Microempresários Nordestinos Rurais e Impactos do Agroamigo · 2012-07-11 · Sergipe), que é...

1

Microempresários Nordestinos Rurais e Impactos do Agroamigo

2

“Microempresários Nordestinos Rurais e Impactos do Agroamigo”/ Coordenação Marcelo Côrtes Neri. - Rio de Janeiro: FGV, CPS, 2012.

221 pags.

1. Microempresários. 2. Microcrédito 3. Microfinanças 4. Agroamigo 5. Nordeste I. Neri, M.C.; II. Fundação Getulio Vargas, Centro de Políticas Sociais.

3

Indice

RESUMO

TEXTO PRINCIPAL

1. Introdução

2. Evolução de Classes no Campo e no Nordeste Rural

3. Microcrédito e Pobreza Rural

4. O Crédito Agrícola e Agricultura Familiar: uma anál ise a

partir do Censo Agropecuário

5. Agroamigo

6. Conclusões (Resumo)

BIBLIOGRAFIA

ANEXOS

5

RESUMO

Apresentamos inicialmente um panorama da atividade microrempresarial no

campo do Nordeste e em especial a agricultura familiar a partir de bases diversas como

PNAD, POF e Censo Agropecuário. O passo seguinte e crucial deste trabalho é analisar

o desempenho dos clientes do Agroamigo, programa de crédito produtivo ligado ao

Banco do Nordeste

O Agroamigo é o Programa de Microfinanças Rural do Banco do Nordeste,

operacionalizado em parceria com o Instituto Nordeste Cidadania e com Ministério do

Desenvolvimento Agrário (MDA). Trata-se de uma iniciativa pioneira no Brasil que

visa à concessão de financiamento para a área rural, tendo como base o modelo adotado

pelo Programa Crediamigo, linha de microcrédito urbano já operacionalizada pelo

Banco do Nordeste, cuja principal premissa consiste na concessão de crédito orientado e

acompanhado.

O microcrédito se difundiu mais nas cidades brasileiras e no campo do Nordeste,

a região mais pobre do Brasil. No entanto, para considerar este fato uma virtude é

preciso que o crédito produtivo permita que as boas oportunidades de negócios

floresçam e que as más preferencialmente não. É preciso também avaliar a eficiência

alocativa da concessão de microcrédito. O outro objeto deste trabalho é o programa de

microcrédito rural do Banco do Nordeste. Trabalhamos com duas amostras de clientes

do programa Agroamigo. Elas foram divididas de acordo com o questionário aplicado.

A primeira, mais antiga, contém informações sobre o universo de 65 mil clientes,

englobando receitas e lucros em dois momentos distintos. A segunda base de dados,

mais recente, conta com mais variáveis além das aplicadas no questionário antigo,

apesar do menor número de clientes: constam informações de 7,9 mil clientes.

A base completa, com mais de 72 mil unidades produtivas observadas em dois

instantes do tempo, nos permitiu analisar medidas gerais de desempenho como lucro,

receita, custo e reembolso, o que nos permitiu ver qual o comportamento dessas

variáveis segundo diferentes atributos socioeconômicos. A base menor e mais rica, por

ser mais recente, nos permitiu explorar no período marcado pela seca recente a riqueza

de dados sobre os determinantes da inadimplência e como políticas públicas e

instrumentos financeiros ligados a crédito ao consumidor, conta-corrente e poupança

afetaram a mesma.

No que tange à base maior, o presente texto demonstra que o Agroamigo

6

apresenta alguns resultados positivos nas condições de vida produtiva e possivelmente

familiar da sua clientela. Será avaliado o impacto do Agroamigo sobre medidas de

desempenho econômico e financeiro dos negócios dos empreendedores e de suas

famílias, com ênfase especial nas questões: uso da terra, dedicação exclusiva às

atividades produtivas e a questão de diversificação, a participação em organizações

sociais e por último e não menos importante a questão do gênero do pequeno

empreendedor rural, de forma a quantificar tanto a razão dos sexos nos níveis dos

resultados quanto sua alteração ao longo do tempo.

O texto descreve o microcrédito, oferece uma descrição do programa e de seus

empréstimos e da base de dados amostral analisada aqui em primeira mão. Mais adiante,

traçamos um perfil socioeconômico dos clientes ativos do Agroamigo, analisando-se ao

mesmo tempo seu lado pessoa física e jurídica para, por último, se medir como se deu a

evolução de seus negócios durante a trajetória recente do programa.

No que tange ao último tema, realizamos um modelo empírico controlado de

equação de receitas, lucro, custo e reembolso para isolar os efeitos temporais, de

características chaves do programa e o termo interativo no sentido de isolar os efeitos de

diferença em diferença. Isso foi feito na tentativa de captar a influência dos programas

por estes atributos ao longo do tempo, conforme as notas explicativas abaixo.

Começamos com a análise de um modelo mais simples de lucro. Homens

apresentam lucros maiores do que as mulheres, porém, apesar de significativa, a

diferença é de menos de 1% a favor deles. Estado civil não apresenta impactos

significativos diferenciados a não ser no caso dos solteiros, onde o lucro é 3,26% maior.

Acesso à assistência técnica não apresenta correlação significativa com o lucro.

No caso, quem teve acesso teve uma tendência de apresentar lucros 15% menores do

que quem não teve acesso. A participação em organizações sociais apresenta correlação

negativa com o lucro, que é 4% menor em relação aos não filiados. Entretanto, estes

efeitos podem se dever a própria atuação do programa, focada nos mais pobres. É

preciso captar a evolução temporal do lucro interagindo com estas variáveis.

No que tange a dimensão espacial, tomando Sergipe como base, o maior lucro é

observado no Maranhão (10,68% maior que Sergipe), seguido de Alagoas (4,4% maior

que Sergipe) e Rio Grande do Norte (1,8% maior que Sergipe). Todos os outros estados

apresentam lucro controlado menor que Sergipe. Os menores são encontrados no Ceará

7

(10,6% menores que Sergipe), na região semiárida de Minas Gerais (6,2% menores que

Sergipe), que é área de atuação do Agroamigo, Paraíba (5,5% menores que Sergipe) e

Bahia (4,47% menores que Sergipe).

O tipo de uso da terra apresenta correlação clara com o nível de lucro:

assumindo o proprietário como base, o lucro é 3,8% menor para o meeiro e 1,8% maior

para o posseiro. A dedicação exclusiva à atividade principal, em geral agrícola, funciona

como redutor do lucro observado, que é 4% menor do que aqueles que exercem a

atividade como complementar. Isso refletindo a importância da diversificação de

atividades agropecuárias. Esta variável será fundamental para o desenho da estratégia de

orientação do crédito produtivo.

Finalmente, o lucro teve um ganho de 15,33% no segundo ano em relação ao

primeiro, refletindo num ganho em níveis bem acima aos da inflação observada. A

análise interativa será de fundamental importância para entender a evolução relativa das

variáveis.

Posteriormente, aplicamos um exercício de diferenças em diferenças sobre a

equação de lucro, de forma a isolar de mudanças sócio-demográficas e operacionais o

impacto das variáveis de interesse, tempo e o termo interativo delas (o estimador de

diferença em diferença).

Gênero – os homens apresentam ganho temporal de lucro 2,81% maior que o

das mulheres.

Dedicação exclusiva – atividades produtivas especializadas apresentam

aumento relativo de 1% vis a vis àquelas diversificadas.

Organização social – o ganho de lucro ao longo do tempo proporcionado pela

participação em organização social é 2% maior em relação a alguém que não participa

revelando a participação do capital social.

Uso da Terra – o comportamento do lucro ao longo do tempo mostra que,

enquanto os meeiros tiveram variação 5,1% menor em relação a um proprietário, os

posseiros apresentaram variação 8,2% maior. A variação de lucro dos parceiros não é

significante estatisticamente.

8

Determinantes de Atrasos

Daremos prosseguimento à análise de dados similares do programa, mas

utilizando a base com a população menor e questionário mais rico. Perde-se em graus de

liberdade, mas se ganha em diversidade informacional, pois podemos olhar para efeitos

da seca sobre inadimplência utilizando infraestrutura, acesso a mercados, bancarização e

acesso a instrumentos financeiros, recebimento de Bolsa Família, entre outros.

Nesta parte, avaliamos os principais determinantes do atraso de pagamentos dos

clientes, que se situou em 2,1% na amostra nova. A fim de determinar quais seriam

mais relevantes, aplicando um procedimento de escolha sequencial de variáveis

chegamos a lista de variáveis chaves.

Inicialmente, cabe notar a maior importância relativa de variáveis ligadas a

oferta de água do que variáveis econômicas ligadas à estrutura do contrato de crédito ou

da unidade produtiva, ou ainda sócio-demográficas, na explicação da inadimplência do

programa. Isto pode ser uma característica específica do período recente de marcada

seca, quando a base nova foi coletada, cujas variáveis finais foram captadas entre

outubro de 2011 e abril de 2012. Vale a pena ressaltar que a variável “uso de técnicas de

irrigação” foi a primeira a entrar no modelo de inadimplência, com impacto de chances

520% maiores para quem usa essas técnicas, o que indica a sensibilidade da unidade

produtiva à precipitação pluviométrica. A existência de cisterna entra em 4º lugar na

lista de variáveis que reduzem a inadimplência, onde as chances são 77,2% menores do

que aqueles que não têm. Usando o nosso simulador de probabilidades de atraso, ceteris

paribus, unidades que utilizam a irrigação mas não tem infraestrutura de cisterna tem

efeitos sobre a taxa de atraso de 17,8% contra 6,3% daqueles menos expostos às

flutuações hídricas. Este resultado denota a situação crucial da água no sertão

nordestino durante o período de seca em questão.

9

A segunda variável com maior poder explicativo é a Unidade da Federação,

onde se destaca a categoria Minas Gerais com chances de atraso 490% maiores que a

base Sergipe. A seguir na lista de poder explicativo vem a estrutura de pagamentos do

contrato de crédito, captado pela periodicidade das parcelas. A probabilidade de atrasos

em sistemas de pagamentos mais frequentes como bimestral ou trimestral está entre

1700% e 2800% maiores que no caso da parcela única.

Somente a seguir, nas 5ª e 6ª posições, vêm duas variáveis relacionadas a como

o cliente conheceu o programa, ou seja, se foi através de assistência técnica, que

aumenta a taxa de inadimplência em 227%, ou através de programa de cooperativas,

onde a taxa era 70,7% menor. A condição de uso da terra aparece em 7º lugar,

mostrando que a categoria posseiro aumenta em 267% a chance de inadimplência vis a

vis a de proprietário. Finalmente, o acesso a Bolsa Família aparece em 8º lugar,

reduzindo as chances de inadimplência em 51% em relação aos que não dispõe de

acesso ao programa. Entre as variáveis sócio-demográficas incluídas estão o estado

civil, com chances maiores de inadimplência para união estável e se os filhos estudam.

É importante citar as variáveis testadas que não foram incluídas no modelo por

falta de significância, tais como o regime de dedicação da atividade econômica,

migração de retorno, acesso a benefícios do INSS ou ao programa saúde da família,

diversos instrumentos ligados à bancarização da unidade familiar (conta corrente,

poupança, cartão de crédito, infraestrutura domiciliar como computador, internet,

geladeira e acesso a energia) e outras variáveis de técnicas usadas (vermifugação,

sementes melhoradas e mineralização).

11

TEXTO PRINCIPAL

1. Introdução

Se a China é a fábrica do mundo, o Brasil é a fazenda. A agricultura brasileira

floresce e dá frutos. No âmbito social, vai de Josué de Castro, com a sua “Geografia da

Fome”, nos anos 40, a José Graziano, recém-eleito à presidência da Food and

Agriculture Organization (FAO), agência ligada a ONU.

A bandeira inicial levantada por Luis Inácio Lula da Silva no seu discurso da

vitória em 2002 foi a do Fome Zero e não Tolerância Zero, esta útlima aplicada à

violência em Nova York, por exemplo. Em 2007, na alta global no preço dos alimentos,

que a rigor beneficia macroeconomicamente o Brasil mas prejudica pobres de todas as

partes, o Brasil reajustou o Bolsa Família de forma a compensar a perda de poder de

compra na base da distribuição.

Dilma Rousseff repete a receita ao eleger como meta principal a erradicação da

miséria (tecnicamente, o miserável seria aquele que não consegue suprir necessidades

calóricas básicas). O lema geral de governo é: “Um país rico é um país sem pobreza” e

o Brasil Sem Miséria a sua principal inovação.

O Nordeste abriga metade dos extremamente pobres do Brasil, enquanto

segundo as estimativas governamentais a área rural abriga 47% deste universo. Logo, o

ataque sustentável à pobreza rural nordestina representa passo chave para a consecução

da meta governamental. É preciso potencializar a capacidade de geração de renda nestas

localidades. Neste processo, a concessão de microcrédito rural representa passo

fundamental para superação da pobreza no país.

O Agroamigo é o Programa de Microfinanças Rural do Banco do Nordeste,

operacionalizado em parceria com o Instituto Nordeste Cidadania e com Ministério do

Desenvolvimento Agrário (MDA). Trata-se de uma iniciativa pioneira no Brasil que

visa à concessão de financiamento para a área rural, tendo como base o modelo adotado

pelo Programa Crediamigo, linha de microcrédito urbano já operacionalizada pelo

Banco do Nordeste, cuja principal premissa consiste na concessão de crédito orientado e

acompanhado.

O microcrédito se difundiu mais nas cidades brasileiras e no campo do Nordeste,

a região mais pobre do Brasil, e, como já apontado, não se conseguiu rejeitar a hipótese

12

de que os programas do Banco do Nordeste tenha sido o responsável, no sentido causal,

por esse fato. No entanto, para considerá-lo uma virtude é preciso que permita que as

boas oportunidades de negócios floresçam e que as más preferencialmente não. É

preciso também avaliar a eficiência alocativa da concessão de microcrédito. Nesse

ponto, o presente texto demonstra que o Agroamigo possui similaridades com o

Grameen Bank, não só por usar tecnologia social similar como também por seus

resultados. Será avaliado o impacto do Agroamigo sobre medidas de desempenho

econômico e financeiro dos negócios dos empreendedores e de suas famílias, com

ênfase especial nas questões: uso da terra, dedicação exclusiva às atividades produtivas

e a questão de diversificação, a participação em organizações sociais e por último e não

menos importante a questão do gênero do pequeno empreendedor rural, de forma a

quantificar tanto a razão dos sexos nos níveis dos resultados quanto sua alteração ao

longo do tempo.

O texto traça o panorama do campo nordestino vis-a-vis o restante do campo

tupiniquim, apresentando a evolução de classes, a trajetória da pobreza a partir de

indicadores clássicos de pobreza, e a percepção subjetiva quanto à qualidade de vida.

Além do quadro geral das áreas rurais, o texto descreverá o microcrédito, oferecerá uma

descrição do programa, de seus empréstimos e da base de dados amostral que será

analisada aqui em primeira mão. Mais adiante, será traçado um perfil socioeconômico

dos clientes ativos do Agroamigo, analisando-se ao mesmo tempo seu lado pessoa física

e jurídica para, por último, se medir como se deu a evolução de seus negócios e de seu

bem-estar durante a trajetória do programa.

13

2. Evolução de Classes no Campo e no Nordeste Rural

Panorama de Renda e Pobreza

Com periodicidade anual, a PNAD nos permite monitorar a evolução detalhada da renda entre os microempresários. Damos destaque aqui às mudanças recentes em termos de pobreza, desigualdade e classes econômicas.

Todos os indicadores podem ser analisados para o conjunto geral de microempresários ou por subgrupos abertos: i) características sócio-demográficas, como: sexo, idade, anos de estudo, raça e posição na família; ii) características do produtor, como: posição na ocupação, contribuição previdenciária, educação e acesso a ativos digitais; iii) características do consumidor, como: acesso a bens de consumo e serviços; e iv) atributos espaciais como: local de moradia, área (metropolitana, urbana não metropolitana e rural), estados, e de forma inovadora, capitais e periferias.

http://www.cps.fgv.br/cps/bd/crag/ncm_temporal/index2_rural3_urb.htm

14

Definição dos Estratos Econômicos

Nossa abordagem à mensuração de classes econômicas consiste em organizar

toda a distribuição de renda sob a forma de estratos. Preferimos centrar essa parte do

estudo sobre esses indicadores sociais baseando-nos em renda per capita, para os quais

existe vasto instrumental e literatura. Assim, aplicamos o conhecimento desenvolvido

na área de estudos de pobreza no Brasil à análise da distribuição de renda em sua

totalidade, e não apenas à sua parte inferior.

Optamos pelo uso, como ponto de partida, de um indicador cujas virtudes e

limitações são conhecidas para depois estendê-lo a outras dimensões. Dessa forma,

exploramos três perspectivas adicionais para se qualificarem as classes econômicas, em

geral, e a nova classe média, em particular.

Potencial de Consumo

Uma forma alternativa de definir as classes econômicas (A a E) usual é pelo

potencial de consumo. O Critério Brasil usa o acesso e o número de bens duráveis (TV,

rádio, lava-roupa, geladeira e freezer, vídeo-cassete ou DVD), banheiros e empregada

doméstica. Este critério estima os pesos a partir de uma equação clássica minceriana de

renda e classifica as pessoas por faixas de pontos, usando características mais

permanentes que a renda corrente. Nossa abordagem consiste em usar cálculo similar

não para definir as fronteiras entre as classes, mas para avaliar o potencial de consumo

das pessoas em cada classe.

Calculamos os índices de potencial de consumo e não utilizamos esta abordagem

para a criação de um esquema de classificação estanque de classes. Outra diferença está

em expressarmos os resultados de maneira contínua, através de um simulador que

mantém o valor dos coeficientes estimados do modelo original sem arredondamentos,

evitando redução desnecessária da precisão das estimativas. Aplicamos esta

metodologia a uma miríade de informações, com a vantagem de utilizarmos amostras

que, no Brasil, só as pesquisas domiciliares do IBGE atingem com desenho e tamanho

satisfatórios.

Em suma, criamos um índice de potencial de consumo que usa a métrica da

renda como fio condutor e unidade de medida do indicador. As pessoas entendem com

mais facilidade a métrica de renda que faz parte do seu dia a dia do que uma métrica

15

artificial de pontos discretos. Após a definição do modelo, quantificamos o indicador de

acordo com características das pessoas, em particular as classes econômicas às quais

pertencem, estas baseadas em renda corrente. O leitor iniciado em economia talvez

reconheça o conceito de renda permanente criado por Milton Friedman, em 1957, em

nosso indicador de potencial de consumo. Desde o seminal trabalho de Robert Hall, de

1977, sabemos que o consumo corrente deveria em tese conter toda informação sobre os

padrões futuros de consumo das famílias.

Detalhando o Critério de Renda

Há algumas considerações na definição e uso do critério de renda, seja na

definição de classes ou na sua tradução em potencial de consumo e capacidade

produtiva.

Primeiramente, o conceito de classes se refere à família e não aos indivíduos,

pois há solidariedade interna na transformação dos proventos em consumo. Uma pessoa

pertence, ou não, a uma família da classe média.

Seguindo a literatura de bem-estar social, usamos renda per capita e não renda

total da família, ou dos domicílios, uma vez que há de se distinguir famílias que têm a

mesma renda total e números de membros distintos. Por exemplo, na nossa

classificação, uma família que tem renda total de 1700 reais mensais divididos entre 13

membros será dedicada exclusivamente à subsistência e, portanto, considerada pobre,

enquanto outra composta de uma única pessoa terá a condição de adquirir alguns bens

supérfluos. Caso empregássemos o conceito de renda total da unidade, estaríamos

tratando de maneira igual pessoas em condições de vida bastante distintas.

Existem significativos erros de classificação quando se usa renda domiciliar total

ao invés do conceito per capita. Devido à redução sistemática no tamanho dos

domicílios (de 4,4 para 4,04, entre 2003 e 2009), função da transição demográfica em

curso, o crescimento da renda domiciliar total de 21,1% acumulado no período

subestima o crescimento de renda per capita total de 31,9%. Esta diferença de mais de

10 pontos de porcentagem ou aproximadamente metade do crescimento da renda total

observada é o tamanho do erro cometido no período.

16

Divisões de Classes

Preferimos o uso de referências relativas à distribuição da população num ano

base, que são depois mantidas ao longo do tempo conforme explicado a seguir. Ao

contrário de análises de distribuição de renda relativa, onde mapeamos a participação de

cada grupo na renda total, fixamo-nos aqui na parcela da população que está dentro de

determinados parâmetros fixados para todo o período, evidenciando uma preocupação

com a renda absoluta de cada pessoa.

A presente abordagem é similar àquela usada na análise de pobreza absoluta,

mas atentamos ainda para outras fronteiras, como aquelas que determinam a entrada na

classe média e a saída deste grupo para classes mais altas.

Analogamente, na análise distributiva relativa, estamos num gráfico de pizza de

tamanho fixo, onde para um grupo ganhar, outro tem de diminuir. Na análise absoluta

aqui utilizada, além da dança distributiva, o tamanho de pizza pode mudar. O que está

por trás dos resultados vistos até então é que além dos indivíduos de renda mais baixa

terem se apropriado de uma maior parcela relativa da pizza (a redução da desigualdade),

a mesma aumentou de tamanho (o crescimento). Passou, digamos, de um tamanho

brotinho para média. No estudo que segue, estamos preocupados não só com a parcela

relativa que coube a cada grupo, mas também com a quantidade apropriada por cada

estrato da sociedade.

A Classe C é a classe central, abaixo da A e B e acima da D e E. A fim de

quantificar as faixas, calculamos a renda domiciliar per capita e depois a expressamos

em termos equivalentes de renda domiciliar total de todas as fontes. A classe C está

compreendida entre os R$ 1.126 e os R$ 4.854 a preços de 2008 na grande São Paulo e

estava compreendida imediatamente acima dos 50% mais pobres e abaixo dos 10% mais

ricos na virada do século. Heuristicamente, os limites da classe C seriam as fronteiras

para o lado indiano e para o lado belga da nossa Belíndia, e investigamos as migrações

entre estes diferentes Brasis.

A classe C aufere em média a renda média da sociedade, ou seja, é classe média

no sentido estatístico, sendo a imagem mais próxima da média da sociedade brasileira.

Dada a desigualdade, a renda média brasileira é alta em relação ao resto da distribuição.

Em uma comparação com o resto do mundo, observamos que 80% das pessoas

vivem em países com níveis de renda per capita menores que o brasileiro. Não apenas a

17

distribuição de renda no Brasil é próxima daquela observada no mundo, como temos

uma renda ajustada pela paridade de poder de compra (PPC) similar à mundial e o Gini

interno é próximo àquele observado para a distribuição do PIB per capita (ajustado pela

PPC) dos países. Ou seja, a nossa classe média não seria diferente daquela observada no

mundo usando os mesmos métodos. Talvez por isso, o estudo mais recente sobre classe

média mundial da Goldman Sachs (“The Expanding Middle”) gere resultados próximos

à nossa classe C. Em relação aos limites da classe, tem-se R$ 859 a R$ 4.296 deles

contra R$ 1.126 a R$ 4.854 nosso, ambos expressos em reais da Grande São Paulo de

hoje.

Outros estudos internacionais variam bastante a definição de Classe Média,

encontrando desde R$ 115 a R$ 516 no trabalho de Barnajee & Duflo do MIT de 2007

até R$ 2.435 a R$ 10.025 do Banco Mundial (Global Economic Prospects de 2007), este

último mais próximo da definição da classe média em países desenvolvidos, segundo o

estudo da Goldman Sachs. A nossa classe C está, portanto, dentro dos limites

mencionados acima, que variam muito entre si. Há quem julgue a nossa classe C como

média baixa, rotulando a classe B como média alta. O relevante, contudo, é adotar um

critério consistente definido.

Limites das Classes

Apresentamos a seguir os limites das classes econômicas medidas em renda

domiciliar total mensal de todas as fontes:

Classe Econômica Inferior Superior

Classe E 0 705

Classe D 705 1126

Classe C 1126 4854

Classe B 4854 6329

Classe A 6329 +

Limites de renda domicilar total de

todas as fontes

18

À parte de medidas tradicionais de desigualdade, tradicionalmente em nossos

estudos usamos a parcela de três grupos populacionais. Ao longo dos anos 1970, 1980 e

1990, a desigualdade brasileira se manteve surpreendentemente estável. Os 50% mais

pobres recebiam cerca de 10% da renda e; coincidentemente, os 10% mais ricos

recebiam próximo aos 50% da renda agregada. No meio destes dois grupos extremos,

tínhamos os 40% intermediários, que recebiam os mesmos 40% da renda.

No pico histórico da desigualdade brasileira de 1989, os 50% mais pobres

tinham 10,56% da renda e os 10% mais ricos 50,97%. Este grupo do meio que auferia a

renda média foi o nosso ponto de partida para a análise desta classe média relativa. A

nossa nova classe média está compreendida entre aqueles acima da metade mais pobre e

um pouco abaixo dos 10% mais ricos, pouco depois da virada do século, segundo uma

combinação de bases de dados.

A inversão de participações na população e na renda dos grupos polares também

inspirou nossos estudos sobre classes absolutas. O status relativo de renda do décimo

mais alto vis-à-vis ao resto da distribuição foi, segundo os estudos de David Lam, o que

diferencia a concentração de renda no Brasil frente aos Estados Unidos, que não são um

país particularmente igualitário. Outra fonte de inspiração desta escolha inicial do grupo

mais rico foi os estudos que participamos na segunda metade da década de 90

coordenados por Sam Morley, onde observamos a participação entre os 10% mais ricos

e, em particular, deles em relação ao resto da distribuição de renda brasileira e latino-

americana.

Grosso modo, os limites da nova média (classe C) seriam as fronteiras para o

lado indiano (classes D e E) e para o lado belga da Belíndia brasileira (classes A e B).

Investigamos as migrações entre estes diferentes Brasis. A classe C aufere em média a

renda média da sociedade, ou seja, é a classe média no sentido estatístico.

A nossa definição de faixas de renda, embora baseada na intuição acima, é

bastante consistente e empiricamente próxima daquela determinada pelo conceito de

polarização proposto por Esteban, Gradin e Ray (2007), apelidado de EGR. A estratégia

EGR nos interessa por gerar de maneira endógena os cortes de renda da distribuição de

renda observada na prática. Os cortes escolhidos são os que melhor distinguem os

grupos no sentido de tornar menores possíveis as diferenças internas destes grupos de

renda e, em contrapartida, maximizar as diferenças entre estes grupos. Calculamos os

grupos de renda para o caso de três segmentos, que é o que nos interessa mais.

19

Complementarmente, segundo os autores, esse critério é aquele que, para os países

analisados por eles, maximiza o critério de polarização estendida usada. Nossa

estratégia aqui é gerar medidas relativas e depois mantemos constantes os valores

inicialmente arbitrados para gerar mudanças absolutas das classes.

Iremos inicialmente analisar os três grupos de renda aplicados a PNAD 2002

com a metodologia descrita mais acima, de forma a compará-la com a nossa

metodologia. Depois, tomaremos emprestados os resultados do EGR dentro e entre estes

grupos, além de outros parâmetros institucionais como linhas de pobreza e de extrema

pobreza, para subdividir nossas classes econômicas. Comecemos pelos três grandes

grupos.

Em primeiro lugar, a combinação de nossas classes econômicas D e E resulta

quase perfeitamente no estrato inferior do EGR, que corresponde aos 52,3% mais

pobres contra 52,6% no nosso critério, de forma que a diferença é desprezível. Como

corolário, toda a análise que fizemos de participação das classes DE na população, ou de

seu complemento ABC, de forma mais frequente, está consistente entre a nossa

metodologia e a adaptação do EGR.

A combinação de nossa classe econômica central, em 2002, está 4 pontos de

porcentagem menor que o estrato intermediário gerado pela metodologia EGR. Isto é,

ao invés dos 34,95% da população estar na nossa classe C, temos 38,95%. Estes exatos

4 pontos de porcentagem representam a medida de dissonância entre a nossa nova

classe média, que aufere a renda média, e o estrato do meio do EGR. Como corolário da

certeza que a soma das participações esgota a unidade, a nossa classe AB está distante

do estrato superior do EGR pela soma das diferenças apresentadas nos dois primeiros

estratos vis-à-vis nossos grupos de classes. Ou seja, a população de nossa classe AB é

4,3 pontos de porcentagem menor que o estrato superior da metodologia EGR para

2002. Este intervalo equivale à dissonância entre nossa nova classe média e a aplicação

do EGR ao seu próprio estrato superior de renda, o que nos leva a criar este resíduo de

4,3% para que a nossa classe C se converta no extrato do meio do EGR.

Monitorando as Classes Econômicas no Nordeste Rural

A partir dos microdados da PNAD, revelamos a dança distributiva da população

rural entre os diferentes estratos econômicos. A principal característica da abordagem

20

aqui utilizada é o seu nível de desagregação em cinco grupos de renda, acompanhando a

evolução da participação da população em cada estrato.

A tabela abaixo revela que a área rural acompanhou a trajetória observada na

totalidade do país, com sucessivos aumentos na participação das classes mais altas (AB

e C), contrabalançando a redução da importância relativa da classe E.

Classe A: de acordo com a última PNAD, a proporção de pessoas residentes na área

rural que estão na classe A cresce 5,9% só no último ano, comparado a 0,2% no Brasil

como um todo. Este fluxo corresponde à entrada de 11,9 mil pessoas no grupo de mais

alta renda. Apenas nos últimos seis anos, somamos 83,4 mil pessoas do campo que

ascenderam à classe A, fazendo com que o contingente total neste grupo alcançasse a

marca de 231,5 mil pessoas, em 2009.

Classe B: a proporção de indivíduos na classe B cresce 19,1% no último ano, contra

3,5% no Brasil como um todo. Dessa forma, 65,3 mil pessoas passaram a esta classe em

um ano. Se analisarmos desde 2003, o contingente de pessoas que chegou à classe B é

de 198,4 mil, contribuindo para que o grupo contasse com 416,7 mil indivíduos em

2009.

Fonte: CPS/FGV a partir dos microdados da PNAD/IBGE No Nordeste, enquanto que ao longo do período todo de 1992-2009 houve um

maior crescimento das classes AB para o total da população, no período recente de

2003-2009 o crescimento foi maior nas áreas rurais, mesmo que o percentual de pessoas

nessas classes ainda seja muito baixo no campo.

5.4 6.0

8.5 8.8 8.8 9.08.0 8.3 8.3 7.6 7.7 8.3

9.4 9.7 10.4 10.6

1.0 1.5 1.4 1.5 1.5 1.8 1.4 1.4 1.1 1.4 1.4 1.7 1.8 2.4 2.2 2.5

1.0

3.0

5.0

7.0

9.0

11.0

13.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Classes AB no Brasil (%) - Evolução 1992 a 2009

Total Rural

21

Fonte: CPS/FGV a partir dos microdados da PNAD/IBGE

Dentro do universo do Nordeste rural, analisamos a evolução da classe AB entre

o total da população e os microempresários. Percebemos que tanto no total quanto entre

os microempresários, desde 1992 houve algumas oscilações na proporção de indivíduos

na classe AB. No entanto, entre os microempresários houve um aumento significativo

dessas classes econômicas, principalmente a partir de 2003. Apesar de o percentual de

classes AB ainda ser muito baixo no campo, houve um crescimento de incríveis

175,86% entre os microempresários nordestinos rurais de 2003 a 2009 (aumento de

133,33% para o total).

1.92.5

3.3 3.4 3.5 3.73.2 3.3 3.4

2.9 3.3 3.54.0 4.2

4.7 4.9

0.3 0.5 0.6 0.5 0.7 1.10.6 0.5 0.2 0.2 0.2 0.4 0.4

0.9 0.7 0.6

0.0

1.0

2.0

3.0

4.0

5.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Classes AB no Nordeste (%) - Evolução 1992 a 2009

Total Rural

22


Classe C (Nova Classe Média): a mesma que atingia 20,6% da população rural, em

2003, passa a concentrar 35,4% em 2009, ocupando a classe dominante no sentido

populacional, com 9,1 milhões de pessoas. Este crescimento acumulado de 71,8%,

desde 2003, traduzido em termos de população, equivale a 3,7 milhões de brasileiros

residentes em áreas rurais passando a integrar a classe C nos últimos seis anos. A

proporção de pessoas neste grupo na área rural equivalia a 55% daquela verificada para

a totalidade no país, em 2003, chegando a 70%, em 2009. Esta aproximação pode ser

percebida no gráfico abaixo, no qual se nota um claro movimento de convergência entre

as curvas.

Na região Nordeste, o mesmo fenômeno é observado, e a classe C cresce mais

nas áreas rurais do que no total da população, apesar de o crescimento ser muito grande

tanto no total quanto no campo.

0.29

0.520.63

0.540.66

1.06

0.57 0.510.24 0.24 0.21

0.44 0.37

0.91

0.70.56

0.620.5

0.660.81

0.6

1.54

0.76

0.98

0.57 0.58 0.650.78 0.86

1.79

1.41.6

0

0.5

1

1.5

2

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Classes AB no Nordeste Rural (%) -Evolução 1992 a 2009

Total Microempresários

23



Em relação ao Nordeste rural, assim com em relação às classes AB os níveis

referentes aos microempresários são mais favoráveis do que em relação ao total da

população. No entanto, diferentemente do que vimos em relação às classes AB, a nova

classe média aumenta mais no total da população do que entre os microempresários

(entre 2003-2009, houve um aumento de incríveis 124% no total contra 87,3% entre os

microempresários, apesar de os níveis ainda serem baixos em comparação com o total

do Brasil).

32.5 31.036.5 36.7 37.0 37.4 36.1 38.1 38.6 37.6 39.7 41.8

44.9 46.949.2 50.5

13.6 14.7 16.0 16.3 16.5 17.2 16.218.9 19.5 20.6 22.3 23.2

28.3 30.432.8

35.4

3.0

13.0

23.0

33.0

43.0

53.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Nova Classe Média (Classe C) no Brasil (%) -Evolução 1992 a 2009

Total Rural

15.7 14.8

18.5 18.3 18.1 18.8 18.020.7 21.0 20.1 21.2

23.5

27.530.0

32.934.7

6.8 6.8 8.1 8.57.0 7.5 7.1

9.6 9.4 10.1 10.3 11.6

15.0

18.620.6

22.6

5.0

10.0

15.0

20.0

25.0

30.0

35.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Nova Classe Média (Classe C) no Nordeste (%) - Evolução 1992 a 2009

Total Rural

24


Classe D: a proporção de pessoas na classe D nas áreas rurais é de 30,2%, em 2009,

atingindo 7,8 milhões de indivíduos. Ao considerarmos o período 2003-2009,

verificamos aumento de 13% em sua participação relativa, ou 856 mil pessoas a mais

em seis anos.

Enquanto nas áreas rurais houve um aumento da classe D, no Brasil como um

todo, essa classe sofreu uma diminuição.


6.8 6.8 8.1 8.5 7.0 7.5 7.19.6 9.4 10.1 10.3 11.6

15.0

18.6 20.622.6

9.711.2

12.814.5

11.8 11.913.6

16.0 15.7 16.8 15.517.7

23.726.6

30.4 31.4

3.0

8.0

13.0

18.0

23.0

28.0

33.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Nova Classe Média (Classe C) no Nordeste Rural (%) - Evolução 1992 a 2009


27.2

28.0

26.325.7 25.8

26.727.2

26.1 26.4 26.727.2 27.1

26.4

25.124.4

23.6

22.7

22.3

26.826.1 26.0

28.2 28.1

26.2

27.7

26.6

28.6

30.0 29.8 29.9 30.2 30.2

20.0

22.0

24.0

26.0

28.0

30.0

32.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Classe D no Brasil (%) - Evolução 1992 a 2009

Total Rural

25

No Nordeste, diferentemente do Brasil, há um aumento da classe D tanto nas

áreas rurais como no total da região, apesar de o aumento ser maior no campo. Partindo

de valores menores (16,4% no campo em 1992 contra 22,9% no total da região), há um

crescimento de 99% desde 1992 até 2009 da classe D no campo contra um crescimento

de 38,6% para o total, fato que explica a convergência entre as linhas abaixo. Repare

que a porcentagem de classe D no campo parte de valores significativamente menores

do que o total em 1992 e em 2009 ultrapassam o total (32,6% nas áreas rurais contra

31,8% do total).


No Nordeste rural, houve um aumento da classe D tanto entre os

microempresários quanto para o total da população, porém o aumento foi maior no total,

como o gráfico abaixo nos mostra. Partindo de níveis menores (16,4% no total contra

22,6% entre os microempresários), há um aumento de 42,6% entre 2003-2009 contra

apenas 13,51% entre os microempresários (entre 1992-2009, a diferença é ainda maior,

com um aumento de 99,15% no total contra 36% entre os microempresários). O

resultado do maior aumento no total da região é que o percentual de pessoas na classe D

ultrapassa o percentual relativo aos microempresários, mesmo partindo de níveis

menores. Esse aumento não é visto como positivo para o total da população em relação

aos microempresários, dado que os microempresários têm um aumento maior nas

classes C e AB e, como veremos no próximo ponto, redução maior na classe E.

22.9 22.2

26.6 25.7 25.8

28.726.9 27.0 27.5 27.2

29.230.6

32.0 31.6 31.7

31.8

16.415.3

21.9 21.3 21.023.4 22.9 22.3

23.7 22.9

26.428.0

29.5 30.131.2

32.6

10.0

15.0

20.0

25.0

30.0

35.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Classe D no Nordeste (%) - Evolução 1992 a 2009

Total Rural

26


Classe E (pobreza linha CPS): a proporção de indivíduos na classe E cai 8,3% no

último ano (dobro da média nacional de 4,3%), correspondendo à saída de 780 mil

pessoas do grupo de renda familiar mais baixa e equivalente à pobreza segundo nossa

metodologia. Este movimento coroa uma tendência observada desde o fim da recessão

de 2003, a partir de quando a pobreza já acumula uma queda de 37,9% (45,5% no país

como um todo), equivalendo a um contingente de cerca de 5,1 milhões de pessoas

cruzando a linha de miséria. Como resultado, observamos 8,2 milhões de miseráveis no

campo, que seriam mais de 13 milhões caso a miséria não tivesse caído nos últimos

anos.

No Nordeste, o movimento observado é análogo ao que aconteceu no país, com

uma forte redução no percentual de classe E tanto no total quanto nas áreas rurais.

16.415.3

21.9 21.3 21.023.4 22.9 22.3

23.7 22.9

26.428.0

29.530.1

31.232.6

22.6

19.3

26.625.1 25.0

26.127.7

25.727.8 27.1

29.530.9 30.0 30.5

30.2 30.8

10.0

15.0

20.0

25.0

30.0

35.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Classe D no Nordeste Rural (%) - Evolução 1992 a 2009


27



Analisando os dados para o Nordeste rural, temos uma redução expressiva na

pobreza tanto no total quanto no universo dos microempresários. Mais uma vez, tanto

em nível quanto na variação recente os números são mais favoráveis aos

microempresários, porém a diferença é muito pequena. Houve uma redução da pobreza,

medida pelo percentual de pessoas na classe E (que se refere à pobreza segundo a linha

do CPS), de 34,7% entre os microempresários e de 33,8% no total no período de 2003-

2009.

35.0 35.0

28.7 28.8 28.4 26.9 28.7 27.5 26.7 28.125.4

22.819.3 18.3

16.0 15.3

62.8 61.4

55.8 56.2 56.052.9 54.3 53.5 51.7 51.4

47.745.2

40.237.2

34.831.9

15.0

25.0

35.0

45.0

55.0

65.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Classe E (pobreza linha CPS) no Brasil (%) -Evolução 1992 a 2009

Total Rural

59.6 60.5

51.7 52.7 52.648.8

51.949.0 48.1 49.8

46.342.5

36.534.2

30.7 28.7

76.6 77.4

69.4 69.7 71.468.0 69.4 67.6 66.6 66.8

63.160.0

55.150.5

47.444.2

25.0

35.0

45.0

55.0

65.0

75.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Classe E (pobreza linha CPS) no Nordeste (%) - Evolução 1992 a 2009

Total Rural

28


76.6 77.4

69.4 69.7 71.468.0 69.4 67.6 66.6 66.8

63.160.0

55.150.5

47.444.2

67.0 69.0

60.0 59.662.6

60.557.9 57.3 55.9 55.6 54.3

50.6

45.441.1

38.1 36.230.0

40.0

50.0

60.0

70.0

80.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Classe E (pobreza linha CPS) no Nordeste Rural (%) - Evolução 1992 a 2009


29

3. Microcrédito e Pobreza Rural

Pobreza Rural

O conceito de pobreza visa medir carências humanas. Ele mede as dificuldades

vividas por diferentes indivíduos numa dada sociedade e as agrega em um único

número, o que nos permite auferir o desempenho de políticas de inclusão social e

nortear o seu desenho. Sua compreensão possibilita alguns desdobramentos: (1)

compará-lo a outros conceitos; (2) fixar o olhar no desenho destas políticas; e (3)

privilegiar aspectos úteis para a definição de metas sociais, como mecanismo de

mobilização e coordenação de ações do Estado e da sociedade, no sentido da superação

da pobreza.

Cabe, inicialmente, apontar semelhanças e diferenças entre alguns conceitos

próximos às medidas de pobreza aqui discutidas. Em primeiro lugar, os conceitos de

bem-estar social e de pobreza procuram ambos agregar o nível de bem-estar de

diferentes indivíduos em uma dada sociedade em um único número. Isto permite

comparações simples entre sociedades ou numa mesma sociedade ao longo do tempo. A

diferença é que o conceito de bem-estar leva em conta a situação quantificada de todos

os indivíduos do grupo social, enquanto o de pobreza só capta a parcela de indivíduos

cujo bem-estar se encontra abaixo de um determinado parâmetro, denominado linha de

pobreza. Em outras palavras, a ideia do conceito de pobreza é captar a descontinuidade

entre aqueles que participam minimamente da cidadania e aqueles que não participam.

Na prática, apesar de ignorarem algumas complexidades, os índices de pobreza

que se restringem a uma única dimensão monetária são mais usuais por conta de sua

operacionalidade. Mas, mesmo quando o cálculo da desigualdade considera apenas a

dimensão monetária, é necessário escolher entre a dimensão renda e as despesas de

consumo como unidades de medida. Despesas de consumo são internacionalmente mais

aceitas como unidade de medida, pois o nível de bem-estar das pessoas está mais

relacionado ao que consomem do que ao valor de seus ganhos. No entanto, este não é o

caminho em geral tomado nas estimativas de bem-estar encontradas no Brasil, onde se

consolidou a tradição de se perguntar a renda das pessoas nas pesquisas domiciliares.

Como dissemos anteriormente, o cálculo de indicadores de pobreza entendida

em termos de insuficiência de renda requer a fixação de uma linha abaixo da qual os

30

indivíduos são considerados pobres. A adoção de uma linha oficial é o primeiro passo

lógico para a adoção de metas de redução da miséria ao longo do tempo. O essencial é

se adotar uma linha, independentemente do valor arbitrado, mas a linha oficial mais

interessante seria aquela acima de idiossincrasias locais.

Como o objetivo de combate à miséria transcende mandatos de governos e

fronteiras nacionais, é possível escolher as linhas de US$1,00 ou US$2,00 por pessoa,

ajustadas pela paridade de poder de compra (PPP), que leva em conta diferenças de

custo de vida entre países, sempre traduzida em moeda local e ajustada pelo índice de

inflação oficial doméstico. O Brasil fixou em 2011 uma linha oficial de pobreza de R$

70 reais por pessoa. Os EUA o fizeram em 1963, seguidos de Índia e Irlanda.

O cálculo de indicadores de pobreza enquanto insuficiência de renda requer a

fixação de uma linha abaixo da qual os indivíduos são considerados miseráveis. Sua

construção se baseia sobre uma linha de indigência correspondente a valores monetários

que possibilitem o suprimento de exigências calóricas básicas. No caso da pobreza,

contemplam-se despesas além das alimentares, como habitação, vestuário e transporte.

No Centro de Políticas Sociais da FGV, optamos por uma linha de indigência

baseada apenas em necessidades alimentares mínimas, fixadas pela OMS (2.288

calorias/dia) e traduzidas em valores monetários, referenciando-nos aos hábitos de

consumo dos indivíduos situados entre os 20% e os 50% mais pobres da população. O

resultado é uma linha de pobreza de R$151,00 mensais por pessoa, avaliada a preços

médios nacionais de 20111.

Uma pessoa é considerada pobre quando pertence a um domicílio cuja renda

total per capita não ultrapassa o valor da linha de pobreza específica à sua região. A

renda total, por sua vez, corresponde à soma das rendas de todos os indivíduos do

domicílio, abrangendo proventos do trabalho, aluguéis recebidos, aposentadorias,

pensões, doações e outros rendimentos.

Em 1992, ano em que foi estabelecido o novo questionário da PNAD, contavam-

se mais de 50 milhões de miseráveis no Brasil. Apesar de conter apenas 18% da

1 Existe também um componente subjetivo na definição da linha de miséria. A Pesquisa de Padrões de Vida implementada pelo IBGE, usando a metodologia do Banco Mundial, contém perguntas cuja resposta é subjetiva. Uma pergunta de particular interesse aqui é: considerando a sua família, qual seria a menor renda mensal necessária para cobrir gastos de alimentação? A média das respostas é 40% maior que a linha da FGV.

31

população total, então em 145 milhões, o meio rural concentrava 28% dos pobres. Para

cada 10 pessoas que viviam no campo, 6 encontravam-se abaixo da linha de pobreza.

Um cenário desanimador, não fosse pela óbvia oportunidade de prosperar.

Avançando no tempo 17 anos, encontramos uma situação distinta. O processo de

urbanização já em curso prosseguiu e o meio rural passou a responder por apenas 12%

do contingente total. O país cresceu em população, somando 188 milhões de brasileiros,

mas perdeu de vista 22 milhões de miseráveis. Destes, 11 milhões apenas no campo,

contribuindo para uma impressionante redução de quase 50% da taxa de pobreza rural.

Diante dos grandes traços das séries de pobreza desde o início do período

amostral, notamos duas marcadas mudanças de patamar no Brasil. Primeiramente, no

biênio 1993-1995, a proporção de pessoas no campo abaixo da linha de miséria reduz-se

de 61% para 56%. Em 2003, quando a miséria ainda atingia mais da metade dos

indivíduos da região, tem início um novo período de alívio da pobreza. Dois anos mais

tarde, esta alcança o nível de 46%, num movimento de magnitude comparável ao acima

descrito. O paralelo existente na diminuição da miséria entre os dois episódios,

ocorridos dez anos a parte, pode ser mais bem percebido no gráfico abaixo.

No Nordeste, percebemos a diferença em nível da proporção de pobres no total e

no campo. Enquanto em 1992 o percentual de pessoas vivendo abaixo da linha de

pobreza era de 59,6%, no campo a proporção era de 76,6%, número 28,5% maior na

área rural. Apesar dessa diferença em nível, as variações seguem na mesma direção,

como o gráfico abaixo mostra, sendo que a proporção de pobres no total do Nordeste cai

mais do que nas áreas rurais. Por conta dessa redução maior no total do que nas áreas

rurais, a diferença no nível da proporção de pobres em 2009 se amplia, com uma

diferença de aproximadamente 54% favorável ao total (28,7% de pobres no total x

44,2% nas áreas rurais).

32


Olhando agora para o universo de microempresários no Nordeste rural, temos

números favoráveis aos pequenos empreendedores, tanto em nível quanto na variação

ao longo dos últimos anos. Em 1992, enquanto 76,6% dos indivíduos do Nordeste rural

eram pobres, dentre o universo de microempresários a proporção era de 67% de pobres

(14,22% a mais de pobres no total). Assim como no nível, a redução da pobreza foi

maior entre os microempresários ao longo dos últimos anos, mesmo que a diferença não

tenha sido tão grande (entre 1992 e 2009, houve uma redução de 42,3% para o total x

46% entre os microempresários). De 2003 a 2009, a redução foi de 33,8% no total

contra 34,77% entre os microempresários.

59.6 60.5

51.7 52.7 52.648.8

51.949.0 48.1 49.8

46.342.5

36.5 34.230.7 28.7

76.6 77.4

69.4 69.7 71.468.0 69.4 67.6 66.6 66.8

63.160.0

55.150.5

47.444.2

0.0

10.0

20.0

30.0

40.0

50.0

60.0

70.0

80.0

90.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Proporção de Pobres (P0) no Nordeste

Total Rural

33


Custo da Erradicação da Miséria (P1)

No estabelecimento das linhas de pobreza ou de indigência, temos uma série de

outros elementos subjetivos - e arbitrários - envolvidos no processo de agregação dos

pobres. A literatura de pobreza baseada em renda (ou consumo) usa, em geral, três

indicadores que descrevem a extensão e a intensidade da pobreza e sua variação entre os

considerados pobres, chamados família FGT (Foster-Greer-Thorbecke). Em primeiro

lugar, no índice denominado proporção dos pobres (P0), conta-se a parcela da população

cuja renda familiar per capita está abaixo de uma linha de miséria arbitrada.

O P1 constitui um indicador mais interessante, já que leva em conta a intensidade

da miséria. Revela quanta renda adicional cada miserável deveria receber para satisfazer

as suas necessidades básicas. A utilidade desse indicador no desenho de políticas sociais

é direta, pois ele é capaz de informar os valores mínimos necessários para erradicar a

miséria. A hipótese subjacente é que cada miserável receberia apenas o suficiente para

içá-lo até a linha de pobreza.

Útil ao desenho de políticas públicas, o hiato de renda (P1) revela quanta renda

adicional cada miserável deveria receber para satisfazer suas necessidades básicas. Sob

a hipótese de que cada miserável receba apenas o suficiente para ser içado até a linha de

pobreza, somos capazes de calcular o custo mínimo de erradicação da miséria.

76.6 77.4

69.4 69.7 71.468.0 69.4 67.6 66.6 66.8

63.160.0

55.150.5

47.444.2

67.0 69.0

60.0 59.662.6 60.5 57.9 57.3 55.9 55.6 54.3

50.645.4

41.138.1 36.2

0.0

10.0

20.0

30.0

40.0

50.0

60.0

70.0

80.0

90.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Proporção de Pobres (P0) no Nordeste Rural


34

Por exemplo, no caso da linha de R$140,00, quem tem renda de R$1,00 ganharia

R$139,00 e vice-versa, enquanto quem desfrutasse de renda acima de R$140,00 não

receberia nada. A trajetória recente do custo de erradicação da miséria pode ser

acompanhada nos gráficos abaixo. Em destaque, encontra-se o custo de erradicação da

pobreza por pobre na área rural vis-à-vis ao custo nacional. Em 1992, o primeiro

superava o último em 15%, diferença que desapareceu gradativamente ao longo dos 17

anos acompanhados.

Para o meio rural em 2009, calculamos um custo total de erradicação da miséria

de aproximadamente R$500 milhões mensais, equivalente a R$19,43 por pessoa

(diferença de R$ 10 reais em relação à média total por brasileiro - R$ 9,33). Como 32%

da população encontra-se abaixo da linha de pobreza, o custo por não pobre é

obviamente superior, chegando a R$28,53 no campo (R$ 11,02 no total).

Assim como na média do Brasil, no Nordeste o custo de erradicação da pobreza

também é maior no campo, resultado já esperado dado que a pobreza é maior nas áreas

rurais.


32.0 32.5

24.025.8 25.0

23.024.6 23.2

21.7 23.020.5

18.315.6 15.0

12.8 12.2

43.645.6

34.8 35.8 36.633.9 35.3 34.1

32.1 33.129.7

27.425.4

22.920.5 19.5

0.0

5.0

10.0

15.0

20.0

25.0

30.0

35.0

40.0

45.0

50.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Hiato de Pobreza (P1) no Nordeste

Total Rural

35



Em relação aos microempresários do Nordeste rural, assim como em relação à

proporção de pobres (P0), temos resultados favoráveis a esse grupo em relação ao

indicador do hiato de pobreza (P1), tanto em nível como na evolução. Os

microempresários possuem valores menores para o indicador P1 e apresentam maior

redução ao longo dos últimos anos. As mesmas conclusões podem ser tiradas para o

custo de erradicação da pobreza por pessoa, já que o mesmo resulta diretamente do

indicador P1. A mesma análise, no entanto, não pode ser estendida para o custo de

erradicação da pobreza por não pobre, conforme o gráfico abaixo nos mostra. Apesar de

em nível esse custo ser menor para os microempresários, temos que a redução do

44.2 44.9

33.135.6 34.5 31.7 34.0 32.0 29.9 31.7

28.325.2

21.520.7 17.616.8

60.1 62.9

48.0 49.4 50.546.8 48.7 47.0 44.3 45.6

41.037.8 35.1

31.628.3 26.9

0.0

10.0

20.0

30.0

40.0

50.0

60.0

70.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Custo de Erradicação da Pobreza no Nordeste - R$/Pessoa

Total Rural

109.3 113.6

68.4 75.2 72.7 61.8 70.6 62.7 57.5 63.1 52.6 43.8 33.831.4 25.4 23.6

274.0285.4

164.0174.3

182.0151.2

166.4150.0

135.4139.4113.2

96.980.3

67.4 57.1 51.3

0.0

50.0

100.0

150.0

200.0

250.0

300.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Custo de Erradicação da Pobreza no Nordeste - R$/Pessoa Não Pobre

Total Rural

36

memso foi maior para o total do Nordeste rural. Repare que em 1992, o custo era

41,44% menor para o universo de microempresários, diferença que cai para 32,24% e

2009 (houve uma redução de 82,2% do custo para o total do Nordeste rural contra

redução de 78,22% no custo relativos ao universo dos microempresários).



43.645.6

34.8 35.8 36.633.9 35.3 34.1

32.1 33.129.7

27.425.4

22.920.5 19.5

35.938.6

29.7 29.931.6

29.126.6 27.9 26.9 26.7

25.123.1

20.817.7

15.7 15.1

0.0

5.0

10.0

15.0

20.0

25.0

30.0

35.0

40.0

45.0

50.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Hiato de Pobreza (P1) no Nordeste Rural


60.1 62.9

48.0 49.4 50.546.8 48.7 47.0 44.3 45.6

41.037.8 35.1

31.6 28.326.9

49.553.2

41.0 41.2 43.640.1

36.7 38.4 37.2 36.8 34.6 31.928.6

24.4 21.6 20.9

0.0

10.0

20.0

30.0

40.0

50.0

60.0

70.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Custo de Erradicação da Pobreza no Nordeste Rural - R$/Pessoa


37

Fonte: CPS/FGV a partir dos microdados da PNAD/IBGE Outra questão associada é que as metas sociais deveriam de alguma forma levar

em conta a trajetória do indicador escolhido ao longo do tempo. Por exemplo, se a meta

for reduzir à metade a proporção de miseráveis até determinada data, digamos primeiro

de janeiro de 2015, a maneira mais barata de atingi-la seria completar na véspera, ou

seja, 31 de dezembro de 2014, a renda dos 50% menos miseráveis até a linha.

Os Mais Pobres dos Pobres (P2)

O indicador conhecido como P2 eleva ao quadrado a insuficiência de renda dos

pobres, priorizando as ações públicas aos mais desprovidos. Se a meta fixada fosse a

redução do P0, existiriam incentivos espúrios para a adoção de políticas focadas no

segmento logo abaixo da linha de pobreza, e não nos mais miseráveis. Por exemplo, dar

em primeiro lugar R$1,00 a quem tem renda de R$79,00 e não R$ 80,00 a quem tem

zero. Além dessa inversão de prioridades, o foco das políticas redistributivas seria

bastante sensível à escolha sempre arbitrária da linha de miséria.

No caso do P2, independentemente da linha arbitrada, a prioridade é sempre

voltada aos de menor renda. A adoção do P2 corresponde à instituição de uma espécie

de ascensor social que partiria da renda zero. A meta de redução do P2, ao conferir

prioridade máxima às ações voltadas para os mais carentes, é mais eficiente em termos

fiscais. Em suma, o P0 conta os miseráveis, o P1 conta o dinheiro que falta para se pôr

fim ao problema e o P2 nos dá o norte das ações, dizendo por onde começar.

256.4 277.8

156.6163.0 176.1

146.2159.2

145.1132.7137.4110.9

94.378.2

63.8 53.848.3

150.2171.7

102.4101.8116.7

101.487.1 90.0 84.2 82.8 75.8 64.5 52.4 41.4 34.9 32.7

0.0

50.0

100.0

150.0

200.0

250.0

300.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Custo de Erradicação da Pobreza no Nordeste Rural - R$/Pessoa Não Pobre


38

Se inicialmente verificamos a ocorrência de um menor número de miseráveis no

campo, vemos agora que aqueles que persistem nesta situação o fazem, na média, mais

próximos da fronteira da miséria. Complementarmente, o hiato quadrático de pobreza

(P2), sensível à severidade da insuficiência de renda, revela que avanços mais fortes têm

sido observados entre os mais miseráveis do campo.

Em relação ao Nordeste, podemos perceber que o indicador P2 é maior nas áreas

rurais, indicando o fato já esperado de que a serveridade da pobreza é maior no campo.

Apesar de haver uma forte redução desse indicador tanto no total quanto nas áreas rurais

do Nordeste, essa redução foi maior no total da população nordestina.

No universo dos microempresários rurais nordestinos, temos novamente

números favoráveis a esse grupo de pequenos empreendedores. Além da severidade da

pobreza ser menor entre os microempresários, a redução nos últimos anos também foi

maior para esse grupo (de 1992-2009 redução de 64,7% para os microempresários

contra 61,24% no total; entre 2003-2009, redução de 48,8% para os micrompresários

contra 44,1% do total).


21.7 21.7

14.716.6 15.6

14.015.3 14.4

12.9 14.012.2

10.79.1 9.2

7.5 7.4

29.531.4

21.7 22.4 23.220.6

22.0 21.219.5 20.5

17.816.2 15.2

13.611.7 11.5

0.0

5.0

10.0

15.0

20.0

25.0

30.0

35.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Hiato Quadrático da Pobreza (P2) no Nordeste

Total Rural

39


29.531.4

21.7 22.4 23.2

20.622.0 21.2

19.5 20.5

17.816.2

15.213.6

11.7 11.5

23.725.9

18.7 18.720.1

17.415.7

17.0 16.6 16.314.9

13.812.2

10.08.5 8.4

0.0

5.0

10.0

15.0

20.0

25.0

30.0

35.0

1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 2005 2006 2007 2008 2009

Hiato Quadrático (P2) no Nordeste Rural


40

Acesso a serviços financeiros – crédito pessoal

No que tange especificamente ao acesso a crédito pessoal, a comparação mais

relevante se dá entre as áreas rurais do Nordeste e do restante do país, onde tanto cartão

de crédito quanto o cheque especial são bem mais difundidos, seja na população total ou

no universo dos microempresários. Observa-se que a diferença regional é de quase três

vezes entre os que tinham acesso a cartão de crédito e dez vezes entre os que tinham

cheque especial. Na comparação entre populações, as maiores variações no acesso a

crédito foram no grupo de microempresários, que também apresentaram níveis

superiores aos da população total, apesar de baixos para o padrão nacional.

Tem Cartão de Crédito %

Categoria Ano Classe Nordeste rural

Var 03-09

Não Nordeste

rural

Var 03-09

Sim 2009

Total 2,94

58,06% 7,79

8,80% 2003 1,86 7,16

Sim 2009

Microempresários 4,76

161,54% 14,62

35,50% 2003 1,82 10,79

Fonte: CPS/FGV a partir dos dados da POF/IBGE 2003/2009

Tem Cheque Especial %


Var 03-09

Não Nordeste

rural

Var 03-09

Sim 2009

Total 0,59

-18,06% 5,27

-12,46% 2003 0,72 6,02

Sim 2009


50,40% 15,11

23,85% 2003 1,25 12,2


Panorama de Despesas

A POF (Pesquisa de Orçamentos Familiares) é realizada a cada 6-7 anos pelo

IBGE. Além das informações referentes à estrutura orçamentária, a POF investiga ainda

várias características particulares dos domicílios e de seus indivíduos, como idade, nível

de escolaridade e outras informações detalhadas sobre as condições de vida. O

Panorama construído a partir de POF é um banco de dados interativo que permite

avaliar a renda e despesa média com empréstimos em termos mensais.

41

Dada riqueza de informações e cruzamento possíveis, disponibilizamos no site

da pesquisa um panorama regional, onde podemos analisar o perfil dos

microempresários e as necessidades especificas de cada lugar. Essas informações estão

disponíveis para a população total e diferentes grupos de renda que vão desde as classes

econômicas ate os grupos de renda mais baixa, calculados por diferentes conceitos.

Dentre os cruzamentos possíveis destacamos, i) Características Demográficas como

sexo, escolaridade, raça, posição na família, idade, ii) Características Sócio-

Econômicas como posição na ocupação, classe econômica, contribui para previdência

pública, posse de ativos financeiros, iii. Características Espaciais, iv) Avaliação de

Condição de Vida como renda familiar, quantidade e tipo de alimento consumido,

acesso a serviços, condições de moradia, e problemas locais.

http://www.cps.fgv.br/cps/bd/crag/despesas/index3-e.htm

Análise das Variáveis Subjetivas POF no Nordeste Rural

Uma das vantagens da Pesquisa de Orçamentos Familiares (POF) é permitir uma

análise de dados relativos às finanças pessoais dos microempresários sem comparação

no universo de microdados representativos do contexto brasileiro. Como o objetivo

dessa seção é caracterizar o Agroamigo, contemplamos os dados referentes ao Nordeste

rural, mas fazendo comparações com outras regiões quando essas se mostram

42

relevantes. A novidade é a caracterização dos clientes a partir de questões subjetivas

para captar a percepção da qualidade de vida.

Renda Familiar

Dentre as variáveis subjetivas da POF, existe uma pergunta que é se “a renda

familiar permite que você leve a vida até o final do mês com dificuldade ou facilidade”.

Pelas respostas dadas pelos indivíduos nas áreas rurais, percebemos uma melhora nos

números: em 2003, 94,15% da população do Nordeste rural respondeu que tinham

dificuldades de levar a vida até o final do mês com a renda familiar auferida. Em 2009,

esse número passa para 89,85%, representando uma queda de aproximadamente 4,6%.

Apesar da melhora em relação à renda familiar auferida pelas pessoas, ela foi muito

pequena em relação ao período de análise, que é de 6 anos, e quase a totalidade das

pessoas no Nordeste rural ainda levam a vida com dificuldade. Quando analisamos os

mesmos dados para os microempresários rurais nordestinos, os números são um pouco

melhores, mas ainda muito ruins. Em 2003, 92,78% desses microempresários tinham

dificuldades com a renda familiar que auferiam, número que cai para 87,21% em 2009

(queda de 6%). Os dados indicam, portanto, que houve pequena melhora na renda do

Nordeste rural, mas essa variação não foi tão significativa a ponto de alterar o histórico

de dificuldade socioeconômica da região.

Renda Familiar permite que você leve a vida até o fim do mês com:

Categoria Ano Classe Nordeste rural Var 03-09

Dificuldade 2009

Total 89,85

-4,57%

2003 94,15

Dificuldade 2009


-6,00% 2003 92,78


Quantidade e tipo de alimentos consumidos

Se a percepção do nível total de renda indica que a situação no campo ainda é

ruim, a qualidade de vida, aqui representada pela quantidade e tipo de alimentos

consumidos, é um pouco mais otimista, pelo menos no que tange variações. Em relação

ao tipo de alimento consumido, somente 8,1% da população total no Nordeste rural

43

consumiam sempre o alimento do tipo que queriam em 2003. De 2003 para 2009 há um

crescimento de 71,5%, e o número passa para 13,9%. Analisando somente os

microempresários rurais nordestinos, a porcentagem de pessoas que consumiam sempre

o alimento do tipo que queriam sai de 10,72% para 17,16% (melhora de

aproximadamente 60%). Percebe-se que enquanto em nível os microempresários estão

um pouco melhores do que o total da população, a variação no total é mais significativa

do que entre os microempresários. No entanto, mesmo com altas taxas de evolução,

tanto do total como dos microempresários (acima de 60%), ainda é muito baixo o

número de pessoas que sempre consomem o alimento do tipo que querem.

Quantidade de Alimentos


Var 03-09

É Sempre Suficiente

2009 Total

38,13 32,90%

2003 28,69

É Sempre Suficiente

2009 Microempresários

41,07 32,23%

2003 31,06 Fonte: CPS/FGV a partir dos dados da POF/IBGE 2003/2009

Condições de moradia e acesso a serviços básicos

A análise das variáveis subjetivas referentes à qualidade de vida sugere que o

campo nordestino não desfruta das melhores condições de moradia em relação ao

restante do campo tupiniquim. Na comparação entre grupos populacionais, os

microempresários nordestinos apresentam melhor equilíbrio entre moradias boas e

satisfatórias.

Condição de Moradia

Categoria Ano Classe Nordeste

rural Var 03-

09

Não Nordeste

rural Var 03-

09

Boas

2009

Total

39,7

0,76%

49,92

7,26% 2003 39,4 46,54

Boas

2009

Microempresários

43,12

6,86%

53,36

9,66% 2003 40,35 48,66

Satisfatórias

2009

Total

45,3

22,50%

38,25

2,77% 2003 36,98 37,22

Satisfatórias 2009 Microempresários 43,05 14,95% 36,1 -4,14%

44

2003 37,45 37,66 Fonte: CPS/FGV a partir dos dados da POF/IBGE 2003/2009

O abastecimento de água é um problema crônico dos nordestinos, em maior

medida no campo, dado o caráter essencial da água para as atividades econômicas e,

consequentemente, para a sobrevivência de pessoas e animais. Um dos motes da

campanha dos presidentes Lula e Dilma era justamente quanto às obras de transposição

do Rio São Francisco, que deveria melhorar os serviços de água da região, permitindo a

expansão das produções agropecuárias, principalmente dos pequenos produtores rurais.

Na tabela abaixo indicamos a percepção na qualidade do abastecimento de água,

dividido em ‘bom’ e ‘ruim’. Entre microempresários e o restante da população não há

diferenças relevantes no nível de acesso. O dado mais significativo é relativo à falta do

serviço, isto é, 42% dos nordestinos não possuem água proveniente da rede de

distribuição nem de poços ou nascentes.

Serviço de Água %


rural Var 03-09

Não Nordeste

rural

Var 03-09

Bom 2009

Total 37,93

63,00% 51,28

28,81%

2003 23,27 39,81

Bom 2009


63,06% 51,33

52,22% 2003 24,15 33,72

Ruim 2009

Total 19,02

59,30% 9,52

37,97% 2003 11,94 6,9

Ruim 2009


32,21% 7,27

50,83% 2003 13,66 4,82


Completando o quadro do saneamento temos drenagem e escoamento, que

encontra barreiras logísticas para a expansão no campo. A tecnologia de oferta depende

muito das economias de densidade da área coberta. Em áreas densamente povoadas, é

comum o uso de unidades tratadoras de água e esgoto que obtém água de fontes e

direcionam ao mercado consumidor através de redes subterrâneas de transporte,

enquanto em áreas pouco povoadas, é possível contar com sistemas mais simples. Os

dados abaixo corroboram o argumento, bastando observar a dicotomia urbano-rural.

45

Drenagem e Escoamento

Categoria Ano Classe Nordeste urbano

Nordeste rural

Não Nordeste urbano

Não Nordeste

rural

Bom

2009

Total

54,63 37,32 65,84 40,43

2003 46,75 19,83 58,64 21,81

Bom

2009

Microempresários

56,25 38,28 66,99 37,06

2003 48,07 20,32 60,87 20,65

Ruim

2009

Total

36,21 21,35 26,87 17,41

2003 25 10,04 21,94 7,39

Ruim

2009

Microempresários

35,04 20,78 25,43 15,4

2003 26,18 8,17 21,75 6,36 Fonte: CPS/FGV a partir dos dados da POF/IBGE 2003/2009

Outro gargalo estrutural do campo é o acesso à energia elétrica, bastando ver que

as áreas urbanas apresentam taxas de acesso à eletricidade de qualidade entre 20% e

25% maiores que as áreas rurais. Entre os microempresários essa diferença sobe para

28%. É interessante notar que há melhoria na qualidade da infraestrutura, mas a maior

variação se dá nas instalações de baixa qualidade, indicando que a inclusão elétrica se

deu em um nível mais baixo, isto é, quem não tinha acesso passa a tê-lo, mas considera-

o ruim.

Energia Elétrica %


rural Var 03-

09

Não Nordeste

rural Var 03-

09

Bom

2009

Total

72,27

14,48%

74,42

-0,45% 2003 63,13 74,76

Bom

2009

Microempresários

69,64

13,38%

70,15

-1,56% 2003 61,42 71,26

Ruim

2009

Total

15,95

79,82%

13,35

44,79% 2003 8,87 9,22

Ruim

2009

Microempresários

17,94

87,85%

14,45

38,15% 2003 9,55 10,46 Fonte: CPS/FGV a partir dos dados da POF/IBGE 2003/2009

Fechando o grupo de serviços essenciais, temos a coleta de lixo, com baixíssima

quantidade e qualidade percebida, em especial no nordeste rural. Dentre as

externalidades geradas pela baixa oferta de serviços básicos no campo, destacamos a

46

baixa produtividade ocasionada pela pequena estrutura elétrica e de abastecimento de

água, que impacta diretamente na renda (ou lucro) dos nordestinos.

Coleta de Lixo


rural Var 03-

09

Não Nordeste

rural Var 03-

09

Bom

2009

Total

14,13

26,50%

27,6

3,22% 2003 11,17 26,74

Bom

2009

Microempresários

12,38

34,71%

21,39

16,00% 2003 9,19 18,44

Ruim

2009

Total

6,63

79,67%

9,33

68,11% 2003 3,69 5,55

Ruim

2009

Microempresários

5,32

67,82%

7,4

54,49% 2003 3,17 4,79 Fonte: CPS/FGV a partir dos dados da POF/IBGE 2003/2009

Bolsa Família

O Bolsa Família pode ser a explicação da melhora da ‘qualidade’ de vida no

campo, visto que 14,54% dos nordestinos recebem o benefício, número inferior aos

microempresários beneficiados (23,14%). O fato de a porcentagem de microempresários

beneficiários do Bolsa Família ser maior do que em relação ao total do Nordeste rural é

de extrema importância para a nossa análise. Tradicionalmente, os microempresários

pobres sofrem com restrições de crédito, muitas vezes pelo fato de não possuírem

propriedade ou outro ativo que possa servir como colateral. Nesse sentido, o Bolsa

Família pode ajudar a diminuir a restrição e aumentar a oferta de crédito para esses

microempresários, dado que pode servir como colateral. É possível que haja uma

interação de políticas públicas no sentido de melhorar a condição de vida dos

microempresários nordestinos, de modo que uma política pode alavancar a outra.

Recebe bolsa família


rural

Sim 2009 Total 14,54

Sim 2009 Microempresários 23,14 Fonte: CPS/FGV a partir dos dados da POF/IBGE 2009

47

Problemas com violência

Um dos maiores problemas atuais do Brasil, como já sabemos, é a violência, que

vem crescendo bastante ao longo dos últimos anos. O Nordeste rural não escapa desse

problema, como os dados da POF nos mostram ao analisarmos a pergunta se a pessoa

vive em áreas com problemas com violência. No total do Nordeste rural, houve um

aumento de aproximadamente 33% no percentual de pessoas que percebem viver em

áreas violentas (vai de 11,65% em 2003 para 15,46% em 2009). Dentre os

microempresários rurais nordestinos, o mesmo fenômeno é observado, com um

aumento na percepção de violência de 33,36% (11,18% em 2003 e 14,9% em 2009).

Apesar de o Brasil e, principalmente, o Nordeste e as áreas rurais passarem por uma

série de avanços sociais como aumento de renda, formalização, queda da desigualdade,

ajuda de programas sociais, entre outros, a violência é um fenômeno que não vem

apresentando melhora nos últimos anos, pelo contrário. O índice de criminalidade nas

cidades brasileiras e no campo vem aumentando na última década, mas a percepção de

violência no Nordeste cresceu oito vezes mais que no restante do país (variação de

31,04% contra 3,89%).

Problemas com Violência


rural Var 03-

09

Sim

2009

Total

15,46

32,93% 2003 11,63

Sim

2009

Microempresários

14,91

33,36% 2003 11,18 Fonte: CPS/FGV a partir dos dados da POF/IBGE 2003/2009

Inadimplência

Entre os tipos de atrasos de pagamentos que a POF permite analisar – atraso de

aluguel ou prestações da casa; atraso de luz, gás, água, e atraso no pagamento de bens e

serviços – o segundo é uma boa aproximação de uma medida comparável à

inadimplência creditícia. O ponto principal é que há um custo moral de se atrasar o

pagamento dos bens e serviços, que envolve a reputação perante o fornecedor dos bens

ou serviços – predominante em cidades menores, onde as relações interpessoais entre

cliente e fornecedor são muito presentes. Isto significa que existe um relacionamento

entre as partes que deve ser levado em conta, assim como na relação entre o cliente

48

tomador de um empréstimo e a instituição emprestadora. O custo de se tornar

inadimplente envolve não só o risco de “ir para o SPC”, mas também o de não ter o

crédito renovado, ou obtê-lo em condições menos favoráveis. As variáveis de atraso

permitem inferir sobre o potencial de inadimplência dos possíveis novos clientes do

Agroamigo.

Atraso na Água, Eletricidade, Gás, etc.

Vamos olhar primeiramente para o atraso nas contas de serviços do domicílio

como água, eletricidade, gás, etc. Olhando para os dados do Nordeste rural, percebemos

um aumento de 25,44% no percentual de pessoas que atrasam o pagamento dessas

contas. Em 2003, 32,75% dos nordestinos que vivem no campo reportaram atrasar esse

tipo de conta, número que vai para 41,08% em 2009. Dentre os microempresários da

região, há um aumento ainda maior no atraso, de 28,6% (21,09% em 2003 e 39,98% em

2009). A análise dessa variável de atraso nos permite atentar para o risco crescente de

endividamento das famílias nordestinas que vivem nas áreas rurais, principalmente os

microempresários. Em comparação com o restante das áreas rurais brasileiras, o

Nordeste rural, área de atuação do Agroamigo, é líder de atraso nas contas domésticas

tanto em nível quanto em variação nos dois segmentos da população selecionados,

como indicado na tabela abaixo.

Atraso na Água, Eletricidade, Gás, etc...


rural Var 03-

09

Não Nordeste

Rural

Var 03-09

Sim

2009 Total

41,08 25,44%

24,98 2,63%

2003 32,75 24,34

Sim

2009 Microempresários

39,98 28,59%

21,19 0,95%

2003 31,09 20,99 Fonte: CPS/FGV a partir dos dados da POF/IBGE 2003/2009

Atraso na Prestação de Bens/Serviços

Para complementar a análise de inadimplência, olhamos para o atraso na

prestação de bens e serviços. Assim como em relação ao atraso na água, eletricidade e

gás, porém em menor grau, houve um aumento no percentual de pessoas que reportaram

ter atrasado o pagamento na prestação de bens e serviços. No total da população rural

49

nordestina, o aumento foi de 6,56% (passa de 27,27% para 29,06% entre 2003 e 2009).

Dentre os microempresários, o aumento também foi superior ao total da população,

assim como na análise anterior. Houve um aumento de aproximadamente 12,6% na

proporção de pessoas que atrasam pagamentos na prestação de bens e serviços (vai de

26,11% em 2003 para 29,44% em 2009).

Atraso na Prestação de Bens / Serviços


rural Var 03-

09

Sim

2009

Total

29,06

6,56% 2003 27,27

Sim

2009

Microempresários

29,44

12,58% 2003 26,15 Fonte: CPS/FGV a partir dos dados da POF/IBGE 2003/2009

51

4. O Crédito Agrícola e Agricultura Familiar: uma anál ise a partir

do Censo Agropecuário

Nas seções anteriores apresentamos análises centradas em bases de dados mais

gerais, como PNAD, PME e POF, as quais apresentam um “retrato em preto e branco”

dos microempresários rurais. Nesta seção, apresentamos um ‘avanço tecnológico’ que

nos permitirá colorir o retrato inicial com informações relevantes sobre as atividades

econômicas realizadas pelos produtores e empresas agropecuários. Essa tecnologia

atende pelo nome de Censo Agropecuário (CA) cujos dados estruturais sobre o setor

agropecuário contemplam posse de capitais, tipo de receitas, finalidade do empréstimo,

dentre outros. Apesar de certa defasagem temporal, uma vez que os dados do CA têm

como referência o ano de 2006, a riqueza de detalhes disponível não pode – nem deve –

ser desprezada. Aproveitamos para integrar a agricultura familiar e o crédito agrícola,

discutindo a importância de cada um no desenvolvimento do campo.

Agricultura familiar e o crédito agrícola.

A trajetória do crédito agrícola (valores constantes 2010), mostrada no gráfico

abaixo em comparação com a área e produção de grãos no país, indica que o declínio na

oferta de crédito rural na década de 80 e início dos anos 90 não impactaram da mesma

forma a produção de grãos no período, pelo contrário, verifica-se um aumento

principalmente via produtividade a partir da incorporação de tecnologias, tendo em vista

que a área de certa forma se manteve estável e a produção obteve ganhos significativos.

A partir da segunda metade dos anos 90, verifica-se uma retomada gradativa e

monotônica do crédito rural no país, com um maior incentivo para a modernização de

bens de capital como a compra de tratores e colheitadeiras (MODERFROTA) e o

programa de agricultura familiar (PRONAF), lançado em 1996. Esse Programa desde os

seus primórdios é apresentado pelos seus idealizadores como instrumento de política

pública de maior impacto para o meio rural do país, tendo como princípio a figura de

um agricultor familiar empreendedor, uma espécie de protótipo do pequeno capitalista

agressivo. Entre os objetivos do Programa destacam-se, a preocupação com a melhoria

das condições de vida dos agricultores familiares e a disposição de propiciar condições

para o aumento da capacidade produtiva. Em síntese, o programa vem norteando uma

mudança na política de crédito agrícola brasileiro, pois o Estado que sempre qualificou

52

o grande contingente de pequenos produtores rurais como ineficientes do ponto de vista

produtivo, portanto, desmerecedores de qualquer tipo de proteção ou incentivo,

começou a direcionar recursos a essa parcela de agricultores, que de acordo com o

último censo agropecuário representam cerca de 84,4% dos estabelecimentos

agropecuários do país.

Fonte: Anuário estatístico/BACEN (2010) e LSPA/IBGE (2010)

Segundo Delgado (2001), a tomada do grande capital no meio rural muito serviu

para aprofundar a concentração da propriedade da terra e da renda, dificultando a

reprodução socioeconômica dos pequenos produtores familiares e criando uma massa de

desempregados e subempregados no campo. As alternativas de sobrevivência

disponíveis para os pequenos produtores familiares que não se integraram com as

agroindústrias e decidiram permanecer no campo se restringiam a tentar a sorte na

fronteira agrícola ou procurar manter-se na área de origem, intensificando a produção

no espaço disponível ou, ainda, buscar complementar a renda em ocupações agrícolas e

não agrícolas fora da fazenda.

Adicionalmente, o incremento tecnológico exigiu menor dedicação de trabalho

no campo, podendo o agricultor e a sua família se dedicar a outras atividades em

Crédito Rural, Área e Produção de Grãos - Brasil, 1975 - 2010

0

20.000.000

40.000.000

60.000.000

80.000.000

100.000.000

120.000.000

140.000.000

160.000.000

197519761977197819791980198119821983198419851986198719881989199019911992199319941995199619971998199920002001200220032004200520062007200820092010

Crédito rural (R$1000)

Área colhida (ha)

Produção obtida (ton.)

53

paralelo à produção. Essa mudança estrutural no campo teve a sua consolidação com o

trabalho intitulado “Novo rural brasileiro” (Graziano, 1997) que constatou uma maior

taxa de crescimento da PEA rural na década de 80 quando comparada a PEA agrícola, o

que em grande parte seria um reflexo ao crescimento das ocupações na categoria dos

serviços em função de uma melhoria e urbanização do campo. A pesquisa também

revelou que houve um aumento na PEA daqueles que trabalham menos de 15 horas,

confirmando a importância do trabalhador part-time no processo produtivo recente.

Segundo Graziano esse movimento foi responsável pelo quase fim do êxodo rural, onde

o agricultor não mais necessitava alterar de cidade em busca de maiores rendimentos,

bastava apenas mudar de atividade ou se inserir em outra (Graziano da Silva, 2002; Del

Grossi & Campanhola, 2002). O que é consenso é que, sem dúvida, o rural brasileiro é

impulsionado pela atividade agrícola, mas as atividades não-agrícolas tornaram-se cada

vez mais importantes para essa população.

Hoje, as transformações ocorridas no campo alteraram principalmente as

características do subgrupo composto pelos “pequenos agricultores”, onde grande parte

passa a ter acesso a crédito, tecnologias e contratos, antes somente disponíveis aos

produtores mais abastados. Outro elemento é que também as relações sociais, os

arranjos produtivos e familiares, bem como a sua reprodução, se alteraram

significativamente, e esta parcela de “pequenos agricultores” não mais pode ser vista

como uma representação apenas da lógica da produção e da sua rentabilidade

econômica, mas sim com elementos que retratam a sua diversidade social. E é neste

contexto que surge o termo agricultura familiar, numa tentativa de se resgatar essas

relações sociais, possibilitando avaliar as necessidades e objetivos da família enquanto

proprietários e trabalhadores, cuja gestão do negócio e o trabalho passam a ser fatores

que estão intimamente relacionados, numa espécie de identidade entre propriedade-

trabalho-família, situação distinta do modelo vigente em sua contraposição – o da

agricultura patronal.

No entanto, Navarro (2010) aponta para o cuidado quanto ao recorte empregado,

uma vez que o grupo de agricultores familiares não pode ser visto como uma espécie

homogênea, alvo de uma política discricionária que sugere que todos os produtores são

carentes das mesmas necessidades de fomento da sua atividade, mas que na verdade,

não o são. De certo, o próprio MDA através do Programa Nacional de apoio a

54

Agricultura Familiar (PRONAF) reconhece isso, estabelecendo uma tipologia entre os

agricultores dessa categoria em tipos A, B, C e D (PRONAF, 2002).

Portanto, mesmo dentro da categoria “agricultura familiar” há uma grande

heterogeneidade quanto ao acesso e uso de tecnologia, estrutura de gestão da produção e

à propriedade da terra, de modo que as políticas públicas para o setor devem levar em

conta as reais necessidades de cada grupo de agricultores, estabelecendo distintas ações

do Estado. Por exemplo, seria o caso em que agricultores mais pobres e carentes de

ativos necessários à produção agrícola fossem alvos de uma política mais imediata de

combate à pobreza, enquanto os mais aptos à sobrevivência do mercado deveriam ser

aqueles majoritariamente elegíveis às ações de fomento da atividade produtiva. De

acordo com Roffmann (2010) essa divisão bipolarizada, do tipo agricultura familiar e

não familiar, ainda que consagrada por lei, não representa as particularidades das muitas

“agriculturas” que temos no Brasil, sendo objeto de medidas menos eficientes do ponto

de vista das políticas públicas (Carneiro, 1999; Abramovay & Veiga, 1998)2., e servem

ainda mais para acirrar o confronto entre esses grupos na divisão dos recursos do

Estado.

Outro ponto é que, além de viabilizar e facilitar a modernização por parte desses

produtores, o PRONAF aliado às políticas de transferências de renda como o Bolsa

Família elevou a resistência dos mais pobres produtores aos processos históricos de

pauperização e marginalização, concorrendo para a manutenção do núcleo familiar em

seus estabelecimentos. Segundo Buaniain & Dedeca (2011), esse foi um movimento que

muito ajudou a aumentar a participação do autoconsumo na renda, em especial nos

estabelecimentos mais improdutivos, que de certa forma seriam expulsos da agricultura.

Uma analise complementar, é que as políticas de transferências, as

aposentadorias e pensões muito serviram como uma espécie de seguro agrícola,

garantindo uma renda mínima ao produtor familiar, mesmo que se sua produção não se

concretizasse, tendo em vista as incertezas inerentes da atividade agrícola.

Adicionalmente, essa redução de insegurança no campo se refletiu não apenas no

produtor rural, mas também quanto a sua própria oferta do trabalho temporário e de sua

2 É extremamente necessário compreender quem é quem entre os agentes elegíveis de

programas de política pública, ou seja, distinguir aqueles agricultores com potencial imediato de geração de renda a partir do fomento da sua produção daqueles com necessidade prementes de recebimento de renda, incapazes de gerar renda no curto prazo.

55

família, no sentido de colocar-se no mercado de trabalho com safrista ou diarista

(Buaniain & Dedeca, 2011).

De fato, os dados do Censo Agropecuário – Agricultura Familiar (IBGE, 2009b)

evidenciam a participação de agricultores familiares em atividades fora do

estabelecimento rural como fonte de renda e sua participação em programas de

financiamento rural, salvo que há restrições para a quantidade ganha fora do

estabelecimento visando não descaracterizar o que se define como agricultores

familiares. “O programa de Fortalecimento da Agricultura Familiar – PRONAF

enquadra os produtores rurais como beneficiários de linhas de crédito rural quando

atendem aos seguintes requisitos: sejam proprietários, posseiros, arrendatários, parceiros

ou concessionários da Reforma Agrária; residam na propriedade ou em local próximo;

detenham, sob qualquer forma, no máximo 4 (quatro) módulos fiscais de terra, ... com

80% da renda bruta anual familiar advinda da exploração agropecuária ou não

agropecuária do estabelecimento e mantenham até 2 (dois) empregados permanentes –

sendo admitida a ajuda eventual de terceiros” (TINOCO, 2008, p.1).

O Censo Agropecuário, Agricultura familiar e o Crédito Agrícola.

O Censo Agropecuário adotou o conceito de agricultura familiar conforme a Lei

11.326 de 24 de julho de 2006 (IBGE 2009b) possibilitando enquadramento do

estabelecimento agropecuário segundo critérios legalmente estabelecidos a partir das

variáveis coletadas como área e de aspectos da produção agrícola e renda familiar,

utilizando o método de exclusão sucessivas e complementares, ou seja, para o

estabelecimento ser classificado como de “agricultura familiar“ precisava atender

simultaneamente a todas as condições estabelecidas. No entanto, a elaboração do

questionário do censo agropecuário é anterior ao sancionamento da Lei 11.326 e,

portanto, a delimitação do público da agricultura familiar pelo IBGE seguiu os

procedimentos metodológicos procurando se enquadrar (IBGE, 2009b);

1. O estabelecimento agropecuário não foi considerado de agricultura familiar

se a área total do estabelecimento fosse maior que quatro módulos fiscais;

2. Se o estabelecimento pertencia a produtores comunitários, mas estes

detinham frações por produtor maiores que quatro módulos fiscais, então o

estabelecimento agropecuário não foi considerado de agricultura familiar;

56

3. Se a unidade de trabalho familiar foi menor que a unidade de trabalho

contratado, então o estabelecimento agropecuário não foi considerado de

agricultura familiar;

4. Se em 2006 o rendimento total do empreendimento foi menor que o

quantitativo dos salários obtidos em atividades fora do estabelecimento,

então o estabelecimento agropecuário não foi considerado de agricultura

familiar;

5. Se quem dirigia o estabelecimento em 2006 era um administrador, uma

sociedade anônima (ou por cotas de responsabilidade limitada), uma

instituição de utilidade pública, governo (federal, estadual ou municipal),

então o estabelecimento agropecuário não foi considerado de agricultura

familiar;

6. Se a direção do estabelecimento, em 2006, era feita por um produtor através

de um capataz, ou pessoa com laços de parentesco, e contasse com

empregados (permanentes, temporários ou empregados parceiros) de 14 anos

ou mais de idade, então o estabelecimento agropecuário não foi considerado

de agricultura familiar;

7. Também não foram considerados de agricultura familiar se a condição legal

do produtor fosse registrada como cooperativa, sociedade anônima (ou por

cotas de responsabilidade limitada), instituição de utilidade pública ou

governo (federal, estadual ou municipal);

8. Se a classe da atividade econômica desenvolvida no estabelecimento

agropecuário foi a aquicultura e a área dos tanques, lagos e açudes do

estabelecimento era maior que 2 hectares, então o estabelecimento

agropecuário não foi considerado de agricultura familiar;

9. O estabelecimento agropecuário não foi considerado de agricultura familiar,

caso tenha havido venda de produtos da extração vegetal em 2006 e esta

venda tenha sido maior que a metade do total da receita da atividade

agropecuária, e se: no estabelecimento havia colheitadeiras, ou houve

contratação de mão de obra para colheita ou através de empreiteiro (pessoa

física) e o total de dias de empreitada foi maior que 30 dias; ou

57

10. Houve empregado temporário contratado para colheita e o número de diárias

pagas foi maior que 30 dias.

Em resumo os dados do censo revelam a importância deste segmento no país,

com destaque: i) a agricultura familiar é responsável por boa parte da segurança

alimentar no país, chegando a fornecer 86% da produção nacional de mandioca, 70% da

produção de feijão, 46% do milho e mais da metade da produção de leite, suínos e aves

(IBGE, 2009); ii) O Censo apontou um aumento desta efetividade da agricultura

familiar, principalmente em função do acréscimo de produtividade e maior

aproveitamento das terras pelos estabelecimentos familiares, demonstrando um

fortalecimento deste segmento rural (TRICHES e SCHINEIDER, 2010); iii) cerca de

73% do pessoal ocupado no meio rural brasileiro têm laços de parentesco com o

proprietário da terra, apontando para um estilo de produção predominantemente do tipo

familiar (PERES, 2009).

Da mesma forma com que fez com a Lei 11.326, procurando enquadrar o

estabelecimento de acordo com as características que atendem esse segmento, o Censo

Agropecuário também construiu um algoritmo com inúmeras variáveis procurando

enquadrar o estabelecimento agropecuário segundo as características dos beneficiários

de acordo com a Declaração de Aptidão ao Programa (DAP). O enquadramento do

estabelecimento agropecuário na tipologia do PRONAF possibilitou a divisão em seis

grupos de produtores: 1) não pronafianos ou aqueles não enquadrados no conceito de

agricultura familiar acima descrito; 2) grupo A – agricultores familiares assentados pelo

Programa Nacional de Reforma Agrária (PNRA) ou beneficiários do Programa

Nacional de Crédito Fundiário (PNCF); 3) grupo B – agricultores familiares que não

tem empregados permanentes e que os empregados não tenham trabalhados mais de 180

dias no ano; 4) grupo C – agricultores familiares que tem menos de 3 empregados

permanentes, cuja 60% da renda gerada na propriedade famíliar encontra-se entre

R$3.000 e R$16.000 anuais; 5) grupo D – agricultores familiares que tem menos de 3

empregados permanentes, cuja 70% da renda encontra-se entre R$16.000 e R$45.000

anuais; 6) grupo E - agricultores familiares que tem menos de 3 empregados

permanentes, cuja 80% da renda encontra-se entre R$45.000 e R$80.000 anuais.

58

Verifica-se que o enquadramento vai de um agricultor familiar em tese menos

capitalizado para um mais capitalizado, levando em conta o percentual de renda que

veio da atividade rural, o tamanho e gestão da propriedade e a quantidade de

empregados na unidade familiar. Para cada grupo existe um conjunto de linhas de

crédito, com condições e valores diferenciados, garantindo-se assim uma maior

proximidade da capacidade de endividamento da família com as alternativas de

financiamento de sua produção.

Entretanto, o Censo Agropecuário permite avaliar se o produtor obteve

financiamento em 2006, avaliando a origem deste recurso. Quanto a esse último item é

passível de análise no Censo verificar se os recursos foram públicos ou privados, mas

esta avaliação se dá com base na declaração do informante do estabelecimento

agropecuário. O problema é que muitos podem não conhecer a origem do recurso, uma

vez que são vários os tipos de agentes financeiros que intermediam o crédito no setor

rural. Por exemplo, se tomarmos como exemplo apenas o PRONAF, que é um programa

com recursos exclusivamente da União, são vários os agentes financeiros que operam

nesta modalidade, sendo alguns bancos privados e cooperativas de crédito, o que ajuda a

confundir o tomador quanto à origem do mesmo3. Além disso, boa parte do informante

do Censo não é diretamente o produtor, mas sim um administrador ou pessoa da família

que eventualmente desconhece o detalhamento do contrato e conseqüentemente a

origem dos recursos. Portanto, essa informação quanto à origem deve ser vista com

muita cautela no censo agropecuário.

Em síntese, o uso da variável origem do recurso, se do governo ou privado ou

mais especificadamente do PRONAF, podem não refletir a realidade em função da

dificuldade de captação da origem do crédito por motivos de desconhecimento do

informante. O próprio governo que oferta crédito via o Plano Agrícola e Pecuário (PAP)

oferece inúmeras modalidades para o agricultor: moderfrota, prodecoop, propflora,

moderagro, prodeagro, prodefruta, finame agrícola especial; LCA – Letra de Crédito do

Agronegócio; CDCA – Certificado de Direitos Creditórios do Agronegócio; CRA –

Certificado de Recebíveis do Agronegócio; PROp – contratos privados de opção de

venda e prêmio de risco de opção privada; CDA – Certificado de Depósito

Agropecuário; NCA – agrinorte ou Nota do Agronegócio; Preços Mínimos; AGF –

3 Já o PRONAF B, modalidade microcrédito, mesmo sendo operado apenas por bancos públicos federais

(Banco do Brasil, Banco do Nordeste, Banco da Amazônia\)

59

Aquisição do Governo Federal; EGF – Empréstimo do Governo Federal; LEC – Linha

Especial de Crédito à Comercialização; Contrato de Opção de Venda; Recompra ou

Repasse de Contrato de Opção de Venda; PEP e VEP – Prêmio e Valor de Escoamento

de Produtos; CPR – Cédula do Produtor Rural; NPR e DR – Notas Promissórias e

Duplicatas Rurais. Já para a agricultura familiar, tem-se: inscrição no DAP;

enquadramento no tipo de Pronaf: grupos A, A/C, B (microcrédito), C, agricultura

familiar, agroindústria, mulher, jovem, semiárido, agroecologia, floresta, eco, mais

alimentos, custeio e comercialização de agroindústria familiares, cotas-partes,

pescadores artesanais, extrativistas, silvicultores, sendo que para maioria desses casos

há de ter projeto e assistência técnica específica.

Os dados apresentados no Censo são aqueles declarados pelos produtores, sendo

que a maior parcela dos valores disponibilizados pelo PAP são captados por

cooperativas, agroindústrias (usinas sucroalcooleiras, do fumo, da laranja, do algodão,

frigoríficos, laticínios, da soja, do café, etc.), indústrias de tratores, máquinas e

equipamentos agrícolas, indústrias de insumos agrícolas, Trading, etc., e nestes casos,

muito provavelmente, o produtor nem saiba que acaba sendo beneficiado por estes

financiamentos, principalmente nos casos de comercialização, onde há uma diferença

mais significativa dos números captados no Censo e os números disponibilizados pelo

PAP.

Isso significa que optamos neste relatório por usar os dados do Censo

Agropecuário apenas avaliando se o estabelecimento foi tomador ou não de crédito em

2006, esquecendo a origem do recurso, se privado ou público ou se foi oriundo do

PRONAF. O que procuramos explorar neste trabalho é a caracterização do

estabelecimento segundo o seu enquadramento conforme a Lei 11.326, que trata sobre

agricultura familiar, e as diferentes características que o colocam dentro de um grupo

especial do PRONAF. Sem dúvida é essa a riqueza, a diferença e também a

complementaridade desta base de dados quando comparado aos registros

administrativos, ou seja, a possibilidade de se conhecer a fundo as características do

produtor e seu estabelecimento enquanto ferramenta de análise dos determinantes,

entraves e potencialidades do crédito agrícola como um todo, independente da origem

dos recursos, o que é de grande valia para o formulador de políticas públicas.

60

Análise de ativos: Colaterais, diversificação dos riscos e a capacidade de

alavancagem do crédito agrícola na agricultura familiar no nordeste brasileiro.

No Censo agropecuário a unidade investigada é o estabelecimento agropecuário,

enquanto unidades produtivas, diferentes das pesquisas domiciliares onde a investigação

está centrada no domicilio (PNAD) e na unidade de orçamento (POF). No Brasil, como

a maioria das atividades de produção agropecuárias está no setor das famílias, existe

uma boa relação entre o domicílio (família) e o estabelecimento agropecuário e, sendo

assim, é razoável estabelecermos uma relação direta, embora um estabelecimento possa

ter mais de um domicílio ou família relacionada, e um domicilio ter mais de um

estabelecimento.

A dificuldade de tratar o estabelecimento agropecuário apenas como unidade

produtiva ou negócio está no fato de que as finanças são de difícil separação entre a

origem e o destino, ou seja, o que é gerado e apropriado do negócio daquilo que é

exclusivamente da família. Neste caso, as despesas e as receitas se misturam, e não se

sabe se os gastos com luz, gasolina, água, dentre outros são do estabelecimento ou da

família. Da mesma forma as receitas independentes da sua origem, se da família ou do

próprio estabelecimento, tem destino diversos, o que chamamos de rendimento misto.

Esta é uma dificuldade em se estudar e se fazer uma análise enquanto negócio destes

tipos de estabelecimentos agropecuários chamados de agricultura familiar. Neste caso,

devemos olhar não apenas para o negócio, mas para a capacidade de pagamento e

alavancagem tomando a ótica da família, isto é, olhando para os diferentes tipos de

ativos que fazem o produtor, a sua família e o seu negócio prosperarem.

A posse de ativos físicos e também de capital natural pode ser vista como

determinante tanto para o acesso ao crédito, através do fornecimento de garantias

(colaterais), como para a sua alavancagem, tendo em vista que o componente estrutural

é um elemento fundamental para o retorno produtivo, reduzindo inclusive os riscos

inerentes à atividade agrícola. O emprego de tecnologias reduz sensivelmente os riscos

da atividade, o mesmo acontecendo com a disponibilidade hídrica e a preservação da

matas ciliares, dentre outros ativos ambientais que são reguladores naturais de um

agrosistema. Outro elemento passível de análise é o capital social que é um importante

ativo para o acesso ao crédito, como o nível de associativismo do empreendedor com

cooperativas, empresas agrícolas e a sua natureza jurídica, por exemplo.

61

Já o nível educacional, a experiência no negócio, as características da força de

trabalho que o produtor conta normalmente e, principalmente, o acesso a orientação

técnica são também elementos essencial para o sucesso do negócio, e conseqüentemente

a capacidade de alavancagem a partir da tomada de um crédito agrícola. Por último, o

capital financeiro é um elemento de análise sensível, pois é possível conhecer os

rendimentos da família e não puramente do negócio, o que representa a capacidade que

o produtor teria em honrar com seus compromissos financeiros, uma vez que algumas

fontes de rendimento não seriam sujeitas a flutuações de rendimento como acontece nas

fontes de rendimento provenientes exclusivamente da atividade agropecuária. Podemos

tomar como exemplo as aposentadorias, pensões rurais e trabalhos assalariados, que

servem tanto como uma espécie de garantia para o credor quanto para mitigar os riscos

do empreendimento na perspectiva do tomador.

Como método de análise, neste trabalho, procuramos centrar a avaliação em

cinco grandes grupos de ativos do produtor: o capital social, o físico, o humano, o

natural e o capital financeiro. O objetivo é avaliar a distribuição desses ativos segundo

os agricultores familiares tomadores de créditos ou não, percebendo qual seria a

importância desses no seu acesso (colaterais), na sua capacidade de diversificação do

risco (garantir a capacidade de pagamento e mitigação dos riscos do negócio) e até

mesmo para termos uma avaliação da capacidade de alavancagem do crédito. Para tal,

elencamos algumas variáveis agrupadas nestes tipos de ativos segundo o Censo

Agropecuário de 2006, a saber:

62

ATIVOS DOS ESTABELECIMENTOS AGROPECUÁRIOS SEGUNDOVARIÁVEIS DO CENSO AGROPECUÁRIO 2006

CAPITAL SOCIALNÃO É ASSOCIADO A COOPERATIVAS E A ENTIDADE DE CLASSE

CONDIÇÃO LEGAL PRODUTOR

QUEM DIRIGE O ESTABELECIMENTO?

SE O ESTABELECIMENTO ESTÁ INSCRITO NO CNPJ

COMO O PROD. OBTEVE TERRAS - COMPRA VIA CRED. FUNDIÁRIO

COMO O PROD. OBTEVE TERRAS - TITUL. REFORMA AGRÁRIA

COMO O PROD. OBTEVE TERRAS - HERANÇA

COMO O PROD. OBTEVE TERRAS - DOAÇÃO DE PARTICULAR

COMO O PROD. OBTEVE TERRAS - USUCAPIÃO

COMO O PROD. OBTEVE TERRAS - OUTRA

COMO O PROD. OBTEVE TERRAS - NÃO SABE

ESTAB. PROJ. ASSENTAMENTO DE FAMÍLIAS

CLASS. ATIV. ECON. GRUPO

CLASSIFICAÇÃO GRAU DE INTEGRAÇÃO AO MERCADO FAO/INCRA

ESPECIALIZAÇÃO DO ESTABELECIMENTO

CAPITAL HUMANONÍVEL INSTRUÇÃO DO DIRIGENTE DO ESTABELECIMENTO

HÁ QUANTOS ANOS DIRIGE OS TRABALHOS DO ESTABELECIMENTO

SE O ESTAB. RECEBE ORIENTAÇÃO TÉCNICA

CLASSIFICAÇÃO DO ESTABELECIMENTO RELAÇÃO DE TRABALHO FAO/INCRA

SE CONTRATOU ALGUM SERVIÇO

SE HOUVE CONTRATAÇÃO DE EMPREGADOS TEMPORÁRIOS EM 2006

HOUVE UTILIZAÇÃO DE EMPREGADOS SEM LAÇOS DE PARENTESCO COM O PRODUTOR

EXISTEM PESSOAS (FAMILIA) COM QUALIFICAÇÃO PROFISSIONAL

CAPITAL FISICOSE UTLIZA ENERGIA ELÉTRICA

SE UTILIZA FORÇA DE TRAÇÃO ANIMAL E/OU MECÂNICA

UTILIZOU PRÁTICAS AGRÍCOLAS

SE FAZ ADUBAÇÃO NO ESTABELECIMENTO

SE UTILIZA AGROTÓXICO PARA CONTROLE DE PRAGAS/DOENÇAS

SE FAZ AGRICULTURA ORGÂNICA

SE FEZ IRRIGAÇÃO NO ESTABELECIMENTO

GRUPO DE ÁREA TOTAL

TEM POÇOS COMUNS

TEM CISTERNAS

CAPITAL NATURALSE TEM NASCENTES NO ESTABELECIMENTO

SE TEM RIOS OU RIACHOS NO ESTABELECIMENTO

SE TEM LAGOS NATURAIS OU AÇUDES NO ESTABELECIMENTO

CAPITAL FINANCEIROEXISTEM PESSOAS QUE RECEBEM SALÁRIO NA FAMILIA

EXISTEM PESSOAS EM ATIVIDADES NÃO-AGROPECUÁRIAS

SE EM 2006, O PRODUTOR TEVE ATIVIDADE FORA DO ESTABELECIMENTO

MEMBRO FAM PROD TEVE ATIVIDADE FORA DO ESTABELECIMENTO

63

Capital Social

A tabela 1 traz a proporção de estabelecimentos da agricultura familiar que

obtiveram financiamento em 2006 via à vis a proporção daqueles que não obtiveram,

segundo várias características que indicam a presença de ativos associados ao capital

social. Em linhas gerais, observa-se que estabelecimentos que são associados a

cooperativas ou entidades de classes têm uma maior probabilidade de obtenção de

crédito (27%), quando comparada aos que não são associados, cuja probabilidade de ter

obtido um financiamento é de 11% apenas. No entanto, observa-se que essa diferença

nas probabilidades segundo a presença e a ausência deste tipo de capital social é menor

na Região Nordeste, onde a probabilidade de ter financiamento chega a 18% e 10%,

respectivamente. Talvez seja um indício das cooperativas deste Estado pouco atuarem

neste segmento em comparação às do Sudeste e do restante do Brasil, e que no Nordeste

talvez esse não seja o caminho mais fácil para obtenção do crédito quando comparado

às demais regiões do país.

Quanto à natureza jurídica, estabelecimentos inscritos no CNPJ tem 21% de

probabilidade de obterem crédito, ao passo que aqueles não inscritos tem 18% no Brasil

e apenas 13% no Nordeste, o que indica a importância de ser pessoa jurídica na

obtenção de crédito nesta última região quando comparada as demais do país. Em geral

é maior a probabilidade de sucesso ao crédito na agricultura familiar para

estabelecimentos oriundos de projetos de assentamentos ou quando a posse da terra se

deu via título fundiário ou de reforma agrária, o que evidencia uma “ação casada” entre

a oferta de crédito e a cessão de direitos de propriedade por parte do Estado. Sem

dúvida esse é um casamento que proverá um retorno à política fundiária no país.

A integração ao mercado também tende a ser um elemento de extrema

importância para o retorno do crédito na agricultura familiar, até mesmo para a sua

obtenção, onde estabelecimentos pouco integrados têm menor probabilidade de acesso,

embora esse seja um fenômeno de igual relevância para as regiões analisadas. Já o grau

de especialização não se mostrou como um significativo elemento para obtenção do

crédito na agricultura familiar embora se observe que a atividade de maior sucesso na

obtenção do crédito é a atividade econômica de produção de lavouras temporárias

(20%) e sementes e mudas (26%), enquanto que na região nordeste as probabilidades se

distribuem mais uniformemente, com maior destaque para a pecuária e criação de outros

animais (16%).

64

TABELA 1: CRÉDITO AGRÍCOLA NA AGRICULTURA FAMILIAR SEGUNDO CAPITAL SOCIAL

CAPITAL SOCIAL NA AGRICULTURA FAMILIAR

NÃO É ASSOCIADO A COOPERATIVAS E A ENTIDADE DE CLAS SE Não Sim Não Sim Não Sim

Não é associado a cooperativas e a entidades de classe 0,90 0,10 0,90 0,10 0,89 0,11

É associado a cooperativa e/ou entidade de classe 0,82 0,18 0,77 0,23 0,73 0,27

CONDIÇÃO LEGAL PRODUTOR Proprietário individual 0,87 0,13 0,85 0,15 0,87 0,13

Condomínio, consórcio ou sociedade de pessoas 0,84 0,16 0,82 0,18 0,84 0,16

Outra condição 0,87 0,13 0,88 0,12 0,89 0,11

QUEM DIRIGE O ESTABELECIMENTO? Produtor (titular) diretamente 0,86 0,14 0,85 0,15 0,82 0,18

Produtor (titular) através de um capataz ou pessoa com laços de parentesco

0,91 0,09 0,91 0,09 0,90 0,10

Produtores (no caso de explorações comunitárias) 0,89 0,11 0,89 0,11 0,89 0,11

Outra pessoa 0,91 0,09 0,93 0,07 0,91 0,09

SE O ESTABELECIMENTO ESTÁ INSCRITO NO CNPJ Não 0,87 0,13 0,85 0,15 0,82 0,18

Sim 0,79 0,21 0,81 0,19 0,79 0,21

ESTAB. PROJ. ASSENTAMENTO DE FAMÍLIAS Não 0,87 0,13 0,86 0,14 0,82 0,18

Sim 0,85 0,15 0,82 0,18 0,83 0,17

COMO O PROD. OBTEVE TERRAS - COMPRA DE PARTICULAR Não 0,86 0,14 0,86 0,14 0,83 0,17

Sim 0,86 0,14 0,84 0,16 0,80 0,20

COMO O PROD. OBTEVE TERRAS - COMPRA VIA CRED. FUNDI ÁRIO Não 0,86 0,14 0,85 0,15 0,81 0,19

Sim 0,80 0,20 0,83 0,17 0,66 0,34

COMO O PROD. OBTEVE TERRAS - TITUL. REFORMA AGRÁRIA Não 0,86 0,14 0,85 0,15 0,81 0,19

Sim 0,84 0,16 0,81 0,19 0,82 0,18

COMO O PROD. OBTEVE TERRAS - HERANÇA Não 0,86 0,14 0,86 0,14 0,82 0,18

Sim 0,86 0,14 0,84 0,16 0,80 0,20

COMO O PROD. OBTEVE TERRAS - DOAÇÃO DE PARTICULAR Não 0,86 0,14 0,85 0,15 0,81 0,19

Sim 0,86 0,14 0,81 0,19 0,84 0,16

COMO O PROD. OBTEVE TERRAS - USUCAPIÃO Não 0,86 0,14 0,85 0,15 0,81 0,19

Sim 0,86 0,14 0,83 0,17 0,87 0,13

COMO O PROD. OBTEVE TERRAS - OUTRA Não 0,86 0,14 0,85 0,15 0,81 0,19

Sim 0,84 0,16 0,81 0,19 0,82 0,18

COMO O PROD. OBTEVE TERRAS - NÃO SABE Não 0,86 0,14 0,85 0,15 0,81 0,19

Sim 0,91 0,09 0,91 0,09 0,92 0,08

Classificação Grau de Integração ao Mercado FAO/INC RA Muito integrado 0,87 0,13 0,83 0,17 0,80 0,20

Integrado 0,83 0,17 0,81 0,19 0,74 0,26

Pouco integrado 0,86 0,14 0,86 0,14 0,85 0,15

Não classificado 0,94 0,06 0,96 0,04 0,95 0,05

CLASS. ATIV. ECON. GRUPO PRODUÇÃO DE LAVOURAS TEMPORÁRIAS 0,88 0,12 0,86 0,14 0,80 0,20

HORTICULTURA E FLORICULTURA 0,87 0,13 0,89 0,11 0,87 0,13

PRODUÇÃO DE LAVOURAS PERMANENTES 0,89 0,11 0,79 0,21 0,85 0,15

PRODUÇÃO DE SEMENTES, MUDAS E OUTRAS FORMAS

DE PROPAGAÇÃO VEGETAL 0,85 0,15 0,79 0,21 0,74 0,26

PECUÁRIA E CRIAÇÃO DE OUTROS ANIMAIS 0,84 0,16 0,87 0,13 0,83 0,17

PRODUÇÃO FLORESTAL - FLORESTAS PLANTADAS 0,88 0,12 0,90 0,10 0,88 0,12

PRODUÇÃO FLORESTAL - FLORESTAS NATIVAS 0,89 0,11 0,84 0,16 0,90 0,10

PESCA 0,86 0,14 0,79 0,21 0,91 0,09

AQÜICULTURA 0,84 0,16 0,88 0,12 0,87 0,13

ESPECIALIZAÇÃO DO ESTABELECIMENTO DIVERSIFICADO 0,86 0,14 0,87 0,13 0,81 0,19

ESPECIALIZADO 0,87 0,13 0,84 0,16 0,83 0,17Fonte: Elaboração do autor com base no censo agropecuário 2006

OBTEVE FINANCIAMENTO EM 2006NORDESTE SUDESTE BRASIL

65

Capital Humano

A análise do capital humano pode ser vista como a capacidade do empreendedor

tem em administrar e tocar o seu negócio, o que de certa forma traz uma idéia da

capacidade de alavancagem do crédito agrícola, e também o aprendizado já acumulado

acerca dos caminhos para obtenção. Além disso, a experiência também é um bom

indicador de redução dos riscos de uma inadimplência por parte do credor, tendo em

vista que se espera uma maior probabilidade de sucesso do negocio e conseqüentemente

de pagamento do empréstimo. Um resultado bem interessante é quando avaliamos a

probabilidade do estabelecimento na agricultura familiar ter financiamento em função

dos anos em que o responsável dirige o estabelecimento, observa-se um aumento

monotônico na probabilidade de obtenção de financiamento à medida que se acumulam

anos de experiência, onde a probabilidade de obter crédito é de 10% para os com menos

de 1 ano e chega a 20% para os que já dirigem o estabelecimento há mais de 10 anos.

Já na região nordeste essa diferença é menor, embora também ocorra um aumento

monotônico nas probabilidades à medida que se acumula anos de experiência no

negócio em um estabelecimento da agricultura familiar.

Um dos principais motivos para um sucesso na obtenção de um crédito rural na

agricultura familiar é a orientação técnica, cuja probabilidade é de 42% para quem

recebe regularmente orientação, ao passo que chega a 13% para quem não recebe. No

nordeste a posse de tipo de capital reduz para quase a metade a probabilidade de

obtenção de um crédito na agricultura familiar (23%), mas ainda é um elemento

importante para o acesso ao crédito, tendo em vista que a probabilidade para os

estabelecimentos desta Região que não recebem orientação técnica é de apenas 13%.

Deve-se ressaltar que além de parecer um importante determinante para o acesso ao

crédito, a orientação é também primordial para sucesso do negócio e conseqüentemente

a capacidade de honrar com o compromisso financeiro.

A qualidade da mão de obra também se mostra importante, tendo em vista que o

dirigente do estabelecimento que não sabe ler e escrever é aquele com uma das menores

probabilidades de acesso ao crédito (13%), enquanto que se o estabelecimento possui

empregados qualificados profissionalmente a probabilidade de acesso chega a 25%,

contra 17% de quem não conta com pessoal qualificado. Já os agricultores familiares

que necessitam de mão de obra adicional à capacidade de oferta da sua família possuem

uma maior probabilidade de acesso ao crédito, o que poderia ser um indicador de escala

66

de produção e conseqüentemente de receita com negócio e capacidade de acesso e

pagamento do crédito. A probabilidade de ter financiamento em 2006 é de 17% para

quem só conta com a mão de obra familiar e chega a 29% para quem teve que contratar

serviço de empreitada para suprir a demanda de mão de obra do estabelecimento

agropecuário. Essa probabilidade é menor no nordeste, o que evidencia que o efeito da

presença desses ativos relacionados ao capital humano se dá com menor evidencia no

caso nordestino.

TABELA 2: CRÉDITO AGRÍCOLA NA AGRICULTURA FAMILIAR SEGUNDO CAPITAL HUMANO

CAPITAL HUMANO NA AGRICULTURA FAMILIAR

NÍVEL INSTRUÇÃO DO DIRIGENTE DO ESTABELECIMENTO Não Sim Não Sim Não Sim Não sabe ler escrever 0,87 0,13 0,85 0,15 0,87 0,13 Alfabetização de Adultos 0,88 0,12 0,87 0,13 0,87 0,13 Ensino Fudamental (Incompleto) 0,86 0,14 0,85 0,15 0,78 0,22 Ensino Fudamental (Completo) 0,87 0,13 0,86 0,14 0,80 0,20 Técnico Agrícola (Completo) 0,88 0,12 0,85 0,15 0,80 0,20 Ensino Médio (Completo) 0,88 0,12 0,87 0,13 0,82 0,18 Eng.º Agrônomo 0,93 0,07 0,87 0,13 0,83 0,17 Veterinário 0,96 0,04 0,89 0,11 0,88 0,12 Zootecnista 0,92 0,08 0,81 0,19 0,85 0,15 Eng.º Florestal 0,92 0,08 0,96 0,04 0,92 0,08 Outra formação superior 0,93 0,07 0,91 0,09 0,89 0,11 Nenhum (sabe ler e escrever) 0,86 0,14 0,85 0,15 0,85 0,15

HÁ QUANTOS ANOS DIRIGE OS TRABALHOS DO ESTABELECIM ENTO De menos de 1 ano 0,91 0,09 0,93 0,07 0,90 0,10 De 1 a menos de 5 anos 0,88 0,12 0,88 0,12 0,86 0,14 De 5 a menos de 10 anos 0,87 0,13 0,86 0,14 0,84 0,16 De 10 anos e mais 0,86 0,14 0,84 0,16 0,80 0,20SE O ESTAB. RECEBE ORIENTAÇÃO TÉCNICA Não 0,87 0,13 0,88 0,12 0,87 0,13 Sim, ocasionalmente 0,79 0,21 0,80 0,20 0,67 0,33 Sim, regularmente 0,77 0,23 0,75 0,25 0,58 0,42

Classificação do estabelecimento Relação de Trabalh o FAO/INCRA Só mão-de-obra familiar 0,87 0,13 0,86 0,14 0,83 0,17 Mão-de-obra familiar + empregados temporários 0,81 0,19 0,77 0,23 0,75 0,25 Mão-de-obra familiar + empregados temporários e permanentes 0,88 0,12 0,87 0,13 0,83 0,17 Mão-de-obra familiar + serviço empreitada 0,82 0,18 0,79 0,21 0,71 0,29 Mão-de-obra familiar + demais 0,82 0,18 0,80 0,20 0,76 0,24 Não classificado 0,86 0,14 0,88 0,12 0,85 0,15CONTRATOU ALGUM SERVIÇO Não 0,87 0,13 0,86 0,14 0,83 0,17 Sim 0,82 0,18 0,78 0,22 0,71 0,29

HOUVE CONTRATAÇÃO DE EMPREGADOS TEMPORÁRIOS EM 2006 Não 0,88 0,12 0,86 0,14 0,83 0,17 Sim 0,81 0,19 0,77 0,23 0,75 0,25

EXISTEM PESSOAS COM QUALIFICAÇÃO PROFISSIONAL Não 0,87 0,13 0,85 0,15 0,82 0,18 Sim 0,85 0,15 0,84 0,16 0,73 0,27HOUVE UTILIZAÇÃO DE EMPREGADOS SEM LAÇOS DE PARENTE SCO COM O PRODUTOR Não 0,88 0,12 0,86 0,14 0,83 0,17 Sim 0,81 0,19 0,80 0,20 0,77 0,23Fonte: Elaboração do autor com base no censo agropecuário 2006


67

Capital Físico

A posse de ativos relacionados ao capital físico pode ser visto como a presença

de colaterais no sentido de se gerar garantias para o pagamento do empréstimo,

aumentando a probabilidade de sucesso na obtenção de um contrato de crédito. Da

mesma forma esses ativos também podem ser vistos como determinantes para a

alavancagem do crédito, tendo em vista que o emprego de algumas tecnologias garante

maior escala e retorno do negócio, ao mesmo tempo reduzindo alguns riscos inerentes à

atividade agrícola, como o ataque de pragas e doenças, por exemplo.

O acesso à energia elétrica é fonte essencial à utilização de vários equipamentos

no meio rural, sendo que estabelecimentos da agricultura familiar que utilizam energia

elétrica têm uma probabilidade duas vezes maior de obter crédito, o mesmo

acontecendo para aqueles que se utilizam de força ou tração animal ou mecânica (25%),

e não apenas manual (10%), e para aqueles que utilizam práticas agrícolas. Novamente

no Nordeste do Brasil essa diferença entre probabilidades é menor, o que sugere que o

impacto desses ativos no sucesso de obtenção do financiamento é menor, porém ainda

significativo (15% contra 11% para energia elétrica; 16% contra 11% para uso de força

animal ou mecânica e 15% contra 12% para práticas agrícolas).

Em relação a tecnologias que aumentam a produtividade e reduzem incertezas

quanto ataques de pragas e doenças, verifica-se maior probabilidade ao crédito para

aqueles que fizeram adubação e que utilizam agrotóxicos em 2006, até porque muito

deste crédito teve como finalidade o custeio, inclusive para a compra destes produtos.

Ou seja, um menor acesso ao crédito reduz as chances de custeio e compra com adubo e

agrotóxicos. Dizermos que exista uma causalidade tanto do uso desses ativos e acesso

ao crédito agrícola, mas também uma causalidade inversa, ou seja, o crédito gera uso.

No máximo, se pode inferir que quem fez uso de adubos e agrotóxicos utilizou mais o

expediente de crédito daquele que não fez uso, sem, portanto, nenhuma análise de

causa-efeito. No entanto, se olharmos para quem emprega adubo e agrotóxicos nas

lavouras, mas não precisou utilizá-los em 2006, teríamos uma idéia se o uso dessas

tecnologias facilita o acesso ao crédito. Neste caso verifica-se que estabelecimentos que

utilizam adubos e agrotóxicos, mas não precisaram empregá-los em 2006, não possuem

diferenças significativas nas probabilidades de crédito quando comparados aos que não

fazem o emprego de adubação e agrotóxicos. Isso significa que o crédito serve mais

68

para dar acesso a essas tecnologias ao agricultor do que o uso dessas tecnologias serve

para facilitar o crédito.

A área do estabelecimento agropecuário não mostrou um padrão regular para se

inferir algo sobre a sua relação com o crédito na agricultura familiar, mas quando

tomamos os agricultores familiares com área de até um hectare e aqueles com mais 500

ha, verifica-se uma probabilidade de crédito de 9% e 15%, respectivamente, sendo que

no nordeste esse número chega a 10% e 18%. Esse número revela uma maior

importância da área na região nordeste para obtenção de crédito agrícola quando

comparada as demais regiões do país.

TABELA 3: CRÉDITO AGRÍCOLA NA AGRICULTURA FAMILIAR SEGUNDO CAPITAL FISICO


SE UTLIZA ENERGIA ELÉTRICA Não Sim Não Sim Não Sim Não 0,89 0,11 0,90 0,10 0,89 0,11 Sim 0,85 0,15 0,84 0,16 0,79 0,21SE UTILIZA FORÇA DE TRAÇÃO ANIMAL E/OU MECÂNICA Não 0,89 0,11 0,90 0,10 0,90 0,10 Sim 0,84 0,16 0,81 0,19 0,75 0,25

UTILIZOU PRÁTICAS AGRÍCOLAS Não 0,88 0,12 0,89 0,11 0,88 0,12 Sim 0,85 0,15 0,82 0,18 0,78 0,22SE FAZ ADUBAÇÃO NO ESTABELECIMENTO Não faz adubação 0,87 0,13 0,90 0,10 0,88 0,12 Faz e teve despesas com adubos em 2006 0,82 0,18 0,79 0,21 0,66 0,34 Faz, mas utilizou adubos do próprio estabelecimento 0,82 0,18 0,88 0,12 0,83 0,17 Faz, mas não precisou utilizar em 2006 0,88 0,12 0,90 0,10 0,88 0,12SE UTILIZA AGROTÓXICO PARA CONTROLE DE PRAGAS/DOENÇ AS Não utiliza 0,88 0,12 0,88 0,12 0,88 0,12 Utiliza e utilizou em 2006 0,80 0,20 0,75 0,25 0,65 0,35 Utiliza, mas não precisou utilizar em 2006 0,84 0,16 0,86 0,14 0,84 0,16SE FAZ AGRICULTURA ORGÂNICA Não faz 0,87 0,13 0,85 0,15 0,82 0,18 Faz e é certificado por entidade credenciada 0,75 0,25 0,77 0,23 0,69 0,31 Faz, mas não é credenciado 0,85 0,15 0,85 0,15 0,85 0,15

FEZ IRRIGAÇÃO NO ESTABELECIMENTO Não 0,87 0,13 0,86 0,14 0,82 0,18 Sim 0,82 0,18 0,81 0,19 0,78 0,22TEM POÇOS COMUNS Não 0,87 0,13 0,85 0,15 0,84 0,16 Sim 0,84 0,16 0,86 0,14 0,76 0,24TEM CISTERNAS Não 0,87 0,13 0,86 0,14 0,82 0,18 Sim 0,83 0,17 0,83 0,17 0,82 0,18GRUPO DE ÁREA TOTALATE 1 HÁ 0,90 0,10 0,93 0,07 0,91 0,09MAIS DE 1 A MENOS DE 10 0,86 0,14 0,87 0,13 0,84 0,16MAIS DE 10 A MENOS DE 50 0,84 0,16 0,83 0,17 0,75 0,25 DE 50 A MENOS 100 0,85 0,15 0,82 0,18 0,82 0,18 DE 100 A MENOS 500 0,87 0,13 0,82 0,18 0,87 0,13DE 500 A MAIS DE 1000 0,82 0,18 0,95 0,05 0,85 0,15 PRODUTOR SEM ÁREA 0,89 0,11 0,90 0,10 0,90 0,10Fonte: Elaboração do autor com base no censo agropecuário 2006


69

Outro fato que se mostra muito importante na Região nordeste é a pose de

cisternas no estabelecimento, tendo em vista que há uma maior probabilidade de acesso

a crédito para quem possui esse ativo quando comprado ao estabelecimento familiar que

não há (17% contra 13%), ao passo que essa diferença para o país não existe, onde

ambos os estabelecimentos tem 18% de probabilidade. Deve-se ressaltar que a

instalação de cisternas nos domicílios no nordeste brasileiro faz parte de uma política do

Estado de combate à seca e a pobreza rural, o que revela que em estabelecimentos

familiares que não possuem cisternas o falta de crédito seria apenas um problema

adicional.

Capital Natural

A posse de capital natural pode ser vista como uma vantagem comparativa do

estabelecimento em ter sucesso na atividade agropecuária, o que em última instancia,

acaba sendo fundamental para o acesso. A disponibilidade hídrica é sem dúvida um

fator que aumenta a probabilidade de acesso ao crédito, chegando diferenças

significativas nas probabilidades de quem tem ou não esse ativo, 27% e 15%,

respectivamente. Já no nordeste, onde aparentemente esse seria um ativo de grande

importância, verifica-se que ter nascentes no estabelecimento não aumenta a

probabilidade de crédito. Já lagos ou açudes são importantes determinantes tanto no

Brasil quanto no Nordeste, pois é um ativo de extrema importância principalmente na

atividade pecuária.

TABELA 4: CRÉDITO AGRÍCOLA NA AGRICULTURA FAMILIAR SEGUNDO CAPITAL NATURAL


TEM LAGOS NATURAIS OU AÇUDES NO ESTABELECIMENTO Não Sim Não Sim Não Sim Não 0,87 0,13 0,86 0,14 0,84 0,16 Tem lagos naturais/açudes não protegidos por matas 0,83 0,17 0,82 0,18 0,75 0,25 Tem lagos naturais/açudes protegidos por matas 0,83 0,17 0,83 0,17 0,77 0,23

TEM RIOS OU RIACHOS NO ESTABELECIMENTO Não 0,87 0,13 0,87 0,13 0,85 0,15 Tem rios ou riachos não protegidos por matas 0,85 0,15 0,84 0,16 0,82 0,18 Tem rios ou riachos protegidos por matas 0,84 0,16 0,84 0,16 0,75 0,25

TEM NASCENTES NO ESTABELECIMENTO Não 0,87 0,13 0,86 0,14 0,85 0,15 Tem nascentes não protegidas por matas 0,86 0,14 0,85 0,15 0,77 0,23 Tem nascentes protegidas por matas 0,86 0,14 0,84 0,16 0,73 0,27Fonte: Elaboração do autor com base no censo agropecuário 2006


70

Capital Financeiro

Esse tipo de capital pode ser visto como a capacidade que o produtor teria em

honrar com o compromisso do crédito, uma vez que algumas fontes de rendimento não

seriam sujeitas a flutuações de rendimento ocorridas na atividade agrícola. As

aposentadorias e pensões rurais servem tanto como uma espécie de garantia para o

credor quanto para mitigar os riscos do empreendimento na perspectiva do tomador.

Finalmente, há que se considerar a importância doemprego não-agrícola na ocupação da

força de trabalho do meio rural, ressaltada em vários estudos, como os de Silva (1996);

Silva e Del Grossi (1997); Hoffman (1998); Schneider e Navarro (1998) e Del Grossi

(1999), dentre outros. Neste caso, a hipótese é a de que parte da renda monetária obtida

por membros da família em atividades não-agrícolas pode ser aplicada no

estabelecimento, custeando a produção e, assim, reduzindo as necessidades de

financiamento. É o caso das famílias que existem pessoas que recebem salários e em

atividades não agropecuárias, onde a probabilidade de obter crédito é de 18% e 16%,

respectivamente, na Região Nordeste, contra 13%, quando os familiares não possuem

essas características.

Alavancagem do crédito agrícola.

O conceito de renda capturado no Censo segue a ótica produtiva, computado

pelo valor bruto da produção (VBP) no estabelecimento rural subtraído das despesas

correntes. No cálculo da renda, o VBP é preferível à receita do estabelecimento, uma

vez que incorpora o valor dos bens produzidos para o autoconsumo. No entanto, deve-se

TABELA 5: CRÉDITO AGRÍCOLA NA AGRICULTURA FAMILIAR SEGUNDO CAPITAL FINANCEIRO


EXISTEM PESSOAS QUE RECEBEM SALÁRIO NA FAMILIA Não 0,87 0,13 0,85 0,15 0,82 0,18 Sim 0,82 0,18 0,81 0,19 0,80 0,20EXISTEM PESSOAS EM ATIVIDADES NÃO-AGROPECUÁRIAS Não 0,87 0,13 0,85 0,15 0,82 0,18 Sim 0,84 0,16 0,85 0,15 0,81 0,19TEVE ATIVIDADE FORA DO ESTABELECIMENTO Não 0,86 0,14 0,84 0,16 0,81 0,19 Sim 0,87 0,13 0,88 0,12 0,85 0,15MEMBRO FAM PROD TEVE ATIVIDADE FORA DO ESTABELECIME NTO Não 0,87 0,13 0,85 0,15 0,82 0,18 Sim 0,85 0,15 0,85 0,15 0,82 0,18Fonte: Elaboração do autor com base no censo agropecuário 2006


71

levar em consideração que parte dessa produção não mercantil é destinada ao consumo

intermediário no próprio estabelecimento, como a produção de milho e forrageiras para

consumo animal, por exemplo. Sendo assim, esse valor foi subtraído do VBP, sendo

chamado de VBP ajustado. Já o VBP ajustado mais outras receitas vinculadas ao

estabelecimento (turismo rural, exploração mineral, beneficiamento para terceiros,

receitas de outras atividades não agrícolas) subtraídas das despesas totais do

estabelecimento, dá o que chamamos de “renda total do estabelecimento agropecuário”.

A tabela 6 mostra a renda total e a sua média para os estabelecimentos

classificados na agricultura familiar, segundo o fato de serem tomadores ou não de

crédito agrícola em 2006. Além do mais a tabela mostra esses valores desagregados por

finalidade, quando o produtor obteve crédito. Já quando não obteve, a tabela revela o

motivo do não financiamento. Embora não tenhamos dados em dois pontos no tempo

para avaliar o antes e o depois do financiamento, no sentido de avaliar a alavancagem

do mesmo, a tabela trás alguns indícios importantes neste sentido. Por exemplo, o

produtor familiar que obteve crédito por medo de contrair dívida tem um rendimento

médio anual com o estabelecimento agropecuário de R$5.122, enquanto aquele que

recebeu o financiamento teve uma renda média de R$12.356 em 2006. Na região

Nordeste essa diferença também é sentida, porém com uma menor intensidade R$3.601

contra R$5.400. O rendimento médio total da agricultura familiar que teve crédito em

2006 no Nordeste (R$5.400) é menos da metade de um estabelecimento no Sudeste

(R$13.157), enquanto que essa diferença entre aqueles que não tem crédito é bem

menor entre essas Regiões, com R$4.611 e R$7.625, respectivamente.

72

No Nordeste, o crédito na agricultura familiar está muito associado ao

investimento (63% dos estabelecimentos) e 21% no custeio, enquanto na Região

Sudeste destaca-se a finalidade do crédito para o custeio (40%), o que revela um maior

aporte de recursos para as atividades produtivas e correntes, tendo reflexos

significativos no rendimento médio dos estabelecimentos. O crédito de custeio é a

finalidade que confere o maior retorno ao produtor, com cerca de R$18.738 de

rendimento médio no Sudeste e R$7.491 na região Nordeste.

No que diz respeito ao não crédito, observa-se que 40% não precisaram no

Nordeste, ao passo que esse número no Sudeste chega a 63%. Esse foi o principal

motivo nas duas Regiões destacadas, sendo que a renda média desses 63% do Sudeste

foi de R$8.274 contra R$5.207 dos 40% do Nordeste, o que em parte justifica o maior

percentual de estabelecimentos no Sudeste que não necessitaram de financiamento em

2006. No Nordeste, os estabelecimentos da agricultura familiar com menor rendimento

médio foram aqueles que não obtiveram financiamento por falta de garantia pessoal

(R$3.419), que não souberam como conseguir (R$3.599) e que tiveram medo de

contrair dívida (R$3.601), enquanto que Região Sudeste foram os que faltaram garantias

pessoais (R$4.574), tiveram medo de contrair dívidas (R$5.122) e por outro motivo

(R$5.367).

Ressalta-se que em todos dos detalhamentos na tabela 6, o rendimento do

produtor familiar nordestino é inferior ao rendimento médio dos estabelecimentos

agropecuários no Sudeste e no país como um todo, e essa diferença é maior para os

TABELA 6: RENDA TOTAL DO ESTABELECIMENTO DA AGRICULTURA FAMILIAR SEGUNDO O CRÉDITO E A SUA FINALIDADE

E O NÃO CRÉDITO E SEU MOTIVO EM 2006

N.

estabeleci

mento

Renda total

do estabel.

Renda

Média

Total

N.

estabeleci

mento

Renda total

do estabel.

Renda

Média

Total

N.

estabeleci

mento

Renda total do

estabel.

Renda

Média

Total

COM CRÉDITO EM 2006 305.607 1.650.264.065 5.400 108.674 1.429.858.233 13.157 831.682 10.275.893.297 12.356FINALIDADE DO FINANCIAMENTOINVESTIMENTO 192.602 947.952.003 4.922 49.464 574.879.329 11.622 343.867 3.444.519.965 10.017CUSTEIO 65.515 490.792.865 7.491 43.897 822.558.029 18.738 405.726 6.361.418.523 15.679COMERCIALIZAÇÃO 5.673 23.073.441 4.067 965 20.828.838 21.584 8.284 62.703.172 7.569MANUTENÇÃO 41.817 188.445.756 4.506 14.348 11.592.037 808 73.805 407.251.637 5.518

SEM CREDITO EM 2006 1.891.848 8.722.468.529 4.611 596.950 4.552.016.815 7.625 3.584.982 23.505.724.427 6.557

Falta de garantia pessoal 41.194 140.859.705 3.419 5.268 25.732.740 4.885 68.921 315.234.165 4.574 Não sabe como conseguir 30.729 110.602.343 3.599 5.449 24.544.472 4.504 56.199 341.784.009 6.082 Burocracia 155.264 900.674.005 5.801 37.594 259.919.779 6.914 301.039 2.314.481.454 7.688 Falta de pagamento anterior 81.215 472.386.596 5.816 10.904 70.476.858 6.463 116.814 793.379.584 6.792 Medo de contrair dívidas 507.742 1.828.296.760 3.601 115.392 786.656.081 6.817 783.596 4.013.193.782 5.122 Outro motivo 310.723 1.286.446.279 4.140 41.950 237.242.511 5.655 462.606 2.482.699.972 5.367 Não precisou 764.981 3.983.202.842 5.207 380.393 3.147.444.374 8.274 1.795.807 13.244.951.460 7.375

Nota: Renda total do estabelecimento = Valor Brulto da Produção Ajustado + Receita da agropecuária indireta (turismo rural, exploração mineral, beneficiamento para terceiros, receitas de outras atividades não agrícolas) - Despesa Total

MOTIVO DO NÃO FINANCIAMENTO

Fonte: Elaboração do autor com base no censo agropecuário 2006

NORDESTE SUDESTE BRASIL

73

estabelecimentos que obtiveram crédito, o que parece evidenciar uma maior

alavancagem dos estabelecimentos do Sudeste quando comparados aos do Nordeste. A

diferença no rendimento médio na região Sudeste contra Nordeste chega a cerca de

R$17 mil para os estabelecimentos da agricultura familiar que obtiveram crédito para

comercialização, chegando a R$7,7 mil e R$3 mil para quem obteve e não obteve

financiamento em 2006, respectivamente (tabela 7).

Em geral pode-se admitir que a falta de uma política favorável à agricultura

familiar no passado conduziu a adoção de sistemas produtivos com pouco uso de

equipamentos e insumos, o que requer um menor volume de financiamento. E isso

parece ganhar maior expressão no Nordeste, com agricultores familiares que não estão

plenamente inseridos no padrão tecnológico vigente e, desse modo, ressentem-se menos

da falta de crédito. Portanto, isso não elimina, a discussão sobre as vantagens do

incentivo à adesão ao crédito pelos agricultores familiares, haja vista a maior

alavancagem desses estabelecimentos agropecuários.

Conforme já ressaltado, esse tipo de análise do crédito vis a vis a renda deve ser

vista com cautela, pois não se pode avaliar se a maior renda é devido a alavancagem do

crédito ou se uma maior probabilidade de acesso ao mesmo se dá em função à maior

renda. Na verdade tudo parece indicar que os dois eventos acontecem, porém na análise

cross section não se pode afirmar a parcela referente a cada um desses efeitos, o requer

dados longitudinais no sentido de se avaliar o antes e o depois ao crédito, possibilitando

a análise do seu impacto sobre a atividade produtiva.

74

TABELA 7: DISTRIBUIÇÃO NO NÚMERO DE ESTABELECIMENTO S SEGUNDO CRÉDITO E NÃO CRÉDITO E DIFERENÇA NO RENDIMENTO MÉDIO NAS REG IÕES SUDESTE E NORDESTE

Diferença no Rendimento médio (SE - NE)

NORDESTE SUDESTECOM CRÉDITO EM 2006 100 100 7.757FINALIDADE DO FINANCIAMENTOINVESTIMENTO 0,63 0,46 6.700CUSTEIO 0,21 0,40 11.247COMERCIALIZAÇÃO 0,02 0,01 17.517MANUTENÇÃO 0,14 0,13 -3.699

SEM CREDITO EM 2006 100 100 3.015MOTIVO DO NÃO FINANCIAMENTO Falta de garantia pessoal 0,02 0,01 1.465 Não sabe como conseguir 0,02 0,01 905 Burocracia 0,08 0,06 1.113 Falta de pagamento anterior 0,04 0,02 647 Medo de contrair dívidas 0,27 0,19 3.216 Outro motivo 0,16 0,07 1.515 Não precisou 0,40 0,64 3.067Fonte: Elaboração do autor com base no censo agropecuário 2006Nota: Renda total do estabelecimento = Valor Brulto da Produção Ajustado + Receita da agropecuária indireta (turismo rural, exploração mineral, beneficiamento para terceiros, receitas de outras atividades não agrícolas) - Despesa Total

Distribuição no N. estabelecimentos

75

O Microempresário rural pelo Censo Agropecuário4

Após o quadro geral da agricultura familiar, seguimos com a análise dos

microempresários rurais elegíveis ao Pronaf B, considerada a categoria de microcrédito

rural (vide Box). Continuamos com a abordagem pregressa, isto é, faremos a

comparação entre Nordeste e Sudeste, aqui considerada a dicotomia clássica das

diferenças socioeconômicas existentes no Brasil. Além disso, mudamos um pouco o

foco da análise de ativos: se antes olhávamos para cada tipo de ativos e sua eventual

importância econômica, agora elencamos os fatores mais importantes economicamente

para a obtenção de crédito e então as categorias de ativos que satisfazem esses fatores.

Assim, veremos que diferentes classes de ativos podem desempenhar funções

semelhantes no contexto creditício.

Pronaf

O Programa Nacional de Fortalecimento da Agricultura Familiar (Pronaf) financia projetos individuais ou coletivos que gerem renda aos agricultores familiares e assentados da reforma agrária. O programa possui as menores taxas de juros dos financiamentos rurais e as menores taxas de inadimplência entre os programas de crédito do país.

O acesso ao programa se inicia na discussão da família sobre a necessidade do crédito, seja ele para custeio de safra ou atividade agroindustrial, seja para o investimento em máquinas, equipamentos ou infraestrutura de produção e serviços agropecuários ou não agropecuários.

O agricultor deve estar com o CPF regularizado e livre de dívidas. As condições de acesso ao crédito Pronaf, formas de pagamento e taxas de juros correspondentes a cada linha são definidas, anualmente, a cada Plano Safra da Agricultura Familiar, divulgado entre os meses de junho e julho.

Microcrédito Rural (Pronaf Grupo B)

Criado em 1999 no âmbito do Pronaf para combater a pobreza rural, o Microcrédito Rural (também conhecido como Grupo B do Pronaf) é estratégico para os agricultores familiares pobres, pois valoriza o potencial produtivo deste público e permite estruturar e diversificar a atividade produtiva. Pode financiar atividades agrícolas e não agrícolas geradoras de renda. São atendidas famílias agricultoras, pescadoras, extrativistas, ribeirinhas, quilombolas e indígenas que desenvolvam atividades produtivas no meio rural. Elas devem ter renda bruta anual familiar de até R$6 mil, sendo que até 70% da renda pode ser proveniente de outras atividades além daquelas desenvolvidas no estabelecimento rural.

A operacionalização do Microcrédito Rural é feita com recursos do Tesouro Nacional e dos Fundos Constitucionais do Norte, Nordeste e Centro-Oeste. O programa oferece bônus de adimplência sobre cada parcela da dívida paga até a data do seu

4 Neste projeto apresentamos um texto com análise mais detalhada dos dados do Censo Agropecuário.

76

vencimento, além de ser ofertado com taxa de juros de 0,5% ao ano e ter prazo de reembolso de até dois anos para cada financiamento.

Fonte: Banco do Nordeste

O Brasil conta com 277 mil estabelecimentos rurais que receberam algum

crédito em 2006, dos quais 85% são classificados pela mão-de-obra familiar e nos quais

o próprio produtor dirige o estabelecimento e é o proprietário individual legal. Esses

são, aliás, alguns dos requerimentos de acesso ao Pronaf B de microcrédito rural. Não

há um padrão etário definido entre os produtores, isto é, a distribuição de idade é

uniforme a partir da faixa dos 35 anos, tendo algumas exceções onde as propriedades

são de jovens produtores (14%). Se experiência exerce alguma influência no campo, ela

há de ser captada em modelos explicativos de lucro, afinal 70% dos estabelecimentos

são dirigidos há pelo menos 10 anos pela mesma pessoa; 14,5% têm entre um e cinco

anos de direção e outros 14%, entre cinco e dez anos. Completando o panorama geral,

46,5% das propriedades eram voltadas para a pecuária e criação de outros animais,

enquanto 40% eram para produção de lavouras temporárias.

Este panorama inicial pode ser reproduzido com proporções similares nas

regiões Nordeste e Sudeste, nas quais existiam 193,6 mil e 34,2 mil

microempreedimentos rurais, respectivamente. As diferenças mais substantivas entre as

duas regiões se darão em variáveis referentes à acesso à tecnologia e potencial

produtivo, colaterais e capital social, diversificação de risco, entre outros.

Acesso à tecnologia e potencial produtivo

Quando falamos de produtividade no campo, a imagem clássica é de tratores

fazendo a colheita de grande quantidade de grãos em vastas propriedades, ou de

engenhosas máquinas ordenhando o gado leiteiro, para ficar em dois exemplos simples.

No caso das pequenas propriedades rurais que demandam o microcrédito produtivo, a

tecnologia é mais básica e pode ser descrita como o tipo de tração empregado, a adoção

de adubos e agrotóxicos.

De modo geral, os estabelecimentos do Sudeste são mais intensivos em

tecnologia, apresentando maior uso de tração mecânica (25,7% ante 21% no NE) e

adubos (38,5% contra 19,75%), provalmente pelo tipo de atividade econômica

77

praticada: 56,2% atuam na pecuária e criação de outros animais (44,5% no Nordeste), e

12,72% na produção de lavouras permanentes (6,25% no Nordeste). Como há destaque

na produção de lavouras temporárias no Nordeste, as quais não demandam, pelo menos

em tese, maiores gastos em tecnologia, o uso de tração animal e, principalmente,

agrotóxicos é maior (23,6% ante 17,5% no SE).

CAPITAL FÍSICO NO MICROCRÉDITO RURAL (PRONAF B) Nordeste Sudeste Brasil

Obteve Financiamento em

2006

UTILIZA FORÇA DE TRAÇÃO ANIMAL Não 8,59% 11,83% 9,41%

Sim 32,36% 25,58% 29,92%

Não se aplica 59,04% 62,59% 60,67%

UTILIZA FORÇA DE TRAÇÃO MECÂNICA Não 32,28% 29,11% 32,22%

Sim 21,16% 25,68% 24,10%

Não se aplica 46,56% 45,21% 43,68%

UTILIZOU PRÁTICAS AGRÍCOLAS Não 39,35% 57,62% 47,86%

Sim 60,65% 42,38% 52,14%

FAZ ADUBAÇÃO NO ESTABELECIMENTO Não faz adubação 84,53% 65,74% 79,17%

Faz e teve despesas com adubos em 2006 9,00% 25,45% 13,82%

Faz, mas utilizou adubos do próprio estabelecimento 4,47% 4,93% 4,40%

Faz, mas não precisou utilizar em 2006 2,00% 3,88% 2,62% UTILIZA AGROTÓXICO PARA CONTROLE DE PRAGAS/DOENÇAS

Não utiliza 82,99% 86,99% 83,02%

Utiliza e utilizou em 2006 14,65% 9,85% 14,29%

Utiliza, mas não precisou utilizar em 2006 2,36% 3,15% 2,69%

Fonte: Microdados do Censo Agropecuário 2006/IBGE

O acesso à tecnologia é fundamental, mas não suficiente para que ocorram

ganhos de produtividade: é necessário que seja acompanhado de ganhos em capital

humano. Se avaliarmos o grau de instrução dos produtores, o Nordeste tem supremacia

de microempresários que não sabem ler nem escrever (44,75%) acompanhada do Ensino

Fundamental incompleto (30,44%); no Sudeste há inversão: 24,75% e 45%,

respectivamente. Uma maneira eficiente de agregar valor técnico à produção seria

recebendo orientação técnica, o que “equilibraria a balança”. Entretanto, essa

consultoria exige capital, o que carece mais no Nordeste que no Sudeste: apenas 2,21%

recebem orientação técnica regularmente na região Nordeste, e 4,63% a recebem

78

ocasionalmente, enquanto na região mais rica esses valores mais que dobram, 10,9% e

5,81%, respectivamente.

CAPITAL HUMANO NO MICROCRÉDITO RURAL (PRONAF B) Nordeste Sudeste Brasil


2006

NÍVEL INSTRUÇÃO DO DIRIGENTE DO ESTABELECIMENTO Não sabe ler escrever 44,75% 24,75% 36,11%

Alfabetização de Adultos 4,81% 5,88% 4,96%

Ensino Fudamental (Incompleto) 30,44% 45,08% 38,03%

Ensino Fudamental (Completo) 4,05% 6,63% 5,23%

Técnico Agrícola (Completo) 0,42% 0,93% 0,61%

Ensino Médio (Completo) 2,24% 3,67% 2,88%

Eng.º Agrônomo 0,01% 0,07% 0,02%

Veterinário 0,00% 0,02% 0,01%

Zootecnista 0,00% 0,01% 0,00%

Eng.º Florestal 0,00% 0,00% 0,00%

Outra formação superior 0,19% 1,12% 0,43%

Nenhum (sabe ler e escrever) 13,09% 11,82% 11,73% HÁ QUANTOS ANOS DIRIGE OS TRABALHOS DO ESTABELECIMENTO

De menos de 1 ano 1,94% 1,91% 2,01%

De 1 a menos de 5 anos 14,50% 13,51% 14,57%

De 5 a menos de 10 anos 14,29% 13,30% 14,34%

De 10 anos e mais 69,27% 71,28% 69,07%

SE O ESTAB. RECEBE ORIENTAÇÃO TÉCNICA Não 93,16% 83,28% 87,68%

Sim, ocasionalmente 4,63% 10,90% 8,04%

Sim, regularmente 2,21% 5,81% 4,27%


Endividamento e Investimentos

Uma frase recorrente no mundo empresarial é “Investir para crescer”. No caso

de um conjunto de clientes potenciais de microcrédito que desejam obter um

empréstimo para seu empreendimento, eles dispõem de um capital próprio menor que o

tamanho total do investimento de que necessitam. Portanto, há necessidade de contrair

uma dívida. No entanto, se esses clientes já estiverem endividados, o risco de calote

aumenta, exigindo maiores garantias por parte do tomador de empréstimo. Antes de

entrarmos na discussão da quantidade e da qualidade das garantias, observamos o nível

de endividamento e investimento em 2006. O primeiro indicador se mostrou similar

79

para as duas regiões e similar à média nacional, aproximadamente 62,7% de produtores

endividados. O investimento apresenta comportamento mais disperso, isto é, 12,78%

dos produtores nordestinos tinham feito investimentos, enquanto no Sudeste este

número era de 20,24% - a média brasileira ficou em 14,86%.

CAPITAL FINANCEIRO NO Nordeste Sudeste Brasil

MICROCRÉDITO RURAL (PRONAF B) Obteve Financiamento em

2006

POSSUÍA DÍVIDAS EM 31/12/2006 Não 37,76% 38,04% 37,32%

Sim 62,24% 61,96% 62,68%

FEZ INVESTIMENTO EM 2006 Não 87,22% 79,76% 85,14%

Sim 12,78% 20,24% 14,86%


É interessante notar a diferença existente nesses indicadores na comparação

entre estabelecimentos que receberam e que não receberam algum tipo de crédito: no

segundo caso, tanto a quantidade de endividamento quanto de investimento são mais

baixos – 5,71% e 3,48% de dívidas nas duas regiões e 6,5% e 9,55% de investimentos.

Colaterais e capital social

Um passo fundamental para o desenvolvimento do crédito produtivo popular no

Brasil é diminuir a assimetria de informações existente entre os gestores de políticas

públicas e seu público-alvo. A obtenção de crédito, em geral, depende das garantias

oferecidas pelas pessoas que buscam empréstimos. Como o país é grande, heterogêneo e

desigual, o acesso ao crédito está restrito a grupos específicos. A dificuldade dos

produtores pobres pode ser explicada pela falta e pela qualidade dos ativos. Como o

direito de propriedade dos pobres com freqüência não está bem definido, o acesso ao

crédito fica restrito mesmo àqueles que possuem ativos. Entretanto, o problema não se

limita à quantidade ou à qualidade dos ativos; o fato de o interessado possuir uma renda

baixa e instável também pode prejudicar seu acesso ao crédito. A renda do empresário

pobre, à semelhança daquela de seus primos ricos, advém do resíduo do faturamento,

uma vez descontados seus custos. São capitalistas, no sentido de que vivem do capital

de risco, sem capital.

80

É preciso estudar simultaneamente diversos determinantes da oferta e da

demanda por financiamento, juntamente com possíveis falhas de mercado e

necessidades. As instituições financeiras em geral rejeitam transações de pequena

monta, devido aos custos fixos de natureza administrativa e informacional envolvidos

no processo. Neri e Giovanni (2005) apresentam o padrão de correlações do uso do

crédito produtivo popular com outras variáveis, no qual foi constatado que alguns

elementos do capital social, como participação em cooperativas, indicadores de

formalidade e posse de equipamentos, apresentam correlação significativa com o acesso

ao crédito. Em geral os resultados são consistentes com a importância atribuída, na

literatura, a garantias reais e alternativas na obtenção de fontes de financiamento.

Os dados do Censo Agropecuário indicam que 50% dos produtores nordestinos

com acesso a crédito são associados a alguma cooperativa ou entidade de classe,

enquanto 33,7% dos que não têm qualquer crédito participam de cooperativas. Os

números para o Sudeste são 52,5% e 26%, respectivamente. Os dados sustentam,

portanto, a ideia de facilidade de acesso a crédito pelo pertencimento a associações

produtivas. Além disso, cooperativas melhoram o acesso aos mercados, contribuindo

para a superação das limitações da produção em virtude do tamanho reduzido das terras.

Quanto à integração aos mercados da FAO/INCRA, 36,14% dos estabelecimentos

nordestinos estão integrados ou muito integrados, ante 32,5% no Sudeste.

CAPITAL SOCIAL NO MICROCRÉDITO RURAL (PRONAF B) Nordeste Sudeste Brasil


2006

Associado a Cooperativas e a Entidades de Classe Não é associado a cooperativas e a entidades de classe 50,07% 47,50% 48,40%

É associado a cooperativa e/ou entidade de classe 49,93% 52,50% 51,60%

Classificação Grau de Integração ao Mercado FAO/INCRA Muito integrado 12,51% 14,38% 13,10%

Integrado 23,63% 18,18% 23,20% Pouco integrado 58,55% 56,38% 56,98% Não classificado 5,31% 11,06% 6,73%


81

Hernando de Soto (2000), em O mistério do capital, enfatiza o reconhecimento

formal do direito de propriedade dos pobres como alavanca de garantias para a

concessão de empréstimos. Seguindo o mote, alguns têm proposto, com propriedade, a

adoção de um processo de regularização fundiária rural em larga escala. Mas, entre a

taça e os lábios, existem outros percalços. No caso brasileiro, a casa própria, mesmo que

regularizada, não é aceita em geral como colateral de empréstimos. As tristes histórias

de liquidação de hipotecas, enredo comum nos filmes americanos, não figuram nas

cenas do cinema e da realidade nacionais. Em compensação, qualquer americano tem

acesso a crédito imobiliário, evento raro em nosso país.

A legislação brasileira, na ânsia de proteger os donos da casa própria da dolorosa

retomada do imóvel em caso de inadimplência, acaba por esvaziar o mercado de crédito.

É preciso determinar as condições necessárias e suficientes para um aumento de

empréstimos aos pobres brasileiros. Contudo, deve-se atentar para o uso moderado da

regularização fundiária, a fim de evitar a ressaca do processo. O objetivo final é

aumentar o direito de propriedade dos pobres já estabelecidos em suas respectivas

propriedades, e não motivar invasões que acarretariam diminuição, e não aumento, dos

direitos de propriedade.

Rajan e Zingales (2004) argumentam que, mesmo que haja méritos substanciais

na idéia de De Soto, ela não é uma panacéia. “Se a população pobre está tomando posse

da propriedade privada alheia, ou, como é tipicamente o caso em países em

desenvolvimento, de território governamental, a legalização da invasão pode levar todos

a ocupar o território restante, provocando insegurança generalizada sobre a propriedade,

tendo assim o efeito oposto ao desejado.” Obviamente, reconhecer o direito de

propriedade conquistado de maneira ilícita é complexo, pois incentiva novas invasões, o

que diminui, e não aumenta, o direito de propriedade na sociedade vista como um todo.

Portanto, há que se ter cuidado para que um bem-intencionado programa de

regularização fundiária não provoque mais mal do que bem. A regularização fundiária

deve vir acompanhada de medidas que inibam invasões futuras, como, por exemplo, a

manutenção de dispositivos na reforma agrária que impeçam a incorporação de terras

invadidas. Ou, no caso urbano, que se explicitem regras semelhantes e se monitore o

processo de ocupação do solo, através de fotografias aéreas das áreas irregulares.

Complementarmente, Pinheiro e Cabral (1998) mostram como o tamanho do

mercado de crédito brasileiro depende da eficiência do Judiciário, devido à incerteza

82

legal e à efetiva execução judicial de contratos de empréstimo.

Pelos argumentos até aqui mostrados e pelo histórico brasileiro de lutas de classe

no campo, esperaríamos que a posse das propriedades não fosse tão bem definida no

caso dos microempresários. Os dados do Censo Agropecuário reforçam essa questão: no

Brasil, 79% das terras foram obtidas ou por compra de particular (41,83%) ou por

herança (33,94%) ou por doação (3,09%). A diferença entre Nordeste e Sudeste revela

maior informalidade fundiária na primeira região (27% contra 6%); entre os produtores

sem acesso a crédito, a informalidade aumenta sensivelmente.

CAPITAL SOCIAL NO MICROCRÉDITO RURAL (PRONAF B) Nordeste Sudeste Brasil


2006

COMO O PROD. OBTEVE TERRAS - COMPRA DE PARTICULAR

Não 31,52% 39,74% 31,69%

Sim 37,21% 45,98% 41,83% COMO O PROD. OBTEVE TERRAS - COMPRA VIA CRED. FUNDIÁRIO

Não 68,73% 85,72% 73,53%

Sim - - - COMO O PROD. OBTEVE TERRAS - TITUL. REFORMA AGRÁRIA

Não 68,73% 85,72% 73,53%

Sim - - -

V040704-COMO O PROD. OBTEVE TERRAS - HERANÇA Não 35,58% 41,00% 39,58%

Sim 33,15% 44,72% 33,94% COMO O PROD. OBTEVE TERRAS - DOAÇÃO DE PARTICULAR

Não 65,46% 82,49% 70,44%

Sim 3,27% 3,23% 3,09%

V040707-COMO O PROD. OBTEVE TERRAS - OUTRA Não 67,84% 85,07% 72,59%

Sim 0,88% 0,65% 0,93%

COMO O PROD. OBTEVE TERRAS - NÃO SABE Não 68,52% 85,50% 73,30%

Sim 0,21% 0,22% 0,22%


O ponto geral de Hernando de Soto em O mistério do capital é que o problema

do pobre não se restringe à pouca quantidade de capital, mas também à baixa qualidade

83

deste. A alta informalidade da propriedade implica redução do valor de mercado dos

ativos dos pobres, o que seria uma espécie de capital morto na acepção de De Soto. Um

barraco de favela, por exemplo, cujo dono não dispõe de plena posse legal, acaba

valendo menos do que se estivesse todo regularizado, pela dificuldade de revenda. O

corolário é a possibilidade de ressuscitar o capital dos pobres. No caso do Brasil, o valor

da propriedade fundiária é afetado pelo não-reconhecimento da posse legal dos ativos e

pela impossibilidade de oferecer a casa própria, mesmo que legalmente reconhecida,

como garantia de empréstimos.

Colateral e diversificação dos riscos

A relação entre credores e devedores é marcada pela assimetria de informações.

Há dois principais problemas descritos na literatura: seleção adversa e risco moral. A

primeira envolve o desconhecimento do credor com relação ao tipo do tomador, isto é, o

emprestador não sabe quão propenso ao risco o tomador é, quão honesto, quão

responsável etc. Já o risco moral envolve falta de informação do emprestador sobre o

tipo de ação que o tomador pode vir a tomar, nesse caso específico, o que o tomador

fará com o empréstimo, que tipo de investimento escolherá. A existência de assimetrias

na avaliação de contratos entre credores e devedores proporciona uma quantia menor de

crédito disponível do que a demandada. Grande parte do problema se deve ao fato de o

devedor tipicamente dispor de conhecimentos e tecnologia não compartilhados pelo

emprestador, caso contrário o emprestador seria também o empreendedor.

Há uma extensa literatura sobre o papel das garantias que suprem essas falhas de

mercado de natureza informacional. Coco (2002) é um dos que destacam o uso do

colateral para resolver parcialmente esse problema, uma vez que a oferta de garantias

como lastro de financiamentos permitiria superar assimetrias de informação,

dispensando custosos processos de busca e monitoramento. Entretanto, os ativos dos

pobres não são em geral garantias válidas de empréstimos, uma vez que estes não

possuem nem propriedades regularizadas, nem fluxos de renda comprováveis.

Dessa forma, o problema dos pobres não se restringe à carência de ativos ou de

oportunidades, estende-se também à baixa qualidade desses ativos, que diminuem a

capacidade deles de aproveitar as parcas oportunidades disponíveis. Berger e Undell

(1998), analisando a disponibilidade das fontes de crédito em função do tamanho, da

84

idade e da disponibilidade de informações da empresa, demonstram que empresas

pequenas e recém-criadas, provavelmente sem colateral, são em geral financiadas pela

família e pelos amigos do empreendedor. Somente quando as empresas crescem é que

obtêm acesso a crédito por intermediação financeira e rede bancária. Por conseguinte, se

o indivíduo não tiver capital inicial próprio ou conhecidos que o tenham, dificilmente

terá acesso a capital produtivo através do setor financeiro tradicional, e sua única opção

será apelar para agiotas.

A posse de ativos físicos é parte fundamental para o acesso a crédito, mas não é

o único ativo possível para garantir um empréstimo; ativos financeiros, especialmente

as receitas provenientes de diferentes fontes, também podem ter função essencial tanto

como colaterais quanto como meios de diversificar o risco do microempreendimento.

Por exemplo, a renda de recebida de aposentadorias e pensões pode ser visto como

colateral pelo credor porque representa um fluxo de renda constante, sendo

contabilizado então o valor presente desse fluxo esperado no futuro. Para o devedor,

esse valor conta como uma “válvula de escape”, isto é, se o lucro do negócio é sujeito a

incertezas, pelo menos essa receita é fixa e garantida, servindo para mitigar um pouco o

risco do empreendimento.

No caso tupiniquim, 81% da renda dos que receberam algum crédito em 2006

tiveram receita proveniente de aposentadorias e pensões, equivalendo a um montante de

R$ 437,9 milhões no Brasil. Nas duas regiões de destaque, as proporções se

mantiveram, mas os montantes foram de R$ 295 milhões no NE e R$ 56 milhões no SE.

A principal diferença entre Nordeste e Sudeste é quanto ao percentual de programas

sociais do governo (13% no primeiro contra 7,2% no segundo) e salários obtidos em

atividades fora do estabelecimento (3,1% contra 9,4%). Quanto à proporção de

estabelecimentos, o número de aposentados e pensionistas era maior no Sudeste (52,6%

contra 40,7%), enquanto o Nordeste liderava os dependentes de programas sociais do

governo (43,7% contra 32,5%). Cabe notar que para quem não recebeu crédito, o padrão

se mantém no NE, mas muda no SE, com redução dos dependentes governamentais e

conseqüente redistribuição entre aposentados (59,3%) e remuneração fora do

estabelecimento (26,25%).

85

RECEITA TOTAL DO ESTABELECIMENTO - DISTRIBUIÇÃO POR ESTABELECIMENTO (PRONAF B)

Nordeste Sudeste Brasil


2006

TIPO DE RECEITAS

Venda de animais criados em cativeiro 0,38% 0,23% 0,35% Venda de húmus 0,03% 0,01% 0,03% Venda de esterco 1,06% 0,50% 0,92% Atividade de turismo rural 0,03% 0,12% 0,05% Exploração mineral 0,11% 0,20% 0,11% Serviço de beneficiamento para terceiros 0,90% 1,04% 0,90% Outras atividades não agrícolas 1,24% 2,81% 1,14%

Aposentadoria, pensão, etc. 40,69% 52,62

% 44,33

%

Salários obtidos em atividades fora do estabelecimento 8,68% 10,38

% 9,13% Doações ou ajudas 1,79% 1,75% 1,60%

Programas sociais do Governo 43,72% 32,48

% 39,78

% Desinvestimentos 0,88% 1,05% 1,02% Venda de pescado 0,49% 3,66% 0,66%

RECEITA TOTAL DO ESTABELECIMENTO - DISTRIBUIÇÃO POR VALOR MONETÁRIO (PRONAF B)



2006

TIPO DE RECEITAS

Venda de animais criados em cativeiro 0,07% 0,03% 0,06% Venda de húmus 0,01% 0,00% 0,00% Venda de esterco 0,06% 0,05% 0,06% Atividade de turismo rural 0,02% 0,07% 0,04% Exploração mineral 0,03% 0,04% 0,03% Serviço de beneficiamento para terceiros 0,18% 0,17% 0,17% Outras atividades não agrícolas 0,23% 0,10% 0,19%

Aposentadoria, pensão, etc. 81,72% 80,85

% 81,95

% Salários obtidos em atividades fora do estabelecimento 3,09% 9,37% 4,83% Doações ou ajudas 0,80% 0,53% 0,70%

Programas sociais do Governo 13,05% 7,22% 10,83

% Desinvestimentos 0,61% 1,51% 0,97% Venda de pescado 0,13% 0,06% 0,17% Fonte: Microdados do Censo Agropecuário 2006/IBGE

Em relação a esta última, aproveitamos para observar que 24% dos próprios

produtores exerceram alguma atividade fora do estabelecimento, sendo remunerado para

tanto. Além disso, 20,72% tiveram algum membro da família trabalhando fora, o que

reforça a ideia de fontes alternativas de renda, distribuindo os riscos.

86

CAPITAL FINANCEIRO NO Nordeste Sudeste Brasil

MICROCRÉDITO RURAL (PRONAF B) Obteve Financiamento em

2006

TEVE ATIVIDADE FORA DO ESTABELECIMENTO Não 76,81% 75,02% 76,88%

Sim 23,19% 24,98% 23,12% MEMBRO FAMÍLIA DO PRODUTOR TEVE ATIVIDADE FORA DO ESTABELECIMENTO

Não 79,58% 75,20% 79,28%

Sim 20,42% 24,80% 20,72%


Motivos para não ter financiamento

A linha de microcrédito rural permite o financiamento das atividades

agropecuárias e não agropecuárias, podendo cobrir qualquer demanda que possa gerar

renda para a família atendida. A tabela abaixo discrimina as finalidades do

financiamento obtido pelos produtores em: 1) investimento, que abrange implantação,

ampliação ou modernização da infraestrutura de produção e serviços; 2) custeio das

atividades produtivas; 3) comercialização da produção; e 4) manutenção do

estabelecimento.

Dentre as categorias disponíveis, o crédito é direcionado para investimentos,

principalmente no Nordeste (66,49%), enquanto o Sudeste sobressai no financiamento

para custeio e manutenção do estabelecimento, representando maior aporte de recursos

nas atividades produtivas já instaladas.

RECEITA TOTAL DO ESTABELECIMENTO - DISTRIBUIÇÃO POR VALOR MONETÁRIO (PRONAF B)


Obteve Financiamento em 2006 FINALIDADE DO FINANCIAMENTO Investimento 66,49% 57,06% 55,92% Custeio 21,51% 28,97% 34,07% Comercialização 1,80% 0,80% 1,33% Manutenção do Estabelecimento 13,23% 17,12% 12,28% Total (R$) 218.367.061 46.912.035 357.625.545 Fonte: Microdados do Censo Agropecuário 2006/IBGE

No Brasil, o Estado é relativamente forte no segmento de crédito, mas pouco

vigoroso no financiamento produtivo popular, do qual estão em larga medida ausentes

tanto as instituições estatais em geral, os bancos e financeiras privados, quanto as

87

instituições sem fins lucrativos. A maioria do crédito popular baseia-se em tecnologias

advindas mais do florescimento do crédito direto ao consumidor do que dos princípios

constatados em experiências internacionais de microcrédito bem-sucedidas.

Além de o volume relativo de crédito ser inferior ao de países com nível de

renda similar ao brasileiro, a qualidade de nosso crédito é, em geral, baixa, uma vez que

o mercado de crédito no Brasil privilegia mais o consumidor do que o produtor. Os

empréstimos são mais de curto do que de longo prazo e atingem mais a alta renda. A

escassa oferta de microcrédito é de natureza pública e, não, privada, gerando potenciais

ineficiências alocativas. E por fim, quando o raro evento da cessão de empréstimos

ocorre, esta se dá a taxas altas, seja pela elevada taxa básica de juros (Selic), seja pelo

grande spread financeiro envolvido.

Essa inanição na quantidade e na qualidade creditícias brasileiras pode ser

sintetizada no que González Vega, professor da Universidade de Ohio e especialista em

microcrédito, durante uma palestra no BNDES, em 1997, chamou de “misterio

brasileño” -- por que motivo o crédito produtivo popular privado pouco se desenvolveu

no Brasil. De lá para cá, foram implementadas diversas políticas de microcrédito. Ou

seja, o “misterio brasileño” continua atual. A rigor, não é possível afirmar que as

empresas informais continuaram a recorrer pouco a empréstimos pelo fato de a falta de

oferta de crédito, as taxas de juros altas e a estagnação trabalhista observada de 1998 a

2003 terem inibido a demanda creditícia. As empresas podem estar racionalmente

evitando o financiamento numa conjuntura imprópria, por conveniência ou instinto de

sobrevivência.

Nas tabelas abaixo, discutimos os motivos de não obtenção de crédito indicando

o número de estabelecimentos e o conceito de renda sob a ótica produtiva, o qual é

computado pelo valor bruto da produção (VBP) no estabelecimento rural subtraído das

despesas correntes e da parte destinada ao consumo intermediário no próprio

estabelecimento.

O principal motivo para não obter financiamentos em 2006, conforme indicado

pelo Censo Agropecuário, foi a falta de necessidade, que representava 49,64% no

Sudeste e 41,28% no Nordeste, justificado pela maior proporção da renda aferida por

essa parcela de estabelecimentos (39,08% da renda no Nordeste e 60,95% no Sudeste;

48,73% no Brasil). Enquanto a região Sudeste apresenta taxas praticamente iguais às do

Brasil (49,68%), a proporção de microempresários que alegaram a falta de necessidade

88

como principal motivo no Nordeste está abaixo da média nacional e do Sudeste, o que

pode decorrer dos menores rendimentos médios auferidos pelos microempresários

nordestinos. A falta de necessidade, como apresentado acima, está relacionada a

maiores proporções de rendas auferidas, o que pode explicar os menores valores

relativos a esse motivo no Nordeste, já que a proporção de renda auferida é menor na

região. Apesar de proporcionalmente maior, o rendimento médio dos que não

precisaram de crédito situou-se abaixo de quase todas as demais categorias. O medo de

contrair dívidas foi o segundo motivo mais alegado para não acessar o crédito,

principalmente no Nordeste: 28,34% contra 17,68% no Sudeste (no Brasil, o número é

24,26%), indicando um comportamento austero por parte dos microempresários rurais,

provavelmente estimulado pelas altas taxas de juros então vigentes.

Ter um passado inadimplente não surgiu como fator relevante, porém as

barreiras burocráticas se mostraram influentes, principalmente no SE (11,6%). O

entrave burocrático apresenta maior impacto negativo quando observado o rendimento

médio dos estabelecimentos que apresentaram este motivo para não obter microcrédito

rural, ou seja, a burocracia estaria minando o potencial produtivos dos produtores,

principalmente no Sudeste.

NÃO FINANCIAMENTO NO MICROCRÉDITO

RURAL (PRONAF B) - POR NÚMERO DE ESTABELECIMENTOS


Não Obteve Financiamento em 2006 MOTIVO DO NÃO FINANCIAMENTO Falta de garantia pessoal 2,22% 2,09% 1,97% Não sabe como conseguir 1,21% 1,21% 1,65% Burocracia 7,21% 11,60% 6,93% Falta de pagamento anterior 3,27% 2,71% 2,46% Medo de contrair dívidas 28,34% 17,68% 24,26% Outro motivo 16,01% 15,04% 13,02% Não precisou 41,28% 49,64% 49,68% Total 1.374.188 322.298 2.138.737

NÃO FINANCIAMENTO NO MICROCRÉDITO RURAL (PRONAF B) - POR VALOR BRUTO DA

PRODUÇÃO (VBP)


Não Obteve Financiamento em 2006 MOTIVO DO NÃO FINANCIAMENTO Falta de garantia pessoal 1,89% 0,93% 1,78% Não sabe como conseguir 1,54% 1,03% 1,60% Burocracia 8,31% 5,91% 7,84% Falta de pagamento anterior 4,65% 1,63% 3,22% Medo de contrair dívidas 28,69% 23,11% 24,64%

89

Outro motivo 15,85% 6,42% 12,17% Não precisou 39,08% 60,95% 48,73%

Total (R$) 1.135.361.973

342.759.236 1.988.044.740


NÃO FINANCIAMENTO NO MICROCRÉDITO RURAL (PRONAF B) - POR VALOR BRUTO DA

PRODUÇÃO (VBP Ajustado)


Não Obteve Financiamento em 2006 - Renda Média MOTIVO DO NÃO FINANCIAMENTO

Falta de garantia pessoal 703,13 1165,39 843,25

Não sabe como conseguir 776,81 1057,60 897,34

Burocracia 951,71 1192,71 1050,87

Falta de pagamento anterior 1173,95 1320,06 1217,87

Medo de contrair dívidas 836,12 1184,63 944,27

Outro motivo 817,56 980,32 868,90

Não precisou 782,08 1016,49 911,78

Total (R$) 1.135.361.973 342.759.236 1.988.044.740


90

Análise Multivariada

O uso de modelos estatísticos refina a análise bivariada, pois permite avaliar, por

exemplo, a relação entre o lucro e o acesso ao crédito, controlando os outros atributos

dos estabelecimentos. No apêndice referente ao Censo Agropecuário apresentamos uma

avaliação, através de uma regressão logística, da probabilidade de se obter lucro em

estabelecimentos iguais em uma série de características (ativos), exceto o fato de

obterem ou não financiamento. Em seguida, através de uma regressão log-linear,

verificamos só para os produtores que tiveram lucro, o quanto o crédito impacta sobre o

mesmo, também controlando as demais características do estabelecimento. De forma

similar também através de um outro modelo log-linear analisar o impacto do crédito

sobre o prejuízo, ou seja, se para os produtores que tiveram prejuízo, o mesmo foi de

certa forma mitigado pelo acesso ao crédito.

Alavancagem ao crédito

O modelo apresentado na tabela abaixo é uma regressão logística que avalia a

probabilidade de um estabelecimento de uma UF do Nordeste do país obter um

financiamento, controlando vários atributos de ativos (físicos, humanos, financeiros,

social, natural). Ou seja, estabelecimentos com iguais características quanto aos ativos,

qual seria a chance de obterem financiamento pelo fato de estarem em regiões

geográficas distintas (Nordeste X Sudeste).

Verifica-se na tabela 8 que estabelecimentos de agricultura familiar iguais

quanto a alguns tipos de capital (grau de integração, assentamentos, não associados a

cooperativas, energia, área, praticas agrícolas, força, irrigação, renda, pessoas da

familiar em atividades fora, idade do produtor, recebimento de orientação técnica e

atividade principal) tem chances elevadas, de 18% e 10%, obter acesso financiamento

no Maranhão e na Bahia, quando comparadas às chances de estabelecimentos com as

mesmas características em algum Estado da região Sudeste. Uma explicação possível

seria porque esses estados são novas fronteiras agrícolas no país, com volume cada vez

maior na produção de grãos, com concentração no Oeste da Bahia (Barreiras, Luis

Eduardo Magalhães, etc.) e Sul do Maranhão (Balsas, Tasi Fragoso, etc.) onde há uma

maior integração dos produtores com a agroindústria de grãos. Já as demais UFs da

Região Nordeste possuem chances inferiores de acesso acredito, com destaque para o

91

Rio Grande do Norte e o Piauí, ambos com 32% a menos de chance de acesso a crédito.

O interessante é que assim como na Bahia e Maranhão, o sudoeste do Piauí também é

uma área em franca expansão de grãos no Estado.

Estimate Erro padrão

OR

INTERCEPTO 4,39 0.0209 <.0001CAPITAL SOCIAL

GRAU DE INTEGRAÇÃO AO MERCADO FAO/INCRA -0.00077 7,85E-03 <.0001 0.999 0.999 0.999 ESTAB. PROJ. ASSENTAMENTO DE FAMÍLIAS 0.0993 0.00631 <.0001 1.104 1.091 1.118 NÃO É ASSOCIADO A COOPERATIVAS E A ENTIDADE DE CLASSE -0.6116 0.00360 <.0001 0.543 0.539 0.546CAPITAL FÍSICO

SE UTLIZA ENERGIA ELÉTRICA -0.2938 0.00422 <.0001 0.745 0.739 0.752 ÁREA TOTAL DE TERRAS PRÓPRIAS (HA) 1.08E-8 1,40E-06 <.0001 1.000 1.000 1.000 UTILIZOU PRÁTICAS AGRÍCOLAS -0.1684 0.00373 <.0001 0.845 0.839 0.851 SE UTILIZA FORÇA DE TRAÇÃO ANIMAL E/OU MECÂNICA -0.3020 0.00373 <.0001 0.739 0.734 0.745 FEZ IRRIGAÇÃO NO ESTABELECIMENTO -0.1155 0.00662 <.0001 0.891 0.879 0.903CAPITAL FINANCEIRO

RENDA TOTAL DO ESTABELECIMENTO -7,05E-11 6.29E-11 0.2619 1.000 1.000 1.000 EXISTEM PESSOAS QUE RECEBEM SALÁRIO NA FAMILIA -0.1127 0.0111 <.0001 0.893 0.874 0.913 HOUVE UTILIZAÇÃO DE EMPREGADOS SEM LAÇOS DE PARENTESCO -0.2529 0.00439 <.0001 0.777 0.770 0.783CAPITAL HUMANO

IDADE DO DIRIGENTE DO ESTABELECIEMNTO 0.00387 0.000118 <.0001 1.004 1.004 1.004 ORIENTAÇÃO TÉCNICA

SE O ESTAB. RECEBE ORIENTAÇÃO OCASIONAL -0.3130 0.00605 <.0001 0.731 0.723 0.740 SE O ESTAB. RECEBE ORIENTAÇÃO TÉCNICA REGULAR -0.4700 0.00771 <.0001 0.625 0.616 0.635UNIDADE DA FEDERAÇÃO

MARANHÃO 0.1672 0.00811 <.0001 1.182 1.163 1.201 PIAUÍ -0.3965 0.00704 <.0001 0.673 0.663 0.682 CEARÁ -0.1186 0.00620 <.0001 0.888 0.877 0.899 RIO GRANDE DO NORTE -0.4002 0.0102 <.0001 0.670 0.657 0.684 PARAIBA -0.0563 0.00833 <.0001 0.945 0.930 0.961 PERNABUCO -0.0311 0.00687 <.0001 0.969 0.956 0.983 ALAGOAS 0.0142 0.0103 0.1688 1.014 0.994 1.035 SERGIPE -0.2155 0.0104 <.0001 0.806 0.790 0.823 BAHIA 0.0934 0.00558 <.0001 1.098 1.086 1.110ATIV. PRINCIPAL

LAVOURA PERMANENTE -0.00750 0.00739 0.3098 0.993 0.978 1.007 LAVOURA TEMPORARIA -0.2178 0.00827 <.0001 0.804 0.791 0.817 PECUÁRIA -0.2313 0.00728 <.0001 0.794 0.782 0.805AJUSTE DO MODELO: AIC 2314337 2198423 RAZÃO DE VEROSSIMILHANÇA 1,16E+08 26 <.0001NUMERO DE OBS: 2886886 -2 Log L 2314335 2198369 SCORE 1,14E+08 26 <.0001

WALD 1,07E+08 26 <.0001

OBS. Variáveis omitidas em ordem: não projeto de assentamento; sim associado a cooperativa, não utiliza energia, não utiliza práticas agrícolas,

não utiliza força de tração, não fez irrigação, não existem pessoas que recebe salários, não empregados sem laços, não recebe orientação, UF do sudeste

do Brasil, outra atividade principal.

Fonte: Elaboração do autor com base no Censo agropecuário 2006

TABELA 8: REGRESSÃO LOGISTICA - VARIÁVEL ENDÓGENA O BTEVE FINANCIAMENTO 2006 - AGRICULTURA FAMILIAR

P-valor ODDS RATIO

Intervalo de confiança 95%

93

5. O Agroamigo

Microcrédito e Microfinanças

As últimas décadas presenciaram o advento de tecnologias que possibilitaram o

acesso a crédito a milhões de indivíduos excluídos do setor financeiro tradicional, no

que ficou conhecido como microcrédito. O termo “microcrédito” encontra diferentes

definições. Para Gulli (1998), consiste em serviços financeiros de pequena escala, isto é,

que envolvam valores baixos, enquanto Schreiner (2001) não define o termo pelo valor

emprestado, mas como o crédito concedido a pessoas de baixa renda. Combinamos aqui

as duas definições, designando como microcrédito os empréstimos de baixo valor

concedidos a pessoas de baixa renda.

O microcrédito se encaixa no campo das microfinanças e envolve o

fornecimento de crédito a clientes não atendidos pelo setor bancário tradicional,

abarcando apenas o setor de empréstimos. Já microfinanças referem-se a uma gama de

serviços financeiros diversos, que incluem microcrédito, micropoupanças,

microsseguros, crédito imobiliário, remessas de imigrantes, para citar apenas os

principais. Outros exemplos de programas no campo das microfinanças seriam a

abertura de postos bancários no comércio tradicional (por exemplo, padarias e

mercearias), o que foi recentemente liberado pelo Banco Central, e mesmo programas

de regularização fundiária, caso se adote um sentido ainda mais amplo.

As instituições de microfinanças fornecem serviços financeiros a clientes que

foram excluídos do setor bancário formal, buscando servir pessoas que as instituições

bancárias tradicionais não consideram valer a pena atender e tendo como principais

clientes microempreendimentos (ou nanonegócios). Pode-se entender por

microempreendimentos atividades econômicas independentes que envolvam um volume

reduzido de recursos, o que compreende desde um vendedor ambulante até uma lojinha

com poucos empregados, incluindo qualquer negócio entre esses extremos. Apesar de

pequenas, essas atividades podem ser consideradas empresas na medida em que

envolvem agentes que assumem riscos com seus próprios ativos. Esses

microempreendimentos, por sua natureza tipicamente informal e muitas vezes familiar,

freqüentemente não possuem documentação legal, propriedades, nem tampouco salários

regularizados, que consistem nas garantias exigidas pelas instituições bancárias

94

tradicionais. A chave do sucesso das microfinanças, portanto, é desenvolver produtos e

tecnologias que permitam prover serviços financeiros a esses clientes de forma

sustentável. Isso se tornou possível com o desenvolvimento de tecnologias de sistemas e

métodos de gerenciamento de risco que permitem a concessão de empréstimos a esses

indivíduos com sérias restrições de ativos, sem documentação formal de renda e sem

histórico de crédito. Criaram-se, assim, canais viáveis de distribuição de empréstimos,

conseguindo-se reduzir os custos de transação dos pequenos empréstimos e superar os

altos custos fixos unitários associados aos empréstimos muito pequenos, o que sempre

foi um entrave para o acesso dos pobres ao crédito.

Resumindo, as microfinanças têm por objetivo aumentar a capilaridade do

sistema financeiro nos seus diversos segmentos, dando ênfase especial ao crédito, e

também à poupança e ao seguro, e podem ser percebidas como uma provisão de

serviços financeiros de pequena escala para negócios e famílias tradicionalmente

mantidas à margem do sistema financeiro.

O Programa Agroamigo

O Agroamigo tem por base a forte atuação e presença local do assessor de

microcrédito e sua capacidade de avaliação do cliente, considerando intenções e

potencialidades que resultam na elaboração de propostas de crédito adequadas às

necessidades de cada cliente. O programa destina-se a agricultores familiares

enquadrados no PRONAF Grupo B que exploram parcela de terra na condição de

proprietários, posseiros, arrendatários ou parceiros; que residam na propriedade rural

ou em local próximo; obtenham no mínimo 30% de renda familiar da

exploração agropecuária ou não agropecuária do estabelecimento; tenham o

trabalho familiar como base na exploração do estabelecimento; e possuam renda

bruta anual de até R$ 6.000,00.

Para comprovar a condição de agricultores familiares, estes deverão apresentar a

DAP – Declaração de Aptidão ao PRONAF, emitida pelos órgãos oficiais de assistência

técnica dos Estados ou pelos Sindicatos de Trabalhadores Rurais. Os agricultores

clientes do Agroamigo poderão desenvolver qualquer atividade geradora de renda no

campo ou em aglomerado urbano próximo, sejam agrícolas, pecuárias ou outras

95

atividades não agropecuárias no meio rural, como turismo rural, agroindústria, pesca,

serviços no meio rural ou artesanato.

Tendo início em 2005, o Programa está presente em 160 unidades do Banco,

atendendo a 1.945 municípios do Nordeste brasileiro e Norte de Minas Gerais, contando

com carteira acumulada de R$ 2.765.393 mil, correspondentes a 1.626.582

financiamentos. Já a sua carteira ativa é de mais de R$ 1,146 bilhão contando com

744.021 operações. Em cinco anos de existência, o Agroamigo acumulou mais de 1

milhão de financiamentos e R$ 1,8 bilhão em valores contratados, cifras que fizeram

dele o maior programa de microfinança rural do Brasil. Pelo sucesso das iniciativas

urbana e rural do Banco do Nordeste – evidenciado pelos prêmios internacionais, a

Presidente Dilma estabeleceu que tanto o Banco do Brasil quanto a Caixa Econômica

Federal devem se basear no Credi/Agroamigo em suas operações.

Objetivos5

• Conceder crédito orientado e acompanhado aos (às) agricultores (as) familiares;

• Adotar metodologia de microcrédito rural;

• Agilizar o processo de concessão de crédito;

• Expandir de forma quantitativa e qualitativa o atendimento aos agricultores

familiares, com redução de custos para o cliente;

• Atender ao (à) cliente na própria comunidade, por meio do Assessor de

Microcrédito Rural;

• Atender integralmente ao (à) clientes, buscando a identificação das necessidades

de outros serviços microfinanceiros;

• Promover a inclusão financeira do (a) agricultor (a) familiar e seu acesso ao

Banco;

• Sensibilizar os (as) agricultores (as) familiares quanto à importância da educação

financeira;

• Conscientizar os (as) agricultores (as) quanto à necessidade de exploração

sustentável do meio ambiente; 5 Baseado em http://www.bnb.gov.br/content/aplicacao/Produtos_e_Servicos/agroamigo/gerados/apresentacao.asp .

• Possibilitar o aumento da renda familiar dos (as) agricultores (as) familiares e

qualidade de vida da população rural;

Na operacionalização do crédito, o Instituto Nordeste Cida

metodologia de microcrédito produtivo orientado, que exige o relacionamento direto

com agricultores de pequenos empreendimentos, em suas próprias comunidades rurais,

sendo o atendimento aos empreendedores rurais realizados pelos assessores de

objetivando discutir com os agricultores a sua proposta de crédito.

A metodologia utilizada no trabalho do Agroamigo já está sendo reconhecida

como exemplar pelo Governo Federal; pois, a concessão de crédito orientado e

acompanhado é o modelo de

familiares enquadrados no grupo B do Pronaf. Assim, graças ao formato adotado, os

assessores de microcrédito rural passam a operacionalizar o crédito de forma assistida,

oferecendo aos produtores um

com acompanhamento adequado e sistemático das operações realizadas.

Ficam como responsabilidades do Banco do Nordeste acompanhar,

supervisionar e fiscalizar o

necessário ao Instituto Nordeste Cidadania para que sejam

programa. O Banco realiza ainda o deferimento, a contratação das propostas de crédito

que lhe forem encaminhadas e a liberação das parcelas realizadas

clientes. Com esse modelo, o Banco do Nordeste atua como instituição de crédito de

primeiro piso.

96

aumento da renda familiar dos (as) agricultores (as) familiares e

qualidade de vida da população rural;

Na operacionalização do crédito, o Instituto Nordeste Cida



sendo o atendimento aos empreendedores rurais realizados pelos assessores de

objetivando discutir com os agricultores a sua proposta de crédito.



acompanhado é o modelo de financiamento mais adequado para atender aos agricultores



oferecendo aos produtores um atendimento personalizado e na sua própria comunidade,



supervisionar e fiscalizar o cumprimento do termo de parceria e propo

necessário ao Instituto Nordeste Cidadania para que sejam alcançados


que lhe forem encaminhadas e a liberação das parcelas realizadas


aumento da renda familiar dos (as) agricultores (as) familiares e a

Na operacionalização do crédito, o Instituto Nordeste Cidadania adota a



sendo o atendimento aos empreendedores rurais realizados pelos assessores de crédito,



financiamento mais adequado para atender aos agricultores



atendimento personalizado e na sua própria comunidade,



cumprimento do termo de parceria e proporcionar o apoio

os objetivos do


que lhe forem encaminhadas e a liberação das parcelas realizadas diretamente aos


97

Perfil dos Clientes e Análise de Desempenho

Geral

A partir dos dados operacionais do programa Agroamigo, que dispõe de 42.450

observações, aproximadamente, analisaremos informações de frequência populacional,

lucro e receita bruta nominal dos clientes do Programa Agroamigo. Há disponibilidade

de informações agregadas (médias e porceefntagens) para dois anos, que receberão as

simples denominações de “ano 1” e “ano 2”; isso possibilita uma visão inicial de como

essas variáveis evoluíram no tempo.

Bivariado Total % Lucro_ANO1 Lucro_ANO2 1 Média Média

Total 73509 1617,43 2074,17

GERÊNCIA 1301,95 2603,89

AL 6676 9,08% 1694,49 2259,6

BA 12621 17,17% 1488,18 2155,09

CE 6561 8,93% 1595,44 1806,01

MA 5893 8,02% 1494,62 2627,31

MG 8429 11,47% 1437,7 1908,33

PB 7273 9,89% 1736,8 1867,45

PE 8687 11,82% 1513,47 2125,16

PI 6646 9,04% 1769,98 1921,34

RN 5254 7,15% 1758,18 2112,2

SE 5468 7,44% 1933,28 1978,68

SEXO HOMEM 38219 51,99% 1606 2107,65

IGNORADO 16 0,02% 1590,23 1789,22

zMULHER 35274 47,99% 1629,8 2037,96

Estado Civil Casado(a) 37116 50,49% 1640,88 2043,31

Divorciado 46 0,06% 1469,97 2002,71

IGNORADO 4648 6,32% 1572,39 2000,17

Separado/Divorciado(a) 1098 1,49% 1601 1914,82

Solteiro(a) 20812 28,31% 1580,38 2149,85

União Estável 8089 11,00% 1633,89 2098,7

Viúvo(a) 1700 2,31% 1617,37 2011,24

Escolaridade cEns, Fund, Incompleto 36451 49,59% 1675,89 2063,73

dEns, Fund, Completo 4441 6,04% 1590,02 2134,97

eEns, Médio Incompleto 1775 2,41% 1638,35 2159,66

98

fEns, Médio Completo 5040 6,86% 1698,09 2161,65

gNível Sup, 17 0,02% 1348,37 1832,06

lOutros 58 0,08% 1864,43 2161,21

mIGNORADO 7173 9,76% 1538,4 1908,75

zAlfabetizado 18554 25,24% 1516,09 2112,03

Dedicacao Atividade Atividade Pric, na renda Familiar 31819 43,29% 1632,46 2026,84

IGNORADO 2287 3,11% 1766,83 2022,6

zAtividade Complementar na renda Familiar 39403 53,60% 1596,88 2115,38

Condicao Uso Posse Terra Arrendatário/Comodatário 11957 16,27% 1651,13 2150,49

IGNORADO 5808 7,90% 1421,36 1821,65

Meeiro 1807 2,46% 1470,97 1816,83

Parceiro 9512 12,94% 1629,08 2043,04

Posseiro 8593 11,69% 1418,63 2229,49

zProprietário 35832 48,75% 1691,23 2073,78

Fonte: CPS/FGV através do processamento dos microdados Agroamigo

99

Análise do Perfil dos Clientes e de Evolução do Lucro

A ideia fundamental que procuramos explicitar com os dados é de que parece

haver mudança do padrão de lucro e das receitas de acordo com as características dos

clientes do programa.

O lucro dos clientes em geral teve um aumento significativo de patamar em

média do ano 1 para o ano 2 (passa de R$1617,43 para R$2074,17, aumento de

28,24%). Em relação à receita média dos clientes, esta cresceu 26% nesse período,

passando de R$2091,33 para R$2635,49. Inicialmente, isso mostra um potencial de

geração de renda para os clientes do programa, assim como sua efetividade e capacidade

de expansão.

Gênero

Ao contrário do CrediAmigo, que segue nos moldes do Grammen Bank e tem

como uma das premissas o foco nas mulheres (66% dos clientes são do sexo feminino),

os clientes do Agroamigo são predominantemente do sexo masculino, mesmo que a

diferença seja pequena (52% dos clientes são homens contra 48% de mulheres) e

estejamos exatamente em linha com a população rural nordestina. No universo de conta

próprias e empregadores rurais a divisão dos secos é ainda mais masculina (79.9% dos

microempresários rurais são homens contra 20,1% de mulheres). Ou seja o programa

tem na verdade uma proporção de mulheres 180% maior que a observada no mundo

masculino microempresarial do campo.

Algumas diferenças de gênero dos clientes ficam claras ao olhar para o lucro e

para a receita de cada sexo nos anos 1 e 2. Apesar de os níveis de lucro de cada sexo

serem parecidos, há um maior crecimento do lucro dos homens, que no ano 2 passa a

superar o das mulheres (R$1606 para eles x R$1629,8 para elas no ano 1 e R$2107,65

para eles x R$2037,96 para elas no ano 2). O montante do lucro dos homens cresceu

31,24% do ano 1 para o ano 2, enquanto o das mulheres cresceu 25,04% no mesmo

período. Apesar da diferença de lucro favorável aos homens, os lucros dos dois gêneros

tiveram expressivo crescimento. Ao observar o nível e a variação das receitas brutas

nominais dos clientes no ano 1 e ano 2, assim como em relação ao lucro temos

indicadores favoráveis ao sexo masculino. Apesar de partirem de um nível de receitas

menor do que o das mulheres (R$2069,87 para eles contra 2114,43 para elas), a

100

variação da receita entre os dois momentos foi maior para os homens (28,58% contra

23,31%), fazendo com que no segundo momento a receita deles superasse a delas

(R$2661,47 contra R$2607,36). Sabemos da importância do papel do sexo feminino

para a saída da pobreza de sua família, já que segundo a literatura econômica, as

mulheres socializam mais seus ganhos dentro do domicílio, ajudando mais os filhos, por

exemplo. Nessa linha, faz-se necessário entender porque a receita e o lucro das

mulheres cresceram menos em comparação aos homens.

Região Geográfica

A maior concentração de clientes da amostra do Agroamigo se dá no estado da

Bahia, que é o maior estado nordestino com 28,8% dos microempresários do campo e

abrigaria 17,17% da clientela do programa. Após a Bahia, os estados com maior

concentração de clientes é Pernambuco (11,82%) e Minas Gerais (11,47%). Os estados

com a menor porcentagem de clientes são Rio Grande do Norte (7,15%) e Sergipe

(7,44%).

Os maiores lucros no momento final de análise, por sua vez, são encontrados no

estado do Maranhão (R$2627,31), seguido por Alagoas (R$2259,6) e Bahia

(R$2155,09). O Maranhão também apresentou o maior aumento de lucro entre os dois

momentos de análise, passando de R$1494,62 para R$2627,31 (variação de 76%). Após

o Maranhão, as maiores variações de lucro ocorreram nos estados da Bahia (45%) e

Pernambuco (40%). Os menores lucros são encontrados no Ceará (R$1806) e na Paraíba

(R$1867,45), enquanto as menores variações ocorreram no Sergipe (apenas 2%),

Paraíba (8%) e Piauí (9%).

101

Mapa da Porcentagem de Clientes do Agroamigo

Fonte: CPS/FGV a partir dos microdados do Programa Agroamigo/BNB

Mapa do Lucro Médio dos Clientes do Agroamigo

Fonte: CPS/FGV a partir dos microdados do Programa Agroamigo/BNB

% C l i e n t e s A g r o a m i g o0 - 0 . 0 10 . 0 1 - 0 . 0 50 . 0 5 - 0 . 10 . 1 - 0 . 20 . 2 - 0 . 3 5N o D a t a

L u c r o A n o 2 A g r o a m i g o1 4 0 0 - 1 5 2 01 5 2 0 - 1 6 4 01 6 4 0 - 1 9 0 01 9 0 0 - 2 4 0 02 4 0 0 - 3 7 4 0N o D a t a

102

Estado Civil

Passando à importância do estado civil na composição dos clientes e removendo

a parcela de ‘ignorados’ na amostra, temos que 53,9% dos clientes do programa são

casados e 30,22% são solteiros. No âmbito de redução da pobreza familiar, um cliente

que é casado tende a compartilhar seus ganhos com o resto da população (i.e sua

família), gerando um aumento de bem estar maior do que em relação aos ganhos de uma

pessoa solteira. Para o lucro, os casados teriam, inicialmente, “valor” superior aos

solteiros, tendo em vista que o risco de default é menor por causa do maior número de

pessoas na família disponíveis para compor a renda e pagar empréstimos. Essa

interpretação seria impulsionada se a receita dos casados for maior que dos solteiros.

Por outro lado, o casamento pode ensejar maior razão de dependência fruto da presença

de filhos menores.

Olhando para o lucro dos clientes, tanto no ano 1 como no ano 2 o valor do lucro

dos casados é bem próximo do referente aos solteiros (R$1640,88 para os casados x

R$1580,38 para os solteiros no ano 1 e R$2043,31 para os casados e R$2149,85 para os

solteiros no ano 2). Apesar de os valores serem parecidos em nível, percebemos que o

lucro dos solteiros crece mais do que o dos casados, ultrapassando-o em nível no ano 2

e revertendo a situação inicial. O lucro dos solteiros cresceu 36% no período contra

24,53% de crescimento dos casados. Ao olharmos para a evolução da receita dos

clientes de acordo com seu estado civil, temos novamente resultados favoráveis aos

solteiros, o que de certa forma explica o maior crescimento do lucro desse grupo no

período em questão; os solteiros tiveram um crescimento de suas receitas nominais de

32,65% contra 23,14% dos casados.

Escolaridade

O programa tem como objetivo atuar nos segmentos mais excluídos da

sociedade rural, e esse propósito é bem representando pela educação média dos seus

clientes. Excluindo os ignorados da amostra, temos que 27,97% dos clientes são

alfabetizados porém sem grau de escolaridade e 54,95% tem o ensino fundamental

incompleto, totalizando 82,92% de clientes com pelo menos o fundamental incompleto.

Apesar de tradicionalmente a educação ser um fator diferencial no nível de renda das

103

pessoas, percebemos de acordo com os dados do programa que, em termos de lucro e

receitas, esse não é um fator preponderante tanto em nível nos dois anos quanto na

variação entre um ano e outro.

Uso da Terra

O debate sobre o uso e posse da terra já rendeu debates políticos acalorados além

de intensas manifestações de organizações sociais. Dado o caráter micro do Agroamigo

e o histórico dos pequenos proprietários rurais, não é surpresa a configuração de

propriedades rurais, como na tabela a seguir.

Condição de Uso/Posse da terra Pop Total Vertical

Arrendatário/Comodatário 11.957 16,27%

Meeiro 1.807 2,46%

Parceiro 9.512 12,94%

Posseiro 8.593 11,69%

Proprietário 35.832 48,75%

IGNORADO 5.808 7,9%

Fonte: CPS/FGV a partir dos microdados do Agroamigo/Banco do Nordeste

Temos que quase metade dos clientes do Agroamigo são proprietários de terra, o

que é bom para o maior êxito do programa, já que a posse da terra ajuda o

microempreendedor a exercer sua atividade e obter maiores rendimentos, dado que não

precisa pagar aluguel e não depende de outras pessoas para o cultivo próprio.

Dedicação na Atividade Microempreendedora

Em relação à dedicação na atividade microempreendedora dos clientes do banco,

contrariando o senso comum, temos que 55,32% dos clientes não exercem sua atividade

microempresarial como principal atividade na renda familiar, e sim como um

complemento para essa renda. De forma complementar, 44,68% dos clientes exercem a

atividade empreendedora como principal atividade na renda familiar, número abaixo do

que poderia se esperar. Lembrando que os ignorados na amostra foram excluídos para

calcularmos esses percentuais.

104

Análise de Impacto

Realizamos a seguir modelo controlado de equação de receitas, lucro, custo e

reembolso para isolar os efeitos temporais, de características chaves do programa e o

termo interativo no sentido de isolar os efeitos de diferença em diferença para tentar

captar influência dos programas por estes atributos ao longo do tempo, conforme as

notas explicativas abaixo:

Equação Minceriana A equação minceriana de salários serve de base a uma vasta literatura empírica

de economia do trabalho. O modelo salarial de Jacob Mincer (1974) é o arcabouço utilizado para estimar retornos da educação, entre outras variáveis determinantes da renda do trabalho. Mincer concebeu uma equação para rendimentos que seria dependente de fatores explicativos associados à escolaridade e à experiência, além de possivelmente outros atributos, como sexo, por exemplo.

Essa equação é a base da economia do trabalho em particular no que tange aos efeitos da educação. Sua estimação já motivou centenas de estudos, que tentam incorporar diferentes custos educacionais, como impostos, mensalidades, custos de oportunidades, material didático, assim como a incerteza e a expectativa dos agentes presentes nas decisões, o progresso tecnológico, não linearidades na escolaridade etc. Identificando os custos da educação e os rendimentos do trabalho, viabilizou o cálculo da taxa interna de retorno da educação, que é a taxa de desconto que equaliza o custo e o ganho esperado de se investir em educação –- a taxa de retorno da educação, que deve ser comparada com a taxa de juros de mercado para determinar a quantidade ótima de investimento em capital humano. A equação de Mincer também é usada para analisar a relação entre crescimento e nível de escolaridade de uma sociedade, além dos determinantes da desigualdade.

O modelo econométrico de regressão típico decorrente da equação minceriana é: ln w = β0 + β1 educ + β2 exp + β3 exp² + γ′ x + є

onde w é o rendimento do trabalho recebido pelo indivíduo; educ é a sua escolaridade, geralmente medida por anos de estudo; exp é sua experiência, geralmente aproximada pelo idade do indivíduo; x é um vetor de características observáveis do indivíduo, como raça, gênero, região;

e є é um erro estocástico.

Este é um modelo de regressão no formato log-nível, isto é, a variável dependente – o salário – está em formato logaritmo e a variável independente mais relevante - a escolaridade – está em nível. Portanto, o coeficiente β1 mede quanto um ano a mais de escolaridade causa de variação proporcional no salário do indivíduo. Por exemplo, se β1 é estimado em 0,18, isso quer dizer que cada ano a mais de estudo está relacionado, em média, com um aumento de rendimento de 18%. Matematicamente, tem-se que: Derivando, encontramos que ( ∂ ln w / ∂ educ ) = β1 Por outro lado, pela regra da cadeia, tem-se que:

(∂ ln w / ∂ educ) = (∂ w / ∂ educ) (1 / w) = (∂ w / ∂ educ) / w) Logo, β1 = (∂ w / ∂ educ) / w, correspondendo, portanto, à variação percentual do salário decorrente de cada acréscimo unitário de ano de estudo.

105

Equação de Lucro

Apresentamos abaixo um modelo de lucro com as principais variáveis do banco

de dados, com exceção da educação que apresenta alguns problemas de mensuração.

Equação do Log Lucro

The SURVEYREG Procedure Regression Analysis for Dependent Variable LNreceita

Class Level Information

Class Variable Label Levels Values

SEX SEXO 3 HOMEM IGNORADO zMULHER

ACESSO Acesso Assintencia Tecnica

3 IGNORADO Sim zNão

CIVIL Estado Civil 7 Casado(a) Divorciado IGNORADO Separado/Divorciado(a) Solteiro(a) União Estável Viúvo(a)

Superintend Superintendencia 10 AL BA CE MA MG PB PE PI RN SE

CONDICAO Condicao Uso Posse Terra 6 Arrendatário/Comodatário IGNORADO Meeiro Parceiro Posseiro zProprietário

Organizacao Pertence Organizacao Social


Dedicacao Dedicacao Atividade 3 Atividade Pric. na renda Familiar IGNORADO zAtividade Complementar na renda Familiar

anon 2 a2 za1

Tests of Model Effects

Effect Num DF F Value Pr > F

Model 29 330.47 <.0001

Intercept 1 161760 <.0001

SEX 2 5.54 0.0039

ACESSO 2 912.78 <.0001

CIVIL 6 12.18 <.0001

Superintend 9 221.16 <.0001

Data Summary

Number of Observations 122411

Mean of LNlucro 7.61741

Sum of LNlucro 932454.9

106



CONDICAO 5 25.14 <.0001

Organizacao 2 163.84 <.0001

Dedicacao 2 166.74 <.0001

anon 1 4396.20 <.0001

Note: The denominator degrees of freedom for the F tests is 122410.

Estimated Regression Coefficients

Parameter Estimate Standard

Error t Value Pr > |t|

Intercept 7.7020731 0.00981615 784.63 <.0001

SEX HOMEM 0.0075273 0.00231818 3.25 0.0012

SEX IGNORADO -0.0358539 0.05419006 -0.66 0.5082

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.0944490 0.01003031 -9.42 <.0001

ACESSO Sim -0.1560612 0.00365767 -42.67 <.0001

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0123247 0.00836600 1.47 0.1407

CIVIL Divorciado -0.0328344 0.03426466 -0.96 0.3379

CIVIL IGNORADO 0.0042030 0.00973950 0.43 0.6661

CIVIL Separado/Divorciado(a) -0.0068396 0.01258763 -0.54 0.5869

CIVIL Solteiro(a) 0.0326105 0.00856321 3.81 0.0001

CIVIL União Estável 0.0184333 0.00900644 2.05 0.0407

CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.0439021 0.00492642 8.91 <.0001

Superintend BA -0.0447152 0.00499399 -8.95 <.0001

Superintend CE -0.1060016 0.00546772 -19.39 <.0001

Superintend MA 0.1068766 0.00638092 16.75 <.0001

Superintend MG -0.0620464 0.00512982 -12.10 <.0001

Superintend PB -0.0549866 0.00516388 -10.65 <.0001

Superintend PE -0.0029127 0.00509169 -0.57 0.5673

Superintend PI -0.0272009 0.00525779 -5.17 <.0001

107




Superintend RN 0.0180629 0.00555611 3.25 0.0012

Superintend SE 0.0000000 0.00000000 . .

CONDICAO Arrendatário/Comodatário -0.0194931 0.00337308 -5.78 <.0001

CONDICAO IGNORADO 0.0219497 0.00503230 4.36 <.0001

CONDICAO Meeiro -0.0387097 0.00709935 -5.45 <.0001

CONDICAO Parceiro 0.0055757 0.00341310 1.63 0.1023

CONDICAO Posseiro 0.0188813 0.00437069 4.32 <.0001

CONDICAO zProprietário 0.0000000 0.00000000 . .

Organizacao IGNORADO 0.0091485 0.00292412 3.13 0.0018

Organizacao Sim -0.0407755 0.00289628 -14.08 <.0001

Organizacao zNão 0.0000000 0.00000000 . .

Dedicacao Atividade Pric. na renda Familiar

-0.0406197 0.00248898 -16.32 <.0001

Dedicacao IGNORADO 0.0300157 0.00598160 5.02 <.0001

Dedicacao zAtividade Complementar na renda Familiar

0.0000000 0.00000000 . .

anon a2 0.1533809 0.00231330 66.30 <.0001

anon za1 0.0000000 0.00000000 . .

Fonte: CPS/FGV a partir dos microdados do Agroamigo / Banco do Nordeste

Começamos com a análise de um modelo mais simples de lucro. Homens

apresentam lucros maiores do que as mulheres, porém, apesar de significativa, a

diferença é de menos de 1% a favor deles. Estado civil não apresenta impactos

significativos diferenciados a não ser no caso dos solteiros, onde o lucro é 3,26% maior.







108












atividade como complementar. Isso pode estar refletindo a importância da

diversificação de atividades agropecuárias. Esta variável será fundamental para o

desenho da estratégia de orientação do crédito produtivo.

Finalmente, o lucro teve um ganho nominal de 15,33% no segundo ano em

relação ao primeiro, mostrando um impacto positivo do programa. A análise interativa

será de fundamental importância para entender o impacto relativo de cada variável na

evolução do lucro ao longo do tempo.

Análise de Diferença em Diferença

Exemplo de metodologia aplicada a dois períodos distintos Em economia, muitas pesquisas são feitas analisando os chamados experimentos. Para

analisar um experimento natural sempre é preciso ter um grupo de controle, isto é, um grupo que não foi afetado pela mudança, e um grupo de tratamento, que foi afetado pelo evento, ambos com características semelhantes. Para estudar as diferenças entre os dois grupos são necessários dados de antes e de depois do evento para os dois grupos. Assim, a amostra está dividida em quatro grupos: o grupo de controle de antes da mudança, o grupo de controle de depois da mudança, o grupo de tratamento de antes da mudança e o grupo de tratamento de depois da mudança.

A diferença entre a diferença verificada entre os dois períodos, entre cada um dos grupos é a diferença em diferença, representada com a seguinte equação:

g3 = (y2,b – y2,a) – (y1,b – y1,a) Onde cada Y representa a média da variável estudada para cada ano e grupo, com o

número subscrito representando o período da amostra (1 para antes da mudança e 2 para depois da mudança) e a letra representando o grupo ao qual o dado pertence (A para o grupo de controle e B para o grupo de tratamento). E g3 é a estimativa a partir da diferença em diferença. Uma vez obtido o g3, determina-se o impacto do experimento natural sobre a variável que se quer explicar.

109

Os modelos completos estão apresentados no apêndice técnico antecedidos por

algumas estimativas bivariadas, com médias e coeficientes de variação destas

estimativas. Realizamos um exercício de diferenças em diferenças sobre a equação de

lucro conforme as notas anteriores, de forma a isolar de mudanças sócio-demográficas e

operacionais o impacto das variáveis de interesse, tempo e o termo interativo delas (o

estimador de diferença em diferença).

Lucro

Gênero – Apesar os homens possuírem lucros controlados menores do que o das

mulheres como foi mostrado no modelo acima, eles apresentam ganho temporal de

lucro 2,81% maior que o das mulheres.


Parameter Estimate Standard Error t Value Pr > |t|

SEX*anon HOMEM a2 0.0281219 0.00461821 6.09 <.0001

SEX*anon HOMEM za1 0.0000000 0.00000000 . .

SEX*anon zMULHER a2 0.0000000 0.00000000 . .

SEX*anon zMULHER za1 0.0000000 0.00000000 . .

Dedicação exclusiva – Atividades produtivas especializadas, apesar de

apresentarem lucros controlados menores, apresentam aumento relativo de 1% vis a vis

àquelas diversificadas.



Dedicacao*anon Atividade Pric. na renda Familiar a2

0.0109282 0.00476138 2.30 0.0217

Dedicacao*anon Atividade Pric. na renda Familiar za1

0.0000000 0.00000000 . .

Dedicacao*anon zAtividade Complementar na renda Familiar a2

0.0000000 0.00000000 . .

Dedicacao*anon zAtividade Complementar na renda Familiar za1

0.0000000 0.00000000 . .

110

Organização social – Apesar de menor lucro controlado, o ganho de lucro ao

longo do tempo proporcionado pela participação em organização social é 2% maior em

relação a alguém que não participa.



Organizacao*anon Sim a2 0.0279406 0.00568569 4.91 <.0001

Organizacao*anon Sim za1 0.0000000 0.00000000 . .

Organizacao*anon zNão a2 0.0000000 0.00000000 . .

Organizacao*anon zNão za1 0.0000000 0.00000000 . .



posseiros apresentaram variação 8,2% maior. Cabe ressaltar que a variação de lucro dos

parceiros não é significante estatisticamente (p value 0,4218).



CONDICAO*anon Meeiro a2 -0.0513682 0.01322745 -3.88 0.0001

CONDICAO*anon Meeiro za1 0.0000000 0.00000000 . .

CONDICAO*anon Parceiro a2 0.0051270 0.00638194 0.80 0.4218

CONDICAO*anon Parceiro za1 0.0000000 0.00000000 . .

CONDICAO*anon Posseiro a2 0.0822128 0.00830815 9.90 <.0001

CONDICAO*anon Posseiro za1 0.0000000 0.00000000 . .

CONDICAO*anon zProprietário a2 0.0000000 0.00000000 . .

CONDICAO*anon zProprietário za1 0.0000000 0.00000000 . .

Receitas

Discutimos agora os modelos relativos à receita operacional

Gênero – Homens apresentam ganho temporal de receita operacional 2,36%

maior que o das mulheres.

111



SEX*anon HOMEM a2 0.0236252 0.00453743 5.21 <.0001

SEX*anon HOMEM za1 0.0000000 0.00000000 . .



Dedicação exclusiva – Atividades monolíticas apresentam aumento temporal

das receitas 1,28% maior do que atividades diversificadas.



Dedicacao*anon Atividade Pric. na renda Familiar a2

0.0128752 0.00465331 2.77 0.0057

Dedicacao*anon Atividade Pric. na renda Familiar za1

0.0000000 0.00000000 . .

Dedicacao*anon zAtividade Complementar na renda Familiar a2

0.0000000 0.00000000 . .

Dedicacao*anon zAtividade Complementar na renda Familiar za1

0.0000000 0.00000000 . .

Organização social – o ganho de receita operacional ao longo do tempo

proporcionado pela participação em organização social é aproximadamente 2,4% maior

do que o ganho de quem não participa em nenhuma organização.







Uso da Terra – o comportamento da receita operacional ao longo do tempo

mostra que, enquanto meeiros apresentaram uma variação 2,7% menor do que

112

proprietários, parceiros (1,95% maior) e posseiros (9,31% maior) superaram os

proprietários em termo de crescimento das receitas.











113

Determinantes de Atrasos Creditícios e Desempenho dos Clientes do Agroamigo

(Base Nova)

Visão Geral

As duas amostras de clientes do programa Agroamigo disponíveis para análise

foram divididas de acordo com o questionário aplicado. A primeira, mais antiga, contém

informações sobre o universo de 65 mil clientes, englobando receitas e lucros em dois

momentos distintos, o que nos permitiu ver qual o comportamento dessas variáveis

segundo diferentes atributos socioeconômicos. A segunda base de dados, mais recente,

conta com mais variáveis além das aplicadas no questionário antigo, apesar do menor

número de clientes: constam informações de “apenas” 7.867 clientes. Daremos

prosseguimento à análise de dados do programa, mas utilizando essa população menor.

Perde-se em quantidade de pessoas, mas se ganha em novidade informacional, pois

podemos olhar para infraestrutura, acesso a mercados, bancarização e acesso a

instrumentos financeiros, recebimento de Bolsa Família, entre outros.

Nesta nota avaliamos os principais determinantes do atraso de pagamentos dos

clientes.

Determinantes de Atrasos Creditícios

Modelos de Escolha de Variáveis Explicativas sobre Atraso do Agroamigo

Apresentamos inicialmente nesta subseção uma discussão sobre uma série de

modelos de estimação dos determinantes da inadimplência dos Clientes do Agroamigo

usando a riqueza de variáveis da base nova.

114

Análise Multivariada - metodologia A análise bivariada capta o papel exercido por cada atributo tomado isoladamente

na demanda por seguro. Isto é, desconsideramos possíveis e prováveis inter-relações das "variáveis explicativas". Exemplificando: no cálculo de seguros por estados da federação desconsideramos o fato de que São Paulo é um lugar mais rico que a maioria, portanto deveriam ter mais acesso a seguro. A análise multivariada empreendida mais à frente procura dar conta dessas inter-relações através de regressões de diversas variáveis explicativas tomadas conjuntamente.

Visando proporcionar um experimento melhor controlado que a análise bivariada, o objetivo é captar o padrão de correlações parciais entre as variáveis de interesse e as variáveis explicativas. Por outras palavras, captamos as relações entre duas variáveis mantendo as demais variáveis constantes. Essa análise é bastante útil na identificação de demandas reprimidas ou potenciais no sentido em que comparamos, por exemplo, quais as chances de uma pessoa no Acre ter acesso a seguros, sendo ela igual em todas as características (incluindo renda) ao paulistano.

Faremos uma análise multivariada do acesso a diferentes modalidades de seguro

privado a partir de um modelo logístico cuja descrição é realizada a seguir:

115

REGRESSÃO LOGÍSTICA

O tipo de regressão utilizado nos simuladores, assim como para determinar as diferenças-em-diferenças, é o da regressão logística, método empregado para estudar variáveis dummy -- aquelas compostas apenas por duas opções de eventos, como “sim” ou “não”. Por exemplo:

Seja Y uma variável aleatória dummy definida como:

=seguro temnão pessoa a se 0

seguro tempessoa a se 1 Y

Onde cada iY tem distribuição de Bernoulli, cuja função de distribuição de probabilidade é dada

por:

y-1y p)-1(pp)|P(y =

Onde: y identifica o evento ocorrido e p é a probabilidade de sucesso de ocorrência do evento.

Como se trata de uma seqüência de eventos com distribuição de Bernoulli, a soma do número de sucessos ou fracassos neste experimento tem distribuição binomial de parâmetros n (número de observações) e p (probabilidade de sucesso). A função de distribuição de probabilidade da binomial é dada por:

y-1y p)-1(py

np)n,|P(y

=

A transformação logística pode ser interpretada como o logaritmo da razão de probabilidades sucesso versus fracasso, no qual a regressão logística nos dá uma idéia do risco de uma pessoa obter seguro, dado o efeito de algumas variáveis explicativas que serão introduzidas mais à frente.

A função de ligação deste modelo linear generalizado é dada pela seguinte equação:

∑=

=

=

K

0kikk

i

ii xβ

p-1

plogη

onde a probabilidade pi é dada por:

+

=

∑

∑

=

=K

0kikk

K

0kikk

i

xβexp1

xβexp

p

Modelos de Escolha de Variáveis

Começamos explorando a riqueza de informações da base da amostra de clientes

traçada do Agroamigo a partir de um modelo de seleção de variáveis de acordo com o

nível de significância estatística relacionada ao atraso do microcrédito. O exercício

funciona como parte do aprendizado sobre a base de dados, dada a miríade de

informações conhecidas. A fim de determinar quais delas teriam maior poder

116

explicativo e quais seriam mais relevantes, aplicamos um procedimento de escolha

seqüencial de variáveis que usa um modelo logístico binomial.

A lista de variáveis selecionadas para cada modelo (a partir de um teste F) é

fornecida a seguir, em ordem crescente de importância, numa lista auto-explicativa de

15 variáveis, sendo as demais variáveis eliminadas6 não reportadas na tabela:

Modelo STEPWISE de seleção das variáveis

Step Variable Label

1 TEC_EMPREGA_IRRIGACAO

2 Superintendencia

3 PERIODICIDADE_PARCELAS

4 INFRA_AGUA_CISTERNA

5 CONHECEU_PROG_ASSOC_COOPER

6 CONHECEU_PROG_ASSIST_TECNICA

7 Condicao Uso Posse Terra

8 BOLSA_FAMILIA

9 Acesso Assintencia Tecnica

10 TEC_EMPREGA_MINERALIZACAO

11 TEC_EMPREGA_VERMIFUGACAO

12 Estado Civil

13 INFRA_ESTRADA

14 FILHOS_ESTUDAM

15 TEC_EMPREGA_MECANIZACAO

Fonte: CPS/FGV a partir dos microdados da base amostral do Agroamigo

6 Sexo; cor/raça; atraso em prestações de bens/serviços; religião; dificuldades de renda; problemas com violência; tem despesa com imóveis (a vista ou parcelado); capital

117

Razão de vantagens Às vezes temos interesse em conhecer a vantagem do sucesso de um grupo, mais especificamente em

como conseguiu crédito e, não, um outro grupo. Um exemplo para esse caso seria a seguinte questão: será

que a vantagem de uma pessoa da classe AB ter acesso a seguro é quanto maior que a de uma situada na

classe C? A razão de vantagens seria uma boa forma de medir isso.

A razão de vantagens é dada pela seguinte relação:

=

2

2

1

1

p-1

pp-1

p

θ

onde 1p e 2p são as probabilidades de sucesso dos grupos 1 e 2, respectivamente.

Assim, percebe-se que a razão de vantagens, ou razão condicional, difere da probabilidade.

Exemplificando-se novamente: se um cavalo tem 50% de probabilidade de vencer uma corrida, sua

razão condicional é de 1 em relação aos outros cavalos, isto é, sua chance de vencer é de um para um.

O conceito de razão condicional é de extrema importância para a compreensão deste trabalho, pois

nos indicará se a variável gerada por diferenças-em-diferenças aumentou ou diminuiu a chance de

sucesso em relação à variável estudada.

Modelo de Atraso de Crédito - Razões de Chances Estimadas

Effect Point

Estimate 95% Wald

Confidence Limits

ACESSO a Assistência Técnica Sim vs zNão 2.074 1.313 3.276

CIVIL Casado(a) vs Viúvo(a) 0.534 0.201 1.423

CIVIL IGNORADO vs Viúvo(a) 0.412 0.044 3.824

CIVIL Separado/Divorciado(a) vs Viúvo(a) 0.283 0.029 2.739

CIVIL Solteiro(a) vs Viúvo(a) 0.886 0.327 2.400

CIVIL União Estável vs Viúvo(a) 1.170 0.414 3.304

Superintend AL vs SE 0.162 0.019 1.359

Superintend BA vs SE 0.374 0.134 1.044

Superintend CE vs SE 0.375 0.120 1.171

Superintend MA vs SE 1.164 0.452 2.993

Superintend MG vs SE 4.858 2.117 11.148

Superintend PB vs SE 0.829 0.286 2.403

Superintend PE vs SE 0.692 0.252 1.896

Superintend PI vs SE 0.582 0.216 1.572

Superintend RN vs SE 0.178 0.036 0.891

CONDICAO Arrendatário/Comodatário vs zProprietário 1.626 0.997 2.654

118

Modelo de Atraso de Crédito - Razões de Chances Estimadas

Effect Point

Estimate 95% Wald

Confidence Limits

CONDICAO IGNORADO vs zProprietário 1.695 0.636 4.517

CONDICAO Meeiro vs zProprietário 1.166 0.262 5.186

CONDICAO Parceiro vs zProprietário 0.814 0.342 1.937

CONDICAO Posseiro vs zProprietário 2.665 1.585 4.481

FILHOS_ESTUDAM Sim vs zNão 1.519 1.038 2.225

INFRA_AGUA_CISTERNA Sim vs zNão 0.228 0.117 0.446

INFRA_ESTRADA Asfaltada vs Sem Pavimentação 2.099 1.220 3.612

INFRA_ESTRADA Cascalho vs Sem Pavimentação 1.049 0.684 1.610

INFRA_ESTRADA IGNORADO vs Sem Pavimentação 0.425 0.100 1.805

INFRA_ESTRADA NAO Possui vs Sem Pavimentação 1.633 0.693 3.849

BF SIM vs ZNAO 0.488 0.331 0.718

CONHECEU_PROG_ASSIST Sim vs zNão 2.271 1.470 3.507

CONHECEU_PROG_ASSOC_ Sim vs zNão 0.293 0.158 0.544

PERIODICIDADE_PARCEL Bimestral vs Única 17.083 1.315 221.969

PERIODICIDADE_PARCEL IGNORADO vs Única 1.153 0.148 8.970

PERIODICIDADE_PARCEL Quadrimestral vs Única <0.001 <0.001 >999.999

PERIODICIDADE_PARCEL Semestral vs Única 5.192 1.205 22.375

PERIODICIDADE_PARCEL Trimestral vs Única 28.718 5.403 152.645

PERIODICIDADE_PARCEL zAnual vs Única 3.410 0.793 14.658

TEC_EMPREGA_MECANIZA Sim vs zNão 1.853 1.042 3.294

TEC_EMPREGA_IRRIGACA Sim vs zNão 5.054 2.604 9.809

TEC_EMPREGA_VERMIFUG Sim vs zNão 2.592 1.609 4.177

TEC_EMPREGA_MINERALI Sim vs zNão 0.181 0.081 0.404


oferta de água do que variáveis econômicas ligadas a estrutura do contrato de crédito ou

da unidade produtiva, ou ainda sócio-demográficas, na explicação da inadimplência.

Isto pode ser uma característica específica do período recente de marcada seca, quando

a base nova foi coletada. Vale a pena ressaltar que a variável uso de técnicas de

irrigação foi a primeira a entrar no modelo de inadimplência, com impacto de chances

520% maiores para quem usa essas técnicas, o que indica a sensibilidade da unidade

produtiva à precipitação pluviométrica. A existência de cisterna entra em 4º lugar na

lista de variáveis que reduzem a inadimplência, onde as chances são 77,2% menores do

119

que aqueles que não têm. Usando o nosso simulador de probabilidades de atraso, ceteris

paribus, unidades que utilizam a irrigação mas não tem infraestrutura de cisterna tem

efeitos sobre a taxa de atraso de 17,8% contra 6,3% daqueles menos expostos às

flutuações hídricas. Este resultado denota a situação crucial da água no sertão

nordestino durante o período de seca em questão.

A segunda variável em poder explicativo é a Unidade da Federação, onde se

destaca a categoria Minas Gerais com chances de atraso 490% maiores que a base

Sergipe. A seguir na lista de poder explicativo vem a estrutura de pagamentos do






aumenta a taxa de inadimplencia em 227%, ou através de programa de cooperativas,

onde a taxa era 70,7% menor. A condição de uso da terra aparece em 7º lugar,



reduzindo as chances de inadimplencia em 51% em relação aos que não dispõe de

acesso ao programa. Entre as variáveis sócio-demográficas incluidas estão o estado


É importante citar as variáveis testadas que não foram incluidas no modelo por



diversos instrumentos ligados à bancarização da unidade familiar (conta corrente,


geldeira e acesso a energia) e outras variáveis de técnicas usadas (vermifugação,

sementes melhoradas e mineralização).

120

Determinantes da Evolução do Lucro Operacional

Análise Bivariada

O lucro real dos clientes teve um aumento de R$2360,52 no ano 1 para

R$2741,48 no ano 2, mostrando um potencial de crescimento do programa e na

efetividade para os clientes.

Número (e educação) de Filhos

Ao analisar os clientes do Programa através de seu número de filhos, vemos uma

concentração maior nas pessoas que têm entre um filho e cinco filhos. Esse grupo

representa 88,67% dos beneficiados pelo programa. O líder do grupo são os clientes

com dois filhos, com 28,24% de participação, seguido pelas pessoas com apenas um

filho, 23,25%. Ou seja, só esses dois grupos já descrevem metade dos clientes. Esse fato

ocorre provavelmente por este número de filhos estar mais perto da média de filhos do

brasileiro/taxa de fecundidade brasileira. Clientes sem filhos são uma pequena parcela,

junto com pessoas que têm seis filhos ou mais.

Em relação ao montante de lucro, praticamente todos os grupos apresentaram

taxas de crescimento positivas. No grupo citado acima, de clientes com 1 a 5 filhos, a

renda média cresceu de R$2380,75 para R$2652,75, ou seja, uma taxa de crescimento

de 11,5% entre os anos 1 e 2. Dentro dele, o líder da categoria com o maior ganho são

as pessoas com quatro filhos, com R$3004,41, e o menor lucro entre eles é relacionado

ao grupo que tem maior frequência, dois filhos, lucrando R$2613,53. Para o grupo com

6 a 10 filhos, o aumento do lucro foi ainda maior. Apesar da frequência desse grupo no

programa ser bem mais baixa, em torno de 1,6%, o aumento do lucro em média foi de

11,5%, de R$2296,9 para R$2658,74.

Olhando para a educação dos filhos, temos do banco de dados a variável “Filhos

Estudam?”, pela qual vemos que quase metade (45,86%) dos clientes não tem filhos na

escola, podendo estar trabalhando para ajudar na renda da família ou com os próprios

pais. O dado é relevante porque os empreendimentos inscritos no Agroamigo são

familiares e, portanto, o número de filhos e a distribuição de tarefas entre eles (estudar

ou trabalhar) estão relacionados ao tamanho da produção e produtividade do

121

estabelecimento rural, pois os retornos do investimento em educação são vistos em

prazo mais longo, enquanto o retorno do trabalho é quantificado na produção do

período. Assim, no ano 1, o lucro era maior para os que tinham filhos estudando, mas

numa diferença pequena, de apenas R$23. Porém, no ano 2, vemos uma inversão e o

lucro obtido pelos clientes que não têm filhos estudando subiu em 21,7%, de R$2347,65

para R$2857,76, enquanto no outro caso o aumento foi de apenas 11%, ficando em

R$2641,31 no ano 2.

Infra-Estrutura

O programa tem como um dos seus objetivos atingir os produtores pobres nas

regiões menos beneficiadas da área rural nordestina, onde a seca é um problema crônico

e alcançou um marco histórico em 2012 ao vitimar também algumas capitais e centros

urbanos. Por causa da infraestrutura precária – 30,21% dos novos clientes possuíam

abastecimento público, enquanto o restante se dividia em cisterna (24,55%), poço

(28,49%) ou açude (16,12%) – os impactos da seca na produção e na vida dos

nordestinos são cada vez piores. Saneamento, apesar de ser um serviço básico, é

deficiente no Brasil7 e, principalmente, entre os clientes: 65,59% vivem com fossa e

20,87% não possuem nenhum tipo de saneamento; esgoto é um privilégio de poucos,

apenas 5,5% dos clientes têm acesso.

Energia deixou de ser um problema tão essencial, uma vez que houve grande

investimento do governo federal com o programa “Luz para todos”, voltado para

atender a demanda da área rural, principalmente no Nordeste: 96% dos clientes do

programa têm acesso à energia elétrica. A infraestrutura de transportes brasileira é um

dos gargalos produtivos da economia, aumentando os custos e minando a expansão

potencial dos mercados. Tradicionalmente, pequenos produtores comercializam seus

produtos localmente – 95% dos clientes aqui representados atuam localmente, sendo

que 60,85% o fazem de forma direta e 22,41% de forma individual. Ainda que o

comércio seja local, não se justifica que 38,57% das estradas não tenham pavimentação

e outros 40,64% sejam de cascalho, pois 63,19% dos produtores reportam demanda

elevada com concorrência local e outros 27,69% tem demanda regular também com

7 O Centro de Políticas Sociais, em parceria com o Instituto Trata Brasil, realizou uma série de estudos

sobre os impactos socioeconômicos da (falta de) infraestrutura sanitária brasileira. Para mais informações, http://cps.fgv.br/desenvolvimento-humano/saude

122

concorrência local. Dado essas condições todas, é de se esperar que o acesso à internet

seja muito baixo; traduzindo em números, 99% dos clientes não estão conectados ao

mundo virtual.

Analisando o montante lucrado pelos clientes, talvez infraestrutura não seja tão

relevante para o sucesso dos negócios/empreendimentos, especialmente pelo caráter

local do comércio e pelo fato da maioria estar sob condições “iguais”, isto é, a parcela

dos produtores que se encontram em melhores condições estruturais é pequena para

apresentar destaque em relação aos demais. Os clientes que possuem esgoto têm o lucro

menor do que os que utilizam fossa ou não possuem nenhum saneamento (R$2440,94

versus R$2620,67 para os que têm acesso a fossa e R$2639,96 para os que não têm

acesso a nada). Além disso, o primeiro foi o que teve menor taxa de crescimento do

lucro, 1,1%, enquanto os demais apresentaram taxas de 11,6% e 15,4%,

respectivamente.

Esse padrão se repete para as quase todos os atributos. Os clientes com acesso às

estradas asfaltadas tiveram um aumento de 5,3% do lucro, enquanto os que estão em

lugares com infraestrutura pior tiveram taxas de crescimento maiores que o dobro dos

primeiros. Em relação à energia e a água, o ganho é quase o mesmo para todos, em

torno de R$2600, porém com uma vantagem maior para os que não têm acesso a energia

e, no caso da água, para os que têm cisterna. Em transporte, os que não se encaixam na

categoria “asfaltada” tiveram os maiores crescimentos de lucro. E, finalmente, para

quem tem serviço de internet, o lucro foi maior para os que não têm (R$2624,13 contra

R$2616,70). Além disso, a renda dos que não estão conectados cresceu mais, 12,1%,

enquanto dos outros cresceu apenas 6,8%. A tabela abaixo mostra todos os lucros

obtidos para os diferentes serviços e instalações utilizados pelos clientes.

Infraestrututa Condição Lucro Ano 1 Lucro Ano 2

Energia Não possui R$2284,32 R$2619,69

Possui R$2336,04 R$2616,66

Agua Cisterna Não possui R$2337,71 R$2606,28

Possui R$2322,23 R$2649,31

Estrada

Asfaltada R$2387,09 R$2513,89

Cascalho R$2324,96 R$2621,55

Nao possui R$2310,18 R$2605,48

Sem pavimentação R$2333,39 R$2666,59

Internet Com acesso R$2332,72 R$2616,70

Sem acesso R$2455,03 R$2624,13

123

Em suma, os que vivem e trabalham nas piores condições tiveram os lucros

maiores. Todos esses serviços têm custos e o lucro é medido pela diferença entre receita

e custos. Esses serviços impactam nos custos dos clientes também, diminuindo o lucro.

A análise está sendo feita em termos monetários, ou seja, estes custos menores devido a

condições mais frágeis podem trazer aumento da renda futura e uma mudança de

patamar de vida.

Saúde

Outro fator que também pode afetar o desempenho empresarial dos clientes é a

saúde. Teorias de desenvolvimento apontam como problemas relacionados à saúde

podem afetar a oferta de trabalho, ou seja, o trabalhador fica incapacitado de exercer um

serviço. Nesse ponto, políticas públicas focadas para essa área podem ter impacto no

progresso do cliente e, consequentemente, na receita obtida.

A maior parte dos clientes não tem acesso a um sistema de saúde, entende-se

como hospital na região ou apenas um posto de saúde. Apenas 14,05% dos clientes têm

acesso a hospital regional, e o acesso melhora um pouco para posto de saúde, subindo

para 36,18%. Seguindo a teoria, os que possuem hospital nas redondezas tiveram um

aumento maior do lucro entre os anos 1 e 2, de R$2284,20 para R$2712,24,

correspondente a 18,7% de crescimento. Já os que não possuem assistência hospitalar,

viram o seu lucro aumentar numa taxa menor, de 11,1%, aumentando o lucro de

R$2340,92 para R$2601,56.

Em respeito ao posto de saúde, não se viu o mesmo fato. O lucro dos que não

tem posto de saúde da região subiu mais do que os que acessam esse serviço, 13,2%

versus 10,2%, com o primeiro grupo apresentando lucro de R$2637,06 e o segundo

ficando com o menor lucro da categoria saúde, com R$2560,83.

Uma última análise refere-se ao agente de saúde, que são profissionais de saúde

no nível técnico, ou seja, não são médicos, e atendem em unidades básicas de saúde ou

na casa dos próprios pacientes. Eles têm um impacto importante na comunidade, dado

que têm um foco especial em atender as famílias e vivenciar o cotidiano da comunidade.

Os agentes de saúde estão presentes em diversos municípios, principalmente por causa

124

do PACS (Programa de Agentes Comunitários de Saúde), que criou a função de agente

de saúde, buscando melhorar a capacidade da população de cuidar da sua saúde.

Isso faz com que a taxas de clientes que têm acesso a eles seja maior do que os

dois casos discutidos anteriormente: 59,82% deles possuem contato com o agente de

saúde, e foi esse mesmo grupo que apresentou um lucro maior, com crescimento de

12,4%. A diferença é pequena, mas não deixa de ser significativa. O grupo que não

possui nem acesso aos agentes de saúde teve um crescimento do lucro de 11,7%,

obtendo um lucro no ano 2 de R$2614,34, valor próximo do lucro dos “assessorados”,

que foi de R$2618,36.

Condição Lucro Ano 1 Lucro Ano 2 Frequencia

Não tem acesso a hospital regional R$2340.92 R$2601.56 85.95%

Tem acesso a hospital regional R$2284.20 R$2712.24 14.05%

Não tem acesso a posto de saúde R$2328.88 R$2637.06 63.82%

Tem acesso a posto de saúde R$2342.95 R$2580.83 36.18%

Não tem acesso agente de saúde R$2341.53 R$2614.34 40.18%

Tem acesso a agente de saúde R$2328.95 R$2618.36 59.82%

Moradia

Nossa análise do perfil dos clientes do AgroAmigo evidenciará as condições de

moradia dos mesmos. Olhando primeiramente para o número de cômodos da residência,

temos maior participação das pessoas que moram em residências de 4, 5 ou 6 cômodos,

com taxas de participação de 18,55%, 26,43% e 25,68%, respectivamente. Porém, o

maior lucro pertence aos grupos das condições de moradia piores, ou seja, aquelas que

têm 2 ou 3 cômodos, com lucro no valor de R$2704,19 e R$2808,94. Esses mesmos

grupos apresentaram as melhores taxas de crescimento do lucro dos seus

empreendimentos.

Apesar de terem taxas maiores, a participação das pessoas que vivem nessa

condição de apenas 2 ou 3 cômodos em casa é de 10,68% no total. Porém, o

AgroAmigo cumpriu o objetivo de atingir os mais pobres dos pobres, como foi

evidenciado também pelo lucro maior dos clientes em condições piores de infra-

125

estrutura. Deve-se destacar que o grupo citado inicialmente, que possuem casas com 4,

5 ou 6 cômodos tiveram taxas de crescimento também relevantes, de 12,81%, 8,06% e

11,17%.

Observando ainda a moradia dos clientes, podemos evidenciar sua situação

também pelos bens que possuem. Muitos eletrodomésticos têm impactos relevantes na

vida do trabalhador. Em teoria de trabalho, alguns eletrodomésticos influenciam a oferta

de trabalho das mulheres, pois realizam tarefas domésticas liberando mão de obra. Na

teoria de microfinanças, os bens de consumo servem como indicadores da saúde

financeira/capacidade de pagamento dos empréstimos.

Para os clientes do AgroAmigo, vemos que televisão, geladeira, rádio e fogão

estão presentes em muitas das residências. O campeão é a TV, paixão nacional, estando

presente na casa de 93,19% dos clientes. Em seguida, vem o fogão, com 92,35%, a

geladeira, com 88,47% e por último o rádio, ligado na casa de 83,08% dos clientes. O

computador, como evidenciado pelo acesso à internet, é raro, conectando apenas 2,12%

dos clientes.

Entretanto, em relação ao lucro, vimos o padrão se manter, ou seja, os

empreendedores que não possuem esses ativos, sendo os mais carentes, tiveram um

lucro maior que os possuidores dos bens. Os que não têm TV foram os que mais

aumentaram o lucro entre os anos, 18,98%, obtendo um lucro de R$2780,13, contra o

lucro de R$2605,00 dos que veem televisão. Para todos os eletrodomésticos, os que não

possuem estes ativos tiveram um lucro maior, apesar de não ser uma evidência tão forte,

uma vez que esses bens têm boa distribuição na população em análise.

Taxa de Crescimento do Lucro

TV Sim 18.98%

Não 11.62%

Radio Sim 15.06%

Não 11.46%

Geladeira Sim 16.54%

Não 11.56%

Fogão Sim 13.88%

Não 11.98%

Computador Sim 12.23%

Não 7.21%

126

Bancarização

Um dos principais objetivos das microfinanças é incluir pessoas de baixa renda

no sistema financeiro e alavancá-las. Em geral, essas pessoas não conseguem acesso ao

crédito por não possuírem colateral para dar como garantia. O AgroAmigo, que visa

atender pessoas de baixíssima renda, alcançando os mais pobres dos pobres, tem como

grande parte dos seus clientes pessoas pouco bancarizadas. Ou seja, pessoas que não

tem acesso aos mecanismos financeiros de mercado.

Como pode ser visto na tabela abaixo, 90,56% das pessoas não possuem uma

conta corrente, isto é, acesso a um banco comercial. Além disso, quase a totalidade não

possui cartão de crédito, o que era de se esperar, visto que o crédito ainda é limitado

para estes clientes. O líder em níveis de bancarização é a poupança, com quase 15% dos

clientes. Ainda é um nível muito baixo, tendo muito espaço para crescer. A falta de

informação e de conhecimento é um dos grandes problemas das pessoas mais pobres,

sendo que muitas desconhecem estes mecanismos que podem ser benéficos para elas. A

educação financeira, como já foi apontado pelo criador do Grameen Bank, é

fundamental na difusão do microcrédito.

Bancarizacao Lucro Operacional 1

Lucro Operacional 2

Taxa de Participacao

Conta Corrente

Nao 2321.57 2619.85 90.56

Sim 2446.67 2587.27 9.44

Poupanca Nao 2328.07 2601.69 85.29

Sim 2370.58 2708.48 14.71

Cartao de Credito

Nao 2334.16 2616.21 98.13

Sim 2322.4 2645.6 1.87

Nao possui

Nao 2376.12 2675.19 35.03

Sim 2312.28 2586.14 64.97

A evolução dos lucros entre os anos 1 e 2 foi bem similar para todos os grupos,

tanto os bancarizados quanto os que estão fora do sistema bancário. Todos cresceram

em torno de 10%, apresentando lucro no ano 2 em torno de R$2600. O grupo que teve o

maior lucro no ano 2 foi o de clientes que têm poupança, no valor de R$2708,48, e

também foi o lucro que mais cresceu entre os dois períodos, 14,25%. Ou seja, temos

127

mais um indicador que poupança pode ter impacto positivo nas finanças das pessoas

mais pobres.

Uma das maneiras de avaliarmos os determinantes para a bancarização dos

clientes é através de um modelo de regressão logística. Este método é empregado para

estudar variáveis que são compostas por dois valores, sim ou não, conhecida como

variável dummy. Neste caso, nossa variável dummy é definida como 1 se a pessoa é

bancarizada, ou seja, tem conta corrente, e 0 se a pessoa não é bancarizada, isto é, não

tem conta corrente.

Olhando para as condições de infraestrutura e moradia, temos como variáveis

significativas a estrada do cliente e se ele tem geladeira. Se a estrada for de cascalho, ele

tem 23% de chances a menos de ter uma conta corrente. A estrada de cascalho dificulta

a locomoção do cliente, num plano micro, e a criação de um banco comercial, num

plano macro, por exemplo. A falta de asfalto dificulta a chegada à região, seja de

pessoas ou instituições. No que tange aos ativos dos clientes, a geladeira é o mais

relevante, aumentando a bancarização em 42%.

Outra variável que teve um impacto significativo foi a migração do cliente. Na

verdade, é o retorno dele à região de origem. Caso o migrante tenha retornado, suas

chances aumentam em 31%, provavelmente porque ele enriqueceu com a migração ou

porque teve contato com esse tipo de finanças em uma cidade maior.

Por último, analisando a tecnologia empregada, é visto que clientes mais

modernos, isto é, que empregam mecanização nos seus negócios ou irrigação, têm

aumento significativo na bancarização. O primeiro tipo de tecnologia aumenta em 84%

e o segundo em 51%. Esses fatores influenciam muito a capacidade de aumentar a

produção do empreendedor, tendo um impacto positivo no lucro. Isto pode vir a tornar o

cliente mais bancarizado, pois tem mais fluxo de caixa e investimentos.

INSS

No ano 1, o lucro para os clientes que recebiam o benefício do INSS era um

pouco maior, porém no ano 2 essa relação se inverteu e os clientes que não têm o INSS

apresentaram um lucro maior dos que recebem.

128

INSS Ano 1 Ano 2 Não Possui R$2333.79 R$2627.59 Possui R$2334.68 R$2560.82

Analisando agora o INSS através de um modelo mais elaborado de regressão

logística, a variável dummy é definida como 1 se a pessoa recebe o benefício do INSS e

0 se a pessoa não recebe, isso para os clientes do AgroAmigo. Os resultados apontam

que o sexo não tem impacto nas pessoas que recebem o INSS. Em compensação, o

estado civil é estatisticamente significante, ou seja, tem impacto nos beneficiários. Os

solteiros, seguidos pelos separados, são os que têm menos chance de receber o

benefício.

As chances de receber o INSS, condicionada pela bancarização da pessoa, é de

50% para as pessoas que têm conta corrente. Este fato talvez já seja esperado, dado que

a bancarização facilita o recebimento do benefício via banco comercial.

Olhando para os programas de transferência de renda, há redução para os

beneficiários, provavelmente porque têm renda proveniente de outra fonte. Para os

indivíduos que conheceram algum programa assistencialista, as chances caem para 33%

e fica mais acentuada para aqueles que recebem o Bolsa Família, onde há uma redução

da chance da ordem de 87%. A facilidade de retirar o benefício do Bolsa Família, que

pode ser retirado até em casas lotéricas, pode ser um fator para que as pessoas prefiram

ele ao INSS. Muita cidades são isoladas, sendo até difícil ter uma infra-estrutura

bancária para atender os clientes.

Equações de Lucro e Receitas

Apresentamos abaixo modelos stepwise de equações de log do Lucro (Rédito

Operacional) e Receita que podem ser úteis para entender os resultados do modelo de

inadimplência. Estes modelos envolvem praticamente o mesmo conjunto de variáveis

explicativas iniciais em relação aos de atraso do crédito.

Na determinação dos melhores fatores explicativos para lucro e receita, o que se

vê é uma alternância de posições no ranking. No caso do lucro, a estrutura do contrato

de crédito foi a primeira escolhida: o aumento no número de parcelas tem efeito

129

bastante negativo sobre o lucro até certo ponto, variando de -50,25% em relação à cota

única quando a periodicidade é anual até -60% quando ela é quadrimestral e depois

caindo até -38% quando ela é bimestral. No modelo para Receita, o comportamento da

estrutura do contrato foi bastante similar, aparecendo em 2º lugar no ranking de escolha.

Em segundo lugar aparece o efeito de 7% da passagem do ano 1 para o ano 2

sobre o lucro; esse efeito sobre a receita é de 6,2%. Destacamos também o custo, que

ocupa a 3ª colocação no lucro e a 1ª na receita, e o mês em que foi coletada a

informação dos microempreendimentos (4º lugar no lucro e 6º na receita), com destaque

para o mês de referência dezembro de 2011, que obteve o melhor efeito – quase todos

os outros meses analisados tiveram efeitos negativos em relação a dezembro.

A Unidade da Federação aparece como fator importante para o lucro,

principalmente o Ceará, que apresenta efeito negativo de -10,45% em comparação com

o Sergipe. As demais Unidades da Federação do Nordeste e Minas Gerais também

obtém lucros entre 2% e 9,6% menores que o Sergipe. Entre os determinantes de

receita, destacamos o efeito positivo de 2,4% do acesso da poupança. Finalmente, o

conhecimento do programa a partir de assistência técnica influenciou positivamente

tanto o lucro (5,56%) quanto a receita (4,8%) dos estabelecimentos.

130

Equação Minceriana

A equação minceriana de salários serve de base a uma vasta literatura empírica de economia do trabalho. O modelo salarial de Jacob Mincer (1974) é o arcabouço utilizado para estimar retornos da educação, entre outras variáveis determinantes do salário. Mincer concebeu uma equação para rendimentos que seria dependente de fatores explicativos associados à escolaridade e à experiência, além de possivelmente outros atributos, como sexo, por exemplo.

Essa equação é a base da economia do trabalho em particular no que tange aos efeitos da educação.

Sua estimação já motivou centenas de estudos, que tentam incorporar diferentes custos educacionais, como impostos, mensalidades, custos de oportunidades, material didático, assim como a incerteza e a expectativa dos agentes presentes nas decisões, o progresso tecnológico, não-linearidades na escolaridade etc. Identificando os custos da educação e os rendimentos do trabalho, viabilizou o cálculo da taxa interna de retorno da educação, que é a taxa de desconto que equaliza o custo e o ganho esperado de se investir em educação -- a taxa de retorno da educação, que deve ser comparada com a taxa de juros de mercado para determinar a quantidade ótima de investimento em capital humano. A equação de Mincer também é usada para analisar a relação entre crescimento e nível de escolaridade de uma sociedade, além dos determinantes da desigualdade.

O modelo econométrico de regressão típico decorrente da equação minceriana é:

ln w = β0 + β1 educ + β2 exp + β3 exp² + γ′ x + є onde w é o salário recebido pelo indivíduo; educ é a sua escolaridade, geralmente medida por anos de estudo; exp é sua experiência, geralmente aproximada pelo idade do indivíduo; x é um vetor de características observáveis do indivíduo, como raça, gênero, região; e є é um erro estocástico.

Este é um modelo de regressão no formato log-nível, isto é, a variável dependente -- o salário -- está em formato logaritmo e a variável independente mais relevante -- a escolaridade -- está em nível. Portanto, o coeficiente β1 mede quanto um ano a mais de escolaridade causa de variação proporcional no salário do indivíduo. Por exemplo, se β1 é estimado em 0,18, isso quer dizer que cada ano a mais de estudo está relacionado, em média, com um aumento de salário de 18%. Matematicamente, tem-se que:

Derivando, encontramos que ( ∂ ln w / ∂ educ ) = β1

Por outro lado, pela regra da cadeia, tem-se que:

(∂ ln w / ∂ educ) = (∂ w / ∂ educ) (1 / w) = (∂ w / ∂ educ) / w)

Logo, β1 = (∂ w / ∂ educ) / w, correspondendo, portanto, à variação percentual do salário decorrente de cada

acréscimo unitário de ano de estudo.

131

Variaveis Selecionadas Stepwise Equação do Log do Lucro

Step Effect Entered

Number Effects In

Number Parms In SBC

0 Intercept 1 1 -27596.833

1 PERIODICIDADE_PARCEL 2 7 -28914.283

2 anon 3 8 -29053.077

3 Custosn 4 9 -29159.943

4 meses 5 17 -29190.154

5 PSFn 6 18 -29213.679

6 CONHECEU_PROG_ASSIST 7 19 -29227.148

7 Superintend 8 28 -29239.280

8 TEC_EMPREGA_MINERALI 9 29 -29243.877 *

Equação do Log do Lucro

Parameter DF Estimate Standard

Error t Value

Intercept 1 8.315683 0.026027 319.51

Custosn 1 0.000047596 0.000004330 10.99

Superintend AL 1 -0.091531 0.021299 -4.30

Superintend BA 1 -0.034767 0.016849 -2.06

Superintend CE 1 -0.104501 0.018613 -5.61

Superintend MA 1 -0.028458 0.020216 -1.41

Superintend MG 1 -0.095167 0.018009 -5.28

Superintend PB 1 -0.095787 0.017445 -5.49

Superintend PE 1 -0.035131 0.017783 -1.98

Superintend PI 1 -0.020840 0.018872 -1.10

Superintend RN 1 -0.021659 0.019512 -1.11

Superintend SE 0 0 . .

anon a2 1 0.070181 0.006036 11.63

anon za1 0 0 . .

meses Abr/12 1 -0.009823 0.015439 -0.64

meses Fev/12 1 -0.020280 0.016396 -1.24

meses Jan/12 1 -0.090683 0.013867 -6.54

meses Mai/12 1 -0.069787 0.015776 -4.42

meses Mar/12 1 -0.059020 0.014979 -3.94

meses Nov/11 1 -0.103946 0.015034 -6.91

meses Out/11 1 -0.076317 0.015467 -4.93

meses Set/11 1 0.051376 0.047397 1.08

132

Step Effect Entered

Number Effects In

Number Parms In SBC

meses zDez/11 0 0 . .

PSFn Sim 1 -0.037599 0.007041 -5.34

PSFn zNão 0 0 . .

CONHECEU_PROG_ASSIST Sim

1 0.055601 0.009311 5.97

CONHECEU_PROG_ASSIST zNão

0 0 . .

PERIODICIDADE_PARCEL Bimestral

1 -0.380136 0.059792 -6.36

PERIODICIDADE_PARCEL IGNORADO

1 -0.507460 0.023378 -21.71

PERIODICIDADE_PARCEL Quadrimestral

1 -0.598068 0.079160 -7.56

PERIODICIDADE_PARCEL Semestral

1 -0.557931 0.017194 -32.45

PERIODICIDADE_PARCEL Trimestral

1 -0.425448 0.028970 -14.69

PERIODICIDADE_PARCEL zAnual

1 -0.502541 0.016632 -30.21

PERIODICIDADE_PARCEL Única

0 0 . .

TEC_EMPREGA_MINERALI Sim

1 -0.030574 0.008131 -3.76

TEC_EMPREGA_MINERALI zNão

0 0 . .

133

Variaveis Selecionadas Stepwise Equação do Log Receita

Step Effect Entered

Effect Removed

Number

Effects In

Number

Parms In SBC

0 Intercept 1 1 -28000.423

1 Custosn 2 2 -32502.602

2 PERIODICIDADE_PARCEL 3 8 -34043.340

3 anon 4 9 -34183.685

4 PSFn 5 10 -34207.608

5 CONHECEU_PROG_ASSIST 6 11 -34236.193

6 meses 7 19 -34251.791

7 TEC_EMPREGA_MINERALI 8 20 -34258.847

8 BANCARIZACAO_POUPANC 9 21 -34260.047 *

* Optimal Value Of Criterion

Equação do Log Receita


Error t Value

Intercept 1 8.273702 0.016253 509.06

Custosn 1 0.000267 0.000003568 74.94

anon a2 1 0.062129 0.005083 12.22

anon za1 0 0 . .

meses Abr/12 1 -0.015424 0.011497 -1.34

meses Fev/12 1 0.002481 0.012324 0.20

meses Jan/12 1 -0.059858 0.011131 -5.38

meses Mai/12 1 -0.047188 0.011703 -4.03

meses Mar/12 1 -0.019049 0.011712 -1.63

meses Nov/11 1 -0.068799 0.011950 -5.76

meses Out/11 1 -0.048350 0.011633 -4.16

meses Set/11 1 0.009003 0.037601 0.24

meses zDez/11 0 0 . .

BANCARIZACAO_POUPANC Sim 1 0.023848 0.007272 3.28

BANCARIZACAO_POUPANC zNão 0 0 . .

PSFn Sim 1 -0.035351 0.005828 -6.07

134



Error t Value

PSFn zNão 0 0 . .

CONHECEU_PROG_ASSIST Sim 1 0.048140 0.007607 6.33

CONHECEU_PROG_ASSIST zNão 0 0 . .

PERIODICIDADE_PARCEL Bimestral 1 -0.337075 0.049848 -6.76

PERIODICIDADE_PARCEL IGNORADO 1 -0.455431 0.019165 -23.76

PERIODICIDADE_PARCEL Quadrimestral 1 -0.545135 0.068315 -7.98

PERIODICIDADE_PARCEL Semestral 1 -0.505779 0.014009 -36.10

PERIODICIDADE_PARCEL Trimestral 1 -0.398746 0.023620 -16.88

PERIODICIDADE_PARCEL zAnual 1 -0.467995 0.013428 -34.85

PERIODICIDADE_PARCEL Única 0 0 . .

TEC_EMPREGA_MINERALI Sim 1 -0.027167 0.006727 -4.04

TEC_EMPREGA_MINERALI zNão 0 0 . .

135

ANEXO 1: Variaveis Selecionadas Atraso do Empréstimo Clientes do Agroamigo – Modelo Logit Completo

Summary of Stepwise Selection

Step

Effect

DF Number

In Score

Chi-Square Wald

Chi-Square Pr > ChiSq Entered Removed

1 TEC_EMPREGA_IRRIGACA 1 1 310.1325 <.0001

2 meses 9 2 216.7619 <.0001

3 Superintend 9 3 173.9401 <.0001

4 PERIODICIDADE_PARCEL 6 4 58.5270 <.0001

5 TEC_EMPREGA_MINERALI 1 5 21.4948 <.0001

6 TEC_EMPREGA_VERMIFUG 1 6 25.0573 <.0001

7 INFRA_AGUA_CISTERNA 1 7 10.6006 0.0011

8 ACESSO 1 8 7.3114 0.0069

9 CONHECEU_PROG_ASSOC_ 1 9 7.7676 0.0053

10 CONDICAO 5 10 13.9177 0.0161

11 BF 1 11 5.0317 0.0249

12 TEC_EMPREGA_MECANIZA 1 12 4.9857 0.0256


Step Variable Label

1 TEC_EMPREGA_IRRIGACAO

2 meses

3 Superintendencia

4 PERIODICIDADE_PARCELAS

5 TEC_EMPREGA_MINERALIZACAO

6 TEC_EMPREGA_VERMIFUGACAO

7 INFRA_AGUA_CISTERNA

8 Acesso Assintencia Tecnica

9 CONHECEU_PROG_ASSOC_COOPER

10 Condicao Uso Posse Terra

11 BOLSA_FAMILIA

12 TEC_EMPREGA_MECANIZACAO

136

Type 3 Analysis of Effects

Effect DF Wald

Chi-Square Pr > ChiSq

ACESSO 1 7.1715 0.0074

Superintend 9 96.2139 <.0001

CONDICAO 5 13.2473 0.0212

INFRA_AGUA_CISTERNA 1 10.3867 0.0013

BF 1 5.6162 0.0178

CONHECEU_PROG_ASSOC_ 1 6.6155 0.0101

PERIODICIDADE_PARCEL 6 42.5657 <.0001

TEC_EMPREGA_MECANIZA 1 4.9343 0.0263

TEC_EMPREGA_IRRIGACA 1 10.0781 0.0015

TEC_EMPREGA_VERMIFUG 1 18.2466 <.0001

TEC_EMPREGA_MINERALI 1 21.5702 <.0001

meses 9 134.9580 <.0001

Analysis of Maximum Likelihood Estimates


Error Wald


Intercept 1 -7.3386 61.6970 0.0141 0.9053

ACESSO Sim 1 0.3352 0.1252 7.1715 0.0074

Superintend AL 1 -2.7165 0.9368 8.4091 0.0037

Superintend BA 1 -0.6897 0.3770 3.3473 0.0673

Superintend CE 1 0.5851 0.4755 1.5140 0.2185

Superintend MA 1 1.0484 0.3743 7.8437 0.0051

Superintend MG 1 2.6361 0.2909 82.1026 <.0001

Superintend PB 1 -0.1442 0.4002 0.1298 0.7186

Superintend PE 1 -0.5151 0.3825 1.8128 0.1782

Superintend PI 1 0.4847 0.3682 1.7327 0.1881

Superintend RN 1 -0.5975 0.6938 0.7416 0.3892

CONDICAO Arrendatário/Comodatário 1 0.1732 0.2785 0.3868 0.5340

CONDICAO IGNORADO 1 0.2911 0.4646 0.3926 0.5310

CONDICAO Meeiro 1 0.0958 0.6538 0.0215 0.8836

CONDICAO Parceiro 1 -0.5985 0.3941 2.3062 0.1289

CONDICAO Posseiro 1 0.4387 0.2709 2.6223 0.1054

INFRA_AGUA_CISTERNA Sim 1 -0.5699 0.1768 10.3867 0.0013

BF SIM 1 -0.2294 0.0968 5.6162 0.0178

137



Error Wald


CONHECEU_PROG_ASSOC_ Sim 1 -0.4257 0.1655 6.6155 0.0101

PERIODICIDADE_PARCEL Bimestral 1 3.6134 49.9709 0.0052 0.9424

PERIODICIDADE_PARCEL IGNORADO 1 -0.0802 49.9661 0.0000 0.9987

PERIODICIDADE_PARCEL Quadrimestral 1 -8.0541 299.8 0.0007 0.9786

PERIODICIDADE_PARCEL Semestral 1 1.4095 49.9621 0.0008 0.9775

PERIODICIDADE_PARCEL Trimestral 1 3.1636 49.9633 0.0040 0.9495

PERIODICIDADE_PARCEL zAnual 1 0.6111 49.9621 0.0001 0.9902

TEC_EMPREGA_MECANIZA Sim 1 0.3461 0.1558 4.9343 0.0263

TEC_EMPREGA_IRRIGACA Sim 1 0.5980 0.1884 10.0781 0.0015

TEC_EMPREGA_VERMIFUG Sim 1 0.5419 0.1269 18.2466 <.0001

TEC_EMPREGA_MINERALI Sim 1 -0.9213 0.1984 21.5702 <.0001

meses Abr/12 1 0.7361 36.1980 0.0004 0.9838

meses Fev/12 1 3.4300 36.1972 0.0090 0.9245

meses Jan/12 1 0.2497 36.1984 0.0000 0.9945

meses Jun/12 1 -6.6715 107.8 0.0038 0.9506

meses Mai/12 1 0.8597 36.1996 0.0006 0.9811

meses Mar/12 1 0.5000 36.1980 0.0002 0.9890

meses Nov/11 1 2.2147 36.1988 0.0037 0.9512

meses Out/11 1 2.9985 36.1983 0.0069 0.9340

meses Set/11 1 -5.9824 309.5 0.0004 0.9846

Odds Ratio Estimates

Effect Point

Estimate 95% Wald

Confidence Limits

ACESSO Sim vs zNão 1.955 1.197 3.194










138


Effect Point

Estimate 95% Wald

Confidence Limits

CONDICAO Arrendatário/Comodatário vs zProprietário 1.774 1.036 3.038

CONDICAO IGNORADO vs zProprietário 1.996 0.698 5.706

CONDICAO Meeiro vs zProprietário 1.642 0.354 7.627

CONDICAO Parceiro vs zProprietário 0.820 0.338 1.989

CONDICAO Posseiro vs zProprietário 2.314 1.341 3.994

INFRA_AGUA_CISTERNA Sim vs zNão 0.320 0.160 0.640

BF SIM vs ZNAO 0.632 0.432 0.924

CONHECEU_PROG_ASSOC_ Sim vs zNão 0.427 0.223 0.817

PERIODICIDADE_PARCEL Bimestral vs Única 72.007 5.042 >999.999

PERIODICIDADE_PARCEL IGNORADO vs Única 1.792 0.207 15.493

PERIODICIDADE_PARCEL Quadrimestral vs Única <0.001 <0.001 >999.999

PERIODICIDADE_PARCEL Semestral vs Única 7.947 1.634 38.652

PERIODICIDADE_PARCEL Trimestral vs Única 45.924 7.771 271.388

PERIODICIDADE_PARCEL zAnual vs Única 3.577 0.744 17.188

TEC_EMPREGA_MECANIZA Sim vs zNão 1.998 1.085 3.681

TEC_EMPREGA_IRRIGACA Sim vs zNão 3.307 1.580 6.921



meses Abr/12 vs zDez/11 0.395 0.138 1.128

meses Fev/12 vs zDez/11 5.841 2.386 14.295

meses Jan/12 vs zDez/11 0.243 0.081 0.729

meses Jun/12 vs zDez/11 <0.001 <0.001 >999.999

meses Mai/12 vs zDez/11 0.447 0.122 1.636

meses Mar/12 vs zDez/11 0.312 0.115 0.843

meses Nov/11 vs zDez/11 1.732 0.579 5.182

meses Out/11 vs zDez/11 3.794 1.286 11.194

meses Set/11 vs zDez/11 <0.001 <0.001 >999.999

139

Association of Predicted Probabilities and Observed Responses

Percent Concordant 85.1 Somers' D 0.734

Percent Discordant 11.7 Gamma 0.758

Percent Tied 3.2 Tau-a 0.030

Pairs 1270665 c 0.867

140

USA TECNOLOGIA DE IRRIGAÇÃO


Step

Effect

DF Number

In Score

Chi-Square Wald

Chi-Square Entered Removed

1 TEC_EMPREGA_MECANIZA 1 1 356.5088

2 NENHUMA_TECNOLOGIAn 1 2 140.8928

3 TEC_EMPREGA_VERMIFUG 1 3 127.4817

4 CONHECEU_PROG_ASSIST 1 4 86.9429

5 INFRA_ESTRADA 4 5 64.8557

6 meses 9 6 63.6005

7 Superintend 9 7 60.5963

8 TEC_EMPREGA_MECANIZA 1 6 3.4793

9 PSFn 1 7 14.7690

10 TEC_EMPREGA_MINERALI 1 8 10.9302

11 BANCARIZACAO_CONTA_C 1 9 4.0316


Step Pr > ChiSq Variable Label

1 <.0001 TEC_EMPREGA_MECANIZACAO

2 <.0001 NENHUMA_TECNOLOGIA

3 <.0001 TEC_EMPREGA_VERMIFUGACAO

4 <.0001 CONHECEU_PROG_ASSIST_TECNICA

5 <.0001 INFRA_ESTRADA

6 <.0001 meses

7 <.0001 Superintendencia

8 0.0621 TEC_EMPREGA_MECANIZACAO

9 0.0001 PSF

10 0.0009 TEC_EMPREGA_MINERALIZACAO

11 0.0447 BANCARIZACAO_CONTA_CORRENTE

141

Type 3 Analysis of Effects

Effect DF Wald


Superintend 9 49.0586 <.0001

INFRA_ESTRADA 4 41.2148 <.0001

BANCARIZACAO_CONTA_C 1 3.9894 0.0458

PSFn 1 13.9497 0.0002

CONHECEU_PROG_ASSIST 1 28.3359 <.0001

TEC_EMPREGA_VERMIFUG 1 78.2262 <.0001

TEC_EMPREGA_MINERALI 1 10.3399 0.0013

NENHUMA_TECNOLOGIAn 1 43.8071 <.0001

meses 9 57.9172 <.0001



Error Wald


Intercept 1 -7.6806 41.4749 0.0343 0.8531

Superintend AL 1 0.0684 0.5541 0.0152 0.9018

Superintend BA 1 -0.7634 0.2873 7.0606 0.0079

Superintend CE 1 0.0326 0.2954 0.0122 0.9121

Superintend MA 1 -0.5383 0.4677 1.3245 0.2498

Superintend MG 1 0.4592 0.2586 3.1536 0.0758

Superintend PB 1 -0.1660 0.3726 0.1986 0.6559

Superintend PE 1 1.4694 0.3003 23.9398 <.0001

Superintend PI 1 -1.5160 0.5574 7.3973 0.0065

Superintend RN 1 0.4784 0.5391 0.7878 0.3748

INFRA_ESTRADA Asfaltada 1 -0.2086 0.2992 0.4861 0.4857

INFRA_ESTRADA Cascalho 1 0.8735 0.1875 21.7049 <.0001

INFRA_ESTRADA IGNORADO 1 -0.5614 0.4369 1.6517 0.1987

INFRA_ESTRADA NAO Possui 1 0.3365 0.3909 0.7411 0.3893

BANCARIZACAO_CONTA_C Sim 1 0.2605 0.1304 3.9894 0.0458

PSFn Sim 1 0.3728 0.0998 13.9497 0.0002

CONHECEU_PROG_ASSIST Sim 1 0.6374 0.1197 28.3359 <.0001

TEC_EMPREGA_VERMIFUG Sim 1 -1.3915 0.1573 78.2262 <.0001

142



Error Wald


TEC_EMPREGA_MINERALI Sim 1 -0.5015 0.1560 10.3399 0.0013

NENHUMA_TECNOLOGIAn Sim 1 -3.3388 0.5045 43.8071 <.0001

meses Abr/12 1 1.6445 41.4721 0.0016 0.9684

meses Fev/12 1 1.4716 41.4721 0.0013 0.9717

meses Jan/12 1 -1.4220 41.4731 0.0012 0.9726

meses Jun/12 1 2.4185 41.4734 0.0034 0.9535

meses Mai/12 1 0.7050 41.4724 0.0003 0.9864

meses Mar/12 1 1.2228 41.4721 0.0009 0.9765

meses Nov/11 1 0.2915 41.4729 0.0000 0.9944

meses Out/11 1 0.6592 41.4724 0.0003 0.9873

meses Set/11 1 -8.3945 373.2 0.0005 0.9821


Effect Point

Estimate 95% Wald

Confidence Limits










INFRA_ESTRADA Asfaltada vs Sem Pavimentação 1.260 0.596 2.666

INFRA_ESTRADA Cascalho vs Sem Pavimentação 3.719 2.382 5.808

INFRA_ESTRADA IGNORADO vs Sem Pavimentação 0.886 0.296 2.648

INFRA_ESTRADA NAO Possui vs Sem Pavimentação 2.174 0.812 5.817

BANCARIZACAO_CONTA_C Sim vs zNão 1.684 1.010 2.808

PSFn Sim vs zNão 2.108 1.425 3.117

CONHECEU_PROG_ASSIST Sim vs zNão 3.578 2.238 5.721

143


Effect Point

Estimate 95% Wald

Confidence Limits



NENHUMA_TECNOLOGIAn Sim vs zNão 0.001 <0.001 0.009

meses Abr/12 vs zDez/11 1.273 0.470 3.445

meses Fev/12 vs zDez/11 1.071 0.391 2.932

meses Jan/12 vs zDez/11 0.059 0.019 0.182

meses Jun/12 vs zDez/11 2.760 0.816 9.339

meses Mai/12 vs zDez/11 0.497 0.174 1.419

meses Mar/12 vs zDez/11 0.835 0.316 2.209

meses Nov/11 vs zDez/11 0.329 0.117 0.923

meses Out/11 vs zDez/11 0.475 0.185 1.222

meses Set/11 vs zDez/11 <0.001 <0.001 >999.999

Association of Predicted Probabilities and Observed Responses

Percent Concordant 93.4 Somers' D 0.884

Percent Discordant 5.0 Gamma 0.899

Percent Tied 1.6 Tau-a 0.043

Pairs 1503320 c 0.942

145

6. Conclusões (Resumo)

Apresentamos inicialmente um panorama da atividade microrempresarial no

campo do Nordeste e em especial a agricultura familiar a partir de bases diversas como

PNAD, POF e Censo Agropecuário. O passo seguinte e crucial deste trabalho é analisar

o desempenho dos clientes do Agroamigo, programa de crédito produtivo ligado ao

Banco do Nordeste a partir de uma amostra de 73 mil clientes do programa.

Começamos com a análise de um modelo estático de lucro. Homens apresentam lucros

maiores do que as mulheres, porém, apesar de significativa, a diferença é de menos de

1% a favor deles. Estado civil não apresenta impactos significativos diferenciados a não

ser no caso dos solteiros, onde o lucro é 3,26% maior.


















atividade como complementar. Isso refletindo a importância da diversificação de

atividades agropecuárias. Esta variável será fundamental para o desenho da estratégia de

orientação do crédito produtivo.

146

Finalmente, o lucro teve um ganho nominal de 15,33% no segundo ano em

relação ao primeiro, refletindo num ganho em níveis bem acima aos da inflação

observada. A análise interativa será de fundamental importância para entender a

evolução relativa das variáveis.

Posteriormente aplicamos um exercício de diferenças em diferenças sobre a

equação de lucro aproveitando a dimensão longitudinal da base de dados explorada, de

forma a isolar de mudanças sócio-demográficas e operacionais o impacto das variáveis

de interesse, tempo e o termo interativo delas (o estimador de diferença em diferença)

cujas principais conclusões foram as seguintes.

Gênero – os homens apresentam ganho temporal de lucro 2,81% maior que o

das mulheres.

Dedicação exclusiva – atividades produtivas especializadas apresentam

aumento relativo de 1% vis a vis àquelas diversificadas.

Organização social – o ganho de lucro ao longo do tempo proporcionado pela

participação em organização social é 2% maior em relação a alguém que não participa

revelando a importância do chamado capital social.



posseiros apresentaram variação 8,2% maior. A variação de lucro dos parceiros não é

significante estatisticamente.

Determinantes de Atrasos

Demos prosseguimento à análise de dados do programa, mas utilizando a sub-

amostra da base mais recente, menor com cerca de 7,9 mil clientes e questionário mais

rico. Perde-se em graus de liberdade, mas se ganha em diversidade informacional, pois

podemos olhar para efeitos da seca sobre inadimplência utilizando infraestrutura, acesso

a mercados, bancarização e acesso a instrumentos financeiros, recebimento de Bolsa

Família, entre outros.

De início avaliamos os principais determinantes do atraso de pagamentos dos

clientes, que se situou em 2,1% na amostra nova. A fim de determinar quais seriam

147

mais relevantes, aplicamos um procedimento de escolha sequencial de variáveis,

chegando à lista de variáveis chaves.


oferta de água do que variáveis econômicas ligadas à estrutura do contrato de crédito ou

da unidade produtiva, ou ainda sócio-demográficas, na explicação da inadimplência do

programa. Isto pode ser característica específica do período recente de marcada seca

quando a base nova foi coletada, cujas variáveis finais foram captadas entre outubro de

2011 e abril de 2012. Vale a pena ressaltar que a variável “uso de técnicas de irrigação”

foi a primeira a entrar no modelo de inadimplência, com impacto de chances 520%

maiores para quem usa essas técnicas, indicando a sensibilidade da unidade produtiva à

precipitação pluviométrica. A existência de cisterna entra em 4º lugar na lista de

variáveis que reduzem a inadimplência, com chances 77,2% menores do que aqueles

que não têm. Usando o nosso simulador de probabilidades de atraso, ceteris paribus,

unidades que utilizam a irrigação mas não tem infraestrutura de cisterna tem efeitos

sobre a taxa de atraso de 17,8% contra 6,3% daqueles menos expostos às flutuações

hídricas. Este resultado denota a situação crucial da água no sertão nordestino durante o

período de seca em questão.

148

A segunda variável em poder explicativo é a Unidade da Federação, onde se

destaca a categoria Minas Gerais com chances de atraso 490% maiores que a base

Sergipe. A seguir na lista de poder explicativo vem a estrutura de pagamentos do






aumenta a taxa de inadimplência em 227%, ou através de programa de cooperativas,

onde a chance era 70,7% menor. A condição de uso da terra aparece em 7º lugar,



reduzindo as chances de inadimplência em 51% em relação aos que não dispõe de

acesso ao programa. Entre as variáveis sócio-demográficas incluídas estão o estado


É importante citar as variáveis testadas que não foram incluídas no modelo por



diversos instrumentos ligados a bancarização da unidade familiar (conta corrente,


geladeira e acesso a energia) e outras variáveis de técnicas usadas (vermifugação,

sementes melhoradas, mineralização).

149

BIBLIOGRAFIA ARAÚJO, E. A. “Risco de Crédito: Desenvolvimento de modelo Credit Scoring para a gestão da inadimplência de uma instituição de microcrédito”. Prêmio Ipea-Caixa 2006. Disponível em <http://www.ipea.gov.br> BESLEY, T., COATE, S. "Group lending, repayment incentives and social collateral" . Journal of Development Economics, 1995. 46 v., 1-18p. BELTRÃO, K. I. PINHEIRO, S. S., PEYNEAU, F. P., MENDONÇA, J. O. A constituição de 1988 e o acesso da população rural brasileira à seguridade social. In: Camarano, A. A. (org.) Os novos idosos brasileiros. Muito além dos 60? Brasília: IPEA, 2004 BERRY, R. A., CLINE, W.R. Agrarian Structure and productivity in development countries. Geneva: ILO, 1979 BNDES, “Investimento e Geração de Emprego: Uma Metodologia Aplicada aos Financiamentos do Sistema BNDES”, Estudos BNDES 1992. n. 22. COLEMAM. J. Social capital in creation of human capital. American Journal of Sociology. 94 v., S95-S120 p. 1988 CORREA, A. J. Desigualdade e Pobreza entre as pessoas ocupadas na Agricultura brasileira: evidências empíricas da PNAD 95. Revista Impulso, 1999 DEATON, A. S. “The Analysis of Household Surveys: Microeconometric Analysis for Development Policy”. Baltimore: The Johns Hopkins University Press. 1997. DELGADO, G. C., CARDOSO JR., J. C. O idoso e a previdência rural no Brasil: A experiência recente da universialização. In: Camarano, A. A. (org.) Os novos idosos brasileiros. Muito além dos 60? Brasília: IPEA, 2004 DE SOTO, H. “O Mistério do Capital” . Rio de Janeiro: Record, 2000. ELBERS, C., J.O. LANJOUW AND P. LANJOUW .“Welfare in Villages and Towns: Micro-Measurement of Poverty and Inequality”. Mimeo, Free University of Amsterdam. 1999. FERREIRA, F. H. G.; LANJOUW, P.; NERI, M. C. “A Robust Poverty Profile for Brazil Using Multiple Data Sources”, in Revista Brasileira de Economia, Rio de Janeiro, Jan/Mar. 2003. 57 v. nº 2, 59-92 p. GASQUES, J. G., NAVARRO, Z. (orgs). A Agricultura Brasileira: desempenho, desafios e perspectivas. Relatório do IPEA, 2010. Disponível em: <http://www.ipea.gov.br/sites/000/2/livros/2010/Livro_agriculturabrasileira.pdf>

150

GONZALEZ-VEGA, C. “Pobreza y Microfinanzas: lecciones y perspectivas”, Economics and Sociology Occasional Paper 2392, Rural Finance Program, Department of Agricultural Economics, The Ohio State University, 1997. HARRIS, J. R. and TODARO, M. Migration, Unemployment and Development. American Economic Review, 1970. 60 v., 126-142 p. HOFFMAN, R Vinte anos de desigualdade e pobreza na agricultura brasileira. Revista de Economia e Sociologia Rural, Brasília, v. 30, n. 2, p. 96 – 113, abr./jun. 1992. _______. Distribuição da renda e pobreza na agricultura brasileira . In: Delgado, G. C., Gasques, J. C., Villa Verde, C. M. (orgs). Agricultura e políticas públicas. Brasília: Instituto de Pesquisa Econômica Aplicada (IPEA), 1990. HOLTZ-EAKIN, D.; ROSEN, H; WEATHERS, R. "Horatio Alger Meets the Mobility Tables." NBER Working Papers 7619, National Bureau of Economic Research, Inc, 2000. IBGE, Censo Demográfico 1950: série nacional. Rio de Janeiro, IBGE, 1956 IBGE, Censo Demográfico 1970, 1980, 1991 e 2000: microdados da amostra IPEA. Sobre a queda recente da desigualdade no Brasil, 2006. (Nota técnica). LOPES, M. R.; ALVES, E.; CONTINI, E. O empobrecimento da agricultura brasileira Migração rural-urbana, agricultura familiar e novas tecnologias – Coletânea de artigos revistos. Disponível em: <http://www.embrapa.br/publicacoes/transferencia/migracaorural-urbana.pdf> MONTEIRO, J. C. M.; ASSUNÇÃO, J. J. “Outgoing the shadows: estimating the impact of bureaucracy simplification and tax cut on formality and investment,” Rio de Janeiro: PUC, 2006. mimeo. NAJBERG, S., VIEIRA, S. P., “Modelos de Geração de Emprego Aplicado à Economia Brasileira - 1985/1995”, Textos para Discussão BNDES, n. 39, 1996.Morley, S. What Happened to the Rich and the Poor During the Post Reform Period, CEPAL, mimeo, 1999. NAVAJAS, S. AND TEJERINA, L. Microfinance in Latin America and the Caribbean:How Large Is the Market? Inter-American Development Bank, Sustainable Development Department, Best Practices Series. Washington, D.C, 2006. NERI, M. C. “Microcrédito, o Mistério Nordestino e o Grameen Brasileiro: Perfil e Performance dos Clientes do CrediAMIGO”, Editora da Fundação Getulio Vargas, 375 pags, 2008 NERI, M. C. “Cobertura Previdenciária: Diagnóstico e Propostas”. MPS: Brasília, 330 pags, 2003.

151

NERI, M. C., AMADEO, E. & CARVALHO, A. P. de. “Assets, Markets and Poverty in Brazil” , in Portrait of the Poor - An Assets-Based Approach, organizado por Orazio Attanasio e Miguel Székely, Washington: IDB, 2001. PINHEIRO, A. e CABRAL, C. “Mercado de Crédito no Brasil: o papel do judiciário e outras instituições”, Ensaios BNDES n.9, 1998. ROSA, A. L.; CASTELAR, L. M.. Demanda por microcrédito em Fortaleza: Uma análise do método de avaliação contingente. Revista Econômica do Nordeste, Fortaleza, Dez.1999., 30 v., n. Especial, 780-797 p. STIGLITZ, J. E., WEISS, H. "Credit rationing and collateral". In: EDWARDS, J., MAYER, C. (eds.). Recent developments in corporate finance. Cambridge: Cambridge University Press, 1986. WORLD BANK , Access to Financial Services in Brazil, 2004. ______. Brazil Measuring Poverty Using Household Consumption – Report Nº. 36358-BR, 2007. YUNUS, Muhammad. Banker to the Poor. Londres: Public Affairs, 1999. ______. “O Banqueiro dos Pobres”. São Paulo: Editora Ática. 2006.

152

ANEXOS

Bivariado

Total C_Credito_Operacional_ANO1

C_Credito_Operacional_ANO2



1 Média Média Coeficiente de Variação Coeficiente de Variação

4244

9 1443,78 1944,46 976,62 1073,36

SEXO 21705

1431,63 1977,68 979,8 1079,52 HOMEM IGNORADO 20 1452,11 1920,89 1010,89 1220,45

zMULHER 2072

4 1456,5 1909,67 973,14 1065,69

Acesso Assintencia Tecnica 1636 1268,68 1538,71 1055,16 1170,95 IGNORADO

Sim 4050

9 1446,8 1958,79 972,77 1067,53

zNão 304 1993,04 2225,32 793,85 802,75 Estado Civil 1997

5 1460,31 1930,86 948,27 1032,43

Casado(a) Divorciado/Separado 675 1405,92 1778,32 951,02 1036,27 IGNORADO 2932 1429,88 1857,83 963,36 1082,72

Solteiro(a) 1251

8 1427,75 1995,83 1009,19 1121,44

União estável 5360 1434,92 1953,09 1017,93 1101,38 Viúvo(a) 989 1427,92 1892,45 945,69 1069,57 Escolaridade 2003

2 1515,4 1916,75 924,08 1013,73

cEns. Fund. Incompleto dEns. Fund. Completo 2576 1464,53 2065,88 998,35 1017,83

153

eEns. Médio Incompleto 1042 1460,44 2012,5 986,34 1060,75 fEns. Médio Completo 2914 1517,9 1990,01 973,2 1022,97 gNível Sup. 58 1507,86 2297,48 1193,93 1329,54 lOutros 48 1765,21 2088,19 823,95 963,81 mIGNORADO 4205 1305,69 1679,81 1034,73 1179,67

zAlfabetizado 1157

4 1343,69 2041,28 1022,74 1136,81

Superintendencia 4781 1617,31 2258,08 945,75 874,66

Alagoas Bahia 5177 1256,29 1915,1 962,63 1142,72 Ceará 2557 1413,96 1516,95 955,99 1017,86 Maranhão 4758 1323,36 2550,41 1285,15 1231,14 Minas Gerais e Espirito Santo

4120 1023,52 1584,07 904,71 1071,87

Paraíba 3484 1606,53 1759,25 808,75 862,39 Pernambuco 4641 1355,97 2089,69 952,6 1113,45 Piaui 5433 1602,38 1728,6 877,02 979,31 Rio Grande do Norte 3018 1628,93 1940,39 845,24 849,16 Sergipe 4480 1656,74 1826,89 860,7 990,42 Condicao Uso Posse Terra 6672 1486,92 2013,54 903,33 955,58 Arrendatário/Comodatário IGNORADO 4008 1311,52 1762,23 1096,63 1247,27 Meeiro 912 1413,52 1680,17 761,21 884,78 Parceiro 5336 1488,17 1843,74 879,83 1023,27 Posseiro 5834 1222,92 2159,53 1114,69 1171,63

Proprietário 1968

7 1511,08 1934,14 952,26 1050,41

154

Pertence Organizacao Social 1460

6 1418,54 1906,48 1031,02 1147,28

IGNORADO

Sim 1567

7 1483,85 1926,79 942,37 998,09

zNão 1216

6 1422,15 2012,44 951,53 1072,79

Dedicacao Atividadea 16734

1528,34 1852,24 913,48 973,52 Atividade Pric. na renda Familiar IGNORADO 981 1102,16 1293,9 1169,56 1246,53 zAtividade Complementar na renda Familiar

24734

1399,99 2032,84 1003,48 1115,53


155

Bivariado Total A_Receita_Bruta_ANO1 A_ Receita_Bruta_ANO2

A_Receita_Bruta_ANO1 A_ Receita_Bruta_ANO2

1 Média Média Coeficiente de Variação Coeficiente de

Variação 1 42449 1884,11 2479,31 1271,23 1259,13 SEXO

21705 1862,71 2499,11 1282,61 1257,68 HOMEM IGNORADO 20 1995,11 2536,39 1204,08 1380,32 zMULHER 20724 1906,43 2458,52 1258,92 1260,27 Acesso Assintencia Tecnica 1636 1852,55 2204,38 1380,07 1522,93 IGNORADO Sim 40509 1877,44 2484,97 1262,08 1243,95 zNão 304 2946,22 3217,11 1423,3 1329,46 Estado Civil

19975 1915,51 2483,67 1238,79 1239,36 Casado(a) Divorciado/Separado 675 1801,86 2259,48 1201,59 1248,15 IGNORADO 2932 2018,47 2503,93 1315,25 1299,62 Solteiro(a) 12518 1819,54 2491,28 1305,47 1281,69 União estável 5360 1865,03 2469,31 1292,9 1255,17 Viúvo(a) 989 1828 2371,19 1222,15 1257,63 Escolaridade

20032 1970,85 2445,33 1249,16 1267,17 cEns. Fund. Incompleto dEns. Fund. Completo 2576 1919,6 2597,75 1283,34 1184,32 eEns. Médio Incompleto 1042 1809,45 2464,01 1252,37 1239,49 fEns. Médio Completo 2914 1919,24 2469,32 1289,8 1222,88 gNível Sup. 58 1985,69 2904,83 1758,95 1559,39

156

lOutros 48 2357,69 2860,17 1120,35 1295,42 mIGNORADO 4205 1850,18 2379,42 1337,71 1365,95 zAlfabetizado 11574 1734,19 2548,03 1261,66 1223,84 Superintendencia

4781 2200,49 2951,99 1357,14 1083,92 Alagoas Bahia 5177 1565,13 2314,57 1187,26 1290,04 Ceará 2557 1937,85 2048,85 1231,11 1296,62 Maranhão 4758 1608,8 3089,91 1544,19 1365,72 Minas Gerais e Espirito Santo

4120 1687,11 2359,49 1512,22 1628,47

Paraíba 3484 2277,45 2434,77 938,8 871,49 Pernambuco 4641 1670,04 2599,99 1175,06 1111,24 Piaui 5433 2032,42 2207,74 949,83 1043,28 Rio Grande do Norte 3018 1959,87 2272,6 1280,09 1081,99 Sergipe 4480 2044,9 2244,95 1151,5 1228,55 Condicao Uso Posse Terra 6672 1907,22 2541,35 1185,87 1123,45 Arrendatário/Comodatário IGNORADO 4008 1858,98 2356,97 1428,9 1436 Meeiro 912 2030,8 2374,39 931,56 979,34 Parceiro 5336 1935,15 2334,7 1179,49 1201 Posseiro 5834 1509,16 2661,3 1315,71 1256,68 Proprietário 19687 1971,92 2473,4 1269,3 1283,74 Pertence Organizacao Social 14606 1906,27 2511,33 1370,6 1347,44 IGNORADO Sim 15677 1882,08 2391,68 1240,41 1232,05 zNão 12166 1860,28 2554,14 1183,86 1175,33 Dedicacao Atividadea 16734 1948,22 2354,62 1198,76 1191,45

157

Atividade Pric. na renda Familiar IGNORADO 981 1509,11 1838,11 1576,97 1814,97

zAtividade Complementar na renda Familiar

24734 1855,58 2589,17 1301,41 1261,44

Fonte: CPS/FGV através do

processamento dos microdados Agroamigo

158

Apresentamos a seguir os dez municípios mais importantes da amostra a nível de cada estado.

Total de Clientes

Total 42449 Rank Alagoas IGREJA NOVA 555 1 SAO SEBASTIAO 285 2 CRAIBAS 239 3 SAO JOSE DA TAPERA 223 4 UNIAO DOS PALMARES 185 5 BELO MONTE 173 6 CORURIPE 171 7 INHAPI 169 8 ESTRELA DE ALAGOAS 154 9 VICOSA 151 10 Bahia RIACHO DE SANTANA 197 1 CORONEL JOAO SA 153 2 PARATINGA 151 3 IBIRATAIA 125 4 CAFARNAUM 119 5 FILADELFIA 119 6 AGUA FRIA 117 7 BAIXA GRANDE 109 8 BOA VISTA DO TUPIM 106 9 RAFAEL JAMBEIRO 100 10 Ceará MORADA NOVA 198 1 MOMBACA 158 2

159

LIMOEIRO DO NORTE 147 3 QUIXERAMOBIM 115 4 CANINDE 107 5 ICO 104 6 SAO BENEDITO 91 7 RUSSAS 79 8 TABULEIRO DO NORTE 78 9 CASCAVEL 69 10 Maranhão PRESIDENTE DUTRA 275 1 CAXIAS 244 2 CODO 234 3 BACABAL 209 4 GONCALVES DIAS 184 5

SAO DOMINGOS DO MARANHAO

182 6

SANTA LUZIA 173 7 PARAIBANO 126 8 SAO JOSE DOS BASILIOS 126 9 TIMBIRAS 125 10 Minas Gerais JANUARIA 363 1 e Espirito Santo

MONTES CLAROS 248 2

SAO JOAO DAS MISSOES 183 3 MANGA 169 4 CORONEL MURTA 161 5 MALACACHETA 159 6 ARACUAI 132 7 CARINHANHA 128 8 MATO VERDE 128 9

160

MINAS NOVAS 125 10 CONEGO MARINHO 123 11 Paraíba CAJAZEIRAS 170 1 CATOLE DO ROCHA 159 2 RIACHO DOS CAVALOS 150 3 MONTEIRO 146 4 DESTERRO 141 5 SAO JOAO DO RIO DO PEIXE 132 6 SERRA BRANCA 118 7 SUME 107 8 SAO JOSE DOS CORDEIROS 100 9 SAO BENTO 94 10 Pernambuco GLORIA DO GOITA 309 1 TABIRA 252 2 PARANATAMA 232 3 CABO DE SANTO AGOSTINHO 227 4 CARNAIBA 225 5 CARUARU 211 6 PAUDALHO 186 7 CAETES 172 8 POMBOS 154 9 ITAMBE 152 10 Piaui AMARANTE 200 1 REMANSO 191 2 TIMON 170 3 ALTOS 167 4 ESPERANTINA 158 5

161

PARNARAMA 157 6 INHUMA 150 7

SAO FRANCISCO DO MARANHAO

138 8

JUREMA 126 9 PICOS 122 10 Rio Grande do Norte

SANTO ANTONIO 175 1

APODI 155 2 PARELHAS 118 3 SAO JOSE DO CAMPESTRE 116 4 SANTA CRUZ 97 5 MACAIBA 92 6 SAO PAULO DO POTENGI 90 7 SAO MIGUEL DO GOSTOSO 84 8 ALEXANDRIA 76 9 SERRA NEGRA DO NORTE 76 10 Sergipe GARARU 295 1 ITABAIANINHA 185 2 AQUIDABA 164 3 PACATUBA 157 4 OLINDINA 156 5 ITAPICURU 154 6 UMBAUBA 151 7 ITABAIANA 144 8 NOSSA SENHORA APARECIDA 143 9 TOBIAS BARRETO 143 10


162

Panorama do Produtor Rural

A PNAD nos permite analisar em detalhes os empreendedores na área rural e de grupamentos agrícolas do país, com destaque aos diferenciais por gêneros. No panorama disponível no site da pesquisa podemos, por exemplo, analisar as diferenças entre diferentes áreas (exploramos em detalhes a divisão Nordeste e Sudeste).

Cada uma dessas variáveis especifica do produtor rural, pode ser analisada para o conjunto geral de microempresários ou por subgrupos abertos: i) características sócio-demográficas, como: sexo, idade, anos de estudo, raça e posição na família; ii) características do produtor, como: posição na ocupação,

contribuição previdenciária, educação e acesso a ativos digitais; iii) características do consumidor, como: acesso a bens de consumo e serviços; e iv) atributos espaciais. Como: local de moradia, área (metropolitana, urbana não metropolitana e rural), estados, e de forma inovadora, capitais e periferias.

http://www.cps.fgv.br/cps/bd/crag/prodrural/index2.ind2.htm

163

A) Equações de Receita 1 - Modelo Básico

Equação do Log Receita The SURVEYREG Procedure

Regression Analysis for Dependent Variable LNreceita

Data Summary


Mean of LNreceita 7.82650

Sum of LNreceita 990545.7












anon 2 a2 za1



Model 29 384.37 <.0001

Intercept 1 117975 <.0001

SEX 2 0.58 0.5597

ACESSO 2 610.08 <.0001

CIVIL 6 14.94 <.0001


CONDICAO 5 29.69 <.0001


164



Dedicacao 2 160.51 <.0001

anon 1 4149.00 <.0001





Intercept 7.8884950 0.00911039 865.88 <.0001

SEX HOMEM 0.0016895 0.00227603 0.74 0.4579

SEX IGNORADO -0.0506774 0.06611194 -0.77 0.4434

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.0791854 0.00906033 -8.74 <.0001

ACESSO Sim -0.1304673 0.00374551 -34.83 <.0001

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0146521 0.00746054 1.96 0.0495


CIVIL IGNORADO 0.0245693 0.00887930 2.77 0.0057

CIVIL Separado/Divorciado(a) 0.0027478 0.01152401 0.24 0.8115

CIVIL Solteiro(a) 0.0357016 0.00764530 4.67 <.0001


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.0861146 0.00498587 17.27 <.0001

Superintend BA -0.0756237 0.00504024 -15.00 <.0001

Superintend CE -0.0713591 0.00580183 -12.30 <.0001

Superintend MA 0.1374303 0.00609814 22.54 <.0001

Superintend MG 0.0919214 0.00541284 16.98 <.0001

Superintend PB -0.0524476 0.00530017 -9.90 <.0001

Superintend PE -0.0471646 0.00507795 -9.29 <.0001

Superintend PI -0.0764329 0.00545547 -14.01 <.0001

Superintend RN -0.0227368 0.00575933 -3.95 <.0001

Superintend SE 0.0000000 0.00000000 . .


CONDICAO IGNORADO 0.0084058 0.00465831 1.80 0.0712

CONDICAO Meeiro -0.0333552 0.00777837 -4.29 <.0001

165




CONDICAO Parceiro -0.0092122 0.00334448 -2.75 0.0059

CONDICAO Posseiro -0.0097509 0.00428782 -2.27 0.0230


Organizacao IGNORADO 0.0252542 0.00283532 8.91 <.0001

Organizacao Sim -0.0532784 0.00283016 -18.83 <.0001


Dedicacao Atividade Pric. na renda Familiar -0.0391535 0.00242420 -16.15 <.0001


Dedicacao zAtividade Complementar na renda Familiar 0.0000000 0.00000000 . .

anon a2 0.1462084 0.00226987 64.41 <.0001

anon za1 0.0000000 0.00000000 . .


166

2 - Modelo Interativo (variável sexo)



Data Summary















anon 2 a2 za1



Model 31 360.95 <.0001

Intercept 1 117987 <.0001

SEX 2 0.42 0.6540

ACESSO 2 610.08 <.0001

CIVIL 6 14.92 <.0001


CONDICAO 5 29.68 <.0001


Dedicacao 2 160.57 <.0001

167



anon 1 11.07 0.0009

SEX*anon 2 13.56 <.0001





Intercept 7.8948756 0.00920390 857.78 <.0001

SEX HOMEM -0.0106912 0.00345543 -3.09 0.0020

SEX IGNORADO -0.0581053 0.10434923 -0.56 0.5776

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.0791820 0.00905827 -8.74 <.0001

ACESSO Sim -0.1304491 0.00374500 -34.83 <.0001

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0146672 0.00745835 1.97 0.0492


CIVIL IGNORADO 0.0245964 0.00887740 2.77 0.0056


CIVIL Solteiro(a) 0.0356642 0.00764305 4.67 <.0001


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.0861416 0.00498598 17.28 <.0001

Superintend BA -0.0756758 0.00503969 -15.02 <.0001

Superintend CE -0.0713435 0.00580066 -12.30 <.0001

Superintend MA 0.1374269 0.00609743 22.54 <.0001

Superintend MG 0.0919416 0.00541313 16.98 <.0001

Superintend PB -0.0524355 0.00529967 -9.89 <.0001

Superintend PE -0.0471300 0.00507769 -9.28 <.0001

Superintend PI -0.0764246 0.00545516 -14.01 <.0001

Superintend RN -0.0227885 0.00575857 -3.96 <.0001

Superintend SE 0.0000000 0.00000000 . .



CONDICAO Meeiro -0.0334074 0.00777675 -4.30 <.0001

168








Organizacao Sim -0.0532789 0.00282976 -18.83 <.0001





anon a2 0.1339379 0.00329865 40.60 <.0001

anon za1 0.0000000 0.00000000 . .

SEX*anon HOMEM a2 0.0236252 0.00453743 5.21 <.0001

SEX*anon HOMEM za1 0.0000000 0.00000000 . .

SEX*anon IGNORADO a2 0.0142702 0.13210258 0.11 0.9140

SEX*anon IGNORADO za1 0.0000000 0.00000000 . .



3 - Modelo Interativo (variável dedicação)



Data Summary




169












anon 2 a2 za1



Model 31 360.22 <.0001

Intercept 1 117840 <.0001

SEX 2 0.58 0.5616

ACESSO 2 609.72 <.0001

CIVIL 6 14.91 <.0001


CONDICAO 5 29.71 <.0001


Dedicacao 2 162.04 <.0001

anon 1 862.62 <.0001

Dedicacao*anon 2 14.43 <.0001





Intercept 7.8906912 0.00918282 859.29 <.0001

SEX HOMEM 0.0016827 0.00227578 0.74 0.4597

SEX IGNORADO -0.0506126 0.06615882 -0.77 0.4443

SEX zMULHER 0.0000000 0.00000000 . .

170




ACESSO IGNORADO -0.0792534 0.00906333 -8.74 <.0001

ACESSO Sim -0.1304276 0.00374544 -34.82 <.0001

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0146261 0.00746273 1.96 0.0500


CIVIL IGNORADO 0.0245268 0.00888043 2.76 0.0057


CIVIL Solteiro(a) 0.0356367 0.00764733 4.66 <.0001


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.0862505 0.00498694 17.30 <.0001

Superintend BA -0.0757231 0.00504052 -15.02 <.0001

Superintend CE -0.0713850 0.00580023 -12.31 <.0001

Superintend MA 0.1376313 0.00609846 22.57 <.0001

Superintend MG 0.0918473 0.00541209 16.97 <.0001

Superintend PB -0.0523965 0.00530042 -9.89 <.0001

Superintend PE -0.0470412 0.00507836 -9.26 <.0001

Superintend PI -0.0764962 0.00545411 -14.03 <.0001

Superintend RN -0.0226783 0.00576170 -3.94 <.0001

Superintend SE 0.0000000 0.00000000 . .



CONDICAO Meeiro -0.0333717 0.00777905 -4.29 <.0001





Organizacao Sim -0.0532989 0.00283074 -18.83 <.0001





anon a2 0.1420547 0.00301326 47.14 <.0001

anon za1 0.0000000 0.00000000 . .

171




Dedicacao*anon Atividade Pric. na renda Familiar a2 0.0128752 0.00465331 2.77 0.0057

Dedicacao*anon Atividade Pric. na renda Familiar za1 0.0000000 0.00000000 . .

Dedicacao*anon IGNORADO a2 -0.0523189 0.01268322 -4.13 <.0001

Dedicacao*anon IGNORADO za1 0.0000000 0.00000000 . .

Dedicacao*anon zAtividade Complementar na renda Familiar a2 0.0000000 0.00000000 . .

Dedicacao*anon zAtividade Complementar na renda Familiar za1 0.0000000 0.00000000 . .

Fonte: CPS/FGV a partir dos microdados do Agroamigo / Banco do Nordeste 4 - Modelo Interativo (variável organização)


The SURVEYREG Procedure Regression Analysis for Dependent Variable LNreceita

Data Summary















anon 2 a2 za1

172



Model 31 364.42 <.0001

Intercept 1 118178 <.0001

SEX 2 0.58 0.5589

ACESSO 2 609.31 <.0001

CIVIL 6 14.97 <.0001


CONDICAO 5 29.69 <.0001


Dedicacao 2 160.83 <.0001

anon 1 4204.47 <.0001

Organizacao*anon 2 10.14 <.0001





Intercept 7.8939137 0.00923115 855.14 <.0001

SEX HOMEM 0.0016880 0.00227593 0.74 0.4583

SEX IGNORADO -0.0507724 0.06604165 -0.77 0.4420

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.0790400 0.00905897 -8.73 <.0001

ACESSO Sim -0.1303865 0.00374564 -34.81 <.0001

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0147103 0.00745858 1.97 0.0486


CIVIL IGNORADO 0.0246614 0.00887529 2.78 0.0055


CIVIL Solteiro(a) 0.0358030 0.00764324 4.68 <.0001


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.0863912 0.00498473 17.33 <.0001

Superintend BA -0.0753061 0.00502845 -14.98 <.0001

Superintend CE -0.0711607 0.00579784 -12.27 <.0001

Superintend MA 0.1376968 0.00609562 22.59 <.0001

173




Superintend MG 0.0920125 0.00540934 17.01 <.0001

Superintend PB -0.0522084 0.00529841 -9.85 <.0001

Superintend PE -0.0468213 0.00507601 -9.22 <.0001

Superintend PI -0.0762707 0.00545550 -13.98 <.0001

Superintend RN -0.0224587 0.00575878 -3.90 <.0001

Superintend SE 0.0000000 0.00000000 . .



CONDICAO Meeiro -0.0332896 0.00778235 -4.28 <.0001





Organizacao Sim -0.0658544 0.00420813 -15.65 <.0001





anon a2 0.1353369 0.00374609 36.13 <.0001

anon za1 0.0000000 0.00000000 . .

Organizacao*anon IGNORADO a2 0.0054655 0.00531353 1.03 0.3037

Organizacao*anon IGNORADO za1 0.0000000 0.00000000 . .






174

5 - Modelo Interativo (variável condição)



Data Summary















anon 2 a2 za1



Model 34 333.50 <.0001

Intercept 1 118271 <.0001

SEX 2 0.59 0.5535

ACESSO 2 613.18 <.0001

CIVIL 6 14.87 <.0001


CONDICAO 5 31.36 <.0001


Dedicacao 2 159.12 <.0001

175



anon 1 1896.52 <.0001

CONDICAO*anon 5 36.59 <.0001





Intercept 7.8986062 0.00919522 858.99 <.0001

SEX HOMEM 0.0017087 0.00227406 0.75 0.4524

SEX IGNORADO -0.0509393 0.06599729 -0.77 0.4402

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.0795763 0.00907583 -8.77 <.0001

ACESSO Sim -0.1308233 0.00374597 -34.92 <.0001

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0145179 0.00745949 1.95 0.0516


CIVIL IGNORADO 0.0244545 0.00887581 2.76 0.0059


CIVIL Solteiro(a) 0.0355363 0.00764404 4.65 <.0001


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.0861953 0.00497503 17.33 <.0001

Superintend BA -0.0750079 0.00502688 -14.92 <.0001

Superintend CE -0.0706903 0.00579908 -12.19 <.0001

Superintend MA 0.1363444 0.00608832 22.39 <.0001

Superintend MG 0.0920296 0.00540624 17.02 <.0001

Superintend PB -0.0520882 0.00529306 -9.84 <.0001

Superintend PE -0.0472299 0.00506439 -9.33 <.0001

Superintend PI -0.0751043 0.00544255 -13.80 <.0001

Superintend RN -0.0222766 0.00574890 -3.87 0.0001

Superintend SE 0.0000000 0.00000000 . .



CONDICAO Meeiro -0.0192384 0.01120486 -1.72 0.0860

176




CONDICAO Parceiro -0.0194528 0.00453400 -4.29 <.0001

CONDICAO Posseiro -0.0608443 0.00708691 -8.59 <.0001



Organizacao Sim -0.0529277 0.00282476 -18.74 <.0001





anon a2 0.1263626 0.00325307 38.84 <.0001

anon za1 0.0000000 0.00000000 . .

CONDICAO*anon Arrendatário/Comodatário a2 0.0505173 0.00627021 8.06 <.0001

CONDICAO*anon Arrendatário/Comodatário za1 0.0000000 0.00000000 . .

CONDICAO*anon IGNORADO a2 -0.0124632 0.00915674 -1.36 0.1735

CONDICAO*anon IGNORADO za1 0.0000000 0.00000000 . .










177

B) Equações de Lucro 1 - Modelo Básico

Equação do Log Lucro The SURVEYREG Procedure


Data Summary















anon 2 a2 za1



Model 29 330.47 <.0001

Intercept 1 161760 <.0001

SEX 2 5.54 0.0039

ACESSO 2 912.78 <.0001

CIVIL 6 12.18 <.0001


CONDICAO 5 25.14 <.0001


178



Dedicacao 2 166.74 <.0001

anon 1 4396.20 <.0001





Intercept 7.7020731 0.00981615 784.63 <.0001

SEX HOMEM 0.0075273 0.00231818 3.25 0.0012

SEX IGNORADO -0.0358539 0.05419006 -0.66 0.5082

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.0944490 0.01003031 -9.42 <.0001

ACESSO Sim -0.1560612 0.00365767 -42.67 <.0001

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0123247 0.00836600 1.47 0.1407


CIVIL IGNORADO 0.0042030 0.00973950 0.43 0.6661


CIVIL Solteiro(a) 0.0326105 0.00856321 3.81 0.0001


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.0439021 0.00492642 8.91 <.0001

Superintend BA -0.0447152 0.00499399 -8.95 <.0001

Superintend CE -0.1060016 0.00546772 -19.39 <.0001

Superintend MA 0.1068766 0.00638092 16.75 <.0001

Superintend MG -0.0620464 0.00512982 -12.10 <.0001

Superintend PB -0.0549866 0.00516388 -10.65 <.0001

Superintend PE -0.0029127 0.00509169 -0.57 0.5673

Superintend PI -0.0272009 0.00525779 -5.17 <.0001

Superintend RN 0.0180629 0.00555611 3.25 0.0012

Superintend SE 0.0000000 0.00000000 . .



CONDICAO Meeiro -0.0387097 0.00709935 -5.45 <.0001

179








Organizacao Sim -0.0407755 0.00289628 -14.08 <.0001





anon a2 0.1533809 0.00231330 66.30 <.0001

anon za1 0.0000000 0.00000000 . .


180



Regression Analysis for Dependent Variable LNreceita Data Summary















anon 2 a2 za1



Model 31 310.30 <.0001

Intercept 1 161958 <.0001

SEX 2 4.59 0.0101

ACESSO 2 912.91 <.0001

CIVIL 6 12.14 <.0001


CONDICAO 5 25.15 <.0001


Dedicacao 2 166.80 <.0001

181



anon 1 16.61 <.0001

SEX*anon 2 18.55 <.0001





Intercept 7.7096816 0.00992339 776.92 <.0001

SEX HOMEM -0.0072196 0.00343899 -2.10 0.0358

SEX IGNORADO -0.0343607 0.08621098 -0.40 0.6902

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.0944460 0.01002507 -9.42 <.0001

ACESSO Sim -0.1560446 0.00365703 -42.67 <.0001

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0123508 0.00836320 1.48 0.1397


CIVIL IGNORADO 0.0042433 0.00973763 0.44 0.6630


CIVIL Solteiro(a) 0.0325740 0.00856058 3.81 0.0001


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.0439272 0.00492717 8.92 <.0001

Superintend BA -0.0447810 0.00499357 -8.97 <.0001

Superintend CE -0.1059970 0.00546593 -19.39 <.0001

Superintend MA 0.1068615 0.00637950 16.75 <.0001

Superintend MG -0.0620287 0.00513012 -12.09 <.0001

Superintend PB -0.0549755 0.00516361 -10.65 <.0001

Superintend PE -0.0028800 0.00509198 -0.57 0.5717

Superintend PI -0.0271978 0.00525784 -5.17 <.0001

Superintend RN 0.0180026 0.00555522 3.24 0.0012

Superintend SE 0.0000000 0.00000000 . .



CONDICAO Meeiro -0.0387719 0.00709599 -5.46 <.0001

182








Organizacao Sim -0.0407707 0.00289580 -14.08 <.0001





anon a2 0.1387575 0.00330593 41.97 <.0001

anon za1 0.0000000 0.00000000 . .

SEX*anon HOMEM a2 0.0281219 0.00461821 6.09 <.0001

SEX*anon HOMEM za1 0.0000000 0.00000000 . .

SEX*anon IGNORADO a2 -0.0036971 0.10808330 -0.03 0.9727





183




Data Summary















anon 2 a2 za1



Model 31 309.68 <.0001

Intercept 1 161321 <.0001

SEX 2 5.54 0.0039

ACESSO 2 912.53 <.0001

CIVIL 6 12.15 <.0001


CONDICAO 5 25.19 <.0001


Dedicacao 2 168.07 <.0001

184



anon 1 1304.27 <.0001






Intercept 7.7039464 0.00984646 782.41 <.0001

SEX HOMEM 0.0075283 0.00231798 3.25 0.0012

SEX IGNORADO -0.0357937 0.05427729 -0.66 0.5096

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.0945138 0.01003293 -9.42 <.0001

ACESSO Sim -0.1560464 0.00365782 -42.66 <.0001

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0122902 0.00836757 1.47 0.1419


CIVIL IGNORADO 0.0041542 0.00973948 0.43 0.6697


CIVIL Solteiro(a) 0.0325434 0.00856442 3.80 0.0001


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.0440263 0.00492900 8.93 <.0001

Superintend BA -0.0447874 0.00499388 -8.97 <.0001

Superintend CE -0.1060119 0.00546627 -19.39 <.0001

Superintend MA 0.1070622 0.00637778 16.79 <.0001

Superintend MG -0.0621086 0.00512800 -12.11 <.0001

Superintend PB -0.0549422 0.00516472 -10.64 <.0001

Superintend PE -0.0028105 0.00509283 -0.55 0.5810

Superintend PI -0.0272550 0.00525628 -5.19 <.0001

Superintend RN 0.0181512 0.00556062 3.26 0.0011

Superintend SE 0.0000000 0.00000000 . .



CONDICAO Meeiro -0.0387253 0.00709901 -5.46 <.0001

185








Organizacao Sim -0.0407903 0.00289791 -14.08 <.0001





anon a2 0.1498609 0.00303111 49.44 <.0001

anon za1 0.0000000 0.00000000 . .








186

4 - Modelo Interativo (variável organização)



Data Summary















anon 2 a2 za1



Model 31 309.93 <.0001

Intercept 1 162479 <.0001

SEX 2 5.54 0.0039

ACESSO 2 910.77 <.0001

CIVIL 6 12.27 <.0001


CONDICAO 5 25.03 <.0001


Dedicacao 2 167.10 <.0001

187



anon 1 4440.00 <.0001

Organizacao*anon 2 33.64 <.0001





Intercept 7.7040301 0.00993513 775.43 <.0001

SEX HOMEM 0.0075181 0.00231752 3.24 0.0012

SEX IGNORADO -0.0362113 0.05403776 -0.67 0.5028

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.0942242 0.01002387 -9.40 <.0001

ACESSO Sim -0.1560066 0.00366055 -42.62 <.0001

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0123908 0.00836082 1.48 0.1383


CIVIL IGNORADO 0.0043385 0.00972903 0.45 0.6556


CIVIL Solteiro(a) 0.0327732 0.00855787 3.83 0.0001


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.0443290 0.00492344 9.00 <.0001

Superintend BA -0.0440511 0.00498016 -8.85 <.0001

Superintend CE -0.1055106 0.00546412 -19.31 <.0001

Superintend MA 0.1073817 0.00637326 16.85 <.0001

Superintend MG -0.0619220 0.00512157 -12.09 <.0001

Superintend PB -0.0545177 0.00516145 -10.56 <.0001

Superintend PE -0.0025462 0.00508838 -0.50 0.6168

Superintend PI -0.0268102 0.00525584 -5.10 <.0001

Superintend RN 0.0185612 0.00555640 3.34 0.0008

Superintend SE 0.0000000 0.00000000 . .



CONDICAO Meeiro -0.0385951 0.00711088 -5.43 <.0001

188








Organizacao Sim -0.0553500 0.00432941 -12.78 <.0001





anon a2 0.1487483 0.00390405 38.10 <.0001

anon za1 0.0000000 0.00000000 . .

Organizacao*anon IGNORADO a2 -0.0177890 0.00543540 -3.27 0.0011







189


Data Summary















anon 2 a2 za1



Model 34 285.51 <.0001

Intercept 1 161838 <.0001

SEX 2 5.60 0.0037

ACESSO 2 916.50 <.0001

CIVIL 6 12.21 <.0001


CONDICAO 5 23.91 <.0001


Dedicacao 2 165.58 <.0001

anon 1 2122.68 <.0001



190




Intercept 7.7105130 0.00987125 781.11 <.0001

SEX HOMEM 0.0075615 0.00231656 3.26 0.0011

SEX IGNORADO -0.0360819 0.05415306 -0.67 0.5052

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.0948114 0.01004526 -9.44 <.0001

ACESSO Sim -0.1563540 0.00365687 -42.76 <.0001

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0122177 0.00836573 1.46 0.1442


CIVIL IGNORADO 0.0041661 0.00973665 0.43 0.6687


CIVIL Solteiro(a) 0.0325368 0.00856264 3.80 0.0001


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.0438758 0.00491822 8.92 <.0001

Superintend BA -0.0441662 0.00498148 -8.87 <.0001

Superintend CE -0.1054343 0.00546735 -19.28 <.0001

Superintend MA 0.1058849 0.00637886 16.60 <.0001

Superintend MG -0.0620124 0.00512639 -12.10 <.0001

Superintend PB -0.0548208 0.00515745 -10.63 <.0001

Superintend PE -0.0029342 0.00507892 -0.58 0.5634

Superintend PI -0.0259369 0.00526074 -4.93 <.0001

Superintend RN 0.0184415 0.00554490 3.33 0.0009

Superintend SE 0.0000000 0.00000000 . .



CONDICAO Meeiro -0.0118461 0.00882360 -1.34 0.1794





Organizacao Sim -0.0404631 0.00288982 -14.00 <.0001


191







anon a2 0.1367109 0.00328582 41.61 <.0001

anon za1 0.0000000 0.00000000 . .














192

C) Equações de Custo 1 - Modelo Básico

Equação do Log Custo The SURVEYREG Procedure



Mean of LNcusto 5.76553

Sum of LNcusto 717486.1












anon 2 a2 za1



Model 29 352.61 <.0001

Intercept 1 11774.1 <.0001

SEX 2 24.86 <.0001

ACESSO 2 43.83 <.0001

CIVIL 6 17.48 <.0001


CONDICAO 5 41.18 <.0001


193



Dedicacao 2 75.53 <.0001

anon 1 250.18 <.0001





Intercept 5.5813917 0.02607205 214.08 <.0001

SEX HOMEM -0.0404166 0.00576290 -7.01 <.0001

SEX IGNORADO -0.1307555 0.14885831 -0.88 0.3797

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.2182921 0.02353612 -9.27 <.0001

ACESSO Sim -0.0198266 0.01001722 -1.98 0.0478

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0303255 0.01956979 1.55 0.1212


CIVIL IGNORADO 0.1401472 0.02246241 6.24 <.0001


CIVIL Solteiro(a) 0.0528309 0.02002168 2.64 0.0083


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.4817376 0.01640813 29.36 <.0001

Superintend BA -0.1269298 0.01562177 -8.13 <.0001

Superintend CE 0.3445844 0.01666409 20.68 <.0001

Superintend MA 0.3655575 0.01821582 20.07 <.0001

Superintend MG 0.7169768 0.01687413 42.49 <.0001

Superintend PB 0.2430410 0.01624445 14.96 <.0001

Superintend PE -0.0520676 0.01607630 -3.24 0.0012

Superintend PI -0.0410936 0.01644487 -2.50 0.0125

Superintend RN 0.0345549 0.01771986 1.95 0.0512

Superintend SE 0.0000000 0.00000000 . .


CONDICAO IGNORADO -0.0439984 0.01159600 -3.79 0.0001

CONDICAO Meeiro 0.0859092 0.01776000 4.84 <.0001

194








Organizacao Sim -0.1147088 0.00731356 -15.68 <.0001





anon a2 0.0907985 0.00574058 15.82 <.0001

anon za1 0.0000000 0.00000000 . .


195




Data Summary















anon 2 a2 za1



Model 31 329.87 <.0001

Intercept 1 11793.9 <.0001

SEX 2 24.63 <.0001

ACESSO 2 43.83 <.0001

CIVIL 6 17.48 <.0001


CONDICAO 5 41.18 <.0001


Dedicacao 2 75.53 <.0001

196



anon 1 1.33 0.2486

SEX*anon 2 0.06 0.9372





Intercept 5.5805584 0.02629524 212.23 <.0001

SEX HOMEM -0.0387834 0.00845936 -4.58 <.0001

SEX IGNORADO -0.1652052 0.19293791 -0.86 0.3919

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.2182948 0.02353626 -9.27 <.0001

ACESSO Sim -0.0198289 0.01001723 -1.98 0.0478

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0303253 0.01956992 1.55 0.1212


CIVIL IGNORADO 0.1401467 0.02246256 6.24 <.0001


CIVIL Solteiro(a) 0.0528362 0.02002195 2.64 0.0083


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.4817343 0.01640826 29.36 <.0001

Superintend BA -0.1269208 0.01562203 -8.12 <.0001

Superintend CE 0.3445824 0.01666433 20.68 <.0001

Superintend MA 0.3655593 0.01821597 20.07 <.0001

Superintend MG 0.7169750 0.01687425 42.49 <.0001

Superintend PB 0.2430392 0.01624464 14.96 <.0001

Superintend PE -0.0520737 0.01607655 -3.24 0.0012

Superintend PI -0.0410988 0.01644496 -2.50 0.0124

Superintend RN 0.0345583 0.01772006 1.95 0.0512

Superintend SE 0.0000000 0.00000000 . .



CONDICAO Meeiro 0.0859155 0.01776001 4.84 <.0001

197








Organizacao Sim -0.1147105 0.00731363 -15.68 <.0001





anon a2 0.0923934 0.00829013 11.14 <.0001

anon za1 0.0000000 0.00000000 . .

SEX*anon HOMEM a2 -0.0031044 0.01146522 -0.27 0.7866

SEX*anon HOMEM za1 0.0000000 0.00000000 . .






198




Data Summary















anon 2 a2 za1



Model 31 330.16 <.0001

Intercept 1 11770.8 <.0001

SEX 2 24.86 <.0001

ACESSO 2 43.81 <.0001

CIVIL 6 17.48 <.0001


CONDICAO 5 41.17 <.0001


Dedicacao 2 75.79 <.0001

anon 1 54.28 <.0001

Dedicacao*anon 2 1.14 0.3205

199





Intercept 5.5853711 0.02623303 212.91 <.0001

SEX HOMEM -0.0404135 0.00576289 -7.01 <.0001

SEX IGNORADO -0.1307088 0.14888148 -0.88 0.3800

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.2182238 0.02353793 -9.27 <.0001

ACESSO Sim -0.0197677 0.01001825 -1.97 0.0485

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0302946 0.01957032 1.55 0.1216


CIVIL IGNORADO 0.1401107 0.02246325 6.24 <.0001


CIVIL Solteiro(a) 0.0527471 0.02002208 2.63 0.0084


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.4819603 0.01640737 29.37 <.0001

Superintend BA -0.1269475 0.01562114 -8.13 <.0001

Superintend CE 0.3445780 0.01666367 20.68 <.0001

Superintend MA 0.3659979 0.01822153 20.09 <.0001

Superintend MG 0.7169506 0.01687428 42.49 <.0001

Superintend PB 0.2431369 0.01624385 14.97 <.0001

Superintend PE -0.0518496 0.01607653 -3.23 0.0013

Superintend PI -0.0411055 0.01644543 -2.50 0.0124

Superintend RN 0.0347519 0.01771924 1.96 0.0499

Superintend SE 0.0000000 0.00000000 . .



CONDICAO Meeiro 0.0859167 0.01775955 4.84 <.0001





200




Organizacao Sim -0.1147576 0.00731313 -15.69 <.0001





anon a2 0.0831829 0.00806628 10.31 <.0001

anon za1 0.0000000 0.00000000 . .



Dedicacao*anon IGNORADO a2 -0.0003984 0.03518654 -0.01 0.9910





201




Data Summary















anon 2 a2 za1



Model 31 330.38 <.0001

Intercept 1 11778.9 <.0001

SEX 2 24.87 <.0001

ACESSO 2 43.94 <.0001

CIVIL 6 17.47 <.0001


CONDICAO 5 41.16 <.0001


Dedicacao 2 75.41 <.0001

202



anon 1 257.62 <.0001

Organizacao*anon 2 8.30 0.0002





Intercept 5.5716760 0.02656295 209.75 <.0001

SEX HOMEM -0.0404233 0.00576254 -7.01 <.0001

SEX IGNORADO -0.1304532 0.14881103 -0.88 0.3807

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.2186214 0.02353720 -9.29 <.0001

ACESSO Sim -0.0200010 0.01001584 -2.00 0.0458

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0302035 0.01956851 1.54 0.1227


CIVIL IGNORADO 0.1399090 0.02245935 6.23 <.0001


CIVIL Solteiro(a) 0.0526080 0.02002027 2.63 0.0086


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.4811107 0.01641077 29.32 <.0001

Superintend BA -0.1276890 0.01562076 -8.17 <.0001

Superintend CE 0.3440125 0.01666316 20.65 <.0001

Superintend MA 0.3648202 0.01821862 20.02 <.0001

Superintend MG 0.7166778 0.01687474 42.47 <.0001

Superintend PB 0.2424073 0.01624500 14.92 <.0001

Superintend PE -0.0527594 0.01608066 -3.28 0.0010

Superintend PI -0.0416533 0.01644356 -2.53 0.0113

Superintend RN 0.0339564 0.01771852 1.92 0.0553

Superintend SE 0.0000000 0.00000000 . .



CONDICAO Meeiro 0.0857883 0.01775380 4.83 <.0001

203








Organizacao Sim -0.0885600 0.01069647 -8.28 <.0001





anon a2 0.1104991 0.01088880 10.15 <.0001

anon za1 0.0000000 0.00000000 . .

Organizacao*anon IGNORADO a2 -0.0030514 0.01466430 -0.21 0.8352


Organizacao*anon Sim a2 -0.0495789 0.01427640 -3.47 0.0005





204




Data Summary















anon 2 a2 za1



Model 34 302.38 <.0001

Intercept 1 11778.2 <.0001

SEX 2 24.85 <.0001

ACESSO 2 43.96 <.0001

CIVIL 6 17.45 <.0001


CONDICAO 5 42.68 <.0001


Dedicacao 2 75.15 <.0001

205



anon 1 150.41 <.0001






Intercept 5.5920865 0.02629980 212.63 <.0001

SEX HOMEM -0.0404048 0.00576233 -7.01 <.0001

SEX IGNORADO -0.1311578 0.14879017 -0.88 0.3781

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.2186673 0.02353664 -9.29 <.0001

ACESSO Sim -0.0200676 0.01001959 -2.00 0.0452

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0301713 0.01956526 1.54 0.1231


CIVIL IGNORADO 0.1399140 0.02245628 6.23 <.0001


CIVIL Solteiro(a) 0.0527476 0.02001660 2.64 0.0084


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.4819713 0.01640489 29.38 <.0001

Superintend BA -0.1263865 0.01562063 -8.09 <.0001

Superintend CE 0.3453878 0.01666234 20.73 <.0001

Superintend MA 0.3634823 0.01822092 19.95 <.0001

Superintend MG 0.7171832 0.01687150 42.51 <.0001

Superintend PB 0.2436310 0.01624256 15.00 <.0001

Superintend PE -0.0517073 0.01607467 -3.22 0.0013

Superintend PI -0.0394899 0.01644437 -2.40 0.0163

Superintend RN 0.0350593 0.01771711 1.98 0.0478

Superintend SE 0.0000000 0.00000000 . .



CONDICAO Meeiro 0.0788990 0.02485803 3.17 0.0015

206








Organizacao Sim -0.1143384 0.00731421 -15.63 <.0001





anon a2 0.0697583 0.00843362 8.27 <.0001

anon za1 0.0000000 0.00000000 . .

CONDICAO*anon Arrendatário/Comodatário a2 0.0419243 0.01602875 2.62 0.0089




CONDICAO*anon Meeiro a2 0.0128793 0.03372680 0.38 0.7026









207

D) Equações de Reembolso 1 - Modelo Básico

Equação do Log Reembolso The SURVEYREG Procedure


Data Summary


Mean of LNReembolso 6.85435

Sum of LNReembolso 772546.8












anon 2 a2 za1



Model 29 368.83 <.0001

Intercept 1 116609 <.0001

SEX 2 23.69 <.0001

ACESSO 2 812.93 <.0001

CIVIL 6 12.70 <.0001


CONDICAO 5 53.80 <.0001


208



Dedicacao 2 120.97 <.0001

anon 1 5038.28 <.0001





Intercept 6.8712782 0.00870138 789.68 <.0001

SEX HOMEM 0.0144622 0.00215195 6.72 <.0001

SEX IGNORADO -0.0766583 0.05704704 -1.34 0.1790

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.0834437 0.00828633 -10.07 <.0001

ACESSO Sim -0.1334990 0.00331277 -40.30 <.0001

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0207049 0.00742164 2.79 0.0053


CIVIL IGNORADO 0.0107707 0.00851797 1.26 0.2061


CIVIL Solteiro(a) 0.0361013 0.00759534 4.75 <.0001


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.0591538 0.00458940 12.89 <.0001

Superintend BA 0.0116100 0.00463229 2.51 0.0122

Superintend CE -0.0825881 0.00533605 -15.48 <.0001

Superintend MA 0.1620207 0.00630860 25.68 <.0001

Superintend MG -0.0681910 0.00485718 -14.04 <.0001

Superintend PB -0.0253770 0.00484790 -5.23 <.0001

Superintend PE 0.0433663 0.00479463 9.04 <.0001

Superintend PI -0.0518193 0.00527493 -9.82 <.0001

Superintend RN 0.0396158 0.00525106 7.54 <.0001

Superintend SE 0.0000000 0.00000000 . .

CONDICAO Arrendatário/Comodatário -0.0035116 0.00295760 -1.19 0.2351


CONDICAO Meeiro -0.0250590 0.00689024 -3.64 0.0003

209







Organizacao IGNORADO -0.0156552 0.00289860 -5.40 <.0001

Organizacao Sim -0.0046065 0.00267952 -1.72 0.0856



Dedicacao IGNORADO 0.0126001 0.00638503 1.97 0.0485


anon a2 0.1500070 0.00211335 70.98 <.0001

anon za1 0.0000000 0.00000000 . .


210


















anon 2 a2 za1



Model 31 345.66 <.0001

Intercept 1 117183 <.0001

SEX 2 22.13 <.0001

ACESSO 2 812.89 <.0001

CIVIL 6 12.69 <.0001


CONDICAO 5 53.78 <.0001


Dedicacao 2 120.99 <.0001

211



anon 1 18.47 <.0001

SEX*anon 2 9.18 0.0001





Intercept 6.8762317 0.00875635 785.28 <.0001

SEX HOMEM 0.0048015 0.00297752 1.61 0.1068

SEX IGNORADO -0.1012008 0.09295480 -1.09 0.2763

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.0834197 0.00827980 -10.08 <.0001

ACESSO Sim -0.1334831 0.00331247 -40.30 <.0001

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0207421 0.00741972 2.80 0.0052


CIVIL IGNORADO 0.0107983 0.00851602 1.27 0.2048


CIVIL Solteiro(a) 0.0360970 0.00759333 4.75 <.0001


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.0591838 0.00458930 12.90 <.0001

Superintend BA 0.0115515 0.00463169 2.49 0.0126

Superintend CE -0.0825623 0.00533431 -15.48 <.0001

Superintend MA 0.1620423 0.00630790 25.69 <.0001

Superintend MG -0.0681601 0.00485782 -14.03 <.0001

Superintend PB -0.0253625 0.00484764 -5.23 <.0001

Superintend PE 0.0434064 0.00479496 9.05 <.0001

Superintend PI -0.0518000 0.00527457 -9.82 <.0001

Superintend RN 0.0395840 0.00525053 7.54 <.0001

Superintend SE 0.0000000 0.00000000 . .



CONDICAO Meeiro -0.0250884 0.00688855 -3.64 0.0003

212








Organizacao Sim -0.0046142 0.00267920 -1.72 0.0850





anon a2 0.1405431 0.00307109 45.76 <.0001

anon za1 0.0000000 0.00000000 . .

SEX*anon HOMEM a2 0.0181912 0.00425880 4.27 <.0001

SEX*anon HOMEM za1 0.0000000 0.00000000 . .






213




Data Summary















anon 2 a2 za1



Model 31 346.08 <.0001

Intercept 1 116474 <.0001

SEX 2 23.67 <.0001

ACESSO 2 814.50 <.0001

CIVIL 6 12.77 <.0001


CONDICAO 5 53.35 <.0001


Dedicacao 2 115.64 <.0001

214



anon 1 1026.15 <.0001






Intercept 6.8615399 0.00875428 783.79 <.0001

SEX HOMEM 0.0144477 0.00215109 6.72 <.0001

SEX IGNORADO -0.0769458 0.05706598 -1.35 0.1775

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.0835496 0.00827039 -10.10 <.0001

ACESSO Sim -0.1335511 0.00331083 -40.34 <.0001

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0207142 0.00741775 2.79 0.0052


CIVIL IGNORADO 0.0109179 0.00851912 1.28 0.2000


CIVIL Solteiro(a) 0.0362530 0.00759144 4.78 <.0001


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.0587339 0.00458462 12.81 <.0001

Superintend BA 0.0117023 0.00463079 2.53 0.0115

Superintend CE -0.0824650 0.00533775 -15.45 <.0001

Superintend MA 0.1606607 0.00630070 25.50 <.0001

Superintend MG -0.0681073 0.00485910 -14.02 <.0001

Superintend PB -0.0255570 0.00484788 -5.27 <.0001

Superintend PE 0.0429499 0.00479439 8.96 <.0001

Superintend PI -0.0515900 0.00527342 -9.78 <.0001

Superintend RN 0.0392488 0.00524575 7.48 <.0001

Superintend SE 0.0000000 0.00000000 . .



CONDICAO Meeiro -0.0251803 0.00688707 -3.66 0.0003

215








Organizacao Sim -0.0044807 0.00267741 -1.67 0.0942





anon a2 0.1684148 0.00301773 55.81 <.0001

anon za1 0.0000000 0.00000000 . .

Dedicacao*anon Atividade Pric. na renda Familiar a2 -0.0363858 0.00430966 -8.44 <.0001







216




Data Summary















anon 2 a2 za1



Model 31 345.32 <.0001

Intercept 1 116678 <.0001

SEX 2 23.71 <.0001

ACESSO 2 812.38 <.0001

CIVIL 6 12.69 <.0001


CONDICAO 5 53.92 <.0001


Dedicacao 2 121.09 <.0001

217



anon 1 4941.24 <.0001

Organizacao*anon 2 3.10 0.0450





Intercept 6.8748657 0.00882604 778.93 <.0001

SEX HOMEM 0.0144687 0.00215195 6.72 <.0001

SEX IGNORADO -0.0765449 0.05702661 -1.34 0.1795

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.0834013 0.00828720 -10.06 <.0001

ACESSO Sim -0.1334419 0.00331248 -40.28 <.0001

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0207108 0.00742122 2.79 0.0053


CIVIL IGNORADO 0.0107533 0.00851785 1.26 0.2068


CIVIL Solteiro(a) 0.0360990 0.00759482 4.75 <.0001


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.0591607 0.00458758 12.90 <.0001

Superintend BA 0.0115289 0.00463001 2.49 0.0128

Superintend CE -0.0826788 0.00533373 -15.50 <.0001

Superintend MA 0.1619678 0.00630798 25.68 <.0001

Superintend MG -0.0681807 0.00485616 -14.04 <.0001

Superintend PB -0.0253989 0.00484770 -5.24 <.0001

Superintend PE 0.0434573 0.00479303 9.07 <.0001

Superintend PI -0.0518778 0.00527423 -9.84 <.0001

Superintend RN 0.0395755 0.00524987 7.54 <.0001

Superintend SE 0.0000000 0.00000000 . .



CONDICAO Meeiro -0.0250628 0.00689005 -3.64 0.0003

218








Organizacao Sim -0.0077104 0.00366058 -2.11 0.0352





anon a2 0.1432741 0.00389400 36.79 <.0001

anon za1 0.0000000 0.00000000 . .

Organizacao*anon IGNORADO a2 0.0135986 0.00548750 2.48 0.0132


Organizacao*anon Sim a2 0.0057807 0.00513456 1.13 0.2602





219




Data Summary















anon 2 a2 za1



Model 34 323.39 <.0001

Intercept 1 116932 <.0001

SEX 2 23.69 <.0001

ACESSO 2 819.95 <.0001

CIVIL 6 12.75 <.0001


CONDICAO 5 44.70 <.0001


Dedicacao 2 118.75 <.0001

220



anon 1 2442.36 <.0001






Intercept 6.8811568 0.00876459 785.11 <.0001

SEX HOMEM 0.0144376 0.00214909 6.72 <.0001

SEX IGNORADO -0.0771629 0.05694830 -1.35 0.1754

SEX zMULHER 0.0000000 0.00000000 . .

ACESSO IGNORADO -0.0839859 0.00829847 -10.12 <.0001

ACESSO Sim -0.1338540 0.00330711 -40.47 <.0001

ACESSO zNão 0.0000000 0.00000000 . .

CIVIL Casado(a) 0.0205646 0.00741613 2.77 0.0056


CIVIL IGNORADO 0.0107189 0.00851499 1.26 0.2081


CIVIL Solteiro(a) 0.0360565 0.00758978 4.75 <.0001


CIVIL Viúvo(a) 0.0000000 0.00000000 . .

Superintend AL 0.0592745 0.00457749 12.95 <.0001

Superintend BA 0.0121165 0.00462297 2.62 0.0088

Superintend CE -0.0817205 0.00532904 -15.33 <.0001

Superintend MA 0.1606758 0.00628987 25.55 <.0001

Superintend MG -0.0680500 0.00485336 -14.02 <.0001

Superintend PB -0.0249959 0.00483617 -5.17 <.0001

Superintend PE 0.0432055 0.00478042 9.04 <.0001

Superintend PI -0.0497803 0.00525808 -9.47 <.0001

Superintend RN 0.0402639 0.00523775 7.69 <.0001

Superintend SE 0.0000000 0.00000000 . .



CONDICAO Meeiro -0.0045622 0.00928697 -0.49 0.6233

221








Organizacao Sim -0.0042400 0.00267419 -1.59 0.1128





anon a2 0.1304638 0.00305946 42.64 <.0001

anon za1 0.0000000 0.00000000 . .



CONDICAO*anon IGNORADO a2 0.0333160 0.00959109 3.47 0.0005




CONDICAO*anon Parceiro a2 -0.0035284 0.00650086 -0.54 0.5873







Microempresários Nordestinos Rurais e Impactos do Agroamigo · 2012-07-11 · Sergipe), que é...

Documents

Transcript of Microempresários Nordestinos Rurais e Impactos do Agroamigo · 2012-07-11 · Sergipe), que é...