ads:
Elydia Mariana Gonçalves da Silva
Cadeias Produtivas e Complexos Industriais
da Economia Fluminense
Belo Horizonte, MG
UFMG/Cedeplar
2007
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
ii
Elydia Mariana Gonçalves da Silva
Cadeia Produtiva e Complexos Industriais da Economia
Fluminense
Dissertação apresentada ao curso de Mestrado em Economia do
Centro de Desenvolvimento e Planejamento Regional da
Faculdade de Ciências Econômicas da Universidade Federal de
Minas Gerais, como requisito parcial à obtenção do Título de
Mestre em Economia.
Orientador: Prof. Dr. Rodrigo Ferreira Simões
Co-orientador: Prof. Dr. Edson Paulo Domingues
Belo Horizonte, MG
Centro de Desenvolvimento e Planejamento Regional
Faculdade de Ciências Econômicas - UFMG
2007
ads:
iii
AGRADECIMENTOS
Mais que um ato formal, o agradecimento é um momento de reflexão, que nos permite
compreender que todo trabalho é o resultado do esforço direto e indireto de muitas pessoas
que ou nos ajudaram na caminhada ou na construção do caminho que trilhamos. Por isso
dedico minha sincera gratidão,
à Deus, cujas mãos guiam meu destino e sempre me garantiram bem mais do que eu
merecia;
aos meus orientadores Rodrigo Simões e Edson Domingues pelas idéias, disponibilidade,
incentivo e paciência ao longo de todo este trabalho. A admiração que me levou a procurá-
los só cresceu durante a realização dessa dissertação;
aos membros da banca, professores Joaquim Guilhoto e Mauro Borges, por suas críticas e
sugestões, que tenho enriqueceram muito este trabalho. Agradeço também ao Prof.
Guilhoto por ter cedido as Matrizes de Insumo-Produto, construídas por ele, que foram
utilizadas nessa Dissertação;
à minha família: meus pais, que dedicaram a vida à minha felicidade e de meu irmão, nos
apoiando com seu carinho, conselhos e compreensão e que fizeram de nós o que somos
hoje; meu irmão e meu melhor amigo, com quem sempre compartilhei a história da minha
vida; meus avós, cujo amor e carinho marcaram a minha infância; meus muito queridos
tios e primos;
aos amigos do Cedeplar, principalmente àqueles que tornavam o almoço e o cafezinho a
hora mais engraçada do dia, em especial à Alessandra, Bruno, Guilherme, Rubens e Victor;
aos professores do Cedeplar, pelo conhecimento a mim transmitido e pelo exemplo de
profissionalismo a ser seguido;
aos funcionários do Cedeplar, pelo suporte oferecido;
ao CNPq pelo suporte financeiro;
Aos amigos de República Alessandra, Samuel, Juliana e Amanda e aos amigos do
Pensionato, onde morei no meu primeiro ano em BH, em especial às Irmãs Cândida e
Cristina e à Moema e Ana Cláudia;
iv
e, por último, justamente por ser muito importante ao Cesinha, que é um anjo na minha
vida.
v
SUMÁRIO
SUMÁRIO.............................................................................................................................v
LISTA DE GRÁFICOS E FIGURAS...............................................................................vii
LISTA DE TABELAS.......................................................................................................viii
1 INTRODUÇÃO .................................................................................................................1
2 COMPLEXOS INDUSTRIAIS, INTEGRAÇÃO E DESENVOLVIMENTO
REGIONAL ....................................................................................................................3
2.1. Complexos Industriais: Relações Inter-Regionais e Intersetoriais.............................. 5
2.2.1. Localização e Aglomeração Produtiva.................................................................7
2.2.2. Encadeamentos, Matrizes de Insumo-Produto e Estudos Empíricos .................14
3 CARACTERÍSTICAS REGIONAIS DO DESENVOLVIMENTO DO ESTADO
DO RIO DE JANEIRO................................................................................................21
3.1 Aspectos do Crescimento e da Desigualdade do Território Fluminense................31
4 METODOLOGIA............................................................................................................38
4.1. Multiplicadores..........................................................................................................40
4.1.1. Multiplicadores de Produto ................................................................................41
4.1.2. Multiplicadores de Renda...................................................................................41
4.1.3. Multiplicadores de Emprego ..............................................................................42
4.2. Índices de Ligações ...................................................................................................43
4.2.1. Índice de Ligação Hirschman-Rasmussen..........................................................43
4.2.1.1. Coeficientes de Variação.................................................................................44
4.2.2. Índice Puro de Ligações .....................................................................................45
4.3. Campo de Influência..................................................................................................47
4.4. Método de Extração Regional Hipotética..................................................................48
4.5. Identificação de Complexos Industriais Espaciais ....................................................51
4.5.1.Matriz de Acessibilidade Espacial.......................................................................51
4.5.2. Análise de Fuzzy-Cluster....................................................................................56
4.6. Base de Dados ...........................................................................................................57
5 RESULTADOS................................................................................................................60
5.1.Multiplicadores...........................................................................................................62
5.2.2.Índice Puro de Ligações ......................................................................................77
vi
5.3. Campo de Influência..................................................................................................80
5.4. Extração Regional......................................................................................................83
5.5. Complexos Industriais ...............................................................................................87
6. CONSIDERAÇÕES FINAIS.......................................................................................100
REFERÊNCIAS ...............................................................................................................103
ANEXO..............................................................................................................................110
vii
LISTA DE GRÁFICOS E FIGURAS
GRÁFICO 1: Participação Relativa dos Quatro Principais Estados Brasileiros na Produção
Industrial...................................................................................................................... 22
FIGURA 1: Localização das Principais Ativiades Industriais do Rio de Janeiro ............... 30
GRÁFICO 2: Evolução do PIB dos Cinco Estados de maior PIB do Brasil, para o Período
de 1985-2003 (em Bilhões de R$ de 2000)................................................................. 32
GRÁFICO 3: Evolução do PIB Per capita dos Cinco Estados Mais Ricos do Brasil, para
o Período de 1985-2003 (em Mil R$ de 2000)............................................................ 33
GRÁFICO 4: Evolução do PIB do Rio de Janeiro, Segundo Setores Produtivos, para o
Período de 1939-2003.................................................................................................. 36
GRÁFICO 5: Multiplicadores do Produto do Tipo I, dos Setores Produtivos do Rio de
Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999. .................. 63
GRÁFICO 6: Multiplicadores da Renda do Tipo I, dos Setores Produtivos do Rio de
Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999. .................. 64
GRÁFICO 7: Multiplicadores do Emprego do Tipo I, dos Setores Produtivos do Rio de
Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999. .................. 64
GRÁFICO 8: Distribuição Regional do Efeito Multiplicador do Produto dos Setores
Produtivos Fluminenses............................................................................................... 66
GRÁFICO 9: Efeito Multiplicador da Variação da Demanda Final dos Setores Produtivos
de São Paulo, Minas Gerais, Nordeste e Resto do Brasil sobre a Produção, a Renda e
o Emprego do Rio de Janeiro. ..................................................................................... 68
GRÁFICO 10: Índice Puro de Ligações, para Trás, para Frente e Total, dos Setores do Rio
de Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999............... 80
GRÁFICO 11: Campo de Influência dos Setores Produtivos de São Paulo, Minas Gerais,
Nordeste e Resto do Brasil, em 1999. ......................................................................... 83
LISTA DE TABELAS
TABELA 1: PIB, PIB per capita e População Segundo Regiões de Governo, em 2003.
(PIB em Mil R$ de 2000). ........................................................................................... 35
TABELA 2: Identificação dos Setores do Modelo de Insumo-Produto Regional e Inter-
Regional....................................................................................................................... 59
TABELA 3: Distribuição da Produção Nacional entre os Setores e Regiões Considerados
no Modelo Inter-Regional de Insumo Produto do Rio de Janeiro, São Paulo, Minas
Gerais, Nordeste e Resto do Brasil, de 1999 (R$ Mil)................................................ 61
TABELA 4: Índice de Ligações de Hirschman-Rasmussen, para Trás e para Frente, dos
Setores Produtivos do Rio de Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do
Brasil, em 1999 – Modelo de Ligações Independentes............................................... 71
TABELA 5: Índice de Ligações de Hirschman-Rasmussen, para Trás e para Frente, dos
Setores Produtivos do Rio de Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do
Brasil, em 1999 – Modelo de Ligações Dependentes. ................................................ 72
TABELA 6: Coeficiente de Variação, para Trás e para Frente, dos Setores Produtivos do
Rio de Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999 –
Modelo de Ligações Independentes. ........................................................................... 75
TABELA 7: Coeficiente de Variação, para Trás e para Frente, dos Setores Produtivos do
Rio de Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999 –
Modelo de Ligações Dependentes............................................................................... 76
TABELA 8: Distribuição Espacial do Efeito para Trás, derivados da Extração Regional,
para 1999 (R$ Mil). ..................................................................................................... 85
TABELA 9: Decomposição do Efeito para Trás, entre Efeito de Primeira Ordem e Efeito
Induzido, para 1999 (R$ Mil)...................................................................................... 86
TABELA 10: Distribuição Espacial do Efeito para Frente, derivados da Extração Regional,
para 1999 (R$ Mil). ..................................................................................................... 87
TABELA 11: Decomposição do Efeito para Frente, entre Efeito de Primeira Ordem e
Efeito Induzido, para 1999 (R$ Mil). .......................................................................... 87
TABELA 12: Quociente Locacional e Vetor de Renda da Terra, para o Rio de Janeiro, em
2003. ............................................................................................................................ 90
TABELA 13: Fuzzy Clusters dos Setores Produtivos do Rio de Janeiro, 2003. ................ 94
TABELA 14: Cluster de Petróleo ....................................................................................... 95
TABELA 15: Cluster do Aço.............................................................................................. 96
ix
TABELA 17: Cluster de Veículos e Peças.......................................................................... 97
TABELA 18: Cluster de Minerais Não Metálicos e Químicos Diversos............................ 97
TABELA 19: Cluster Agro-Industrial................................................................................. 98
TABELA 20: Cluster Sucro-Alcooleiro.............................................................................. 98
TABELA A1 – Multiplicadores do Produto do Tipo I, dos Setores Produtivos do Rio de
Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999. ................ 110
TABELA A2 – Multiplicadores da Renda do Tipo I, dos Setores Produtivos do Rio de
Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999. ................ 111
TABELA A3 – Multiplicadores do Emprego do Tipo I, dos Setores Produtivos do Rio de
Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999 (Valores
multiplicados por mil). .............................................................................................. 112
TABELA A4 – Distribuição Regional do Efeito do Multiplicador do Produto do Tipo II,
dos Setores Produtivos do Rio de Janeiro, em 1999. ................................................ 113
TABELA A5 – Distribuição Regional do Efeito do Multiplicador da Renda do Tipo II, dos
Setores Produtivos do Rio de Janeiro, em 1999........................................................ 114
TABELA A6 – Distribuição Regional do Efeito do Multiplicador do Produto do Emprego
do Tipo II, dos Setores Produtivos do Rio de Janeiro, em 1999 (Valores multiplicados
por mil). ..................................................................................................................... 115
TABELA A7 – Impacto da Variação da Demanda Final dos Setores Produtivos de São
Paulo, Minas Gerais, Nordeste e Resto do Brasil sobre a Produção do Rio de Janeiro,
em 1999. .................................................................................................................... 116
TABELA A8 – Impacto da Variação da Demanda Final dos Setores Produtivos de São
Paulo, Minas Gerais, Nordeste e Resto do Brasil sobre a Renda do Rio de Janeiro, em
1999. .......................................................................................................................... 117
TABELA A9 – Impacto da Variação da Demanda Final dos Setores Produtivos de São
Paulo, Minas Gerais, Nordeste e Resto do Brasil sobre o Emprego do Rio de Janeiro,
em 1999 (Valores multiplicados por mil).................................................................. 118
TABELA A10: Índice Puro de Ligações, para Trás, para Frente e Total, dos Setores do Rio
de Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999............. 119
TABELA A11. Matriz G, para Rio de Janeiro, em 2003.................................................. 120
TABELA A12. Matriz de Acessibilidade Espacial, V, para Rio de Janeiro, em 2003. .... 122
TABELA A13. Classificação dos Setores em Clusters, Segundo Método de Fuzzy Cluster.
................................................................................................................................... 124
x
RESUMO
O trabalho proposto procurou discutir e entender a estrutura produtiva do estado do Rio de
Janeiro, identificando seus setores-chave e complexos industriais. Para tal, uma série de
testes foi aplicada ao Modelo de Insumo-Produto, que incluía uma matriz inter-regional do
Rio de Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, para o ano de 1999 e
uma matriz nacional, para o ano de 2003. Os resultados encontrados indicaram certa
fragilidade na estrutura produtiva estadual, advinda de sua baixa integração setorial e inter-
regional. Em geral, este estado pareceu muito dependente das relações comerciais intra-
regionais e com o estado de São Paulo. Além disso, demonstrou que, embora seja produtor
de importantes insumos para o país, derivados da extração de petróleo e da siderurgia, este
potencial não é plenamente aproveitado em seu desenvolvimento industrial.
ABSTRACT
Through the identification of the key sectors and industrial complexes in Rio de Janeiro
state, this work proposed the discussion and understanding of its productive structure.
Some tests were applied on the Input-Output Model which included an inter-regional
matrix for Rio de Janeiro and Minas Gerais states, Northeast and the rest of Brazil for
1990, and a national matrix for 2003. It was found some fragility on the state’s productive
structure arised from its weak sectorial and interregional integration. The state seems to be
very dependent of commercial relationships with its own region and with Sao Paulo.
Moreover, it was found that, although Rio is an important producer of inputs produced by
oil derivatives and steel industry sectors for the country, its potential is not fully used for
its own industrial development.
1
.
1 INTRODUÇÃO
O trabalho proposto objetiva identificar a formação de complexos industriais no espaço, no
estado do Rio de Janeiro, a partir da análise do grau de integração e complementaridade dos
setores que compõem sua cadeia produtiva.
Especificamente, propõe-se:
• Discutir as características econômicas de tal estado, identificando sua participação
na produção nacional, sua estrutura setorial e heterogeneidade interna;
• Analisar as cadeias produtivas e seus setores a partir da estimação de
multiplicadores inter-regionais e índices de ligações;
• Comparar a estrutura produtiva do Rio de Janeiro com a de São Paulo, Minas
Gerais, Nordeste e do Resto do Brasil, verificando, também, o grau de dependência
e complementaridade entre elas, utilizando a Matriz Inter-Regional de Insumo-
Produto, de 1999;
• Montar a Matriz de Acessibilidade Espacial, utilizando a Matriz de Insumo-Produto
do Brasil, de 2003, e a RAIS/ CNAE, de 2003;
• Verificar a formação de complexos industriais e seu grau de integração, utilizando
uma metodologia de fuzzy cluster.
A seleção dessa metodologia, discutida na terceira seção, deve-se à sua melhor adequação
ao objetivo e à disponibilidade de dados; enquanto a discussão torna-se interessante ao
processo de desenvolvimento do estado do Rio de Janeiro, porque, embora ocupe a posição
de segundo maior produtor industrial do Brasil, tal estado apresenta-se marcado por um
processo de perda relativa de importância econômica, durante o século XX, bem como por
históricas desigualdades regionais, econômicas e sociais, e por certo desequilíbrios em sua
estrutura setorial. Assim, o estudo de suas cadeias produtivas é conveniente no sentido de
contribuir para a identificação de suas fragilidades e potencialidades, bem como dos
melhores setores para incentivos fiscais, uma vez que tem sido afirmado que sua recente
recuperação econômica está, marcadamente, dependente da indústria extrativa mineral.
1
1
Sobre isto ver Natal (2005), Santos (2007) e Loureiro(2006)
2
.
Para evitar que a pouca integração e complementaridade acabem por restringir o
crescimento e levem, como no passado, à estagnação, deve-se enfatizar políticas que não só
estimulem o crescimento industrial, mas que também induzam a uma maior integração
setorial. Por isso, torna-se importante estudar a formação de complexos industriais, para
verificar as possibilidades de fortalecimento de sua cadeia produtiva.
Para tal, esta dissertação apresenta-se estruturada em quatro capítulos, além desta
introdução e da conclusão. No primeiro capítulo são discutidos conceitos relativos à
relações intersetoriais e complexos industriais. O segundo capítulo é dedicado a questões
relativas ao desenvolvimento do estado do Rio de Janeiro. O capítulo três descreve os
modelos empíricos utilizados e no capítulo quatro consta a análise e discussão dos
resultados estimados.
3
.
2 COMPLEXOS INDUSTRIAIS, INTEGRAÇÃO E DESENVOLVIMENTO
REGIONAL
Os estudos relativos a complexos industriais, indústrias/setores-chave e ligações
intersetoriais/inter-regionais, em geral, partem do entendimento de que o desenvolvimento
econômico não ocorre de maneira uniforme; ao contrário, é marcado por uma série de
transformações quantitativas e qualitativas na estrutura produtiva e social, que ocorrem,
primeiramente, em uns poucos setores e regiões, para então, transmitirem-se ao resto da
economia. Tais pesquisas, normalmente, buscam identificar a dependência entre as diversas
atividades produtivas e o impacto do crescimento de uma delas sobre as demais e têm
objetivo de auxiliar o direcionamento de políticas públicas, potencializando sua ação.
Em seu trabalho, Perroux (1977) defende que “(...) o crescimento não aparece
simultaneamente em toda parte. Ao contrário, manifesta-se em pontos ou pólos de
crescimento, com intensidades variáveis, expande-se por diversos canais e com efeitos
finais variáveis sobre toda a economia” (Perroux, 1977, p.146). Em acréscimo, Hirschman
(1977) apresenta o crescimento como “necessariamente, desequilibrado”, em termos
geográfico, de forma que “o progresso ocorrido em um ponto provoca pressões, tensões e
coerções ao crescimento de outros pontos” (Hirschman, 1977, p.36), o que resulta em
diferenciações entre as regiões. Assim, enquanto o primeiro autor fornece a base para o
estudo do crescimento polarizado, o segundo permite entender as formas como este propaga
seus efeitos pelo espaço, tanto no que se refere aos transbordamentos quanto à concentração
regional.
Segundo o argumento de Perroux (1977), os desequilíbrios regionais surgem do fato das
regiões possuírem estruturas industriais diferentes, com taxas de crescimento desiguais.
Porém, suas firmas e setores individuais, longe de serem independentes, encontram-se, em
grande parte, encadeadas e com lucros associados às decisões de compra e venda das
demais. Entre esses setores destacam-se os que podem ser classificados como setores-chave
e, principalmente, como motrizes.
Assim, esses primeiros setores podem ser caracterizados por gerarem impactos acima da
média sobre a economia, seja via demanda de insumos ou oferta de produtos. Já a
indústria/setor motriz tem uma relação de dominância com seu ambiente. Dessa forma, para
ser considerada motriz, é imprescindível que seja de grande porte (larga escala), pertença a
4
.
um setor de rápido crescimento, seja altamente inovativa e exerça significante impulso de
crescimento sobre seu ambiente através das ligações inter-setoriais (Hermansen (1972),
Perroux (1977)).
Por serem capazes de agir sobre os demais, induzindo seu crescimento, o setor-chave e o
motriz são parte fundamental da formação de um complexo industrial. Dessa forma, a
ligação e interdependência dos setores produtivos e a relação de liderança e subordinação
que existe entre as eles torna o crescimento agregado da economia intimamente ligado ao
crescimento da indústria (setor) motriz e do pólo de crescimento
2
. Nas palavras de Perroux:
“A economia nacional em crescimento (...) se nos oferece como
uma combinação de conjuntos relativamente ativos (indústrias
motrizes, pólos de indústrias e de atividades geograficamente
aglomeradas) e de conjuntos relativamente passivos (indústrias
movidas, regiões dependentes dos pólos geograficamente
aglomerados). Os primeiros transmitem aos últimos os
fenômenos de crescimento.” (PERROUX, 1977, p.155)
Essa interligação industrial é refletida sobre as regiões e os efeitos da transmissão do
crescimento do pólo, para as regiões dependentes (área polarizada), relaciona-se ao grau de
integração e competitividade da produção regional. Quanto mais integrada e complementar
a produção da região polarizada ao pólo, menor a desigualdade regional gerada pelo
crescimento. Neste caso, o crescimento do pólo intensifica o crescimento agregado da
economia, uma vez que induz à expansão dos demais setores e das demais regiões. Por
outro lado, se a produção da área polarizada é competitiva e pouco integrada ao centro
produtor, o crescimento do pólo se reflete no enfraquecimento do crescimento agregado,
uma vez que a expansão da região polarizadora é acompanhada pela estagnação da região
polarizada. Neste caso, a estagnação da periferia, também, impede a formação de um forte
mercado consumidor interno, o que pode vir a enfraquecer a dinâmica de crescimento do
próprio pólo.
2
O conceito de Pólo de Crescimento foi introduzido por Perroux (1977) para o espaço econômico abstrato
como um campo de forças consistente de centros, pólos ou focos dos quais emanam forças centrífugas e para
o qual forças centrípetas são atraídas, sendo o espaço geográfico apenas um dos diversos tipos de espaço
(Hermansen, 1972). Deve-se a Boudeville (1969) a extensão desse conceito para a dimensão geográfica, de
forma a permitir que, apesar do aspecto abstrato em que esta Teoria foi desenvolvida, durante os anos de
1950, ela resultasse em desdobramentos práticos capazes de guiar as políticas e planejamentos regionais, da
década posterior.
5
.
Hirschman (1977) divide esses efeitos da transmissão do crescimento entre polarização
(prejudiciais) e fluência (benéficos). Ambos agem sobre a região polarizada, mas com
intensidades que dependem da integração de sua cadeia produtiva: quanto mais integrada e
complementar à atividade regional, maior a intensidade do efeito de fluência sobre o de
polarização.
Portanto, de acordo com esses conceitos, o crescimento econômico pode tanto aumentar
quanto reduzir as desigualdades regionais, de maneira que políticas bem sucedidas do
Estado em relação a essa questão exigem um bom conhecimento da estrutura econômica no
que se refere às relações inter-regionais e intersetoriais. Dessa forma, a análise de complexo
industrial, intrinsecamente relacionada a estas questões, bem como a identificação de
setores-chave apresenta sua utilidade, visto que entender tais relações, verificando a
intensidade de seus encadeamentos é de fundamental importância na busca pela realização
do crescimento e mitigação dos desequilíbrios regionais.
2.1. Complexos Industriais: Relações Inter-Regionais e Intersetoriais
Para que um conjunto de atividades produtivas seja considerado um complexo industrial, é
necessário que elas estejam associadas técnica e espacialmente. Seguindo a definição de
Isard et al (1959), considera-se Complexo Industrial “(...) a set of activities at a specific
location which are linked by certain technical and production interrelations. These
interrelations may be such that a spatial juxtaposition of activities in the complex leads to
substantial economies (ISARD et al, 1959, p.33).” Assim, a definição de complexo
industrial impinge que as indústrias que o compõem devam ser tanto interligadas por meio
de relações comerciais, quanto localizadas geograficamente próximas; sendo este segundo
aspecto especialmente importante para as análises regionais, visto ser ele a inserir
considerações espaciais à noção de complexo industrial (LATHAM III, 1976).
Em seu trabalho, Isard (1960, p.421) classifica a análise de complexos industriais como
uma técnica preciosa para esclarecer problemas de utilização de recursos, localização e
desenvolvimento industrial. No entanto, atenta para suas limitações no âmbito da
compreensão e projeção de um sistema inter-regional de localizações industriais; dentre as
quais: (i) não poder ser empregada quando as inter-relações de produção e mercado entre
atividades de um grupo de referência não forem relativamente significantes; (ii) sua
efetividade restringir-se, severamente, a situações nas quais algumas das inter-relações de
6
.
atividades, resultante de economias de justaposição espacial forem dificilmente
quantificáveis; (iii) não penetrar tão profundamente em uma indústria específica quanto o
faz um estudo individual de custos comparativos; (iv) não conseguir a força das técnicas
conhecidas de insumo-produto regional e inter-regional - bem como de outras técnicas
baseadas na orientação de equilíbrio geral, - nem mesmo quando se consideram sistemas de
atividades. Nesse sentido, segundo este autor, seu mérito assenta-se no fato, não de
substituir as demais técnicas de análise regionais, mas de complementá-las.
Um complexo industrial é estruturado de forma a ter em seu centro um ou poucos setores-
chave em volta do qual se formam teias de ligações de compra e venda de bens e serviços.
Tais setores são caracterizados por sua relação de liderança com seu ambiente, pois seus
fortes encadeamentos lhe permitem um impacto superior à média sobre o resto da
economia. Além disso, um setor-chave pode ser qualificado como motriz, caso possua as
características de grande porte, rápido crescimento e amplo impacto sobre o ambiente.
Os encadeamentos, ou interligações, entre os setores ocorrem, principalmente, por meio de
fluxos de bens e serviços, entre empresas-empresas e entre famílias-empresas e, nas
palavras de Hoover e Giarratani (1984, cap. 11), “The various kinds of linkages represent
ways in which some impetus to regional change is transmitted from one activity to another
within the regional economy, leading to overall growth or decline”. Em resumo, ações de
um setor afetam os demais
3
tanto no que se refere à sua demanda por insumos, quanto à sua
oferta de produtos. Assim, como destacam os citados autores, neste como em outros
problemas econômicos, a dicotomia da oferta e da demanda se faz presente, visto que a
atividade regional necessita tanto de insumos quanto de mercado final. Dessa forma, os
encadeamentos para trás (backward linkages) representam a maneira pela qual a demanda
de um produto regional estimula a demanda de outras atividades regionais; enquanto, os
encadeamentos para frente (forward linkages) refletem o lado da oferta e são a forma pela
qual a disponibilidade de insumos afeta a atividade e o produto regional.
Em acréscimo à existência de entrelaçamentos setoriais, a formação espacial de complexos
indústrias baseia-se, fundamentalmente, na existência de economias de aglomeração,
derivadas da apropriação de externalidades diversas, que advêm da proximidade produtiva e
geográfica dessas indústrias. Tais economias, em resumo, fortalecem os complexos e as
3
Incluindo-se aí o setor familiar tanto no que se refere à consumo, quanto à oferta de mão-de-obra.
7
.
aglomerações geográficas, visto que tendem a elevar a produtividade das firmas e acelerar o
desenvolvimento tecnológico regional.
2.2.1. Localização e Aglomeração Produtiva
Sendo a relação geográfica entre as firmas um elemento crucial na formação do complexo
industrial, como descrito em sua própria definição, os determinantes da decisão locacional
devem ser considerados em seus três elementos fundamentais: o custo de transporte; os
fatores aglomerativos, sintetizados nas economias externas; e, os fatores desaglomerativos,
que têm na renda fundiária e nas condições de acessibilidade seu principal expoente. Tais
fatores, ditos locacionais, determinam as vantagens ou desvantagens de cada localização.
O custo de transporte foi o primeiro elemento a instigar o estudo da localização, sendo o
trabalho de Weber (1969) pioneiro no tratamento sistemático desta decisão para uma firma
individual. Ao seu, seguiram-se outros modelos
4
de Localização Orientada pelo Transporte,
tendo em comum o objetivo de minimização desse custo, sob condições de concorrência
perfeita e equilíbrio de mercado.
Tal trabalho considerou a heterogeneidade espacial da distribuição do mercado consumidor
e de certas matérias-primas, ditas localizadas, cuja posição fixa e exógena é fundamental à
localização da firma. Nesse cenário, as empresas, ao agirem racionalmente, buscam se
estabelecer em um ponto do espaço que minimize o somatório dos custos de transporte dos
insumos e do produto final. Isto é, sob algumas hipóteses
5
, a localização ótima é
determinada, pela influência relativa das fontes de matérias-primas localizadas e do
mercado consumidor, e apresenta-se intimamente relacionada ao peso e volume dos
insumos e do produto final
6
. Assim, apenas as indústrias extrativas ou de primeira
transformação, caracterizadas por baixo número de insumos e grande perda de peso seriam
atraídas pela fonte; enquanto, a maior parte das firmas estariam voltadas para o mercado
(LEME, 1982)
7
.
4
Dentre os quais pode-se citar Isard (1956) e Moses (1960).
5
Dentre as quais, coeficientes de produção fixos, demais custos homogêneos por toda a área, tarifa de
transporte linear e constante e, ainda, desconsiderando a demanda do produto.
6
Para maiores detalhes, ver Ferreira (1989) e Leme (1982).
7
Leme (1982) destaca que as principais conclusões a serem retiradas desse modelo são que, quanto maior for
o peso das ubiqüidades, menor for o peso perdido no processamento e maior for a diversidade de insumos
utilizados, tanto mais provável a atração pelo mercado. Analogamente, quanto menor for o peso das
ubiqüidades, maior for o peso perdido no processamento e menor for o número de matérias-primas diferentes,
tanto mais provável a atração pela fonte de insumo
.
8
.
No mesmo sentido, Richardson (1975) defende a influência dos transportes sobre a
localização, principalmente quando a relação entre fretes e custo totais é elevada ou varia
muito entre os diferentes pontos geográficos. Devido a esse custo, como ele afirma, os bens
de consumo são atraídos para os mercados, enquanto as fases de processamento são atraídas
para as fontes de matérias-primas, de forma que:
“Se o mercado consumidor e as fontes de matérias-primas estão separados
espacialmente, o resultado será uma dispersão vertical das localizações.
Quanto maiores os custos de transporte, tanto maior será o grau de dispersão
espacial, especialmente em uma indústria que elabora o mesmo produto e está
em concorrência pura. As influências da demanda também tenderão, ceteris
paribus, a agir no sentido da dispersão, já que os custos altos de transporte
funcionam como tarifa protetora para as indústrias locais”. (RICHARDSON,
1975, p. 54)
Fujita el al (2002), no desenvolvimento de seu modelo de centro-periferia, também
discutem a importância dos custos de transporte na dispersão da atividade produtiva,
concordando que grandes custos de transporte agem no sentido de aumentar a dispersão
produtiva, enquanto sua redução tende a permitir maior aglomeração espacial.
Assim, os transportes entram na função de produção das firmas como um custo a ser
minimizado e agem no sentido de aproximá-las dos insumos ou, principalmente, do
mercado consumidor. Além disso, as firmas recorrem ao meio de transporte mais barato
disponível para a distância a que estão interessadas, de forma que, lugares com
disponibilidade de meios de transportes alternativos, locais de entroncamentos ou pontos de
transbordo
, em geral, são preferidos. Por fim, altos custos de transporte acabam por
restringir o comércio regional e a escala de produção, principalmente para alguns produtos,
nos quais o frete representa significante parcela do total de gasto. Já a redução do custo de
transporte aumenta o lucro das firmas via redução de seu dispêndio e permite a ampliação
da área atendida por ela, visto que as torna mais competitivas, abrindo espaço para a
redução do preço do produto.
Portanto, se a produção fosse orientada exclusivamente pela minimização dos custos de
transporte, ela se distribuiria pelo espaço, em firmas pequenas, atendendo a um único
mercado. Porém, a existência de economias de aglomeração, derivadas principalmente de
retornos crescentes à escala e de externalidades positivas, em um ambiente de concorrência
imperfeita, torna lucrativa a concentração geográfica da produção e é sobre ela que as
explicações para a formação de complexos industriais muito se apóiam. Isto porque, tais
9
.
fatores tendem a reduzir os custos médios de produção e fazem com que, uma vez formada,
a aglomeração produtiva entre em uma dinâmica de crescimento que se auto-reforça.
As economias de aglomeração vêm detendo importância crescente sobre a decisão de
localização das firmas, haja vista: (i) a intensa redução dos custos de transporte e o aumento
da urbanização, ao longo do século XX, que fortaleceram a inadequação dos modelos de
minimização deste custo; (ii) a intensificação da busca por vantagens comparativas
construídas, em detrimento das naturais (baseadas na existência de heterogeneidade
espacial), o que intensificou a constante necessidade de desenvolvimento tecnológico,
aprendizado e obtenção de informação, elementos facilitados pela expansão da firma e da
indústria; (iii) a expansão do setor de serviços e das tecnologias de informação, localizadas
principalmente nas cidades e que passaram a deter, a partir de fins do século XX, um papel
fundamental sobre o desempenho dos setores mais dinâmicos. Tais economias, em geral,
são divididas em quatro grupos, escala, localização, urbanização e justaposição
(NORCLIFFE e KOTSEFF, 1980):
Economias de escala internas a firma estimulam, até certo ponto, as empresas a produzirem
em poucos pontos do espaço e incorrerem em alguns custos de transporte à dispersarem sua
produção em plantas menores. Elas advêm de vantagens na concentração administrativa, da
intensificação tecnológica, da maior divisão do trabalho, do aumento de poder de barganha
da firma e dos processos cumulativos de aprendizagem, tais como learning-by-doing, entre
outros fatores.
Economias de localização surgem da proximidade geográfica de firmas de uma mesma
indústria, o que permite o compartilhamento de mercados, facilita o acesso e a formação de
serviços especializados, informações, instituições adequadas ao sistema produtivo local e
acordos de cooperação; fomentando, assim, o desenvolvimento
8
.
8
Com a expansão das atividades de alta tecnologia, o conhecimento e a informação têm estado no centro das
discussões de competitividade e crescimento. A necessidade de acesso a esses recursos, heterogeneamente
distribuídos pelo espaço, vem se tornando, cada vez mais, um fator de atração para as indústrias intensivas em
capital humano. Como pode ser visto em Fingleton et al (2003, p.3), as regiões do Vale do Silício, os distritos
industriais da Itália e da Alemanha e os clusters de alta tecnologia de Cambridge e Oxford, na Inglaterra, são
exemplos, constantemente citados, de aglomerações produtivas intensivas em conhecimento. Como afirmam,
tais regiões têm demonstrado capacidade de sustentar uma performance econômica superior à média e, longe
de representarem um fenômeno homogêneo em relação a setores, tecnologias e ambiente institucional,
revelam algumas similaridades que tem atraído o interesse dos pesquisadores: “Among them is the existence of
different kinds of relationships between the firms, from the traditional input/output supply chain linkages to a
10
.
Economias de urbanização derivam do acesso à infra-estrutura social básica, canais de
comunicação, institutos de pesquisas, universidades, agências governamentais, serviços e
bens diversificados e mercado consumidor mais amplo. Além disso, é nas cidades que a teia
de interações formais entre os agentes une-se ao desenvolvimento de instituições e
relacionamento informais, o que a torna um centro depositário de informação e local
privilegiado de desenvolvimento e difusão de inovação.
Economias de justaposição derivam da proximidade geográfica de diferentes atividades,
economicamente encadeadas, o que permite maior interação entre as firmas e facilita a
complementaridade entre os setores. É este tipo de retorno que estimula a diversidade
produtiva das aglomerações urbanas e desestimula a total especialização regional.
Portanto, na presença de retornos crescentes e concorrência imperfeita, o ambiente no qual
estão inseridas tem papel fundamental sobre as decisões e resultados das firmas, sejam suas
produções substitutas ou complementares. Isto porque, como a ação de uma afeta o lucro
das outras, elas são levadas a agir estrategicamente, monitorando as demais e criando
padrões espaciais.
Discussões a esse respeito tiveram início com os trabalhos de Hotteling (1929) e Lösch
(1954). O primeiro mostrou como o desejo de maximizar a área de mercado pode levar à
aglomeração das firmas e ao choque entre bem estar privado e social. O segundo, ao
endogenizar os retornos crescentes internos às firmas e introduzir os conceitos de curva de
demanda no espaço e área de mercado, demonstrou como se formam heterogeneidades
espaciais, aglomerações e um sistema de cidades hierárquico; mesmo quando se parte de
uma situação de plena homogeneidade geográfica.
9
O custo de transporte e os retornos crescentes agem no sistema de Lösch de forma a
garantir o monopólio espacial das firmas.
10
No entanto, a ampliação da área de mercado de
cada empresa, embora seja afetada pela redução desse custo, tem como causa fundamental a
diminuição dos custos de produção por meio de retornos crescentes de escala. A firma que
consegue incorrer em tais retornos entra em um processo dinâmico de crescimento que se
wide range of collaborative relationships, and the capacity to maintain considerable knowledge flows and
innovation between organizations”. Sobre isto ver também Baptista e Swann (1998).
9
Embora ambos considerem a concorrência monopolística, chegam a resultados opostos; principalmente no
que se refere ao antagonismo entre bem estar privado e social.
10
Como os consumidores pagam o preço CIF e os produtos são homogêneos, a empresa mais próxima
assegura, como área de mercado, a extensão a seu redor.
11
.
auto-alimenta e a permite expulsar as demais, tomando seus mercados. Este aspecto de
expansão, como argumenta Lemos (1988), faz com que a área de mercado introduzida
estaticamente por Lösch possa ser considerada um conceito dinâmico, visto que os fatores
que a determinam – custo de transporte e economia de escala - são fatores em permanente
mutação.
Como conclusão do modelo introduzido por Lösch, todo o espaço é ocupado por áreas de
mercado hexagonais, eqüidistantes para bens semelhantes; e, sobrepostas, em vários
tamanhos, para bens diferentes, o que leva à formação de hierarquias entre os centros
produtores. Devido aos retornos crescentes à escala e às vantagens de monopólio conferidas
pelo custo de transporte, firmas de bens semelhantes não se aproximam. No entanto, essa
conclusão do autor, embora alcance seu mérito pela incorporação pioneira de retornos
crescentes internos à firma, falha por desconsiderar retornos à indústria. São esses retornos
que justificam a aproximação de empresas de mesma atividade e originam clusters e
indústrias localizadas.
Marshall (1982) discutiu as vantagens geradas pela concentração geográfica de empresas
semelhantes. Tais vantagens surgem, principalmente, das externalidades existentes entre as
firmas, cuja proximidade facilita a difusão de conhecimento e informação e,
conseqüentemente, o progresso técnico; além de garantir um mercado de mão–de-obra
especializada para firmas e trabalhadores, bem como um mais amplo mercado final para
firmas e consumidores. Assim, estes retornos crescentes internos à indústria geram uma
lógica circular, de maneira que novas firmas, consumidores e trabalhadores são atraídos
para aquele local e reforçam suas vantagens produtivas. Dentro de tal lógica, fatores
culturais, sociais e históricos influenciam e são influenciados, de maneira a formar um
ambiente propício ao fortalecimento da indústria localizada.
A Nova Geografia Econômica,
11
também, enfatiza as externalidades na origem da
concentração espacial da produção. Tal teoria introduz os conceitos fundamentais dos
trabalhos clássicos
12
em um modelo de equilíbrio geral de competição monopolística, no
qual os retornos crescente internos à firma são inseridos a partir do modelo de Dixit-Stigletz
(1977). Em acréscimo, considera custos de transporte do tipo iceberg e externalidades
11
Que tem em Fujita, Krugman e Venables seus principais autores. Como síntese de seus conceitos, ver Fujita
et al (2002).
12
Entre eles os de von Thünen (1966), Lösch (1954) e Christaller (1966).
12
.
marsallianas do tipo pecuniária,
13
bem como permite a mobilidade dos fatores de produção,
com o objetivo de explicar a diversificação espacial e a formação de sistemas urbanos
hierárquicos. Dessa forma, ao combinar a diferenciação de produtos com uma função de
preferência individual em que os consumidores optam por diversidade, esse arcabouço
teórico garante um limite à expansão da firma e a existência de comércio inter-regional,
mesmo na presença de retornos crescentes (Fontes (2006), Fujita et al (2002)). No entanto,
embora a NGE possa ser considerada como o modelo mais completo da Teoria Regional,
deve-se ponderar como uma de suas limitações a não incorporação dos demais tipos de
externalidades, bem como o uso de hipóteses ainda muito restritivas.
14
Feser e Sweeney (2002) destacam que, além das externalidades, diversas outras razões
devem ser consideradas na explicação da aglomeração espacial, tais como o acesso a
recursos naturais e redes de transporte existentes, vigência de normas e regulações sobre o
uso da terra, incentivos fiscais, acesso a setores financeiros, barreiras burocráticas, entre
outros. Assim, essa variedade de fatores a influenciar os padrões de agrupamentos
observados acabaria por dificultar as pesquisas empíricas sobre as externalidades espaciais.
Porém, a despeito da existência das economias de aglomeração, deve-se considerar a
diversidade nos tamanhos dos centros urbanos e a ausência de tendência à plena
aglomeração produtiva. Dessa forma, é razoável aceitar a existência de forças contrárias à
concentração geográfica, visto que, à medida que um centro cresce, aumentam
simultaneamente as dificuldades em sua administração e organização, e os problemas
relacionados à qualidade de vida
15
e à oferta de serviços à população. No entanto, os fatores
centrais a serem considerados, nesse caso, são o aumento nos custos de acessibilidade e de
aluguel da terra, de forma que estes últimos fatores configuram a principal fonte de força
centrífuga a agir sobre a aglomeração.
Esses fatores, ditos desaglomerativos, colocam um limite à concentração espacial, de forma
que, são as condições de acessibilidade que determinam o tamanho máximo a que o centro
pode atingir, dada sua estrutura produtiva. Isto torna o espaço localizado limitado e
13
As externalidades marshallianas (conhecidas como tríade marshalliana) são divididas em três tipos de
ganhos: (i) pecuniários, originados da proximidade entre das firmas com os mercados fornecedor e
consumidor; (ii) resultantes da formação de um mercado de trabalho especializado; (iii) advindos de spillovers
tecnológicos (Fontes, 2006).
14
Principalmente com relação às firmas, tais como ausência de poder de barganha e comportamento
estratégico (Neary, 2001), entre outras. Em Ruiz (2001) pode-se encontrar uma discussão sobre os conceitos e
características da Nova Geografia Econômica.
15
Tais como poluição, trânsito, barulho e criminalidade
13
.
concorrido e permite que seja auferida uma renda a partir de seu monopólio. Localizações
próximas ao centro sempre são preferidas, mas é a renda da terra, maior nesses locais que as
torna desfavoráveis e permite que outros locais e centros urbanos sejam atrativos.
O primeiro autor a tratar dessa questão foi von Thünen (1966), cujo trabalho, desenvolvido
para explicar a distribuição da produção agrícola em torno da cidade, foi posteriormente
estendido para a economia urbana.
16
. Partindo de um modelo monocêntrico, no qual os
custos de transporte variam proporcionalmente com a distância, as áreas se distinguem,
apenas, por sua distância ao centro e pelo aluguel que os produtores estariam dispostos a
pagar por elas. Uma vez que cada produtor leva seu produto ao mercado e paga um frete
proporcional à distância percorrida, o desejo de ocupar áreas próximas ao centro e, assim,
minimizar este custo, eleva o aluguel dessas terras.
Relacionando o aluguel com a distância ao centro, von Thünen traça um gradiente de renda
para cada cultura, no qual é considerado o valor máximo que cada uma pode pagar, a cada
distância do mercado, dadas sua produtividade e sua transportabilidade. Assim, essas duas
forças contrárias se equilibram sob condição de concorrência perfeita, acabando por alocar
eficientemente os diferentes tipos de produção. Dessa forma, ele demonstra como mesmo
terras homogêneas geram diferentes rendas e padrões locacionais.
17
Como afirmam Fujita et al (2002), é a concorrência não planejada entre produtores
racionais, no modelo de Von Thünen, que leva a uma eficiente e organizada solução de
equilíbrio, onde as forças aglomerativas do custo de transporte e desaglomerativas dos
aluguéis se anulam, homogeneizando os lucros de todos os produtores e transferindo os
lucros extraordinários, advindos da localização, para o proprietário da terra.
Alonso (1964) estendeu o modelo de von Thünen para a economia urbana, monocêntrica,
na qual os trabalhadores se deslocam de sua casa até o trabalho e onde as atividades
produtivas competem pela proximidade ao centro com as áreas residenciais. A população
têm de optar, então, por morar perto do trabalho e pagar um aluguel maior ou morar longe e
gastar com transporte. À medida que a cidade cresce aumentam ambos os gastos e,
conseqüentemente, aumenta o salário nominal necessário à manutenção do salário real.
Assim, em centro maiores, os salários nominais tornam-se, relativamente, mais elevados
16
Dentre os quais se destaca o trabalho de Alonso (1964).
17
Para maiores detalhes, ver Azzoni (1982).
14
.
devido ao custo de vida mais alto, de forma que esses centros e suas melhores localizações
tendem a agregar as atividades com mão-de-obra mais qualificada, cujos salários
compensam tal custo.
Lemos (1988), defende a concepção de von Thünen e Lösch como autores complementares,
“o primeiro enfatizando o aspecto desaglomerativo do processo de urbanização, o segundo
enfatizando a natureza aglomerativa, levando ao crescimento dos centros urbanos.”
(Lemos, 1988, p.207). Esse autor destaca a importância do setor terciário, e seu baixo ou
inexistente grau de transportabilidade, na formação do espaço localizado e geração da renda
urbana. Para ele, é a cristalização dos serviços no espaço-tempo que define a área de
mercado e constitui o espaço localizado, de forma que, as vantagens locacionais dos
grandes centros urbanos advêm da oferta e diversificação do terciário, o que funde os
conceitos de urbano e centro de serviços. Nesse sentido, os serviços constituem o fator
básico para a aglomeração e possuem prioridade na localização, visto que é a eles que as
demais atividades desejam ter acesso. A disponibilidade e diversificação de suas atividades
intensificam a diferenciação entre os espaços e geram vantagens comparativas na produção
de certos bens. Na medida em que estas vantagens se transformam em uma opção
locacional, resulta uma renda espacial urbana.
2.2.2. Encadeamentos, Matrizes de Insumo-Produto e Estudos Empíricos
Em adição ao padrão locacional, a identificação de complexos industriais delinea-se,
especialmente, sobre a identificação das conexões e complementaridades entre as indústrias
e cadeias produtivas. Como sugerido por Prochnik et al (2002), estas cadeias produtivas
originam-se da crescente divisão do trabalho e maior interdependência dos agentes, sendo
criadas via desintegração vertical e especialização técnica e social, sem deixar de atender,
no entanto, à necessidade de integração e coordenação entre as atividades, o que implica em
ampliação da articulação dos agentes internos à elas.
De uma forma ampla, as cadeias produtivas podem ser definidas como “(...) uma seqüência
de setores econômicos, unidos entre si por relações significativas de compra e venda, na
qual os produtos são crescentemente elaborados.” (Prochnik e Vaz, 2002, p10). Segundo
estes autores, um par de cadeias é considerado concorrentes quando produz bens finais
substitutos, que servem ao mesmo mercado e há uma relativa independência entre elas. No
entanto, a situação comum é de entrelaçamento de cadeias complementares e formação de
15
.
blocos, caracterizados como complexos industriais, cujo estudo fornece uma visualização
da estrutura industrial do país e das inter-relações entre seus setores.
A identificação de cadeias, complexos e encadeamentos industriais tem sido facilitada pelo
aumento da disponibilidade de dados, principalmente no que se referem às matrizes de
insumo-produto regionais e estaduais. Tais matrizes, apresentadas inicialmente por Leontief
(1936), para análise das relações internas de um país, vêm sendo desenvolvidas e adaptadas
para estudos de relações intra-regionais e inter-regionais
18
(Crocomo e Guilhoto, 1998), de
forma que vêm se tornando uma das técnicas mais utilizadas no ramo da ciência regional
(Roy e Hewings, 2005). Isto decorre da capacidade desse instrumental sintetizar as
transações entre os diversos setores da economia e permitir avaliar os impactos das
demandas finais de determinado setor/região sobre os demais, bem como, a dependência
econômica entre eles. Segundo Perobelli e Haddad (2003),
“Input-output models are useful for analyzing the effects of
changes in one sector upon the others. Hence, this framework
seems to be very suitable to understand how important is a sector
(or regional) in a multi-regional context or which is the impact of a
slow down in the production of a specific sector (or region) upon
the rest of the economy.
Moreover, input-output analysis can be useful in order to detect or
describe sectoral dependences (or linkages) and in order to
analyze the production structure of the economies.” (Perobelli e
Haddad, 2003, p.5)
Como argumenta Latham III (1976), as matrizes de insumo-produto têm sido amplamente
utilizadas para a identificação de complexos industriais por explicitar e sumarizar
eficientemente as relações comerciais entre as indústrias. No entanto, ele alerta para o fato
dessas tabelas não conterem intrinsecamente nenhuma informação espacial ou locacional,
exceto nos casos em que a região para a qual ela está disponível for tão pequena, que os
custos de transporte internos sejam significativamente menores que os externos.
Richardson (1978) também discute as vantagens e desvantagens do modelo de insumo-
produto, destacando como restrições suas hipóteses simplificadoras, tais como função de
produção linear e constante, agregação dos produtos em um número pequeno de setores e
abandono de suposições usuais (como maximização de lucro, alocação ótima de recursos e
maximização da utilidade do consumidor) e das funções de oferta de trabalho e da demanda
18
Sobre isto, ver Richardson (1978) e Miller (1998) e Miller e Blair (1985).
16
.
final
19
. Já Isard (1960) atenta para a incapacidade dessas tabelas em lidar com economias de
escala, de localização e de urbanização e com variações regionais de preços relacionadas ao
uso de diferentes proporções de fatores. Porém, como pondera o primeiro autor, estas
restrições, além de não obstruírem o uso do modelo, são superadas por inúmeras vantagens,
tais como torná-lo empiricamente implementável, “(...) não precisando ser posto de lado à
espera de utópicos dados perfeitos e da eliminação das restrições da capacidade dos
computadores.” (RICHARDSON, 1978, p. 18), respeitar a Teoria de Equilíbrio Geral e ser
aplicado mesmo em situações em que a disponibilidade de dados obstrua o uso de outras
técnicas.
Devido à sua ampla utilidade, essas matrizes têm sido empregadas em análises regionais,
tanto a nível nacional quanto subnacional, principalmente no que se refere à estimação de
relações intersetoriais e identificação de setores-chave. Todavia, como destacado por Sonis
et al (1995), enquanto há consenso entre a importância das ligações intersetoriais na
propagação do estímulo ao crescimento econômico, ainda não o há sobre a forma de
identificação de setores-chave ou pólos de crescimento, de forma que uma série de
propostas metodológicas já foram debatidas na literatura, dando origem a um vasto
conjunto de trabalhos empíricos.
Rasmussen (1958) e Hirschman (1958) propuseram medidas de estimação das ligações
entre os setores, no que ficou conhecido como índice de ligações de Hirschman-Rasmussen
e teve ampla aplicação na identificação de setores-chave e na estimação de integração e
interdependência setorial/regional. No entanto, vulnerabilidades presentes nesse índice
20
tornaram-no parte de debates e críticas que resultaram em propostas metodológicas
alternativas
21
, tais como a abordagem Cella-Clements, o Campo de Influência e o índice de
Ligações Puras
22
.
Cella (1984) e Clements (1990) desenvolveram uma nova forma de estimar os
encadeamentos e identificar setores-chave. Este método, que ficou conhecido como
abordagem de Cella-Clements diferencia-se do anterior por tentar incorporar a produção às
ligações intersertoriais.
19
Muitas dessas limitações já foram superadas pelos desenvolvimentos recentes da literatura, em especial pelo
crescimento dos estudos de Equilíbrio Geral Computável.
20
Tais como a desconsideração do nível de produção dos diversos setores e de seus elos de ligações.
21
Ver Hewings (1982), Guilhoto et al (1994).
22
Tais abordagens são discutidas a seguir.
17
.
Sonis e Hewings (1991) propuseram a abordagem do Campo de Influência, que permite
identificar os elos de ligações entre os setores e os efeitos de variações tecnológicas de um
setor sobre os demais. Esta técnica complementa a análise de identificação de setores-
chave, uma vez que os setores cujas mudanças nos coeficientes provocam maior impacto
sobre o sistema são justamente os mais encadeados.
Guilhoto, Sonis e Hewings e (1996) buscando superar as limitações do índice de ligações
de Hischaman-Rasmussen, propuseram um novo índice, denominado de Índice de Ligações
Puras, que visa relacionar o nível de produção às relações setoriais, bem como decompor e
distinguir o impacto de um setor ou região sobre toda a estrutura econômica.
Dietzenbacher et al (1993) apresentaram o método de extração hipotética, a partir do
modelo de insumo-produto, para analisar a importância de um setor ou região sobre o resto
da economia. Alonso (2004) utilizou-o para analisar o impacto do setor de fornecimento de
água sobre a economia de Andalusia; e, Haddad et al (2004) utilizou-o para estimar a
interdependência entre os setores econômicos de Minas Gerais e do resto do Brasil, bem
como o impacto das exportações sobre a economia desse estado.
Melo e Gutierrez (1990) empregaram o conceito de complexo industrial para analisar a
cadeia produtiva fluminense de 1980 e compará-la com a estrutura industrial brasileira,
concluindo pela presença de certa semelhança entre as duas e destacando como maior
divergência a ausência de um complexo agroindustrial nesse estado. Para tal utilizaram a
Matriz de Insumo-Produto brasileira de 1975 e o Censo Industrial do Brasil e do Rio de
Janeiro de 1980.
Prochnik e Vaz (2002) utilizaram o método desenvolvido por Haguenauer et al (1986) e
aperfeiçoado por Haguenauer e Prochnik (2000) para analisar a cadeia industrial de Minas
Gerais, comparando-a com as do Brasil, São Paulo e Rio de Janeiro, a partir das matrizes de
insumo-produto regionais, obtida de dados de 1996. O método de delimitação dos
complexos industriais utilizado por eles consiste em duas etapas nas quais, inicialmente,
estima-se uma matriz de transações entre os setores, a partir da matriz de compra e venda
intersetorial; e, posteriormente, classifica-se os setores em cadeias produtivas, a partir da
associação de cada um ao seu principal cliente/fornecedor, de forma a constituir conjuntos
de setores que efetuem entre si a maior parte de suas transações.
18
.
Rodrigues et al (2004) estimaram as matrizes inter-regionais de insumo-produto das regiões
brasileiras, para o ano de 1985 e 1995 e analisaram a evolução de sua estrutura produtiva
inter-regional e inter-setorial. Utilizando e comparando os Índices de Ligação de
Rasmussen/Hirschman e o índice de Ligações Puras, detectaram os setores dinâmicos da
economia, o aumento da dinâmica do Nordeste e do intercâmbio dessa região com a região
Norte e, ainda, a independência entre as regiões brasileiras, devido ao aprofundamento da
integração da estrutura nacional ao exterior, durante o período estudado.
Silva, Guilhoto e Hewings (2004) utilizaram o modelo inter-regional de insumo-produto
para comparar as economias de São Paulo, Minas Gerais e Resto do Brasil, no que se refere
à identificação dos encadeamento entre os setores nas três regiões; dos setores-chave para
as economias das regiões estudadas e para a economia nacional; da relevância de cada
região para a economia brasileira; dos setores que possuem os maiores efeitos de
propagação de uma expansão produtiva e da forma como estes efeitos se distribuem entre as
regiões estudadas.
Domingues e Haddad (2003) estimaram uma matriz inter-regional de insumo-produto que
divide a economia brasileira entre o estado de Minas Gerais e o Resto do Brasil, para o ano
de 1996. A partir dela, avaliaram a participação das exportações na estrutura interna da
economia mineira, identificando o destino das exportações regionais e a importância
relativa dos componentes da demanda final, o que permitiu analisar aspectos de conexões
setoriais, dependência inter-regional, feedbacks e inserção externa dessa economia.
Haddad et al (2004) usaram a matriz de Minas Gerais - Resto do Brasil desenvolvida pelo
BDMG e FIPE/USP (2001) e modificada por Haddad e Domingues (2003), para verificar a
interdependência da estrutura produtiva desse estado, em relação à economia nacional e ao
exterior.
Latham III (1976) enfatizou a importância dos estudos de identificação de complexos
industriais considerarem não só as relações inter-industriais como o comportamento
espacial/locacional das indústrias, argumentando que métodos que não incluem ambos os
aspectos são inválidos, principalmente para planejamento de políticas de desenvolvimento
regional. Nesse sentido, classificou o uso da análise fatorial das matrizes de insumo-produto
e da análise gráfico-teórica, para este objetivo, como a-espaciais, desnecessariamente
complexas e deficientes, propondo, em acréscimo, um modelo que tenta incluir ambos os
19
.
aspectos nessa identificação. Segundo ele, a principal crítica a tais técnicas refere-se à sua
falha, em muitos caso, em identificar relações inter-industriais não antecipadas.
Ó hUallacháin (1984) reavaliou e defendeu o método de componente principal para
identificação de complexos industriais. Utilizando a matriz de insumo-produto de
Washington, e comparando seus resultados empíricos com os da análise multivariada de
Czamanski (1971) e da abordagem gráfico-teórica de Campbell (1974), para a mesma
região, e defendeu que esta técnica permitiu alcançar uma quantidade maior de informação
que as demais.
No desenvolvimento dessa literatura, também, vem sendo incorporada a análise de
conjuntos fuzzy, como forma de classificar e agrupar os setores. Os ganhos em seu uso
reside no fato deste instrumental superar as limitações impostas pelos conjuntos crisp e
permitir uma melhor adequação dos elementos à situações em que a gradação e a
continuidade os caracterize mais que a separação categórica, como é o caso dos setores
produtivos. Isto é, pela abordagem fuzzy um elemento pode pertencer parcialmente a vários
conjunto, enquanto pela abordagem alternativa, crisp sets, cada elemento é separado com
base na classificação binária: pertencer ou não pertencer ao conjunto.
Simões (2003) discutiu as principais metodologias de identificação de setores-chave e
complexos industriais e apontou sua incapacidade em compatibilizar a dimensão espacial e
intersetorial. Assim, propôs a construção de uma matriz de acessibilidade (fricção) espacial
multi-setorial, a partir das matrizes de insumo-produto nacionais; e, por meio desta matriz,
o agrupamento dos setores em classes semelhantes, a partir do método de fuzzy cluster, de
forma a possibilitar a identificação de complexos industriais no espaço.
Beynon et al (2005) argumentam que as limitações dos sistemas lineares podem gerar
incerteza sobre os valores encontrados para os multiplicadores de insumo-produto. Assim
como meio de superar tal limitação, utilizaram a análise fuzzy de insumo-produto e
ordenaram os setores a partir do cálculo de multiplicadores fuzzy de produto
.
Diaz et al (2006) combinaram o uso das análises de componentes principais e fuzzy
clustering para agrupar e caracterizar os setores produtivos da Espanha, a partir da matriz
de 1995. Como afirmam, desconsideram aspectos espaciais e a existência de consumidores
ou fornecedores comuns, mas tentaram incorporar variáveis, a seu ver, estratégicas ao
desenvolvimento, sendo estas relativas à capacidade dos setores em inovar, exportar e gerar
20
.
rendas salariais. Dessa forma, identificaram três grupos de atividades, sendo o primeiro
formado por setores de base local, economicamente relevantes e integrados; o segundo,
orientado pela demanda interna, contendo principalmente setores de serviços e atividades
voltadas para a demanda final, os quais demonstraram pouca integração e menor peso no
produto global espanhol; por fim, o terceiro grupo de setores foi considerado como o mais
importante para o desenvolvimento de uma estratégia de crescimento, sendo caracterizado
como exportador e apresentando maior nível tecnológico.
Portanto, considerando algumas das questões teóricas relevantes ao entendimento da
dinâmica de desenvolvimento regional e da formação de complexos industriais, certas
considerações devem ser feitas, especificamente, sobre a economia do Rio de Janeiro e
sobre o seu processo de desenvolvimento. Para melhor entender a dinâmica econômica
desse estado, algumas questões serão discutidas.
21
.
3 CARACTERÍSTICAS REGIONAIS DO DESENVOLVIMENTO DO ESTADO DO
RIO DE JANEIRO
O estado do Rio de Janeiro
23
seguiu historicamente um padrão de desenvolvimento
desigual, guiado pela heterogeneidade econômica e administrativa entre a capital e o
interior. Tal região esteve politicamente separada por mais de 150 anos, o que, aliado as
outras fragilidades regionais, intensificou a concentração produtiva em sua capital e
possibilitou, por algum tempo, um crescimento dissociado do interior. Essa separação se
refletiu em um baixo grau de integração inter-regional, na ausência de uma boa rede urbana
e no empobrecimento da periferia, que ficou sujeita aos efeitos negativos da polarização,
mas não se beneficiou dos positivos. A conseqüência da escolha dessa trajetória de
desenvolvimento econômico regional foi a redução da competitividade estadual e o declínio
econômico.
Embora o posto de Capital Federal, da cidade do Rio de Janeiro, até 1960, tenha garantido
ao estado as primeiras condições de desenvolvimento da indústria e dos serviços, tal posto
também limitou seu desenvolvimento, visto que o principal pólo produtivo regional ligou-
se, prematuramente, aos demais centros econômicos do país, sem que fossem desenvolvidas
relações de complementaridade, com seu entorno, que sustentassem um crescimento
econômico de longo prazo. Além disso, este status de capital gerou uma maneira de pensar
a cidade como totalmente independente de sua periferia, impossibilitando, assim, políticas
que beneficiassem o transbordamento do crescimento, o que veio a se tornar o principal
limitante de sua expansão econômica
24
.
Sobre a importância dos gastos públicos federais no desenvolvimento e na criação das
condições necessárias à industrialização e à formação de um mercado de trabalho e de
serviços na cidade do Rio de Janeiro, Melo e Considera (1988) destacam que:
“Constitui-se, assim, o gasto público em componente “autônomo”
importante, que fez com que o desenvolvimento que ocorreu na
cidade-capital evoluísse quase que independentemente
do resto da
região, possibilitando a expansão industrial da cidade do Rio de
23
Considerado a partir da atual divisão geográfica.
24
Sobre essa configuração histórica do estado do Rio de Janeiro, Davidovich (2001) argumenta que “(...)
constitui também um marco do processo histórico o legado de um isolamento secular da cidade do Rio de
Janeiro em relação à sua interlândia imediata, o que respondeu pela falta de laços de solidariedade, de
coesão territorial e de um pertencer coletivo que ainda se faz presente no Estado fluminense.”
22
.
Janeiro, isoladamente
do resto da periferia.” (Melo e Considera,
1988, grifo nosso)
Assim, o estado do Rio de Janeiro inicia o século XX como principal produtor industrial do
Brasil, mas sucumbe ante a concorrência de São Paulo, perdendo participação relativa ao
longo de muitas décadas, embora tenha se mantido na segunda posição nacional. Este
processo de decadência relativa foi intensificado a partir da década de 50, quando a capital
federal foi transferida e, atingiu seu auge em 1990, quando a participação da economia
fluminense no produto industrial nacional atingiu 10,07%. Porém, a partir de 1995, o estado
parece se recuperar e passa a apresentar melhora em seus índices, como pode ser visto no
GRAF. 1, que apresenta a participação industrial dos quatro principais estados do país, no
período de 1939 - 2002.
GRÁFICO 1: Participação Relativa dos Quatro Principais Estados Brasileiros na
Produção Industrial.
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
1939
1949
1952
1955
1
9
58
1961
1
9
6
4
1967
1970
1985
1988
1
9
91
1994
19
9
7
2000
Participação Relativa Estadual no PIB
industrial Brasileiro
MG
RJ
RS
SP
Fonte: Elaboração Própria, a partir dos dados do IPEADATA, 2006.
Entre os motivos, comentados na literatura, da perda de competitividade do Rio de Janeiro
na produção industrial, destacam-se: (i) a decadência da agricultura no interior do estado, o
que impossibilitou a formação de um mercado interno para produtos industriais e a
formação de um complexo agrícola integrado ao crescimento do centro, capaz de fornecer
alimentos e reduzir os custos da mão-de-obra (Cano, 1977, apud Melo e Contreras, 1988);
(ii) a baixa integração regional e a ausência de rede urbana, que impossibilitou a atração de
indústrias para o interior (iii) a ausência de infra-estrutura social fora da capital, com
especial destaque para a área metropolitana, o que impediu os trasbordamentos das
atividades produtivas para a periferia e, simultaneamente, aumentou a disputa por
23
.
localização na região central, aumentando, assim, os custos de produção (Araújo, 2005);
(iv) a concentração das atividades administrativas nacionais na cidade-capital, o que
absorvia as melhores localizações e os melhores profissionais (Melo e Contreras, 1988),
além de estimular o crescimento do setor de serviços, o que, em conjunto, rivalizava com o
desenvolvimento industrial; (v) a expansão da industrialização no estado de São Paulo, que
contava com as condições necessárias a esse processo e que avançou substituindo a
produção fluminense mesmo em seu próprio mercado (Melo e Contreras, 1988).
Sobre este processo de desenvolvimento da economia fluminense, Melo e Contreras (1988)
argumentam que o estado foi impotente para reverter os desequilíbrios de sua estrutura
econômica e constituir-se em um complexo econômico integrado; e, avançou com vocação
explícita para polarizar-se na região metropolitana. No entanto, pode-se entender, de forma
diversa, que tais desequilíbrios e tal polarização não ocorreram de maneira natural, mas
foram marcadamente causadas por ações e escolhas do Estado em relação ao
desenvolvimento da região. Isto porque, ao tratar de forma tão diversa duas áreas
geograficamente unidas e ao reter a maior parte dos benefícios do pólo aos limites de seu
município, a administração pública, federal e estadual, intensificou as diferenças que já
existiam e gerou outras, que acabaram por enfraquecer a região em sua totalidade.
A separação administrativa entre a cidade do Rio de Janeiro, capital federal e,
posteriormente, estado da Guanabara, e o estado do Rio de Janeiro criou uma série de
obstáculos aos transbordamentos dos efeitos positivos do crescimento para o interior,
enquanto os efeitos de polarização continuavam a ser sentidos, de forma que os benefícios
advindos do fato da região sediar a capital federal ficaram restritos apenas ao município
sede
25
, mais integrado ao resto do país, que ao seu entorno. Uma das faces dessa separação
constituiu-se sobre a capacidade de arrecadação tributária estadual, pois, enquanto o
principal pólo produtor era beneficiado não apenas pela sua própria arrecadação, como
também pela do restante da região – através dos impostos federais, – o interior do estado,
estagnado e pobre, não tinha muito que arrecadar. Assim, aprofundaram-se as diferenças
regionais na capacidade de oferecer serviços básicos à população e infra-estrutura às
25
Melo e Contreras (1988) destacam que os benefícios do estado sediar a capital federal se restringiram à
cidade-capital e não se espalharam pelo interior, que permaneceu pobre e estagnado.
24
.
indústrias, o que intensificou, ainda mais, a concentração industrial e populacional e
ratificou as diferenças econômico-sociais do estado
26
.
Em particular para a região metropolitana, esse problema foi, ainda, mais evidente. Esta
área que seria, naturalmente, de expansão do pólo, encontrava-se política e
economicamente desarticulada, uma vez que pertencia a duas administrações estaduais
diferentes (Araújo, 2005). Como o governo fluminense não tinha condições de investir na
infra-estrutura necessária à expansão das atividades produtivas dessa região, caberia ao
Governo Federal agir no sentido de integrá-la, compatibilizando suas necessidades. Porém,
enquanto permaneceu como Capital Federal, o governo do Rio de Janeiro muito pouco
investiu em políticas de desenvolvimento que visassem à integração com o interior
27
.
Associado ao descrito desequilíbrio regional, o desenvolvimento do estado também foi
marcado por desequilíbrios setoriais
28
. A agropecuária, desde a decadência da cafeicultura
do estado, passou a apresentar participação insignificante sobre o PIB e a indústria foi
expressivamente atraída pelo desenvolvimento paulista. Relacionada e intensificada por
isso, a dinâmica econômica estadual ficou intimamente ligada ao setor de serviços, com
amplo destaque para o setor público. Estes foram capazes, durante algum tempo, de
amortecer os impactos econômicos do enfraquecimento dos outros dois setores e de
absorver sua mão-de-obra
29
. Dessa forma, as atividades da administração federal
dominaram a dinâmica econômica estadual, principalmente do município sede, visto que
ofereciam mercado consumidor bem remunerado tanto às atividades de prestação de
serviços complexos quanto à produção industrial.
A geração de renda por parte do setor público e a separação político-administrativa permitiu
que a capital carioca ignorasse os problemas enfrentados por seu entorno e negligenciasse
seus próprios problemas, quais sejam, perda de competitividade industrial em relação a São
Paulo, desequilíbrio setorial, saturação da capital e insuficiência de infra-estrutura no
26
Ver Araújo (2005).
27
Reconhece-se, aqui, que a ligação da cidade com os principais centros do país era mais importante que com
o interior, uma vez que esta era capital federal. No entanto, é válido argumentar que não havia necessidade de
escolha estrita entre um ou outro objetivo. Poder-se-ia ter compatibilizado os dois e permitido que o estado se
desenvolvesse menos dependente da geração de renda por parte do setor público e, desta forma, ter-se evitado
a crise que se instalou após a transferência da administração pública para Brasília.
28
Sobre isso ver melo e Melo e Contreras (1988).
29
Deve-se destacar aqui a heterogeneidade do setor de serviços e enfatizar o tamanho do mercado informal,
esclarecendo que grande parte da mão-de-obra era, mais especificamente, absorvida por atividades informais,
que garantiam renda e atraíam a população de baixa renda e escolaridade que migrava do interior para a
capital.
25
.
interior. Tais problemas só foram percebidos quando a administração pública se mudou
para Brasília e os estados da Guanabara e do Rio de Janeiro foram fundidos.
O problema de infra-estrutura permaneceu mesmo após a mudança da administração
pública para Brasília e, posteriormente, após a fusão das duas administrações estaduais, de
forma que os desequilíbrios regionais, em grande parte, continuaram obstruindo o
desenvolvimento regional
30
. A este respeito, Melo e Contreras (1988, p.435) afirmam que
“O vazio de infra-estrutura nas áreas do interior do estado constituí hoje, um fator limitante
decisivo e conspira contra a interiorização da indústria no estado”.
A transferência da capital federal representou um forte choque sobre a economia estadual.
Araújo (2005) destaca que a perda desse setor, dinâmico e importante fator de atração,
levou um grande número de empresas a transferir-se para locais mais próximos de sua
atividade principal, freqüentemente o estado de São Paulo. Nessa época, também, começa a
ser revertida a relação entre a capital e o interior, quando este passa a crescer relativamente
mais rápido - muito embora as regiões que mais tenham crescido tenham sido justamente as
mais próximas à capital. Segundo tal autor, no período de 1950-2000, o dinamismo da
economia fluminense foi guiado pelo interior, que passou a possuir importantes regiões
industrializadas e amplo potencial de crescimento, enquanto a capacidade de expansão da
capital encontrava-se, aparentemente, esgotada. Contudo, destaca que o crescimento do
interior do estado foi intimamente ligado a investimentos federais, visto que, mesmo após a
fusão, os investimentos estaduais em infra-estrutura continuaram restritos à cidade-capital.
A partir da década de 1990, a economia fluminense começou a demonstrar sinais de
recuperação e apresentar índices de crescimento mais positivos, seguindo o que Natal
(2005) denominou de inflexão positiva
31
. Tal inflexão veio baseada em uma série de
investimentos privados, embora muitas vezes com recursos estatais, em uma ideologia pró-
mercado
32
e na saída do setor público da economia. No entanto, segundo o autor, a despeito
de outros determinantes, ela tem sido extremamente dependente da renda oriunda da
produção de petróleo, que tem, dentre outras mudanças, sido responsável pela redução da
30
Sobre esta questão, ver Araújo (2005)
31
O autor enfatiza, no entanto, que tal inflexão positiva representa uma modificação na tendência da
economia e não que esta esteja apresentado taxa “espetacular” de crescimento, embora este tenha estado
acima da média nacional. Também, que participação no produto nacional se alterou, ainda, muito pouco e que
a economia fluminense continua apresentado certo comportamento errático.
32
Tal ideologia pode ser generalizada pelo argumento de que o mercado privado e a liberalização da
economia deveriam substituir o antigo e “ineficiente” sistema de intervenção governamental e estatização da
economia.
26
.
participação do setor terciário, historicamente expressiva, e aumento do secundário, no PIB
estadual.
A produção petrolífera na Bacia de Campos tem especial destaque na dinâmica de
crescimento do interior fluminense, intensificado a partir da década de 1990. Isto porque o
rápido crescimento desta produção, acompanhado de inúmeras outras atividades ligadas a
ela, e a forma de distribuição de seus rendimentos vêm impondo consideráveis mudanças à
estrutura econômica regional. Esta atividade, iniciada na região em 1977, já representava
em 2003, 81% do total nacional, tendo dobrado entre 1997 e 2002
33
. Sua expansão, no
interior do estado, tem gerado uma série de modificações no âmbito social, econômico,
político e cultural, principalmente após a determinação do pagamento de royalties aos
municípios, a partir de 1985, e após a quebra do monopólio da Petrobrás em 1997
34
. Tais
modificações têm sido capazes de dinamizar a economia do interior do estado e exercer
significativo impacto sobre a economia estadual. Para Piquet (2003) ela inaugurou um novo
ciclo econômico regional, baseado direta ou indiretamente na exploração de petróleo.
A respeito desta questão, Monié (2003) defende que os municípios da Bacia de Campos
registraram, a partir dos anos 80, um vigoroso crescimento econômico e demográfico,
resultado da emergência de atividades industriais e terciárias bastante dinâmicas. Para ele, o
desenvolvimento da exploração de petróleo nesta Bacia provocou uma transformação
rápida e radical da estrutura produtiva e do mercado de trabalho; todavia, seus impactos
sociais e regionais foram basicamente desiguais, beneficiando os trabalhadores mais
qualificados e os municípios de estrutura mais moderna. Destaca, também, que até os anos
1990 os efeitos desencadeadores intersetoriais e espaciais encontravam-se relativamente
limitados; no entanto, o fim do monopólio sobre a prospecção e a extração de petróleo, em
1997, foi traduzido em uma nova onda de investimento por parte de firmas nacionais e
estrangeiras, responsável pela geração de um tecido produtivo cada vez mais diversificado.
Além disso, teriam ocorrido significativas modificações na rede urbana do Norte do estado,
com o surgimento e expansão de municípios em áreas, até então, estagnadas e com o
aumento das atividades e da complexidade dos serviços oferecidos por eles. Em acréscimo,
transformações culturais provocadas pela entrada de novos agentes econômicos e pela
formação de uma cultura empresarial nesses municípios teriam modificado a ideologia
33
Ver Monié (2003).
34
Esta quebra, como discutido abaixo, estimulou investimentos privados, tanto nacional quanto estrangeiros,
o que intensificou a expansão produtiva da região.
27
.
agrária e conservadora que permanecia na região e, também, estimulado as atividades de
pesquisa e a formação de profissionais especializados, expandindo a geração de capital
humano.
Existem evidências de que as rendas provenientes do setor de petróleo têm impactado sobre
os municípios do interior do Rio de Janeiro e de que este impacto tem sido desigualmente
distribuído, tanto no que se refere à inserção dos municípios na dinâmica de crescimento
econômico quanto no que se refere às rendas de transferências oriundas desse setor. Sobre a
primeira, os municípios beneficiados têm sido principalmente os litorâneos do Norte
Fluminense, com destaque para Macaé, que concentra a maior parte das operações da
Petrobrás. Sobre o segundo, tem-se que dois terços dos municípios estaduais recebem
royalties, sendo eles distribuídos segundo critérios legais, que também tendem a beneficiar
os municípios já citados, de forma que estas rendas têm tido um duplo efeito sobre o
desenvolvimento regional: por um lado, os municípios do interior estão experimentando um
cenário econômico nunca antes visto, com significativo aumento das condições de emprego
e em seu orçamento, o que lhes possibilita a autonomia para realizar investimentos que
garantam o bem-estar de sua população e que reduzam, em parte, as históricas
desigualdades regionais (Natal, 2005); por outro lado, a divisão dos royalties não considera
tais desigualdades o que pode levar à sua intensificação, visto a assimetria de seus
benefícios, tornando possível o que Pacheco (1998) chama de fragmentação político
institucional e sócio-espacial.
Tem sido, ainda, enfatizadas as fragilidades desse processo de crescimento regional
35
e a
necessidade de planejamento adequado para o uso dos royalties
36
. Primeiro, porque o
petróleo é um recurso natural não-renovável, cuja atividade é incapaz de se sustentar a
longo prazo; segundo, porque as receitas de transferência são decididas politicamente e
podem ser modificadas a qualquer momento. Assim, faz-se necessária uma postura
municipal de cooperação e busca de investimentos que permita tanto a integração nesse
processo de crescimento, como a diversificação da atividade produtiva local. Justifica-se,
assim, a afirmação de Crespo (2003, p. 255) sobre esta questão, visto que “Os royalties
significam a oportunidade de um presente que pode garantir o futuro (...).”
35
Ver Piquet (2003) e Natal (2005).
36
Ver Piquet (2003), Crespo (2003) e Monié (2003).
28
.
Não obstante a participação do Norte fluminense na indústria extrativa, deve-se destacar
que, embora a indústria de transformação tenha se dirigido para o interior, esta permaneceu
aglomerada em torno da capital, em especial, na região metropolitana e na região do Médio
Paraíba, evidenciando um transbordamento da capital e não uma desconcentração, em
sentido estrito. Este transbordamento já era percebido na década de oitenta, como pode ser
visto em Melo e Contreras (1988), que destacam a concentração industrial na região
metropolitana e afirmam que, desde os anos 70, uma mancha industrial se estende para o
Médio Paraíba e Litoral Sul, propiciadas por vantagens locacionais, oriundas da
proximidade à rede concentrada de infra-estrutura social e de serviços da capital. De
maneira análoga, Araújo (2005) destaca sobre a configuração regional recente que “(...) há,
na verdade, uma grande mancha industrial constituída em torno do município do Rio de
Janeiro, envolvendo toda a região metropolitana, com um importante bolsão desenvolvido
no Médio Paraíba.”
Lemos et al (2005) enfatizam o tamanho e a pequena extensão geográfica da aglomeração
industrial no estado do Rio de Janeiro, mas distinguem duas concentrações industriais
principais: uma, formada por sete municípios da região metropolitana;
37
e outra,
centralizada em Volta Redonda, que não deveria ser considerada uma extensão geográfica
da primeira, devido à não complementaridade de suas composições setoriais. Para eles,
seria mais adequado considerar Volta Redonda uma fronteira de expansão do Nordeste de
São Paulo, por ser possível sua complementaridade à indústria metal-mecânica de tal
estado. Em acréscimo, destacam a probabilidade da dinâmica de integração produtiva da
aglomeração metropolitana carioca estar ocorrendo em direção ao litoral norte fluminense,
especificamente relacionada à indústria petrolífera de Macaé.
Esta comentada concentração industrial pode ser observada na Figura 2, que sintetiza as
principais atividades do Rio de Janeiro e sua localização, relativa ao ano de 2003. A partir
dela, também pode ser notado que a indústria no estado é relativamente diversificada, com
produção química, metalúrgica, farmacêutica, alimentícia, entre outras; e, que há um vazio
industrial do leste do estado, em especial nas regiões Serrana e Noroeste Fluminense.
Segundo Lemos et al (2005), a renda per capita dos espaços que possuem firmas industriais
é 1,78 vezes maior que as demais áreas do estado, o que permite concluir que este vazio
industrial é também acompanhado por uma significativa queda da renda municipal.
37
O qual inclui Petrópolis.
30
.
FIGURA 1: Localização das Principais Atividades Industriais do Rio de Janeiro
Fonte: Codin, In: Fundação Cide (2005)
31
.
3.1 Aspectos do Crescimento e da Desigualdade do Território Fluminense
Considerando o citado processo de desenvolvimento por que passou a economia fluminense,
torna-se interessante verificar a evolução dos aspectos econômicos desse estado, no que se
refere a geração e distribuição de renda. Dessa forma, esta seção busca apresentar alguns
dados que justifiquem as afirmações colocadas de que o estado do Rio de Janeiro se
caracteriza por amplos desequilíbrios produtivos e que passa, a partir da década de 1990, por
um processo que parece ser o início de uma recuperação econômica, baseada na expansão do
setor secundário.
Os GRAF. 2 e 3 comparam a dinâmica econômica do Rio de Janeiro com a de outros estados
da federação e com a do distrito Federal, entre os anos de 1985 e 2003. Tal estado detém a
segunda posição em ambas as categorias analisadas, quais sejam, PIB e PIB per capita , no
ano de 2003. No que se refere a esta primeira variável, durante todo o período, os estados
mantiveram sua posição relativa, com a renda de São Paulo alcançando um montante
consideravelmente superior ao dos demais e com Rio de Janeiro, Minas Gerais, Rio Grande
do Sul e Paraná demonstrando níveis próximos de produção. No entanto, a partir e 1999 é
percebida uma pequena divergência do Rio em relação eles.
As taxas de crescimento desses estados foram, relativamente, reduzidas, entre 1985 e 2003,
em compasso com o desempenho nacional. Segundo dados do Ipeadata, entre as cinco
unidades da federação consideradas no GRAF. 2, as duas do Sul detiveram o melhor
desempenho, com o uma taxa de crescimento média de 3,35% no Paraná e 3,1% no Rio
Grande do Sul. Em seguida, Minas Gerais teve uma expansão anual média de 2,45% e o Rio
de Janeiro de 2,43, aproximadamente. São Paulo, com 1,74%, foi o único que cresceu menos
que a média nacional, de 2,73%. É interessante notar, no entanto, que desconsiderando o
primeiro e o último ano da série, este obtêm um crescimento, significativamente, mais
elevado que as demais, tendo crescido 53,6 %, no acumulado do período, enquanto o PIB
nacional cresceu 41%, aproximadamente. Durante tal período, a taxa de crescimento médio
do Rio de Janeiro foi de 3,35%, tendo ficado acima de 5% entre 1999 e 2002.
Pode-se destacar a respeito desse crescimento a instalação da indústria automobilística no
estado e a retomada da indústria naval, em fins da década de 1990. No entanto, como
discutido, há evidencias de que a extração de petróleo tem sido a indústria motriz do recente
início de recuperação econômica fluminense. Principalmente no Norte do estado, esta
32
.
atividade tem gerado economias de aglomerações e incentivado a expansão e a diversificação
das atividades produtivas da área, fortalecendo assim o desenvolvimento regional
38
.
GRÁFICO 2: Evolução do PIB dos Cinco Estados de maior PIB do Brasil, para o
Período de 1985-2003 (em Bilhões de R$ de 2000).
Fonte: Elaboração Própria, a partir dos dados do IPEADATA, 2006.
Quanto à evolução da renda per capita, no GRAF. 3, pode-se observar que, a partir de 1991,
o Distrito Federal ultrapassou São Paulo e se manteve em um patamar relativamente
superior
39
, enquanto as demais regiões apresentaram rendas cada vez mais próximas. O maior
patamar de renda per capita alcançado pela capital federal, pós-democratização, é um
indicativo da importância do setor público na geração de renda regional e tendem a
corroborar os argumentos a respeito do impacto da transferência da capital sobre a economia
carioca.
Para o estado do Rio de Janeiro, cabe destacar que ele começou o período na segunda
colocação, logo atrás de São Paulo, mas perdeu posições, oscilando entre o terceiro e o
quarto lugar; não obstante, a partir de 2001 se aproximou da renda paulista, ultrapassando-a
nos dois últimos anos de análise e voltando novamente à segunda posição. A esse respeito, s
Santos et al (2007) argumenta que a produção de petróleo tem aumentado a renda per capita
estadual, colocando algumas cidades fluminenses entre as mais ricas do Brasil.
40
38
Sobre isto ver Natal (2005), Piquet (3003) e Monié (2003).
39
O maior patamar de renda per capita alcançado pelo distrito federal, pós democratização, é um indicativo da
importância do setor público na geração de renda regional e corroboram os argumentos anteriores a respeito do
impacto da transferência da capital federal sobre a economia do Rio de Janeiro.
40
Entre essas cidades, podem ser destacadas Quissamã, porto Real, Carapebus, Rio das Ostras, Macaé,
Armação de Búzios, São João da barra, Casimiro de Abreu, Piraí, Quatis, Campos dos Goytacazes, Cabo Fio,
Itatiaia e Resende, que se encontram entre as 100 mais ricas do Brasil, segundo Santos et al (2007).
0
50
100
150
200
250
300
350
400
1985
1991
1993
1995
1997
1999
2001
2003
SP
RJ
MG
RS
PR
33
.
GRÁFICO 3: Evolução do PIB Per capita dos Cinco Estados Mais Ricos do Brasil,
para o Período de 1985-2003 (em Mil R$ de 2000).
4
6
8
10
12
14
16
1
9
85
1
98
7
1
9
89
1991
1
99
3
1
9
95
1
99
7
1
99
9
2001
2
00
3
DF
RJ
SP
RS
SC
Fonte: Elaboração Própria, a partir dos dados do IPEADATA, 2006.
Embora tenha detido a segunda maior renda e renda per capita nacional, em 2003, o Rio de
Janeiro apresenta problemas regionais e setoriais, como já destacado. Este estado, de
extensão de 43864,3 km
2
e população de quase 15 milhões de pessoas,
41
encontra-se
distribuído em 8 Regiões de Governo, dispostas na TAB.1. Tal tabela exemplifica algumas
das diferenças regionais, referentes à renda, absoluta e relativa, e população.
A região metropolitana do estado concentrava, em 2003, 66% da renda e 74% da população,
aproximadamente, em 11% do território estadual; sendo que, somente a capital respondia por
49,78% e 40% do total desses valores. Tal situação fez com que o estado do Rio de Janeiro se
diferenciasse dos demais por apresentar “(...) o maior grau de polarização de seu produto e da
população em torno de sua região metropolitana.” (Penal, 2001). Contudo, como afirma essa
autora, após a década de 1970 e 1980, que apresentaram o pior desempenho da economia
fluminense, em relação aos outros estados, a década de 1990 trouxe novas perspectivas e a
retomada do dinamismo da economia carioca, o que, associado ao seu crescente custo de
vida, tem contribuído para a difusão do crescimento para o interior do estado, tendo-se
observado também uma tímida redistribuição de sua população.
Segundo Santos et al (2007), a interiorização do crescimento vem ocorrendo em três direções
e está associada a distintas dinâmicas: “a primeira, à fixação do pólo metal-mecânico na
região do Médio Paraíba, onde se destacam os Município de Resende, de Barra Mansa e de
Volta Redonda; a segunda, aos impactos da exploração de petróleo, que consolidam Macaé, e
também Campos, como importantes elos na cadeia de fluxos no âmbito da economia
41
A terceira maior do país.
34
.
fluminense; a terceira, à exploração de atividades turísticas e também à expansão da periferia
da região metropolitana, nas Baixadas Litorâneas, onde se sobressaem os Municípios de
Cabo Frio e de Araruama (Santos et al, 2007, p.53).
Em posição oposta à da Região Metropolitana, encontram-se as regiões Costa Verde, Centro-
Sul e Noroeste Fluminense, que em conjunto contribuem com apenas 3% do PIB estadual.
No entanto, enquanto a costa Verde agrega apenas quatro municípios
42
e apresenta a terceira
maior renda per capita, as outras duas regiões somam 19% do território e níveis deprimidos
de renda per capita. Pode-se argumentar que o comportamento dessas duas regiões, bem
como da Baixada Litorânea é derivado, principalmente, da falta de articulação e
encadeamento dessas com a região metropolitana e, principalmente, com a capital estadual. A
falta de uma atividade produtiva integrada e complementar à principal região do estado fez
com que os efeitos de polarização agissem sobre essas regiões, enquanto os efeitos de
fluência não foram muito aproveitados
43
. No entanto, enquanto a Baixada Litorânea
encontrou, recentemente, no turismo uma alternativa, o Noroeste ainda conseguiu encontrar
uma atividade que dinamize a região.
O médio Paraíba, de maior renda per capita, apresentou um montante, para esta variável,
quase 4 vezes superior à da região mais pobre, qual seja, o Noroeste Fluminense. Esta
região, que tem em sua própria localização uma vantagem, visto estar entre São Paulo, Rio e
Minas Gerais, teve como marco em seu desenvolvimento a instalação da Companhia
Siderúrgica Nacional (CSN). Atualmente, esta área é responsável por grande parte da
produção siderúrgica, metalúrgica e automobilística do estado. No entanto, Loureiro (2006)
defende que o baixo crescimento demográfico apresentado por ela nas últimas décadas seja
indício de sua pouca diversificação econômica, de forma que ainda não tenha sido formado
um complexo industrial integrado que criasse densidade urbana para os serviços de média e
alta complexidade. No entanto, essa autora atenta para a possibilidade do desempenho
42
Angra dos Reis, Itaguaí, Mangaratiba, Parati
43
Como comentado no capítulo 2, Hirschman caracteriza os desequilíbrios geográficos do crescimento,
buscando explicar as diferenciações entre as regiões e entender as formas o crescimento propaga seus efeitos
pelo espaço, tanto no que se refere a transbordamentos quanto à concentração regional. Assim, divide os efeitos
da transmissão do crescimento do pólo à areal polarizada entre polarização (prejudiciais) e fluência (benéficos).
Ambos agem sobre a região polarizada, mas com intensidades que dependem da integração de sua cadeia
produtiva: quanto mais integrada e complementar à atividade regional, maior a intensidade do efeito de fluência
sobre o de polarização.
35
.
recente da siderurgia e a inicial atração de indústrias automobilística criem uma nova
possibilidade de crescimento para a região.
A Bacia de Campos, embora não pertença a nenhuma dessas regiões e nem configure uma
região de Governo, foi adicionada ao fim da TAB. 1 por ser responsável por 17% da
produção estadual, o que, mais uma vez, demonstra o peso que a atividade extrativa mineral
vem alcançando no estado. Em acréscimo, vale salientar que dos 92 municípios que
compõem o estado, apenas 23 obtiveram renda superior à média
44
, o que também indica o
nível de desigualdade e concentração produtiva do estado.
45
TABELA 1: PIB, PIB per capita e População Segundo Regiões de Governo, em 2003.
(PIB em Mil R$ de 2000).
Regiões de Governo PIB
Participação
relativa no PIB
Estadual
População
Residente
PIB
per
capita
Participação
percentual na
populacao
Estado 22.0 20.6 89 100 14.961 .513
14 718
100
Região Metropolitana 145 .513. 250
66
11 .078 .204
13 135
74,04
Região do Médio Paraíba 14 .894 .388
7
817 .938 18 210
5,47
Região Norte Fluminense 7 .257 .181
3
730 .185 9 939
4,88
Região Serrana 5 .780 .181
3
775 .491 7 454
5,18
Região das Baixadas Litorâneas
4 .128 .773
2
709 .757 5 817
4,74
Região da Costa Verde 3 .155 .513
1
280 .031 11 268
1,87
Região Centro-Sul Fluminense 1 .635 .936
1
263 .341 6 212
1,76
Região Noroeste Fluminense 1 .494 .482
1
306 .566 4 875
2,05
Bacia de Campos 36. 346 .484
17
-- --
--
Fonte: Elaboração Própria, a partir da Fundação Cide, 2006.
Além dos desequilíbrios regionais, a região estudada também se caracteriza por seus
desequilíbrios setoriais. Pelo GRAF. 4, pode-se verificar que a agropecuária, além de um
histórico de pouca expressividade, apresentou tendência à uma parcela, cada vez mais,
irrisória na produção de riqueza regional. Por outro lado, o setor de serviços apresentou-se
expressivo, tendo contribuído com mais de cinqüenta por cento na geração de riqueza
estadual, até o ano de 2002, com participação relativa próxima a 70% nos anos de 1949 e
1996. No entanto, percebe-se que o setor secundário vem aumentando, relativamente, sua
44
Calculada usando o PIB per capita dos municípios, para que pudesse ser desconsiderada a produção da Bacia
de Campos.
45
Como afirma Davidovich (2001), a renda no interior do estado está, em muito, atrelada ao salário mínimo,
cujo reajuste ede 42,4%, em 1995, reduziu imediatamente a pobreza estadual em 16%.
36
.
contribuição, principalmente a partir de 1996, de forma a igualar e superar levemente a
produção do setor terciário, nos anos de 2002 e 2003.
GRÁFICO 4: Evolução do PIB do Rio de Janeiro, Segundo Setores Produtivos, para o
Período de 1939-2003.
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1939 1949 1959 1970 1975 1980 1985 1996 1999 2000 2001 2002 2003
Serviços
Indústria
Agropecuária
Fonte: Elaboração Própria, a partir dos dados da Fundação Cide e do IPEADATA, 2006.
Sobre o desequilíbrio setorial que marcou o crescimento do estado, pode-se entender que a
decadência do setor primário e a impossibilidade de formação de um complexo agrícola
moderno, associados aos fatores de formação histórica e ao caráter subordinado e pouco
dinâmico do setor secundário estimularam a expansão prematura do setor terciário, como
afirmam Melo e Contreras (1998). Segundo essas autoras, tal setor, que expressa a
heterogeneidade estrutural do Brasil, “É o desaguadouro das tensões e problemas que se
originam das debilidades dos outros setores produtivos”. (Melo e Contreras,1998, p.431).
Contudo, depois das dificuldades por que o estado passou, principalmente, durante a década
de 1980, visto sua produção voltada para o mercado interno, o período posterior ao Plano
Real apresentou índices de crescimento industriais mais favoráveis
46
, com o setor secundário
obtendo uma expansão de 20% em sua participação no PIB estadual, entre os anos de 1996 e
2003 (GRAF. 4). Embora venha sendo constantemente afirmado serem estes índices muito
dependentes da indústria extrativa mineral, o estado tem apresentado uma inicial
reestruturação produtiva, que vem provocando aparentes mudanças setoriais e regionais
47
,
que podem via a delinear um cenário de longo prazo um pouco mais otimista. Desde que os
46
Ver Penal, 2001.
47
Ver Monié (2005) e Piquet (2005).
37
.
inúmeros problemas regionais que ainda se apresentam sejam identificados e devidamente
superados, há a possibilidade de que este não seja apenas uma melhora passageira.
Assim, para aprofundar o entendimento sobre a estrutura produtiva do estado, alguns testes
são propostos no próximo capítulo e seus resultados posteriormente discutidos, tendo como
base o Modelo de Insumo-Produto Regional e Inter-Regional.
38
.
4 METODOLOGIA
Este trabalho teve como base teórica o Modelo de Insumo-Produto
48
Regional e Inter-
Regional e seus principais desdobramentos. Tal modelo foi adequado ao objetivo proposto
por sintetizar as relações inter-setoriais, permitindo a análise da cadeia produtiva regional,
por meio da estimação da influência de um setor sobre os demais. A utilização do modelo
inter-regional permitiu, ainda, a incorporação de características regionais e de questões
locacionais, permitindo a verificação de relações comerciais, semelhanças/diferenças e
complementaridades entre as regiões. Especificamente,
• foram utilizados os Multiplicadores do Produto, da Renda e do Emprego, com
objetivo de verificar o impacto de mudanças na demanda final de um setor sobre a
economia;
• o Índice de Ligação de Hirschman-Rasmussen, o Índice de Ligações Puras e o
Campo de Influência foram calculados com vistas a determinar setores-chave;
• o Método de Extração Hipotética e o Índice de Ligações Puras permitiram comparar
as estruturas produtivas das regiões, estimando seu grau de interdependência e
complementaridade;
• a Matriz de Acessibilidade Espacial foi utilizada para associar a dimensão espacial às
relações inter-setorias, detalhar as porosidades e gargalos da cadeia produtiva
industria do Rio de Janeiro;
• a utilização da análise de fuzzy cluster, associada à matriz de Acessibilidade Espacial,
objetivou relacionar os setores e caracterizar a formação de complexos industriais no
espaço.
Inicialmente, considerou-se um modelo de insumo produto inter-regional com P regiões e n
setores, como proposto por Miller e Blair (1985), e suas hipóteses, quais sejam,
interdependência da produção setorial e regional, coeficientes de produção constantes,
retornos constantes de escala, preços relativos fixos e elasticidade de substituição nula. Tal
modelo tem como base a Matriz de Transações de Insumo-Produto, cuja equação básica é
dada por:
p
i
pP
in
pP
i
p
in
p
i
p
in
p
i
p
i
p
i
yzzzzzzzx ++++++++++= ............
1
22
1
11
2
1
1
; (1)
48
O modelo de Insumo-Produto tem como base teórica inicial o trabalho de Leontief (1936). Para explicações
sobre o desenvolvimento desse modelo no âmbito regional e inter-regional ver Miller (1998).
39
.
em que:
Pp ,...,2,1
=
é o número de regiões consideradas na matriz de insumo-produto;
ni ,...,2,1
=
é o número de setores considerados em cada região
49
.
p
i
x é a produção do setor i da região p;
p
i
y é a demanda final do setor i da região p.
pP
in
z representa o total de vendas do setor i da região p ao setor n da região P.
A representação matricial do conjunto de n equações da região p é dada por:
ppPpppp
YZZYZX +++=+= ...
1
. (2)
Em que,
pP
Z
representa:
• o fluxo inter-regional de mercadorias da região p (exportadora) para a região P
(importadora), ; Pp
≠
∀
• o fluxo intra-regional de mercadorias na região p , . Pp
=
∀
Dessa forma, uma tabela de insumo-produto de n setores e P regiões, pode ser descrito por
Y
Z
X
+
=
(3)
em que:
,
Y
:
Y
Y
Y ,
X
:
X
X
X
P
2
1
P
2
1
=
=
=
PPPP
P
P
ZZZ
ZZZ
ZZZ
Z
...
:.::
...
...
21
.
.
22221
11211
(4)
Neste modelo, os coeficientes de insumos regionais e inter-regionais são definidos,
respectivamente, como:
49
Embora o número de setores possa variar entre as regiões, aqui ele será descrito, genericamente, assumindo
um único valor n.
40
.
p
j
pp
ij
pp
ij
x
z
a = e
P
j
pP
ij
pP
ij
x
z
a = (5)
Matricialmente,
=
PPPP
P
p
AAA
AAA
AAA
A
...
:.::
...
...
21
.
.
22221
11211
, para P.1,...,p ,
...
:.::
...
...
21
.
.
22221
11211
=∀
=
pp
nn
pp
n
pp
n
pp
n
pppp
pp
n
pppp
pp
aaa
aaa
aaa
A (6)
o que permite reescrever (3) como:
Y
AX
X
+
=
0A)-det(I se ,)(
1
≠−=
−
YAIX (7)
X = BY
em que B=
1
)(
−
− AI é a matriz inversa de Leontief.
4.1. Multiplicadores
Segundo Miller (1998), um multiplicador de Insumo-Produto pode ser definido como o
montante pelo qual um efeito inicial é intensificado para se tornar um efeito final, em um
modelo aberto ou fechado
50
. No primeiro caso, apenas as relações intersetoriais são
consideradas, enquanto no modelo fechado endogeniza-se alguma linha relacionada ao valor
adicionado de um dos insumo (ou a linha de importações) e a coluna de demanda final
relacionada a essa linha. Dessa forma, no primeiro modelo o efeito final considera os efeitos
diretos e indiretos das variações setoriais iniciais e no segundo modelo considera-se, também,
o efeito induzido (ou seja, rodadas secundárias de variações na demanda final).
50
O modelo de insumo-produto é dito fechado se endogeniza algum componente da demanda final e da
remuneração dos fatores, inicialmente exógenos ao modelo. Normalmente, esta classificação é referente à
introdução das famílias, por meio da linha de trabalho e da coluna de consumo. Este procedimento torna o
consumo dependente e endogenamente determinado pela geração de renda, bem como considera o feedback do
efeito do aumento do consumo sobre a demanda de trabalho.
41
.
4.1.1. Multiplicadores de Produto
Este multiplicador estima o grau de interdependência estrutural dos setores, pois indica a
soma das necessidades diretas e indiretas e induzidas de insumos de todos os setores da
economia, para que seja produzida uma unidade monetária a mais de produto do setor j. Seu
valor é dado pela soma das colunas da matriz inversa de Leontief, (7).
Formalmente, para um modelo inter-regional, tem-se:
∑∑
==
++=
n
i
Pp
ij
n
i
p
ij
p
j
bbO
11
1
...
(8)
Pp
j
p
j
p
j
OOO ++= ...
1
em que:
p
j
O é o Multiplicador do Produto do setor i, da região p;
Pp
j
O , p ≠,P, é o efeito inter-regional do Multiplicador do Produto do setor i, da região p,
sobre a região P.
pp
j
O é o efeito intra-regional do Multiplicador do Produto do setor i, da região p. Ou seja, a
parcela da expansão do produto que fica retina da região.
ij
b representa os elementos da matriz inversa de Leontief:
1
)(
−
− AI
4.1.2. Multiplicadores de Renda
Os Multiplicadores da Renda e do Emprego, ao contrário do Multiplicador do Produto,
diferenciam a importância dos setores, ponderando-os pela quantidade de trabalho utilizada.
O cálculo desse Multiplicador exige que inicialmente, construa-se um vetor de insumos de
trabalho, h,
),...,,(
21 n
hhhh = , (9)
cujos coeficientes indicam a quantidade de salários pagos à produção de uma unidade
monetária de produto de cada setor.
42
.
Em seguida, cria-se uma matriz, a partir da multiplicação de h’B, em que h’ é o vetor h
transposto. Dessa forma, o multiplicador da renda é obtido a partir da soma das colunas dessa
matriz. Formalmente,
j
n
i
Pp
iji
n
i
p
iji
p
j
hbhbhH /...
11
1
++=
∑∑
==
(10)
Pp
j
p
j
p
j
HHH ++= ...
1
em que:
p
j
H é o Multiplicador da Renda do setor i, da região P;
Pp
j
H , , p ≠,P, é o efeito inter-regional desse Multiplicador do setor i, da região P, sobre a
região p.
pp
j
H é o efeito intra-regional do Multiplicador da Renda do setor i, da região P.
Os valores desse multiplicador indicam as variações da renda recebidas pelos trabalhadores
de toda a economia, devido a mudanças no montante de salários pagos aos trabalhadores do
setor j.
4.1.3. Multiplicadores de Emprego
Este multiplicador é análogo ao da renda, exceto pelo fato de utilizar um vetor de trabalho
medido em unidades físicas e não monetárias, como o anterior. Inicialmente, o vetor de
insumo trabalho por unidade monetária de produto, e, é construído e multiplicado, em sua
forma transposta, pela matriz B:
),...,,(
21 n
eeee = (11)
A partir de uma variação na demanda final do setor j, tem-se como multiplicador do
emprego:
j
n
i
Pp
iji
n
i
p
iji
p
j
ebebeE /...
11
1
++=
∑∑
==
(12)
43
.
Pp
j
p
j
p
j
EEE ++= ...
1
em que:
p
j
E é o Multiplicador do Emprego do setor i, da região P;
Os valores desse vetor estimam o impacto sobre o total de empregos (ou horas trabalhadas)
de todos os setores da economia, resultante de variações no total de emprego do setor j.
4.2. Índices de Ligações
Os Índices de Ligação são utilizados para identificar setores-chave na economia, a partir da
análise dos encadeamentos existentes entre as diversas atividades. São classificados como
setores-chave aqueles cuja atividade é capaz de influenciar mais fortemente os demais, seja
pelo aumento da produção ou pela atração de novas atividades. Estes encadeamentos são
divididos entre ligações para trás – referentes ao impacto das variações na demanda do setor
sobre os demais- e, ligações para frente – referentes ao impacto de variações da oferta do
setor.
4.2.1. Índice de Ligação Hirschman-Rasmussen
Considerando a matriz (7), as ligações para trás são calculadas a partir da equação (13) e as
ligações para frente a partir da equação (14):
*/
*
B
n
B
U
j
j
= (13)
*/
*
B
n
B
U
i
i
=
(14)
sendo,
2
1 1
/* nbB
n
i
n
j
ij
=
∑∑
= =
, a intensidade média da matriz de coeficientes; (15)
nbB
n
i
ijj
/
1
*
=
∑
=
, a intensidade nas compras do setor j; (16)
44
.
nbB
n
j
iji
/
1
*
=
∑
=
, a intensidade nas vendas do setor i. (17)
Em que:
U
j
é o índice de encadeamentos para trás (poder de dispersão), cujo valor superior à unidade
indica que o amento da produção em j desencadeia um aumento na demanda de insumo de
outros setores em um montante superior à média;
U
i
é o índice de encadeamentos para frente (sensibilidade de dispersão), cuja superioridade à
unidade indica que sua produção aumenta mais que proporcionalmente quando a demanda
dos outros setores se eleva.
São considerados setores-chave aqueles cujos encadeamentos forem superiores à média; ou
seja, cujo valor de U
j
ou U
i
forem maiores que um.
51
4.2.1.1. Coeficientes de Variação
Ao utilizar o Índice de Ligações de Hirschman-Rasmussen deve-se levar em conta que ele
não informa sobre a dispersão de seu efeito multiplicador sobre os demais setores, podendo
este, embora intenso, estar concentrado em um pequeno número. Por esta razão, essa análise
deve estar associada ao uso dos Coeficientes de Variação, os quais são capazes de verificar à
forma como o efeito multiplicador se espalha pelas atividades produtivas , no que se refere ao
seu grau de concentração setorial.
Dessa forma, tem-se:
n
B
n
B
a
n
V
j
i
j
ij
j
*
2
*
*
1
1
∑
−
−
= , (18)
que representa o coeficiente de variação nas compras; e,
51
Deve-se destacar no entanto, que devido à sua natureza, alguns setores tendem a ter fortes encadeamentos
somente para trás ou somente para frente; de forma que seriam chaves para a economia, mesmo não tendo
ambos os índices maiores que 1. O índice de ligações puras tende a superar essa dificuldade encontrada no
índice de Hirschman-Rasmussem, ao fornecer um índice total, que agregue tanto os efeitos para trás, quanto
para frente.
45
.
n
B
n
B
a
n
V
i
j
i
ij
i
*
2
*
*
1
1
∑
−
−
= , (19)
que representa o coeficiente de variação nas vendas.
Assim, baixos valores de V
*
j e Vi
*
indicam que o setor j demanda e oferta, respectivamente,
a um número maior de setores, que a média da economia.
4.2.2. Índice Puro de Ligações
52
Como a metodologia anterior não considera o nível de produção do setor, mas apenas as
ligações entre eles, o Índice Puro de Ligações devem ser utilizados, uma vez que permitem
incorporar o nível de produção às ligações técnicas intersetoriais. Para isso, isola-se um setor
(ou região) da economia e calcula-se o resultado dessa mudança.
Assim, isolando-se o setor j do resto da economia, r, pode-se re-escrever a Matriz de
Coeficientes Técnicos Intersetoriais da seguinte forma:
rj
rr
rj
jrjj
rrrj
jrjj
AA
A
A
AA
AA
AA
A +=
+
=
=
0
00
0
; (20)
em que:
A
j
são os coeficientes técnicos de compra e venda do setor j em relação aos demais;
A
r
representa a matriz de coeficientes técnicos para o resto da economia.
Considerando (20) e (7), tem-se:
∆
∆
∆
∆
∆
∆
=
=
IA
AI
BB
BB
B
jrj
rjr
r
j
rr
jj
rrrj
jrjj
*
0
0
*
0
0
(21)
para:
1
)(
−
−=∆
jjj
AI : efeito direto sobre o setor j, de uma variação na demanda de j;
52
Método apresentado em Guilhoto, Sonis e Hewings (1996) e utilizado em Silva et al (2004), trabalho no qual
essa discussão se baseia.
46
.
1
)(
−
−=∆
rrr
AI : efeito direto sobre o resto da economia, de uma variação da demanda do
resto da economia;
1
)(
−
∆∆−=∆
rjrjrjjj
AAI : efeito final sobre o setor j, da variação da demanda desse setor
sobre os insumos do resto da economia;
1
)(
−
∆∆−=∆
jrjrjrrr
AAI ; efeito final sobre o resto da economia, da variação de sua demanda
por insumos do setor j.
Assim,
jj
∆ e
rr
∆ correspondem ao efeito final das interações entre o setor j e o resto da
economia.
Retomando (7) e considerando (21),
∆
∆
∆
∆
∆
∆
=
=
r
j
jrj
rjr
r
j
rr
jj
r
j
y
y
IA
AI
x
x
x **
0
0
*
0
0
+∆
∆+
∆
∆
∆
∆
=
rjjrj
rrjrj
r
j
rr
jj
r
j
yyA
yAy
x
x
*
0
0
*
0
0
(22)
Em seqüência, tem-se:
∆+∆∆
∆∆+∆
∆
∆
=
rrijrjr
rrjrjjj
rr
jj
r
j
yyA
yAy
x
x
*
0
0
(23)
em que:
rrjr
yA ∆ é o impacto direto da demanda final do resto da economia sobre o setor j;
jjrj
yA ∆ é o impacto direto da demanda final do setor j sobre o resto da economia.
Utilizando (33), o índice de ligações puras, para trás e para frente, é descrito por (24) e (25),
respectivamente:
jjrjr
yAPBL ∆∆= (24)
rrjrj
yAPFL ∆∆= (25)
47
.
em que:
PBL (Pure Backward Linkage) estima o impacto puro da produção do setor j sobre o resto da
economia; isto é, impacto livre do efeito do setor sobre ele mesmo.
PFL (Pure Forward Linkage) pode ser interpretado como o impacto direto da demanda final
do resto da economia sobre a produção do setor;
Uma vez que os dois índices são dados em valores correntes, pode-se encontrar o índice total
de ligações a partir da soma de (24) e (25):
PFL
PBL
PTL
+
=
(26)
Por fim, PTL, PBL e PFL podem ser normalizados em torno da média. Dessa forma, valores
superiores à unidade indicam importância setorial acima da média, na economia.
4.3. Campo de Influência
53
Este método complementa a identificação de setores-chave, pois permite verificar os efeitos
de mudanças em um ou mais coeficientes da Matriz de Insumo-Produto sobre toda a estrutura
da matriz; evidenciando, assim, os elos de ligação entre os setores.
Assim, considerando-se (1), define-se a matriz
ij
E
ε
= , cujos valores indicam as variações
incrementais dos coeficientes diretos de insumos; sendo,
0
,
ε
ε
ij
se
11
1,1
, jjii
jjii
≠≠
==
(27)
Como conseqüência, a matriz inversa de Leontief passa a ser representada por:
ij
bB = e )()()(
1
εε
ij
bEAIB =−−=
−
(28)
Para pequenas variações tecnológicas em um único coeficiente, o Campo de Influência de tal
variação pode ser aproximado por:
ij
i
ij
BB
F
ε
ε
ε
])([
)(
−
= ; (29)
em que:
53
Método foi proposto por Sonis e Hewings (1991), trabalho no qual a discussão desta seção se baseia.
48
.
)(
ij
F
ε
é a matriz (n x n)que indica o Campo de Influência do coeficiente a
ij
.
Por fim, associa-se a cada matriz )(
ij
F
ε
um valor dado pela equação:
∑∑
= =
=
n
k
n
l
ijklij
FS
1 1
2
)]([
ε
, (30)
de forma que, os coeficientes relacionados a um maior valor de S são os que apresentam
maior Campo de Influência.
4.4. Método de Extração Regional Hipotética
54
O Método de Extração Hipotética permite verificar a interdependência entre a estrutura
produtiva de uma região em relação às outras; possibilitando, ainda, a distinção entre
dependência para trás e para frente e a verificação da distribuição espacial dessa
dependência.
A partir da Matriz Inter-Regional de Coeficientes Técnicos (6), traçada para n setores em P
regiões, estima-se o efeito, sobre o resto da economia, do “desaparecimento” de uma região
ou de um setor. Supondo ser a região 1 a região extraída, a primeira ação consiste em isolar
esta região e o resto da economia, que é representada pelo sobrescrito R. Assim, pode-se
representar o vetor x da seguinte forma:
x = (x
1
, x
R
), (31)
em que:
x
1
= (x
1
1
,..., x
n
1
) e x
R’
= (x
2
,...,x
I
,...,x
N
)’; (32)
este procedimento estende-se, então, às matrizes A e B:
=
RRR
R
AA
AA
A
1
111
(33)
=
RRR
R
BB
BB
B
1
111
(34)
54
Método proposto por Dietzenbachcher, Linden e Steenge (1993) e utilizado em Haddad, Perobelli e Santos
(2004). Esta seção baseia-se nesse segundo trabalho.
49
.
onde os sobrescritos 11 e RR representam as transações setoriais intra-regionais e 1R e R1
representam as transações setoriais inter-regionais.
Resolvendo a equação (7), com base em (34):
RR
yBfB
11111
x += ; (35)
RRRR
yBfB +=
11R
x
(36)
A extração hipotética da região x consiste na eliminação das linhas e colunas referentes a
região 1, de forma que (7) se reduz a:
RRRRR
yxAx += (37)
RRRR
yAIx
1
)(
−
−= (38)
O efeito da extração da região 1 sobre a região R pode ser medido pela diferença entre (36) e
(38):
RRRRRRRR
yAIyByBx
111R
)(x
−
−−+=−
RRRRRRR
yAIByBx ])([x
111R −
−−+=− (39)
A primeira parte da equação (39) reflete o nível de produção da região R, direcionada e
necessária à satisfação da demanda final da região 1. A segunda parte reflete a produção
dessa região dirigida a sua própria demanda final.
Para calcular (39), deve-se proceder ao calculo de B
R1
, B
1R
, B
RR
,
11111
)(
−
−=
RRRR
AIABB (40)
11111
)( BAAIB
RRRR −
−= (41)
1111111
)()()(
−−−
−−+−=
RRRRRRRRRR
AIABAAIAIB (42)
Resolvendo (39), com base em (40) - (42):
])([)(x
1111111R RRRRRRRR
yAIAyBAAIx
−−
−+−=− (43)
50
.
Esse vetor demonstra a dependência entre a região 1 e as demais regiões. De forma análoga,
pode-se encontrar o impacto sobre a região 1 de seu isolamento da região R, o que seria
expresso por:
])([)(x
11111111111
yAIAyBAAIx
RRRRR −−
−+−=− (44)
Assim, (43) e (44) refletem o impacto da extração da região 1 sobre o resto da economia e o
impacto da extração do resto da economia sobe a produção da região 1, respectivamente. Tais
equações, além de demonstrarem a intensidade da interligação entre as duas regiões,
permitem analisar quais setores são mais dependentes do comércio intra-regional e quais são
mais dependentes do comércio inter-regional. Para definir se esta dependência ocorre na
compra ou na venda, calcula-se os efeitos para frente e para trás entre as regiões. Este último
pode ser obtido diretamente das equações (43) e (44), que medem a dependência na compra
de insumos da região 1 em relação ao resto da economia; e, a dependência do resto da
economia em relação a região 1.
Para calcular o efeito para frente da extração da região 1, deve-se retomar as equações (6) e
(7) e definir a Matriz de Alocação (ou Matriz de Produto) por:
ZxP
1−
=
(45)
Da mesma forma, define-se a equação contábil:
'' vZex
+
=
(46)
em que,
)1,...1,1('
=
e
;
'v
é o vetor linha dos insumos primários.
Isto implica:
'' vPxx
+
=
, (47)
que pode ser re-escrita como
GvPIvx ')('
1−
−=
. (48)
51
.
Assim como para o efeito para trás, o efeito para frente é calculado a partir do vetor
−
−
−
−=−−=−
−
−
))((0
0)(
)()](),[()(
1
111
1
111
111
RRRRR
R
RRR
PI
PI
GG
GG
vvxxxxxx
(49)
Assim, tem-se como efeito para frente da região 1 em relação ao resto da economia o vetor
por
RR
xx −
e, do resto da economia em relação à região 1,
11
xx − .
4.5. Identificação de Complexos Industriais Espaciais
55
A identificação de Complexos Industriais no Espaço realizou-se por meio da construção da
Matriz de Acessibilidade Espacial e pela classificação dos setores produtivos em clusters,
segundo os valores determinados nessa matriz. Tal classificação foi obtida por meio da
técnica de fuzzy cluster.
4.5.1.Matriz de Acessibilidade Espacial
O objetivo desta matriz é incorporar a dimensão espacial às relações intersetoriais, por meio
da identificação dos constrangimentos à circulação de cada setor em relação aos demais no
âmbito locacional e comercial. Seus elementos permitem detalhar as porosidades da cadeia
produtiva e identificar os setores indicados a políticas industriais que objetivem equacionar
gargalos e potencializar a integração regional.
Inicialmente, considera-se o vetor r = (r
1
...r
n
) como o vetor de rendas por unidade de produto,
derivada da localização desses setores; ou seja, r representa o lucro extraordinário unitário
dos n setores produtivos, obtido por meio de sua localização em um determinado espaço.
Dessa forma, pode-se definir r
i
por:
.,...,1, ni
X
R
r
i
i
i
== 10 ≤≤
i
r (50)
em que:
R
i
é a renda fundiária total, em termos monetários, paga pelo setor i.
X
i
é a produção total do setor i.
55
Este método foi proposto por Simões (2003), trabalho no qual esta discussão se baseia.
52
.
Sendo o espaço localizado escasso e concorrido, o lucro extraordinário transforma-se em
renda da terra e passa a representar um custo para o setor. Dessa forma, a renda derivada da
localização e gerada pelo setor i é parcial ou totalmente consumida pelo custo total de fricção
espacial, de maneira que se pode denotar r
i
por:
)(1
ii
CTFr −= (51)
em que:
CTF
i
é o custo total de fricção espacial unitário do setor i.
Esta fricção espacial depende das necessidades de circulação da mercadoria, no que se refere
à compra e venda de insumos entre os setores e da demanda final. Assim, a partir da Matriz
de Relações Intersetoriais, do Modelo de Insumo-Produto, traça-se uma outra matriz cujos
coeficientes técnicos incorporam os requisitos de compra e venda intermediária, bem como a
demanda final.
Considerando-se, inicialmente, a relação entre os setores i e j, no que diz respeito ao produto
relativo das necessidades de compra e venda desses setores e da demanda final, pode-se
definir a matriz G, cujos elementos são deduzidos por:
j
jiij
ij
X
xx
g
)(
+
= (52)
em que:
g
ij
é o coeficiente de relações técnicas espaciais do setor i ao setor j;
x
ij
são as vendas do setor i ao setor j;
x
ji
são as compras do setor i ao setor j.
Definindo o custo total de fricção espacial como o produto do coeficiente espacial pelo custo
de acessibilidade espacial desses setores, pode-se representá-lo por:
)(
ijijij
vgCTF = (53)
em que:
53
.
v
ij
é o custo de acessibilidade espacial entre i e j.
Assim, considerando (53), pode-se reescrever (51):
)(1
ijiji
vgr −= (54)
Sendo o custo de acessibilidade relacionado aos vários mercados, por meio da demanda
intermediária ou do produto final, pode-se diagonalizar o vetor r e escrever a equação de
forma matricial:
GVIR
−
=
1
)(
−
−= GRIV (55)
como 10 ≤≤
i
r , quanto menor o r
i
, maiores serão os v
ij
e, conseqüentemente, pior a
localização do setor. Isto permite identificar os estrangulamentos de circulação em relação à
distribuição das atividades. Segundo Simões (2003), os valores v
ij
dessa matriz conjugam
relações técnicas e de localização e indicam o constrangimento à circulação e reprodução que
cada setor impõe ao demais; permitindo identificar gargalos, não apenas de relações técnicas
de compra de insumos intermediários, mas, principalmente, derivados de contingências
locacionais. Dessa forma, os setores individuais cujos valores de v
ij
são mais elevados devem
ser estimulados por políticas de desenvolvimento regional, que busquem superar os gargalos
e fortalecer a cadeia produtiva regional.
Por fim, incorpora-se a demanda final e a força de trabalho ao modelo, de forma que o custo
de acessibilidade englobe os custos diretos de localização, configurados no pagamento de
aluguéis, os custos diretos de transporte e os custos indiretos de localização, configurados
nos salários e que são influenciados pelo aumento do custo de vida nas regiões centrais.
Para incorporar a demanda final à matriz G, acrescenta-se F
i
à diagonal principal da matriz:
ji
X
Fxx
gg
j
ijiij
ijij
=∀
+
+
== ,
*
(56)
Para a incorporação da força de trabalho, considera-se as três equações seguintes:
54
.
i
i
i
X
vcf
cw = (57)
i
i
i
X
W
w = (58)
][]].[[
inii
WCFvwcw =Σ+Σ (59)
em que:
cw
i
é o vetor de reprodução da forma de trabalho;
vcf
i
são as vendas do setor i destinadas ao consumo final;
w
i
é o gasto de salários por unidade de produto do setor i;
W
i
é o total de salários pagos pelo setor i;
v
n
é a fricção espacial da mão-de-obra como proxy da demanda final;
WCF
i
é o custo espacial do consumo para reprodução da força de trabalho.
Dessa forma, pode-se estabelecer a relação:
]['
iii
cwwgs += (60)
em que:
i
gs' é o vetor salário, que forma a última linha e coluna da matriz G, cuja última entrada é
dada por:
n
ii
n
F
n
cww
gs +
+
=
][
' (61)
em que F
n
considera o total da demanda final e o total da produção nacional.
Tendo sido consideradas as relações teóricas da construção do vetor r, sua construção
empírica é feita por meio do uso de um Quociente Locacional (QL). Tal índice informa a
concentração relativa regional de determinada atividade e pode ser descrito por:
55
.
(
)
( )
( )
( )
=
Rt
Ri
rt
ri
i
Nest
Nest
Nest
Nest
QL
,
,
,
,
(62)
em que:
QL
i
é o índice de intensidade do setor industrial na região r, em relação ao total nacional, R
56
.
Nest
i
é o número de estabelecimentos do setor i.
Nest
t
é o total de estabelecimentos da região.
Uma vez que a construção teórica indica que r deve variar no intervalo [0,1], faz-se:
e
e
r
i
QL
i
1−
= se 10 <≤
i
QL
i
i
QL
QL
i
e
e
r
1−
= se
i
QL≤1 (63)
Por fim, temos:
W
Wr
r
ii
m
)(
1
Σ
=
+
(64)
que é acrescentado à matriz R como seu último elemento e representa a estrutura produtiva
ponderada pelos salários nacionais; sendo, W a soma do total de salários pagos pelos setores
considerados.
Após a obtenção da matriz V, deve-se proceder não só a análise individual de cada um dos
seus elementos, mas ao agrupamento destes, com base em suas similaridades. Isto porque,
não obstante à importância da análise individual das restrições espaciais dos setores, a
utilização da Matriz de Acessibilidade Espacial como matriz básica de informações permite
identificar complexos industriais no espaço, a partir do agrupamento de setores que dividam
características econômico-espaciais. Para tal, utiliza-se a técnica de fuzzy cluster.
56
Para a construção do QL
i
foi necessária a utilização da RAIS/Cnae (2003), e posterior compatibilização com
os setores do Sistema de Contas Nacionais (SCN). Isto foi feito considerando-se a participação de cada
atividade pertencente ao setor i, no total de empregados do setor i, como descrito na seção 5.2.
56
.
4.5.2. Análise de Fuzzy-Cluster
A análise de clusters busca combinar os elementos segundo seu grau de similaridades, de
forma que a variância seja mínima entre os elementos de um mesmo conjunto e máxima
entre os conjuntos. Tal análise engloba diversos procedimentos distintos, que podem ser
divididos em dois grupos: conjuntos crisp e conjuntos fuzzy.
Considerados um espaço finito e contável de pontos X e sendo x um ponto desse espaço, a
classificação de x a partir da teoria de conjuntos crip implica que x deve ser caracterizado
como pertencente ou não ao conjunto. Assim, crips sets exigem uma distinção clara da
fronteira dos conjuntos, o que implica, na definição dos clusters, que cada elemento deva
pertencer única e totalmente a um cluster.
A definição de conjuntos fuzzy foi introduzida por Zadeh (1965) e o arcabouço teórico
iniciado a partir daí é indicado para casos em que os subconjuntos de um conjunto de dados
não têm fronteiras rigidamente definidas, mas são caracterizados por gradações
.
Nesses casos os dados devem ser classificados por seu grau de pertencimento a um grupo,
visto não se ajustarem à classificação binária, pertencer ou não pertencer.
Uma vez que esta característica está presente em muitos elementos, a teoria dos conjuntos
fuzzy tem se desenvolvido e sido aplicada a diversos ramos das ciências
57,
tendo,
recentemente, sido incorporada ao estudo das Matrizes de Insumo-Produto
58
. Como afirma
Amendola et al (2005), a diversidade de aplicação dessa teoria reside na possibilidade de
manipular e modelar matematicamente informações vagas e imprecisas.
Formalmente, um conjunto fuzzy pode ser definido da seguinte forma: sendo X um espaço
finito e contável de pontos e x um ponto desse espaço, um subconjunto fuzzy, F de X, é um
conjunto de pares ordenados:
Xxxux
F
∈∀,))}({( (65)
sendo, ]1,0[: →Xu
F
;
57
Sobre isto ver Barros (1997)
58
Sobre isto ver Cao (1993), Buckley (1989, 1990) Simões (2003), Díaz et al (2006), Beynon et al (2005)
57
.
em que, )(xu
F
é o grau de pertencimento de x ao conjunto F e deve ser representado como a
parcela dos atributos possuída por x necessária à uma perfeita representatividade de x pelo
conjunto F. Uma vez que a função de pertinência assume valores no intervalo, normalizado,
[0,1], os elementos de X podem pertencer parcialmente a diversos subconjuntos.
59
Dessa forma, aplicando-se a análise fuzzy ao conjunto de setores da economia, por meio de
seus valores na Matriz de Acessibilidade Espacial, pode-se considerar F um complexo
industrial, formado por um subconjunto de setores produtivos, e analisar o grau de integração
e dependência (pertinência) desses ao complexo. A vantagem do uso dos conjuntos fuzzy,
nessa identificação reside na possibilidade de verificação da intensidade da ligação de cada
setor aos complexos.
4.6. Base de Dados
Para realização dos testes propostos nas sessões 4.1 à 4.4 utilizou-se a matriz de Insumo-
Produto Inter-Regional de Minas Gerais, São Paulo, Rio de Janeiro, Nordeste e Resto do
Brasil, de 1999, construída e cedida pelo Prof. Dr. Joaquim J. M. Guilhoto. Esta matriz é
composta por 44 setores produtivos, para cada uma das cinco regiões compreendidas, sendo
o número e nome desses setores disponibilizados na TAB.2.
Por possuírem coeficientes técnicos nulos, o setor Refino de Petróleo (17) de Minas Gerais
foi retirado e Serviços Privados não Mercantis (44) foi adicionado aos Serviços Prestados às
Famílias (40) - Isto porque, como este setor vende diretamente para as famílias, a matriz de
Coeficientes Técnicos Inter-setoriais do modelo aberto se igualava a zero. Já o setor de
Petróleo em Minas Gerais possuía apenas zeros, tanto na coluna quanto na linha, devido á
inexistência dessa atividade em tal estado.
Na construção da Matriz de Acessibilidade Espacial, proposta na sessão 4.5.1, foram
utilizadas a Matriz de Insumo-Produto do Brasil de 2003, também cedida pelo prof. Guilhoto
e o número de estabelecimentos das atividades produtivas, obtidos a partir da RAIS/CNAE,
classificação 95, do ano de 2003, divulgada pelo Ministério do Trabalho.
Tal matriz é composta por 43 setores produtivos, dos quais apenas os 31 primeiros, referentes
à agropecuária e à indústria, foram utilizados. Tais setores, também, se encontram descritos e
59 Sobre isso, ver Simões (2003) e Dridi e Hewings (2003).
58
.
numericamente identificados na TAB. 2. A RAIS/CNAE, classificação 95, é composta por
614 atividades, entre as quais foram utilizadas 338. Tais atividades, presentes no Rio de
Janeiro, se referem ao setores agrário e industrial e sua compatibilizarão com a matriz de
Insumo-Produto nacional foi realizada a partir das tabelas de correspondência SCN x CNAE
(IBGE, 2006a) e CNAE 1.0 x CNAE (IBGE, 2006b), conforme explicado na sessão 5.5, p.
86.
Embora a construção da Matriz de Acessibilidade e a identificação dos complexos industriais
pudessem ser feitos a partir da Matriz de Insumo-Produto Inter-Regional e da RAIS de 1999,
optou-se pelos dados de 2003 devido à possibilidade de melhor captar as recentes dinâmicas
e modificações ocorridas no Rio de Janeiro. Movimentos como a implantação da indústria
automobilística e as privatizações ocorridas no setor petrolífero e siderúrgico, possivelmente,
estão melhor incorporados aos dados mais recentes. Como pode ser visto na FIG. 1, a
participação do Rio de Janeiro no PIB industrial do Brasil é crescente no período entre 1999
e 2003. No entanto, acredita-se que não há incompatibilidades entre os resultados estimados
a partir dessas duas bases, de forma que os índices obtidos para o ano de 1999 possam ainda
retratar a dinâmica setorial da região.
59
.
TABELA 2: Identificação dos Setores do Modelo de Insumo-Produto Regional e Inter-
Regional
Matriz Inter-Regional de Insumo-Produto do Rio de
Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do
Brasil
Matriz de Insumo-Produto do Brasil
1 Cana-de-açúcar 1 Agropecuária
2 Resto Agropecuária 2 Extrativa mineral (exceto combustíveis)
3 Extrativa Mineral 3 Extração de petróleo e gás, carvão e outros combustíveis
4 Petróleo e Outros 4 Fabricação de minerais não metálicos
5 Minerais não Metálicos 5 Siderurgia
6 Metalurgia 6 Metalurgia dos não-ferrosos
7 Mecânica 7 Fabricação de outros produtos metalúrgicos
8 Material Elétrico e Eletrônico 8 Fabricação e manutenção de máquinas e tratores
9 Automóveis 9 Fabricação de aparelhos e equipamentos de material elétrico
10 Caminhões e Ônibus 10 Fabricação de aparelhos e equipamentos de material eletrônico
11 Peças e Outros Veículos 11 Fabricação de Automóveis, caminhões e ônibus
12 Madeira e Mobiliário 12 Fabricação de outros veículos, peças e acessórios
13 Celulose, Papel e Gráfica. 13 Serrarias e fabricação de artigos de madeira e mobiliário
14 Indústria da Borracha 14 Indústria de papel e gráfica
15
Álcool
15 Indústria da borracha
16 Outros Elementos Químicos não Petroquímicos 16 Fabricação de elementos químicos não-petroquímicos
17 Refino do Petróleo 17 Refino do petróleo e indústria petroquímica
18 Químicos Diversos 18 Fabricação de produtos químicos diversos
19 Farmácia e Veterinária 19 Fabricação de produtos farmacêuticos e de perfumaria
20 Artigos Plásticos 20 Indústria de transformação de material plástico
21 Indústria Têxtil 21 Indústria têxtil
22 Artigos do Vestuário 22 Fabricação de Artigos do Vestuário e acessórios
23 Fabricação de Calçados 23 Fabricação de calçados e de artigos de couros e peles
24 Fabricação de Açúcar 24 Indústria do café
25 Outros Produtos Alimentares 25 Beneficiamento de produtos de origem vegetal - inclusive fumo
26 Indústrias Diversas 26 Abate e preparação de carnes
27 Produção de Energia Elétrica Hidráulica 27 Resfriamento e preparação do leite e laticínios
28 Produção de Energia Elétrica Outras Fontes 28 Indústria do açúcar
29 Distribuição de Energia Elégrica 29 Fabricação e refino de óleos vegetais e de gorduras para alimentação
30 Saneamento e Abastecimento D´Água 30 Outras indústrias alimentares e de bebidas
31 Coleta e Tratamento de Lixo 31 Indústrias diversas
32 Construção Civil
33 Comércio Varejista de Combustíveis
34 Comércio Varejista de Veiculos, Peças e Acessórios
35 Outros Comércios
36 Transporte Rodoviário
37 Outros Transporte
38 Comunicações
39 Instituições Financeiras
Serviços Prestados às Famílias (Modelo Fechado)
40
Serviços Prestados às Famílias e Serviços Privados não Mercantis
41 Serviços Prestados às Empresas
42 Aluguel de Imóveis
43 Administração Pública
44 Serviços Privados não Mercantis (Modelo Fechado)
Fonte: Elaboração Própria, a partir da Matriz Inter-Regional de Insumo-Produto do Rio de Janeiro, São
Paulo, Minas Gerais, Nordeste e Resto do Brasil, de 1999 e da Matriz de Insumo-Produto do Brasil, de
2003.
60
.
5 RESULTADOS
As informações geradas pelos testes propostos no capítulo anterior deste trabalho são
apresentadas e discutidas neste, tendo como foco o entendimento da economia do Rio de
Janeiro e a possibilidade de seu fortalecimento. Porém, antes de dar início à interpretação
desses testes, a TAB.3 é apresentada com o intuito de fornecer uma primeira comparação
entre as regiões e setores considerados no Modelo de Insumo-Produto Inter-Regional. Esta
tabela apresenta os valores absoluto e percentual dos setores regionais, bem como seu Rank,
permitindo verificar importância relativa de cada um, dentro das regiões. O total da produção
de cada setor e região, também, é apresentado.
Assim, no Brasil, a Administração Pública (43), a Construção Civil (32), o Aluguel de
Imóveis (42), Outros Produtos Alimentares (25) e Resto Agropecuária (2) foram
responsáveis por mais de 40% da produção, no ano de 1999; sendo, 35% desta concentrada
em São Paulo. Para esse ano, Rio de Janeiro e Minas Gerais tiveram, praticamente, a mesma
participação no produto nacional, o que foi pouco menor que a do Nordeste. A região
caracterizada como Resto do Brasil deteve a segunda maior parcela da produção nacional.
Quanto à distribuição do produto fluminense, quase 25% se concentra em dois setores,
Administração Pública e Aluguel de Imóveis; e, mais de 60% em apenas oito, o que
demonstra uma estrutura produtiva relativamente concentrada e, ainda, muito dependente do
Setor Público. Dentre os dez setores de maior produção nesse estado, pode-se destacar que
apenas três pertenciam à indústria, sendo eles Extração e Refino de Petróleo (4 e 17) e
Metalurgia (6). Quanto a este primeiro setor, o estado foi responsável por 74,18% e o
Nordeste por 19,77% da produção nacional. No entanto, os setores mais relacionados a ele,
tenderam a se concentrar em São Paulo, tais como Refino de Petróleo (17), Indústria do
Plástico (20), Químicos Diversos (18) e Comércio Varejista de Combustíveis (33).
61
.
TABELA 3: Distribuição da Produção Nacional entre os Setores e Regiões Considerados no Modelo Inter-Regional de Insumo Produto
do Rio de Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, de 1999 (R$ Mil).
Rio de Janeiro São Paulo Minas Gerais Nordeste Resto do Brasil Total
Setor
Rank
Abs %
Rank
Abs %
Rank
Abs %
Rank
Abs %
Rank
Abs %
Rank
Abs %
1
40 121,117 0.07 36 3,198,049 0.53 37 284,806 0.17 30 914,350 0.43 42 951,141 0.17 41 5,469,463 0.32
2
25 1,292,114 0.76 11 22,313,382 3.72 2 15,669,150 9.23 4 16,117,162 7.63 2 64,820,935 11.69 5 120,212,744 7.05
3
35 404,364 0.24 38 1,201,480 0.2 9 5,271,779 3.1 34 379,436 0.18 34 1,842,565 0.33 35 9,099,624 0.53
4
5 10,187,738 5.99 43 83,466 0.01 44 0 0 18 2,714,709 1.28 43 748,530 0.14 27 13,734,443 0.81
5
22 1,691,393 1 24 7,721,850 1.29 14 3,288,935 1.94 21 2,064,884 0.98 20 6,777,353 1.22 21 21,544,414 1.26
6
8 7,958,416 4.68 10 24,731,033 4.12 4 15,029,627 8.85 7 10,361,665 4.9 12 12,698,539 2.29 9 70,779,280 4.15
7
29 842,041 0.5 12 18,211,360 3.04 27 1,234,917 0.73 33 718,619 0.34 16 8,748,878 1.58 15 29,755,815 1.75
8
32 554,952 0.33 13 17,949,304 2.99 24 1,450,221 0.85 31 836,533 0.4 21 6,458,908 1.17 17 27,249,919 1.6
9
44 17,357 0.01 27 6,165,691 1.03 16 3,041,506 1.79 43 23,028 0.01 35 1,807,770 0.33 29 11,055,352 0.65
10
27 919,640 0.54 28 5,667,522 0.95 41 122,067 0.07 42 47,362 0.02 30 3,126,566 0.56 32 9,883,157 0.58
11
28 888,148 0.52 16 14,650,877 2.44 23 1,829,719 1.08 39 197,757 0.09 26 4,715,327 0.85 20 22,281,827 1.31
12
39 217,382 0.13 31 4,081,244 0.68 29 1,149,739 0.68 38 315,299 0.15 13 10,637,149 1.92 26 16,400,813 0.96
13
17 2,431,381 1.43 15 15,831,673 2.64 25 1,340,676 0.79 22 1,576,315 0.75 17 8,533,110 1.54 16 29,713,155 1.74
14
31 601,881 0.35 30 5,394,290 0.9 39 233,847 0.14 35 375,940 0.18 33 1,935,732 0.35 37 8,541,690 0.5
15
43 79,463 0.05 29 5,664,098 0.94 34 434,536 0.26 29 914,969 0.43 36 1,648,147 0.3 36 8,741,213 0.51
16
37 336,781 0.2 37 2,663,066 0.44 18 2,909,624 1.71 27 1,066,909 0.5 38 1,421,552 0.26 38 8,397,931 0.49
17
6 9,629,601 5.67 6 33,105,914 5.52 8 5,843,559 3.44 8 10,093,106 4.78 10 16,557,492 2.99 8 75,229,671 4.41
18
21 1,767,054 1.04 19 11,235,789 1.87 26 1,254,248 0.74 15 3,765,766 1.78 19 7,509,934 1.35 19 25,532,791 1.5
19
16 2,726,001 1.6 17 13,069,876 2.18 30 836,206 0.49 37 319,079 0.15 39 1,114,080 0.2 25 18,065,242 1.06
20
33 482,897 0.28 26 6,335,030 1.06 33 452,936 0.27 36 375,757 0.18 31 2,919,268 0.53 30 10,565,888 0.62
21
30 729,650 0.43 21 9,188,343 1.53 17 2,995,150 1.76 17 3,269,557 1.55 24 5,088,422 0.92 23 21,271,122 1.25
22
26 1,022,972 0.6 32 3,826,381 0.64 31 710,609 0.42 28 966,738 0.46 28 3,948,408 0.71 31 10,475,107 0.61
23
41 103,101 0.06 39 1,018,833 0.17 36 319,490 0.19 26 1,137,844 0.54 27 4,073,021 0.73 40 6,652,290 0.39
24
12 5,165,948 3.04 42 168,207 0.03 38 276,349 0.16 25 1,266,876 0.6 40 1,064,061 0.19 39 7,941,441 0.47
25
14 3,815,489 2.24 4 36,246,077 6.04 5 13,235,438 7.79 3 16,491,181 7.8 3 56,719,557 10.23 4 126,507,742 7.42
26
36 347,191 0.2 34 3,604,019 0.6 35 395,397 0.23 41 164,559 0.08 25 5,049,297 0.91 33 9,560,463 0.56
27
34 416,685 0.25 25 7,336,371 1.22 19 2,732,199 1.61 20 2,256,169 1.07 22 6,038,130 1.09 24 18,779,555 1.1
28
24 1,409,442 0.83 44 23,390 0 43 41,726 0.02 44 18,003 0.01 41 1,035,292 0.19 43 2,527,853 0.15
29
18 2,406,770 1.42 23 8,265,039 1.38 21 2,133,143 1.26 19 2,699,509 1.28 23 5,913,516 1.07 22 21,417,977 1.26
30
20 1,805,877 1.06 35 3,221,946 0.54 32 532,025 0.31 24 1,359,286 0.64 32 2,368,714 0.43 34 9,287,848 0.54
31
42 94,415 0.06 40 599,034 0.1 42 64,877 0.04 40 170,672 0.08 44 274,677 0.05 44 1203674.81 0.07
32
3 14,103,874 8.3 5 36,019,304 6.01 1 19,166,745 11.29 2 27,161,889 12.85 4 44,039,749 7.95 2 140,491,562 8.24
33
13 4,668,213 2.75 8 26,842,444 4.48 12 4,928,596 2.9 9 8,028,546 3.8 9 19,351,770 3.49 10 63,819,570 3.74
34
38 331,323 0.19 41 378,009 0.06 40 228,301 0.13 32 787,186 0.37 37 1,541,651 0.28 42 3,266,471 0.19
35
11 5,994,398 3.53 14 17,911,598 2.99 10 5,152,441 3.03 10 7,119,922 3.37 8 21,540,045 3.89 11 57,718,403 3.39
36
19 2,143,718 1.26 22 8,443,154 1.41 11 4,942,950 2.91 12 5,511,861 2.61 11 13,299,235 2.4 14 34,340,919 2.01
37
15 3,550,856 2.09 20 9,318,968 1.55 22 1,854,482 1.09 16 3,432,872 1.62 18 8,198,786 1.48 18 26,355,965 1.55
38
9 6,694,296 3.94 18 11,637,289 1.94 15 3,200,651 1.88 13 4,817,335 2.28 15 9,015,665 1.63 13 35,365,236 2.07
39
7 8,790,325 5.17 3 38,008,330 6.34 13 4,841,257 2.85 11 5,733,926 2.71 7 24,148,195 4.36 7 81,522,033 4.78
40
4 13,680,282 8.05 7 28,072,252 4.68 7 9,354,644 5.51 5 15,067,584 7.13 6 28,189,406 5.09 6 94,364,168 5.53
41
10 6,161,355 3.63 9 26,496,122 4.42 20 2,514,072 1.48 14 4,797,201 2.27 14 9,999,366 1.8 12 49,968,117 2.93
42
2 19,226,861 11.31 1 51,505,131 8.59 6 12,000,959 7.07 6 12,737,715 6.03 5 32,516,792 5.87 3 127,987,459 7.51
43
1 22,533,669 13.26 2 48,481,089 8.08 3 15,326,172 9.03 1 31,657,059 14.98 1 82,369,174 14.86 1 200,367,163 11.75
44
23 1,616,952 0.95 33 3,785,635 0.63 28 1,177,688 0.69 23 1,482,614 0.7 29 3,517,981 0.63 28 11,580,870 0.68
Total
169,963,382 100 599,671,965 100 169,803,456 100 211,314,751 100 554,273,888 100 1,705,027,441
(%)
9.97 35.17 9.96 12.39 32.51 100
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto Interregional, de 1999.
62
.
5.1.Multiplicadores
A análise da cadeia produtiva do Rio de Janeiro iniciou-se com a identificação do efeito
multiplicador de seus setores e sua comparação com os de São Paulo, Minas Gerais, Nordeste
e Resto do Brasil. Partindo do entendimento de que as diversas atividades produtivas não
afetam simetricamente a economia, utilizou-se desta abordagem para verificar quais setores
têm maior capacidade de expandir o produto, a renda e o emprego nacional, inicialmente, e
do Rio de Janeiro, na segunda parte desta sessão.
A usual divisão entre estas três variáveis econômicas é importante porque, muitas vezes, as
diferenças no impacto dos setores sobre elas podem tornar inviável que sejam contempladas,
simultaneamente, em uma mesma política pública, por exemplo. Já, a comparação do efeito
dos setores sob o âmbito nacional e regional permite verificar o papel dos setores fluminense
no que se refere aos impactos internos e externos a esta região.
Nesse sentido, foram utilizados os Multiplicadores do Produto, da Renda e do Emprego para
as cinco regiões consideradas. Seus valores congregam a soma dos impactos regional e inter-
regional de mudanças na demanda final de cada setor. Dessa maneira, representam o impacto
total sobre a economia nacional. O GRAF. 5 apresenta os multiplicadores do produto
encontrados para as cinco regiões consideradas. Os valores apresentados devem ser
interpretados da seguinte maneira: uma variação inicial de uma unidade monetária na
demanda final do setor x resulta em um aumento total de y unidades monetárias, na
economia.
Com base nos resultados, percebe-se que os valores encontrados para os setores industriais
tendem a ser superiores aos encontrados pelos setores de serviço. Isto significa que o
aumento da demanda dos setores desse grupo tem maior efeito direto (referente a variações
produtivas no próprio setor) e indireto (referente aos demais setores) sobre a expansão da
produção total da economia; o que demonstra a importância desses setores, quanto à esse
aspecto econômico, qual seja, crescimento da produção nacional.
Como pode ser observado, os setores das cinco regiões têm aproximadamente o mesmo
comportamento, diferenciando-se um pouco pela intensidade de seu impacto sobre o produto
da economia brasileira. Percebe-se que os setores industriais do Rio de Janeiro possuem
menores efeitos multiplicadores que os das demais regiões. Isto pode estar indicando uma
63
.
menor capacidade da indústria fluminense em estimular o crescimento nacional, quando
comparada a estas regiões; evidência reforçada pelos testes posteriores.
60
GRÁFICO 5: Multiplicadores do Produto do Tipo I, dos Setores Produtivos do Rio de
Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999.
0,00
0,30
0,60
0,90
1,20
1,50
1,80
2,10
2,40
2,70
3,00
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43
Setores Produtivos
Multiplicador do Produto
Minas Gerais São Paulo Rio de Janeiro Nordeste Resto do Brasil
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto Inter-regional, de
1999.
Considerando-se os multiplicadores da Renda e do Emprego, que constam no GRAF. 6 e
GRAF. 7, fica clara a importância do refino de petróleo na multiplicação da renda e do
emprego nacional. Além desse, na expansão do emprego, pode-se destacar os setores de
produção de álcool e caminhões e ônibus. Este resultado indica a maior capacidade desses
setores estimularem a formação de renda do trabalho e o emprego nacional. Por exemplo,
uma expansão da demanda que gere uma unidade de renda diretamente no Refino de Petróleo
do Nordeste, pode resultar em um aumento total 14 unidades monetárias, no país; enquanto, o
aumento de um emprego direto nesse setor, em Minas Gerais, resultaria em um acréscimo de
até 30 novos empregos nos diversos setores do país.
60
Deve-se ressaltar que os multiplicadores do setor de petróleo em Minas Gerais serão sempre zero, visto que
tal setor é inexistente nesse estado.
64
.
GRÁFICO 6: Multiplicadores da Renda do Tipo I, dos Setores Produtivos do Rio de
Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999.
0
2
4
6
8
10
12
14
16
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43
Setores produtivos
Multiplicador da Renda
Minas Gerais São Paulo Rio de Janeiro Nordeste Resto do Brasil
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto Inter-regional, de
1999.
GRÁFICO 7: Multiplicadores do Emprego do Tipo I, dos Setores Produtivos do Rio de
Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999.
0
5
10
15
20
25
30
35
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43
Setores Produtivos
Multiplicador do Emprego
Minas Gerais São Paulo Rio de Janeiro Nordeste Resto do Brasil
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto Inter-regional, de
1999.
Não obstante à analise do efeito multiplicador total dos setores do Rio de Janeiro, é
importante verificar a maneira que este se distribui entre as regiões. Visto tratar-se de uma
economia aberta, na qual há vazamentos de renda, interessa ao estado os setores que
impactam mais fortemente sobre sua própria economia, do que sobre a nacional.
65
.
Os GRAF.8 traz a decomposição dos multiplicadores dos setores produtivos do Rio de
Janeiro, entre as cinco regiões estudadas. A maior parte desses efeitos encontra-se retida no
próprio estado, sendo o impacto inter-regional, proporcionalmente maior sobre o Resto do
Brasil e São Paulo (em termos percentuais)
61
.
Tomado como critério de comparação o efeito sobre a economia regional, os setores mais
importantes no estímulo ao produto regional a Produção de Açúcar (24), o Comércio
Varejista de Combustível (33), a Indústria Têxtil (21) e a Metalurgia (6). Analisando a
capacidade de geração de renda e emprego, fica clara a importância do setor de Refino de
Petróleo (17) no estado. Este, apesar de seu considerável vazamento de renda e emprego para
as demais regiões, possui o maior impacto regional sobre tais variáveis. Além disso, deve-se
considerar que o percentual de vazamento inter-regional encontrado nesse setor é evidência
também de sua importância nas interações inter-regionais do Rio de Janeiro. Esta evidência é
reforçada ao se analisar o GRAF.9, que apresentam o efeito de variações na demanda das
outras regiões sobre o produto, a renda e o emprego do Rio de Janeiro.
61
Como já era de se esperar, visto serem as duas maiores economias, entre as 5 regiões analisadas.
66
.
GRÁFICO 8: Distribuição Regional do Efeito Multiplicador do Produto dos Setores
Produtivos Fluminenses.
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto Inter-regional, de
1999.
Segundo os resultados apresentados no GRAF.9, em média, cerca de 2% (nordeste) a 2,6%
(do Resto do Brasil) do efeito multiplicador do produto dessas outras regiões ficam no Rio de
67
.
Janeiro; 1,6% (Nordeste) a 3,8% (Minas Gerais) do efeito multiplicador da renda; e, 1,5%
(Nordeste) a 3,6% (São Paulo) da expansão do emprego.
É nítida a influência do setor de refino de petróleo das demais regiões sobre os três aspectos
estudados da economia fluminense: produto, renda e emprego. Isto explicasse de tal forma:
uma vez que este estado é responsável por 74% da extração de petróleo nacional, em 2003, o
aumento da atividade de refino em outras regiões afeta diretamente a atividade produtiva
fluminense, via setor de extração. É importante notar que os demais setores que compõem a
cadeia produtiva do petróleo, tais como plásticos e químicos, não apresentam efeitos intensos
sobre o Rio de Janeiro, visto que estas atividades são elos posteriores ao refino, cuja presença
no estado é bem menos expressiva, relativamente à extração (o Rio de Janeiro é responsável
por aproximadamente 13 % do refino de petróleo nacional, em 2003, conta 44% de São
Paulo, 8% de Minas Gerais, 13% do Nordeste e 22% do Resto do Brasil).
Além desse setor, na produção, podem ser destacados os setores Comércio Varejista de
Combustíveis (33), Transporte Rodoviário (36) e Outros transportes (37), todos diretamente
ligados à cadeia do petróleo. Quanto às regiões, em termos absolutos, as que, em média mais
afetam o Rio de Janeiro, são Minas e São Paulo; enquanto, em termos percentuais,
considerando-se todos os resultados, essa economia esta mais associada a São Paulo e ao
Resto do Brasil.
68
.
GRÁFICO 9: Efeito Multiplicador da Variação da Demanda Final dos Setores
Produtivos de São Paulo, Minas Gerais, Nordeste e Resto do Brasil sobre a Produção, a
Renda e o Emprego do Rio de Janeiro.
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto Inter-regional, de
1999.
69
.
5.2.1. Índice de Ligação Hirschman-Rasmussen
Segundo esta proposta metodológica, define-se como setor-chave todo aquele que possuir
encadeamentos para trás (Uj) e para frente (Ui) acima da média. No entanto, como explica
Silva et al (2004), o cálculo de tal índice pode ser feito de duas formas, com diferentes
resultados: pode-se calcular um Índice de Ligações Independentes, no qual as regiões são
tomadas separadamente ou um Índice Dependente, no qual as relações inter-regionais são
consideradas. O cálculo desses dois tipos de modelo permite analisar a estrutura intra-
regional da economia e compará-la com a inter-regional.
Nesse sentido, as TAB.4 e TAB.5 trazem os resultados dos modelos independente e
dependente, para os 214 setores, das 5 regiões consideradas neste estudo. A comparação entre
eles permite notar modificações no número de setores-chave em todas as regiões; contudo
apenas o estado do Rio de Janeiro tem tal número reduzido (de 7 para 2). Este
comportamento indica uma possível fragilidade dos setores fluminenses frente às demais
regiões consideradas, bem como uma certa preponderância intra-regional das ligações
setoriais dessa economia.
A Metalurgia (6) e o Comércio Varejista de Combustível (33) apresentaram-se como setores-
chave de todas as regiões, em ambos os modelos, o que indica a intensidade de seus
encadeamentos e sua relevância para a economia nacional, visto serem básicos para as demais
atividades. Para o modelo de ligações dependentes, estes foram os únicos setores-chave da
economia fluminense. Já no modelo independente, identificou-se os setores Celulose, Papel e
Gráfica (13), Refino de Petróleo (17), Químicos Diversos (18), Produção de Energia Elétrica
Hidráulica (27) e Transporte Rodoviário(36).
Nessa região, o Refino de Petróleo (17) apresentou os maiores encadeamentos para frente,
tanto no modelo dependente quanto independente, sendo seguido pelo Comércio de
Combustíveis (33), no primeiro modelo, e por Petróleo e Outros (4), no segundo. No entanto,
quando se consideram as ligações inter-regionais, além dessa atividade não se manter como
setor-chave no Rio de Janeiro, ela age como tal em todas as outras regiões. Uma vez que a
extração de petróleo está nacionalmente concentrada nesse estado, a fragilidade relativa do
setor de refino estadual, principalmente frente a São Paulo, pode indicar não apenas um
vazamento de renda regional, quanto uma porosidade em sua cadeia produtiva.
70
.
Em relação ao Índice de Ligações para Trás do modelo independente, a Indústria Têxtil (21),
o Comércio Varejista de Combustível (33) e a Metalurgia (6) do Rio de Janeiro apresentaram
os maiores valores, enquanto no modelo inter-regional estes setores ocuparam a terceira,
segunda e quarta posição, respectivamente. A Fabricação de Açúcar (24), porém, passou da
vigésima quinta para a primeira posição, indicando uma dependência relativamente maior de
insumos de outras regiões frente a insumos regionais, por parte deste setor.
Considerando-se o modelo de ligações independentes, percebe-se certa similaridade entre a
estrutura do Rio de Janeiro e a de São Paulo, uma vez que dos oito setores-chave que cada
um apresenta, seis são semelhantes. Além disso, dos 5 setores com maior poder de dispersão
e dos 5 com maior sensibilidade de dispersão no Rio de Janeiro, 3 e 4 setores,
respectivamente, estão nas primeiras posições do Rank de São Paulo. Todavia, quando a
interação inter-regional é permitida, o estado fluminense demonstra a maior dissimilaridade
entre todas as regiões. A economia de Minas Gerais passa a se aproximar mais da paulista do
que o Rio e, também, podem ser notadas semelhanças entre o Nordeste e o Resto do Brasil.
O menor valor dos encadeamentos para trás dos setores industriais fluminenses contrastam
com os maiores valores alcançados por Minas Gerais. São Paulo se destaca como a região na
qual a oferta de produto dos setores provoca maiores estímulos à produção dos demais, ou
seja, maiores encadeamentos para frente; enquanto o único setor fluminense que difere
positivamente das outras regiões, quanto aos encadeamentos para frente, é a extração de
petróleo (4), como era esperado. Assim, ao contrário do que acontece em Minas, que tem nas
relações inter-regionais uma fonte de fortalecimento das ligações sua economia, o Rio de
Janeiro não parece estar suficientemente encadeado às outras regiões.
71
.
TABELA 4: Índice de Ligações de Hirschman-Rasmussen, para Trás e para Frente, dos Setores Produtivos do Rio de Janeiro, São
Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999 – Modelo de Ligações Independentes.
Rio de Janeiro São Paulo Minas Gerais Nordeste Resto do Brasil
Setores
Rank
Uj
Rank
Ui
Rank
Uj
Rank
Ui
Rank
Uj
Rank
Ui
Rank
Uj
Rank
Ui
Rank
Uj
Rank
Ui
1
22 1 24 0,85 40 0,8 11 1,13 20 1,01 12 1,04 29 0,92 16 1,01 25 0,97 13 1,08
2
18 1,04 23 0,85 18 1 23 0,86 32 0,82 5 1,57 26 0,96 4 1,47 27 0,96 3 1,59
3
15 1,08 31 0,76 15 1,03 36 0,68 35 0,8 21 0,89 16 1,05 34 0,73 32 0,94 37 0,75
4
39 0,79 8 1,21 33 0,9 43 0,64 -- -- -- -- 35 0,86 22 0,86 40 0,84 33 0,77
5
20 1,02 20 0,88 11 1,12 21 0,89 23 0,95 20 0,9 18 1,02 21 0,87 13 1,03 22 0,89
6
3 1,21 3 2 1 1,36 5 1,42 7 1,23 2 2,55 1 1,27 2 2,13 4 1,27 6 1,47
7
32 0,89 30 0,78 39 0,81 9 1,26 18 1,03 24 0,81 34 0,87 23 0,83 41 0,83 16 0,99
8
6 1,18 32 0,74 30 0,92 24 0,84 8 1,23 32 0,72 8 1,18 32 0,75 29 0,95 36 0,75
9
7 1,16 41 0,67 22 0,98 39 0,67 38 0,77 34 0,67 11 1,14 41 0,64 16 1,02 40 0,66
10
26 0,94 39 0,68 20 1 38 0,67 3 1,29 40 0,61 13 1,12 42 0,64 31 0,95 41 0,66
11
4 1,21 21 0,86 31 0,91 12 1,12 10 1,2 18 0,91 4 1,23 27 0,81 20 1 25 0,83
12
13 1,1 34 0,74 9 1,14 30 0,75 17 1,1 30 0,73 14 1,1 33 0,73 15 1,03 28 0,81
13
8 1,15 10 1,12 12 1,09 8 1,31 4 1,28 11 1,05 7 1,18 14 1,03 5 1,15 10 1,16
14
9 1,14 16 0,94 24 0,97 15 1,02 2 1,3 26 0,79 9 1,17 20 0,87 8 1,12 21 0,89
15
14 1,09 42 0,67 25 0,97 20 0,91 15 1,13 39 0,62 19 1,02 31 0,76 10 1,08 30 0,8
16
28 0,92 35 0,74 21 0,98 28 0,76 36 0,78 15 1,01 30 0,92 25 0,82 19 1 32 0,78
17
16 1,06 1 2,83 23 0,97 1 2,92 22 0,95 1 2,59 23 0,99 3 2 22 0,98 2 2,04
18
11 1,12 12 1,03 10 1,12 16 1,01 5 1,26 17 0,91 15 1,07 10 1,11 23 0,98 17 0,97
19
37 0,84 36 0,73 36 0,86 34 0,71 16 1,13 37 0,64 20 1,01 39 0,66 26 0,97 39 0,67
20
5 1,19 29 0,81 32 0,91 19 0,92 6 1,25 31 0,72 10 1,14 30 0,77 14 1,03 31 0,79
21
1 1,3 14 0,98 3 1,3 4 1,46 12 1,16 4 1,57 3 1,26 5 1,44 2 1,3 8 1,2
22
41 0,78 40 0,68 4 1,3 40 0,65 9 1,22 41 0,61 5 1,2 40 0,64 21 1 43 0,65
23
10 1,13 33 0,74 7 1,19 32 0,72 13 1,16 33 0,7 27 0,96 35 0,73 17 1,01 34 0,75
24
25 0,96 22 0,86 2 1,35 35 0,69 1 1,45 28 0,74 6 1,19 28 0,81 1 1,31 26 0,82
25
23 0,99 25 0,85 14 1,07 18 0,93 11 1,18 16 0,98 2 1,27 17 0,99 3 1,3 15 1,02
26
17 1,06 38 0,69 13 1,08 33 0,71 14 1,14 35 0,65 12 1,12 38 0,66 28 0,96 35 0,75
27
21 1,01 6 1,29 17 1 6 1,38 31 0,83 6 1,3 25 0,98 8 1,4 12 1,03 4 1,56
28
35 0,86 18 0,9 16 1,01 41 0,65 24 0,94 36 0,65 41 0,72 36 0,68 30 0,95 24 0,85
29
31 0,9 5 1,32 28 0,94 7 1,32 33 0,8 8 1,22 24 0,99 7 1,43 11 1,04 5 1,5
30
29 0,91 27 0,84 19 1 26 0,79 27 0,88 29 0,74 22 1 24 0,82 9 1,1 27 0,82
31
19 1,03 43 0,67 26 0,96 42 0,65 25 0,94 42 0,6 17 1,05 43 0,64 6 1,15 42 0,65
32
33 0,89 26 0,85 27 0,95 29 0,76 30 0,85 27 0,75 36 0,86 29 0,8 34 0,92 29 0,81
33
2 1,26 2 2,01 5 1,24 2 2,06 19 1,01 3 2,25 21 1 1 2,24 7 1,12 1 2,08
34
34 0,88 37 0,71 41 0,75 37 0,68 41 0,64 38 0,64 42 0,7 37 0,68 38 0,86 38 0,69
35
27 0,94 28 0,83 38 0,82 27 0,79 40 0,7 25 0,81 39 0,77 26 0,82 37 0,87 23 0,86
36
12 1,11 13 1,03 6 1,21 17 1 39 0,74 10 1,07 31 0,9 11 1,08 24 0,97 11 1,09
37
24 0,98 11 1,11 8 1,18 13 1,06 21 1,01 14 1,02 28 0,93 13 1,07 18 1 14 1,06
38
42 0,75 9 1,15 42 0,68 14 1,03 34 0,8 13 1,04 40 0,76 12 1,08 42 0,81 12 1,09
39
30 0,91 7 1,21 34 0,86 10 1,2 29 0,85 9 1,09 32 0,89 9 1,21 36 0,89 9 1,2
40
40 0,79 17 0,94 29 0,93 25 0,83 28 0,87 22 0,86 33 0,89 18 0,91 33 0,92 20 0,91
41
36 0,86 4 1,56 37 0,82 3 1,56 26 0,89 7 1,24 37 0,83 6 1,44 35 0,89 7 1,37
42
43 0,74 15 0,97 43 0,67 22 0,88 42 0,62 23 0,85 43 0,66 19 0,88 43 0,68 19 0,93
43
38 0,84 19 0,9 35 0,86 31 0,74 37 0,78 19 0,91 38 0,83 15 1,03 39 0,85 18 0,95
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto Interregional, de 1999.
72
.
TABELA 5: Índice de Ligações de Hirschman-Rasmussen, para Trás e para Frente, dos Setores Produtivos do Rio de Janeiro, São
Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999 – Modelo de Ligações Dependentes.
Rio de Janeiro São Paulo Minas Gerais Nordeste Resto do Brasil
Setores
Rank
Uj
Rank
Ui
Rank
Uj
Rank
Ui
Rank
Uj
Rank
Ui
Rank
Uj
Rank
Ui
Rank
Uj
Rank
Ui
1
29 0,88 28 0,69 30 0,89 14 1,32 27 1,01 14 0,99 24 1,01 16 0,91 21 1,02 16 1,05
2
28 0,88 25 0,7 29 0,89 20 1,02 28 1,01 4 1,79 31 0,94 4 1,44 29 0,96 3 2,38
3
20 0,95 31 0,63 27 0,92 34 0,62 25 1,04 10 1,16 22 1,02 33 0,63 30 0,95 35 0,71
4
38 0,77 2 2,6 36 0,79 40 0,55 1 -- -- 35 0,86 9 1,08 40 0,76 27 0,79
5
22 0,92 21 0,73 19 1,06 23 0,91 22 1,13 18 0,9 17 1,04 20 0,77 20 1,04 19 0,89
6
4 1,16 3 1,89 2 1,27 3 2,01 4 1,4 1 3,27 2 1,32 1 2,18 6 1,19 4 1,88
7
40 0,75 30 0,66 24 0,94 4 1,98 26 1,03 24 0,79 34 0,86 24 0,72 34 0,91 13 1,12
8
13 1,01 33 0,6 13 1,12 19 1,04 11 1,27 32 0,67 6 1,2 32 0,64 28 0,96 36 0,7
9
14 0,99 43 0,54 20 1,05 38 0,58 16 1,2 34 0,61 12 1,13 42 0,55 8 1,15 41 0,55
10
10 1,05 39 0,55 15 1,1 39 0,57 10 1,3 40 0,55 14 1,12 41 0,55 10 1,15 40 0,56
11
8 1,07 23 0,72 8 1,17 8 1,61 5 1,32 19 0,89 7 1,19 28 0,69 17 1,07 25 0,81
12
19 0,95 35 0,6 16 1,1 31 0,68 17 1,17 29 0,68 18 1,04 35 0,62 16 1,07 24 0,82
13
9 1,06 9 0,998 7 1,18 5 1,87 13 1,26 13 1,01 11 1,14 15 0,92 9 1,15 7 1,39
14
7 1,07 17 0,79 9 1,17 15 1,26 8 1,31 26 0,72 10 1,16 23 0,75 7 1,18 21 0,83
15
21 0,93 41 0,55 18 1,08 13 1,34 19 1,14 36 0,59 20 1,04 30 0,68 13 1,09 22 0,83
16
35 0,8 32 0,62 28 0,91 25 0,83 29 1,01 7 1,21 28 0,97 21 0,76 27 0,96 29 0,77
17
18 0,96 1 2,95 22 1,04 1 5,06 18 1,16 2 2,81 19 1,04 2 2,11 22 1,02 1 2,64
18
11 1,05 12 0,91 10 1,14 12 1,35 7 1,31 20 0,89 8 1,19 11 1,06 14 1,09 9 1,22
19
24 0,92 34 0,6 21 1,05 33 0,66 21 1,13 38 0,58 26 0,99 38 0,56 31 0,94 39 0,57
20
12 1,03 29 0,68 11 1,14 16 1,23 12 1,27 30 0,68 13 1,13 31 0,67 12 1,11 28 0,78
21
3 1,18 16 0,81 3 1,27 7 1,74 2 1,43 5 1,6 1 1,32 5 1,31 2 1,32 11 1,16
22
6 1,08 40 0,55 5 1,19 41 0,55 6 1,32 41 0,55 5 1,2 40 0,55 5 1,2 42 0,55
23
16 0,97 36 0,6 17 1,09 35 0,62 15 1,21 33 0,63 15 1,09 34 0,63 11 1,13 37 0,65
24
1 1,27 14 0,82 1 1,27 36 0,59 3 1,43 31 0,68 3 1,28 26 0,71 1 1,33 33 0,73
25
5 1,14 26 0,7 4 1,24 22 0,97 9 1,31 17 0,98 4 1,26 18 0,9 3 1,29 12 1,14
26
23 0,92 38 0,56 23 1,03 29 0,72 20 1,14 35 0,6 16 1,06 39 0,56 18 1,06 30 0,77
27
33 0,83 8 1,07 33 0,87 9 1,45 37 0,83 6 1,28 33 0,89 8 1,23 33 0,92 5 1,51
28
25 0,91 19 0,77 26 0,94 43 0,54 32 0,94 37 0,59 41 0,63 37 0,57 23 1,02 31 0,76
29
36 0,78 6 1,12 35 0,83 10 1,38 40 0,78 9 1,18 32 0,92 7 1,26 32 0,93 6 1,43
30
31 0,84 22 0,73 31 0,88 28 0,73 35 0,84 28 0,69 27 0,98 25 0,72 24 1,02 32 0,74
31
27 0,89 42 0,54 25 0,94 42 0,55 33 0,9 42 0,54 21 1,03 43 0,54 15 1,07 43 0,54
32
30 0,87 24 0,7 34 0,84 32 0,68 31 0,95 27 0,7 29 0,96 29 0,69 26 0,96 34 0,72
33
2 1,21 4 1,81 6 1,19 2 2,83 14 1,21 3 2,29 9 1,17 3 2,11 4 1,23 2 2,55
34
41 0,74 37 0,57 41 0,64 37 0,58 42 0,58 39 0,58 42 0,61 36 0,58 41 0,76 38 0,59
35
34 0,81 27 0,69 40 0,71 27 0,74 41 0,67 25 0,76 40 0,68 27 0,71 38 0,78 26 0,79
36
15 0,99 13 0,86 12 1,13 21 0,99 24 1,04 12 1,04 23 1,01 12 0,96 19 1,05 14 1,09
37
17 0,96 11 0,97 14 1,11 17 1,13 23 1,05 16 0,99 25 0,99 13 0,96 25 1 15 1,07
38
42 0,7 10 1 42 0,58 18 1,04 34 0,9 15 0,99 39 0,72 14 0,95 42 0,74 17 1,04
39
37 0,78 7 1,07 38 0,76 11 1,35 38 0,8 11 1,05 38 0,78 10 1,07 37 0,78 10 1,17
40
26 0,9 18 0,79 32 0,88 26 0,76 30 0,95 22 0,8 30 0,94 19 0,79 35 0,88 23 0,83
41
32 0,84 5 1,41 37 0,78 6 1,83 36 0,84 8 1,18 36 0,79 6 1,29 36 0,79 8 1,35
42
43 0,62 15 0,82 43 0,57 24 0,84 42 0,57 23 0,79 43 0,57 22 0,76 43 0,57 20 0,84
43
39 0,77 20 0,77 39 0,76 30 0,7 39 0,79 21 0,86 37 0,79 17 0,91 39 0,78 18 0,93
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto Interregional, de 1999.
73
.
Observando-se o coeficiente de variação desses setores, nas TAB. 5 e 6, pode-se
identificar aqueles cujo encadeamentos sejam mais ou menos concentrados. Quanto
maior o número de atividades encadeadas a uma outra, maior será a dispersão do efeito
desta e menor será o valor de seu coeficiente. Dessa forma é preferível que altos índices
de ligações venham acompanhados de baixos coeficientes de variação.
Segundo os resultados, Refino de Petróleo (17) e Comércio Varejista de Combustíveis
(33) tendem a ser pouco concentrados em relação às vendas, integrando-se como
fornecedores à um número relativamente maior de setores. Já Artigos do Vestuário (22),
Automóveis (9) tendem a uma maior concentração em suas vendas. Porém, este
primeiro setor apresenta baixa concentração nas compras, principalmente, no modelo
dependente. Fabricação de Açúcar (24) (em ambos os modelos) e caminhões e ônibus
(no modelo dependente) obtiveram valores baixos para V
*
j Para o Rio de Janeiro,
segundo o Rank de V
*
j, é válido destacar que a Fabricação de Açúcar (24) parece
relativamente mais integrada setorialmente quando se considera toda a economia
nacional que quando se considera apenas o próprio estado.
Tratando as regiões como independentes e analisando o Rio de Janeiro encontrou-se os
menores valores de V
*
j em Comércio Varejista de Combustível (33), Automóveis (9) e
Artigos de Plásticos (20) e para Vi
*
em Refino de Petróleo (17), Combustíveis (33) e
Serviços Prestados às Empresas. Estes dois setores, refino e comércio de combustíveis,
que são chave na economia fluminense, pertencem ambos à cadeia do petróleo. No
entanto, refino se encontra nas primeiras etapas de produção, ligando-se nas compras,
principalmente ao setor de extração, e por vendas a muitos outros setores, o que explica
os valores relativamente altos para V
*
j e baixos para Vi
*
. Quanto aos demais setores
classificados como chave, na análise intra-regional, a Metalurgia (6) também apresentou
um valor de Vi
*
. menor que de V
*
j, sendo este setor-chave o mais concentrado nas
compras. Comércio de combustível (33), Produção de Energia Elétrica, Químicos
Diverso (18) e Transporte Rodoviário(36) demonstraram valores próximos para os dois
coeficientes. Desses, Celulose, Papel e Gráfica tendeu a ser o mais concentrado.
Para o modelo dependente, os menores V
*
j foram do Comércio Varejista de
Combustível (33), da Fabricação de Açúcar (24) e dos Artigos do Vestuário (22) e os
maiores foram de Aluguéis de Imóveis (42) e Produção de Energia Elétrica (27). Já
entre os setores menos concentrados na venda estavam Petróleo e Outros (4), Refino de
74
.
Petróleo (17) e Comércio Varejista de Combustíveis (33). Enquanto os mais
concentrados eram Automóveis (9), Álcool (15) e Artigos do Vestuário. Quanto aos dois
setores-chave desse modelo, a Metalurgia apresentou-se concentrada na compra e
integrada na venda, enquanto Comércio Varejista de Combustíveis (33) teve baixo nível
de concentração, em ambos aspectos.
75
.
TABELA 6: Coeficiente de Variação, para Trás e para Frente, dos Setores Produtivos do Rio de Janeiro, São Paulo, Minas Gerais,
Nordeste e Resto do Brasil, em 1999 – Modelo de Ligações Independentes.
Rio de Janeiro São Paulo Minas Gerais Nordeste Resto do Brasil
Setores
Rank
Vj
Rank
Vi
Rank
Vj
Rank
Vi
Rank
Vj
Rank
Vi
Rank
Vj
Rank
Vi
Rank
Vj
Rank
Vi
1
30 4,56 27 5,39 4 5,79 38 3,8 23 4,29 31 3,99 20 4,85 31 4,29 22 4,76 35 4,08
2
24 4,83 16 5,98 21 4,84 17 5,69 3 6,11 39 2,98 8 5,38 39 3,36 2 5,62 41 3,18
3
32 4,31 13 6,22 31 4,29 7 6,56 12 5,16 25 4,73 30 4,24 13 6,17 19 4,8 9 6,08
4
7 5,62 39 3,61 22 4,72 6 6,6 43 -- 43 -- 16 4,9 26 4,87 10 5,11 20 5,57
5
21 4,9 21 5,74 27 4,42 18 5,65 17 4,91 19 5,28 23 4,75 18 5,61 17 4,81 18 5,6
6
6 5,62 40 3,32 20 4,85 28 4,73 6 5,71 40 2,63 7 5,41 40 3,14 12 5,02 33 4,37
7
17 5,05 20 5,76 7 5,35 40 3,44 31 3,84 20 5,21 18 4,88 23 5,23 7 5,19 32 4,41
8
39 4,03 5 6,61 15 5,05 19 5,58 35 3,51 10 6,45 36 3,89 9 6,4 20 4,78 10 6,08
9
42 3,79 2 6,76 30 4,36 9 6,48 13 5,14 15 5,96 42 3,68 3 6,72 37 4,2 3 6,59
10
26 4,75 7 6,57 32 4,24 8 6,52 42 3,02 2 7 39 3,77 4 6,7 31 4,54 6 6,5
11
40 4,01 18 5,9 11 5,23 33 4,19 33 3,7 18 5,33 41 3,69 14 5,95 26 4,62 17 5,63
12
31 4,37 6 6,58 35 4,15 10 6,43 27 3,99 12 6,27 32 4,17 7 6,48 25 4,62 12 5,95
13
25 4,78 29 4,98 18 4,88 34 4,12 28 3,95 22 5,01 25 4,4 24 5,15 24 4,64 27 4,65
14
29 4,59 22 5,71 9 5,3 24 5,07 32 3,74 9 6,46 28 4,27 15 5,9 27 4,62 13 5,92
15
38 4,06 1 6,79 29 4,37 26 4,83 36 3,47 3 6,85 33 4,13 17 5,77 38 3,95 19 5,58
16
20 4,91 14 6,17 26 4,47 14 5,84 11 5,23 30 4,07 22 4,76 20 5,36 34 4,45 15 5,75
17
9 5,53 43 1,91 3 6,02 43 1,79 5 5,8 41 1,99 10 5,2 42 2,59 4 5,46 42 2,56
18
36 4,16 31 4,69 36 4,04 30 4,63 39 3,28 23 4,9 31 4,19 33 4,11 30 4,55 29 4,63
19
10 5,48 10 6,32 13 5,18 12 6,29 34 3,63 6 6,61 27 4,29 5 6,6 32 4,52 4 6,58
20
41 3,85 19 5,86 19 4,87 25 4,83 38 3,28 14 6,12 38 3,83 16 5,85 35 4,3 16 5,7
21
28 4,67 12 6,3 16 4,99 32 4,23 8 5,56 34 3,91 15 5,08 30 4,29 16 4,83 24 5,27
22
4 5,72 8 6,52 43 3,23 1 7,53 40 3,19 1 7,83 43 3,48 1 7,37 36 4,26 2 6,73
23
34 4,28 4 6,63 37 3,97 5 6,64 30 3,84 7 6,6 19 4,87 8 6,44 21 4,76 5 6,5
24
13 5,4 15 6,08 42 3,33 2 6,97 41 3,17 4 6,76 34 4,08 12 6,19 42 3,78 7 6,38
25
18 5,04 17 5,91 24 4,58 22 5,28 29 3,86 21 5,11 37 3,84 22 5,31 41 3,82 23 5,31
26
35 4,18 9 6,51 38 3,96 13 6,11 37 3,43 11 6,28 40 3,74 6 6,53 33 4,49 14 5,77
27
12 5,42 35 4,29 6 5,36 36 3,92 4 5,8 36 3,77 5 5,5 36 3,86 3 5,47 38 3,59
28
2 5,93 23 5,68 34 4,19 3 6,72 22 4,31 8 6,46 3 5,97 10 6,36 5 5,29 11 5,95
29
8 5,58 38 3,84 12 5,21 39 3,75 9 5,52 37 3,67 11 5,19 38 3,59 11 5,04 39 3,5
30
22 4,89 25 5,4 33 4,24 20 5,55 21 4,47 17 5,47 29 4,25 21 5,32 40 3,91 22 5,48
31
33 4,3 3 6,69 28 4,4 4 6,66 26 4,15 5 6,71 35 4 2 6,75 43 3,68 1 6,85
32
16 5,11 24 5,43 23 4,6 16 5,78 18 4,75 16 5,53 13 5,09 19 5,53 18 4,81 21 5,52
33
43 3,62 42 2,45 41 3,52 42 2,26 25 4,16 42 1,91 26 4,4 43 1,94 39 3,93 43 2,16
34
19 5,02 11 6,3 5 5,67 11 6,29 2 6,21 13 6,22 2 6,06 11 6,22 13 4,98 8 6,24
35
27 4,72 26 5,39 14 5,17 21 5,43 7 5,58 24 4,88 6 5,47 25 5,13 15 4,93 25 5,03
36
37 4,13 32 4,65 40 3,64 29 4,66 10 5,47 35 3,89 21 4,82 34 4,1 29 4,57 34 4,14
37
23 4,85 34 4,4 39 3,95 31 4,54 24 4,2 29 4,35 17 4,9 29 4,32 28 4,62 31 4,43
38
3 5,91 37 3,91 2 6,21 35 4,1 16 4,92 33 3,92 4 5,56 35 3,95 6 5,29 36 3,96
39
15 5,22 36 3,97 10 5,26 37 3,82 15 4,95 32 3,96 14 5,09 37 3,81 8 5,14 37 3,87
40
5 5,64 30 4,76 25 4,58 23 5,17 20 4,53 26 4,71 24 4,74 28 4,71 23 4,67 26 4,73
41
11 5,46 41 3,03 8 5,33 41 2,84 19 4,61 38 3,4 9 5,26 41 3,08 14 4,97 40 3,28
42
1 6,01 33 4,56 1 6,37 27 4,82 1 6,27 27 4,67 1 6,34 27 4,78 1 6,32 30 4,57
43
14 5,27 28 4,98 17 4,94 15 5,8 14 5,04 28 4,42 12 5,11 32 4,16 9 5,13 28 4,63
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto Interregional, de 1999.
76
.
TABELA 7: Coeficiente de Variação, para Trás e para Frente, dos Setores Produtivos do Rio de Janeiro, São Paulo, Minas Gerais,
Nordeste e Resto do Brasil, em 1999 – Modelo de Ligações Dependentes.
Rio de Janeiro São Paulo Minas Gerais Nordeste Resto do Brasil
Setores
Rank
Vj
Rank
Vi
Rank
Vj
Rank
Vi
Rank
Vj
Rank
Vi
Rank
Vj
Rank
Vi
Rank
Vj
Rank
Vi
1
9,46 20 11,85 23 10,04 13 6,08 37 8,83 15 8,33 29 8,49 22 9,00 29 8,49 26 7,80 30
2
10,28 12 13,04 16 10,29 11 8,98 23 10,28 8 5,23 39 10,65 10 6,45 40 11,01 4 3,94 41
3
8,86 28 13,45 13 9,07 18 13,40 10 8,08 24 7,24 36 8,24 26 13,38 12 8,81 19 11,82 11
4
11,07 7 3,02 43 10,09 12 14,35 6 -- 43 -- 9,24 16 7,36 38 10,44 10 10,10 22
5
9,76 17 12,25 19 8,82 21 10,21 19 8,44 20 10,57 20 8,86 17 12,03 18 8,87 18 10,42 20
6
10,71 9 6,26 39 10,00 14 6,23 35 10,58 7 4,07 40 10,04 12 5,74 41 10,18 12 6,30 39
7
10,71 8 12,22 20 8,73 22 4,09 41 7,87 26 10,77 19 9,35 14 11,24 21 8,93 17 7,23 34
8
8,47 33 14,53 8 7,75 33 8,41 25 6,95 35 13,86 10 7,26 38 14,06 10 8,81 20 12,14 10
9
8,03 38 15,05 1 7,58 34 14,03 8 6,63 37 13,21 14 7,05 42 14,94 3 6,91 42 14,60 3
10
7,54 40 14,65 6 7,26 41 14,16 7 6,14 41 15,53 2 7,12 41 14,88 4 6,94 41 14,43 4
11
8,22 35 12,62 17 7,89 31 5,51 38 6,89 36 10,82 18 7,27 37 13,14 14 8,11 29 10,74 16
12
9,08 23 14,57 7 8,09 28 13,14 11 7,63 27 13,50 13 8,41 24 14,32 7 8,22 27 10,80 15
13
9,36 21 9,98 30 8,56 23 5,36 39 8,27 22 10,37 22 8,68 19 10,87 25 8,70 21 7,22 35
14
8,83 30 12,05 21 8,31 26 7,68 27 7,59 28 14,10 9 8,23 29 12,84 15 8,21 28 11,74 12
15
8,57 32 14,99 2 7,44 36 6,10 36 6,97 34 14,26 8 7,68 31 12,12 17 7,34 37 9,96 24
16
10,21 14 13,26 14 8,99 20 9,93 20 8,24 23 6,78 38 8,52 21 10,88 24 8,58 24 10,73 17
17
11,52 4 3,27 42 11,54 5 1,94 43 10,11 11 3,70 42 9,74 13 4,60 42 10,09 13 3,69 42
18
8,08 36 9,45 33 7,49 35 6,45 33 6,50 40 10,03 25 7,22 40 8,13 35 7,68 33 6,83 37
19
8,92 26 13,69 11 7,89 30 12,58 12 7,36 31 14,57 6 8,29 25 14,65 5 8,69 22 14,43 5
20
8,04 37 12,55 18 7,31 40 6,81 30 6,60 39 13,08 15 7,34 36 12,74 16 7,46 35 10,71 18
21
9,27 22 13,63 12 9,96 15 6,63 32 9,29 13 7,63 33 9,25 15 8,85 31 8,97 16 10,06 23
22
7,31 41 14,93 3 6,66 43 16,50 1 6,00 42 17,31 1 6,57 43 16,32 1 6,60 43 15,09 2
23
8,98 25 14,72 5 8,15 27 14,55 5 7,49 30 14,59 5 8,15 30 14,15 8 7,91 32 13,92 6
24
7,31 42 11,56 26 6,70 42 15,35 2 6,61 38 14,80 4 7,22 39 13,26 13 6,99 40 13,27 8
25
7,88 39 13,07 15 7,42 38 9,69 21 7,14 32 10,24 23 7,42 35 11,03 23 7,30 38 8,81 27
26
8,66 31 14,27 9 7,76 32 11,30 15 7,02 33 13,59 12 7,47 34 14,42 6 7,57 34 10,45 19
27
11,98 2 9,23 34 11,77 4 6,94 29 11,97 3 7,62 34 11,60 5 8,27 34 11,56 2 6,86 36
28
10,00 15 11,89 22 8,46 24 14,90 3 8,81 16 14,28 7 12,87 3 14,12 9 9,22 14 12,40 9
29
11,70 3 8,09 36 11,36 6 6,72 31 11,73 5 7,60 35 10,73 8 7,65 37 10,70 6 6,77 38
30
9,49 18 11,16 27 9,06 19 11,22 16 9,51 12 11,79 17 8,24 27 11,42 20 7,91 31 11,30 14
31
8,85 29 14,89 4 8,41 25 14,74 4 8,78 17 14,93 3 7,67 32 14,99 2 7,37 36 15,19 1
32
9,47 19 11,71 24 9,73 16 12,09 13 8,68 18 11,89 16 8,62 20 12,00 19 8,55 25 11,56 13
33
7,12 43 4,85 41 7,37 39 3,07 42 7,57 29 3,76 41 7,56 33 3,90 43 7,07 39 3,28 43
34
10,70 10 13,93 10 12,45 3 13,74 9 13,61 2 13,72 11 13,07 2 13,73 11 10,47 9 13,44 7
35
9,89 16 11,64 25 11,26 7 10,85 17 11,86 4 10,49 21 11,63 4 11,19 22 10,26 11 10,14 21
36
8,41 34 9,89 31 7,43 37 8,85 24 7,98 25 8,03 32 8,23 28 8,67 32 7,93 30 7,67 32
37
8,99 24 8,98 35 7,99 29 8,00 26 8,35 21 8,97 28 8,76 18 9,07 28 8,66 23 8,11 29
38
11,51 5 8,02 38 13,72 2 7,61 28 9,04 14 8,19 31 11,19 6 8,41 33 10,89 5 7,72 31
39
11,10 6 8,04 37 11,25 8 6,32 34 10,83 6 8,24 30 11,02 7 8,06 36 11,04 3 7,36 33
40
8,87 27 10,19 29 9,11 17 10,54 18 8,47 19 10,09 24 8,49 23 10,20 27 9,06 15 9,69 25
41
10,25 13 6,00 40 10,83 9 4,52 40 10,14 10 7,12 37 10,69 9 6,47 39 10,61 7 6,18 40
42
12,87 1 9,75 32 14,00 1 9,47 22 13,93 1 10,03 26 13,96 1 10,43 26 13,92 1 9,42 26
43
10,42 11 10,45 28 10,52 10 11,44 14 10,17 9 9,36 27 10,28 11 8,91 30 10,48 8 8,73 28
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto Interregional, de 1999.
77
.
5.2.2.Índice Puro de Ligações
A importância de um setor para a economia não se restringe aos seus encadeamentos, mas,
também, ao tamanho de sua produção. Por isso, uma vez identificados quais setores
possuem maiores encadeamentos, deve-se verificar quais são mais “essenciais” à economia.
Por esta razão, recorreu-se ao cálculo do Índice Puro de Ligações para que fossem
contempladas essas duas dimensões e complementada a identificação dos setores-chave.
Como afirma Guilhoto e Sesso Filho (2005), a utilização de unidades monetárias na
estimação desses índices torna possível a soma dos resultados encontrados nas ligações para
trás e para frente, resultando em um índice total; o que não pode ser feito no índice anterior.
Assim, o GRAF.10 e a TAB. A10 apresentam o Índice Puro de Ligações para Trás, para
Frente e Total, referentes aos setores das cinco regiões, consideradas de forma dependente.
Seus valores se encontram normalizados pela média, de forma que os setores cujo índice
excede à unidade são os que detêm impacto econômico superior à média.
De acordo com o Índice Puro Total (PTL), Petróleo e Outros (4), Refino de Petróleo (17),
Serviços Prestados às Famílias e Serviços Privados Não Mercantis (40), Comércio Varejista
de Combustíveis (33), Administração Pública (43), Serviços Prestados às
Empresas (41) e
Construção Civil (32) são os setores mais importantes no Rio de Janeiro. Este resultado
condiz com afirmações anteriores quanto à histórica dependência do estado em relação aos
setores de serviços, em especial à administração pública, bem como quanto à importância
recente que a atividade petrolífera vem alcançando nessa economia. No entanto, diferem
um pouco dos encontrados pelo índice de Hisrchman-Rasmussen.
Pelo Índice Puro para Trás (PBL), os setores fluminenses cuja produção impacta acima da
média sobre a economia são Serviços Prestados às Famílias e Serviços Privados não
Mercantis (40), Administração Pública (43), Construção Civil (32), Comércio Varejista de
Combustível (33) e Fabricação de Açúcar (24). Refino de Petróleo (17) e Petróleo e Outros
(4), embora não tenham alcançado um valor de PBL acima da média, demonstraram ser
muito importantes como ofertantes de insumo (PFL), o que explica suas posições em PTL
como principais setores-chave da economia fluminense. Além desses, Serviços Prestados às
Empresas (41), Comércio de Combustíveis (33) e Metalurgia (6) também obtiveram valores
acima da média para PTL.
78
.
Sobre este último setor, deve-se comentar que, ao contrário do que ocorre nas outras quatro
regiões, no Rio de Janeiro seus encadeamentos para trás foram, relativamente, fracos,
demonstrando ser sua oferta de produto mais importante que sua demanda de insumo, no
estímulo à produção econômica. Tais resultados correspondem, em parte, aos encontrados
pelo índice de Hisrchman-Rasmussen e pelo Coeficiente de Variação, segundo os quais, os
setores de extração e refino de petróleo, bem como a metalurgia do Rio de Janeiro têm
maiores ligações aos setores à frente na cadeia produtiva, que a trás; ou seja, esses setores
demonstram sua importância quanto à oferta de produtos, a indústrias a que servem como
matéria-prima.
O Rank que consta na TAB. A10. compara a importância dos setores das cinco regiões e,
segundo ele, Resto Agropecuária (2) do Resto do Brasil, Refino do Petróleo (17) de São
Paulo, Outros Produtos Alimentares (25) do Resto do Brasil e Comércio Varejista de
Combustíveis (33) de São Paulo e do Resto do Brasil são os setores mais importantes para a
economia nacional. São Paulo foi a região com maior número de setores-chave e que
apresentou, em média, os maiores valores para PBL, PFL e PTL, o que só confirmou sua
importância na estrutura econômica nacional. Este estado deteve 25 dos 71 setores com
PTB maior que um, o mesmo número para PFL e 27 setores-chave, dentre os quais,
destacam-se Refino do Petróleo (17), Comércio Varejista de Combustíveis (33), Outros
Produtos Alimentares (25), Serviços Prestados às Empresas (41) e Mecânica (5).
O Resto do Brasil, segundo estes índices, é a segunda economia mais importante no país,
apresentando vinte setores-chave, dezoito com encadeamentos para trás acima da média e
vinte e um para frente. Seus principais setores-chave foram Resto Agropecuária (2), Outros
Produtos Alimentares (25), Comércio Varejista de Combustíveis (33), Administração
Pública (43), Construção Civil (32) e Refino do Petróleo (17).
A região Nordeste apresentou nove setores chaves, oito setores com impactos puros para
trás acima da média e seis para frente. Essa região teve como principais setores Comércio
Varejista de Combustíveis (33), Construção Civil (32), Outros Produtos Alimentares (25),
Resto Agropecuária (2) e Refino do Petróleo (17).
Minas Gerais, também, superou a dinâmica econômica do Rio de Janeiro, apresentando
ligações puras superiores às deste, nos três aspectos considerados. Nesse estado foram
encontrados oito setores-chave, dentre os quais Resto Agropecuária (2), Metalurgia (6),
79
.
Outros Produtos Alimentares (25), Comércio Varejista de Combustíveis (33), Construção
Civil (32) e Refino do Petróleo (17).
O Rio de Janeiro apresentou, em média, os menores valores de PBL, PFL e PTL e o menor
número de setores-chave. No entanto, esses valores não foram muito diferentes dos
encontrados para Minas Gerais e Nordeste. Comparando seus setores com os
correspondentes de outras regiões, confirma-se a inexpressividade de sua agricultura e,
pode-se verificar a maior presença da produção de derivados de petróleo em São Paulo e,
algumas vezes no Resto do Brasil, que nesse estado
62
. Isto indica que a propriedade da
fonte de matéria-prima não é o suficiente para dinamizar esse tipo de produção.
Isto é, a economia do Rio de Janeiro tem se tornado cada vez mais marcada pela influência
da produção de um recurso natural. No entanto, a propriedade dessa fonte de matéria-prima
e a localização da indústria de extração no estado, não são suficientes para atrair a produção
de derivados de petróleo para esta região. Tal produção – derivados de petróleo, - segundo
foi visto até aqui, possui expressiva significância econômica no que se refere a
multiplicadores e ligações setoriais e tende a se aproximar dos mercados consumidores, se
concentrando principalmente em São Paulo.
62
Como pode ser visto na TAB. 8, Refino de Petróleo foi melhor classificado em São Paulo e no Resto do
Brasil; Químicos Diverso em São Paulo, Nordeste e Resto do Brasil, Farmácia e Veterinária em São Paulo e
Plásticos em São Paulo, Minas Gerais e Resto do Brasil.
80
.
GRÁFICO 10: Índice Puro de Ligações, para Trás, para Frente e Total, dos Setores
do Rio de Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999.
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto Inter-regional, de
1999.
5.3. Campo de Influência
Além dos encadeamentos entre os setores, é importante conhecer seus elos de ligações, o
que é feito a partir da abordagem do Campo de Influência, que calcula o impacto sobre o
sistema, advindo de variações nos coeficientes da Matriz de Coeficientes Técnicos
Intersetoriais. Uma vez que a Matriz de Insumo-Produto trabalha com a hipótese de
tecnologia de produção constante, dada pelos coeficientes de produção, mudanças
tecnológicas ocorridas em um ou mais setores são refletidas em seus coeficientes e afetam o
sistema econômico com intensidades que dependem dos setores envolvidos. Portanto,
enquanto os índices até aqui estudados permitem verificar a reação da economia a variações
na demanda final dos setores, este teste o faz para mudanças tecnológicas.
O GRAF. 11 apresenta os resultados dessa estimação, obtidos a partir do modelo de
ligações dependentes; ou seja, considerando no cálculo todo o relacionamento inter-
81
.
regional. Nele, estão representados todos os coeficientes da Matriz de Insumo- Produto e
seu respectivo Campo de Influência, por meio de curvas de nível. Os coeficientes cuja
variação tecnológica mais afeta os demais coeficientes da matriz de insumo-produto são
reapresentados por cores mais intensas. Por exemplo, variações tecnológicas ocorridas na
metalurgia de Minas Gerais, principalmente no auto-consumo desse setor (coeficiente
6MG, 6MG), têm relativamente alta capacidade de se espelhar pelo resto da economia, por
isso, esse setor tem seus coeficientes marcados de azul e a célula (6MG,6MG) marcada em
vermelho.
Analisando tal gráfico, pode-se afirmar que a Metalurgia (6) e Indústria Têxtil (21) foram
os que mais se destacam, sendo acompanhados pelo setor de Refino de Petróleo (17) de São
Paulo, Minas Gerais e Rio de Janeiro, no que se refere à compra de insumos. Os setores
cujas compras apresentaram maiores Campos de Influência foram a Metalurgia (6) em
Minas Gerais, Nordeste e São Paulo, Indústria Têxtil (21) em Minas, a Metalurgia (6) no
Resto do Brasil e do Rio de Janeiro, a Indústrias Têxtil (21) no Resto do Brasil, no Nordeste
e em São Paulo e no Rio de Janeiro, o Refino de Petróleo em Minas Gerais.
Para a venda, esta classificação foi pela Metalurgia (6) e Indústria Têxtil (21) mineiras,
Metalurgia (6) nordestina e paulista, Têxtil (21) paulista, Metalurgia (6) fluminense, Refino
de Petróleo (17) paulista, Metalurgia (6) do Resto do Brasil, Refino de Petróleo (17)
mineiro, Têxtil (21) do resto do Brasil, Refino e Têxtil fluminenses.
Os coeficientes cuja variação mais afeta a economia foram encontrados, basicamente na
Metalurgia mineira e podem ser observados no GRAF. 13 , nas células (6MG, 6MG), (6NE,
6MG), (6SP, 6MG), (21MG, 6MG), (6MG, 21MG), (6MG, 6NE), (6RB, 6MG), (6RJ,
6MG), (21RB, 6MG), (21NE, 6MG).
Analisando-se as linhas do gráfico, tem-se que os setores com maiores Campos de
Influência para o Rio de Janeiro são, além dos dois já citados,
63
Celulose, Papel e Gráfica
(13), Produção de Energia Elétrica Hidráulica (27) e Refino de Petróleo (17). Para São
Paulo, Celulose, Papel e Gráfica (13), Refino de Petróleo (17) e Produção de Energia
Elétrica Hidráulica (27) e para Minas Gerais, Refino de Petróleo (17), Celulose, Papel e
Gráfica (13) e Indústria da Borracha (14). Para o Nordeste, destacam-se Produção de
63
Para evitar repetições, metalurgia e indústria têxtil que apresentaram, em média, os maiores campos de
influência em todas as regiões, não foram citadas.
82
.
Energia Elétrica Hidráulica (27), Papel e Gráfica (13), Outros Produtos Alimentares (25).
Por fim, para o Resto do Brasil, tem-se Produção de Energia Elétrica Hidráulica (27),
Outros Produtos Alimentares (25) e Papel e Gráfica (13).
No que se refere às colunas, Metalurgia (6) e Indústria Têxtil (21) foram as mais
importantes em todas as regiões, com exceção do Rio de Janeiro, onde o Refino de Petróleo
ficou em segundo, deixando o setor têxtil em terceiro. Além desses, destacaram-se no Rio
de Janeiro, Papel e Gráfica (13) e Produção de Energia Elétrica Hidráulica (27). Para São
Paulo, Refino (17), Energia Elétrica (27) e Celulose, Papel e Gráfica também foram
importantes. Em Minas Gerais, Refino, Resto Agropecuária (2) e Gráfica (13) obtiveram
destaque. Para o Nordeste demonstraram importância Energia Elétrica, Refino e Resto
Agropecuária; e, para o Resto do Brasil, encontrou-se as maiores médias em Eletricidade
Hidráulica (27), Resto Agropecuária (2) e Refino (17).
Esses resultados, portanto, complementam e corroboram alguns dos anteriores, referentes à
setores-chave. Eles confirmam a importância das ligações da indústria de transformação de
insumos básicos
64,
com os outros setores produtivos e indicam, por outro lado, que os
setores de serviços não parecem ser importantes sob este aspecto. Isto sugere que, embora
alguns desses setores tenham impactos multiplicadores, relativamente, altos ou possam ser
classificados como chave, variações tecnológicas ocorridas a partir deles não demonstram
ter capacidade de se propagar para o resto da economia.
64
Refino de Petróleo e Metalurgia.
83
.
GRÁFICO 11: Campo de Influência dos Setores Produtivos de São Paulo, Minas
Gerais, Nordeste e Resto do Brasil, em 1999.
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto Interregional, de 1999.
5.4. Extração Regional
O principal objetivo desta sessão foi identificar a inter-dependência entre as economias do
Modelo Inter-Regional de Insumo-Produto utilizado neste trabalho, com especial interesse
sobre o Rio de Janeiro. Para tal, foram analisadas as intensidades das Ligações para Trás e
para a Frente entre as regiões, obtidas a partir da aplicação do Método de Extração
Regional Hipotética, proposto na sessão 4.4. O intuito central voltou-se à verificação da
5 10 15 20 25 30 35 40 2 7 12 17 22 27 32 37 42 5 10 15 20 25 30 35 40 2 7 12 17 22 27 32 37 42 5 10 15 20 25 30 35 40
5
10
15
20
25
30
35
40
2
7
12
17
22
27
32
37
42
5
10
15
20
25
30
35
40
2
7
12
17
22
27
32
37
42
5
10
15
20
25
30
35
40
2
3
4
5
6
7
8
9
84
.
maneira pela qual a oferta e demanda de produtos de uma dada área afetam a produção das
demais.
Assim, ao invés de calcular o impacto da remoção de um setor sobre o resto da economia,
como proposto originalmente por Strassert (1968), optou-se aqui pela supressão
consecutiva de cada uma das regiões do modelo inter-regional. Tal procedimento seguiu o
proposto por Dietzenbacher et al (1993) e utilizado em Perobelli e Haddad (2003) e
Perobelli et al (2006).
Para calcular a dependência para trás da região extraída em relação às demais, suas compras
intermediárias inter-regionais foram retiradas do modelo, o vetor de produto foi estimado
sob essa situação e comparado ao original. A diferença entre os dois indicou o impacto de
tal extração sobre as regiões. A estimação da dependência para frente, por outro lado,
utilizou a Matriz de Alocação, em substituição à Matriz de Coeficientes de Insumos, o que
forneceu um modelo orientado para a oferta, em substituição ao anterior, voltado para a
demanda. Em seqüência, as vendas intermediárias da região foram suprimidas, o produto
hipotético, gerado após tal supressão, calculado e comparado ao original. Tais comparações
possibilitaram não somente a verificação dos impactos impostos a outras regiões, como seu
feedback. Assim, a partir dos resultados encontrados, pode-se estudar a estrutura das
interações comerciais inter-regionais, além de compará-las à dependência intra-regional
dessas áreas.
Os procedimentos necessários à estimação dos Efeitos para Trás da Extração Hipotética
estão sumarizados nas equações 43 e 44, p. 49, e seus resultados sintetizados na TAB. 8. Os
valores que constam fora diagonal principal desta tabela indicam a dependência da região
extraída sobre as outras, no que se refere à compra de insumos. Os valores da diagonal
representam o feedback derivado do efeito para trás da extração dessa economia; em outras
palavras, a dependência das demais regiões em relação à região extraída. Nas últimas
linhas, encontra-se a Ligação para Trás dessa região ao resto da economia (BL), o Feedback
Inter-Regional para Trás (IFb) e o Efeito Total da Extração, dado pela soma dos dois
primeiros.
Como era de se esperar, a retirada de São Paulo foi a que gerou o maior impacto sobre a
economia. Tal região obteve não somente o maior valor nas Ligações para Trás, como no
Feedback Inter-Regional para Trás, o que indicou ser ela a mais dependente de insumos do
85
.
resto da economia e ser a que o resto da economia mais depende. No entanto, o maior valor
de IFb em relação à BL mostra que tal estado é, relativamente, mais importante para o resto
da economia que o contrário. Além disso, descontado o efeito sobre a própria região, São
Paulo não só impôs, como também sofreu os maiores impactos da extração das outras áreas,
o que demonstra sua maior integração às demais e corrobora os resultados encontrados por
Perobelli et al (2006).
Em nenhuma das outras quatro regiões o valor do feedback superou ao das ligações, o que
indicou que o resto da economia é mais importante para elas que o contrário. Considerando-
se as Ligações para Trás e o Efeito Total da Extração Regional, encontrou-se no Rio de
Janeiro os menores valores. Comparando-os aos de Minas Gerais, percebeu-se que pelo
lado da demanda, este é mais integrado à economia nacional que o fluminense, visto que
depende mais de seus insumos e é mais importante no fornecimento desses.
O Nordeste, também, apresentou baixa integração ao comércio inter-regional. Embora esta
região tenha obtido um maior efeito total da extração regional e um maior valor nas
ligações para frente que o Rio de Janeiro, ela apresentou o menor efeito feedback entre
todas. Isto indica ser ela a menos importante no fornecimento inter-regional de insumos.
TABELA 8: Distribuição Espacial do Efeito para Trás, derivados da Extração
Regional, para 1999 (R$ Mil).
Região Região Isolada
Atingida
RJ SP MG NE RB
RJ
28.931.288 14.189.253 5.086.034 4.989.722 13.344.215
SP
15.739.839 1.00.044.662 18.261.853 17.936.762
58.110.709
MG
5.393.689 22.238.143 41.645.309 5.812.528 15.464.273
NE
2.319.126 13.552.413 3.158.560 22.699.049
9.047.539
RB
9.923.991 47.184.581 11.951.058 11.607.825
70.704.518
LT
33376645 97.164.390 38.457.505 40346838 95.966.737
FIT
28931288 100.044.662 41.645.309 22699049 70.704.518
Total
62307933 197.209.052 80.102.814 63045887 166.671.254
Notas: BL: Ligações para trás - soma fora da diagonal principal
IFb: Feedback Inter-Regional para Trás
Total: Efeito Total da Extração Regional: BL+IFb
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto Inter-Regional, de 1999.
As ligações para trás foram, ainda, decomposta em efeito de primeira ordem e efeito
induzido. O primeiro indica o impacto sobre a produção do resto da economia voltado à
satisfação da demanda final da região extraída, enquanto a segunda fornece a o impacto
86
.
sobre a parcela da produção do resto da economia voltado à sua própria demanda final.
Como pode ser observado na TAB. 9, a maior parte da variação hipotética sobre o produto
do resto da economia é derivada diretamente da impossibilidade de fornecer produtos à
região extraída, embora para Minas Gerais, o efeito induzido chegue a trinta por cento do
efeito total.
TABELA 9: Decomposição do Efeito para Trás, entre Efeito de Primeira Ordem e
Efeito Induzido, para 1999 (R$ Mil).
Região BL Efetio de Primeira ordem Efeito Induzido
Isolada Valor Absoluto (%) Valor Absoluto (%)
RJ
33.376.645 27.778.902 83,23 5597.743 16,77
SP
97.164.390 74.712.780 76,89 22451.610 23,11
MG
38.457.505 26.620.326 69,22 11837.178 30,78
NE
40.346.838 35.588.542 88,21 4.758.296 11,79
RB
95.966.737 82.358.390 85,82 13.608.346 14,18
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto Interregional, de 1999.
No que consta aos encadeamentos para frente, o comportamento apresentado pelas regiões
foi semelhantes ao das ligações para trás. Mais uma vez São Paulo destacou-se e
apresentou-se como principal mercado consumidor dos produtos das regiões extraídas.
Como segundo mais importante ficou o Resto do Brasil, enquanto o Rio de Janeiro, mais
uma vez, apresentou-se menos integrado ao comércio inter-regional que as demais regiões,
e muito dependente de São Paulo, que agregou aproximadamente 40% do encadeamento
para frente. Tal estado parece interagir, relativamente, pouco com o estado de Minas Gerais
e com a região do Nordeste, tanto na venda de seus produtos quanto como mercado
consumidor para os produtos desse outro e, embora tenha um PIB superior a ambos,
aparenta ser menos importante que eles no comércio com outras regiões.
87
.
TABELA 10: Distribuição Espacial do Efeito para Frente, derivados da Extração
Regional, para 1999 (R$ Mil).
Região Região Isolada
Atingida RJ SP MG NE RB
RJ
23.035.274 13.514.690 4.347.472 1.861.723 8.008.369
SP
19.984.453 88.841.902 20.188.125 13.673.057 45.117.784
MG
6.393.440 18.513.278 33.714.136 3.416.773 12.067.127
NE
5.871.072 17.217.109 5.181.688 32.051.331 10.784.305
RB
16.501.708 55.122.095 13.670.883 9.111.559 81.502.921
FL
48.750.674 10.4367.172 43.388.168 28.063.112 75.977.585
IFF
23.035.274 88.841.902 33.714.136 32.051.331 81.502.921
Total
71.785.948 193.209.073 77.102.304 60.114.443 157.480.506
Notas: FL: Ligações para trás - soma da coluna, com excessao da diagonal principal
IFf: Feedback Interregional para Trás
Total: Efeito Total da Extração Regional: FL+IFf
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto Interregional, de 1999.
Assim como nas ligações para trás, a maior parte da variação inter-regional do produto
originadas pelos encadeamentos para frente das regiões extraídas é derivada do efeito de
primeira ordem, que é especialmente forte no Rio de Janeiro. Pode-se entender que as
maiores variações no produto advêm diretamente da impossibilidade das regiões
comprarem os produtos da região extraída.
TABELA 11: Decomposição do Efeito para Frente, entre Efeito de Primeira Ordem e
Efeito Induzido, para 1999 (R$ Mil).
Região FL Efetio de Primeira ordem Efeito Induzido
Isolada Total Abs (%) Abs (%)
RJ
48.750.673 42.017.162 86,19 6.733.511 13,81
SP
104.367.171 83.129.455 79,65 21.237.715 20,35
MG
43.388.168 32.007.278 73,77 11.380.889 26,23
NE
280.63.112 22.921.685 81,68 5.141.426 18,32
RB
75.977.585 62.672.262 82,49 13.305.323 17,51
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto Interregional, de 1999.
5.5. Complexos Industriais
Na identificação dos Complexos Industriais no Espaço, procedeu-se à construção da Matriz
de Acessibilidade Espacial e ao agrupamento dos setores, com base nesta matriz, a partir da
técnica de fuzzy cluster, como descrito na sessão 4.5. Para tal foram utilizados os dados da
Matriz de Insumo-Produto e da RAIS/CNAE (Classificação 95) de 2003. Uma vez que o
interesse do trabalho focava sobre os setores industriais e agropecuário, foram selecionados
88
.
os 31 primeiros setores dessa matriz, tendo os demais sidos desconsiderados (referentes a
serviços e dummies).
Inicialmente, construiu-se o vetor r, de renda da terra. Este vetor, que teoricamente
representa a renda originária da boa localização da atividade, foi obtido empiricamente a
partir dos dados da Rais e das equações (62), (63) e (64). A compatibilização do vetor r
com a matriz G, de relações intersetoriais, realizou-se a partir das tabelas de
correspondência SCN x CNAE e CNAE 1.0 x CNAE, do IBGE. Para tal, as atividades da
Rais foram classificadas segundo os setores a que pertenciam no Sistema de Contas
Nacionais (SCN) e o Quociente Locacional (QL) (equação (62)) foi calculado com base no
número de estabelecimentos estadual e nacional de cada atividade. Em uma segunda etapa,
as atividades foram agregadas em setores, por meio da média ponderada pelo número de
ocupados de cada uma, no âmbito nacional. Dessa forma, buscou-se obter um índice
locacional que considerasse tanto o número quanto o tamanho dos estabelecimentos. Por
fim, procedeu-se à normalização do QL, segundo (63), obtendo o vetor r por setor SCN,
como pode ser observado na TAB. 12.
Nessa tabela, os setores se encontram descritos, numericamente identificados e dispostos a
partir do valor de r. Em geral, quanto maior este valor, maior o lucro extraordinário obtido
pela localização da atividade naquele local, o que demonstra sua boa localização no estado,
em relação ao resto do país. Por outro lado, quanto menor o valor de r, pior a localização da
atividade. Nesse sentido, pode-se facilmente perceber a preponderância dos setores de
extração e refino de petróleo, em oposição aos setores de produção e beneficiamento de
produtos agropecuários, bem como de artigos de madeira e couro.
Percebe-se um maior dimensionamento estadual da extração em relação aos outros setores
de sua cadeia produtiva, o que já vinha sendo percebido nos testes anteriores. Pelo QL
verifica-se que a concentração da produção de químicos, farmacêuticos, borracha e
plásticos no estado é menor que no resto do país. Assim, enquanto essa primeira atividade
apresenta-se como bem localizada na região, visto que é lá que estão os recursos naturais,
as demais estão, relativamente, mais presentes em outros pontos do país. Utilizando como
indicativo a TAB. 2 e a FIG. 2, pode-se afirmar que estas atividades tendem a ser mais
atraídas pelo mercado que pela fonte de matéria-prima, concentrando-se no estado de São
Paulo, maior centro produtor e consumidor nacional; e, quando presente no Rio de Janeiro,
aproximando-se mais da Região Metropolitana que do Norte do estado.
89
.
Deve-se enfatizar, ainda, a Metalurgia dos Não-Ferrosos e a Indústria do Papel e Gráfica
como bem localizados no estado. Além desses, a Siderurgia, embora um pouco menos
concentrada regional que nacionalmente, ficou entre as cinco atividades mais presentes no
Rio de Janeiro.
Para a construção da matriz G, que reflete as necessidades de circulação de mercadorias
entre os setores, foram utilizados os dados de consumo intermediário, salários e demanda
final da Matriz de Insumo-Produto do Brasil de 2003 (Guilhoto, 2004). Cada coeficiente
gij
65
foi obtido a partir da relação de compra e venda entre os setores i e j e o total da
produção do setor i. As 32
a
linha e coluna dessa matriz, que incorporam a participação do
trabalho na produção, consideraram a parcela do consumo das famílias e dos salários pagos
no total do setor. A razão entre demanda final e produção foi adicionada à diagonal
principal da atriz.
O GRAF. 12 permite uma observação geral dos resultados dessa construção, enquanto os
resultados detalhados podem ser obtidos na TAB. A11 do Anexo. Neste gráfico, o eixo gj
denota a relação entre as compras e vendas dos setores i e j e o total de produção do setor j,
a nível nacional; o eixo gi denota esta mesma relação, como parcela da produção do setor i;
o eixo gij denota os valores encontrados para os coeficientes de relações técnicas espaciais
dos setores i e j. Observa-se a importância do consumo intra-setorial e da demanda final
(diagonal principal), bem como do insumo trabalho sobre as relações de compra e venda
setoriais (g
32,i
e g
i,32
). Também, percebe-se a participação da agricultura na produção dos
demais setores (g
i,1
) e a ligação dos setores de extração e refino petróleo (g
3,17
).
65
Coeficiente de relações técnicas espaciais do setor i ao setor j.
90
.
TABELA 12: Quociente Locacional e Vetor de Renda da Terra, para o Rio de
Janeiro, em 2003.
Setores Produtivos QL r
03-Extração de petróleo e gás, carvão e outros combustíveis 5.2662 0.9948
17-Refino do petróleo e indústria petroquímica 1.7210 0.8211
06-Metalurgia dos não-ferrosos 1.2088 0.7014
14-Indústria de papel e gráfica 1.0980 0.6665
05-Siderurgia 0.9493 0.5827
02-Extrativa mineral (exceto combustíveis) 0.9010 0.5379
31-Indústrias diversas 0.8610 0.5023
22-Fabricação de Artigos do Vestuário e acessórios 0.8603 0.5017
18-Fabricação de produtos químicos diversos 0.8504 0.4932
19-Fabricação de produtos farmacêuticos e de perfumaria 0.8504 0.4932
10-Fabricação de aparelhos e equipamentos de material eletrônico 0.8354 0.4803
15-Indústria da borracha 0.8190 0.4665
20-Indústria de transformação de material plástico 0.8168 0.4647
12-Fabricação de outros veículos, peças e acessórios 0.7882 0.4412
30-Outras indústrias alimentares e de bebidas 0.7736 0.4295
11-Fabricação de Automóveis, caminhões e ônibus 0.7557 0.4154
07-Fabricação de outros produtos metalúrgicos 0.7533 0.4135
32-linha w
66
-- 0.3731
26-Abate e preparação de carnes 0.6955 0.3696
04-Fabricação de minerais não metálicos 0.6628 0.3459
08-Fabricação e manutenção de máquinas e tratores 0.6217 0.3172
09-Fabricação de aparelhos e equipamentos de material elétrico 0.5847 0.2923
24-Indústria do café 0.5731 0.2846
16-Fabricação de elementos químicos não-petroquímicos 0.5340 0.2597
21-Indústria têxtil 0.4909 0.2331
27-Resfriamento e preparação do leite e laticínios 0.4889 0.2320
13-Serrarias e fabricação de artigos de madeira e mobiliário 0.3588 0.1588
28-Indústria do açúcar 0.3435 0.1508
01-Agropecuária 0.3340 0.1459
25-Beneficiamento de produtos de origem vegetal - inclusive fumo 0.3291 0.1434
23-Fabricação de calçados e de artigos de couros e peles 0.2114 0.0866
29-Fabricação e refino de óleos vegetais e de gorduras para
alimentação 0.1470 0.0582
Fonte: Elaboração Própria, a partir da Rais/Cnae, de 2003.
66
O valor r da linha w, referente à localização da mão-de-obra, foi calculado a partir da equação (64), e por
isso, não apresenta o valor do QL.
91
.
GRÁFICO 12: Matriz G, de compra e venda entre os setores produtivos do Brasil,
para 2003.
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto do Brasil, de 2003.
Uma vez construídos R e G, a obtenção de V é direta e pode ser observada no GRAF. 13 e
na TAB. A12 do Anexo. Esta matriz agrega informações espaciais e inter-setoriais e cada
coeficiente v
ij
indica os constrangimentos impostos ao setor j, pelo setor i. Assim, cada uma
de suas linhas apresenta as restrições geradas pela “má” localização do setor i aos demais,
enquanto cada coluna indica as restrições sofridas pelo setor j. Como exemplo, pode-se
verificar na terceira linha que o setor de petróleo não impõe impedimentos ao
desenvolvimento de nenhum outro setor, mas sofre impedimentos, principalmente, da
Indústria de Transformação de Material Plástico, que demonstra ser um gargalo na cadeia
produtiva estadual.
A preponderância de valores elevados na diagonal da matriz de acessibilidade espacial
permite inferir que, em geral, os maiores constrangimentos sofrido pelos setores são
causados por eles mesmos. Isto pode ser explicado pela excessiva agregação da matriz de
insumo-produto, na qual cada setor internaliza uma série de atividades pertencentes à
mesma cadeia produtiva, de maneira que as relações de trocas intra-setoriais tornam-se
elevadas e a ausência de um dos elos da cadeia prejudica os demais. Outro fator a contribuir
com este resultado deriva da consideração da demanda final conjuntamente às relações
5 10 15 20 25 30
5
10
15
20
25
30
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
2.2
0
5
10
15
20
25
30
0
5
10
15
20
25
30
0
0.5
1
1.5
2
2.5
gi
gj
gi
92
.
intra-setoriais, de forma que a ausência ou “má” localização de um setor cria impedimentos
a essa demanda, o que também é refletido na diagonal da matriz.
Ainda, pode-se observar que os maiores valores encontram-se nas células v
7,7
(Fabricação
de outros produtos metalúrgicos), v
16,16
, (Fabricação de elementos químicos não-
petroquímicos),v
20,20
(Indústria de transformação de material plástico), v
1,1
(Agropecuária),v
20,3
(Indústria de transformação de material plástico e petróleo) v
18,18
(Fabricação de produtos químicos diversos),e v
18,1
. Estes valores indicam gargalos e
porosidades na cadeia produtiva do Rio de Janeiro e representam setores indicados a serem
alvo de políticas regionais que visem o adensamento dessa cadeia .
GRÁFICO 13: Matriz de Acessibilidade Espacial
67
, V, para o Rio de Janeiro, em 2003.
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto do Brasil, de 2003.
Não obstante à importância da análise individual das restrições espaciais dos setores, torna-
se interessante utilizar a Matriz de Acessibilidade Espacial como matriz básica de
informações para a identificação de complexos industriais no espaço. Isto porque, como
afirma Simões (2004, p.2), “a identificação de conjuntos de setores com características
econômico-espaciais semelhantes permite analisar tanto as falhas e porosidades nas cadeias
produtivas regionais como suas possíveis oportunidades de adensamento.”
67
Em valor absoluto.
0
10
20
30
0
10
20
30
0
1
2
3
vi
vj
vij
vj
vi
5 10 15 20 25 30
5
10
15
20
25
30
0.5
1
1.5
2
2.5
93
.
Nesse sentido, o método fuzzy cluster de classificação multivariada foi aplicado à inversa da
matriz V, com objetivo de separar os setores em grupos, de maneira a tornar possível a
identificação dos complexos espaciais. Esta metodologia foi utilizada visto ser mais
adequada a situações em que a divisão entre os dados não é caracterizada por barreiras bem
definidas, como é o caso das cadeias produtivas. Ou seja, em métodos usuais de
classificação, Hard Clusters, a separação dos elementos em conjuntos segue uma função
dicotômica que assume valores de zero ou um. Dessa forma, os elementos são
caracterizados como pertencentes ou não a cada conjunto. De forma contrária, na
metodologia de fuzzy clusters, os elementos a serem agrupados assumem valores no
intervalo [0,1], o que garante a possibilidade de pertencimento parcial e simultâneo a
múltiplos conjuntos (sendo que o total de pertencimentos deve somar 1). No que se refere
ao agrupamento de setores em complexos industriais, o método proposto, além de permitir
que cada setor pertença parcialmente a diferentes clusters, informa a intensidade de sua
participação em cada um. É importante salientar que cada agrupamento de setor não indica,
necessariamente, a formação de um complexo, de forma que ele deve ser analisado
conjuntamente ao vetor r e à atriz G, bem como aos resultados dos testes anteriormente
obtidos.
Os resultados, que constam na TAB. A14 do Anexo, indicam a pouca diversificação e
integração da cadeia produtiva fluminense, visto a preponderância de baixos valores de
pertencimento nos conjuntos com maior número de setores e a formação de vários clusters
individuais. Como descrito na TAB. 13, foi identificado um cluster relativo à indústria de
petróleo e um referente à produção de aço, possivelmente os únicos conjuntos produtivos
que se aproximam de um complexo industrial, propriamente ditos, da cadeia produtiva
fluminense
68
. Além desses, foram identificados um cluster de veículos e peças, um
agrupamento agro-industrial, um de produção de açúcar e um de químicos e minerais não
metálicos. Porém, o baixo valor de r dessas atividades, não permite que estes agrupamentos
sejam considerados como complexos industriais presentes no estado do Rio de Janeiro.
68
O que pode ser inferido pelos valores apresentados por estes setores no vetor r, que indicou sua forte
presença no estado.
94
.
TABELA 13: Fuzzy Clusters dos Setores Produtivos do Rio de Janeiro, 2003.
Clusters Setores
Cluster de Petróleo
3, 17
Cluster do Aço
5, 7, 8
Cluster de Veículos e Peças
11, 12
Cluster de Minerais Não Metálicos e Químicos
Diversos
4, 18
Cluster Agro-Industrial
1, 13, 16, 21, 23, 25, 29, 30
Cluster Açucareiro
1, 16, 28
Clusters Individuais
2, 6,10, 14, 20, 22, 24, 26, 32
Fonte: Elaboração Própria.
O primeiro complexo industrial analisado deriva do Cluster de atividades petrolíferas,
formado pelos setores de extração e refino. Entre as atividades pertencentes aos setores
deste agrupamento, deve-se destacar, no primeiro, a importância da extração de petróleo e
gás e serviços relacionados e a insignificância da extração de carvão na economia estadual;
do segundo, integram a produção regional as atividades de refino, fabricação de produtos
petroquímicos básicos, elastomeros, fibras, fios cabos e filamentos contínuos,
intermediários para resinas e fibras, resinas termoplásticas e termofixas.
Tal conjunto foi caracterizado por um alto grau de pertencimento por parte do setor de
petróleo, baixo pertencimento do refino e ausência de outros setores pertencentes à essa
cadeia produtiva. Isto confirma o que vem sendo percebido pelo resultado das sessões; ou
seja, que a atividade petrolífera no Rio de Janeiro está muito restrita à extração e que falta
desenvolver os elos posteriores dessa cadeia. Considerando o índice de ligações puras, por
exemplo, percebe-se que os setores de refino, plástico, químicos e outros são mais fracos
nesse estado do que em outras regiões.
Pode-se dizer, assim, que o potencial da produção de petróleo não está sendo totalmente
aproveitado pelas atividades estaduais ligadas a ela. Por isso, parece válido afirmar que,
embora esta atividade esteja impactando positivamente sobre a dinâmica produtiva regional
e trazendo benefícios à região Norte e ao estado como um todo, ela ainda não criou
suficientes encadeamentos, de forma a gerar um complexo produtivo integrado. Dessa
forma, há espaço para investimentos que vissem seu adensamento e que permitam melhor
aproveitar o recurso natural da região.
95
.
TABELA 14: Cluster de Petróleo
Setores u
ik
3-Extração de petróleo e gás, carvão e outros combustíveis
0.9959
17-Refino do petróleo e indústria petroquímica
0.1371
Fonte: Elaboração Própria.
O segundo conjunto identificado agrupa os setores de Siderurgia, Metalurgia e a Fabricação
de Máquinas e Tratores. Neste complexo, podem ser destacadas como atividades,
relativamente, importante no estado: a produção de semiacabados, laminados, relaminados,
trefilados e perfilados de aço (siderurgia); a fabricação de tubos, de peças fundidas de aço e
ferro, de forjados de aço, e de embalagem e estruturas metálicas (Metalurgia); e, fabricação
de obras de calderaria pesada, de máquinas, aparelhos e equipamentos para transporte e
elevação de cargas e pessoas, a fabricação de equipamentos para prospecção e extração de
petróleo, a fabricação de válvulas torneiras e registros e as atividades de manutenção e
reparação de motores, máquinas e equipamentos.
A partir da TAB.15 percebe-se quer o setor de Fabricação de Máquinas e Tratores encontra-
se estreitamente conectado à Siderurgia e à Fabricação de Outros Produtos Metalúrgicos.
Estes dois, no entanto, embora participem mais intensamente deste cluster que dos demais,
também, estão ligados parcialmente a outros agrupamentos de setores, visto serem uma
atividade básica e de extrema importância na cadeia produtiva estadual, como demonstrado
pelos testes anteriores.
Deve-se considerar, no entanto, que um complexo industrial integrado seria melhor
caracterizado pela presença do setores metalúrgicos e siderúrgicos no centro, agrupando os
demais em torno de si. Porém, o que acontece no Rio de Janeiro é que o setor metal-
mecânico se encontra desintegrado, com a Metalurgia dos Não Ferrosos, a Fabricação de
Máquinas e o setor de Automobilístico formando grupos diferentes, o que leva a Siderurgia
a se dispersar entre os diversos conjuntos.
Comparando essas atividades a partir do vetor r, percebe-se que a Siderurgia está,
relativamente, mais concentrada no estado do que as demais atividades a ela conectada, tais
como a automobilística e metalúrgica. Adicionalmente, a Matriz de Acessibilidade Espacial
indica que a Fabricação de Outros Produtos Metalúrgicos é o setor que mais impõe
restrições locacionais à produção siderúrgica. Considerando que estas atividades
demonstraram pelos testes anteriores sua importância na atividade produtiva, devido a seus
96
.
encadeamentos e elos de ligações com os demais setores, incentivos ao adensamento dessa
cadeia poderiam ser uma boa opção ao desenvolvimento do estado. Por fim, pode-se
associar a este resultado a afirmação de Lemos et al de que a atividade produtiva de Volta
Redonda (Siderúrgica) pode ser considerada como fronteira de expansão do Nordeste de
São Paulo que da Região Metropolitana do Rio de Janeiro, visto ser mais complementar a
industria metal-mecânica desse estado.
TABELA 15: Cluster do Aço.
Setores u
ik
8-Fabricação e manutenção de máquinas e tratores 0.9583
7-Fabricação de outros produtos metalúrgicos 0.1738
5-Siderurgia 0.1024
Fonte: Elaboração Própria.
Outro conjunto de setores com características econômico-espaciais semelhantes refere-se ao
de atividades automobilísticas, descritos na TAB. 16, na qual se observa uma alta
associação da produção de outros veículos, acessórios e peças à produção de Automóveis,
Caminhões e Ônibus. Estas atividades se iniciaram no estado durante a década de 1990,
com a implantação da fábrica de caminhões e ônibus da Volkswagen e, posteriormente,
com a abertura da fábrica da Peugeot-Citroën, que foi acompanhada pela instalação de
empresas de auto-peças associadas à ela (Oliveira, 2003).
69
Devem ser consideradas, também, as atividades de construção e reparação de veículos
navais, ferroviários e aéreos, incluídas no setor de fabricação de outros veículos e peças.
Em especial, a indústria naval, tradicionalmente importante no desenvolvimento fluminense
e que entrou em crise durante a década de 1980, retomou suas atividades e vem se
desenvolvendo devido, principalmente, à expansão da extração de petróleo em águas
profundas
70
, como afirma Oliveira (2003).
Assim, visto que estes dois setores têm um padrão espacial semelhante no estado, a
diferença entre seus graus de pertencimento ao conjunto é melhor explicado por diferenças
em suas associações técnicas. Isto porque enquanto o setor de outros veículos e peças é
muito voltado ao fornecimento do setor de automóveis, este último depende de uma série de
outros insumos, que, provavelmente, encontram-se, em parte, em outros estados.
69
Pode-se, ainda, considerar o semelhante valor de r desses dois setores.
70
Deve-se notar, que por ser esta uma relação indireta entre as atividades, não é captada pelo modelo. No
entanto, deve-se estar atento a importância de impactos indiretos do crescimento do setor petrolífero sobre os
demais ramos da cadeia produtiva fluminense.
97
.
TABELA 16: Cluster de Veículos e Peças
Setores u
ik
12-Fabricação de outros veículos, peças e acessórios
0.9300
11-Fabricação de Automóveis, caminhões e ônibus
0.1078
Fonte: Elaboração Própria.
A fabricação de minerais não metálicos embora tenha obtido um r baixo para a totalidade
do setor, apresenta algumas atividades, relativamente, representativas na região, tais como a
fabricação de vidros (planos, artigos e embalagens) e de cimento e atividade de britamento
e outros trabalhos em pedras e a fabricação de outros produtos minerais não-metálicos. Este
setor se relaciona, principalmente, com o de fabricação de produtos Químicos Diversos
embora possa ser observada alguma associação com os setores químico não-petroquímico,
borracha, metalurgia e indústrias diversas, se fosse aceito 0.9 ≤ u
ik
≤ 0.10.
TABELA 17: Cluster de Minerais Não Metálicos e Químicos Diversos
Setores u
ik
4-Fabricação de minerais não metálicos
0.8884
18-Fabricação de produtos químicos diversos
0.1187
Fonte: Elaboração Própria.
As TAB. 18 e 19 apresentam dois conjunto de setores voltados à agro-indústria. O primeiro
desses pode ser dividido em dois subconjuntos; no primeiro estariam os setores
agropecuário e elementos químicos não petroquímicos, ligados via fertilizantes,
provavelmente, e direcionados a produção animal e vegetal; no segundo subgrupo estariam
os setores voltados ao beneficiamento dos produtos do subgrupo 1 e setores correlacionados
a esses, tais como o de calcados e têxtil.
No entanto, este conjunto se caracterizou pelos baixos valores de pertencimento
71
de seus
elementos, o que indicou a fragilidade de suas ligações. A análise da matriz G demonstra a
alta associação técnica desses setores e a agricultura, enquanto a análise de V mostra que
eles são caracterizados por restrições locacionais, sofridas e impostas por tal setor. Assim a
semelhança locacional entre eles gira em torno de sua má localização, conforme denotado
no vetor r. A baixa produtividade e produção da agropecuária estadual pode ser indicada
como principal impedimento à formação de um cluster agro-industrial no estado e como já
71
Deve, ainda, ser esclarecido que devido à excessiva heterogeneidade do conjunto de setores da TAB. 18e à
sua má-especificação quando se considera 0.10u
ik
≥ , foram considerados apenas os setores com u
ik
≥0.13.
Dessa forma, pode-se melhor identificar sua interligação econômica e semelhança locacional.
98
.
podia ser constatado por Melo e Gutierrez (1990) para a década de 70, este cluster no
estado se baseia mais em atividades industriais que agrárias.
TABELA 18: Cluster Agro-Industrial
Setores u
ik
1-Agropecuária 0.2607
16-Fabricação de elementos químicos não-petroquímicos 0.2105
29-Fabricação e refino de óleos vegetais e de gorduras para alimentação 0.2092
13-Serrarias e fabricação de artigos de madeira e mobiliário 0.1827
25-Beneficiamento de produtos de origem vegetal - inclusive fumo 0.1759
23-Fabricação de calçados e de artigos de couros e peles 0.1659
21-Indústria têxtil 0.1573
30-Outras indústrias alimentares e de bebidas 0.1494
27-Resfriamento e preparação de leite e laticínios 0.1323
Fonte: Elaboração Própria.
O segundo conjunto de setores votados à atividade agro-industrial relaciona-se a partir da
produção de cana-de-açúcar. Este conjunto engloba a Agropecuária, a Indústria do Açúcar e
a Fabricação de Químicos Não-Petroquímicos, este último relacionado, principalmente, por
meio da produção de fertilizantes e álcool.
A atividade sucro-alcorreira esteve presente no estado desde sua colonização e foi
responsável pelo desenvolvimento inicial e posterior estagnação do Norte Fluminense. Esta
foi a principal atividade econômica dessa região, até o desenvolvimento da extração de
petróleo. No entanto, devido à pouca expressividade da agricultura estadual, principalmente
do cultivo de cana, a produção açucareira é muito dependente de insumos de outras regiões.
A análise dos multiplicadores demonstrou que, entre os setores fluminenses, esta atividade
tende a ter a maior parcela de efeito inter-regional sobre o emprego, o produto e a renda;
sendo São Paulo a região mais beneficiada. Adicionalmente, os Coeficientes de Variação
indicaram que este setor apresenta-se, relativamente, mais integrado inter-regionalmente.
TABELA 19: Cluster Sucro-Alcooleiro
Setores u
ik
28-Indústria do açúcar
0.7696
1-Agropecuária
0.1240
16-Fabricação de elementos químicos não-petroquímicos
0.1190
Fonte: Elaboração Própria.
Os demais agrupamentos foram caracterizados pela presença de uma único setor com valor
u
ik
≥ 0.10, o que indica que estes apresentam poucas semelhanças econômico-espaciais com
os outros. Tais setores, quando presentes no estado, podem ser considerados pouco
99
.
integrados, o que pode ser resultado tanto de restrições locacionais, quando da excessiva
agregação da matriz de insumo-produto que mascara certas dinâmicas espaciais e
impossibilita a identificação de complexos industriais espaciais minimamente
diversificados (Simões, 2004).
Entre as cadeias que formaram clusters isolados, estão a Metalurgia dos Não Ferrosos, a
Indústria do Papel e Gráfica, a Extrativa Mineral, a Fabricação de Artigos do Vestuário e
Acessórios, a Fabricação de Aparelhos e Equipamentos de Material Eletrônico, a Indústria
de Transformação de Material Plástico, o Abate e Preparação de Carnes e a Indústria do
Café.
Quanto a estas, merecem ser feitas algumas considerações no que se refere à Indústria de
Transformação de Material Plástico. Seu não agrupamento aos setores petrolíferos,
associado aos seus valores no vetor r e na matriz V indicam que esta indústria,
possivelmente, tem um desempenho inferior à capacidade potencial do estado; ou seja, a
localização e disponibilidade dos setores de petróleo criam vantagens comparativas ao
crescimento desse setor, que não estão sendo totalmente aproveitadas. Seu crescimento
negativo no período 1998-2004 (segundo dados da Fundação Cide) corrobora esta idéia e
põe em evidência a necessidade da instalação do Pólo Gás-Químico
72
, ocorrida em julho de
2005, que visa fornecer insumos para esta indústria e que poderá, assim, melhorar seu
desempenho. De maneira geral, pode-se entender que as restrições à produção de
polietileno são as responsáveis pelo elo faltante na cadeia que vai da extração e refino à
produção de plástico de forma que estas restrições representam um gargalo e uma fonte de
vazamento da renda estadual.
72
Tal Pólo representa um dos principais projetos do Rio de Janeiro, e esta previsto para ser implantado no
município de Duque de Caxias. Com investimento estimado de US$800 milhões, poderá dobrar a produção de
plástico estadual, consolidando o estado como segundo produtor de plástico nacional, como afirma o
Sindicato das Indústrias de Material Plástico do Rio de Janeiro (SIMPERJ). Estima-se uma produção anual de
US$ 2,1 bilhão e geração de receita tributária no valor de US$ 168 milhões, com esta implantação (SIMPERJ,
2006).
100
.
6. CONSIDERAÇÕES FINAIS
A estrutura produtiva do Rio de Janeiro foi historicamente marcada pelo papel da capital
estadual no cenário político e econômico nacional. Se, por um lado, a função dessa cidade
como capital federal possibilitou o desenvolvimento econômico estadual, tanto em termos
industriais quanto no setor de serviços; por outro lado, a região ficou marcada por
desequilíbrios regionais e setoriais, que permaneceram após a perda de tal função.
Após a crise econômica por que passou durante a década de oitenta e início da de 90,
iniciou-se um aparente processo de recuperação. No entanto, este tem sido
significativamente baseado na indústria extrativa, concentrada quase exclusivamente no
petróleo. A propriedade deste importante recurso natural vem ampliando as oportunidades
de desenvolvimento regional, tanto no que se refere a investimentos privados, quanto a
geração de renda pública – o que deveria se refletir em maior capacidade de geração de
infra-estrutura e integração regional.
No entanto, tais oportunidades devem ser vistas como passageiras, devido à natureza dessa
produção. Dessa forma, surge uma situação ambígua, pois enquanto o aprofundamento
dessa cadeia produtiva pode ser vista como essencial, para que o estado não se torne um
mero extrator de recursos naturais e possa aproveitar melhor as possibilidades que a posse
deste o confere; por outro lado, a diversificação da estrutura produtiva estadual também é
primordial, para evitar que o esgotamento de tal produção se reflita na estagnação
econômica estadual.
Por fim, devem ser pensadas, ainda, formas de inclusão econômico-produtiva de regiões e
municípios que não estejam participando dessa nova dinâmica estadual; bem como em uma
maior integração inter-regional. Isto porque, sua marcante desigualdade intra-regional e sua
baixa integração com as demais regiões e estado desse país podem limitar sua capacidade
de fortalecimento e diversificação econômica.
Dessa forma, este trabalho procurou discutir e entender a estrutura produtiva do Rio de
Janeiro, a partir da identificação de seus setores-chave e complexos industriais. Para tal,
uma série de testes foi aplicada ao Modelo de Insumo-Produto, que incluiu uma matriz de
insumo-produto inter-regional do Rio de Janeiro, São Paulo, Minas Gerais, Nordeste e
Resto do Brasil, para o ano de 1999, e uma matriz nacional, para o ano de 2003.
101
.
Como esperado, os resultados encontrados indicaram certa fragilidade na estrutura
produtiva estadual, advinda de sua baixa integração setorial e inter-regional. Em geral, este
estado pareceu muito dependente das relações comerciais intra-regionais e com o estado de
São Paulo. Além disso, demonstrou que, embora seja produtor de importantes insumos para
o país, derivados da extração de petróleo e da siderurgia, este potencial não é plenamente
aproveitado em seu desenvolvimento industrial.
Verificando a relação entre o efeito multiplicador dos setores fluminense, percebeu-se que
estes são semelhantes aos das regiões consideradas, embora, relativamente menos intensos;
sendo os multiplicadores do produto da indústria do Rio de Janeiro os que mais diferem das
demais regiões, quanto à intensidade de seu impacto sobre a economia nacional. A
decomposição desse efeito entre as regiões indicou quais os setores mais afetam a economia
estadual, bem como sugeriu que esta impõe e recebe maiores impactos, relativamente, de
São Paulo e do Resto do Brasil, que de Minas Gerais e do Nordeste, o que foi confirmado
pelo Método de Extração Regional. Além disso, observou-se que os setores dessas regiões
que mais afetam o Rio de Janeiro estão relacionados à produção de bens derivados de
Petróleo.
O Índice de Ligações de Hirschaman–Rasmussen, calculado com base no modelo de
ligações inter-regionais independentes e dependentes permitiu identificar os setores-chave
com base em seus encadeamentos. O Índice Puro de Ligações indicou quais os setores são
mais importantes para a economia, a partir da consideração de seus encadeamentos e de sua
produção. O Campo de Influência verificou quais setores possuem maiores elos de ligações;
ou seja, a partir de quais setores variações tecnológicas se espalhariam mais intensamente
pela economia. Em resumo, estes testes indicaram a importância dos setores de serviços –
principalmente da Administração Pública, - da Extração e Refino de Petróleo e da
Metalurgia na economia fluminense.
Por fim, a análise de fuzzy cluster aplicada sobre a Matriz de Acessibilidade Espacial
encontrou seis agrupamentos de setores com semelhanças econômico-espaciais, dos quais
dois podem ser melhor considerados complexos industriais, Clusters do Petróleo e do Aço.
No entanto, a pouca ligação dessas atividades aos demais setores, observada na composição
desses clusters, indica que eles não têm conseguido aprofundar a integração setorial do Rio
de Janeiro. Uma vez que estes setores tendem a apresentar forte potencial de
encadeamentos sobre os demais e tendo o estado disponibilidade desses fatores, o
102
.
adensamento de sua cadeia produtiva parece ser uma oportunidade de fortalecimento da
economia estadual, desde que seja fortalecida sua capacidade de geração de externalidade e
integração intra-regional. Além disso, é primordial o fortalecimento de setores
negligenciados e que podem estar representando gargalos na estrutura produtiva estadual,
como é o caso da agricultura; ou seja, um desenvolvimento industrial completo e integrado
nessa região impõe a necessidade de um amplo aprofundamento de todas essas cadeias. Por
fim, coloca-se como a agenda de pesquisa o estudo das interações produtivas internas à
região, para que esse desenvolvimento industrial seja acompanhado pela redução das
desigualdades intra-regionais presentes nesse estado.
103
.
REFERÊNCIAS
ALONSO, E. V. Impact analysis and extraction method: applications on water resources in
Andalusia. Andalusia: Fundação Centro de Estudos Andaluce, 2004. (Working Paper,
E2004/69)
ALONSO, W. Location and land use: towards a general theory of land rent. Cambridge:
Harvard University Press, 1964.
AMENDOLA, M.; SOUZA, A. L.; BARROS, L. C. Manual do uso da teoria dos
conjuntos fuzzy no MATLAB 6.5. Versão II, maio 2005. Disponível em:
<
http://www.ime.unicamp.br/~laeciocb/manual_fuzzy_matlab.pdf.>. Acesso em: 20 ago.
2006.
ARAÚJO, V. L. Um estado fundido: contribuições para o debate em torno da “desfusão”
dos estados do Rio de Janeiro e da Guanabara. Econômica, Rio de Janeiro, v. 7, n. 1, p. 5-
33, jun. 2005.
AZZONI, C. R. Teoria da localização: uma análise crítica. São Paulo: FEA/USP, 1982.
200p. (Série Ensaios Econômicos).
BAPTISTA, R.; SWANN, G. M. P. Cluster dynamics in UK computer industries: a
comparison with the USA. In: SWANN, G. M. P.; PREVEZER, M.; STOUT, D. (Ed.) The
dynamics of industrial clustering: international comparison in computing and
biotechnology. Oxford: Oxford University Press, 1998. p. 106-123.
BARROS, L. C. Sobre sistemas dinâmicos fuzzy: teoria e aplicações. 1997. 103f. Tese
(Doutorado em Matemática Aplicada) - Universidade Estadual de Campinas, Campinas,
1997.
BEYNON, M; MUNDAY, M; ROBERTS, A. Ranking sectors using fuzzy output
multipliers. Economic Systems Research, London, v. 17, n. 3, p. 237-253, 2005.
BOUDEVILLE, J. R. Les espaces economiques. Paris: Press Universitaires de France,
1969.
BUCKLEY, J. J. Fuzzy eigenvalues and input-output analysis. Fuzzy Sets and Systems,
v. 34, n. 2, p. 187-195, jan. 1990.
BUCKLEY, J. J. Fuzzy input-output analysis. European Journal of Operational Research,
v. 39, n. 1, p. 54-60, mar. 1989.
CAMPBELL, J. Selected aspects of the interindustry structure of the state of Washington,
1967. Economic Geography, Worcester, Mass. v. 50, n. 1, p. 35-46, jan./mar. 1974.
CANO, W. Raízes de concentração industrial em São Paulo. São Paulo: Difel, 1977.
104
.
CAO, B. Y. Input-output mathematical model with T-fuzzy data. Fuzzy Sets and
Systems, v. 59, n. 1, p. 15-23, oct. 1993.
CELLA, C. The input-output measurement of interindustry linkages. Oxford Bulletin of
Economics and Statistics, Oxford, v. 46, n.1, p. 73-84, 1984
CHRISTALLER, W. Central places in Southern Germany. New Jersey: Prentice-Hall,
1966.
CLEMENTS, B. On the decomposition and normalization of interindustry linkages.
Economics Letters, Amsterdam, v. 33, n. 4, p. 337-340, aug. 1990.
CONSIDERA, C. M. ; MELO, H. PIndustrialização fluminense – 1930/1980. Revista do
Rio de Janeiro, v. 1, n. 3., p. 111-122, maio/ago. 1988.
CRESPO, N. E Campos dos Goytacazes perde a corrida pelo petróleo. In: PIQUET, R.
(Org.) Petróleo, royalties e região. Rio de Janeiro: Garamond, 2003. p. 239-256.
CROCOMO, F. C.; GUILHOTO, J. Interação dos setores econômicos entre as grandes
regiões brasileiras em 1985: uma aplicação de insumo produto. In: ENCONTRO
NACIONAL DE ECONOMIA, 26., 1998, Vitória, ES. Anais… Vitória: ANPEC, 1998. 3v.
p. 1721-1740.
CZAMANSKI, S. Some empirical evidence of the strengths of linkages between groups of
related industries in urban-regional complexs. Papers of the Regional Science Association,
Cambridge, Mass. v. 27, n. 1, p. 137-150, 1971.
DAVIDOVICH, F. O entorno da Região Metropolitana do Rio de Janeiro, hipóteses e
considerações. In: ENCONTRO NACIONAL DA ASSOCIAÇÃO NACIONAL DE POS-
GRADUAÇÃO E PESQUISA EM PLANEJAMENTO URBANO E REGIONAL
(BRASIL), 9., 2001, Rio de Janeiro, RJ. Anais: ética, planejamento e construção
democrática do espaço...Rio de Janeiro: ANPUR, 2001. p. 326-335.
DÍAZ, B.; MONICHE, L.; MORILLAS, A. A fuzzy clustering approach to the key sectors
of Spanish economy. Economic Systems Research, v. 18, n. 3, p. 299-318, sept. 2006.
DIETZENBACHER, E.; VAN DER LINDEN, J.; STEENGE, A. E. The regional extraction
method: EC input-output comparisons. Economic Systems Research, v. 5, n. 2, p. 185-207,
1993.
DIXIT, A. K.; STIGLITZ, J. E. Monopolistic competition and optimum product diversity.
American Economic Review, Nashville, Tenn., v. 67, n. 3, p. 297 -308, june/july 1977.
DOMINGUES, E. P.; HADDAD, E. A. Matriz inter-regional de insumo-produto Minas
Gerais/resto do Brasil: estimação e extensão para exportações. São Paulo: Nereus – USP,
2003. 18p. (Texto para Discussão, 18-2003).
DRIDI, C.; HEWINGS, G. J. D. Sector associations and similarities in input-output
systems: an application of dual scaling and fuzzy logic to Canada and the United States.
The Annals of Regional Science, Springer Berlin, v. 37, n.4, p. 629-656, jan. 2003.
105
.
FERREIRA, C. M. C. As teorias da localização e a organização espacial da economia. In:
HADDAD, P. (Org.) Economia regional: teoria e métodos de análise. Fortaleza: BNB,
1989. p. 67-206.
FESER, E. J.; SWEENEY, S. H. Spatially binding linkages in manufacturing product
chains. In: MCNAUGHTON, R. Green, M. (Ed.). Global competition and local networks.
New York: Ashgate, 2002. p.111-130.
FINGLETON, B.; IGLIORI, C.; MOORE, B. Custer dynamics: new evidence and
projections for computing services in Great Britain. In: INTERNATIONAL SEMINAR
SERIES IN REGIONAL ECONOMICS, ECONOMIC GEOGRAPHY AND CLUSTERS.
2003., Cambridge, UK. Papers presented... Cambridge, UK.: Cambridge University,
Department of Land Economy, 2003. 31p.
FONTES, G. G. Atributos urbanos e diferenciais regionais de salários no Brasil, 1991 e
2002. 2006. 104f. Dissertação (Mestrado em Economia) – Centro de Desenvolvimento e
Planejamento Regional, Universidade Federal de Minas Gerais, Belo Horizonte, 2006.
FUJITA, M.; KRUGMAN, P. R.; VENABLES, A. J. The spatial economy: cities, regions,
and international trade. Cambridge: MIT Press, 2002. 384 p.
FUNDAÇÃO CIDE, Dados de referência: caderno 2005. Disponível em:
<
http://200.156.34.70/cide/download/dados_referencia3.pdf>. Acesso em: 6 fev. 2006.
GUILHOTO, J. J. M. Matriz de insumo produto do Brasil, 2003. 2004. (Não publicado)
GUILHOTO, J. J. M.; SONIS, M.; HEWINGS, G. J. D. Linkages and multipliers in a
multiregional framework: interaction of alternative approaches. Urbana, University of
Illinois, Regional Economics Applications Laboratory, 1996. 20 p.
GUILHOTO, J. J. M. et al. Índices de ligações e setores-chave na economia brasileira:
1959/80. Pesquisa e Planejamento Econômico, Rio de Janeiro, v. 24, n. 2, p.287-314,
maio/ago. 1994.
GUILHOTO, J. J. M.; SESSO FILHO, U. A. Análise da estrutura produtiva da Amazônia
brasileira. Amazônia: Ciência e Desenvolvimento, Belém, v. 1, n. 1, p. 7-34, jul./dez. 2005.
Disponível em: <http://www.bancoamazonia.com.br/bancoamazonia2/Revista/Amazonia
_Ciencia_Desenvovimento_COMPLETO.pdf#page=7>. Acesso em: 15 nov. 2006.
HADDAD, E. A.; DOMINGUES, E. P. Matriz inter-regional de insumo-produto Minas
Gerais/resto do Brasil. São Paulo: Nereus -USP. 2003. 25p. (Texto para Discussão, 17-
2003)
HADDAD, E. A.; PEROBELLI, F. S.; SANTOS, R. A. C. Análise estrutural da inserção
econômica de Minas Gerais. São Paulo: Nereus –USP, 2004. 25 p. (Texto para Discussão,
01-2004)
HAGUENAUER, L.; PROCHNIK, V. Identificação de cadeias produtivas e oportunidade
de investimento no Nordeste do Brasil. Fortaleza: Banco do Nordeste, 2000. 394p.
106
.
HAGUENAUER et al. Complexos industriais na economia brasileira. Rio de Janeiro:
IEI/UFRJ, 1986. (Texto para Discussão, 84).
HERMANSEN, T. Development poles and development centres in national and regional
development. In: KUKLINSKI, A. (Ed.), Growth poles and growth centers in regional
planning. Paris: Mouton, 1972. p. 1-68.
HEWINGS, G. J. D. The empirical identification of key sectors in an economy: a regional
perspective. Developing Economies, Japan, v. 20, n. 2, p. 173–195, june 1982.
HIRSCHMAN, A. O. Interregional and international transmission of economic growth. In:
______. The strategy of economic development. New Haven: Yale University Press, 1958.
p. 182–201.
HIRSCHMAN, A. O. Transmissão inter-regional e internacional do crescimento
econômico. In: SCHWARTZMAN, J. (Org.) Economia regional: textos escolhidos. Belo
Horizonte : CEDEPLAR, 1977. p. 35-52.
HOOVER, E. M., GIARRATANI, F. An Introduction to Regional Economics, Regional
research Institute, West Virginia Universit, 1984. Disponível em:
<
http://www.rri.wvu.edu/WebBook/Giarratani/contents.htm>. Acesso em: 20 ago. 2006.
HOTTELING, H. Stability in Competition, Economic Journal, v. 39, n. 153, p. 41-57, mar.
1929.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Compatibilização entre
as atividades do Sistema de Contas Nacionais-SCN e Classificação Nacional das
Atividades-CNAE. Disponível em:
<http://www.ibge.gov.br/concla/cnae/correspondencias/SCN_CNAE.xls>. Acesso em: 15
nov. 2006.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Correspondência entre a
CNAE 1.0 e a CNAE (sintética). Disponível em:
<http://www.ibge.gov.br/concla/cnae/correspondencias/CNAE1.0xCNAE.pdf>. Acesso
em: 15 nov. 2006.
ISARD, W. Location and space-economy, Cambridge: MIT Press, 1956.
ISARD, W. Metodos de analisis regional: una introduccion a la ciencia regional.
Barcelona: Ariel, . 1971. 815 p.
ISARD, W.; SCHOOLER, E. W.; VIETORISZ, T. Industrial complex analysis and
regional development: a case study of refinery-petrochemical-synthetic-fiber complexes
and Puerto Rico. Cambridge, Mass.: MIT Press, 1959.
LATHAM III, W. R. Needless complexity in the identification of industrial complexes.
Journal of Regional Science, [Amherst, MA], v. 16, n. 1, p. 45-55, jan./abr. 1976.
LEME, R. A contribuição à teoria da localização industrial. São Paulo: IPE-USP, 1982.
107
.
LEMOS, M. B. Espaço e capital: um estudo da dinâmica centro x periferia. 1988. 3 v.
Tese (Doutorado em Economia) – Instituto de Economia, Universidade Estadual de
Campinas, Campinas, 1988.
LEMOS, M. B. et al. A organização territorial da indústria no Brasil. In: NEGRI, J. A.;
SALERMO, M. (Org.). Inovação, padrões tecnológicos e desempenho das firmas
industriais brasileiras. Rio de Janeiro: IPEA, 2005. p. 325-364
.
LEONTIEF, W. The fundamental assumption of Mr. Keynes’monetary theory of
unemployment. Quarterly Journal of Economics, Cambridge, Mass., v. 51, n. 1, p.192–197,
nov. 1936.
LOSCH , A. The economics of location. New Haven: Yale University Press, 1954.
LOUREIRO, A. C. N. S. Rio de Janeiro: uma análise da perda recente de centralidade.
2006. 106f. Dissertação (Mestrado em Economia) – CEDEPLAR, Universidade Federal de
Minas Gerais, Belo Horizonte, 2006.
MARSHALL, Alfredo. Princípios de economia. São Paulo: Abril Cultural, 1982. Liv. 4.
MELO, H. P., CONTRERAS, E. Del C. A. A trajetória desigual de desenvolvimento
econômico fluminense. In. ENCONTRO NACIONAL DE ECONOMIA, 16., 1988, Belo
Horizonte, MG. Anais... Belo Horizonte: ANPEC, 1988. v. 4, p. 423-440.
MELO, H. P., GUTIERREZ, M. Os complexos industriais da economia do estado do Rio
de Janeiro. In: ENCONTRO NACIONAL DE ECONOMIA, 18., 1990, Brasília, DF.
Anais… Brasília: ANPEC, 1990. v. 3, p.1061-1080.
MILLER, R. E., Regional and interregional input-output analysis. In: ISARD, W. et al.
Methods of interregional and regional analysis. Aldershot : Ashgate, 1998. p. 41-113,
(Regional science studies series).
MILLER, R. E.; BLAIR, P. D. Input-output analysis: foundations and extensions.
Englewood Cliffs, NJ: Prentice-Hall, 1985. 464 p.
MONIÉ, F. Petróleo, industrialização e organização do espaço regional. In: PIQUET, R.
(Org.) Petróleo, royalties e região. Rio de Janeiro: Garamond, 2003. p. 257-286.
MOSES, L. N. A general equilibrium model of production, interregional trade and location
of industry. Review of Economics and Statistics, Cambridge, Mass., v. 42, , n. 4, p. 373-
397, nov. 1960.
NATAL, J. O estado do Rio pós-95: dinâmica econômica, rede urbana e questão social.
Rio de Janeiro: Publicati, FAPERJ, 2005. 284 p.
NEARY, J. P. Of hype and hyperbolas: introducing the new economic geography. Journal
of Economic Literature, Nashville, Tenn. v. 39, n. 2, p. 536-561, june 2001.
NORCLIFFE, G. B.; KOTSEFF, L. E. Local industrial complexes in Ontario. Annals of the
Association of American Geographers, v. 70, n. 1, p. 68-79, mar. 1980.
108
.
Ó HUALLACHÁIN, B. Agglomeration of services in american metropolitan
areas.Growth& Change: a Journal of Urban and Regional Policy, v. 20, n. 3, p. 34-49, july
1989.
OLIVEIRA, F. J. G. Reestruturação produtiva e regionalização da economia no território
fluminense. 2003. 231f. Tese (Doutorado em Geografia) – Faculdade de Filosofia, Letras e
Ciências Humanas, Universidade de São Paulo, São Paulo, 2003.
PACHECO, C. A. Fragmentação da nação. Campinas: UNICAMP/IE, 1998.
PENAL, A. M . S. Cidades medias como instrumentos da descentralização espacial: o caso
do Estado do Rio de Janeiro. In: ENCONTRO NACIONAL DA ASSOCIAÇÃO
NACIONAL DE POS-GRADUAÇÃO E PESQUISA EM PLANEJAMENTO URBANO E
REGIONAL (BRASIL), 9., 2001, Rio de Janeiro, RJ. Anais: ética, planejamento e
construção democrática do espaço...Rio de Janeiro: ANPUR, 2001. p. 263-277.
PEROBELLI, F. S.; HADDAD, E. A. Interdependence among the brazilian states: an
input-output approach. São Paulo: Nereus -USP. 2003. 37 p. (Texto para Discussão, 26-
2003).
PEROBELLI, F. S.; HADDAD, E. A.; DOMINGUES, E. P. Interdependence among the
braziliam states: an input-output approach. In: CONGRESS OF THE EUROPEAN
REGIONAL SCIENCE ASSOCIATION: Land use and water management in a
sustainable network society, 45., 2005, Amsterdam. ERSA conference papers…
Amsterdan: Europe Regional Science Association, 2005. (ERSA06P414).
PEROBELLI, F. S.; HADDAD, E. Interdependence among the braziliam states: an input-
output approuch. São Paulo: Nereus -USP. 2004. 38 p. (Texto para Discussão, 26-2004).
PERROX, F. O Conceito de pólo de crescimento. In: SCHWARTZMAN, J. (Org.)
Economia regional: textos escolhidos. Belo Horizonte: CEDEPLAR, 1977. p. 145-156.
PIQUET, R. Da cana ao petróleo: uma região em mudança. In: PIQUET, R. (Org.)
Petróleo, royalties e região. Rio de Janeiro: Garamond, 2003. p. 219-238.
PROCHNIK, V. ; DANTAS, A. ; KERTSNETZKY, J. . Empresa, indústria e
mercados. In: David Kupfer; Lia Hasenclever. (Org.). Economia Indústria:
fundamentos teóricos e práticos no Brasil. Rio de Janeiro: Editora Campus, 2002, p.
23-41.
PROCHNIK, V.; VAZ, B. O. Cadeias produtivas relevantes na economia mineira: Fatores
de competitividade e perspectivas. In: GUIMARÃES, Tadeu Barreto; CUNHA, Marco
Antônio Rodrigues de; CHAVES, Marilena (Org.). Minas Gerais do Século XXI. Belo
Horizonte: Banco de Desenvolvimento de Minas Gerais, 2002. v. 6, p. 117-171.
RASMUSSEN, P. Studies in intersectoral relations. Amsterdan: North Holland,1958.
RICHARDSON, H. W. Economia regional. Rio de Janeiro: Zahar, 1975.
109
.
RICHARDSON, H. W. Insumo-produto e economia regional, Rio de Janeiro: Zahar, 1978,
287 p.
RODRIGUES, L. R. et al. Transações inter-regionais e intersetoriais entre as macro-
regiões brasileiras. São Paulo: Nereus –USP, 2004. 37 p. (Texto para Discussão, 19-2004).
ROY, J. R.; HEWINGS, G. J. D. Regional input-output with endogenous internal and
external and external network flows. Urbana: University of Illinois, Regional Economics
Applications Laboratory, 2005. (Discursion Paper, REAL 05-T-9)
RUIZ, R. M. The spatial economics: high-tech glossary or a new regional science? Nova
Economia, Belo Horizonte, v.11, n. 1, p. 9-36, jul. 2001.
SANTOS, A. M. S. P.; JULIASSE, W. T.; REZENDE, S. CGEE: nota técnica: economia
dos estados do Rio de Janeiro e do Espírito Santo. Rio de Janeiro: UERJ, 2007. (Versão
Preliminar)
SILVA, C. E. L.; GUILHOTO, J.; HEWINGS, G. J. D. Comparação estrutural da
produção de Minas Gerais, de São Paulo e do resto do Brasil: uma análise de insumo-
produto com base no ano de 1996. São Paulo: Nereus -USP. 2004. 35 p. (Texto para
Discussão 20-2004)
SIMÕES, R. F. Localização industrial e relações intersetoriais: uma análise de fuzzy
cluster para Minas Gerais. 2003. 183f. (Doutorado em Economia) – Instituto de Economia,
Universidade Estadual de Campinas, Campinas, 2003, 183 p.
SONIS, M.; GUILHOTO, J. J. M.; HEWINGS, G. J. D. et al. Linkages, key sectors and
structural change: some new perspectives. The Developing Economies, v. 33, n.3, p. 233-
270, sept. 1995.
SONIS, M.; HEWINGS, G. J. D. Fields of influence and extended input-output analysis: A
theoretical account. In: DEWHURST, J.H.U.; HEWINGS, G.J.D.; JENSEN, R.C. (Ed.),
Regional input-output modeling. Avebury: [s.n.], 1991. p. 141-158.
STRASSERT. Zur Bestimmung Stre tegisher Sektoren mit Hilfe von Input-Output
Modellen. Jahrbucher fur Nationalokonomie und Statiskil, v.182, p.211-215, 1968.
VON TÜNEN. The isolated state. In: HALL, P. Von Thunen´s isolate state. Oxford:
Pergamon Press, 1966. 304p.
WEBER, A. Theory of the location of industries. Chicago: Chicago University Press, 1969.
ZADEH, L. A. Fuzzy sets. Information and Control, University of California. Berkeley , v.
8, n.3, p.338-353, jun. 1965.
110
.
ANEXO
TABELA A1 – Multiplicadores do Produto do Tipo I, dos Setores Produtivos do Rio
de Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999.
Minas Gerais Nordeste Resto do Brasil Rio de Janeiro São Paulo
Setor
Rank Oj Rank Oj Rank Oj Rank Oj Rank Oj
1
107 1.88 103 1.87 113 1.90 53 1.62 58 1.65
2
106 1.87 79 1.74 89 1.77 55 1.64 60 1.65
3
124 1.93 112 1.89 86 1.76 84 1.75 68 1.70
4
215 -- 49 1.60 21 1.41 24 1.43 33 1.46
5
153 2.09 121 1.92 123 1.93 71 1.71 132 1.96
6
212 2.59 208 2.45 179 2.20 170 2.15 195 2.35
7
117 1.91 50 1.60 65 1.68 18 1.39 81 1.75
8
198 2.36 185 2.22 91 1.78 108 1.88 152 2.08
9
184 2.22 155 2.09 167 2.14 100 1.83 129 1.95
10
202 2.40 151 2.07 165 2.13 131 1.95 148 2.03
11
210 2.45 181 2.20 137 1.98 136 1.98 173 2.18
12
174 2.18 120 1.92 139 1.99 87 1.76 147 2.03
13
193 2.33 163 2.11 166 2.13 134 1.97 175 2.18
14
204 2.43 168 2.14 176 2.18 138 1.99 172 2.16
15
162 2.11 119 1.92 144 2.01 74 1.72 141 2.00
16
104 1.87 96 1.80 93 1.78 38 1.47 67 1.70
17
169 2.15 118 1.92 111 1.89 90 1.77 122 1.92
18
205 2.43 178 2.20 143 2.01 126 1.94 164 2.12
19
158 2.10 98 1.83 78 1.74 70 1.70 128 1.94
20
197 2.35 154 2.09 150 2.06 114 1.91 159 2.11
21
214 2.66 209 2.45 207 2.45 177 2.19 194 2.35
22
206 2.44 186 2.23 183 2.22 142 2.00 182 2.20
23
187 2.24 145 2.01 157 2.10 95 1.80 146 2.02
24
213 2.65 200 2.37 211 2.47 199 2.36 196 2.35
25
203 2.42 192 2.33 201 2.39 161 2.11 191 2.29
26
160 2.11 135 1.97 133 1.96 72 1.71 115 1.91
27
43 1.54 59 1.65 73 1.71 42 1.53 52 1.61
28
76 1.73 9 1.16 110 1.89 66 1.70 77 1.74
29
26 1.44 69 1.70 75 1.73 31 1.45 41 1.53
30
47 1.56 97 1.81 109 1.89 48 1.56 57 1.64
31
63 1.67 116 1.91 140 1.99 61 1.66 80 1.74
32
83 1.75 88 1.77 94 1.79 51 1.60 46 1.55
33
189 2.25 171 2.16 190 2.28 188 2.24 180 2.20
34
6 1.08 7 1.13 20 1.40 17 1.37 10 1.18
35
11 1.24 12 1.27 28 1.44 40 1.49 14 1.31
36
125 1.94 105 1.87 130 1.95 99 1.83 156 2.10
37
127 1.94 101 1.83 102 1.86 92 1.78 149 2.06
38
62 1.66 15 1.33 16 1.37 13 1.29 5 1.07
39
39 1.48 32 1.45 30 1.45 25 1.44 22 1.41
40
85 1.76 82 1.75 56 1.64 64 1.67 54 1.63
41
44 1.55 37 1.47 36 1.47 45 1.55 29 1.45
42
3 1.06 2 1.05 4 1.06 8 1.15 1 1.05
43
35 1.467 34 1.46 27 1.44 23 1.42 19 1.40
Fonte: Elaboração própria, com base na Matriz Inter-Regional de Insumo-produto, 1999.
111
.
TABELA A2 – Multiplicadores da Renda do Tipo I, dos Setores Produtivos do Rio de
Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999.
Minas Gerais Nordeste Resto do Brasil Rio de Janeiro São Paulo
Setor
Rank Hj Rank Hj Rank Hj Rank Hj Rank Hj
1
136 2.240 75 1.673 102 1.85 39 1.371 105 1.884
2
135 2.232 91 1.790 142 2.32 118 2.043 127 2.119
3
151 2.473 156 2.568 138 2.28 130 2.178 116 2.010
4
215
--
178 3.351 161 2.76 164 2.883 162 2.864
5
149 2.438 108 1.924 139 2.28 107 1.910 132 2.185
6
182 3.542 209 6.696 147 2.42 160 2.748 168 3.056
7
96 1.828 59 1.568 63 1.61 36 1.348 72 1.664
8
173 3.277 144 2.367 131 2.18 81 1.725 167 2.952
9
206 4.677 195 3.979 202 4.25 180 3.473 187 3.723
10
208 5.207 189 3.729 200 4.11 185 3.637 191 3.823
11
126 2.119 115 2.002 124 2.08 114 1.993 137 2.241
12
90 1.789 74 1.668 83 1.75 51 1.455 66 1.642
13
166 2.924 134 2.219 140 2.28 143 2.333 152 2.478
14
196 3.994 113 1.991 198 4.05 163 2.877 174 3.299
15
199 4.083 190 3.767 205 4.49 181 3.529 188 3.728
16
207 4.787 122 2.074 171 3.18 169 3.063 193 3.848
17
213 10.995 214 14.450 212 9.13 210 7.081 211 8.743
18
172 3.269 153 2.498 145 2.40 148 2.429 158 2.722
19
165 2.894 146 2.409 133 2.20 128 2.124 154 2.517
20
110 1.957 104 1.880 94 1.82 61 1.606 106 1.893
21
203 4.266 155 2.524 194 3.98 186 3.688 204 4.413
22
55 1.539 64 1.618 46 1.42 25 1.251 43 1.391
23
123 2.083 99 1.839 121 2.06 65 1.623 85 1.766
24
192 3.842 179 3.445 183 3.59 176 3.324 170 3.133
25
184 3.586 175 3.323 201 4.19 177 3.333 197 4.041
26
157 2.716 159 2.723 150 2.47 111 1.987 141 2.287
27
60 1.594 101 1.844 100 1.84 68 1.647 71 1.659
28
58 1.562 8 1.131 80 1.72 56 1.557 57 1.561
29
73 1.667 62 1.607 89 1.78 49 1.438 84 1.754
30
76 1.684 69 1.648 95 1.83 86 1.772 87 1.774
31
79 1.699 103 1.868 119 2.05 88 1.779 93 1.802
32
117 2.041 109 1.928 129 2.13 92 1.800 78 1.696
33
97 1.829 70 1.649 120 2.06 125 2.112 98 1.837
34
1 1.022 2 1.040 10 1.16 9 1.136 3 1.053
35
5 1.083 6 1.112 16 1.20 18 1.224 7 1.112
36
48 1.435 47 1.425 53 1.48 44 1.392 82 1.737
37
54 1.490 50 1.452 52 1.46 41 1.389 77 1.695
38
67 1.643 28 1.292 34 1.34 27 1.281 4 1.069
39
40 1.380 42 1.390 38 1.37 33 1.337 30 1.312
40
21 1.234 26 1.262 13 1.18 15 1.198 12 1.177
41
32 1.325 22 1.235 20 1.23 29 1.296 24 1.240
42
45 1.413 37 1.359 35 1.35 112 1.988 31 1.313
43
17 1.216 23 1.237 19 1.23 14 1.193 11 1.175
Fonte: Elaboração própria, com base na Matriz Inter-Regional de Insumo-produto, 1999.
112
.
TABELA A3 – Multiplicadores do Emprego do Tipo I, dos Setores Produtivos do Rio
de Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999 (Valores
multiplicados por mil).
Minas Gerais Nordeste Resto do Brasil Rio de Janeiro São Paulo
Setor
Rank Hj Rank Hj Rank Hj Rank Hj Rank Hj
1
206 0.185 210 0.251 183 0.112 204 0.181 155 0.064
2
202 0.155 213 0.440 182 0.106 188 0.135 137 0.056
3
72 0.029 181 0.103 108 0.039 56 0.023 148 0.060
4
215 -- 39 0.018 40 0.019 21 0.011 60 0.025
5
105 0.039 164 0.071 91 0.036 41 0.019 85 0.034
6
79 0.031 112 0.040 96 0.037 67 0.026 76 0.030
7
92 0.036 126 0.047 61 0.025 131 0.052 50 0.022
8
80 0.032 119 0.043 54 0.023 81 0.032 58 0.024
9
70 0.028 158 0.070 59 0.024 45 0.020 49 0.021
10
83 0.033 128 0.048 55 0.023 53 0.022 57 0.024
11
93 0.036 134 0.053 48 0.021 63 0.025 75 0.030
12
184 0.114 214 0.603 165 0.072 187 0.131 162 0.071
13
142 0.057 153 0.063 106 0.039 78 0.031 90 0.036
14
86 0.034 139 0.056 65 0.026 44 0.020 73 0.029
15
166 0.074 168 0.076 121 0.044 145 0.059 100 0.038
16
38 0.018 47 0.021 37 0.017 18 0.010 31 0.014
17
28 0.012 25 0.012 16 0.010 8 0.008 14 0.010
18
71 0.028 74 0.029 51 0.022 62 0.025 46 0.020
19
99 0.038 152 0.062 77 0.030 43 0.019 68 0.027
20
124 0.045 140 0.056 107 0.039 89 0.035 82 0.032
21
129 0.049 171 0.082 116 0.041 103 0.038 118 0.042
22
212 0.302 211 0.294 201 0.148 195 0.142 186 0.127
23
172 0.089 174 0.091 167 0.076 146 0.059 161 0.070
24
173 0.090 176 0.096 154 0.063 132 0.052 123 0.044
25
175 0.092 207 0.198 157 0.067 169 0.078 159 0.070
26
177 0.098 208 0.200 125 0.046 179 0.100 114 0.041
27
13 0.009 33 0.015 26 0.012 11 0.009 12 0.009
28
29 0.013 20 0.010 24 0.011 15 0.010 23 0.011
29
10 0.008 35 0.017 30 0.013 6 0.007 9 0.008
30
22 0.011 34 0.017 32 0.014 17 0.010 19 0.010
31
136 0.055 149 0.060 143 0.058 133 0.053 135 0.054
32
109 0.040 138 0.056 117 0.042 94 0.037 88 0.035
33
110 0.040 120 0.043 115 0.041 104 0.039 95 0.037
34
185 0.125 189 0.135 193 0.140 192 0.139 198 0.144
35
191 0.138 199 0.146 197 0.144 196 0.142 190 0.137
36
147 0.060 178 0.098 160 0.070 141 0.057 150 0.061
37
97 0.037 127 0.047 102 0.038 84 0.033 98 0.038
38
69 0.028 42 0.019 36 0.017 27 0.012 7 0.008
39
87 0.035 111 0.040 64 0.026 66 0.026 52 0.022
40
205 0.184 209 0.229 203 0.155 194 0.142 200 0.147
41
180 0.103 170 0.078 163 0.071 151 0.062 130 0.049
42
1 0.003 3 0.004 4 0.004 5 0.005 2 0.003
43
144 0.058 156 0.066 122 0.044 101 0.038 113 0.040
Fonte: Elaboração própria, com base na Matriz Inter-Regional de Insumo-produto, 1999.
113
.
TABELA A4 – Distribuição Regional do Efeito do Multiplicador do Produto do Tipo
II, dos Setores Produtivos do Rio de Janeiro, em 1999.
Setor
MG SP RJ NE RB TOTAL (%)
1
0.02 0.06 1.50 0.01 0.04 1.62 0.923
2
0.01 0.04 1.55 0.01 0.02 1.64 0.950
3
0.02 0.08 1.61 0.01 0.04 1.75 0.917
4
0.04 0.12 1.18 0.02 0.07 1.43 0.828
5
0.05 0.09 1.52 0.01 0.04 1.71 0.889
6
0.08 0.16 1.80 0.02 0.09 2.15 0.836
7
0.01 0.03 1.32 0.00 0.02 1.39 0.950
8
0.02 0.06 1.76 0.01 0.03 1.88 0.937
9
0.02 0.05 1.73 0.01 0.03 1.83 0.946
10
0.09 0.29 1.40 0.03 0.14 1.95 0.715
11
0.03 0.09 1.80 0.01 0.05 1.98 0.910
12
0.02 0.06 1.64 0.01 0.04 1.76 0.929
13
0.04 0.13 1.71 0.02 0.07 1.97 0.868
14
0.05 0.14 1.70 0.02 0.08 1.99 0.856
15
0.01 0.05 1.62 0.01 0.03 1.72 0.945
16
0.02 0.05 1.37 0.01 0.03 1.47 0.932
17
0.03 0.10 1.58 0.01 0.05 1.77 0.892
18
0.06 0.13 1.66 0.02 0.07 1.94 0.859
19
0.08 0.21 1.25 0.03 0.13 1.70 0.733
20
0.02 0.07 1.77 0.01 0.03 1.91 0.927
21
0.04 0.12 1.94 0.02 0.08 2.19 0.883
22
0.15 0.43 1.16 0.07 0.19 2.00 0.578
23
0.02 0.06 1.68 0.01 0.03 1.80 0.937
24
0.14 0.46 1.44 0.08 0.25 2.36 0.608
25
0.10 0.26 1.48 0.05 0.23 2.11 0.700
26
0.02 0.06 1.58 0.01 0.04 1.71 0.927
27
0.00 0.02 1.50 0.00 0.01 1.53 0.979
28
0.06 0.20 1.28 0.05 0.11 1.70 0.756
29
0.02 0.06 1.34 0.01 0.03 1.45 0.926
30
0.03 0.12 1.36 0.01 0.05 1.56 0.868
31
0.02 0.07 1.53 0.01 0.03 1.66 0.922
32
0.04 0.13 1.33 0.01 0.08 1.60 0.830
33
0.05 0.20 1.88 0.02 0.09 2.24 0.838
34
0.01 0.03 1.31 0.00 0.02 1.37 0.957
35
0.01 0.05 1.40 0.01 0.03 1.49 0.937
36
0.03 0.10 1.65 0.01 0.05 1.83 0.900
37
0.05 0.17 1.46 0.02 0.09 1.78 0.821
38
0.02 0.09 1.12 0.01 0.05 1.29 0.864
39
0.01 0.04 1.35 0.00 0.03 1.44 0.940
40
0.09 0.20 1.18 0.04 0.17 1.67 0.704
41
0.03 0.16 1.28 0.01 0.08 1.55 0.822
42
0.01 0.03 1.10 0.00 0.01 1.15 0.955
43
0.02 0.08 1.26 0.01 0.05 1.42 0.882
Total
1.696 5.128 64.063 0.722 2.875 74.484 1.696
Média
0.023 0.069 0.860 0.010 0.039 1.000 0.023
Fonte: Elaboração própria, com base na Matriz Inter-Regional de Insumo-produto, 1999.
114
.
TABELA A5 – Distribuição Regional do Efeito do Multiplicador da Renda do Tipo II,
dos Setores Produtivos do Rio de Janeiro, em 1999.
HjRJ MG SP RJ NE RB TOTAL (%)
1
0.010 0.030 1.305 0.006 0.020 1.371 0.952
2
0.019 0.057 1.919 0.011 0.037 2.043 0.939
3
0.024 0.098 1.998 0.010 0.047 2.178 0.917
4
0.099 0.403 2.070 0.058 0.253 2.883 0.718
5
0.055 0.100 1.685 0.015 0.056 1.910 0.882
6
0.128 0.246 2.189 0.037 0.149 2.748 0.797
7
0.010 0.027 1.290 0.004 0.016 1.348 0.957
8
0.015 0.040 1.640 0.006 0.025 1.725 0.951
9
0.041 0.114 3.236 0.016 0.066 3.473 0.932
10
0.226 0.683 2.303 0.064 0.360 3.637 0.633
11
0.030 0.086 1.820 0.010 0.048 1.993 0.913
12
0.009 0.024 1.401 0.005 0.017 1.455 0.962
13
0.042 0.129 2.058 0.021 0.082 2.333 0.882
14
0.092 0.241 2.330 0.056 0.158 2.877 0.810
15
0.036 0.115 3.280 0.025 0.073 3.529 0.930
16
0.058 0.199 2.668 0.027 0.111 3.063 0.871
17
0.263 1.017 5.119 0.145 0.537 7.081 0.723
18
0.073 0.181 2.031 0.034 0.110 2.429 0.836
19
0.095 0.294 1.493 0.055 0.186 2.124 0.703
20
0.013 0.045 1.516 0.007 0.025 1.606 0.944
21
0.086 0.223 3.169 0.051 0.159 3.688 0.859
22
0.032 0.082 1.065 0.026 0.046 1.251 0.852
23
0.011 0.032 1.552 0.006 0.022 1.623 0.956
24
0.202 0.659 1.851 0.177 0.434 3.324 0.557
25
0.198 0.429 2.188 0.125 0.393 3.333 0.657
26
0.018 0.063 1.859 0.008 0.039 1.987 0.935
27
0.004 0.014 1.618 0.002 0.008 1.647 0.983
28
0.030 0.113 1.314 0.024 0.075 1.557 0.844
29
0.011 0.043 1.360 0.004 0.021 1.438 0.945
30
0.027 0.121 1.547 0.016 0.061 1.772 0.873
31
0.017 0.068 1.653 0.007 0.034 1.779 0.929
32
0.057 0.166 1.441 0.021 0.116 1.800 0.800
33
0.041 0.148 1.817 0.024 0.082 2.112 0.860
34
0.002 0.007 1.121 0.001 0.004 1.136 0.987
35
0.003 0.014 1.197 0.002 0.008 1.224 0.978
36
0.011 0.041 1.314 0.005 0.021 1.392 0.944
37
0.019 0.065 1.260 0.009 0.036 1.389 0.907
38
0.017 0.064 1.155 0.008 0.038 1.281 0.902
39
0.004 0.016 1.306 0.002 0.010 1.337 0.977
40
0.020 0.046 1.084 0.011 0.037 1.198 0.905
41
0.012 0.062 1.182 0.006 0.034 1.296 0.912
42
0.053 0.174 1.639 0.025 0.098 1.988 0.824
43
0.006 0.020 1.151 0.003 0.013 1.193 0.965
Total
2.219 6.799 78.195 1.173 4.166 92.551 2.219
Média
0.024 0.073 0.845 0.013 0.045 1.000 0.024
Fonte: Elaboração própria, com base na Matriz Inter-Regional de Insumo-produto, 1999.
115
.
TABELA A6 – Distribuição Regional do Efeito do Multiplicador do Produto do
Emprego do Tipo II, dos Setores Produtivos do Rio de Janeiro, em 1999 (Valores
multiplicados por mil).
EjRJ MG SP RJ NE RB TOTAL (%)
1
0.007 0.007 1.068 0.007 0.010 1.098 0.973
2
0.006 0.006 1.217 0.006 0.009 1.243 0.978
3
0.047 0.097 1.969 0.037 0.080 2.230 0.883
4
0.292 0.815 3.192 0.247 0.696 5.241 0.609
5
0.124 0.180 1.881 0.079 0.151 2.414 0.779
6
0.213 0.259 2.016 0.154 0.278 2.920 0.690
7
0.007 0.010 1.107 0.005 0.010 1.139 0.972
8
0.036 0.055 1.798 0.028 0.057 1.973 0.911
9
0.135 0.199 4.896 0.108 0.200 5.538 0.884
10
0.344 0.823 3.090 0.215 0.577 5.049 0.612
11
0.082 0.133 2.300 0.061 0.127 2.704 0.851
12
0.012 0.012 1.278 0.013 0.019 1.334 0.958
13
0.143 0.163 1.965 0.134 0.220 2.624 0.749
14
1.150 0.972 4.480 1.180 1.556 9.338 0.480
15
0.074 0.105 5.778 0.071 0.100 6.128 0.943
16
0.188 0.233 2.643 0.177 0.297 3.537 0.747
17
0.714 1.875 7.097 0.550 1.398 11.633 0.610
18
0.107 0.139 1.686 0.089 0.161 2.182 0.773
19
0.505 0.686 2.125 0.435 0.833 4.584 0.464
20
0.025 0.044 1.477 0.020 0.039 1.606 0.920
21
0.313 0.270 2.713 0.325 0.425 4.045 0.671
22
0.029 0.044 1.026 0.030 0.037 1.166 0.880
23
0.024 0.025 1.387 0.023 0.035 1.494 0.928
24
0.962 1.566 1.865 0.939 1.116 6.449 0.289
25
0.357 0.271 1.429 0.381 0.531 2.969 0.481
26
0.007 0.012 1.155 0.006 0.013 1.194 0.967
27
0.058 0.096 3.388 0.048 0.099 3.689 0.918
28
0.198 0.510 1.955 0.185 0.404 3.252 0.601
29
0.121 0.291 2.706 0.086 0.230 3.433 0.788
30
0.094 0.259 1.817 0.073 0.189 2.431 0.747
31
0.006 0.015 1.101 0.004 0.012 1.138 0.967
32
0.038 0.080 1.201 0.027 0.079 1.426 0.843
33
0.074 0.138 1.512 0.058 0.110 1.892 0.799
34
0.002 0.003 1.050 0.001 0.003 1.060 0.991
35
0.002 0.006 1.079 0.002 0.005 1.094 0.986
36
0.013 0.030 1.235 0.010 0.022 1.310 0.942
37
0.053 0.115 1.421 0.041 0.096 1.725 0.823
38
0.153 0.386 2.068 0.107 0.298 3.012 0.687
39
0.037 0.073 2.356 0.030 0.070 2.565 0.918
40
0.030 0.024 1.049 0.028 0.045 1.177 0.892
41
0.016 0.050 1.140 0.012 0.037 1.255 0.908
42
0.114 0.277 2.285 0.080 0.204 2.959 0.772
43
0.046 0.057 1.545 0.043 0.075 1.767 0.874
Total
6.956 11.413 91.544 6.155 10.950 127.018 6.956
Média
0.055 0.090 0.721 0.048 0.086 1.000 0.055
Fonte: Elaboração própria, com base na Matriz Inter-Regional de Insumo-produto, 1999.
116
.
TABELA A7 – Impacto da Variação da Demanda Final dos Setores Produtivos de São
Paulo, Minas Gerais, Nordeste e Resto do Brasil sobre a Produção do Rio de Janeiro,
em 1999.
Regiões
Setores
Minas Gerais São Paulo Nordeste Resto do Brasil
1
0.05 0.06 0.06 0.06
2
0.06 0.02 0.03 0.04
3
0.07 0.02 0.03 0.05
4
-- 0.01 0.03 0.02
5
0.07 0.04 0.04 0.06
6
0.06 0.03 0.05 0.04
7
0.03 0.05 0.02 0.04
8
0.04 0.07 0.04 0.04
9
0.09 0.06 0.03 0.05
10
0.04 0.06 0.03 0.06
11
0.05 0.08 0.03 0.05
12
0.05 0.03 0.03 0.05
13
0.04 0.07 0.03 0.05
14
0.06 0.09 0.05 0.07
15
0.07 0.10 0.04 0.05
16
0.07 0.03 0.04 0.04
17
0.26 0.21 0.14 0.17
18
0.08 0.07 0.08 0.08
19
0.04 0.08 0.03 0.03
20
0.07 0.11 0.05 0.09
21
0.08 0.04 0.05 0.07
22
0.05 0.03 0.03 0.05
23
0.04 0.03 0.05 0.07
24
0.04 0.04 0.06 0.05
25
0.06 0.04 0.04 0.05
26
0.03 0.03 0.03 0.06
27
0.01 0.01 0.01 0.01
28
0.05 0.04 0.01 0.10
29
0.01 0.01 0.01 0.01
30
0.02 0.02 0.03 0.03
31
0.02 0.04 0.03 0.03
32
0.03 0.01 0.04 0.04
33
0.11 0.09 0.11 0.12
34
0.00 0.00 0.00 0.01
35
0.01 0.00 0.01 0.01
36
0.11 0.07 0.08 0.09
37
0.06 0.06 0.06 0.06
38
0.03 0.00 0.01 0.01
39
0.01 0.01 0.01 0.01
40
0.04 0.02 0.03 0.03
41
0.01 0.02 0.02 0.01
42
0.00 0.00 0.00 0.00
43
0.018 0.01 0.02 0.02
Fonte: Elaboração própria, com base na Matriz Inter-Regional de Insumo-produto, 1999.
117
.
TABELA A8 – Impacto da Variação da Demanda Final dos Setores Produtivos de São
Paulo, Minas Gerais, Nordeste e Resto do Brasil sobre a Renda do Rio de Janeiro, em
1999.
Regiões
Setores
Minas Gerais São Paulo Nordeste Resto do Brasil
1
0.047 0.064 0.028 0.04
2
0.062 0.032 0.020 0.06
3
0.076 0.022 0.029 0.04
4 --
0.027 0.060 0.04
5
0.063 0.039 0.023 0.05
6
0.091 0.046 0.175 0.03
7
0.018 0.041 0.016 0.03
8
0.050 0.115 0.031 0.04
9
0.219 0.134 0.046 0.10
10
0.068 0.141 0.045 0.12
11
0.031 0.069 0.018 0.04
12
0.022 0.014 0.009 0.03
13
0.031 0.075 0.018 0.04
14
0.098 0.154 0.021 0.14
15
0.141 0.233 0.079 0.13
16
0.222 0.096 0.036 0.07
17
1.811 1.518 1.508 1.28
18
0.097 0.094 0.062 0.08
19
0.047 0.102 0.028 0.04
20
0.033 0.069 0.022 0.05
21
0.140 0.104 0.033 0.12
22
0.017 0.010 0.011 0.02
23
0.026 0.017 0.027 0.05
24
0.055 0.056 0.069 0.07
25
0.095 0.094 0.046 0.11
26
0.027 0.033 0.021 0.06
27
0.015 0.008 0.010 0.01
28
0.027 0.027 0.004 0.05
29
0.016 0.014 0.007 0.01
30
0.016 0.019 0.014 0.02
31
0.015 0.037 0.017 0.02
32
0.040 0.015 0.037 0.05
33
0.057 0.055 0.036 0.06
34
0.000 0.000 0.001 0.00
35
0.002 0.001 0.002 0.00
36
0.030 0.032 0.019 0.03
37
0.018 0.027 0.016 0.02
38
0.020 0.002 0.007 0.01
39
0.003 0.006 0.002 0.00
40
0.009 0.005 0.008 0.01
41
0.003 0.013 0.005 0.00
42
0.010 0.009 0.007 0.01
43
0.006 0.002 0.005 0.01
Fonte: Elaboração própria, com base na Matriz Inter-Regional de Insumo-produto, 1999.
118
.
TABELA A9 – Impacto da Variação da Demanda Final dos Setores Produtivos de São
Paulo, Minas Gerais, Nordeste e Resto do Brasil sobre o Emprego do Rio de Janeiro,
em 1999 (Valores multiplicados por mil).
Regiões
Setores
Minas Gerais São Paulo Nordeste Resto do Brasil
1
0.002 0.013 0.002 0.01
2
0.005 0.005 0.001 0.01
3
0.080 0.005 0.004 0.02
4 --
0.008 0.141 0.02
5
0.034 0.023 0.008 0.03
6
0.101 0.038 0.050 0.02
7
0.013 0.065 0.007 0.03
8
0.056 0.137 0.030 0.04
9
0.338 0.218 0.008 0.24
10
0.085 0.198 0.019 0.56
11
0.048 0.095 0.013 0.09
12
0.007 0.011 0.000 0.02
13
0.014 0.077 0.015 0.03
14
0.091 0.171 0.027 0.11
15
0.191 0.494 0.180 0.21
16
0.230 0.098 0.119 0.07
17
4.171 2.327 1.119 2.04
18
0.108 0.137 0.105 0.09
19
0.036 0.165 0.009 0.03
20
0.023 0.067 0.011 0.03
21
0.088 0.052 0.027 0.08
22
0.002 0.003 0.002 0.01
23
0.007 0.007 0.010 0.02
24
0.046 0.055 0.065 0.05
25
0.047 0.121 0.025 0.06
26
0.005 0.019 0.002 0.03
27
0.098 0.065 0.033 0.05
28
0.114 0.117 0.007 0.23
29
0.075 0.077 0.039 0.05
30
0.038 0.052 0.061 0.06
31
0.004 0.007 0.006 0.01
32
0.018 0.006 0.012 0.02
33
0.046 0.038 0.037 0.04
34
0.000 0.000 0.000 0.00
35
0.001 0.001 0.001 0.00
36
0.019 0.013 0.007 0.01
37
0.025 0.030 0.017 0.02
38
0.060 0.009 0.024 0.03
39
0.011 0.057 0.007 0.03
40
0.003 0.002 0.002 0.00
41
0.001 0.013 0.004 0.00
42
0.011 0.014 0.007 0.01
43
0.009 0.005 0.008 0.01
Fonte: Elaboração própria, com base na Matriz Inter-Regional de Insumo-produto, 1999.
119
.
TABELA A10: Índice Puro de Ligações, para Trás, para Frente e Total, dos Setores
do Rio de Janeiro, São Paulo, Minas Gerais, Nordeste e Resto do Brasil, em 1999.
Rio de Janeiro São Paulo Minas Gerais Nordeste Resto do Brasil
Setores
PBL
PFL
PTL
Rank
PBL
PFL
PTL
Rank
PBL
PFL
PTL
Rank
PBL
PFL
PTL
Rank
PBL
PFL
PTL
Rank
1
0,02
0,03
0,02
202 0,42
1,47 0,94
76 0,05
0,21
0,13
158 0,16
0,33
0,25
143
0,17
0,74
0,46
112
2
0,12
0,09
0,11
164 2,09
1,41 1,75
38 1,93
3,21
2,56
17 1,65
2,59
2,11
30 6,71
10,37
8,52
1
3
0,06
0,07
0,06
185 0,16
0,15 0,16
156 0,92
1,56
1,24
58 0,06
0,09
0,08
181
0,26
0,45
0,35
129
4
0,92
6,69
3,77
10 0,01
0,05 0,03
197 -- -- -- -- 0,35
1,76
1,04
70 0,07
1,00
0,53
106
5
0,18
0,30
0,24
146 1,10
1,59 1,34
55 0,52
0,90
0,71
85 0,29
0,39
0,34
131
0,95
1,27
1,10
66
6
0,73
1,07
0,90
78 2,52
2,55 2,53
19 1,67
3,09
2,37
23 1,19
1,53
1,36
52 1,24
2,55
1,89
34
7
0,07
0,10
0,08
179 2,74
3,37 3,05
13 0,23
0,20
0,22
149 0,09
0,18
0,13
160
1,20
1,39
1,29
57
8
0,09
0,02
0,06
186 3,41
1,35 2,40
21 0,34
0,08
0,21
151 0,18
0,06
0,12
163
0,92
0,38
0,65
92
9
0,00
0,00
0,00
212 1,24
0,08 0,67
87 0,79
0,07
0,43
115 0,01
0,00
0,00
214
0,44
0,03
0,23
148
10
0,19
0,01
0,10
172 1,24
0,07 0,66
89 0,04
0,00
0,02
205 0,01
0,00
0,01
211
0,75
0,04
0,40
120
11
0,15
0,06
0,11
165 3,01
2,29 2,66
16 0,46
0,24
0,35
128 0,04
0,02
0,03
199
0,82
0,47
0,65
93
12
0,03
0,01
0,02
203 0,71
0,34 0,53
105 0,23
0,10
0,16
157 0,05
0,04
0,04
195
1,78
0,92
1,35
54
13
0,29
0,48
0,39
121 2,43
3,70 3,05
14 0,22
0,33
0,27
140 0,23
0,39
0,31
135
1,25
2,16
1,70
43
14
0,09
0,12
0,10
173 0,88
1,37 1,12
64 0,05
0,03
0,04
192 0,06
0,07
0,07
184
0,32
0,39
0,36
127
15
0,01
0,02
0,01
208 1,19
2,63 1,90
33 0,10
0,11
0,11
166 0,18
0,29
0,24
147
0,35
0,97
0,66
91
16
0,03
0,09
0,06
187 0,36
0,82 0,59
98 0,49
1,26
0,87
79 0,17
0,41
0,29
137
0,22
0,63
0,42
117
17
0,93
2,92
1,91
32 3,69
12,40
7,99
2 0,79
2,10
1,44
50 1,21
2,41
1,80
37 1,85
5,57
3,69
11
18
0,31
0,36
0,34
130 2,30
2,56 2,43
20 0,34
0,30
0,32
133 0,84
0,80
0,82
83 1,47
2,00
1,73
40
19
0,38
0,15
0,26
142 2,40
0,55 1,49
49 0,18
0,03
0,11
167 0,05
0,02
0,03
200
0,16
0,06
0,11
171
20
0,09
0,10
0,09
175 1,36
2,09 1,72
41 0,12
0,11
0,11
168 0,08
0,11
0,09
178
0,60
0,74
0,67
88
21
0,09
0,04
0,07
183 1,20
1,25 1,22
59 0,46
0,43
0,44
114 0,47
0,33
0,40
119
0,71
0,51
0,61
95
22
0,22
0,01
0,12
162 0,99
0,03 0,52
107 0,22
0,01
0,11
169 0,26
0,01
0,13
161
1,03
0,03
0,54
104
23
0,01
0,00
0,01
209 0,17
0,02 0,10
174 0,07
0,01
0,04
193 0,19
0,03
0,11
170
0,74
0,08
0,41
118
24
1,11
0,44
0,78
84 0,04
0,02 0,03
198 0,07
0,03
0,05
189 0,28
0,15
0,22
150
0,25
0,24
0,25
145
25
0,70
0,07
0,39
122 7,61
1,59 4,64
6 3,02
0,80
1,92
31 3,46
0,77
2,13
29 12,31
2,44
7,43
3
26
0,05
0,04
0,05
188 0,69
0,64 0,66
90 0,09
0,10
0,09
177 0,03
0,03
0,03
201
1,01
0,88
0,95
74
27
0,02
0,37
0,19
152 0,42
1,71 1,05
68 0,14
0,64
0,39
123 0,14
0,53
0,33
132
0,40
1,52
0,95
75
28
0,14
0,17
0,16
155 0,00
0,01 0,00
213 0,01
0,03
0,02
206 0,00
0,03
0,02
207
0,13
0,24
0,18
153
29
0,14
0,47
0,31
134 0,56
1,86 1,20
61 0,12
0,64
0,38
125 0,23
0,61
0,42
116
0,53
1,58
1,05
69
30
0,21
0,33
0,27
139 0,43
0,58 0,50
109 0,06
0,21
0,13
159 0,23
0,26
0,25
144
0,43
0,52
0,48
111
31
0,01
0,02
0,02
204 0,10
0,08 0,09
176 0,01
0,02
0,01
210 0,03
0,04
0,04
196
0,06
0,10
0,08
182
32
1,67
0,48
1,08
67 3,93
0,67 2,32
25 2,83
0,29
1,58
46 4,08
0,31
2,22
27 6,75
0,77
3,79
9
33
1,17
1,50
1,33
56 6,37
8,41 7,38
4 1,23
2,16
1,69
44 1,88
2,62
2,25
26 4,95
7,28
6,10
5
34
0,03
0,05
0,04
191 0,01
0,16 0,08
180 0,00
0,07
0,04
194 0,02
0,08
0,05
190
0,13
0,22
0,18
154
35
0,62
0,26
0,44
113 1,17
0,88 1,03
71 0,26
0,34
0,30
136 0,40
0,32
0,36
126
1,99
1,08
1,54
47
36
0,34
0,42
0,38
124 1,76
1,66 1,71
42 0,89
0,83
0,86
80 0,93
0,77
0,85
82 2,42
2,28
2,35
24
37
0,48
0,64
0,56
100 1,66
2,04 1,85
35 0,30
0,66
0,48
110 0,50
0,71
0,60
97 1,22
1,88
1,54
48
38
0,40
0,83
0,61
94 0,18
2,29 1,22
60 0,43
0,68
0,55
101 0,32
0,76
0,54
103
0,68
2,06
1,36
53
39
0,61
0,75
0,68
86 2,47
2,63 2,55
18 0,37
0,67
0,52
108 0,41
0,78
0,59
99 1,70
1,95
1,83
36
40
2,16
0,63
1,40
51 4,18
1,39 2,80
15 1,66
0,53
1,10
65 2,60
0,70
1,66
45 4,23
1,90
3,08
12
41
0,60
1,69
1,14
63 2,15
5,72 3,91
8 0,25
0,96
0,60
96 0,40
1,50
0,95
73 0,84
3,63
2,22
28
42
0,60
0,48
0,54
102 0,54
1,35 0,94
77 0,14
0,40
0,27
141 0,15
0,43
0,28
138
0,40
1,34
0,86
81
43
1,98
0,37
1,18
62 4,11
0,66 2,40
22 1,48
0,41
0,95
72 2,94
0,48
1,73
39 7,06
1,49
4,31
7
Fonte: Elaboração Própria, a partir da Matriz de Insumo-Produto Inter-Regional, de 1999.
120
.
TABELA A11. Matriz G, para Rio de Janeiro, em 2003.
Setor
i
\ Setor
j
1 2 3 4 5 6 7 9 8 10 11 12 13 14 15 16
1
0,752
0,004
0,000
0,001
0,010
0,000
0,002
0,003
0,000
0,000
0,000
0,000
0,019
0,007
0,004
0,024
2
0,054
0,852
0,002
0,104
0,131
0,109
0,049
0,069
0,005
0,005
0,000
0,000
0,001
0,014
0,007
0,036
3
0,000
0,001
0,176
0,005
0,056
0,002
0,019
0,021
0,000
0,000
0,000
0,000
0,000
0,006
0,001
0,000
4
0,008
0,055
0,008
0,561
0,032
0,001
0,026
0,039
0,023
0,012
0,012
0,010
0,006
0,026
0,004
0,024
5
0,031
0,031
0,040
0,014
1,015
0,012
0,252
0,099
0,023
0,004
0,035
0,043
0,003
0,003
0,004
0,008
6
0,001
0,073
0,003
0,001
0,034
1,049
0,136
0,088
0,104
0,018
0,013
0,096
0,007
0,017
0,002
0,068
7
0,012
0,018
0,021
0,018
0,390
0,074
0,352
0,186
0,049
0,017
0,034
0,145
0,017
0,018
0,008
0,011
8
0,012
0,017
0,016
0,018
0,105
0,033
0,127
0,914
0,048
0,011
0,020
0,059
0,005
0,025
0,015
0,020
9
0,000
0,004
0,000
0,031
0,069
0,112
0,096
0,140
1,253
0,041
0,004
0,014
0,006
0,022
0,007
0,008
10
0,000
0,005
0,000
0,022
0,018
0,027
0,046
0,043
0,056
2,336
0,000
0,005
0,022
0,017
0,003
0,003
11
0,000
0,000
0,000
0,011
0,072
0,010
0,046
0,038
0,003
0,000
1,305
0,386
0,005
0,005
0,068
0,001
12
0,001
0,000
0,000
0,008
0,077
0,061
0,169
0,100
0,008
0,002
0,338
1,079
0,008
0,010
0,016
0,002
13
0,187
0,001
0,001
0,008
0,009
0,008
0,034
0,015
0,005
0,016
0,008
0,013
1,076
0,024
0,005
0,001
14
0,029
0,004
0,006
0,016
0,004
0,008
0,015
0,031
0,010
0,005
0,003
0,007
0,010
0,925
0,004
0,028
15
0,049
0,007
0,002
0,007
0,017
0,002
0,022
0,060
0,010
0,003
0,138
0,037
0,007
0,011
0,768
0,011
16
0,179
0,019
0,000
0,024
0,018
0,054
0,016
0,043
0,006
0,002
0,001
0,003
0,001
0,047
0,006
0,339
17
0,076
0,010
0,323
0,020
0,011
0,002
0,011
0,017
0,010
0,002
0,003
0,008
0,008
0,017
0,020
0,028
18
0,616
0,022
0,006
0,018
0,021
0,022
0,026
0,018
0,011
0,002
0,017
0,009
0,022
0,063
0,015
0,130
19
0,046
0,003
0,000
0,021
0,000
0,000
0,010
0,009
0,000
0,000
0,000
0,000
0,000
0,047
0,002
0,080
20
0,043
0,003
0,002
0,008
0,002
0,004
0,018
0,042
0,057
0,035
0,034
0,035
0,052
0,033
0,004
0,007
21
0,136
0,001
0,000
0,001
0,000
0,000
0,006
0,026
0,001
0,001
0,004
0,005
0,010
0,013
0,023
0,006
22
0,000
0,000
0,000
0,000
0,001
0,000
0,004
0,003
0,000
0,000
0,001
0,000
0,001
0,009
0,002
0,000
23
0,009
0,001
0,000
0,001
0,000
0,000
0,008
0,010
0,000
0,000
0,002
0,000
0,009
0,033
0,060
0,009
24
0,386
0,000
0,000
0,004
0,000
0,000
0,003
0,003
0,000
0,000
0,000
0,000
0,000
0,013
0,000
0,000
25
0,620
0,000
0,000
0,008
0,000
0,000
0,015
0,007
0,000
0,000
0,000
0,000
0,000
0,026
0,001
0,001
26
0,638
0,001
0,000
0,000
0,000
0,000
0,008
0,006
0,000
0,000
0,000
0,000
0,001
0,008
0,001
0,001
27
0,446
0,000
0,000
0,001
0,000
0,000
0,015
0,006
0,000
0,000
0,000
0,000
0,000
0,013
0,001
0,000
28
0,226
0,000
0,000
0,003
0,000
0,000
0,008
0,056
0,000
0,001
0,000
0,000
0,001
0,012
0,003
0,087
29
0,565
0,000
0,000
0,000
0,000
0,000
0,024
0,005
0,000
0,000
0,000
0,000
0,000
0,009
0,001
0,014
30
0,366
0,006
0,000
0,015
0,000
0,000
0,018
0,010
0,000
0,000
0,000
0,000
0,002
0,035
0,001
0,012
31
0,020
0,048
0,010
0,015
0,077
0,078
0,034
0,016
0,009
0,005
0,007
0,006
0,013
0,105
0,009
0,020
32
0,270
0,070
0,021
0,124
0,010
0,055
0,172
0,112
0,516
0,894
0,715
0,233
0,511
0,266
0,065
0,093
121
.
TABELA A11. Matriz G, para Rio de Janeiro, em 2003. (continuação)
Setor
i
\
Setor
j
17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
1
0.055 0.1171 0.0045 0.0029 0.0162 0 0.0004 0.0208 0.1047 0.1281 0.0286 0.0186 0.0843 0.0863 0.0015 0.2698
2
0.1026 0.058 0.0037 0.0023 0.0016 0.0003 0.0005 0 0.0004 0.0014 0 0 0.0005 0.0194 0.0493 0.0703
3
1.0823 0.0054 0 0.0006 0 0.0001 0 0 0 0 0 0 0 0.0001 0.0034 0.0213
4
0.1063 0.0245 0.0152 0.0038 0.0007 0.0001 0.0002 0.0017 0.0095 0.0002 0.0005 0.0019 0.0004 0.0267 0.0079 0.1236
5
0.025 0.0128 0 0.0004 0 0.0001 0 0 0 0 0 0 0 0.0001 0.0186 0.0098
6
0.0162 0.0391 0 0.0022 0 0.0001 0 0 0 0 0 0 0 0.0001 0.0529 0.0553
7
0.0387 0.0247 0.0051 0.006 0.0036 0.0017 0.0017 0.0008 0.013 0.0086 0.0048 0.0034 0.0179 0.0211 0.0126 0.1721
8
0.0435 0.012 0.003 0.0097 0.0108 0.0008 0.0014 0.0005 0.0042 0.0041 0.0013 0.016 0.0027 0.0079 0.0039 0.1125
9
0.0695 0.0204 0 0.0382 0.0009 0.0001 0.0001 0 0.0001 0 0 0.0002 0 0.0006 0.0066 0.5159
10
0.0178 0.0048 0.0002 0.0324 0.0017 0.0002 0.0001 0.0001 0.0004 0.0003 0.0001 0.0009 0.0002 0.0009 0.0046 0.8936
11
0.0158 0.0223 0 0.0156 0.0029 0.0005 0.0007 0 0 0 0 0 0 0.0002 0.0035 0.7153
12
0.0358 0.0099 0 0.0137 0.0037 0.0001 0.0001 0 0 0 0 0 0 0.0004 0.0027 0.2331
13
0.0563 0.0422 0.0001 0.0346 0.0123 0.0005 0.0037 0 0.0005 0.0019 0.0001 0.0005 0.0001 0.0045 0.0093 0.5108
14
0.0539 0.0526 0.02 0.0098 0.0067 0.0032 0.0063 0.0031 0.0191 0.0073 0.0037 0.0042 0.0058 0.0362 0.0335 0.2664
15
0.1955 0.0382 0.0022 0.004 0.0378 0.0021 0.0359 0.0002 0.0017 0.0015 0.0005 0.0037 0.001 0.0028 0.0091 0.0654
16
0.152 0.1823 0.0574 0.0032 0.0056 0.0002 0.0029 0.0001 0.0013 0.0014 0.0002 0.0527 0.0151 0.0201 0.011 0.093
17
0.8817 0.0601 0.0112 0.0439 0.0171 0.0014 0.0038 0.0014 0.005 0.0033 0.0016 0.0025 0.0043 0.0096 0.0089 0.2712
18
0.2302 0.5209 0.0335 0.02 0.0209 0.0006 0.0094 0.0002 0.0028 0.0014 0.0008 0.0038 0.0191 0.0194 0.0143 0.0828
19
0.0831 0.0651 1.7454 0.0221 0.0006 0.0001 0 0 0.0018 0.0043 0.0013 0.0022 0.1021 0.0136 0.0027 1.5696
20
0.476 0.0566 0.0323 0.2384 0.0234 0.0066 0.0312 0.003 0.0163 0.0309 0.0207 0.003 0.0074 0.0385 0.032 0.1948
21
0.1042 0.0333 0.0005 0.0132 1.186 0.2105 0.0068 0.0015 0.0054 0.0007 0.0002 0.0197 0.0158 0.0025 0.013 0.2408
22
0.0128 0.0014 0.0001 0.0056 0.3136 1.57 0.0052 0 0.0001 0.0002 0.0001 0.0002 0.0001 0.0007 0.0035 1.1265
23
0.064 0.0408 0 0.048 0.0185 0.0096 1.3209 0 0 0.1021 0 0 0.0001 0.0019 0.007 0.4255
24
0.0189 0.0006 0 0.0038 0.0034 0.0001 0 1.4825 0.0002 0 0 0 0 0.0006 0.0044 0.3958
25
0.0216 0.0032 0.0011 0.0065 0.0038 0.0001 0 0.0001 1.0537 0.0028 0.0032 0.0087 0.0189 0.2711 0.0013 0.8397
26
0.0119 0.0013 0.0021 0.0103 0.0004 0.0001 0.0222 0 0.0024 1.3204 0 0 0.006 0.0181 0.0017 0.9064
27
0.0181 0.0025 0.0021 0.0217 0.0004 0.0001 0 0 0.0085 0 1.5439 0.0079 0.0063 0.029 0.0035 1.1238
28
0.0223 0.0088 0.0026 0.0024 0.0286 0.0002 0 0 0.0179 0 0.0061 1.025 0 0.1169 0.0022 0.2981
29
0.021 0.0243 0.0671 0.0033 0.0127 0 0 0 0.0214 0.0081 0.0027 0 0.9802 0.1414 0.0013 0.2923
30
0.0296 0.0156 0.0057 0.011 0.0013 0.0002 0.0004 0.0001 0.1939 0.0154 0.0079 0.0407 0.0894 1.0601 0.0025 0.904
31
0.0887 0.0371 0.0036 0.0293 0.0212 0.0038 0.0042 0.0033 0.0029 0.0045 0.003 0.0024 0.0027 0.0081 1.1519 0.7741
32
0.2712 0.0828 1.5696 0.1948 0.2408 1.1265 0.4255 0.3958 0.8397 0.9064 1.1238 0.2981 0.2923 0.904 0.7741 0.7071
122
.
TABELA A12. Matriz de Acessibilidade Espacial, V, para Rio de Janeiro, em 2003.
Setor
i
\
Setor
j
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1
2,0598 0.0007 0 0.0112 -0.0399 0.0028 0.0835 -0.0070 -0.0026 0 0 -0.0095 -0.0315 0.0257 -0.0016 0.0456
2
0,0165 0.5585 -0.0567 -0.1001 -0.0637 -0.0547 0.0097 -0.0261 0.0054 -0.0010 0 0.0078 0.0001 0.0026 -0.0041 -0.0229
3
X -0.0003 -0.0184 -0.0006 0.0009 0.0002 0.0000 0.0003 -0.0004 -0.0003 0 0 -0.0004 0.0000 -0.0006 -0.0013
4
0,0989 -0.0747 -0.1159 1.1884 0.0073 0.0188 -0.0588 -0.0240 -0.0223 -0.0087 -0.0142 0.0003 -0.0104 -0.0227 -0.0032 -0.0654
5
-0,1003 -0.0132 0.0465 0.0024 0.5803 0.0232 -0.4561 0.0225 0.0077 0.0056 -0.0097 0.0401 0.0108 0.0043 0.0032 -0.0072
6
-0,0052 -0.0235 0.0104 0.0107 0.0479 0.3026 -0.1363 0.0008 -0.0191 0.0003 0.0039 -0.0112 0.0018 0.0011 0.0015 -0.0578
7
0,3948 0.0034 0.0099 -0.0382 -0.9882 -0.1443 2.7629 -0.3933 -0.0694 -0.0252 0.0287 -0.3108 -0.0535 -0.0186 -0.0100 0.0406
8
-0,0144 -0.0097 0.0218 -0.0122 0.0400 0.0010 -0.3144 0.8151 -0.0192 -0.0015 -0.0041 -0.0012 0.0015 -0.0135 -0.0112 -0.0376
9
0,1410 0.0054 0.0110 -0.0296 0.0231 -0.0500 -0.1385 -0.0532 0.5640 -0.0236 -0.0236 0.0209 -0.0174 -0.0072 -0.0027 0.0124
10
X -0.0012 0.0207 -0.0089 0.0115 -0.0010 -0.0336 -0.0010 -0.0190 0.2118 -0.0161 0.0041 -0.0177 -0.0030 0.0000 0.0031
11
X 0 0 -0.0102 -0.0394 0.0060 0.0586 -0.0026 -0.0201 -0.0192 0.4723 -0.1835 -0.0265 -0.0002 -0.0398 0.0146
12
-0,0356 0.0040 0 0.0002 0.0963 -0.0134 -0.3444 -0.0016 0.0098 0.0019 -0.1533 0.6168 0.0029 -0.0006 0.0033 0.0016
13
-0,0830 -0.0005 0.0428 -0.0126 0.0398 0.0035 -0.1087 0.0114 -0.0181 -0.0255 -0.0341 0.0072 0.7639 -0.0171 -0.0023 0.0253
14
0,0753 0.0002 0.0012 -0.0074 0.0054 0.0012 -0.0093 -0.0078 -0.0050 -0.0041 -0.0048 -0.0003 -0.0075 0.3663 -0.0003 -0.0141
15
-0,0237 -0.0046 -0.1821 -0.0049 0.0177 0.0038 -0.0254 -0.0347 -0.0022 0.0008 -0.0735 0.0074 -0.0010 -0.0019 0.7032 -0.0081
16
0,3119 -0.0197 -0.3209 -0.0762 -0.0233 -0.1125 0.0685 -0.0869 0.0027 -0.0031 0.0080 0.0023 0.0082 -0.0570 -0.0058 2.6089
17
-0,0076 0.0018 0.2677 0.0024 -0.0132 -0.0009 -0.0026 -0.0040 0.0021 0.0015 0.0018 0.0015 0.0018 -0.0006 0.0032 0.0085
18
-1,4893 -0.0198 -0.1737 -0.0184 0.0519 0.0034 -0.1282 0.0259 -0.0003 0.0034 -0.0141 0.0130 0.0053 -0.0687 -0.0164 -0.4741
19
0,1279 -0.0009 0 -0.0054 0 0 -0.0035 0.0027 -0.0119 -0.0120 0 0 -0.0156 -0.0048 0.0002 -0.0241
20
0,3712 -0.0071 -1.5435 -0.0206 0.0996 0.0213 0.0151 -0.0545 -0.1081 -0.0370 -0.0481 -0.0611 -0.1142 -0.0396 -0.0132 0.0337
21
-0,1122 -0.0001 -0.0610 -0.0007 0.0095 0 -0.0059 -0.0136 -0.0010 -0.0025 -0.0023 -0.0012 -0.0056 -0.0053 -0.0193 0.0037
22
0,2061 -0.0024 0.0169 -0.0034 0.0065 0.0039 -0.0065 0.0050 -0.0221 -0.0214 -0.0311 0.0005 -0.0278 -0.0032 0.0023 0.0064
23
0,2516 -0.0003 0 0.0011 0 0 -0.0086 0.0045 -0.0079 -0.0124 -0.0129 0.0043 -0.0184 -0.0164 -0.0525 0.0077
24
-0,3485 0 0 -0.0078 0 0 -0.0245 0.0032 -0.0109 -0.0109 0 0 -0.0080 -0.0126 0.0004 -0.0064
25
-0,8185 -0.0022 0 -0.0165 0 0 -0.0878 0.0103 -0.0297 -0.0299 0 0 -0.0236 -0.0306 0.0011 -0.0098
26
-0,5032 -0.0032 0 -0.0075 0 0 -0.0483 0.0061 -0.0245 -0.0246 0 0 -0.0222 -0.0136 0.0015 -0.0091
27
-0,2327 0 0 -0.0081 0 0 -0.0553 0.0094 -0.0309 -0.0318 0 0 -0.0333 -0.0135 0.0011 0.0000
28
-0,3094 0 0 0.0027 0 0 -0.0246 -0.0391 -0.0082 -0.0091 0 0 -0.0077 -0.0046 -0.0010 -0.2498
29
-1,1123 0.0003 0 -0.0005 0 0 -0.1405 0.0150 -0.0028 -0.0044 0 0 0.0116 -0.0140 0.0018 -0.0418
30
-0,0336 -0.0055 0.0165 -0.0176 0.0227 0.0063 -0.0416 0.0071 -0.0230 -0.0235 -0.0353 0.0045 -0.0276 -0.0204 0.0006 -0.0047
31
0,1857 -0.0220 0.0123 -0.0073 -0.0226 -0.0257 -0.0081 0.0081 -0.0171 -0.0188 -0.0277 0.0037 -0.0272 -0.0462 -0.0033 -0.0013
32
-0,3361 0.0040 -0.0164 0.0063 -0.0102 -0.0067 0.0036 -0.0054 0.0395 0.0381 0.0547 0.0008 0.0503 0.0019 -0.0007 -0.0120
123
.
TABELA A12. Matriz de Acessibilidade Espacial, V, para Rio de Janeiro, em 2003. (continuação)
Setor
i
\
Setor
j
17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
1
0.0264 -0.4764 0.0030 0.0328 -0.0183 -0.0015 0.0035 -0.0304 -0.1885 -0.2024 -0.0413 -0.0341 -0.1588 -0.0907 -0.0014 0.0054
2
0.0410 -0.0498 -0.0012 -0.0054 0.0002 -0.0020 -0.0004 0 -0.0013 -0.0037 0 0 -0.0003 -0.0097 -0.0208 0.0027
3
0.0260 -0.0021 0 -0.0048 -0.0002 -0.0006 0 0 0 0 0 0 0 -0.0006 -0.0006 0.0009
4
0.0403 -0.0395 -0.0164 -0.0135 -0.0002 -0.0075 -0.0023 -0.0055 -0.0210 -0.0154 -0.0093 -0.0013 -0.0037 -0.0346 -0.0098 0.0107
5
-0.0693 0.0331 0 0.0185 0.0019 0.0080 0 0 0 0 0 0 0 0.0170 0.0014 -0.0109
6
-0.0056 0.0062 0 0.0076 0 0.0029 0 0 0 0 0 0 0 0.0052 -0.0093 -0.0040
7
-0.0385 -0.1611 -0.0311 0.0006 -0.0027 -0.0250 -0.0104 -0.0152 -0.0804 -0.0741 -0.0379 -0.0167 -0.0779 -0.0712 -0.0232 0.0320
8
-0.0361 0.0219 -0.0005 -0.0167 -0.0052 -0.0005 -0.0002 -0.0003 0.0012 0.0003 -0.0004 -0.0098 0.0047 0.0023 0.0008 0.0017
9
0.0030 -0.0308 -0.0371 -0.0970 0.0019 -0.0317 -0.0108 -0.0135 -0.0401 -0.0395 -0.0330 -0.0128 -0.0141 -0.0262 -0.0260 0.0448
10
-0.0114 -0.0130 -0.0266 -0.0321 0.0003 -0.0221 -0.0084 -0.0095 -0.0288 -0.0286 -0.0236 -0.0095 -0.0109 -0.0205 -0.0197 0.0311
11
-0.0177 -0.0545 0 -0.0271 0.0008 -0.0377 -0.0140 0 0 0 0 0 0 -0.0387 -0.0341 0.0527
12
0.0198 0.0157 0 -0.0251 -0.0006 0.0003 0.0006 0 0 0 0 0 0 0.0066 0.0018 0.0002
13
-0.0245 -0.0252 -0.0519 -0.1202 -0.0027 -0.0428 -0.0177 -0.0147 -0.0309 -0.0293 -0.0406 -0.0151 0.0013 -0.0289 -0.0416 0.0611
14
-0.0057 -0.0431 -0.0111 -0.0086 -0.0012 -0.0074 -0.0039 -0.0043 -0.0176 -0.0149 -0.0089 -0.0035 -0.0068 -0.0184 -0.0159 0.0097
15
0.0973 -0.0432 0.0024 -0.0120 -0.0222 0.0042 -0.0178 0.0010 0.0033 0.0051 0.0024 0.0000 0.0031 0.0026 -0.0022 -0.0027
16
0.1991 -0.9724 -0.0727 0.0210 0.0024 -0.0055 -0.0012 -0.0063 -0.0279 -0.0366 -0.0103 -0.1355 -0.0405 -0.0328 -0.0105 0.0071
17
-0.1440 0.0091 0.0042 0.0262 0.0014 0.0032 0.0011 0.0015 0.0042 0.0036 0.0034 0.0012 0.0014 0.0031 0.0027 -0.0048
18
0.0696 1.4894 -0.0071 -0.1204 -0.0040 0.0036 -0.0068 0.0222 0.1380 0.1488 0.0309 0.0439 0.1025 0.0585 -0.0035 -0.0039
19
-0.0040 -0.0282 0.1018 -0.0160 0.0001 -0.0235 0 -0.0105 -0.0333 -0.0336 -0.0259 -0.0093 -0.0271 -0.0232 -0.0208 0.0330
20
0.8268 -0.3718 -0.0542 2.2011 -0.0476 -0.0153 -0.0545 -0.0148 -0.0672 -0.0948 -0.0489 -0.0136 -0.0330 -0.0962 -0.0682 0.0177
21
0.0338 -0.0142 -0.0059 -0.0395 0.6739 -0.0956 -0.0041 -0.0011 0.0018 0.0066 -0.0030 -0.0130 -0.0027 0.0043 -0.0109 0.0077
22
-0.0119 -0.0319 -0.0509 -0.0109 -0.0875 0.2876 -0.0179 -0.0182 -0.0568 -0.0572 -0.0455 -0.0165 -0.0219 -0.0426 -0.0374 0.0583
23
-0.0319 -0.0849 0 -0.1354 -0.0061 -0.0304 0.6863 0 0 -0.0998 0 0 -0.0228 -0.0277 -0.0240 0.0388
24
-0.0053 0.0869 -0.0280 -0.0201 0.0026 -0.0219 0 0.4795 0.0113 0 0 0 0 -0.0023 -0.0214 0.0303
25
-0.0190 0.2070 -0.0765 -0.0444 0.0069 -0.0600 0 -0.0104 0.8719 0.0269 -0.0450 -0.0068 0.0562 -0.2303 -0.0543 0.0832
26
-0.0209 0.1312 -0.0624 -0.0407 0.0065 -0.0492 -0.0293 0 0.0006 0.4835 0 0 0.0280 -0.0248 -0.0446 0.0681
27
-0.0273 0.0733 -0.0791 -0.0661 0.0051 -0.0636 0 0 -0.0390 0 0.4389 -0.0222 0.0050 -0.0516 -0.0577 0.0887
28
-0.0157 0.1507 -0.0180 -0.0141 -0.0173 -0.0156 0 0 0.0139 0 -0.0151 0.8440 0 -0.0929 -0.0169 0.0251
29
-0.0122 0.2311 -0.0525 -0.0228 0.0000 -0.0098 0 0 0.0957 0.0946 0.0095 0 1.0625 -0.0904 -0.0103 0.0140
30
-0.0118 0.0126 -0.0569 -0.0352 0.0034 -0.0469 -0.0192 -0.0168 -0.1441 -0.0442 -0.0484 -0.0376 -0.0555 0.5401 -0.0420 0.0654
31
-0.0171 -0.0456 -0.0442 -0.0561 -0.0065 -0.0369 -0.0149 -0.0171 -0.0509 -0.0514 -0.0407 -0.0164 -0.0211 -0.0368 0.4044 0.0520
32
0.0133 0.0602 0.0904 0.0154 0.0005 0.0736 0.0303 0.0321 0.0991 0.0989 0.0803 0.0317 0.0391 0.0737 0.0665 -0.1034
124
.
TABELA A13. Classificação dos Setores em Clusters, Segundo Método de Fuzzy Cluster.
Clusters
Setor
i
\ Setor
j
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Total
1
0.2607 0.0687 0.0038 0.0768 0.0400 0.0370 0.0288 0.0650 0.0457
0.0563 0.0387 0.0688 0.0669 0.1240 0.0189 1.00
2
0.0106 0.9246 0.0005 0.0080 0.0049 0.0047 0.0033 0.0063 0.0050
0.0061 0.0042 0.0060 0.0054 0.0081 0.0023 1.00
3
0.0003 0.0003 0.9959 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003
0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 1.00
4
0.0171 0.0106 0.0006 0.8884 0.0102 0.0060 0.0045 0.0088 0.0079
0.0092 0.0057 0.0084 0.0075 0.0119 0.0034 1.00
5
0.0768 0.0683 0.0192 0.0800 0.1024 0.0648 0.0572 0.0655 0.0704
0.0662 0.0606 0.0645 0.0635 0.0681 0.0724 1.00
6
0.0023 0.0019 0.0002 0.0019 0.0016 0.9784 0.0012 0.0018 0.0016
0.0016 0.0014 0.0017 0.0016 0.0019 0.0009 1.00
7
0.0835 0.0663 0.0086 0.0957 0.1738 0.0569 0.0440 0.0629 0.0661
0.0613 0.0505 0.0595 0.0573 0.0676 0.0459 1.00
8
0.0045 0.0034 0.0004 0.0054 0.9583 0.0027 0.0020 0.0032 0.0033
0.0031 0.0024 0.0030 0.0028 0.0036 0.0019 1.00
9
0.1447 0.0790 0.0055 0.0849 0.0544 0.0547 0.0414 0.0779 0.0593
0.0706 0.0531 0.0744 0.0704 0.1021 0.0275 1.00
10
0.0012 0.0010 0.0001 0.0010 0.0008 0.0008 0.9879 0.0010 0.0009
0.0009 0.0009 0.0010 0.0010 0.0011 0.0006 1.00
11
0.1231 0.0740 0.0063 0.0791 0.0559 0.0528 0.0446 0.1078 0.0605
0.0661 0.0576 0.0742 0.0730 0.0935 0.0314 1.00
12
0.0099 0.0061 0.0005 0.0065 0.0044 0.0043 0.0032 0.9300 0.0047
0.0053 0.0041 0.0058 0.0053 0.0077 0.0022 1.00
13
0.1827 0.0751 0.0047 0.0868 0.0493 0.0446 0.0359 0.0742 0.0554
0.0655 0.0482 0.0732 0.0689 0.1118 0.0237 1.00
14
0.0042 0.0030 0.0003 0.0036 0.0027 0.0022 0.0018 0.0028 0.9642
0.0028 0.0022 0.0028 0.0026 0.0034 0.0014 1.00
15
0.1485 0.0814 0.0052 0.0979 0.0559 0.0476 0.0368 0.0762 0.0581
0.0900 0.0468 0.0695 0.0616 0.0984 0.0262 1.00
16
0.2105 0.0807 0.0040 0.0900 0.0434 0.0416 0.0301 0.0698 0.0507
0.0781 0.0395 0.0659 0.0565 0.1190 0.0202 1.00
17
0.0626 0.0611 0.1371 0.0623 0.0638 0.0612 0.0605 0.0608 0.0617
0.0612 0.0606 0.0607 0.0607 0.0611 0.0646 1.00
18
0.1433 0.0785 0.0052 0.1187 0.0659 0.0468 0.0350 0.0662 0.0615
0.0945 0.0440 0.0650 0.0593 0.0888 0.0274 1.00
19
0.1025 0.0723 0.0090 0.0757 0.0612 0.0585 0.0556 0.0732 0.0668
0.0716 0.0685 0.0744 0.0781 0.0836 0.0490 1.00
20
0.0078 0.0052 0.0004 0.0060 0.0037 0.0033 0.0027 0.0047 0.0040
0.9429 0.0033 0.0044 0.0041 0.0056 0.0021 1.00
21
0.1573 0.0786 0.0052 0.0860 0.0511 0.0474 0.0378 0.0755 0.0571
0.0735 0.0572 0.0735 0.0665 0.1075 0.0258 1.00
22
0.0027 0.0019 0.0002 0.0020 0.0016 0.0015 0.0014 0.0020 0.0017
0.0018 0.9758 0.0020 0.0020 0.0023 0.0011 1.00
23
0.1659 0.0772 0.0050 0.0852 0.0500 0.0465 0.0375 0.0758 0.0574
0.0685 0.0502 0.0742 0.0721 0.1097 0.0248 1.00
24
0.0090 0.0054 0.0004 0.0058 0.0039 0.0037 0.0030 0.0054 0.0043
0.0047 0.0039 0.9363 0.0052 0.0071 0.0020 1.00
25
0.1759 0.0714 0.0051 0.0783 0.0490 0.0457 0.0388 0.0723 0.0563
0.0616 0.0531 0.0765 0.0794 0.1108 0.0259 1.00
26
0.0078 0.0045 0.0004 0.0048 0.0034 0.0032 0.0028 0.0046 0.0037
0.0040 0.0036 0.0048 0.9447 0.0059 0.0019 1.00
27
0.1323 0.0733 0.0064 0.0783 0.0554 0.0521 0.0465 0.0750 0.0617
0.0663 0.0620 0.0781 0.0827 0.0975 0.0324 1.00
28
0.0439 0.0204 0.0013 0.0226 0.0130 0.0120 0.0094 0.0200 0.0146
0.0165 0.0126 0.0199 0.0180 0.7696 0.0062 1.00
29
0.2092 0.0733 0.0045 0.0811 0.0459 0.0427 0.0336 0.0717 0.0520
0.0591 0.0447 0.0734 0.0675 0.1191 0.0222 1.00
30
0.1494 0.0732 0.0058 0.0794 0.0528 0.0492 0.0426 0.0735 0.0602
0.0653 0.0570 0.0759 0.0788 0.1072 0.0297 1.00
31
0.1072 0.0752 0.0073 0.0966 0.0826 0.0578 0.0458 0.0692 0.0716
0.0705 0.0569 0.0686 0.0679 0.0816 0.0412 1.00
32
0.0006 0.0005 0.0001 0.0005 0.0006 0.0004 0.0005 0.0005 0.0005
0.0005 0.0005 0.0005 0.0005 0.0005 0.9935 1.00
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
