UNIVERSIDADE DE BRASILIA FACULDADE DE...
Transcript of UNIVERSIDADE DE BRASILIA FACULDADE DE...
UNIVERSIDADE DE BRASILIA
FACULDADE DE ADMINISTRAÇÃO, CONTABILIDADE E ECONOMIA
DEPARTAMENTO DE ECONOMIA
VINICIUS HIROSHI SATO
ANALISE GEOESPACIAL DO CRÉDITO E PRODUÇÃO AGRÍCOLA
BRASILIA/DF
2015
I
VINICIUS HIROSHI SATO
ANALISE GEOESPACIAL DO CRÉDITO E PRODUÇÃO AGRÍCOLA
Monografia de conclusão de curso apresentada à Universidade de Brasília como exigência para obtenção do título de Bacharel em Ciências Econômicas
Aprovada em 18/12/2015
BANCA EXAMINADORA
____________________________
Pedro Henrique Zuchi da Conceição
Orientador
_____________________________
Clóvis Zapata
Convidado
II
AGRADECIMENTOS
Agradeço aos que contribuíram direta e indiretamente para concretização dessa etapa de minha vida. Em especial meus pais, Natsuko Cinagava Sato e Waldemar Sato, por todo carinho, amor, empenho e dedicação. Sempre ao meu lado, apoiando meu desenvolvimento pessoal e profissional. Sem eles nada disso seria possível.
Aos meus colegas e amigos do peito que me acompanharam nessa jornada, concretizando meus valores e conhecimentos que levarei para a vida. Aos Fritos (Alexandre Kliemann, Carolina Gomes, Eduardo Pie, Felipe Matheus Pineda, Ivan Viana, Marcelo Souza, Ricardo Hosannah, Thiago Resende, Danilo Ribeiro) que me acompanharam nos meus melhores e nos piores momentos. Aos que me acompanham desde criança: Felipe Rocha Barros Maia, Leonardo Santo, João Carlos Ebling, Vitor Pires.
Um agradecimento à Econsult e aos grandes amigos que formei no curso, na gestão do DCE e na empresa júnior, em especial: Gustavo Coelho, Pedro Feitosa, Estevão Pinheiro.
Um muito obrigado ao meu orientador, Pedro Zuchi, à Caixa Econômica Federal, em especial à Sayonara, André Prates, Eliane Mattioli, Marcia Tossetto. Ao departamento de economia da UnB, e à UnB como um todo, por ser um lugar extraorniariamente livre, propiciando experiências únicas por sua grande diversidade.
III
LISTA DE ILUSTRAÇÕES
Figura 01 - Crédito Agrícola de 2010 originário do Sistema Nacional de Crédito Rural ................................................................................................................. 13 Figura 02 - Crédito Agrícola 2012 ..................................................................... 16 Figura 03 - Produção de lavouras permanentes e temporárias 2012 ................ 17 Figura 04 - Exemplo região metropolitana de São Paulo .................................. 18 Figura 05 - Exemplo região amazônica ............................................................. 19 Figura 06 - Exemplo região do Rio São Francisco ........................................... 20 Figura 07 - Crédito agrícola e produção agrícola 2010 – Parte superior ........... 26 Figura 08 - Credito agrícola 2010 – Parte inferior ............................................. 27
Figura 09 - Produção de lavouras permanentes e temporárias 2010 – Parte inferior ............................................................................................................... 27 Figura 10 - Crédito agrícola 2011 – Parte superior ........................................... 28
Figura 11 - Produção de lavouras permanentes e temporárias 2011 – Parte superior ............................................................................................................. 28 Figura 12 - Crédito agrícola 2011 – Parte inferior .............................................. 29
Figura 13 - Produção de lavouras permanentes e temporárias 2011 – Parte inferior ............................................................................................................... 29 Figura 14 - Crédito agrícola 2012 – Parte superior ........................................... 30
Figura 15 - Produção de lavouras permanentes e temporárias 2012 – Parte superior ............................................................................................................. 30 Figura 16 - Crédito agrícola 2012 – Parte inferior .............................................. 31
Figura 17 - Produção de lavouras permanentes e temporárias 2012 – Parte inferior ............................................................................................................... 31
IV
SUMÁRIO
1 INTRODUÇÃO..................................................................................................1
1.1 Tema e Problema de Pesquisa...........................................................1 1.2 Contextualização do Credito Rural no
Brasil......................................’1 2 Referencial Teórico......................................................................................5
2.1 Economia Regional e Espacial............................................................5
2.2 Procedimentos para obtenção do crédito rural via Sistema Nacional
de Crédito
Rural.......................................................................................6
3 MEDIDAS DE LOCALIZAÇÃO, CONCENTRAÇÃO E ESPECIALIZAÇÃO APLICADAS PRODUÇÃO AGROPECUÁRIA NO BRASIL..........................................................................................................7
3.1 Análise
Exploratória.............................................................................8
3.2 Análise de Autocorrelação Espacial....................................................8
3.3 Matrizes de Proximidade
Espacial.......................................................8
3.4 Indicadores Globais de Autocorrelação Espacial: Índice de
Moran......9
3.5 Indicadores Locais de Autocorrelação Espacial: Indicadores Locais
de Associação Espacial (LISA)
..............................................................11
4 DADOS E RESULTADOS...........................................................................12 4.1 Dados e
Variáveis..............................................................................12
4.2 Principais Resultados........................................................................13
5 CONSIDERAÇÕES FINAIS.........................................................................20
5.1 Limitações.........................................................................................21
5.2 Potencialidades.................................................................................21
1
1. Introdução:
1.1 Tema e problema de pesquisa:
Dado o atual modelo de crédito rural baseado, principalmente, em
recursos compulsórios estabelecidos pelo Conselho Monetário Nacional (CMN)
e a vasta literatura que contempla a relação entre sistema financeiro, crédito e
desenvolvimento econômico. O presente trabalho abordará, primeiramente, um
breve histórico do Sistema Nacional de Crédito Rural, sistematizado pela Lei n° 4.829 do ano de 1965 e disciplinado pelo Decreto n° 58.380 do ano de 1966,
até sua situação e desenvolvimento no ano de 2012. Apresentada a
contextualização, iremos elaborar uma análise geoespacial aplicando o método
de dependência espacial com índices locais (Índice de Moran Local com
indicador de dependência LISA) no valor Crédito Rural concedido e no
montante do valor da produção das lavouras permanentes e temporárias,
ambos para os anos de 2010, 2011 e 2012. Por meio da análise dos
resultados, obtidos utilizando o software IpeaGEO, e dos mapas de
distribuição, podemos verificar a efetividade local da política de crédito rural na
produção agrícola, possibilitando um diagnóstico detalhado das diferentes
regiões do país (principalmente nas áreas atípicas, como regiões de baixos-
altos1 e altos-baixos2) além de estabelecer mais um parâmetro para
mensuração de impactos de política pública.
1.2 Contextualização do Credito Rural no Brasil
Durante as décadas de 1950 até 1970 o Brasil passou por uma profunda
transformação em sua estrutura demográfica, dada a significativa migração da
população rural para o meio urbano. O Gráfico 01 apresenta essa mudança,
baseado nos dados censitários do IBGE, como a população brasileira está
estruturada por situação de domicílio, desde o ano de 1950 até 2010.
1
Região de baixa concentração com um outlier, apresentado alta concentração. Detalhadamente apresentado no capítulo de Referencial Teórico. 2
Região de alta concentração com um outlier, apresentando baixa concentração. Detalhadamente apresentado no capítulo de Referencial Teórico
2
Gráfico 01: População Urbana x População Rural
Fonte: IBGE – dados históricos dos Censos de 1950 até 2010
Essa alteração na composição demográfica requereu um aumento
substancial na produtividade agrícola a partir de 1960; como explicita
Sant’Anna e Ferreira (2006). Em 1952 esse setor chegou a representar pouco
mais de um quarto do PIB brasileiro, no ano de 2013, segundo o IPEA3, apenas
5,71% do PIB (a custo de fatores) é advindo do setor agropecuário. Porém isso
não significa uma queda na produção, como apresenta Grafico 02 abaixo.
3 (Instituto Brasileiro de Geografia e Estatística, Sistema de Contas Nacionais Referência 2000 (IBGE/SCN 2000 Anual) - Obs.:Conceito utilizado para 1947-1989: a custo de fatores. Conceito utilizado a partir de 1990: a preços básicos.
63,84% 54,92%
44,02% 32,30%
24,53% 18,77% 15,64%
1950 1960 1970 1980 1991 2000 2010
Urbana Rural
3
Gráfico 02 PIB agropecuário
Fonte: IPEA – IPEAdata, PIB agropecuário anual
A política agrícola do Brasil, confirme apresenta Wedekin (2005), teve
como base dois elementos primordiais: garantia de renda aos agricultores e
crédito rural. Criada em 1945, a Política de Garantia de Preços Mínimos
(PGPM), estabelecia um conjunto de instrumentos de apoio a preços e garantia
de renda, via: aquisições do Governo Federal ou crédito para estocagem e
comercialização. No que se refere a política de Crédito Rural, o Sistema
Nacional de Crédito Rural (SNCR), sistematizado pela Lei n° 4.829 do ano de
1965 e disciplinado pelo Decreto n° 58.380 do ano de 1966, que fazia parte de
um conjunto de reformas econômicas praticadas pelo Programa de Ação
Econômica do Governo (PAEG). Tinha como finalidade fornecer credito para o
custeio, investimento e comercialização da produção rural, com foco nos
produtores rurais e cooperativas.
Até o início da década de oitenta, os empréstimos eram concedidos a
taxa de juros nominais fixas. Devido a aceleração da inflação, tais operações
representavam, na pratica, um forte subsídio implícito aos tomadores de
credito, pois adquiriam capital a taxas reais negativas. Ocorreu uma grande
expansão da oferta, que alcançou seu ápice em 1978 quando o volume de
crédito rural equivalia a 85% do PIB agropecuário, segundo Cavalcanti (2008).
Via Banco do Brasil, o Governo federal financiava a maior parte dos recursos, a
outra parcela era advinda dos bancos comerciais que ficavam sujeitos a uma
0
50
100
150
200
250 R$
(milhõe
s)
4
parcela compulsória regulamentada pelo Conselho Monetário Nacional, em
1967.
De acordo com Sant’Anna e Ferreira (2006), essa disparidade com a
taxa real de juros contribuiu para o aumento do déficit fiscal e amplificação da
base monetária. Dado isto, em 1980 deu-se início a uma alteração no crédito
rural, aumentando as taxas de juros e introduzindo uma certa correção
monetária para o empréstimo.
Ao final da década de 80 e início de 90, frente a diminuição dos recursos
advindos do tesouro nacional, começaram a surgir novas fontes de
financiamento e a ampliação da participação do setor privado, por exemplo: o
Fundo Constitucional do Centro-Oeste (FCO); Fundo Constitucional do Norte e
Fundo Constitucional do Nordeste (criadas em 1989); Caderneta de Poupança
Rural do Banco do Brasil; já no antro privado o destaque é a Cédula de Produto
Rural (CPR), instituída em 1994. Podemos destacar, também, a crescente
participação do Banco Nacional de Desenvolvimento Econômico e Social
(BNDES) em todas as etapas de produção agrícola e agroindustrial com
recursos do Fundo de Amparo ao Trabalhador (FAT), como elucidou
Grigorovski et.al. (2001)
Devido aos índices de correção contratual instaurados durante os anos
80, como o Índice Nacional de Preços ao Consumidor (INPC), em 1982, que
em 1989 foi modificado para o Índice de Preços ao Consumir (IPC); Dando
origem a um grande problema de endividamento que culminou até em uma
Comissão Parlamentar Mista de Investigação (CPMI) em 1993. A consequência
foi um processo renegociação das dívidas rurais iniciado em 1995. No gráfico
03 abaixo, podemos visualizar a retração no crédito e sua expansão ao fixar os
parâmetros recentes.
5
Gráfico 03 - Valores concedidos via Crédito Rural
Fonte: Banco Central do Brasil - Departamento de Regulação, Supervisão e Controle das
Operações do Crédito Rural e do Proagro-DEROP
* Corrigidos via IGP-DI – Índice médio anua, para o ano de 2011l
Wedekin (2005) resume muito bem as últimas décadas de política
agrícola, separando em três períodos diferentes da evolução do crédito: (i) de
1966 a 1985, a “Intervenção Maciça” via expansão de credito via governo; (ii)
1985 a 1994, “Crise da Dívida e Liberalização”, fase marcada pela crise fiscal
do governo, choque de competição de produtos externos e queda no volume
de crédito agrícola;(iii) a partir de 1994, “Inflação baixa” caracterizada pelo
esgotamento de mecanismos tradicionais de financiamento e securitização das
dívidas agrícolas.
2. Referencial Teórico
2.1 Economia Regional e Espacial
O presente estudo visa alisar aspectos gerais espaciais entre produção
e crédito, portanto demonstram uma sintonia com tópicos de estudo sobre
economia regional; principalmente em aspectos do solo e composição climática
que, geralmente, não apresentam mudanças abruptas em regiões muito
próximas, fator determinante para a produção agrícola.
R$ 0
R$ 20
R$ 40
R$ 60
R$ 80
R$ 100
R$ 120
Billion
s Valores Reais*
6
“Na concepção de HOOVER(14:3-13) a Economia Espacial
se refere à análise da questão “o que” está “onde” e “por
quê”. Cumpre à análise espacial estudar os tipos
específicos de atividades econômicas, suas localizações
em relação a outras atividades econômicas, ou seja,
questionar os problemas relativos à proximidade,
concentração e dispersão das atividades e às semelhanças
ou diferenças dos padrões de distribuição geográfica
dessas atividades” (Haddad, P. R., Ferreira, C. D. C.,
Boisier, S., & Andrade, T. A., 1989, p.47).
Já DUBEY, V. (1977) afirma que a Economia Regional compreende o
estudo da diferenciação espacial das inter-relações entre diferentes áreas
dentro de um sistema, enfrentando um universo de recursos escassos,
distribuído de maneira desigual no espaço e imperfeitamente móveis.
Como definido por HADDAD, P. R. et al. (1989) e por DUBEY, V (1977)
iremos utilizar a metodologia descrita no próximo capítulo para uma melhor
compreensão dos aspectos espaciais do crédito rural agrícola e do valor da
produção das lavouras temporárias e permanentes com o intuito de buscar
melhor entendimento dos aspectos econômicos espaciais de diferentes regiões
municipais brasileiras e suas peculiaridades.
2.2 Procedimentos para obtenção do crédito rural via Sistema Nacional de Crédito Rural
Existem várias nuances e detalhes para adquirir crédito do Sistema
Nacional de Crédito Rural regidos pelo Banco Central do Brasil e normatizadas
pelo Manual do Crédito Rural. Iremos descrever de maneira geral, para melhor
entendimento do leitor, como é realizada a operação de crédito.
Primeiramente, o mutuário necessita de um projeto elaborado por um
graduado ou técnico da área agrária atestando a viabilidade econômica e
financeira do financiamento requerido. Além disso, o projeto deve explicitar os
dados do produtor, como: bens moveis e imóveis, resumo de sua produção
agrícola ou pecuária, cálculo da produtividade e produção, dimensão e situação
de reservas legais ou áreas de proteção permanente, resultado exercício no
7
ano anterior. Conjuntamente, realizar o cadastro na instituição financeira na
qual está pleiteando o crédito com os documentos legais solicitados pelo banco
e pelo Manual do Crédito Rural, cabe destacar a necessidade do imóvel rural
beneficiado estar regularizado conforme normas governamentais.
Dada a entrada do pedido de crédito, geralmente há um período de 12
dia úteis para análise, dependendo da complexidade do projeto. Os principais
pontos avaliados são: as garantias oferecidas e os bens do mutuário,
capacidade de pagamento apresentada no projeto, viabilidade técnica e
financeira demonstrada e descriminação detalhada da forma que o recurso
será empregado.
O limite de crédito para custeio é de R$1.200.000,00 (um milhão e
duzentos mil reais), para investimento R$385.000,00 (trezentos e oitenta e
cinco mil reais) independentemente dos créditos obtidos para outras
finalidades. (Res 4.342 art 6º - Banco Central do Brasil). Os prazos são, em
média, de 1 a 2 anos para custeio; 6 anos para investimentos semifixos e 12
anos para investimentos fixos. A taxa efetiva de juros de 8,75% ao ano,
podendo variar dependendo da modalidade e da renda do produtor.4
3. Medidas de Localização, Concentração e Especialização
aplicadas produção agropecuária no Brasil
Neste capitulo apresentaremos a metodologia balizada pela abordagem
geográfica e estatística no território brasileiro, tendo como base o agregado das
culturas permanentes e temporárias, bem como os valores agregados da
produção agrícola. Ponderando a forma como essas culturas são distribuídas
pelos municípios brasileiros.
O objetivo é analisar o padrão de localização e de distribuição dessas
culturas ao longo do território nacional, verificando mudanças nesses padrões
ao longo dos últimos anos e, desta forma, verificar rotinas de concentração ou
de dispersão no território brasileiro e outliers, tanto altos quanto baixos, em
zonas de alta ou baixa produção (clusters de alta e baixa produção).
3.1 Análise exploratória 4 Atualização MCR 597, de 31 de agosto de 2015. http://www3.bcb.gov.br/mcr/completo
8
Conforme afirma Câmara et al. (2002), as técnicas de análises
exploratórias aplicadas a dados espaciais são essenciais ao desenvolvimento
das etapas da modelagem estatística espacial; em geral, sensíveis ao tipo de
distribuição, a presença de valores extremos e com ausência de
estacionariedade. As técnicas empregadas são adaptações das ferramentas
usuais. Assim, se na investigação de valores extremos se utiliza ferramentas
gráficas como histogramas ou boxplots, na análise espacial é importante
também investigar outliers não só no conjunto dos dados, mas também em
relação aos vizinhos. Além disso, a não-estacionariedade do processo espacial
na região de estudo também deve ser investigada, nos seus vários aspectos:
variação na média (primeira ordem), na variância e na covariância espacial.
3.2 Análise de Autocorrelação Espacial
A etapa seguinte da análise exploratória visa identificar a estrutura de
correlação espacial que melhor descreva os dados coletados no período
estabelecido. A ideia básica é estimar a magnitude da autocorrelação espacial
entre as áreas. Neste caso, a ferramenta utilizada será o Índice Moran (1950),
com ênfase no índice local. Quando se dispõe de grande número de áreas,
resultantes por exemplo de escalas espaciais detalhadas, a natureza dos
processos envolvidos é tal que é muito provável a existência de diferentes
regimes de correlação espacial em diferentes sub-regiões. Para evidenciar
estes regimes espaciais, pode-se utilizar os indicadores locais de
autocorrelação espacial e o mapa de espalhamento de Moran. Todas estas
estatísticas dependem da definição de vizinhança adotada, no caso deste
estudo, usaremos a matriz de contiguidade, ou matriz de vizinhança, Queen,
conforme a metodologia apresentada por Anselin (2004) e que será elucidado
nos próximos tópicos.
3.3 Matrizes de Proximidade Espacial
Para estimar a variabilidade espacial de dados de área, uma ferramenta
básica é a matriz de proximidade espacial, também chamada matriz de
vizinhança, definida na seção anterior. Dado um conjunto de n áreas {A1,..,An},
construímos a matriz 𝑊(!)(n x n), onde cada um dos elementos wij representa
9
uma medida de proximidade entre Ai e Aj. Esta medida de proximidade pode
ser calculada a partir de um dos seguintes critérios:
• wij = 1, se o centroide de Ai está a uma determinada distância de Aj; caso
contrário o valor de wij = 0
• wij = 1, se Ai compartilha um lado comum com Aj , caso contrário wij = 0
• wij = lij/li, onde lij é o comprimento da fronteira entre Ai e Aj e li é o perímetro
de Ai
Como a matriz de proximidade é utilizada em cálculos de indicadores na
fase de análise exploratória, é muito útil normalizar suas linhas, para que a
soma dos pesos de cada linha seja igual a 1. Isto simplifica muito vários
cálculos de índices de autocorrelação espacial. O conceito de matriz de
proximidade espacial pode ser generalizado para vizinhos de maior ordem
(vizinhos dos vizinhos). Com critério análogo ao adotado para a matriz de
vizinhança de primeira ordem, pode-se construir as matrizes W(2), ..., W(n)
3.4 Indicadores Globais de Autocorrelação Espacial: Índice de Moran
Posto os tópicos anteriores, podemos inserir um aspecto fundamental da
análise exploratória espacial desta monografia que é a caracterização da
dependência espacial, mostrando como os valores estão correlacionados no
espaço. Neste contexto, Câmara et al (2002) expõe que as funções utilizadas
para estimar quanto o valor observado de um atributo numa região é
dependente dos valores desta mesma variável nas localizações vizinhas são a
autocorrelação espacial e o variograma. O índice global de Moran, I, é a
estatística mais antiga e mais utilizada para identificar da autocorrelação
considerando apenas o primeiro vizinho:
(1) 𝐼 =!!"(!!!!)(!!!!)!
!!!!!!!
(!!!!)!!!!!
10
Na equação (5), n é o número de áreas, zi o valor do atributo
considerado na área i, 𝑧 é o valor médio do atributo na região de estudo e wij
os elementos da matriz normalizada de proximidade espacial. Neste caso a
correlação será computada apenas para os vizinhos de primeira ordem no
espaço, conforme estabelecido pelos pesos wij. O mesmo cálculo feito para
matrizes de proximidade de maior ordem permite estimar a função de
autocorrelação para cada ordem de vizinhança, como apresentado na equação
(2).
(2) 𝐼 ! =! !!"
! !!!! !!!!!!!!
!!!!
!!!! !!!!!
Usualmente, o este índice é útil ao teste cuja hipótese nula é de
independência espacial; neste caso, seu valor seria zero. Para valores
positivos (até +1) indicam para correlação direta e negativos, (até –1)
correlação inversa. Após o resultado, é importante estabelecer sua validade
estatística. A hipótese implícita do cálculo do índice de Moran é a
estacionariedade de primeira e segunda ordem, e o índice perde sua validade
ao ser calculado para dados não estacionários. Caso exista a não-
estacionariedade de primeira ordem (tendência), os vizinhos tenderão a ter
valores mais parecidos que áreas distantes, pois cada valor é comparado à
média global, inflacionando o índice. Da mesma forma, se a variância não é
constante, nos locais de maior variância o índice será mais baixo, e vice-versa.
Segundo Camargo e Felgueiras (2001) quando o dado é não-estacionário, a
função de autocorrelação continua decaindo mesmo após ultrapassar a
distância onde há influências locais. Por isso devemos nos atentar quanto sua
aplicação.
11
3.5 Indicadores Locais de Autocorrelação Espacial: Indicadores Locais de Associação Espacial (LISA)
Enquanto os indicadores globais, como o índice de Moran, que
apresenta um único valor como forma de medida da associação espacial para
todo o conjunto de dados, os indicadores locais produzem um valor específico
para cada objeto, possibilitando assim, a identificação de dependência e
agrupamentos em uma escala maior de objetos com valores de atributos
semelhantes (clusters), ou objetos anômalos (outliers) e de mais de um regime
espacial. Segundo Anselin (1994), um LISA basicamente permite a
identificação de padrões de associação espacial significativos; e ser uma
decomposição do índice global de associação espacial. Representado pela
seguinte equação:
𝐼! =(!!!!) !!"
!!!! (!!!!)(!!
!!!! !!)!
!
Simplificando temos:
(3) 𝐼! = 𝑧! 𝑤!"𝑧!!!!!
Em que 𝐼! é o índice local para o objeto de análise i; 𝑧! é o valor do
desvio do objeto i; 𝑤!" é o valor médio dos desvios dos objetos vizinhos de i; e
𝑧! é a variância da distribuição dos valores dos desvios. Assim, obtemos o
Diagrama de Espalhamento de Moran, que é dividido em quatro quadrantes,
Alto-Alto (indicam valores altos onde, na média, existem valores altos); Baixo-
Baixo (indicam valores baixos onde, na média, existem valores baixos); Alto-
Baixo (para valores altos onde, na média, existem valores baixos) e, por fim,
Baixo-Alto (para valores baixos onde, na média, existem valores altos). Tais
valores serão ponderados pelo grau de significância, que pondera o quão
afastado da média local a região apresenta uma concentração relevante.
Por meio disso, poderemos analisar o mapa municipal brasileiro de
5564 municípios disponibilizado pelo IBGE5 e realizar uma análise mais precisa
5 http://www.ipea.gov.br/ipeageo/arquivos/malhas/municipio5564.zip
12
da distribuição de crédito rural e produção agrícola. Utilizando o intervalo de
nível de confiança de 90%, que viabiliza a identificação de regiões anômalas
menos expressivas no recebimento de crédito rural e produção agropecuária. A
justificativa para esses outliers ponderados pode ser devido a uma falta de
infraestrutura, municípios de pequenas dimensões geográficas com vizinhança
direta de municípios com extensa área6 ou, até, distribuição indevida de
crédito. Desse modo, é possível identificar problemas produtivos e identifica
áreas que merecem uma maior atenção devido sua discrepância local.
4. Dados e resultados
4.1 Dados e Variáveis
A coleta de dados dos municípios analisados se delimita ao período
entre 2010 a 2012, considerando a divisão da malha municipal elaborada pelo
IBGE em 20077 totalizando 5564 municípios. Os dados para elaboração dos
mapas foram inseridos pelo próprio aluno autor da monografia via programação
em VBA (Visual Basic for Applications) em Microsoft Excel e em Microsoft
Access, além da programação de fórmulas para inserir e verificar a correta
concatenação dos dados.
Valores referentes ao crédito rural foram extraídos do Anuário Estatístico
do Crédito Rural, publicado pelo Banco Central do Brasil. Os dados são anuais
e compreendem o período de 2010 a 2012. Utilizou-se os valores concedidos a
produtores rurais e cooperativas, por município, para o total de atividades
agrícolas com finalidades de custeio, comercialização e investimento.
No intuito de analisar a relação com a produção total, utilizamos o valor
da produção de lavouras permanentes e de lavouras temporárias, por
município, tais dados são disponibilizados pelo Instituto Brasileiro de Geografia
e Estatística (IBGE) no segmento do Sistema IBGE de Recuperação
Automática (SIDRA)8. Foram extraídos os valores da produção de 5570
municípios.
6 Áreas grandes possibilitam uma maior produção rural. 7 Disponibilizado no sitio eletrônico ftp://geoftp.ibge.gov.br/malhas_digitais/municipio_2007 8 Disponível no sítio eletrônico http://www.sidra.ibge.gov.br/
13
A base de dados compreende, portanto, um painel cuja a dimensão
temporal é de 3 anos e as unidades apuradas são 5564 municípios brasileiros.
Do total de 5570 municípios constituídos, foram excluídos aqueles que não
eram representados na malha digital analisada. Os municípios que não
apresentaram valores para as variáveis de interesse, foi destinado valor zero
para o crédito ou valor da produção.
4.2 Principais Resultados
Como podemos observar na Figura 01 (imagem com mapa temático)
abaixo, dada a cada tipo de separação das variáveis quantitativas ou
categóricas, é possível tirar conclusões intuitivas como: áreas de maior e
menor quantidade do valor procurado.
Figura 01: Crédito Agrícola de 2010 originário do Sistema Nacional de Crédito
Rural
14
Valores no intervalo [0; 85480] 1° Quantil
Valores no intervalo (85480; 556850,16] 2° Quantil
Valores no intervalo (556850,16; 2526788,64] 3° Quantil
Valores no intervalo (2526788,64; 9603660,59] 4° Quantil
Valores no intervalo (9603660,59; 1393535283,12] 5° Quantil
Fonte: Banco Central do Brasil – Boletim anual de crédito rural. Elaboração própria
Dada a limitação de separações por quantis, como a agregação de
extremos, como Wooldridge (2006) apresenta em seu livro. Analisando a figura
01 (acima), observamos uma clara concentração de da destinação do crédito
para as regiões centro-oeste, sudeste e sul do Brasil. Porém não há como
concluir se o padrão observado apresenta dados de agregação definida ou é
apenas aleatório; ou a relação dos valores é devido a causas mensuráveis.
15
Além disso, a disposição da produção agrícola é diretamente afetada pelo
clima e pelo tipo de solo regional, variável que não tende a sofrer grandes
alterações em pequenas distâncias. Posto isto, analisaremos de forma mais
precisa a distribuição do crédito, utilizando as ferramentas apresentadas no
capitulo de referencial teórico, buscando maior precisão na análise de
distribuição do crédito e a medida monetária produzida.
Já que coeficiente de correção entre as variáveis analisadas (Crédito
Agrícola e Valor da produção das lavouras permanentes e temporárias) nos
anos de 2010, 2011 e 2012 é de 0,511; 0,542 e 0,682, respectivamente. Ou
seja, possuem uma correlação direta moderada, o que torna mais propício uma
análise geoespacial e geoestatística para destacar regiões de baixa e alta
correlação, indicando aglomerações e regiões e baixa produção. De modo a
poder balizar pelos valores do município vizinho.
Conforme Druck et al. (2004), para um grande número de áreas, como
neste caso com 5564 regiões medidas, é importante utilizar indicadores de
associação espacial local que permitam identificar melhor os agrupamentos.
Em outras palavras, o Índice de Moran Global não apresenta significância
considerável para a análise de dependência. Calculando-se o Índice de Moran
Local (com indicadores de dependência LISA) foi possível classificar os
distritos em função do nível de significância considerando valores de seus
índices locais. Assim, as áreas em destaque no mapa são aquelas com
características próprias, que merecem uma análise apurada das causas de
autocorrelação. Neste trabalho, adotaremos um grau de confiabilidade de 90%,
a fim de não excluir cluster ou outliers menos expressivos, desse modo
podemos identificar de novas fronteiras agrícolas e regiões de alto potencial
que ainda não são exploradas.
No presente trabalho adotamos como critério de vizinhança a adjacência
Queen Normalizada (municípios que apresentem conexão geográfica em
qualquer direção), desse modo, os valores correspondentes aos polígonos com
borda em comum assumem valor 1 na matriz de vizinhança, por outro lado,
entre os polígonos que não apresentam este tipo de relação o valor então é
nulo.
16
Utilizando o software IpeaGEO, versão 2.1.15, aplicando os parâmetros
estabelecidos para os anos de 2010, 2011 e 2012, obtivemos os seguintes
resultados de autocorrelação espacial relacionando a distribuição do crédito
rural para Cooperativas e Produtores rurais (excluindo créditos concedidos via
Programa Nacional de Fortalecimento a Agricultura Familiar, PRONAF), via
linha de crédito regulada pelo Manual do Crédito Rural (MCR), e a produção
agrícola. Os resultados são apresentados no anexo do presente trabalho e
separados por duas grandes regiões (norte e sul, tendo o Distrito Federal como
referencial para divisão), desse modo há uma melhor visualização de
municípios pequenos. Abaixo estão ilustrados os mapas de produção das
lavouras e crédito agrícola para o ano de 2012
17
Figura 02 - Crédito Agrícola 2012
Fonte: Resultados dos indicadores gerados via IpeaGEO
18
Figura 03: Produção de lavouras permanentes e temporárias 2012
Fonte: Resultados dos indicadores gerados via IpeaGEO
19
Os resultados dos clusters de auto correlação podem ser explicados por
diversos fatores locais, climáticos, ou de infraestrutura. O presente trabalho não
busca esclarecer todos os elementos de concentração, já que são
determinantes locais individuais, porém cabe exemplificar alguns dos principais
resultados explorando principais fatores para a determinação da autocorrelação
e a correlação do crédito com o valor da produção.
O Município de São Paulo, capital, apresenta o mesmo padrão nos três
anos analisados, no espectro de crédito apresenta uma situação de Alto-Baixo
para o Crédito e Baixo-Baixo para a produção, como apresentado na figura a
baixo.
Figura 4: Exemplo região metropolitana de São Paulo
Fonte: Resultados dos indicadores gerados via IpeaGEO
A razão essa diferença é devido a concentração de créditos concedidos
pelas agencias bancarias do Município de São Paulo, quase 600 milhões no
ano de 2012, segundo o Anuário Estatístico de Crédito Rural do BCB. Porém,
fica evidente que o crédito não é aplicado no município que, segundo o plano
diretor do município de São Paulo, Lei 16.050/14, destina 25% da área do
município de São Paulo para a agricultura, área insuficiente para alterar
significativamente a correção com seus vizinhos. Fato semelhante ocorrem em
13 capitais estaduais brasileiras, localizadas no nordeste, centro-oeste, sul e
sudeste.
20
Um fator que podemos destacar, também, são pontos de Alto-Baixo na
região Amazônica em termos de valor da produção agrícola, já que em termos
de crédito há um grande aglomerado de baixo-baixo. Um dos fatores que
podem justificar isso é a dificuldade de obtenção de crédito dos agricultores, já
que os parâmetros de produtividade estabelecidos para concessão de crédito
são muito altos para a região e alguns terrenos não são regularizados, fator
fundamental para adquirir o empréstimo agrícola via recursos obrigatórios
estabelecido pelo MCR. A figura abaixo ilustra esse descompasso, que fica
ainda maior no município de Santarém no estado do Pará.
Figura 5: Exemplo região amazônica
Fonte: Resultados dos indicadores gerados via IpeaGEO
Outro caso que a análise de autocorrelação espacial possibilita uma
análise mais apurada são os municípios na bacia hidrográfica do Rio São
Francisco, observa-se uma concentração (tanto de crédito quanto de valor da
produção) de Alto-Alto e Baixo-Alto em algumas sub-bacias que compõem o
rio, segundo o relatório da ANTAC (2013) essas áreas estão próximas aos 3
portos da hidrovia do São Francisco (uma das principais formas de escoamento
da produção agrícola), porém ao longo da vazão principal há um grande
agrupamento de Baixo-Baixo. Segundo Duarte (2014), a região possui um
grande potencial a ser explorado seja por meio de escoamento da produção ou
irrigação. A ilustração abaixo apresenta esta organização geográfica.
Crédito Agrícola - 2012 Valor da Produção da Lavoura Temporária e Permanente - 2012
21
Figura 6: Exemplo região do Rio São Francisco
Fonte: Resultados dos indicadores gerados via IpeaGEO
No geral, podemos notar uma grande produção alta uniformidade da
produção e do crédito rurais nas regiões do sul do Rio Grande do Sul; Mato
Grosso; na região que abrange o centro-oeste de Santa Catarina; sul ao norte
do Paraná; oeste Paulista até o sul de Goiás e oeste Mineiro. Já que o clima e
o tipo de solo tende a não sofrer alteração abruptas em relação aos vizinhos
diretos, há um forte indicio de que estão explorando a potencialidade da área e
de grande efetividade do crédito na produção agrícola. Os resultados obtidos
nesse estudo estão apresentados no anexo deste trabalho em forma de mapas
geográficos.
5. Considerações Finais
A relação entre o crescimento econômico e o sistema financeiro tem sido
amplamente estudada tanto sob a visão empírica quanto teórica. Trabalhos
como Rocha (2007), Matos (2002), sugerem uma casualidade partindo do
crédito para o crescimento econômico. Podemos observar, também, uma
franca expansão da produção após a estabilização monetária brasileira e a
melhor regulamentação para concessão do credito agrícola, como apresentado
no gráfico 02 (gráfico crescimento PIB agrícola) e de evolução dos recursos
destinados a agricultura no gráfico 03 (gráfico recursos credito rural). Em
Cavalcanti (2008) há uma constatação de casualidade unidirecional partido do
PIB agropecuário para o crédito rural. No presente trabalho, ao mapear regiões
atribuindo autocorrelações locais, podemos visualizar potencialidades e regiões
de destaque local tanto de alto quanto de baixa produção.
Crédito Agrícola - 2012 Valor da Produção da Lavoura Temporária e Permanente - 2012
22
Observamos regiões como o Mato Grosso, sul do Rio Grande do Sul,
Oeste paulista, sul e sudeste de Minas Gerais, e oeste do Rio São Francisco
sempre figurando entre os Alto-Alto nos três anos analisados, tanto por parte
do crédito quanto pelo valor da produção das lavouras temporárias e
permanentes. Podemos reforçar a alta eficiência do crédito nessas regiões com
maior precisão, dado o ajuste feito pela ponderação com seus vizinhos. Tais
regiões merecem ser analisadas detalhadamente para possível replicação
desses casos de sucesso.
Municípios ou regiões que apresentam autocorrelações muito diferentes
nos anos seguintes ou quando analisadas sob a ótica da outra variável
relacionada merecem uma investigação precisa para determinar as causas de
discrepâncias. Podendo caracterizar uma séria ineficiência, ou como foi o caso
apresentado da capital paulista, ou quebra de safra (devido a pragas ou
intempéries), ou até mesmo um desvio do crédito destinado a agricultura.
5.1 Limitações
Uma das limitações deste trabalho é a necessidade de estabelecer um
parâmetro de produtividade ponderado pela área passível de produção
agrícola, para uma elaboração apurada do Índice de Dependência Espacial
Local. Pois a produção agrícola do município é diretamente relacionada a sua
área, caso sejam vários municípios pequenos vizinhos entre si, o Índice não
apresentará viés; mas se um município de extensão muito grande em meio a
municípios com pequenas áreas possivelmente o método indicara um outlier.
Não ponderamos as reservas ambientais e as reservas indígenas no
trabalho, de modo que algumas regiões Alto-Baixo ou Baixo-Baixo podem ser
explicadas por grandes áreas destinadas a este tipo de impedimento na
implementação de regiões de cultivo agrícola.
5.2 Potencialidades
O método utilizado no presente trabalho pode ser aplicado em diversas
áreas, auxiliando na accountability9 e fiscalização de políticas públicas,
9 Segundo DE PINHO(2009), significa uma prestação de contas ou responsabilização de uma ação ou órgão administrativo
23
mensurando a efetividade dos recursos destinados, ponderado pela
localização. Dando ênfase a regiões geográficas semelhantes com
discrepâncias no parâmetro da avaliação, de modo que a auditoria seja feita
por meio de uma amostra mais específica.
Foram analisados dados agregados de diversas culturas, tanto
permanentes quanto temporárias, e o crédito foi agregado, contabilizando
recursos para custeio, investimento e comercialização. Sabemos que diferentes
culturas usam proporções diferentes de crédito e o clima, conjuntamente com o
solo, são fatores determinantes para o cultivo da safra ou safrinha. Por isso,
cabe uma análise mais precisa para cada tipo de cultura que se tenha o
interesse de mapear e analisar sua potencialidade regional.
24
REFERÊNCIAS
AGÊNCIA NACIONAL DE TRANSPORTES AQUAVIÁRIOS. Laboratório de
transporte e logística. Relatório Executivo. Disponível em
http://www.antaq.gov.br/portal/PNIH/BaciaSaoFrancisco.pdf. Acesso em 29 jun.
2015.
ALMEIDA, E. S., HADDAD, E. A. e HEWINGS, G. J. D. The spatial patterning
of crime in Minas Gerais: an exploratory analysis. Brazilian Journal of Applied Economics, vol. 9, n. 1, jan-mar 2005.
ALMEIDA, E. S., Perobelli, F. S. e FERREIRA, P. G. C. Existe convergência
espacial da produtividade agrícola no Brasil? Revista de Economia e Sociologia Rural, vol. 46, n. 1, 2008 .
ANSELIN, L. Exploratory Spatial Data Analysis in a Geocomputational
Environment. In: Longley, P. A.; Brooks; S. M.;MCDONNELL, R.; MACMILLIAN;
B. Geocomputation a primer. Chichester: John Willey & Sons Ltd, 1998,p.77-
94.
________. Exploring spatial data with GeoDaTM: a workbook. Urbana, v. 51, p.
61801, 2004.
BRASIL. Decreto n. 58.380, de 10 de maio de 1966. Aprova o regulamento da
Lei nº 4829, que institucionaliza o Crédito Rural. Disponível em:
http://www.planalto.gov.br/ccivil_03/decreto/Antigos/D58380.htm Acesso em:
07 jul. 2014
_______. Lei nº 4.829, de 5 de novembro de 1965. Diário Oficial da República
Federativa do Brasil, Poder Executivo, Brasília, DF.
CÂMARA, Gilberto et al. Análise espacial e geoprocessamento. Análise espacial de dados geográficos, v. 2, 2002.
CAMARGO, Eduardo CG; FELGUEIRAS, C. Análise espacial de dados
geográficos. São José dos Campos, INPE, 2001.
CAVALCANTI, Isabel Machado. Crédito rural e produto agropecuário municipal:
uma análise de causalidade. 2008. PhD Thesis. Universidade de São Paulo
25
CROCCO, Marco et al. Metodologia de identificação de arranjos produtivos locais potenciais: uma nota técnica [Methodology for the identification of potential local productive networks: a technical note]. Cedeplar,
Universidade Federal de Minas Gerais, 2003.
DRUCK, S.; CARVALHO, M. S.; CÂMARA, G.; MONTEIRO, A. V. M. Análise
espacial de dados geográficos. Brasília: EMBRAPA, 2004.
DUARTE, Felipe Lobo. TRANSPOSIÇÃO DO RIO SÃO FRANCISCO–
ANÁLISE POLÍTICA, ECONÔMICA E AMBIENTAL. World Citizen Magazine,
2014, 2.1.
GASQUES, José Garcia et al. Produtividade total dos fatores e transformações
da agricultura brasileira: análise dos dados dos censos agropecuários. A agricultura brasileira: desempenho, desafios e perspectivas. Brasília: Ipea, p. 19-44, 2010.
GRIGOROVSKI, Paulo Roberto E.et al. “A importância do agronegócio familiar
no Brasil”. Ver. Econ. Sociol. Rural, Brasília, v. 44, n. 3, 2006.
HADDAD, Paulo Roberto et al. Economia regional: teorias e métodos de análise. Banco do Nordeste do Brasil SA, Escritório Técnico de Estudos
Econômicos do Nordeste, 1989.
INSTITUTO BRASILEIRO DE GEOGRAFIA. Censo agropecuário 2006: resultados preliminares. IBGE, 2006.
KOCHAR, Anjini. An empirical investigation of rationing constraints in rural
credit markets in India. Journal of Development Economics, 1997, 53.2: 339-
371.
MORAN, P. A. P. (1950). Notes on continuous stochastic phenomena.
Biometrika, (37):17–23.
PUMAIN, Denise. Pour une théorie évolutive des villes. Espace géographique,
v. 26, n. 2, p. 119-134, 1997.
26
SAN’ANNA, André A. e FERREIRA, Francisco Marcelo R. “Crédito Rural: da
especulação à produção” Boletim Visão do Desenvolvimento. n° 11, 2006.
SÃO PAULO. Lei n. 16.050/14, de 30 de junho de 2014. Aprova a Política de
Desenvolvimento Urbano e o Plano Diretor Estratégico do Município de São
Paulo e revoga a Lei nº 13.430/2002 Lex: Projeto de Lei nº 688/13, <On line>.
Disponível em: http://gestaourbana.prefeitura.sp.gov.br/arquivos/PDE-
SuplementoDOC/PDE_SUPLEMENTO-DOC.pdf. Acessado em: 02 jul. 2015.
SILVEIRA, Suely de Fatima Ramos. Inter-relações econômicas dos estados na
bacia do rio São Francisco: uma análise de insumo-produto. Piracicaba: Escola
Superior de Agricultura" Luiz de Queiroz, 2000.
WEDEKIN, Ivan. “A política agrícola em perspectiva” Revista de Política
Agrícola. Ano XIV, Edição Especial, 2005.
WOOLDRIDGE, Jeffrey M. Introdução à econometria: uma abordagem
moderna. Pioneira Thomson Learning, 2006.
27
ANEXO
Figura 07: Crédito agrícola e produção agrícola 2010 – Parte superior
Crédito Agrícola
Produção Agrícola
28
Figura 08: Credito agrícola 2010 – Parte inferior
Figura 09: Produção de lavouras permanentes e temporárias 2010 – Parte
inferior
29
Figura 10: Credito agrícola 2011 – Parte superior
Figura 11: Produção de lavouras permanentes e temporárias 2011 – Parte
superior
30
Figura 12: Crédito Agricola 2011
Figura 13: Produção de lavouras permanentes e temporárias 2011 – Parte
inferior
31
32
Figura 14: Crédito Agrícola 2012
Figura 15: Produção de lavouras permanentes e temporárias 2012 – Parte
superior
33
Figura 16: Crédito Agrícola 2012
Figura 17: Produção de lavouras permanentes e temporárias 2012 – Parte
inferior