vizinhança igual a 1.
66
3.5.3 O Saldo Migratório
No presente trabalho, foram necessárias consideráveis adaptações para que se tivesse
uma
proxy
do fluxo migratório entre as AECs gaúchas no período 1949-2000. Isto porque só
existem dados disponíveis para as AECs sobre população. Calculou-se então o crescimento
populacional estadual médio e o crescimento populacional de cada AEC entre as décadas
analisadas. Logo depois, considerou-se como indício de saldo migratório positivo caso uma
AEC tenha crescimento populacional consideravelmente superior á média estadual. É
importante que se tenha cautela com as interpretações de tais dados, visto que são apenas uma
proxy
de fluxo migratório, assim como o PIB per capita foi utilizado como
proxy
de renda per
capita. As limitações das variáveis são compensadas pela disponibilidade de dados por um
longo período de tempo, o que permite uma análise mais segura sobre os fenômenos
estudados.
Ademais, especificamente em relação à população, Jardim (2002) expõe que em
regiões pequenas – ao contrário de estados e países – normalmente a migração é o
componente mais importante para a explicação do crescimento populacional. Tal afirmação
serve como justificativa para a adaptação aqui utilizada. São conhecidas as limitações das
adaptações aqui realizadas, mas acredita-se que elas não serão prejudiciais para o propósito do
trabalho. Uma discussão mais aprofundada sobre aspectos empíricos e teóricos relativos às
migrações internas pode ser conferida em Carvalho e Rigotti (1998).
3.6 OS RESULTADOS OBTIDOS
Nesta seção, serão apresentados e discutidos os resultados obtidos com os diferentes
modelos utilizados para verificar a hipótese de convergência de renda no Rio Grande do Sul.
Primeiramente, serão discutidos os resultados do modelo que estimou a convergência absoluta
entre as AECs gaúchas. Em um segundo momento, serão apresentados os resultados dos
modelos que estimaram a convergência condicional, através do modelo de efeitos fixos, e
também com a inclusão de uma variável espacial
29
. Neste ponto, apresenta-se um modelo com
29
O teste de Hausman confirmou que o modelo de efeito fixo é mais apropriado do que o de efeito aleatório. O
valor do teste foi de 34,35, inferior ao tabelado (79,082). Neste caso, aceita-se a hipótese nula e conclui-se que
os erros não estão correlacionados com a variável de interesse.
67
o coeficiente beta médio e outro com um coeficiente para cada AEC. Além disso, substitui-se
o modelo de efeito fixo por um modelo com
dummies
regionais.
Por fim, estima-se novamente os mesmos modelos, mas com a inclusão da variável
saldo migratório, para verificar se a velocidade de convergência foi alterada. Cabe salientar
que em todos os modelos apresentados foi utilizado o procedimento de mínimos quadrados
generalizado e a heteroscedasticidade foi corrigida por
White
.
3.6.1 Convergência Absoluta (1949/2000)
Para estimar a convergência absoluta através de dados de painel, utiliza-se um modelo
com coeficiente angular e intercepto únicos. Desta forma, usam-se todas as informações
disponíveis por década, mas não condiciona-se o crescimento com a utilização de efeitos
fixos. A tabela a seguir resume os resultados.
Tabela 2 – Convergência Absoluta entre AECs (1949/2000)
ESPECIFICAÇÃO I
Método Dados de Painel
Constante -0,0022
(-2,2349)
Coeficientes:
Y
(t-1)
-0,0155
(-5,1456)
R
2
0,0766
R
2
ajustado 0,0734
Estatística F 23,5045
NOTA: valores t entre parênteses.
FONTE: Elaboração Própria
Os resultados da especificação I sugerem uma velocidade de convergência bastante
baixa entre as AECs gaúchas, em torno de 1,55%. Neste ritmo, as economias levariam quase
45 anos para percorrer metade da distância até o estado estacionário
30
. O coeficiente de
determinação R
2
também é bastante baixo, sugerindo que a hipótese de que as AECs estão
30
A fórmula que permite o cálculo da meia-vida é
i
β
)2log(
. Detalhes podem ser conferidos em Barro e Sala-i-
Martin (1995).
68
convergindo para o mesmo estado estacionário não é adequada. Tal resultado está em
concordância com a literatura sobre convergência de renda no Brasil. Em função disso,
estima-se na próxima seção os testes relativos à convergência condicional.
3.6.2 Convergência Condicional (1949/2000)
Aqui serão apresentados 4 modelos distintos. Nos modelos II e III, estima-se a
convergência condicional através da especificação de efeitos fixos. No modelo II é estimada
apenas a velocidade de convergência média das AECs (estimador comum), enquanto no
modelo III estima-se um coeficiente para cada AEC, permitindo verificar exatamente quais
estão convergindo, e qual a velocidade. Alternativamente, são estimados dois modelos nos
mesmos moldes (IV e V), apenas substituindo os efeitos fixos por
dummies
regionais. Foi
inserida em todos os modelos a variável que capta o PIB per capita médio das AECs vizinhas
como explicativa do crescimento. A tabela a seguir resume os resultados obtidos.
Tabela 3 – Convergência Condicional entre AECs (1949/2000)
ESPECIFICAÇÃO II III IV V
Método Efeito Fixo Efeito Fixo Dummies Dummies
Constante - - -0,0046 -0,0129
- - (-4,0364) (-4,5853)
Coeficientes:
Y
(t-1)
-0,0659 - -0,0243 -
(-11,1432) - (-7,5019) -
Yviz
(t-1)
0,0204 0,0206 0,0129 0,0228
(2,7924) (2,1101) (2,1257) (3,1266)
D Serra - - 0,0120 0,0220
- - (4,7948) (5,0533)
D Campanha - - - 0,0081
- - - (2,4543)
R
2
0,3889 0,6131 0,1594 0,3854
R
2
ajustado 0,2320 0,3536 0,1504 0,2207
Estatística F 2,4798 2,3633 17,7634 2,3411
NOTA: (a) valores t entre parênteses. (b) foram omitidos os resultados da Dummy Planalto, visto que ela não
foi significativa ao nível de 95% de confiança.
FONTE: Elaboração Própria
69
Cabe salientar que nas especificações III e V não há na tabela o valor do coeficiente
estimado Y
(t-1)
, visto que foram calculados estimadores individuais para cada AEC. Da mesma
forma, nos modelos II e III não estão representados os interceptos, pois há uma constante para
cada AEC, justamente captando o efeito fixo. O resultado mais geral que se pode salientar, em
relação aos quatro modelos, é que a hipótese de convergência condicional se mostra mais
adequada em relação à convergência absoluta. Prova disso é que tanto os modelos de efeitos
fixos quanto os modelos com as
dummies
mostraram-se mais eficientes do que o demonstrado
na especificação I. Outra conclusão aplicável aos quatro modelos é que o PIB per capita
médio da vizinhança influenciou positivamente o crescimento das AECs gaúchas no período,
embora de maneira suave. Tal resultado é coerente com os testes Moran e LISA apresentados,
os quais identificavam uma relação positiva entre as AECs gaúchas.
No que tange à comparação específica entre os modelos II e IV, nota-se que a
especificação de efeitos fixos mostrou-se mais adequada do que a especificação com as
dummies
. Tal resultado pode ser obtido através da comparação do R
2
ajustado, que no modelo
II é consideravelmente maior. No modelo IV só a
dummy
relativa à Serra mostrou-se
significativa, mas mesmo assim o impacto estimado foi bastante pequeno, embora positivo.
No modelo II, tanto a velocidade de convergência quanto o impacto da vizinhança sobre o
crescimento das AECs mostrou-se maior. A velocidade de convergência média estimada foi
de 6,59%, valor sensivelmente superior também ao encontrado na especificação I. Neste
modelo, o período necessário para que as AECs percorressem metade da distância até o estado
estacionário é de aproximadamente 10 anos. Comparando os modelos III e V, novamente
pode-se supor que a especificação de efeitos fixos é mais adequada do que a das
dummies
. Tal
resultado parece indicar que as características individuais de cada AEC explicam com muito
mais consistência seu desempenho do que as características da região a qual ela pertence.
Novamente constata-se que o R
2
ajustado do modelo III é bastante superior ao do modelo V.
Cabe ainda uma análise mais detalhada dos resultados obtidos através do modelo III,
visto que – até então – ele apresenta a especificação com os melhores resultados. Nesta
especificação, foram estimados efeitos fixos individuais para cada AEC. Das 57 analisadas,
14 tiveram o intercepto individual significativo, ou seja, essas AECs apresentaram
características próprias, não explicitadas no modelo, que influenciaram seu crescimento. As
localidades que tiveram a constante significativa foram: 12 (General Câmara), 23 (Rio
Grande), 28 (São Francisco de Assis), 30 (São Pedro do Sul), 34 (Uruguaiana), 37 (São Sepé),
41 (Teutônia), 43 (Viamão), 48 (Canguçu), 51 (Camaquã), 52 (Cachoeira do Sul), 54
(Vacaria), 55 (Passo Fundo) e 57 (Caxias do Sul).
70
Já em relação à hipótese de convergência, das 57 AECs analisadas, 31 apresentaram o
coeficiente beta significativo, das quais 29 com sinal negativo, ou seja, convergindo. Apenas
as AECs 3 (Antônio Prado) e 34 (Uruguaiana) estariam divergindo. È interessante constatar
que das 14 AECs cujo o intercepto mostrou-se significativo, apenas as AECs 34 (Uruguaiana)
e 41 (Teutônia) não estão convergindo. As outras 17 AECs convergentes são: 7 (Candelária),
8 (Dom Pedrito), 14 (Jaguarão), 15 (Nova Esperança do Sul), 16 (Lavras do Sul), 22 (Quaraí),
27 (Santiago), 31 (Torres), 33 (Tupanciretã), 36 (São Borja), 39 (Lajeado), 42 (Taquari), 45
(Santo Antônio da Patrulha), 46 (Osório), 50 (São Gabriel), 53 (Canoas) e 58 (São Francisco
de Paula). Considerações sobre a velocidade de convergência de cada AEC serão feitas na
seção seguinte, pois ela inclui o impacto da migração no crescimento observado no período.
3.6.3 Convergência Condicionada pela Migração (1949/2000)
Nesta seção, repetem-se os modelos estimados na seção anterior, mas com o
acréscimo da variável explicativa Saldo Migratório. De acordo com o modelo de Solow, a
mobilidade perfeita de mão-de-obra dentro de uma localidade, no caso o Rio Grande do Sul,
tenderá a equalizar o produto no longo prazo, ou seja, agirá no sentido de contribuir para a
convergência entre as AECs. Espera-se, portanto, que a variável tenha relação positiva com o
crescimento, e que acelere a velocidade de convergência estimada nos modelos anteriores. A
tabela a seguir resume as informações.
Tabela 4 – Convergência Condicional com Migração entre AECs (1949/2000)
ESPECIFICAÇÃO VI VII VIII IX
71
Método Efeito Fixo Efeito Fixo Dummies Dummies
Constante - - -0,0046 -0,0129
- - (-4,0148) (-4,5201)
Coeficientes:
Y
(t-1)
-0,0697 - -0,0243 -
(-11,5134) - (-7,3566) -
Yviz
(t-1)
0,0272 0,0259 0,0128 0,0237
(3,2402) (2,4692) (2,0979) (3,1876)
Mig
(t-1)
0,0221 0,03167 - -
(2,7038) (3,5354) - -
D Serra - - 0,0120 0,0218
- - (4,6944) (4,9489)
D Campanha - - - 0,0091
- - - (2,5481)
R
2
0,4084 0,6415 0,1587 0,3881
R
2
ajustado 0,2533 0,3976 0,1467 0,2208
Estatística F 2,6332 2,6305 13,2108 2,3195
FONTE: Elaboração Própria
Observa-se que nos modelos VIII e IX, com a utilização de
dummies
ao invés de
efeitos fixos, a variável Saldo Migratório não se mostrou significativa estatisticamente. Com
isso, os resultados obtidos são praticamente idênticos aos encontrados nos modelos anteriores
IV e V. Contudo, novamente a análise dos coeficientes de determinação nos permite dizer que
os modelos de efeito fixo são mais adequados do que os modelos com
dummies
. Desta forma,
as análises serão mais centradas nos modelos VI e VII, nos quais a inclusão da variável Saldo
Migratório foi aceita, apresentando-se significativa estatisticamente e alterando a velocidade
de convergência entre as AECs.
O modelo VI é diretamente comparável ao II, visto que são idênticos, exceto pela
inclusão da variável migração. Os sinais obtidos nas duas especificações continuam os
mesmos, sendo esperados pela teoria de crescimento aqui adotada. Observa-se que a
consideração da variável migração aumentou a velocidade de convergência média entre as
AECs em 0,38%. Tal resultado é compatível com o encontrado na literatura brasileira, embora
esta analise as relações entre os estados da federação. O trabalho de Cançado (1999) estimou
que o impacto da migração sobre a convergência é muito pequeno, ou até mesmo
desconsiderável. Contudo, essas análises referem-se à velocidade de convergência média. Os
modelos III e VII, ao invés disso, estimam a velocidade de convergência de cada AEC e,
consequentemente, o impacto da migração em cada localidade estudada.
72
O modelo VII nos mostra que, das 57 AECs analisadas, 33 tiveram a variável Y
(t-1)
explicando o próprio crescimento no período t. Destas 33 AECs, 31 estão convergindo,
enquanto as AECs 3 (Antônio Prado) e 34 (Uruguaiana) estão divergindo, assim como
encontrado no modelo III. Contudo, no modelo III o número de AECs tendo o seu
crescimento explicado pelo PIB per capita em t-1 foi menor (31 AECs). Outro fator a ser
exposto é que o R
2
ajustado do modelo VII é superior ao do modelo III.
Primeiramente, vale destacar a situação de seis AECs, visto que estas tiveram seus
resultados diretamente influenciados pela inclusão do saldo migratório como variável
explicativa. A AEC 6 (Bom Jesus) não aparecia entre aquelas que estavam convergindo no
modelo III, enquanto no modelo VII ela não só converge, como é a localidade com maior
velocidade de convergência: 33,6%. Esse resultado indica que a AEC alcançaria metade da
distância até seu estado estacionário em apenas 2 anos. Tal constatação indica que o saldo
migratório é o principal fator pelo qual a AEC está se aproximando das demais localidades do
Estado. Situação semelhante encontra-se em relação à AEC 10 (Farroupilha), visto que no
modelo III ela não apresentava-se como área convergente e no modelo VII passa a convergir
com velocidade de 11%. Novamente, pode-se supor que o componente populacional está
colaborando para o processo de convergência. Na mesma linha, a AEC 24 (Rio Pardo) passou
a apresentar no modelo VII convergência significativa ao nível de 95% de confiança
estatística, com velocidade de 4%.
Por fim, fechando o grupo das AECs que passaram a mostrar-se convergentes com a
inclusão da variável saldo migratório, encontra-se a AEC 56 (Guaíba), que apresentou
velocidade de convergência de 7,7%. Em situação oposta, as AECs 31 (Torres) e 43 (Viamão)
deixaram de apresentar-se como convergentes depois da inclusão da variável migração. No
modelo III, elas convergiam respectivamente com velocidade 7% e 5,8%. Tal resultado indica
que, nessas localidades, o fluxo populacional não atuou no sentido previsto pelo modelo de
Solow.
Existem ainda aquelas AECs que mostraram-se convergentes e estatisticamente
significativas nos dois modelos analisados, mas tiveram a velocidade de convergência
alterada com a inclusão da migração. Em um primeiro grupo, classificou-se aquelas AECs que
tiveram a velocidade de convergência alterada em menos de 1%, são elas: 7 (Candelária), 12
(General Câmara), 14 (Jaguarão), 22 (Quaraí), 23 (Rio Grande), 27 (Santiago), 28 (São
Francisco de Assis), 34 (Uruguaiana), 36 (São Borja), 37 (São Sepé), 39 (Lajeado), 42
(Taquari), 45 (Santo Antônio da Patrulha), 46 (Osório), 50 (São Gabriel), 51 (Camaquã), 53
(Canoas) e 58 (São Francisco de Paula). Destaca-se que estas são as AECs em que a inclusão
73
do saldo migratório afetou mais levemente o desempenho em termos de velocidade de
convergência, assim como o ocorrido com o estimador fixo mostrado no modelo VI.
Em um segundo grupo, colocou-se aquelas AECs que tiveram a velocidade de
convergência diminuída em pelo menos 1% com a inclusão do saldo migratório como variável
explicativa do crescimento econômico. São elas as AECs 15 (Nova Esperança do Sul) (1%),
16 (Lavras do Sul) (2%), 33 (Tupanciretã) (1%) e 57 (Caxias do Sul) (2%). Finalmente, em
um terceiro grupo, classificou-se as AECs que tiveram a velocidade de convergência
aumentada em pelo menos 1 ponto percentual. São elas as AECs 8 (Dom Pedrito (1%), 30
(São Pedro do Sul) (1%), 48 (Canguçu) (2%), 52 (Cachoeira do Sul) (1%), 54 (Vacaria) (4%)
e 55 (Passo Fundo) (3%). Vale ressaltar que, a despeito do saldo migratório ter alterado pouco
a velocidade de convergência média, exposta no modelo VI, a análise do modelo VII nos
permite verificar que o entendimento da situação específica de várias AECs modificou-se
consideravelmente quando analisou-se a migração como variável explicativa do crescimento.
Este é um indício de que as relações entre as variáveis aqui analisadas não são exatamente
lineares, homogêneas, merecendo portanto um detalhamento quando da análise dos
resultados, sempre que possível.
Cabe ainda classificar as AECs quanto à velocidade de convergência. Existem duas
AECs - 6 (Bom Jesus) e 54 (Vacaria) - que estão convergindo em ritmo bastante superior às
demais, com velocidades de 33,6% e 26,5%, respectivamente. Depois destas, existe um grupo
de AECs convergindo com uma velocidade em torno de 15%, o que também é considerado
alto quando compara-se com os resultados expostos na literatura. Dentre estas AECs estão: 8
(Dom Pedrito), 12 (General Câmara), 28 (São Francisco de Assis), 30 (São Pedro do Sul), 33
(Tupanciretã), 37 (São Sepé), 39 (Lajeado), 46 (Osório), 48 (Canguçu), 51 (Camaquã), 52
(Cachoeira do Sul), 55 (Passo Fundo) e 57 (Caxias do Sul).
Há ainda um grupo de AECs com velocidade de convergência em torno de 10%,
dentre as quais, 10 (Farroupilha), 15 (Nova Esperança do Sul), 16 (Lavras do Sul), 23 (Rio
Grande), 27 (Santiago), 36 (São Borja), 45 (Santo Antônio da Patrulha), 53 (Canoas), 56
(Guaíba) e 58 (São Francisco de Paula). Por fim, as AECs com menor velocidade de
convergência, em torno de 5%: 7 (Candelária), 14 (Jaguarão), 22 (Quaraí), 24 (Rio Pardo), 42
(Taquari) e 50 (São Gabriel). A tabela a seguir apresenta a meia-vida calculada para cada uma
das AECs convergentes. Este resultado indica, como já exposto, qual o período que cada
localidade demoraria para percorrer metade da distância entre seu ponto atual e seu estado
estacionário. Vale repetir que, neste ponto, trabalha-se com a hipótese de estados
estacionários diferentes entre as AECs.
74
Tabela 5 – Velocidade de Convergência e Meia-Vida das AECs (1949/2000)
AECs Convergentes (VII) Velocidade de Converg. Meia-Vida Estimada
AEC 6 (Bom Jesus)
0,34 2
AEC 7 (Candelária) 0,05 13
AEC 8 (Dom Pedrito) 0,13 5
AEC 10 (Farroupilha) 0,11 6
AEC 12 (General Câmara) 0,15 5
AEC 14 (Jaguarão) 0,03 24
AEC 15 (Nova Esperança do Sul) 0,12 6
AEC 16 (Lavras do Sul) 0,11 6
AEC 22 (Quaraí) 0,06 13
AEC 23 (Rio Grande) 0,09 8
AEC 24 (Rio Pardo) 0,04 17
AEC 27 (Santiago) 0,08 9
AEC 28 (São Francisco de Assis) 0,17 4
AEC 30 (São Pedro do Sul) 0,13 5
AEC 33 (Tupanciretã) 0,15 5
AEC 36 (São Borja) 0,12 6
AEC 37 (São Sepé) 0,15 5
AEC 39 (Lajeado) 0,12 6
AEC 42 (Taquari) 0,05 15
AEC 45 (Sto. Antônio da Patrulha) 0,09 8
AEC 46 (Osório) 0,16 4
AEC 48 (Canguçu) 0,15 5
AEC 50 (São Gabriel) 0,06 11
AEC 51 (Camaquã) 0,15 5
AEC 52 (Cachoeira do Sul) 0,14 5
AEC 53 (Canoas) 0,10 7
AEC 54 (Vacaria) 0,27 3
AEC 55 (Passo Fundo) 0,18 4
AEC 56 (Guaíba) 0,08 9
AEC 57 (Caxias do Sul) 0,15 5
AEC 58 (São Francisco de Paula) 0,11 6
FONTE: Elaboração Própria
É possível perceber que, de acordo com as estimativas do modelo VII, que considera o
saldo migratório como variável explicativa do crescimento, boa parte das AECs levaria um
período relativamente curto para percorrer metade da distância até seu estado estacionário.
Obviamente, esse resultado está intimamente vinculado à velocidade de convergência
estimada.
Complementando a análise, o mapa abaixo nos permite visualizar espacialmente a
distribuição das AECs convergentes no período. Dividiu-se as localidades de acordo com a
velocidade de convergência calculada. Nota-se primeiramente que as duas AECs que
convergiram em ritmo bastante superior às demais são vizinhas. Além disso, as localidades
com ritmo de convergência semelhante tendem a estar agrupadas, embora existam exceções.
75
Esta constatação pode ser interpretada no sentido de reforçar a importância da dimensão
espacial para o crescimento econômico.
Figura 11 – Representação da Velocidade de Convergência das AECs –
(1949/2000)
Fonte: Elaborado pelo Autor
Observa-se que das 31 AECs convergentes, a maioria (12) encontra-se na região
denominada Área Mista, 9 encontram-se na região Campanha, 7 na região Serra e 3 na região
Planalto. Tal resultado indica que mais de 70% das AECs pertencentes à região denominada
Área Mista convergiram, enquanto na Campanha esse percentual foi de 43%, na Serra foi de
44% e no Planalto 100%, embora deva-se salientar que a região abriga apenas 3 AECs.
76
CONCLUSÃO
O trabalho buscou responder questões sobre a evolução da economia das AECs do Rio
Grande do Sul. As principais variáveis analisadas foram o Produto Interno Bruto de cada
localidade e a sua população. Procurou-se estudar de que forma a dinâmica da produção e dos
saldos migratórios influenciou o processo de equalização de longo prazo da economia gaúcha.
Antes de discutir propriamente os resultados empíricos, cabem algumas considerações gerais
sobre a trajetória da economia do Estado no período em estudo.
Em virtude da histórica integração da economia gaúcha em relação ao
desenvolvimento nacional e internacional, os ciclos de expansão e depressão ocorridos nestas
economias ocasionaram heterogeneidades no desempenho das regiões. Estas disparidades se
configuraram em função de cada região gaúcha estar vinculada prioritariamente a um
determinado tipo de atividade econômica, que por sua vez também reagiram de forma
diferenciada em cada cenário ocorrido. Corroborando este raciocínio, a literatura aponta que
determinados setores da economia estadual foram submetidos a padrões de concorrência
maiores do que podiam suportar, em função de suas produtividades insuficientes.
Em função dessa realidade, novos arranjos produtivos foram surgindo durante o
período e a composição setorial do PIB gaúcho mudou bastante. O trabalho de Alonso (1994)
afirma que a diversificação setorial foi um dos fatores explicativos do bom desempenho de
algumas localidades do Estado, ao mesmo tempo em que a falta de dinamismo foi uma das
causas do fracasso econômico de outras regiões. Especialmente a partir da década de 1980,
houve um declínio relativo da agropecuária e um pequeno processo de desindustrialização,
enquanto o setor de serviços cresceu consideravelmente, representando 58% do PIB estadual
em 1998.
No período em estudo, constatou-se uma tendência ininterrupta de aumento da
participação relativa da região Serra na produção estadual. Tal proporção passou de
aproximadamente 40% do PIB em 1949 para 58% em 2000. A diferença entre a Serra e a
segunda região mais importante era de aproximadamente 10 pontos percentuais em 1949,
77
passando para cerca de 40 pontos percentuais em 2000. As AECs da Serra que mais
concentraram a produção foram: 21 (Porto Alegre), 53 (Canoas), 57 (Caxias do Sul) e 44
(Gravataí). Em contrapartida, a Campanha, que era a segunda região com maior concentração
do PIB no início do período, foi perdendo posições relativas com o passar dos anos, chegando
à última posição em 2000, com pouco mais de 10% da produção gaúcha.
Ao mesmo tempo em que ocorreram as referidas mudanças na estrutura positiva, é
razoável intuir que os fluxos populacionais buscaram adaptação aos novos cenários existentes.
Embora as mudanças nas participações relativas das AECs na população do Estado tenham
sido indiscutivelmente menores do que as variações nas participação no Produto, mostrou-se
no decorrer do trabalho que esta mobilidade populacional não foi desprezível, visto que
influenciou o crescimento econômico estadual.
Entre 1949 e 2000, o Rio Grande do Sul experimentou um aumento expressivo de sua
população, atingindo, no fim do período, a marca de aproximadamente 10 milhões de
habitantes. Sublinha-se que a velocidade do crescimento populacional variou
consideravelmente de década em década e nas diferentes regiões. Enquanto na década de
1940 a taxa de crescimento populacional era, em média, de 2,12% ao ano, este ritmo passou a
reduzir-se continuamente a partir da década de 1950, chegando ao patamar de 1,21% em
2000.
Complementarmente, salienta-se que os dados sobre a distribuição da população no
Rio Grande do Sul apontam para uma concentração nos maiores centros econômicos. Outra
tendência claramente identificável foi o processo de êxodo rural ocorrido. Este processo
tomou força especificamente a partir da década de 1970. Não obstante, constata-se que o grau
de urbanização no Estado cresceu 162% entre 1940 e 2000.
Com o intuito de averiguar se os fluxos populacionais coincidiram com o desempenho
econômico das localidades, calculou-se o diferencial entre a participação de cada AEC no
produto e na população. Desta forma, diferencial igual a zero indica participação igual,
diferencial positivo indica maior participação no produto e diferencial negativo indica maior
participação na população estadual.
Constata-se que na Serra, até a década de 1970 apenas a AEC 21 (Porto Alegre)
apresentava diferencial elevado (entre 9% e 11%). As demais AECs apresentaram diferenciais
em torno de 1%. A partir de 1970, a AEC 53 (Caxias do Sul) começou a apresentar tendência
de aumento do diferencial observado (de 3,3% em 1970 para mais de 7% em 2000). Já a AEC
78
21 (Porto Alegre) passou a experimentar um decréscimo do diferencial, chegando a apresentar
valor negativo em 2000, em torno de -1,63%
31
.
Na Campanha, houve um processo de inversão de sinal do diferencial calculado. Um
bom exemplo é a AEC 18 (Pelotas), que tinha diferencial positivo de 1,62% no início do
período, passando a ter tal valor em torno de -1,5% em 2000. A AEC 23 (Rio Grande) teve
desempenho semelhante. Já as regiões Planalto e Área Mista, durante o período inteiro,
apresentaram insuficiência de produto para os seus níveis populacionais, mesmo com a região
Planalto tendo seu contingente populacional diminuído.
Para mensurar a desigualdade econômica entre as AECs, testou-se a hipótese de sigma
convergência e estimou-se o coeficiente de
Williamsom
para cada década. Há, neste ponto,
uma aparente contradição entre os dois conhecidos indicadores. Considerando-se o período
completo, a análise da sigma convergência nos mostra um aumento da desigualdade, em
relação ao PIB per capita. Já o coeficiente de
Williamsom
indica que a desigualdade
decresceu. Contudo, quando são consideradas as variações de década em década, os
indicadores evoluem no mesmo sentido, exceto no intervalo entre 1959 e 1970.
A análise espacial nos permitiu apontar que existe uma relação positiva e
estatisticamente significativa entre as AECs gaúchas em relação ao PIB per capita. O I de
Moran calculado teve uma tendência geral de crescimento no período, indicando o aumento
da importância da dimensão espacial na medida em que as economias se desenvolvem.
Complementarmente, aplicou-se o teste LISA para identificar onde esta relação espacial
estava localizada. Neste sentido, pode-se apontar que os
clusters
de pobreza ocorridos se
deram de forma mais pulverizada pelas regiões do Rio Grande do Sul, enquanto os
clusters
de
riqueza estiveram quase que exclusivamente localizados em torno do eixo entre as AECs 21
(Porto Alegre) e 57 (Caxias do Sul).
Por fim, resta apresentar os principais resultados obtidos com os modelos testados para
estimar a convergência de renda. Primeiramente estimou-se a convergência absoluta entre as
AECs. O teste mostrou-se significativo, mas os modelos posteriores mostraram-se melhor
especificados, indicando que a convergência condicional caracteriza mais corretamente o
fenômeno ocorrido no Estado.
Para testar a ocorrência de convergência condicional, estimou-se inicialmente quatro
modelos, todos sem a presença da variável saldo migratório. Dentre os quatro, o que se
mostrou melhor especificado foi o modelo III. Neste, foram estimados interceptos e
31
Tal fato se explica pelo aumento populacional na região metropolitana.
79
coeficientes beta individuais para cada AEC. Das 57 áreas, 31 tiveram o coeficiente beta
significativo, das quais 29 convergindo e 2 divergindo. Além disso, a variável que representa
o PIB per capita defasado da vizinhança mostrou-se positivo e significativo estatisticamente.
Como última etapa, estimou-se novamente os quatro modelos para testar a hipótese de
convergência condicional, desta vez incluindo a variável saldo migratório. Esta prática,
utilizada por Cançado (1999), permite verificar se a consideração dos fluxos populacionais
aumenta ou diminui a velocidade de convergência em cada um dos modelos. Dentre esses
quatro modelos, novamente o modelo de efeito fixo com coeficientes individuais (VII)
mostrou-se mais adequado em relação aos demais, inclusive aos dois modelos com
dummies
regionais.
Um dos resultados do modelo VII é que a inclusão do saldo migratório aumentou o
número de AECs convergentes para 31 e manteve o número de AECs divergentes em 2. Vale
destacar que 6 AECs tiveram seus resultados diretamente influenciados pelo saldo migratório,
ou seja, tornaram-se ou deixaram de ser convergentes em função da variável incluída. Ainda
há o grupo formado pelas 28 AECs que mostraram-se significativas estatisticamente tanto
antes quanto depois da inclusão da variável, mas tiveram sua velocidade de convergência
alterada em função do saldo migratório. Assim como anteriormente, a variável que representa
o PIB da vizinhança foi positiva e significativa, confirmando também os testes espaciais
exploratórios realizados.
As localidades que convergem mais rapidamente são: AEC 6 (Bom Jesus), AEC 54
(Vacaria), AEC 55 (Passo Fundo), AEC 28 (São Francisco de Assis) e AEC 46 (Osório).
Estas tiveram a meia-vida (tempo necessário para percorrer metade da distância até o seu
estado estacionário) calculada variando entre 2 e 4 anos. Já as localidades com menor
velocidade de convergência são: AEC 14 (Jaguarão), AEC 24 (Rio Pardo) e AEC 42
(Taquari). Nestas, a meia-vida estimada variou entre 15 e 24 anos.
De uma maneira geral, a conclusão é de que, no período analisado, as AECs estão
convergindo condicionalmente, ou seja, para estados estacionários próprios. Ademais, o
componente espacial mostrou-se significativo para explicar o crescimento, afetando
positivamente o desempenho econômico das localidades. Sublinha-se ainda que os fluxos
migratórios agiram no sentido esperado pelo modelo de Solow, ou seja, contribuíram
positivamente para o crescimento e aumentaram a velocidade de convergência. Por fim, ficou
evidenciado que o processo de convergência não foi uniforme, visto que parte das AECs
estudadas não convergiram, e mesmo as que o fizeram, apresentaram ritmos diferenciados.
80
A principal limitação deste trabalho é a inexistência de uma variável de migração para
o período, o que acarretou a utilização de uma
proxy
calculada em função da variação
populacional. Como possibilidade de pesquisa futura dentro do tema, sugere-se a construção
de um modelo que tente explicar os fatores que influenciam a migração. O instrumental para
este estudo pode ser encontrado em Barro e Sala-i-Martin (1995).
81
REFERÊNCIAS
ACEMOGLU, D., JOHNSON, S., & ROBINSON, J. (2002). Reversal of fortune: Geography
and institutions in the making of the Modern World income. Quarterly Journal of Economics,
117(4). November.
ALONSO, J. A. F., BENETTI, M. D., BANDEIRA, P.B. (1994) Crescimento Econômico da
Região Sul do Rio Grande do Sul: Causas e Perspectivas. Fundação de Economia e Estatística
Siegfried Emanuel Heuser (FEE). Porto Alegre.
ALONSO, J. A. F., BANDEIRA, P. S., VALENTE, P. P. G., & MESQUITA, Z. P. (1986).
Áreas Estatisticamente Comparáveis do Rio Grande do Sul: 1940-1980. FEE, Porto Alegre.
292 Economia, Brasília(DF), v.5, n.2, p.269–296, jul./dez. 2004
AMARAL, Rafael Quevedo Do ; ALONSO, José Antônio Fialho. (2005). Desigualdades
Intermunicipais de renda no RS. Revista Ensaios (FEE), Porto Alegre, v. 26, n. especial, p.
171-189, 2005.
ANSELIN, L. (1998)
Spatial Econometrics. Methods and Models
. Kluwer Academic, Boston
1988.
_______ (1995). Local indicators of spatial association – LISA. Geographical Analusis,
27:93–115.
AZZONI, C. R. ; MENEZES, N. ; MENEZES, T. ; SILVEIRA NETO, R. M. (2000).
Geografia e convergência de renda entre os estados brasileiros. In: Ricardo Henriques. (Org.).
Desigualdade e Pobreza no Brasil. 1a ed. Rio de Janeiro: IPEA, 2000, v. 1, p. 1-740.
AZZONI, Carlos Roberto ; MENEZES FILHO, Naércio ; MENEZES, Tatiane Almeida de ;
SILVEIRA NETO, Raul da Mota (2000). Geografia e Convergência de Renda entre os
Estados Brasileiros. In: 12. NEMESIS/PRONEX - VI Seminário de Acompanhamento, 2000,
São Paulo, SP, 2000.
BAGOLIN, I. P. ; GABE, J. ; RIBEIRO, E. P. (2004). Crescimento e Desigualdade no Rio
Grande do Sul: Uma Revisão da Curva de Kuznets para os Municípios Gaúchos (1970-1991).
In: 2o Encontro de Economia Gaúcha, 2004, 2004, Porto Alegre. Anais do 2o EEG. Porto
Alegre. FEE, 2004.. v. v.1.
82
BARRO, R. & SALA-I-MARTIN, X. (1995).
Economic Growth
. McGraw-Hill, New York.
BERNI, D., MARQUETTI, A., KLOECKNER, R. (2002). “A desigualdade econômica no
Rio Grande do Sul: primeiras investigações sobre a curva de Kuznets”. Ensaios FEE, v. 23, p.
443-465.
CANÇADO, R. P. (1999). Migrações e Convergência no Brasil: 1960-91. Revista Brasileira
de Economia, abr/jun, pp. 211-236.
CARVALHO, J.A.M ; RIGOTTI, J.I.R (1998). Os Dados Censitários Brasileiros Sobre
Migrações Internas: Algumas Sugestões Para Análise. XI Encontro Nacional de Estudos
Populacionais da ABEP, 1998.
FONSECA, P. C. D. (1983). RS: Economia e conflitos na República Velha. Porto Alegre:
Mercado Aberto.
FUENTE, A. (1996). Notas Sobre la Economia Del Crescimiento. Universitat Autónoma,
Barcelona.
HERRLEIN JR., R. ; SCHMIDT, C. (2002). Notas sobre o desenvolvimento econômico do
Rio Grande do Sul: trajetória histórica e os projetos econômicos. Revista Ensaios (FEE),
Porto Alegre, v. 23, n. 1, p. 255-284, 2002.
HERRLEIN JR., R. (2002). A trajetória do desenvolvimento capitalista no Rio Grande do Sul.
Revista Ensaios (FEE), Porto Alegre, v. 23, n. especial, p. 645-667, 2002.
JARDIM, M. L. T. (2002). Evolução da população do Rio Grande do Sul. Documentos FEE,
Porto Alegre, v. 51, p. 57-87, 2002.
JARDIM, M. L. T. ; BARCELLOS, T. M. (2005). Os movimentos populacionais no Rio
Grande do sul: uma visão inter e intra-regional através dos Conselhos Regionais de
Desenvolvimento Econômico (Coredes). In: 4 Encontro Nacional Sobre Migração, 2005, Rio
de janeiro. Anais do 4 Encontro Nacional Sobre Migração, 2005.
LAURINI, M. P.; ANDRADE, Eduardo; VALLS PEREIRA, Pedro Luis. (2003). Clubes de
Convergência de Renda para os Municípios Brasileiros: Uma Análise Não-Paramétrica. In:
XXV Encontro Brasileira de Econometria, 2003, Porto Seguro-BA. Anais do XXV Encontro
Brasileira de Econometria, 2003. v. II.
LUCAS Jr., Robert. (1988) On the mechanics of economic development.
Journal of Monetary
Economics
. 22, p. 3-42, 1988.
MAGALHÃES, A. (2001). Clubes de convergência no Brasil: Uma abordagem com correção
espacial. In Anais do XXIX Encontro Nacional de Economia, Salvador. ANPEC.
MAGALHÃES, A., HEWINGS, G., & AZZONI, C. (2000). Spatial dependence and regional
convergence in Brazil. Working Paper REAL 00-T-11, Urbana.
83
MARQUETTI, A., BERNI, D., MARQUES, A. (2005). “Determinantes dos diferenciais das
taxas de crescimento sub-regionais do Rio Grande do Sul nos anos 90”. Ensaios FEE, v. 26, p.
95-115
MENEZES FILHO, N. A. ; FERREIRA, Pedro Cavalcanti. (2003) Migração, Seleção e
Diferenças Regionais no Brasil. In: XXXI Encontro Brasileiro de Economia, 2003, Porto
Seguro. Anais do XXXI Encontro Nacional de Economia. Belo Horizonte: ANPEC, 2003. v.1
MENEZES, Tatiane Almeida de ; AZZONI, Carlos Roberto (2000). Convergência de Renda
Real e Nominal Entre as Regiões Metropolitanas Brasileiras: Uma Análise de Dados de
Painel. In: XXVIII Encontro Nacional de Economia - ANPEC, 2000, Campinas-SP, 2000.
MENEZES, Tatiane Almeida de ; FERREIRA JR, Dúlcio (2003). Migração e convergência
de renda. In: ANPEC-NORDESTE, Fortaleza, 2003.
MONASTERIO, L. (2002). Capital Social e a Região Sul do Rio Grande do Sul. PhD thesis,
Universidade Federal do Paraná.
MONASTERIO, L. M. ; ÁVILA, Rodrigo Peres de (2004). Análise Espacial do Crescimento
Econômico do Rio Grande do Sul (1939-2001). Revista ANPEC, Brasília, DF, v. 5, n. 2, p.
269-296, 2004.
MONASTERIO, L. M. ; ÁVILA, Rodrigo Peres de (2004b). Produto Interno Bruto por áreas
estatisticamente comparáveis: Rio Grande do Sul (1939-2001). In: III Encontro Brasileiro de
Estudos Regionais, 2004, Belo Horizonte. Anais do III Encontro Brasileiro de Estudos
Regionais. Belo Horizonte : ABER, 2004.
MOREIRA, I. T. ; NETTO JUNIOR, José Luis da Silva (2003). Migrações e diferenciais de
renda estaduais: uma análise por dados em painel no período de 1950-2000. In: III Encontro
Nacional sobre migrações, 2003, Campinas. Anais do III Encontro Nacional sobre migrações,
2003.
MOREIRA, I. T. ; NETTO JUNIOR, José Luiz da Silva ; FIGUEIREDO, Erik Alencar de ;
ARAÚJO, Adriano Firmino Valdevino de (2003). Fluxos migratórios e dispersão das rendas
per capita estaduais: uma análise por dados em painel no período de 1950-2000. Revista
Econômica do Nordeste, Fortaleza, v. 34, n. 3, p. 379-404, 2003.
PIMENTEL, E. A. & HADDAD, E. A. (2004). Desigualdades regionais em Minas Gerais:
Análises espaciais do fenômeno, 1991-2000. In III Encontro da Associação Brasileira de
Estudos Regionais, Belo Horizonte. Associação Brasileira de Estudos Regionais. Junho.
PÔRTO JÚNIOR, S. S. ; RIBEIRO, Eduardo Pontual. (2000) Dinâmica de crescimento
Regional - uma análise empírica para a região Sul. . In: V Encontro Regional de Economia -
ANPEC e Forum Banco do Nordeste de Desenvolvimento, 2000, Fortaleza, 2000.
PÔRTO JÚNIOR, S. S. ; RIBEIRO, Eduardo Pontual (2003). Dinâmica espacial da renda per
capita e crescimento entre os municípios da região nordeste do Brasil - uma análise
markoviana. Revista Econômica do Nordeste, Fortaleza, v. 34, n. 03, p. 405-420, 2003.
84
RAMALHO, Hilton Martins de Brito ; TARGINO, I (2004). Migrações para as regiões
metropolitanas brasileiras: uma análise por dados em painel (1970-2000). XIV Encontro
Nacional de Estudos Populacionais (ABEP). Caxambu, Minas Gerais. Setembro de 2004.
RIBEIRO, E. P. ; MARQUETTI, A. A. (2002). Determinantes do Desempenho Econômico
dos Municípios do Rio Grande do Sul, 1991-2000. In: Rio Grande do Sul, Secretaria de
Coordenação e Planejamento. (Org.). Marco Referencial do Plano Plurianual 2004-2007. 1 ed.
Porto Alegre, RS: Governo do Rio Grande do Sul/SCP, 2002, v. 1
ROMER, Paul M. (1986) Increasing returns and long-run growth.
Journal of Political
Economics
94, p. 1000-37, 1986.
SILVA, O. M. ; CRUZ JR, J.C. (2004) Dados de Painel: Uma Análise do Modelo Estático. In
SANTOS, M.L e VIEIRA, W da C. Métodos Quantitativos em Economia. Viçosa, 2004.
SILVEIRA NETO, R. M. ; AZZONI, C. R. (2000). Radiografando a Convergência Regional:
Fontes Setoriais e Mudanças Estruturais. In: XXVIII Encontro Nacional de Economia, 2000,
Campinas. Anais do XXVIII Encontro Nacional de Economia, 2000.
SILVEIRA NETO, R. M. ; JUSTO, W. R. (2006). Migração inter-regional no Brasil:
evidências a partir de um modelo espacial. Economia, Brasília, v. 7, n. 1, p. 163-187, 2006.
STULP, V. J. ; FOCHEZATTO, Adelar (2004). A evolução das disparidades regionais no Rio
Grande do Sul: uma aplicação de matrizes de Markov. Nova Economia, Belo Horizonte MG,
v. 14, n. 1, p. 39-66, 2004.
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
