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



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


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


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


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


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


superior

30

Figura 12: Crédito Agricola 2011


inferior

32

Figura 14: Crédito Agrícola 2012


superior

33

Figura 16: Crédito Agrícola 2012


inferior

UNIVERSIDADE DE BRASILIA FACULDADE DE...

Documents

Transcript of UNIVERSIDADE DE BRASILIA FACULDADE DE...